桂林城区大气能见度与颗粒物浓度和气象因子关系研究

利用2015年1月至2017年6月桂林国家基本气象站能见度、相对湿度、气温、气压、降水等气象要素和PM₁₀、PM_2.5、PM_1.0颗粒物质量浓度资料,分析桂林城区大气能见度与颗粒物浓度和气象因子之间关系。结果表明：桂林城区大气能见度和PM₁₀、PM_2.5、PM_1.0呈对数关系,相关系数分别为-0.341、-0.461、-0.509,颗粒物对大气能见度影响在相对湿度为60%—70%时最为显著。在各气象因子中,大气能见度与风速的相关性最好,其次为相对湿度,与风速呈二次函数关系,与相对湿度呈幂指数关系,与温度相关性较小,与气压在秋冬季节呈正相关,相关系数冬季可达0.301,但在春、夏季节相关性不显著;利用颗粒物浓度和气象要素建立8种大气能见度非线性统计回归模型,比较后发现利用PM_1.0、风速、相对湿度、气温等因子建立的不同季节大气能见度拟合公式在实际检验中效果最优,能较好地模拟桂林地区大气能见度的变化。     

沈阳近地层大气颗粒物浓度垂直变化特征及与气象因子的关系

利用2018年10月1日至2019年9月30日沈阳地区三个高度大气颗粒物浓度和气象要素逐时观测资料,分析了不同高度颗粒物浓度时间变化特征及其与气象要素的关系。结果表明：不同高度的颗粒物浓度均存在明显的季节变化,秋冬季数值明显高于春夏季。冬季,三个高度的PM_2.5平均浓度为54.98±12.67 μg·m^-3、63.77±15.1 μg·m^-3和39.27±5.62 μg·m^-3,即15 m > 1.5 m > 90 m,秋季对应高度的浓度值则为1.5 m > 15 m > 90 m,春季对应高度的浓度值1.5 m≈15 m>90 m,夏季对应高度的浓度值15 m > 90 m > 1.5 m。PM_2.5、PM₁₀和TSP浓度的日变化在秋冬季三个高度上均呈明显的双峰,春季则均为单峰,夏季15 m高度为单峰,其余两层无明显规律。月平均颗粒物浓度的变化在冬、夏半年之间存在明显差异。冬半年,1.5 m高度PM_2.5、PM₁₀和TSP以及90 m高度PM_2.5月平均浓度均表现为增—减—增—减的变化特征,而15 m高度月平均PM_2.5、PM₁₀和TSP浓度以及90 m高度月平均PM₁₀、TSP浓度均为先增后减的变化特征。冬半年和夏半年颗粒物浓度最大值分别出现在1月和6月,冬半年最低两层高度的颗粒物浓度明显高于90 m的值,夏半年各月不同高度颗粒物浓度相差不大,均远低于冬半年的浓度值。不同粒径范围的颗粒物浓度与风速和气温均呈负相关关系,且相关系数随高度增加而增加,随颗粒物粒径范围增加而变小;与相对湿度的关系较为复杂,相关系数随观测高度增加和颗粒物粒径范围的增大而有所不同。     

天津2011年秋冬季PM2.5组分特征及其对能见度的影响

利用2011年能见度、相对湿度、风速逐时观测资料和11月16日至12月13日期间颗粒物膜采样数据,分析天津市大气能见度与PM_2.5组分的关系。结果表明：天津颗粒物质量浓度与能见度变化总体呈负相关,PM_2.5和相对湿度对能见度的影响作用明显。能见度与颗粒物中TC质量浓度变化呈负相关,SO₄^2-,NO₃^-,OC和EC是影响大气能见度的主要组分,其中SO₄^2-浓度对能见度影响最大,其次为OC浓度、EC浓度,NO₃^-浓度对能见度的影响相对较小。后向轨迹和混合层高度分析表明,气象条件是造成PM_2.5质量浓度分布差异的重要原因。     

金沙本底站空气质量与颗粒物浓度变化特征分析

利用华中区域代表性站点金沙国家大气本底站2007—2018年的PM_2.5、PM₁₀颗粒物质量浓度数据,2019年3月—2019年6月反应性气体数据,对华中区域空气质量进行整体评价,并分析了颗粒物浓度的变化特征及其影响因素。结果表明,反应性气体CO、SO₂、NO、NO₂质量浓度其日平均最大值、平均值均达到一级标准,O₃日平均值超标率为10.6%,PM_2.5超标率为18%,PM₁₀超标率为17%。从颗粒物质量浓度多年变化来看,2007—2013年金沙站大气颗粒物质量浓度属于上升趋势,2013年至今质量浓度呈现下降趋势,风向风速也在一定程度上影响颗粒物的来源。     

2013～2020年北京市城区PM2.5及其化学组分正增长机制研究

2013年以来，北京市城区细颗粒物(PM_2.5)质量浓度年均值呈逐年降低趋势，但PM_2.5重污染事件仍旧频发，污染出现快速甚至爆发增长的成因和理化机制仍存在诸多不确定性。基于北京市城区2013～2020年常规气象要素、PM_2.5及其化学组分观测资料，分析了PM_2.5在缓慢、快速和爆发三种增长机制下的颗粒物浓度和组分的阈值及其与气象条件的相关关系。结果表明，2013～2020年，北京市城区PM_2.5在增长时段(1～24 h间隔)中平均累积速率呈逐年放缓的趋势，大气污染累积阶段中缓慢增长的比重逐年升高。在判别标准逐渐严苛的前提下，爆发增长的比重逐年变化不大(4%～7%)。2013～2016年爆发增长的PM_2.5浓度阈值为62μg m^-3,2017年后，该阈值严苛至45μg m^-3。82μg m^-3为2018年以来极易出现PM_2.5爆发增长的界限值，高于此值后爆发增长的概率将...     

沈阳冬夏季可吸入颗粒物浓度及尺度谱分布特征

利用沈阳大气成分监测站颗粒物监测仪 (Grimm 180) 连续测得的夏季 (2006年8月)、冬季 (2006年12月和2007年1月) 可吸入颗粒物的数浓度和质量浓度数据, 分析了沈阳市可吸入颗粒物浓度日变化、谱分布及污染特征, 在此基础上结合沈阳市常规气象资料, 分析了气象要素和颗粒物污染之间的关系。结果表明:沈阳市冬、夏季部分时段可吸入颗粒物浓度存在明显的日变化和日际变化; 谱分布较好地符合Junge分布; 沈阳冬季PM₁₀超标日数占冬季观测总天数的77%, PM_2.5超标日数 (按美国EPA日均标准) 占冬季观测总天数的87%, PM₁₀平均数浓度为6668.7个/cm3, 平均质量浓度达252.8μg/m3, 分别是夏季的3.0和2.4倍; 冬、夏季PM_2.5/PM₁₀平均质量分数分别为0.647和0.603, PM_2.5占可吸入颗粒物总数量的99%以上; 浓度变化在很大程度上受到各种气象要素的影响, 与温度、风速负相关, 与湿度正相关, 降雨、降雪过程使得颗粒物浓度明显降低, 近地层逆温和雾是颗粒物增多的一个重要因素。颗粒物污染对城市能见度影响较大。     

天津大气能见度与相对湿度、PM10及PM2.5的关系

为研究大气气溶胶及空气中水汽与大气能见度下降的关系,利用2009年天津大气边界层观测站大气能见度资料和同期观测的相对湿度、PM₁₀及PM_2.5资料,对三者与大气能见度的关系进行了分析。结果表明：大气能见度与相对湿度线性相关系数最高,PM2.5次之;大气能见度随相对湿度的增大而明显降低。相对湿度低于60 %时,大气能见度与PM_2.5的非线性相关性较好,与PM₁₀次之,与PM₁₀与PM_2.5差值的相关性最差。相对湿度高于60 %时,大气能见度与PM₁₀的非线性相关性较好,与PM₁₀-PM_2.5差值的相关性次之。大气能见度与相对湿度非线性相关系数高于线性相关系数。利用相对湿度、PM₁₀及PM_2.5数据计算得到了具有季节变化的非线性大气能见度拟合公式,经验证,该公式能较好地模拟天津地区的大气能见度。     

深圳市大气能见度与细粒子浓度统计模型

利用深圳市2007年全年逐时能见度、PM_2.5质量浓度和相对湿度观测数据, 在分析大气消光机理及其影响因素的基础上确立了能见度与PM_2.5之间的基本模型关系, 着重讨论分析了相对湿度对颗粒物消光影响的常见修正方式, 并通过线性和非线性回归分析筛选相对湿度影响修正因子f_RH的表达形式和确定模型参数, 最终建立起适合于深圳本地情况的能见度与PM_2.5之间的最优统计模型 (R2=0.43, n=8024)。进一步利用能见度与PM_2.5的日平均值进行了多元回归分析, 模型拟合值与实测值之间的相关系数 (R2) 高达0.73(n=350), 而且预测偏差范围小, 较好地反映了深圳市大气能见度与PM_2.5之间的定量相关关系。     

2010年秋季鞍山气溶胶光学特征变化

利用2010年9-11月鞍山大气成分监测站CE-318太阳光度计观测资料,依据气溶胶光学厚度测量原理,计算得到2010年鞍山秋季大气气溶胶光学厚度、波长指数等大气光学特性数据,通过统计分析,给出鞍山秋季气溶胶光学特性分布特征。结果表明：随着测量AOD波段的降低,AOD值逐渐增大,9月的AOD平均值最大,10月AOD平均值次之,11月AOD平均值最小。从频率分布看,2010年9月 AOD日均值集中分布在0.4-0.6之间,10月和11月AOD日均值集中分布在0.0-0.4之间,表明10-11月大气较为清洁|波长指数日均值的频率分布说明鞍山秋季大气污染物以细粒子为主。500 nm 的AOD值与波长指数成对数关系,两者在9、10月和11月的相关系数分别为0.5145、0.8412和0.2715;9月AOD与PM₁₀、PM_2.5、PM_1.0质量浓度为较小负相关,10月和11月AOD与PM₁₀、PM_2.5、PM_1.0质量浓度成正相关,且10、11月AOD与气溶胶细粒子相关性较为显著。AOD值与能见度在趋势上呈较小的负相关性,可能是由于高层气溶胶粒子对气溶胶光学厚度产生了主要影响。     

彭州市大气污染物浓度变化特征研究

本文利用2017年彭州市大气污染物(SO₂、NO₂、O₃、CO、PM₁₀、PM_2.5)小时浓度数据并结合地面气象观测资料,统计分析了该地区大气污染物浓度的演变规律及影响因素。结果表明:该地区细粒子(PM₁₀和PM_2.5)污染较为严重,O₃次之,其它污染物浓度水平则低于国家新二级标准限值。观测期间,各污染物浓度表现出明显的日变化与季节变化,其中SO₂、O₃呈单峰型日变化,NO₂、CO和细粒子则呈双峰型日变化;污染物浓度的季节变化基本表现为冬高夏低、春秋次之的变化特征(O₃为夏高冬低),并且固态污染物(PM₁₀、PM_2.5)与气态污染物(NO₂、CO)之间有显著的相关性。在污染物浓度与气象要素相关性分析中表明,湿度对于污染物浓度的影响整体上要弱于温度和风速,除了O₃与温度、风速呈正相关外,其它污染物与两者均呈负相关。除此以外,风向对于当地各种大气污染物的积累与清除也有直接的影响。      

石家庄市采暖期与非采暖期PM2.5中多环芳烃的来源解析及健康风险评价

为研究石家庄市采暖期与非采暖期大气细颗粒物（PM_2.5）中多环芳烃（Polycyclic Aromatic Hydrocarbons,PAHs）的污染特征及其人群健康效应,采集了石家庄市2017年1月—2019年12月每月10—16日PM_2.5样品,使用气相色谱-质谱联用仪测定PM_2.5中优先控制的16种多环芳烃的浓度,分析采暖期与非采暖期PM_2.5中多环芳烃的污染水平及组成特征,利用特征比值法和主成分分析法对其来源进行定性判断,并采用健康风险评估模型以及预期寿命损失评估多环芳烃对人群的健康风险。结果表明:①PM_2.5及其中多环芳烃浓度平均水平在采暖期分别为106.00 μg/m3、44.17 ng/m3,非采暖期分别为73.00 μg/m3、40.17 ng/m3。16种多环芳烃中含量最高的是苯并[a]芘,其次为苯并[k]荧蒽、苯并[b]荧蒽、?。多环芳烃单体环数越高其致癌作用越强,不同环数多环芳烃单体的占比在采暖期与非采暖期有所不同;采暖期为4环>5环>2—3环>6环,非采暖期呈5环>4环>6环>2—3环的趋势。②特征比值法和主成分分析法结果显示,采暖期多环芳烃的主要来源为煤炭燃烧,非采暖期的主要来源为机动车尾气排放。③健康风险分析表明,采样期间终身致癌超额危险度和预期寿命损失均呈非采暖期>采暖期,成人>青少年>儿童。不同年龄组人群中终身致癌超额危险度值均为10?6—10?4,表明石家庄市大气PM_2.5中多环芳烃具有潜在的致癌风险。在男性儿童、青少年、成人中的预期寿命损失分别为41.18、54.72、110.42 min,在女性儿童、青少年、成人中预期寿命损失分别为42.93 、57.53、101.05 min。研究显示,石家庄市PM_2.5中多环芳烃对所有人群均具有潜在致癌风险, PM_2.5中多环芳烃通过呼吸暴露对人群造成的预期寿命损失需引起重视。      

黄石市大气PM10和PM2.5质量浓度特征研究

利用2015年黄石市5个监测站点可吸入颗粒物(PM10)和细颗粒物(PM2.5)的在线监测数据和风向、风速、气温、气压等常规地面气象要素观测资料,分析了黄石市大气PM10和PM2.5的质量浓度水平分布特征及其与气象参数的关系。结果表明:2015年黄石市5个监测站点大气PM10和PM2.5年均浓度范围分别为95.8—108.6μg·m^-3和64.3—68.9μg·m^-3,均超过国家二级标准;季均质量浓度呈现显著的冬季高夏季低的变化规律,冬季PM10和PM2.5的质量浓度分别为(143.9±62.2)μg·m^-3和(95.5±44.5)μg·m^-3,夏季PM10和PM2.5的质量浓度分别为(75.2±24.0)μg·m^-3和(50.7±17.3)μg·m^-3。5个监测站中,下陆区、西塞山区和铁山区的PM10和PM2.5颗粒物污染较为严重;各站点大气PM10和PM2.5质量浓度显著相关。大气颗粒物浓度与气象因素的分析显示,黄石市大气颗粒物浓度与气温呈显著的负相关关系,与气压呈正相关关系,与风速和相对湿度的相关性不显著,受风向影响变化较大。     

克拉玛依市PM2.5质量浓度分布及其影响因素分析

利用2015年1月至2017年12月中国环境监测总站全国城市空气质量实时发布平台中公布的克拉玛依5个监测点数据和同时期克拉玛依国家基本气象站的观测数据,分别研究了克拉玛依市4个行政区的PM_2.5浓度的时空变化特征以及气象条件对克拉玛依PM_2.5浓度变化的影响。结果表明：从月份上看,克拉玛依每年的1月、2月、12月PM_2.5浓度最高,3月、11月PM_2.5浓度较高,其中,独山子每年2月的PM_2.5浓度均最高,2016年2月独山子PM_2.5平均浓度最高,达到134 μg·m^-3,超过国家一级标准值的2.8倍,属于中度污染,从季节上看,克拉玛依四季PM_2.5浓度变化呈现波峰波谷变化趋势,表现为冬季最高,春季次之,夏季、秋季各区变化不一的特点,采暖期的PM_2.5浓度高于非采暖期的PM_2.5浓度;克拉玛依PM_2.5浓度在空间上的总体分布为：独山子区>白碱滩区>克拉玛依区>乌尔禾区;从风向、风速、气温、气压和相对湿度等气象要素与PM_2.5浓度的相关性来看,气压、相对湿度与PM_2.5浓度呈显著正相关,气温、风速、风向与PM_2.5浓度呈负相关,其中气温、风向与PM_2.5浓度呈显著负相关。     

太原冬季PM2.5中有机碳和元素碳的变化特征

2005年12月—2006年2月在太原市区持续观测了气溶胶细粒子PM_2.5, 并应用Sunset碳分析仪进行了有机碳 (organic carbon, OC) 和元素碳 (elemental carbon, EC) 的测定。结果表明:太原冬季PM_2.5, OC和EC浓度均较高, 其中PM_2.5日平均浓度变化范围为25.4~419.0 μg/m3, 日平均浓度为193.4±102.3 μg/m3, OC平均浓度为28.9±14.8 μg/m3, EC平均浓度为4.8±2.2 μg/m3, OC/EC平均比值是7.0±3.9, 即太原市冬季PM_2.5和碳气溶胶污染严重。OC在PM _2.5中占18.6%, EC占2.9%, 这表明碳气溶胶是太原大气细粒子污染控制的关键组分。在太原市冬季, 采暖燃烧的煤是OC和EC的主要贡献源, 造成OC大大高于EC, 从而使OC/EC比值增大。各种气象条件对PM_2.5, OC, EC和OC/EC比值的变化都有不同程度的影响, 特别是大雾天气、相对湿度、风速和降雪是影响碳气溶胶浓度变化的重要因素。     

北京地区PM2.5的成分特征及来源分析

选用2003—2004年初PM_2.5连续观测资料，统计分析了北京地区PM_2.5的特征、PM_2.5与PM₁₀以及PM_2.5与地面气象要素的相互关系。结果表明:四季中夏季PM_2.5浓度最低，冬、春两季浓度较高。PM_2.5与PM₁₀比值平均为0.55，非采暖期两者比值为0.52，采暖期两者比值为0.62；夏季该比值主要分布在0.3~0.6之间，春、秋两季该比值分布在0.3~0.8之间，冬季采暖期该比值分布在0.4~0.9之间。PM_2.5与PM₁₀比值日变化与气象条件日变化、人们日常生活习惯密切相关，沙尘天气和交通运输高峰期扬起地面粗颗粒物会导致PM_2.5在PM₁₀中的比例下降，而冬季取暖以及夏季光化学反应则会引起PM_2.5的比例升高。PM_2.5的浓度与地面气象要素中本站气压、相对湿度和风速有很好的的相关性，与气温的相关性较差。SO₄2-，NO₃-和NH₄+为北京地区PM_2.5中主要离子。PMF源解析方法确定了北京地区5类细粒子污染源，分别是:土壤尘、煤燃烧、交通运输、海洋气溶胶以及钢铁工业。     

银川大气污染物浓度变化特征及其与气象条件的关系

利用2013年银川地区6个监测点污染物质量浓度和同期气象要素数据,对区域内污染物浓度变化特征及其与气象条件的关系进行分析。结果表明：银川市区PM10年均值超标0.7倍,PM_2.5年均值超标0.4倍,SO₂和NO₂也有一定程度超标,CO和O₃未超标|1、2、11月和12月为SO₂、NO₂、PM₁₀、PM_2.5、CO质量浓度较高月,O₃浓度最高月为5月,次高月为10月|9:00-12:00和21:00-00:00是SO₂、NO₂、PM₁₀、PM_2.5和CO质量浓度较高的两个时段,O₃浓度一般于15:00达到最大;6类污染物普遍表现出季节性的准7 d周期和全年性的准30 d周期|空气质量状况良的频率是56 %,轻度污染26 %,优仅为12%;首要污染物以PM₁₀、PM_2.5和SO₂为主|风速与SO₂、NO₂和CO具有良好的负相关关系,与O₃则呈显著正相关关系,风速对PM₁₀和PM_2.5影响较复杂,当风速小于某一值时,有利于PM₁₀和PM_2.5扩散,当风速达到一定程度后,又会导致PM₁₀和PM_2.5浓度的增加|降水对污染物有较好的冲刷作用,且对SO₂的清除作用最明显,对O₃的清洁作用最弱。     

2018年冬季鲁西北大气污染特征及影响因子分析

利用2018年12月至2019年2月滨州、德州和聊城PM_2.5、PM₁₀、NO₂、SO₂、CO和O₃逐日质量浓度及其对应的气象资料,分析了鲁西北大气污染特征和影响因子。结果表明：2018年冬季鲁西北大气污染比较严重,聊城、德州和滨州轻度及以上污染天数分别占61%、60%和54%,重度以上染污天数分别占24%、11%和9%;首要污染物均为PM_2.5、PM₁₀和NO₂,其中PM_2.5占60%以上。PM_2.5、PM₁₀、SO₂、NO₂和CO日变化呈双峰双谷型,谷值分别出现在04-07时和15-17时,且下午比清晨更低,峰值出现在上午和下午交通高峰期后2-3 h,且峰值上午大于下午;O₃呈单峰型分布,09时出现极小值,18-19时出现极大值。PM_2.5是鲁西北主要的首要污染物,与PM₁₀、CO、NO₂均为显著正相关,并通过0.01水平显著性检验,与NO₂的相关性在低相对湿度(< 60%)时大于高相对湿度(≥ 60%),与CO的相关性在高相对湿度时大于低相对湿度;污染时段(PM_2.5>75 μg·m^-3)的平均相对湿度和平均温度明显大于清洁时段(PM_2.5 ≤ 75 μg·m^-3),清洁时段风速和气压比污染时段明显偏大。     

京津冀及周边地区大气细颗粒物和臭氧对医院日门诊量的急性影响及季节性差异

探究京津冀及周边地区大气细颗粒物（PM_2.5）和臭氧（O₃）短期暴露对人群因病就诊的急性影响及其季节性差异,为区域性大气污染的协同治理提供流行病学证据。收集2013年1月1日—2018年12月31日京津冀及周边地区共14个城市100家医院门诊的日就诊量,以及大气PM_2.5和O₃日均浓度和气象因子数据,基于时间序列研究设计,采用二阶段统计分析策略（广义相加模型联合meta分析）,在控制气象因子和时间趋势等混杂因素的基础上构建双污染物模型,分析大气PM_2.5和O₃短期暴露对人群因病就诊的影响。研究期间,大气PM_2.5和O₃日均浓度平均分别为 72.2±56.8 μg/m3和 58.2±36.9 μg/m3,医院门诊就诊量达6257万人 · 次。双污染物模型结果显示,移动平均滞后0—1 d的PM_2.5和O₃暴露浓度每升高10 μg/m3,医院门诊就诊量分别增加0.25%（95%置信区间（95%CI）:0.20%—0.29%）和0.15%（95%CI:0.07%—0.22%）;拟合季节分层模型发现,冷季PM_2.5暴露对门诊就诊量的急性影响较强,而O₃相关效应则呈现出暖季较强的特征。京津冀及周边地区大气PM_2.5和O₃短期暴露均增大人群因病就诊的风险,提示应采取积极措施协同治理大气PM_2.5和O₃复合污染,同时重视污染物冷、暖季风险的差异。