太原市城区大气PM_(2.5)和PM_(10)时空分布特征

研究太原市城区大气颗粒物质量浓度时空变化规律,可以为实施更有效的大气污染综合治理手段提供科学依据。以太原市9个国家空气质量自动监测站的数据为基础,运用统计分析和Kriging插值法,对太原市城区2019年大气颗粒物的时空分布进行了分析。结果表明,2019年太原市城区PM_(2.5)和PM_(10)年均质量浓度分别为56μg·m~(-3)和107μg·m~(-3),是国家二级标准限值的1.60、1.53倍,以PM_(2.5)和PM_(10)为首要污染物占总超标天数的44.03%和12.58%;PM_(2.5)/PM_(10)年均值为0.52,PM_(2.5)对PM_(10)贡献较大;PM_(2.5)季平均质量浓度为冬季(87μg·m~(-3))秋季(50μg·m~(-3))春季(49μg·m~(-3))夏季(34μg·m~(-3)),PM_(10)为冬季(123μg·m~(-3))春季(120μg·m~(-3))秋季(98μg·m~(-3))夏季(64μg·m~(-3));PM_(2.5)和PM_(10)质量浓度月变化呈U型,二者平均质量浓度1月最高,8月最低;PM_(2.5)和PM_(10)24h质量浓度变化呈"单峰单谷"型,峰值在10:00,谷值在17:00;取暖期PM_(2.5)与CO、SO2和NO_2相关性高于其他时段;太原市城区PM_(2.5)和PM_(10)质量浓度空间分布总体上呈北低南高之势,PM_(2.5)春夏秋季的空间分布格局与太原市城区生产、生活、交通干道分布格局比较吻合。以上结果提示秋冬季是太原市城区颗粒物治理的关键时期,位于南部的小店和晋源区为重点防控治理区域。     

长治市秋冬季PM2.5组分特征及来源解析

采集了2017—2018年秋冬季长治市审计局站、监测站、清华站等3个监测站点的大气PM_(2.5)样品,分析了其元素、水溶性离子及碳质组分特征,并利用化学质量平衡模型(CMB)对PM_(2.5)进行来源解析.结果表明,采样期间长治市PM_(2.5)浓度为67.9μg·m~(-3),其中审计局站PM_(2.5)浓度最高(70.6μg·m~(-3)),其次为监测站(70.0μg·m~(-3))和清华站(63.0μg·m~(-3));二次无机离子(SO_4~(2-)、NO~-_3、NH~+_4)平均浓度(20.7μg·m~(-3))占PM_(2.5)浓度的30.5%,与大量排放到大气中的SO_2、NO_2二次生成有关;OC(12.6μg·m~(-3))和EC(6.6μg·m~(-3))分别占PM_(2.5)的18.6%和9.7%;OC/EC为2.06,且SOC(5.9μg·m~(-3))在OC中占比高达63.1%,表明长治市秋冬季二次污染较重;典型地壳元素Si和Ca占元素组分平均浓度的29.8%和22.8%,说明扬尘污染对长治市PM_(2.5)的有一定影响;源解析结果表明,长治市秋冬季PM_(2.5)主要来源为:机动车源17.0%、燃煤源16.5%、扬尘源14.6%、二次硝酸盐13.9%、二次硫酸盐11.0%、二次有机气溶胶10.8%、工艺过程源9.3%、生物质燃烧源1.9%、其他源5.0%.因此,为进一步降低长治市环境空气中PM_(2.5)的污染,需在加强管控机动车,燃煤和扬尘等一次排放源的基础上,降低一次污染物SO_2、NO_2等的排放,从而实现对二次污染源前体物的控制.     

南昌市秋季PM_(2.5)中多环芳烃的污染特征、风险评价及来源分析

用气相色谱-质谱法(GC-MS)定量分析了2013年9月南昌市PM_(2.5)中16种优控多环芳烃(PAHs)含量.结果表明,PAHs总浓度平均值为17.95 ng·m~(-3),变化范围为3.55—39.97 ng·m~(-3).不同环数多环芳烃占总浓度比例由大到小依次为:5环(50.45%)4环(19.32%)6环(17.99%)2环(6.34%)3环(5.90%),表现出明显的机动车尾气排放特征.通过计算PAHs的苯并[a]芘(BaP)毒性当量浓度(9.458—14.454 ng·m~(-3)),表明南昌市PAHs对人体健康存在潜在危害.特征化合物比值法和主成分分析法结果表明,燃煤、机动车尾气、农业燃烧及少量的石油挥发是南昌市PM_(2.5)中PAHs的主要污染源.     

北京采暖季PM_(2.5)水溶性无机离子污染特征及其影响因素

为深入研究北京市采暖季PM_(2.5)中水溶性离子的污染特征及其影响因素,利用大流量采样器结合石英滤膜采集了2016年11月15日—2016年12月31日期间北京市典型污染天的PM_(2.5)样品(19个),采用离子色谱法测定了其中的水溶性无机离子成分,收集了同期北京市的日均气象数据和海淀区日均PM_(2.5)数据。应用热力学平衡模型ISORROPIA-Ⅱ分析了PM_(2.5)样品的酸度值,Traj Stat软件分析气流的72 h后向轨迹,并采用潜在源贡献因子分析法(PSCF)定位了PM_(2.5)潜在污染源的位置,浓度权重轨迹分析(WCWT)法定量解析了潜在污染源对北京PM_(2.5)质量浓度贡献的大小。结果表明:(1)PM_(2.5)的日均质量浓度变化范围为7.6~383μg·m~(-3),均值为114μg·m~(-3),污染天是清洁天的4.4倍;(2)10种水溶性离子的总质量浓度均值为44.61μg·m~(-3),SNA(NO_3~-、SO_4~(2-)、NH_4~+)占总水溶性离子的81.37%,污染天NO_3~-、SO_4~(2-)、NH_4~+质量浓度均值分别为20.35、16.16、8.68μg·m~(-3),分别是清洁天的4.7、3.5、3.6倍;(3)污染天PM_(2.5)酸性比清洁天强,污染天NH_4~+的存在形式主要是(NH_4)_2SO_4、NH_4HSO_4,清洁天NH_4~+的存在形式主要是(NH_4)_2SO_4、NH_4HSO_4、NH_4NO_3;(4)北京PM_(2.5)及其水溶性离子的污染除受本地污染源影响,还受河北省中部和南部以及内蒙古中部等区域传输的影响;(5)在北京采暖季低大气边界层以及三面环山的特殊条件下,风速和相对湿度是影响北京PM_(2.5)及其水溶性离子污染特征的2个主要气象因素,高湿度低风速的静稳天气条件可以造成以本地污染物为主的大气重污染,此外,一定范围内的低风速可以使周边地区高浓度的污染物传输至北京,加重大气污染。     

淮南燃煤电厂烟气中颗粒相和气相中多环芳烃的赋存特征

采集安徽省淮南市3个燃煤发电锅炉排放的气态和颗粒态样品,通过GC-MS测定美国环保局优控的16种多环芳烃(PAHs),并对其残留、赋存和分配特征进行了分析研究.结果表明,PM_(10)相和气相中PAHs的质量浓度范围分别为2.9—7.5μg·m~(-3)和6.0—15.1μg·m~(-3),PAHs的质量浓度明显受到锅炉类型、装机容量与燃烧条件的影响,静电除尘器(ESP)对气相PAHs清除效率较低;PM_(10)相中PAHs主要为中分子量4环和高分子量5环,分别占总PAHs的35.8%—49.3%和16.2%—27.3%,与PM_(10)相相比,气相PAHs主要分布为2—3环,而4—6环PAHs含量较少.脱硫装置有效地提高了高分子PAHs的去除率;PM_(10)相及气相中PAHs分布不均衡,吸收作用主导了PM_(10)相与气相之间的PAHs分配;PAHs单体显示出不同的主导分配机制,主要由于它们之间不同的化学亲和力和蒸气压所导致的.     

广州大气PM_(2.5)中含碳组分的污染特征及来源解析

于2015年1月至11月在广州利用大流量大气颗粒物采样器采集细颗粒物(PM_(2.5))样品,并利用热光反射法(TOR)测定大气颗粒物中有机碳(OC)和元素碳(EC)浓度。结果表明,广州ρ(PM_(2.5))年均值为(69.5±35.6)μg·m~(-3),是GB 3095—2012《环境空气质量标准》中PM_(2.5)年均质量浓度二级标准限值(35μg·m~(-3))的2.0倍,表明广州大气细颗粒物污染严重。OC、EC和总碳气溶胶(TCA)的年均质量浓度分别为(8.31±4.53)、(3.56±2.72)和(16.85±9.60)μg·m~(-3),分别占PM_(2.5)质量浓度的13.2%、5.9%和27.0%,表明含碳组分是PM_(2.5)的重要组成部分。OC和EC浓度季节变化规律存在差异性,OC浓度在冬季最高,而EC浓度在秋季最高。OC和EC的相关性弱和比值高的特征结果表明冬季二次有机碳(SOC)污染最严重,其平均质量浓度为6.9μg·m~(-3),占OC质量浓度的62.4%。主成分分析结果表明,冬季和春季广州PM_(2.5)中碳组分来源较复杂,主要包括机动车尾气、燃煤和生物质燃烧,夏季碳组分的主导污染来源是燃煤和机动车尾气,而秋季碳组分主要来源于机动车尾气。     

长株潭城市群PM_(2.5)污染的春节假日效应

利用长株潭城市群24个监测点PM_(2.5)小时监测数据,研究2013—2015年春节期间(7 d)和春节前后(14 d)PM_(2.5)污染差异及变化,并分析旅游休假活动对空气质量的影响。在去除气象条件(日降水量大于4 mm)影响后,从PM_(2.5)污染程度差异、PM_(2.5)浓度日变化差异和假日效应的空间差异3个方面分析了PM_(2.5)污染的春节假日效应。结果表明,整体上长株潭地区春节期间PM_(2.5)浓度比春节前后高12μg·m-3,但春节后(7 d)PM_(2.5)浓度比春节期间低41.5%,"节后效应"明显。由于受烟花燃放等假日活动影响,春节期间PM_(2.5)浓度在00:00—02:00时段显著上升,02:00时PM_(2.5)浓度比非春节期间高47.6%。在假日效应的空间差异方面,长沙作为游客流入地,春节期间PM_(2.5)浓度比非春节期间高33.5%,体现了人流出行和旅游活动对空气质量的显著影响。     

济南市居住区采暖季大气PM_(2.5)中碳组分构成及变化分析

为探究济南市采暖季环境空气中PM_(2.5)中碳组分的污染情况及主要来源,于2017年11月16日-2018年3月31日和2017年11月16日-28日分别进行了居住区和背景区离线颗粒物采样,运用美国沙漠研究所DRIModel2015多波长热/光学碳分析仪对大气PM_(2.5)中碳组分进行了分析。研究结果显示,日均质量浓度ρ(OC)、ρ(EC)和ρ(PM_(2.5))在居住区为9.26、3.16、85.32μg·m~(-3),在背景区为2.88、1.44、59.27μg·m~(-3),说明居住区碳组分污染程度明显高于背景区。居住区日均质量浓度最高的碳组分为OC4、OC3和EC2;OC3和OC4日均质量浓度随污染等级从优向重度污染变化的过程逐渐增大,且OC日均质量浓度的变化情况跟OC3和OC4日均质量浓度变化相一致。但OC/PM_(2.5)和EC/PM_(2.5)均随污染等级的加重而呈下降趋势,可见OC和EC并不是济南采暖季重污染天气的控制因子。PMF来源解析结果显示,济南市采暖季居住区碳组分贡献较大的源为燃煤源、汽油车尾气和道路尘。结合碳组分在线监测仪器(美国SUNSET公司,型号RT-4)同期OC和EC质量浓度数据,采用Cabada改进后的方法,计算出SOC和POC质量浓度分别为1.14μg·m~(-3)和4.69μg·m~(-3)对采样时间段内一次典型重污染过程进行分析,发现CO、EC、POC等一次污染物的大量排放、不利的气象因素、区域传输等因素共同导致了此次污染过程的的形成。     

上海市大气颗粒物中多环芳烃的季节变化特征和致癌风险评价

对上海市城区和郊区采集的64个总悬浮颗粒物(TSP)样品进行GC/MS分析,结果表明:全年PAHs浓度范围为2.25-221.6ng·m~(-3),并呈现明显的秋、冬季节高而夏季低的变化特征,且PAHs年平均值郊区稍微高于城区.多环芳烃中苯并(b k)荧蒽、茚并(1,2,3-cd)芘、晕苯等化合物相对含量较高,四环以上的组分全年平均含量在90%以上.采用苯并(a)芘和苯并(a)芘等效质量浓度(BaPE)对上海市大气颗粒物中的PAHs进行致癌风险评价,BaP年均值在城区和郊区分别为2.57ng·m~(-3)和2.86ng·m~(-3),秋季BaP年均值超过了居民区标准限值(5.0ng·m~(-3)).BaPE在城区和郊区的年均浓度分别为5.82ng·m~(-3)和7.24ng·m~(-3),秋季污染最为严重.     

北京市冬季大气细颗粒物中二■英的污染特征

为了解北京市大气细颗粒物(PM_(2.5))中二■英(PCDD/Fs)的污染特征,利用中流量大气颗粒物采样器,在北京市3个功能区5个采样点(两个市区点、两个工业区点和一个背景点),同步连续采集了大气细颗粒物PM_(2.5)样品.参照US EPA 1613B标准方法,应用高分辨率气相色谱/高分辨率质谱(HRGC/HRMS),分析了PM_(2.5)中17种PCDD/Fs的浓度水平和区域分布特征,并对PCDD/Fs的污染来源做了初步探讨.结果表明,5个采样点PM_(2.5)的日均质量浓度范围102—146μg·m~(-3),平均日均值119μg·m~(-3),超出国家二级标准(75μg·m~(-3))59%,污染较重.在空间分布上,PM_(2.5)的日均浓度表现为工业区大于背景点大于市区的特征.所有采样点17种PCDD/Fs的总浓度范围∑PCDD/Fs是1.60—4.09 pg·m~(-3),平均值3.23 pg·m~(-3),PCDD/Fs总毒性当量∑TEQ范围是140.54—275.69 fg I-TEQ·m~(-3),平均值233.18 fg I-TEQ·m~(-3).与国内外其他城市相比,北京市大气PM_(2.5)中PCDD/Fs污染处于相当或略高水平.OCDD、OCDF和1,2,3,4,7,8-HpCDF是PCDD/Fs的主要组成成分,分别占总浓度∑PCDD/Fs的10%、19%和24%.对于总毒性当量∑TEQ贡献最大的是2,3,4,7,8-PeCDF,占总毒性当量的48.3%,∑PCDDs/∑PCDFs比值范围为0.19—0.23,平均值0.22,属于典型的"热源"特征.在浓度变化上, PCDDs呈现为随氯取代个数的增加而增加,除OCDF外, PCDFs的各单体浓度也随着取代氯原子个数的增加而增大.在区域分布上,PCDD/Fs浓度表现为工业区高于市区,市区大于背景点,充分体现了局地源的特点.采样期间工业热过程(化石燃料燃烧、电弧炉、烧结和冶炼等)、机动车排放和固体垃圾焚烧是北京冬季大气PM_(2.5)中PCDD/Fs和PM_(2.5)污染水平的主要影响因素.     

北京市怀柔区冬季大气重金属污染状况分析

环境大气中重金属元素通常存在于细颗粒物(PM_(2.5))中,对人体健康和生态环境具有潜在威胁.开展大气中重金属的监测对评估其环境健康影响以及针对性控制措施的制定具有重要科学意义和现实意义.本文对北京市怀柔区大气中20种重金属元素于2016年1月19日至3月4日进行了连续现场监测,并分析了大气重金属的污染现状、特征及来源.观测期间大气平均总重金属浓度为0.52μg·m~(-3),约占PM_(2.5)平均浓度(70.3μg·m~(-3)的0.75%,其中以Fe、Zn、Ba、Pb、Mn、Cu、Cd、As浓度较高;在2月8日(大年初一)烟花爆竹燃放高峰期间大气颗粒物中重金属元素浓度明显升高,总重金属浓度最高可达7.94μg·m~(-3),占PM_(2.5)的比例为9%,尤其以Ba、Pb、Cu、Zn、Mn、Cr浓度增长最为突出.以Fe作为地壳参比元素,发现怀柔冬季大气中Ni、Mn、Ga、Cr的富集因子小于10,其它元素的富集因子大于10,表明怀柔冬季大气中Ni、Mn、Ga、Cr主要来源于土壤或岩石风化,其它元素则主要来自人为污染源排放.基于怀柔冬季大气中不同重金属变化特征分析,推测Pb、Zn、Hg、Mn、Ni、Se与As共同来源于冬季燃煤采暖以及周围工业园区煤炭燃料燃烧排放,Cu、Pb、Cr、Zn、Mn和Ba主要来源于烟花爆竹燃放,Cd等元素来源于周围工业园区的工业生产过程.     

广州夏季办公室内细颗粒中多环芳烃污染特征研究

大部分的都市办公人群每天在办公室至少度过8 h。而室外环境的渗透、办公室内吸烟、办公设备使用和中央通风系统均可能导致细颗粒物及多环芳烃(PAHs)在室内积聚而造成微环境污染。2015年5—6月,在广州市3种不同功能区(商住区、高新产业区、工业区)共选取了14间不同类型的办公室,对其室内外PM_(2.5)和多环芳烃进行同步监测。结果表明,(1)14间中有12间办公室内的PM_(2.5)浓度水平高于世界卫生组织(WHO)的推荐值25μg·m-3;(2)与国内外类似研究相比,办公室内外∑16PAHs及Ba P-eq的监测浓度水平均较低,并呈现一致规律:文印>室外>吸烟>多人>单人>无窗(无人),其中Ba P-eq低于欧盟规定的安全限值1 ng·m-3;(3)文印工作和吸烟行为与室内PM_(2.5)和PAHs浓度升高有密切关系,分别对5环和4环PAHs贡献明显;(4)其他无明显内源的办公室的细颗粒中PAHs污染在监测期间主要来源于室外贡献。     

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.     

鞍山市冬季大气PM_(2.5)中多环芳烃的来源解析及毒性评价

2015年1月份采集鞍山市主城区共6个采样点的PM_(2.5)样品,并采集了固定源、移动源、开放源、生物质燃烧源、餐饮油烟等5类污染源,使用GC-MS进行16种多环芳烃(PAHs)质量浓度的分析,运用PMF法和毒性当量分别进行了来源解析和毒性评价.结果表明,鞍山市主城区冬季大气PM_(2.5)中ρ(PAHs)和ρ(BaP)较高,PAHs以3环、4环为主,占PAHs总浓度的82.56%;冬季大气中PAHs主要来源为煤烟尘、焦化尘、移动源、开放源、生物质燃烧源和其他污染源,其贡献率分别为27.8%、24.2%、18.1%、13.4%、4.7%和11.8%;毒性评价表明,鞍山市冬季PAHs的TEQ均值为33.51 ng·m~(-3),铁西三道街的毒性当量浓度最高.     

北京城区PM_(2.5)有机碳和元素碳的污染特征及来源分析

为研究北京城区PM_(2.5)中有机碳(OC)和元素碳(EC)的浓度水平、季节变化特征与主要来源,于2015年4月至2016年3月在北京西三环交通带附近采集4个季节PM_(2.5)有效样品95组,利用热光反射法测定了PM_(2.5)中OC和EC的质量浓度,并对OC/EC值、OC与EC相关性、二次有机碳(SOC)等特征及污染来源进行了分析.结果表明,采样期间PM_(2.5)平均质量浓度为(109.9±7.99)μg·m~(-3). PM_(2.5)中OC的年平均质量浓度为(13.49±4.32)μg·m~(-3),占PM_(2.5)的13.13%; EC的年平均质量浓度为(5.41±1.83)μg·m~(-3),占PM_(2.5)的5.2%.OC和EC平均浓度及OC和EC在PM_(2.5)中所占比例的季节变化特征均为冬季最高,秋季大于春季,夏季最低.4个季节PM_(2.5)中OC/EC比值均大于2.0,表明各季节存在二次有机碳(SOC)的生成,采用OC/EC最小比值法对SOC含量进行了估算,SOC年平均浓度为(6.88±1.10)μg·m~(-3),占OC含量的50.86%,冬秋季节的SOC浓度水平高于春夏季节.夏季SOC对OC的贡献率为62.22%,高于其他季节.相关性分析表明,OC与EC的相关性在春季(R2=0.9046)和秋季(R2=0.8886)高于夏季(R2=0.4472)和冬季(R2=0.6018),表明春秋两季OC与EC来源相似且相对简单.进一步对PM_(2.5)中8个碳组分质量浓度进行分析显示,北京城区大气碳质气溶胶主要来自汽油车排放和燃煤.     

雾霾期北京大气中多环芳烃污染特征及暴露风险评估

雾霾对我国尤其是华北平原地区造成了极大的困扰,其发生常以颗粒物浓度急剧增长为特征,给人群健康带来了极大的风险。为进一步阐释雾霾的形成过程及其健康效应,在冬季雾霾期对北京城区大气颗粒态及气态中18种多环芳烃(PAHs)进行了连续测定,同步监测颗粒物、痕量气体污染物以及气象参数的变化,并对PAHs的浓度、组成、气粒分配等大气行为以及其与气象因素的作用机制进行了探讨。北京城区大气气相和颗粒物相中ΣPAHs浓度分别为585 ng·m~(-3)和705 ng·m~(-3)。雾霾发生时,PM_(2.5)浓度升高了3.6倍,PAHs浓度升高了2.6倍,18种PAHs同系物的浓度均随PM_(2.5)的浓度线性增加,其线性相关性受PAHs来源以及氧化活性的影响;夜间较重质量数的PAHs相对比例增加,主要受日间交通源以及夜间燃烧源贡献强度影响。受颗粒物组成以及湿度的影响,雾霾天气下PAHs颗粒相分配率降低。进一步评估了北京城区人群的PAHs吸入健康效应,冬季雾霾频繁发生下其对人群癌症风险为6.2×10~(-5)。     

采暖季4种结构的城市绿地对PM_(2.5)和PM_(10)的调控作用

为研究采暖季不同结构城市绿地对大气中PM_(2.5)和PM_(10)的调控作用及其与气象因子的关系,于2015年11月—2016年4月,选择滞尘效果较好的4种类型城市绿地和对照点,于07:00—21:00每隔2 h在4种绿地的中心位置同步观测其内部PM_(2.5)、PM_(10)、温度、相对湿度、风速以及光照强度,对比分析绿地内颗粒物质量浓度差异以及不同绿地类型对消减PM_(2.5)和PM_(10)的作用。结果表明:采暖期4种结构城市绿地内PM_(2.5)日均值大小表现为CK(112μg?m~(-3))乔灌草(108μg?m~(-3))大阔叶乔草(107μg?m~(-3))小阔叶乔草(106μg?m~(-3))针叶乔草(100μg?m~(-3)),PM_(10)为CK(23μg?m~(-3))乔灌草(226μg?m~(-3))小阔叶乔草(224μg?m~(-3))大阔叶乔草(223μg?m~(-3))﹥针叶乔草(211μg?m~(-3)),CK内PM_(2.5)和PM_(10)质量浓度显著高于其他绿地类型(P0.05);PM_(2.5)和PM_(10)小时均值变化区间分别为81~133μg?m~(-3)和170~278μg?m~(-3),两者呈极显著相关(P0.01),都在09:00左右达到峰值,15:00左右达到最低值,而后至21:00一直呈上升趋势;采暖期PM_(2.5)和PM_(10)月均值稳步上升,但受大范围气象因素影响显著;观测期间,对PM_(2.5)和PM_(10)平均消减率按大小排序为针叶乔草乔灌草小阔叶乔草大阔叶乔草,且针叶乔草的消减率显著高于其他绿地类型(P0.05);4种结构城市绿地对PM_(2.5)和PM_(10)的消减率都与温度呈显著负相关(P0.05),仅有PM_(2.5)的消减率与湿度呈显著正相关(P0.05),与风速和光照相关性不显著。在城区绿地建设中,可加大针叶乔木的配置以降低大气颗粒物质量浓度。     

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。     

重污染天气期间济南市城区和清洁对照点PM_(2.5)及其组分污染特征

为探究重污染天气期间济南市城区和清洁对照点PM_(2.5)及其组分污染特征,于2016年12月31日-2017年1月7日在市监测站和跑马岭进行连续PM_(2.5)样品采集,并对两个点位的PM_(2.5)及其组分(水溶性离子和碳质组分)污染特征进行分析。结果表明,重污染天气期间市监测站PM_(2.5)质量浓度(260±77)μg·m~(-3)是跑马岭(85±17)μg·m~(-3)的3倍,表明该重污染天气过程对济南市城区影响程度明显大于清洁对照点跑马岭。市监测站水溶性离子浓度高低顺序为SO_4~(2-)NO_3~-NH_4~+Cl~-K~+Na~+Ca~(2+)F~-,跑马岭水溶性离子浓度高低顺序为NO_3~-SO_4~(2-)NH_4~+Cl~-K~+Na~+Ca~(2+)F~-。市监测站和跑马岭二次无机离子(SNA)质量浓度分别为(134.7±49.5)μg·m~(-3)和(46.2±19.0)μg·m~(-3),在PM_(2.5)中占比分别是51.8%和54.4%,两个点位PM_(2.5)浓度差别很大,但SNA在PM_(2.5)中占比相差不大。通过NH_4~+计算值与实测值相关性分析可知,市监测站和跑马岭PM_(2.5)中NH_4~+均主要以(NH_4)_2SO_4和NH_4NO_3形式存在。市监测站SOR和NOR分别为0.44和0.32,跑马岭SOR和NOR分别为0.32和0.44,SOR和NOR的值均大于0.1,表明大气中SO_2和NO_2的二次氧化程度较高。采用OC/EC最小比值法估算得到市监测站和跑马岭SOC分别为8.3μg·m~(-3)和1.8μg·m~(-3),分别占OC的38.2%和20.9%,这表明市监测站OC二次反应程度明显高于跑马岭。市监测站有机碳(OC)和元素碳(EC)相关性(R~2=0.57)明显弱于跑马岭(R~2=0.92),表明市监测站OC和EC来源比较复杂,更有利于SOC的生成。