2018年春节期间烟花爆竹燃放对银川市空气质量的影响

为了解银川市2018年春节期间烟花爆竹燃放对空气质量的影响,分析了2016—2018年春节期间、2018年烟花爆竹禁放区与非禁放区以及2018年春节期间污染时段和非污染时段空气质量变化情况.并利用银川市大气超级监测网络的在线观测数据,对颗粒物中的水溶性离子、黑碳(BC)以及区域污染传输情况进行了分析.分析结果表明,与2016年和2017年春节期间同期比较,2018年优良天数同比分别增加4d、2d.除O_3外,其它5项参数整体均呈下降趋势,空气质量改善幅度较大;银川市城区禁放区空气质量较好于周边非禁放区域;春节期间银川市城区PM_(10)、PM_(2.5)、SO_2、NO_2、CO日均浓度在污染时段(除夕至初二)明显高于非污染时段(初三至初六),分别高出65.2%、90.8%、68.4%、58.2%、67.7%,PM_(2.5)/PM_(10)的日均浓度比值在初一最大,为68.6%;污染时段与非污染时段相比,K~+日均浓度增幅最大,达到了361.0%;污染时段PM_(10)中的BC日均浓度较非污染时段上升85.2%,春节期间BC与CO小时浓度呈正相关、相关系数为0.73;气溶胶激光雷达监测图显示,春节期间空气质量主要以本地污染为主.     

2018年春节期间烟花爆竹燃放对银川市空气质量的影响

为了解银川市2018年春节期间烟花爆竹燃放对空气质量的影响,分析了2016—2018年春节期间、2018年烟花爆竹禁放区与非禁放区以及2018年春节期间污染时段和非污染时段空气质量变化情况.并利用银川市大气超级监测网络的在线观测数据,对颗粒物中的水溶性离子、黑碳(BC)以及区域污染传输情况进行了分析.分析结果表明,与2016年和2017年春节期间同期比较,2018年优良天数同比分别增加4d、2d.除O_3外,其它5项参数整体均呈下降趋势,空气质量改善幅度较大;银川市城区禁放区空气质量较好于周边非禁放区域;春节期间银川市城区PM_(10)、PM_(2.5)、SO_2、NO_2、CO日均浓度在污染时段(除夕至初二)明显高于非污染时段(初三至初六),分别高出65.2%、90.8%、68.4%、58.2%、67.7%,PM_(2.5)/PM_(10)的日均浓度比值在初一最大,为68.6%;污染时段与非污染时段相比,K~+日均浓度增幅最大,达到了361.0%;污染时段PM_(10)中的BC日均浓度较非污染时段上升85.2%,春节期间BC与CO小时浓度呈正相关、相关系数为0.73;气溶胶激光雷达监测图显示,春节期间空气质量主要以本地污染为主.     

合肥市主城区PM_(2.5)时空分布特征研究

城市PM_(2.5)时空分布特征研究对改善空气质量具有重要意义。利用2016年1月1日—2016年12月31日合肥市主城区10个国控空气质量监测站PM_(2.5)浓度、土地开发强度、道路交通等数据,基于Arcgis空间分析平台,探讨合肥市主城区PM_(2.5)时空分布特征及其与土地开发强度、道路交通的关系,可为地方政府改善空气质量提供科学依据。结果表明:(1)合肥市主城区PM_(2.5)浓度季节差异显著,由高到低依次为冬季、春季、秋季和夏季,秋、冬季PM_(2.5)浓度波动较大,而春、夏季PM_(2.5)浓度比较稳定;(2)污染天数呈现春冬多、夏秋少的规律,1月、2月、3月、11月和12月的污染天数比例均超过50%,重度以上污染天气主要出现在春冬季节,严重污染天气暂未出现;(3)1月PM_(2.5)浓度空间分布呈现"双峰多谷"的规律,庐阳区和滨湖新区是PM_(2.5)浓度高峰区,属于轻度污染;7月PM_(2.5)浓度空间分布呈现"双峰双谷"的规律,庐阳区和包河区是PM_(2.5)浓度高峰区,属于良好;(4)合肥市主城区PM_(2.5)浓度与绿地率、主干路长度和容积率有较强关联性;绿地率与PM_(2.5)浓度呈显著负相关,容积率与PM_(2.5)浓度有一定正相关关系,土地利用性质和其他因素综合影响PM_(2.5)浓度;交通流量大的主干路与PM_(2.5)浓度存在正向关系。中心城区通过增加公共绿地空间、合理控制容积率,加强公共交通和电动汽车的使用,可达到改善空气质量的目的。     

城市公园外侧防护林结构对外源PM_(2.5)的消减作用

城市公园是居民休闲的重要场所,其外侧防护林是围合公园景观、消减外源污染的重要屏障。为研究城市公园不同配置结构外侧防护林内PM_(2.5)浓度的时空动态变化规律及其对外源PM_(2.5)污染的消减作用,通过布置样带监测城市公园不同配置结构外侧防护林(阔叶乔木林、阔叶乔草林、针阔混交林)距道路不同宽度处PM_(2.5)浓度,分析影响PM_(2.5)浓度的因素,并对不同配置结构外侧防护林对外源PM_(2.5)污染的消减作用进行计算。结果表明,(1)城市公园不同配置结构外侧防护林内PM_(2.5)浓度日变化规律大致相似,均呈现白天低晚上高的趋势,9:00—15:00时段防护林内PM_(2.5)浓度达到国家标准II类功能区浓度质量要求,5:00时防护林内PM_(2.5)浓度污染最严重,超出国家标准II类功能区浓度质量要求237.36%~335.31%。(2)城市公园不同配置结构外侧防护林在15~45 m宽度范围内PM_(2.5)浓度与路缘处PM_(2.5)浓度相近,阔叶乔木林和阔叶乔草林在60 m宽度前后出现PM_(2.5)浓度升高的现象。(3)城市公园外侧防护林11:00、13:00时对PM_(2.5)浓度污染消减作用最强,19:00、7:00时对PM_(2.5)浓度污染消减作用相对较差;阔叶乔木林、阔叶乔草林距道路165 m时消减作用相对较好,针阔混交林距道路45 m时消减作用相对较好,呈正消减作用。(4)PM_(2.5)浓度与平均风速、温度、相对湿度呈极显著相关,与其他气象因子相关性不显著。     

林地和湿地大气颗粒物阻滞效果研究

为了研究林地和湿地以及气象因素等对于大气颗粒物浓度的影响,于2016年5—12月在北京市奥林匹克森林公园内林地、湿地内对PM10和PM_(2.5)质量浓度以及气象数据(温度和相对湿度)进行采集。使用定量分析的方法,运用阻滞-吸附效率公式对林地和湿地阻滞率进行了比较;分析了大气不同污染背景下林地和湿地对大气颗粒物阻滞率的差异以及气象因子对大气颗粒物质量浓度的影响。研究结果表明,林地内颗粒物日变化呈现先下降后上升的趋势,13:00左右为一天之中质量浓度最低(34.6μg?m~(-3))之时,而湿地周围颗粒物日变化则在采样期间呈现下降趋势,至18:00左右质量浓度为最低(35.8μg?m~(-3))。不同空气质量等级下,林地和湿地对颗粒物的阻滞率效果不同,林地在空气质量为优时对PM_(10)和PM_(2.5)的阻滞率均最高,分别为522.7%和289.7%;湿地在空气质量等级为良时对PM_(10)的阻滞率最高(56.56%),在空气质量为重度污染时对PM_(2.5)的阻滞率为最高(74.35%)。在相同空气质量等级下,林地与湿地之间的阻滞率也存在差异:除严重污染时没有显著差异外,其余空气质量等级下林地的阻滞率显著高于湿地对大气颗粒物的阻滞率(P0.05)。此外,大气颗粒物质量浓度与气象因子之间存在显著相关性,其质量浓度与温度呈负相关,与相对湿度呈正相关。然而,阻滞率与气象因子之间没有显著相关性。研究林地与湿地的阻滞率有利于更好地配置城市中林地和湿地比率,以更加有效地改善大气环境。     

2017年春节期间北京市城区和郊区大气PM_(2.5)及其中多环芳烃的污染特征

为研究2017年春节期间北京市城区和郊区大气PM_(2.5)及负载多环芳烃(PAHs)的污染水平和污染特征,分别在北京城区和郊区各选一个监测点,采集大气中的PM_(2.5),采用重量法和超声提取-GC/MS对滤膜上的PM_(2.5)及多环芳烃的浓度进行测定.结果表明,春节期间城郊两地的大气PM_(2.5)和PAHs均呈多峰分布,PM_(2.5)均值分别为104.5μg·m~(-3)和104.6μg·m~(-3),无显著性差异;两地PAHs均值差异具有统计学意义(P=0.001).除夕日(CSFE)烟花集中燃放时段PM_(2.5)在城郊两地的日均浓度较前一日非集中燃放日均有明显升高.春节期间PAHs组成以4环和5环为主,二者之和占PAHs总量的80%以上,特征比值法显示城区污染主要来自燃煤和交通尾气的混合源,郊区燃煤占主导.     

北京典型主城区冬季大气污染特征分析

利用布设于北京市典型主城区的在线空气质量监测站2015年12月数据(小时质量浓度),探究北京主城区冬季大气污染特征的影响因素。结果表明,冬季主城区大气中O_3污染较轻,而NO_2、NO_x和PM_(2.5)污染较为严重。监测期间NO_2、NO_x和PM_(2.5)最大日均浓度分别是GB3095—2012二级标准浓度限值的2.0、6.4和4.3倍,超标天数分别占总天数的58.1%、48.4%和83.9%;而O_3浓度未超过二级标准限值。相关性分析表明,各污染物及能见度之间都呈现出高度相关性(P0.01)。其中,主城区环境空气中PM_(2.5)与NO_x和NO_2正相关系数分别高达0.752和0.839,O_3与PM_(2.5)、NO_x和NO_2均在P0.01水平上呈负相关关系,其中NO_2与O_3负相关性最大(r=-0.772,P=3.124×10-141);能见度与PM_(2.5)、NO_x和NO_2浓度存在显著负相关关系,其中与PM_(2.5)负相关性最大(r=-0.922,P=3.338×10-294),此外,能见度与O_3在P0.01的水平上呈高度正相关性。工作日NO_2、NO_x和PM_(2.5)小时浓度整体高于周末,污染物浓度曲线均出现2个峰值(浓度峰Ⅰ、浓度峰Ⅱ),工作日浓度峰Ⅰ受06:00—09:00市民工作早高峰出行影响,周末浓度峰Ⅰ受02:00—05:00外埠货车进城影响;工作日和周末的污染物浓度峰Ⅱ都出现在22:00左右。O_3的工作日和周末浓度曲线变化基本一致,均呈"双峰"形态,O_3浓度峰Ⅰ出现在14:00左右,高浓度O_3主要来源于大气光化学作用产生的二次污染,浓度峰Ⅱ出现在04:00、05:00左右,其值约为峰Ⅰ值的40%,可能与平流层臭氧垂直气流输送有关。     

基于发光细菌的细颗粒物(PM_(2.5))可溶性提取液综合生物效应测试方法及其应用

为科学评估PM_(2.5)对生物体综合生物效应,研究建立了利用费氏弧菌检测PM_(2.5)水溶性提取液的毒性测试方法,确立了PM_(2.5)样品提取液发光细菌毒性测试实验质量控制办法。对春节烟花爆竹燃放和沙尘污染过程的PM_(2.5)实样测试表明:烟花爆竹燃放期间的PM_(2.5)样品提取液发光抑制率值与微量金属元素等有毒有害组分浓度显著相关;沙尘污染期间的PM_(2.5)样本提取液中地壳元素浓度和发光抑制率值显著不相关。     

京津冀城市群PM_(2.5)的空间分布及相关性分析

以京津冀城市群2014—2016年1 090 d PM_(2.5)浓度日值数据为基础,基于Arc GIS 10.2软件,选择典型月份分析PM_(2.5)月优良天数比例、月重度及严重污染天数比例的时空分布特征及其空间相关性。结果表明,研究区城市之间各年PM_(2.5)浓度月优良天数比例与月重度、严重污染天数比例整体波动趋势基本一致,其中PM_(2.5)月优良天数比例高值集中在5—9月,PM_(2.5)月重度与严重污染天数比例高值集中在11—次年2月;从区域分布看,PM_(2.5)月重度与严重污染天数比例从石家庄、保定市向周边城市由高到低递减。选取典型月份对研究区PM_(2.5)进行空间相关分析,结果表明PM_(2.5)存在正空间相关性,即PM_(2.5)浓度的空间分布表现出空间聚集性。     

宝鸡高新区春节前后大气中黑碳浓度特征及来源解析

基于春节前后(2018年1月1日—2018年3月31日)宝鸡市高新区宝鸡文理学院站点的黑碳气溶胶(BC)、浊度仪、颗粒态污染物(PM_(10)、PM_(2.5)和PM_(1.0))、气态污染物(CO、NO_2、SO_2和O_3)的逐时数据及常规气象数据,对宝鸡市高新区BC气溶胶的时间变化特征、来源及影响因素进行分析.结果表明,观测期间BC质量浓度的变化范围为0.01—5.62μg·m~(-3),平均浓度为0.63μg·m~(-3).BC与风速和能见度均呈负相关.观测期间BC浓度日变化呈"双峰双谷"型,峰值出现在09:00和19:00,谷值出现在05:00和16:00;寒假前BC浓度昼夜变化整体高于寒假期间和春季开学,可能与寒假前频繁的人为活动,不易扩散的气象条件有关.BC占PM_(2.5)的0.84%,其吸收作用占大气消光的2.14%.除O_3外,BC日平均浓度与PM_(2.5)、CO和NO_2呈显著相关,相关系数分别为0.626、0.623和0.473,说明BC气溶胶与之均有部分共同源.     

山西省大气PM_(2.5)污染时空分布特征

本文基于国家空气质量自动监测位点2015年3月到2016年2月全年的逐时监测数据,对山西省11个地级市PM_(2.5)的污染状况与时空分布进行了详细研究.结果表明,山西省11个地级城市PM_(2.5)年均浓度均超过了国家年均浓度的二级标准限值,其中,长治和运城污染最为严重,超标率均高达27.51%.PM_(2.5)月均浓度变化特征分析发现,各地区PM_(2.5)污染高峰主要出现在冬季,9个城市在夏季出现另一小高峰,太原在春季出现另一小高峰.PM_(2.5)/PM_(10)月均浓度变化特征分析发现,太原、大同、晋城、朔州、晋中和忻州等6个城市PM_(2.5)/PM_(10)的值从春季到冬季逐渐增长,临汾和运城该比值波动于50%—70%之间,阳泉和吕梁PM_(2.5)/PM_(10)的值在7月和11月出现两次高峰,长治则在7月和1月出现两次高峰,提示不同地区可能受到不同污染源的影响.PM_(2.5)日变化规律总体较为一致,呈明显的双峰分布,其特征是中午和午夜高,凌晨和下午低.不同季节PM_(2.5)的空间分布虽有很大差异,但总体上南部城市高于北部城市.局部自相关分析发现,山西省PM_(2.5)污染的热点区域主要集中在运城.     

珠三角地区PM_(2.5)浓度空间自相关分析

PM_(2.5)空间变异规律是揭示污染机制的重要基础。研究获取珠三角地区共57个监测点2013年全年PM_(2.5)小时均值监测数据,汇总后得到监测点季度均值和年均值,采用空间自相关分析理论研究不同季节PM_(2.5)浓度空间自相关性的强弱与集聚模式。结果显示,珠三角地区PM_(2.5)污染季节差异显著,冬季PM_(2.5)浓度均值是夏季的3倍。空间自相关分析表明,90 km范围内,珠三角PM_(2.5)浓度均存在正空间自相关性且尺度效应明显,空间自相关性存在城市尺度和区域尺度2次递减;春、夏、秋、冬季PM_(2.5)浓度全局Moran's I指数分别为0.542、0.752、0.602和0.628,空间自相关性由高到低依次为夏、冬、秋和春季;珠三角PM_(2.5)浓度集聚模式明显,深圳等沿海地区表现为PM_(2.5)浓度低-低集聚(L-L),而离海岸稍远的广州等地区为高-高集聚(H-H)区域。     

西安市PM_(2.5)时空分布特征及气象成因

PM_(2.5)是危害环境及人体健康的重要空气污染物之一,但目前对PM_(2.5)的时空分布及气象成因的研究还相对缺乏。为了更好地控制ρ(PM_(2.5)),利用西安市2013年9月1日至2014年8月31日的PM_(2.5)逐日质量浓度、首要污染物数据及气象数据,分析PM_(2.5)逐日质量浓度对空气质量的影响,ρ(PM_(2.5))的分布特征及其气象成因。结果表明,PM_(2.5)是影响空气质量的重要因素。ρ(PM_(2.5))年超标率高达42.1%,在季节上具有冬秋季高、春夏季低的特征,月变化呈现"V"字形变化。各类型站点的ρ(PM_(2.5))总体空间分布状况为:道路参照点污染最严重;居民参照点、工业参照点次之;商贸参照点及文化、生态参照点的PM_(2.5)污染较轻,基本处于良好状态;PM_(2.5)的空间分布状况及站点间的变动幅度会随季节而有所不同。采用逐步回归模型建立的ρ(PM_(2.5))的预测模型具有较好的预测效果,ρ(PM_(2.5))拟合值均能较好的反映ρ(PM_(2.5))的变化规律,ρ(PM_(2.5))与气象条件有一定的关系。     

河南省PM_(2.5)时空分布特征及其与植被覆盖度的关系

随着中国城市化和工业化的不断推进,大气污染治理形势严峻,PM_(2.5)作为首要的大气污染物,已经引起了公众和学术界的普遍关注。研究PM_(2.5)的时空分布特征及其质量浓度同植被覆盖度之间的关系,为区域大气污染联防联控提供数据支撑和理论依据。以大气污染严重的河南省为研究对象,利用2017年1月—2019年2月期间75个国控空气质量监测站的逐日PM_(2.5)质量浓度数据,通过空间插值技术,分析了PM_(2.5)质量浓度的时间和空间分布特征。基于MODID NDVI遥感卫星数据,采用像元二分模型反演获取植被覆盖度数据,再计算其与PM_(2.5)质量浓度的秩相关系数。研究发现,(1)总体上,河南省PM_(2.5)年均质量浓度逐年降低,由2015年的79μg·m~(-3)降至2018年的63μg·m~(-3),年均降幅达7.2%,但是依然超过国家二级标准(35μg·m~(-3)),污染防治形势仍然严峻。(2)从时间分布看,PM_(2.5)季节差异明显,月均质量浓度曲线大致呈"U"形,冬季质量浓度最高(113μg·m~(-3)),夏季最低(35μg·m~(-3)),春秋两季居中。(3)从空间分布来看,PM_(2.5)质量浓度在河南省内由南至北污染程度递减,形成了以污染最严重的郑州市、安阳市为中心的PM_(2.5)辐射圈。(4)植被覆盖度和PM_(2.5)质量浓度相关性强,秩相关系数为-0.55。从污染治理来看,提高植被覆盖度,增加植被面积对PM_(2.5)沉降有积极作用,但作用有限。     

基于AQI的深圳大气污染特征及其典型环流形势分析

随着中国城市化加速以及机动车保有量的大幅增加,城市环境问题日益突出。深圳地处珠江三角洲城市群,空气质量恶化引起社会各界广泛关注。利用深圳市11个国控站空气质量时平均、日平均监测资料、欧洲中心中期天气预报(ECMWF)再分析资料以及温度、湿度等自动气象监测数据,采用数理统计和典型环流分型等方法,在分析2013—2015年深圳市大气污染时空分布特征的基础上,探讨了深圳污染日典型环流形势特征,以期为深圳大气污染的预警预报、防治及其影响评估提供科学依据。基于空气污染指数(AQI)的污染分析表明:2013—2015年深圳市空气质量呈转好趋势,污染以轻度污染为主(92.4%);引起污染天气的主要污染因子是PM_(2.5)(75%)、O_3(19%)和NO_2(4.8%),PM_(2.5)和NO_2引起的污染天气呈下降趋势,而O_3引起的污染天气呈上升趋势,这表明光化学污染已成为深圳大气污染的重要形式。深圳的大气污染过程持续时间短,以1~2 d为主,污染天气集中出现在冬季,且易出现长时间持续(≥5 d)的污染过程。主要污染物季节特征明显,冬季为PM_(2.5),夏季O_3,春秋季PM_(2.5)、O_3和NO_2均会出现。深圳污染天气空间差异性较大,总体呈现西多东少的分布,东部沿海地区是深圳空气质量最好的区域。深圳污染日典型天气形势可分为大陆高压型、热带气旋型两类,其中秋冬季为大陆高压型,夏季为热带气旋型,在空气质量预报预警服务中,不同季节应关注不同污染物浓度变化和天气形势演变。     

基于小波变换的北京市PM_(2.5)时空分布特征及成因分析

收集北京市2014年PM_(2.5)质量浓度数据,利用小波变换探讨北京市各类监测站点PM_(2.5)污染的时间序列特征、主周期、突变特性,并结合气象资料,采用小波相干谱探究气象因子对PM_(2.5)的影响。结果表明,2014年北京市各类监测点PM_(2.5)质量浓度变化呈现波动-平稳-波动的相似变化趋势,其中1—4月和10—12月波动明显,且主周期相同(172 d)。采暖期间,南部站点PM_(2.5)质量浓度最高,采暖结束后,交通站点超越南部站点,成为PM_(2.5)质量浓度最高的站点。北京PM_(2.5)突变事件秋冬季节频繁而春夏较少,主要对应于重污染天气的生消过程。5类监测站点的PM_(2.5)质量浓度基本呈现南高北低的分布规律。南部站点PM_(2.5)污染最为严重、突变事件频次最高,该区局地污染排放显著,又是区域传输的重要通道,污染相对复杂;而北部站点污染水平最低、突变频次也最少;市区范围内交通站点污染相对突出。此外,气象因子对PM_(2.5)质量浓度变化影响巨大:在小尺度(0~20 d)上,PM_(2.5)与相对湿度相关性最突出;在中等尺度(20~64 d)上,PM_(2.5)主要受平均风速和相对湿度制约,但季节变化明显;大尺度(64 d)上,PM_(2.5)与日照时数和相对湿度相关性显著。     

机动车排放对PM_(2.5)空间分布的影响研究

PM_(2.5)的大量存在已对人类生活和大气环境产生了重大影响,而机动车作为城市PM_(2.5)的主要污染源,已越来越受到人们的广泛关注。文章旨在研究机动车对道路两旁PM_(2.5)数浓度时空分布和影响情况。选取北京市西三环主干道旁校园、居民区、公园3类典型区域,分别在水平及垂直方向进行PM_(2.5)浓度连续监测,分析其分布规律,并采用相关分析方法讨论了交通主干道两旁车流量、车速与PM_(2.5)浓度分布之间的相关关系。结果表明,空间上,PM_(2.5)浓度在水平和垂直方向上的分布均呈现一定规律性。水平方向上,PM_(2.5)浓度变化整体的下降趋势明显。距离道路0~200 m之间平均下降幅度为5%,但0~50 m出现反常增大的现象,增大幅度高达8%,随着水平距离的继续增加,均匀下降,平均下降幅度为6.5%。垂直方向上,由于大气垂直结构复杂,不同垂直距离的PM_(2.5)浓度随高度递增变化不显著,呈波动趋势,其中1~10 m下降幅度为10%~11%,10~20 m的增大幅度为7%~11%,20~35 m的下降幅度不明显,PM_(2.5)浓度趋于稳定。时间上,PM_(2.5)浓度在7:00—9:00时间段受机动车流量影响大幅度上升,午间11:00-13:00 PM_(2.5)浓度变化不明显,13:00-15:00逐渐下降至白天的谷值点,19:00后受交通环境和逆温等大气条件两方面因素影响,PM_(2.5)又开始大幅度上升,达到峰值,约为白天最低浓度的2倍。数据显示,车流量与PM_(2.5)浓度在150 m处的相关性最好,0 m处相关性最弱;车流量变化与垂直高度上的PM_(2.5)浓度之间的相关性在10 m高处相关性最好,0 m处相关性最差。通过本文实验结果可知,水平方向50 m处的PM_(2.5)浓度值最高,垂直方向10 m处的PM_(2.5)浓度值最低,并且车流量的大小是影响道路两旁PM_(2.5)浓度高低的重要因素,尤其是在水平方向上相关关系更为明显,而车速的快慢与道路两旁PM_(2.5)浓度高低并无明显关系。     

长三角地区秋冬季大气PM_(2.5)含量空间变异特征

利用长三角地区的128个国控大气监测站2014年11月到2015年1月的PM_(2.5)浓度逐时数据,采用地统计学方法进行了ρ(PM_(2.5))的空间异质性分析,并讨论了其动态变化的影响因素.结果表明,研究时段内ρ(PM_(2.5))的基底效应值在0.07—0.26之间,空间自相关性较强.块金值呈逐步变大趋势,表明PM_(2.5)人为源对其空间异质性的影响逐渐加强.ρ(PM_(2.5))变程值在217.1—336.2 km之间,东-西方向大于南-北方向.可依据各季节空气PM_(2.5)含量空间自相关距离的1/4—1/2进一步优化环境空气质量监测网点.根据普通克里格法空间插值结果得出,研究区PM_(2.5)污染呈片状分布,且PM_(2.5)污染程度持续加重,污染重心在苏锡常都市圈、南京都市圈和徐州都市圈,是空气PM_(2.5)污染防治的关键区域.南京都市圈和徐州都市圈可能受到WSW上风向外源输送的强烈影响,苏锡常都市圈则对SSE下风向的城市群构成较大的潜在影响.PM_(2.5)还与SO2、CO、NO2均呈显著正相关,表明研究区空气PM_(2.5)污染与化石能源燃烧和机动车尾气均有较大关系,也可能与SO2或NO2在不利气象条件下形成的二次气溶胶有关.     

京津冀及周边城市PM_(2.5)污染空间关联网络及季节演化研究

京津冀及周边城市是雾霾频发的重灾区,研究该地区城市的PM_(2.5)污染空间关联网络及其随季节演化情况,对于雾霾污染的协同治理具有重要的意义。选取2015年3月16日—2020年3月15日期间,京津冀及周边31个城市的日均PM_(2.5)浓度数据作为样本。首先,对不同城市PM_(2.5)浓度值的时序变化与空间分布进行了可视化展示;然后以城市为节点,城市日均PM_(2.5)浓度值皮尔逊相关系数为边,相关系数与城市最短距离的比值为权重构建京津冀及周边城市PM_(2.5)污染空间关联网络,并对网络的整体特征与季节演化情况进行了分析。结果表明,京津冀及周边城市PM_(2.5)污染空间关联网络图密度为0.473,平均度为14.194,网络图比较紧密;在区域内部,聚类系数较高城市大多位于中间城市带,PM_(2.5)污染也较为严重;石家庄与邢台的度值最高,分别为26与25,接近中心性与中介中心性也最高,控制其他城市PM_(2.5)污染传输的能力最强;在不同季节,城市PM_(2.5)指数相关性对比存在较大差异,采暖季平均聚类系数为0.82,非采暖季平均聚类系数为0.66,在采暖季城市PM_(2.5)污染空间关联更为紧密。因此,应当根据不同季节的气象条件,制定不同的PM_(2.5)污染防治政策,对于污染均比较严重的,位于中间城市带的城市,应重点监控,并积极推进京津冀及周边城市PM_(2.5)污染的一体化与协同治理。     

园林植被对交通排放PM_(2.5)浓度影响研究

已有研究发现汽车尾气和道路扬尘已成为城市大气PM_(2.5)的重要来源之一,植被拦截被认为是去除大气颗粒物的有效手段之一。为了解道路两侧园林植被对道路交通排放的PM_(2.5)浓度扩散的影响,选择园林植被生长最茂盛且雨水较少的9月,在北京北五环路旁的奥林匹克森林公园内沿平行五环路和垂直五环路进行了布点采样,并结合ADMS扩散模型进行研究。北五环是北京最繁忙的交通主干道之一,白天(7:00—18:00)每小时单方向机动车流量达5 000辆以上。研究结果表明,晴天、雨后晴天、污染天公园内大气PM_(2.5)质量浓度分别为(84.3±23.6)、(62.1±12.7)、(246.1±60.5)μg?m~(-3)。垂直五环路和平行五环路的各监测点PM_(2.5)质量浓度无显著差异,但在局地为弱南风条件下,PM_(2.5)质量浓度自南向北有略微降低的趋势。由道路汽车排放的PM_(2.5)随着与公路之间距离的增加而呈指数型下降。ADMS模拟表明晴天和污染天由道路汽车排放的PM_(2.5)对公园内环境大气PM_(2.5)质量浓度的直接贡献不超过2%;但雨后晴天道路交通排放的PM_(2.5)贡献较大,可达25%。园林植被对降低交通排放PM_(2.5)浓度的作用并不显著,其主要作用是对PM_(2.5)进行空间隔离,然后利用大气扩散稀释作用降低由交通排放的PM_(2.5)在环境大气中的质量浓度。