银川市环境空气中PM_(10)、PM_(2.5)时空分布特征

以银川市空气质量自动监测站点2014年的数据为基础,对银川市环境空气中PM_(10)和PM2.5质量浓度的空间和时间分布特征进行了分析。结果表明,受冬季燃煤采暖锅炉排放源的影响,PM_(10)和PM2.5的质量浓度在采暖期远高于非采暖期;PM_(10)和PM2.5的质量浓度具有较明显的季节、月份、区域变化特征;PM_(10)和PM2.5的逐日变化趋势较一致;全市PM2.5与PM_(10)的比值为47.3%,小于50%,表明银川市细颗粒物污染程度较轻,但也不应忽视。     

武汉市大气污染变化趋势预测

以2014年武汉市大气污染源排放清单为基准,结合《武汉市城市空气质量达标规划(2013—2027年)》研究工作,预测了其实施后在控制"两高"行业新增产能、污染源综合治理、淘汰落后产能、控制机动车保有量等方面对武汉市SO_2、NO_x、PM_(10)、PM_(2.5)的减排量.利用嵌套网格空气质量预报模式系统(NAQPMS),模拟分析了《达标规划》大气污染治理重点工程实施的空气质量改善效果.结果表明:《达标规划》实施后,2020年武汉市SO2、NO_2、PM_(10)和PM_(2.5)排放量将分别比2014年削减22%～66%、6%～37%、14%～40%和17%～46%;武汉市空气质量有所改善,但NO_2和颗粒物年均浓度仍不能达到环境空气质量二级标准.     

杭州市PM_(10)水溶性离子特征及源解析

可吸入颗粒物(PM_(10))是大气的主要污染物之一,对其进行控制有助于改善空气质量。2018年12月至2019年11月在杭州市采集PM_(10)样品,分析样品中水溶性无机离子的组成特征及其季节变化规律,并通过潜在源贡献因子法(PSCF)、浓度权重轨迹分析法(CWT)、相关性分析和PMF模型等方法探讨PM_(10)中水溶性无机离子的来源。结果表明:PM_(10)年均质量浓度为(105.97±50.01)μg/m~3,低于国家二级标准;受季风气候影响,PM_(10)季平均质量浓度在冬季最高,夏季最低;PM_(10)中各离子质量浓度由大到小排列为NO~-_3SO■NH~+_4Ca~(2+)Na~+Cl~-K~+Mg~(2+);NO~-_3,SO■,NH~+_43种离子,约占总水溶性无机离子质量浓度的85.0%,可见杭州市大气中二次气溶胶污染程度高,主要以(NH_4)_2SO_4和NH_4NO_3的形式存在;大气中PM_(10)的水溶性离子主要来源有机动车排放源相关性二次气溶胶、生物质燃烧源、煤燃烧源相关性二次气溶胶、海洋源以及土壤和建筑扬尘源等5类。     

邯郸市PM_(2.5)组分特征及其对散射系数的影响

对邯郸市2013年和2014年1、4、7、10月份的PM_(2.5)进行采样及成分分析,结果显示2013年和2014年的PM_(2.5)年均浓度分别为170.4和144.0μg·m~(-3),2014年较2013年下降了15.5%。各季度OC浓度冬季(31.7μg·m~(-3))秋季(24.4μg·m~(-3))春季(9.1μg·m~(-3))夏季(5.6μg·m~(-3)),SOC的排序为秋季(13.1μg·m~(-3))冬季(8.8μg·m~(-3))春季(2.4μg·m~(-3))夏季(2.0μg·m~(-3)),分别占OC的24.6%、34.6%、43.9%和27.7%。利用IMPROVE重构公式,得出散射系数年均值为524.9 Mm-1,春、夏、秋、冬季分别为328.4、333.9、564.8和872.6 Mm-1。硫酸铵是散射系数的主要贡献者,年均贡献率为33.9%,其次为硝酸铵(25.3%)、有机物(20.2%)、PM_(2.5)-10(15.4%)和土壤尘(5.7%)。     

沈阳市大气PM_(10)浓度变化特征及其无机水溶性成分分析

雾霾中可吸入颗粒物PM_(10)能通过呼吸系统沉积于肺部对人体造成伤害。沈阳市为典型的重工业城市,PM_(10)污染较为严重。本研究主要基于沈阳市2006~2015年的大气颗粒物浓度观测数据,探究沈阳市近几年空气质量状况,大气污染物的时空特性。利用中流量采样器采集颗粒物的样品(2016),并对样品进行化学成分分析;利用火焰原子吸收器分析PM_(10)中主要无机水溶性成分(Ca~(2+)和Mg~(2+))的含量。结果表明,PM_(10)中无机水溶性成分Ca~(2+)的质量变化范围为0.0721~0.3123mg;Mg~(2+)的质量变化范围为0.0354~0.0690mg。     

珠三角城市地区秋季PM_(2.5)中含水量及其主要影响因子分析

为了了解气溶胶含水量主要影响因子,于2015年秋季在珠三角典型城市广州同步在线观测了PM_(2.5)及其中主要化学成分的质量浓度、干湿散射系数和气象因子,在此基础上利用Mie模型和ISORROPIA模型分别估算了气溶胶含水量(LWC_(neph))和无机盐含水量(LWC_(ISO)),分析了LWC_(neph)和LWC_(ISO)的主要影响因子。结果显示,秋季观测期间PM_(2.5)浓度均值47μg·m~(-3),OM(organic matter)、EC、NH_4NO_3和(NH_4)_2SO_4浓度均值分别为13.0、3.4、5.2和14.4μg·m~(-3),上述4类化学物种占PM_(2.5)浓度76%。LWC_(neph)和LWC_(ISO)之间存在较好的线性关系(R~2=0.81),斜率为1.03。相对湿度和无机盐(NH_4NO_3和(NH_4)_2SO_4)对LWC_(neph)和LWC_(ISO)起着主导性作用。相同湿度条件下,NH_4NO_3相对含量的变化对LWCISO浓度的影响明显大于(NH_4)_2SO_4。低相对湿度条件下,OM对LWC_(neph)的影响大于无机盐。     

银川市2013年PM_(10)、PM_(2.5)质量浓度变化及空气质量分指数等级特征分析

利用银川市2013年空气污染物日浓度资料,分析了其PM10、PM2.5的质量浓度变化特征及空气质量分指数等级特征.结果表明,PM10和PM2.5的质量浓度变化具有明显的季节特征,夏季最低,冬季最高,PM10质量浓度春季高于秋季,而PM2.5质量浓度春季略低于秋季;PM10和PM2.5月均质量浓度变化均为1月份最大,7月份最小;PM2.5和PM10日均质量浓度显著相关,相关系数达0.76,在2013年中,PM2.5占PM10质量载荷的36%.PM10和PM2.5在7—9月质量浓度低,空气质量分指数等级最好,达标率均为100%,在1月空气质量分指数等级最差.PM10和PM2.5分指数等级具有明显的季节特征,夏季空气质量分指数等级最好,冬季最差,PM10分指数等级秋季好于春季,PM2.5分指数等级春季好于秋季.     

基于GAM的北京PM_(2.5)浓度变化的影响因素研究

为辨识与测度不同影响因子对PM_(2.5)浓度变化的作用机理,以2015年北京PM_(2.5)浓度时间演变模式为基础,建立PM_(2.5)与各大气污染物(PM_(10)、SO_2、NO_2、CO、O_3)及气象因素(日均温度、风力、风向)的GAM模型,探索不同因素对PM_(2.5)浓度变化的影响作用。结果显示:(1)北京PM_(2.5)浓度具有夏秋季低、春冬季高的时间分布特点;(2)2015年北京PM_(2.5)浓度变化与PM_(10)、SO_2、NO_2、CO大体呈线性正相关,且正相关程度由强到弱为:COPM_(10)SO_2NO_2,而与O_3、温度和风因子的关系更为复杂;(3)GAM模型的拟合优度R~2为0.725,线性回归模型的拟合优度R~2为0.519,相比较,GAM模型对PM_(2.5)浓度变化的解释度提高了20.6%。研究表明,GAM模型对于建立PM_(2.5)浓度变化与影响因素间综合性复杂关系更灵活、更可靠,优于线性回归模型。     

银川市环境空气PM_(10)和PM_(2.5)中无机元素污染特征及来源

根据银川市1个国控环境空气质量监测点,采集4季PM10和PM2.5样品,测试样品及19种无机元素的质量浓度,分析了各无机元素的污染特征及来源。研究发现,银川市PM_(10)和PM_(2.5)中地壳元素Si、Ca、Al、Fe、Mg、K和Na质量浓度占无机元素总质量浓度的93%,是主量元素;无机元素质量浓度季节变化表现为春季高,夏、秋和冬季低;冬季PM_(10)和PM_(2.5)污染严重,但无机元素贡献值低,其中,人为污染元素Mn、Cu、Zn、As、Cd和Pb富集因子较高,说明银川市环境空气颗粒物具有复合型污染特征。因子分析结果表明,银川市环境空气颗粒物中无机元素主要来源于土壤尘、城市扬尘、燃煤尘等。     

基于图像质量分析的PM_(2.5)空气质量预测

为了提高空气污染物PM_(2.5)质量浓度预测的准确性,提出了一种基于图像数据预测PM_(2.5)质量浓度的方法.首先用手机或相机获取图像数据,然后用图像质量分析模型提取与PM_(2.5)质量浓度相关的特征向量作为输入,建立一个基于粒子群优化(particle swarm optimization,PSO)算法的支持向量回归机(support vector regression, SVR)(PSO-SVR)预测模型来估计PM_(2.5)的质量浓度.实验结果表明,与SVR模型和用遗传算法(genetic algorithm, GA)优化的支持向量回归机(GA-SVR)模型相比,PSO-SVR模型在预测准确性和实施效率方面具有更好的预测性能.     

北京市采暖期大气中PM_(10)和PM_(2.5)质量浓度变化分析

对北京市2003年11月至12月间供暖期中大气悬浮颗粒物污染状况作了较详细的监测.数据表明,北京市的这段时间,其PM10和PM2.5质量浓度因日因月而异,其中PM10平均质量浓度为253.1μg/m3,超过国家二级标准(1996)1.9倍,PM2.5的变化幅度在8.9-276.2μg/m3之间,其平均值为145.2μg/m3,超过1999-2000年监测数值38.4％;其污染源和影响因素之间关系的研究表明:在供暖期间,温度、湿度和风速对PM10和PM2.5的累积和消散也起着至关重要的作用.     

水煤浆燃烧可吸入颗粒物分布及排放规律

采用冲击式尘粒分级仪对水煤浆锅炉电除尘器前后的细灰粒径分布进行研究.发现除尘器前细灰粒径分布基本上完全符合对数正态分布,相关系数大于0.999;而除尘器后粒径分布更接近罗辛 拉姆勒分布,相关系数约为0.989.由于电除尘器对粗颗粒的除尘效率高于对细颗粒的除尘效率,导致除尘器后PM1、PM2.5和PM10的质量分数均有很大幅度的提高.烟气中细颗粒的质量分数与锅炉负荷有关,负荷降低将导致烟气中细颗粒的质量分数增大.水煤浆锅炉由于燃料中存在的水分,以及燃烧时雾化和结团的影响,PM2.5和PM10的质量分数低于一般煤粉炉     

大气污染预测中提高BP网络泛化能力的方法

为了通过预测大气环境的质量和发展变化,来寻求有效地控制和改善环境质量的相应措施,选用英国伦敦马里波恩监测站PM_2.5的小时平均浓度监测资料,采用贝叶斯归一化训练算法和提前终止法泛化改进的BP神经网络模型,预报PM_2.5的24 h内的各小时浓度.结果表明,采用本方法进行空气污染预报,预测相对误差为20%~49%,提高了预报网络的泛化能力.     

济南市大气细颗粒物水溶性组分及大气传输的研究

采用大流量采样器,于2004年11月至2005年9月对济南市城区细颗粒物PM2.5进行了研究测试,对其水溶性离子成分和pH值进行了分析. 结果表明,济南市PM_2.5污染严重,超标率达93.6％,超标倍数为1.20～5.72,呈略酸性. 水溶性离子占PM2.5质量的49.81％,其中SO^2-₄,NH⁺₄,NO^-₃是水溶性离子的主要组分,各占PM_2.5质量的20.88％,12.01％和10.94％,主要以(NH₄)₂SO₄和NH₄NO₃形式存在. 72h后推气流轨迹和簇分析表明起源于济南西北方向（俄罗斯,蒙古国,中国北部）且运动速率较低的气溶胶长距离传输能够加重济南细颗粒污染水平.     

基于大气PM2.5污染的建筑外窗缝隙通风换气次数动态变化特性

为了动态评价建筑外窗缝隙通风条件下室外PM_(2.5)污染对室内环境的影响规律及其渗透通风特性,依据研究团队2013年9月到2014年8月基于建筑外窗缝隙渗透通风(建筑外门窗关闭、无机械通风)且室内无污染源条件下关于北京地区某临街办公建筑室内外PM_(2.5)质量浓度水平与室外气象参数(空气干球温度、相对湿度、风速)的动态变化实时监测数据,结合质量平衡方程和数理统计方法提出了一种基于大量实测数据反演建筑外窗缝隙通风换气次数动态变化特性的评价模型,实测结果验证了该模型的有效性.研究结果表明:当建筑外窗结构特征和房间结构特征一定时(实测建筑穿透系数P为0.93±0.01、自然沉降率k为0.10±0.03),静稳天气时的建筑外窗缝隙通风换气次数平均值约为0.10 h-1,对应的室内外PM_(2.5)质量浓度比I/O约为0.43;微风天气时的平均值约为0.22h-1,对应的I/O约为0.56;和风天气时的平均值约为0.39 h-1,对应的I/O约为0.62.研究结果可为室内人群健康风险评估以及建筑室内通风净化系统优化设计与节能运行提供重要参考.     

Estimation of air exchange frequency in the condition of natural indoor ventilation

为了动态评价建筑外窗缝隙通风条件下室外PM\t\t\t\t\t_2.5污染对室内环境的影响规律及其渗透通风特性,依据研究团队2013年9月到2014年8月基于建筑外窗缝隙渗透通风(建筑外门窗关闭、无机械通风)且室内无污染源条件下关于北京地区某临街办公建筑室内外PM\t\t\t\t\t_2.5质量浓度水平与室外气象参数(空气干球温度、相对湿度、风速)的动态变化实时监测数据,结合质量平衡方程和数理统计方法提出了一种基于大量实测数据反演建筑外窗缝隙通风换气次数动态变化特性的评价模型,实测结果验证了该模型的有效性. 研究结果表明:当建筑外窗结构特征和房间结构特征一定时(实测建筑穿透系数\t\t\t\t\tP为0.93±0.01、自然沉降率\t\t\t\t\tk为0.10±0.03),静稳天气时的建筑外窗缝隙通风换气次数平均值约为0.10h\t\t\t\t\t^-1,对应的室内外PM\t\t\t\t\t_2.5质量浓度比\t\t\t\t\tI/O约为0.43;微风天气时的平均值约为0.22h\t\t\t\t\t^-1,对应的\t\t\t\t\tI/O约为0.56;和风天气时的平均值约为0.39h\t\t\t\t\t^-1,对应的\t\t\t\t\tI/O约为0.62. 研究结果可为室内人群健康风险评估以及建筑室内通风净化系统优化设计与节能运行提供重要参考.\t\t\t\t

     

石家庄市冬季大气中TSP,PM10,PM2.5污染水平研究

为研究石家庄市冬季大气颗粒物污染特征,于2013年2月采集TSP,PM10,PM2.5样品,用重量法分析其质量浓度,并对其相关性进行分析.结果表明,用环境空气质量标准（GB 3095-2012）来衡量,石家庄市冬季大气颗粒物TSP,PM10和PM2.5的日均浓度超标率分别为57.9％,82.9％和81.6％;超标倍数分别为1.28,1.86和2.24倍,超标情况严重;TSP与PM10和PM10与PM2.5相关系数分别为0.748 9和0.760 4,相关性较好;ρ（PM10）/ρ （TSP）平均值为0.74,ρ（PM2.5）/ρ（PM10）平均值为0.61,表明PM10和PM2.5污染严重.     

延吉市PM2.5时空分布特征及其与气象要素的相关性分析

利用延吉市城区3个空气质量监测站2015年PM_2.5浓度小时数据,探讨了延吉市城区PM_2.5时空分布特征,并将PM_2.5浓度与气象要素做相关性分析.研究结果表明: ①延吉市PM_2.5季节浓度由高到低依次为冬季、秋季、春季和夏季.②延吉市PM_2.5月均浓度变化均呈单峰单谷型,其中11月、12月、1月浓度值相对较高,2月开始逐月递减至10月份后开始回升.③PM_2.5日均浓度曲线呈现出尖峰和深谷交替变化的锯齿状.④延吉市城区3个监测点PM_2.5浓度日变化在春季、夏季、秋季和冬季都呈现双峰双谷型.⑤PM_2.5浓度与气压、气温日较差、风速、相对湿度等气象要素之间存在显著地相关性.     

北京市施工扬尘污染与控制

为定量研究施工扬尘对北京市大气环境的影响并提出有效控制措施,应用中尺度气象模式ARPS和环境空气质量模式Models-3进行耦合,建立多层嵌套耦合模型系统.获取较详细的北京及周边污染源清单,并利用GIS系统对其进行空间网格化处理.在模型系统设计与污染源处理的基础上,对2002年1、4、8、10这4个月份的施工扬尘排放对空气质量的影响进行模拟研究.模拟结果显示,4个月份中施工扬尘对北京市PM₁₀空气污染的月均贡献率分别为8.82%、8.25%、12.14%和13.74%.在对污染控制现状进行调查研究的基础上提出了削减现有施工扬尘排放量的控制方案,实施后,北京市PM₁₀日均质量浓度值平均下降了8.48μg/m³.     

大气PM2.5与健康:从暴露、危害到干预的系统研究进展

为了提高空气污染物PM_2.5质量浓度预测的准确性,提出了一种基于图像数据预测PM_2.5质量浓度的方法.首先用手机或相机获取图像数据,然后用图像质量分析模型提取与PM_2.5质量浓度相关的特征向量作为输入,建立一个基于粒子群优化（particle swarm optimization,PSO）算法的支持向量回归机（support vector regression,SVR）（PSO-SVR）预测模型来估计PM_2.5的质量浓度.实验结果表明,与SVR模型和用遗传算法（genetic algorithm,GA）优化的支持向量回归机（GA-SVR）模型相比,PSO-SVR模型在预测准确性和实施效率方面具有更好的预测性能.