台州市区PM2.5和O3污染特征及相互作用关系

基于2016—2020年台州市区大气污染物监测数据及气象观测资料,分析了台州市区PM_2.5和O₃的污染特征及受气象因素影响情况,并探究了不同季节下的PM_2.5浓度和O₃浓度的相关性及相互作用关系。2016—2020年,台州市区PM_2.5年均浓度和超标天数呈显著下降趋势,O₃-8 h年均浓度和超标天数总体呈上升趋势。PM_2.5浓度在冬季最高,且易发生超标;O₃浓度在春、夏、秋季均较高,且均会发生超标。通过相关性分析可知：PM_2.5浓度与气温、相对湿度、风速、降水量呈负相关,与大气压呈正相关;O₃浓度与气温、风速呈正相关,与相对湿度、降水量呈负相关。不同季节下的PM_2.5浓度与O₃浓度均呈正相关,两者存在协同增长。在春、夏、秋季,二次PM_2.5在总PM_2.5中的占比随着O₃     

天津市区PM2.5中碳组分污染特征及来源分析

为研究天津市细颗粒中碳组分特征,于2006年8-12月连续采集PM25样品,分析其来源及浓度特征.结果表明,天津市区PM25、有机碳(OC)及元素碳(EC)浓度分别为165.90、23.90、5.50 μg/m3,3项浓度均为冬季最高.OC、EC、总碳在PM2.5中所占比例分别为14.31％、3.66％和18.14％,秋季在PM 2 5中所占比例最高,夏季最低.OC/EC平均值为4.21,按照秋、夏、冬呈递增的季节变化趋势.冬季二次有机碳污染较重,二次有机碳浓度(13.98 μg/m3)占OC比例为34.5％.因子分析表明,非采暖期汽油车对碳气溶胶作用显著,采暖期生物质燃烧、燃煤及汽油车排放贡献.     

杭州秋冬季PM2.5污染特征分析

为研究杭州PM_2.5污染来源特征,利用2013—2019年杭州市PM_2.5监测数据和气象观测数据,分析了杭州市2013—2019年PM_2.5浓度变化,选取本地积累型和输入型2种PM_2.5污染过程,结合单颗粒气溶胶飞行时间质谱仪(SPAMS)和在线离子色谱数据,探讨杭州市PM_2.5化学组分和污染来源。结果表明:每年秋冬季(11月至次年3月)杭州以东北风、西北风及偏南风为主,风速低于4 m/s时,大气扩散条件差,受本地污染物积累影响,PM_2.5浓度容易出现超标;风速较大且为东北风和西北风时,受上游污染输入影响,易出现PM_2.5重度污染。本地积累型和输入型案例中,PM_2.5化学组分中占比最大的为NO^-₃、SO₄^2-和NH⁺₄;PM_2.5浓度上升过程中,二次NO     

衡阳城区冬季PM2.5中水溶性离子污染特征

为探究衡阳冬季PM_2.5和水溶性离子污染特征及其来源,于2019年1月在衡阳市城区采集大气PM_2.5样品,使用重量法和离子色谱法测得PM_2.5和水溶性离子组分质量浓度,并分析其浓度特征、酸碱度和来源等问题。结果表明:采样期间衡阳大气PM_2.5平均质量浓度为94.25μg/m³,总水溶性离子质量浓度为52.94μg/m³,占PM_2.5总质量浓度的56.43%;阴阳离子当量之比为1.12,PM_2.5呈酸性,其中SNA(SO₄^2-、NO₃^-和NH₄⁺)占总水溶性离子质量浓度的95.06%。污染期间二次转化明显,SNA主要以(NH₄)₂SO₄和NH₄NO₃形式存在。源解析发现大气PM...     

乌鲁木齐市2011年冬季PM2.5/PM10浓度特征分析

利用乌鲁木齐市PM2.5//PM10自动监测数据,分析PM2.5与PM10的浓度分布特征和时间变化规律。结果表明,按照《环境空气质量标准》(二次征求意见稿)的标准限值,乌鲁木齐市冬季PM2.5污染重于PM10。PM2.5浓度为0.164mg/m3,超过二级年标准限值的3.7倍,超标率为73.9%。PM2.5浓度日变化曲线昼高夜低,呈单峰型,峰值出现在13:00~14:00(北京时间)。PM10中PM2.5所占比例较高,PM2.5/PM10为0.79,相关分析和检验显示PM2.5与PM10的线性相关显著,相关系数为0.92。     

襄阳市秋冬季PM2.5污染特征及潜在源区分析

为了解襄阳市秋冬季PM_2.5的污染特征及来源,基于2020年11月至2021年1月在线监测数据,对PM_2.5质量浓度、气象因素、化学组分、来源及潜在源区进行了分析。结果表明,襄阳市秋冬季污染天首要污染物均为PM_2.5,且随污染程度加重,PM_2.5与PM₁₀质量浓度比呈上升趋势,二次颗粒物的形成对PM_2.5的贡献更高。在PM_2.5化学组分中,水溶性离子占比最大,随着污染程度加重,二次离子(SNA)快速增长,二次离子的生成转化是污染的重要成因。轻度、中度污染时,湿度高、风速小、气温低,有利于污染的积累,重度污染时湿度大、风速回升,有利于上游污染的输送与二次转化。PMF模型解析出襄阳市PM_2.5主要来源及贡献率为二次源58.0%、工业企业源22.6%、机动车源10.7%、扬尘源8.7%。襄阳市潜在源区主要分布在河南省中北部、河北省南部、山东省西部、安徽省北部、江汉平原东部及南部区域,极少量分布在襄阳区域,长距离区域传输...     

空气自动监测中PM2.5与PM10 “倒挂”现象特征及原因

采用不同原理的自动监测仪器在不同季节同时测定PM2.5与PM10,对所得数据中的PM2.5与PM10"倒挂"现象进行分析。结果表明,当PM10采用振荡天平法时,PM2.5与PM10的"倒挂"率较高;冬季和夏季"倒挂"现象发生率明显高于其他季节;造成PM2.5与PM10"倒挂"的原因主要有监测过程中的随机误差,PM2.5与PM10的监测方法原理不同,监测方法之间存在显著差异等。     

合肥市PM1.0污染特征及与PM2.5污染相关性

对合肥市2014—2019年秋冬季节PM_(1.0)、PM_(2.5)、气象和理化性质等进行分析研究发现,PM_(1.0)质量浓度呈现年度波动性下降趋势,其中2015—2016年度变化最为显著。同一年度内,月度浓度同样呈现波动性变化,总体表现为11、2月PM_(1.0)质量浓度相对较低,12、1月相对较高。无污染情形时(PM_(2.5)浓度不高于75μg/m~3),PM_(1.0)/PM_(2.5)逐小时值相对平稳且比有污染情形(PM_(2.5)浓度大于75μg/m~3)总体高约10%;有污染情形下,PM_(1.0)/PM_(2.5)小时值呈现较明显的日变化特征,09∶00呈现谷值,17∶00呈现峰值,日变化特征显著高于无污染情形。PM_(1.0)质量浓度随着PM_(2.5)级别的上升而逐渐增加,PM_(1.0)/PM_(2.5)值则呈减小的污染特征。严重污染时,PM_(1.0)/PM_(2.5)显著下降,PM_(1.0～2.5)占比增加。传输型污染过程中,PM_(1.0)与OC、PM_(2.5)、SO_4~(2-)等呈现出显著的正相关性,污染来源主要为工业源、燃煤源、道路尘等,共占载荷为83.90%。本地累积型污染过程中,PM_(1.0)与PM_(2.5)、SO_4~(2-)、Ba和Cu等呈现出较好相关性,污染来源主要为烟花爆竹与二次生成,共占载荷为87.94%。     

上海市秋季典型PM2.5污染过程数值预报分析

基于2012年10月上海出现的一次典型PM2.5污染案例,验证评估上海市空气质量数值预报系统Model-3/CMAQ预报性能,采用过程分析技术,定量评估不同大气物理化学过程对上海代表性点位PM2.5浓度变化的作用规律。结果表明:Model-3/CMAQ模式系统能较好地反映PM2.5的浓度变化趋势与特点。对于上海市区点位(徐汇上师大)和东南部点位(奉贤海湾和浦东惠南),PM2.5浓度上升主要受本地源排放影响,其贡献比例超过40%,其次是区域大气传输作用的影响。对于西北部点位(崇明监测站和青浦淀山湖),区域大气传输是PM2.5浓度上升的主要原因,贡献比例超过70%,其次是源排放。各点位PM2.5浓度的主要去除途径均为大气传输,贡献比例均超过70%,其次是干沉降。气溶胶过程对PM2.5主要起二次颗粒物生成的作用,特别是市区及东南部点位,贡献比例较西北部点位更高。     

苏州大气颗粒物PM2.5和PM10质量浓度异常“倒挂”现象的成因及影响分析

为深入研究PM_2.5和PM₁₀质量浓度异常“倒挂”现象的成因及影响,在苏州市相城区国控点开展比对监测分析,回顾性分析了2016—2020年苏州全部国控点颗粒物浓度数据。苏州市相城区国控点PM_2.5浓度的比对分析结果表明：该国控点频繁出现PM_2.5浓度高于其他国控点PM_2.5浓度和高于该站点PM₁₀浓度(“倒挂”率高达34%)的“双高”现象,PM_2.5平均浓度比其他9个国控点高12.5%～37.2%,比位于同一站点的备用监测仪器(“倒挂”率为0)高38.1%。2016—2020年,苏州全部国控点“倒挂”时间的总体趋势都是逐年递增,且集中发生在相对湿度较高的20:00至次日07:00。这5年间各国控点PM_2.5浓度异常偏高导致的异常“倒挂”现象对全市年均浓度产生的正误差分别为1.6%、2.8%、6.0%、6.2%和4.1%,基本呈现出逐年递增的趋势。上述结果表明：苏州PM_2.5浓度偏高是由动态加...     

2013年苏州春季一次重污染天气的过程分析

研究了2013年3月在江苏范围内的一次重污染天气过程,重点分析苏州在此次污染过程中大气污染的变化特征。污染过程中,苏州市颗粒物浓度上升较为明显, PM10的小时质量浓度最高达548μg／m3, PM2．5质量浓度也达到197μg／m3,污染持续时间为2 d,3月8—9日当地空气质量均达到中度污染水平。根据后向轨迹模型、颗粒物离子浓度的分析,此次污染是由外来浮尘及苏州本地污染物排放所造成的区域霾污染影响所致。根据监测结果与实际污染特征,针对性地提出了对策和措施。     

内蒙古干草原冬、春季大气气溶胶的若干特征观测研究

内蒙古半干旱草原区大气气溶胶浓度以及散射等特性对生态环境、气候变化与预测研究有重要意义,文利用2009年1～4月在锡林浩特观象台草原站的观测资料,分析了冬、春季背景大气气溶胶质量浓度、黑碳质量浓度、散射系数的分布特征。研究发现,背景天气下,PM10、PM2.5、PM1.0浓度值都较低,平均值分别为22.7、9.5、6.1μg/m3,3种PM浓度值间的相关性不同;黑碳浓度平均值为0.59μg/m3,小粒子中的含量较高,其日分布规律受人类活动影响较大,与各PM浓度分布有较大不同;散射系数平均值为31.2Mm-1,与PM10、PM2.5、PM1.0、黑碳质量浓度都显著相关。三种PM中,PM2.5对散射和吸收的影响最大。风速、相对湿度对不同粒径的PM以及黑碳浓度、散射系数的影响有所不同。     

四川盆地冬季典型污染过程分析及应急减排效果评估

为探讨成都冬季污染过程成因,评估应急减排效果,以2019年12月成都发生的一次长时间污染过程为例,分析污染成因和典型污染物变化特征等,并对四川省启动预警的管控效果进行评估。结果表明:污染期间四川省PM_2.5平均质量浓度为77.9 μg/m³,高出冬季常态浓度1倍左右,成都峰值浓度高达176.0 μg/m³;盆地独特的地形和静稳小风的气象条件,加之高压脊控制影响,污染前期出现连续晴好天气,夜间逆温增强,污染物累积迅速,湿度增大导致污染物二次转化增强,是该次污染过程的重要外因;PM_2.5中硝酸根离子贡献最大(26.7%),NO_x及其二次转化的硝酸根离子是造成该次污染的主要原因;启动黄色预警后,NO₂及其转化后的硝酸根离子浓度以及PM_2.5浓度仍呈上升趋势,各类源贡献显著;升级橙色预警后,NO₂峰值浓度明显下降,硝酸根离子占PM_2.5的比例下降3.7个百分点,PM_2.5浓度上升趋势得到明显遏制;该次区域协同减排效果明显,区域PM_2.5日平均质量浓度下降9.1%~13.1%,区域性污染推迟1d出现,预警城市的重度污染、中度污染、轻度污染天数分别减少13、13、7 d;PM_2.5浓度下降主要来自于工业源、扬尘源和移动源的减排贡献,平均减排贡献比例分别为60.0%、31.3%和8.7%。     

渝东南典型城区冬季一次罕见的PM2.5污染过程及溯源分析

2020年12月底,以生态旅游业为主的重庆市渝东南地区出现了一次较为罕见的PM_2.5污染过程,持续时间长且污染程度重。以渝东南地区武隆区为例,应用污染特征雷达图、后向轨迹模型及潜在源污染贡献估算等方法分析了本次PM_2.5污染的特征及来源,结果表明：(1)在污染前期主要受扬尘、燃煤和机动车等污染排放影响,污染源直接排放贡献较大;中、后期污染受二次颗粒物影响显著,扬尘影响也较为明显。(2)污染期间的气流轨迹均为短距离输送,轨迹主要来自东北方向(65%)。(3)除自身污染排放贡献外,渝东北地区和主城都市区是武隆区PM_2.5污染的主要潜在源区,对武隆区传输贡献占比超50%。     

冬季大气中PM_(10)和PM_(2.5)污染特征及形貌分析

2008年冬季采集大气中PM10和PM2.5样品,利用SPSS软件进行分析。结果表明,PM10质量浓度在92.87～384.7μg/m3之间,平均值为201.09μg/m3,超标率71.43%。PM2.5浓度跨度为57.27～230.21μg/m3,平均值为133.82μg/m3,超标率89.47%。PM10和PM2.5空间分布略有差异。PM2.5/PM10在29.10%～94.76%之间,均值为66.55%。PM2.5与PM10质量浓度之间有显著相关性,相关方程:PM2.5=0.7993×PM10-55.984(R2=0.9524,置信度为95%)。通过颗粒物形貌分析,初步判定冬季大气主要污染源为燃煤和机动车尾气排放。     

中国北方地区采暖期颗粒物污染现状

分析了2013—2016年冬季采暖期与非采暖期中国北方地区颗粒物污染现状及时空变化特征。结果表明:中国北方地区空气污染比较严重,采暖期尤为突出。2016年,中国北方地区重度及以上污染天数比例超过10%,采暖期优良天数比例较非采暖期下降22.8%,重度及以上污染天数比例升高10.1个百分点。颗粒物浓度呈现明显的冬季高、夏季低的特点,最高值一般出现在12月至次年1月,最低值一般出现在7—9月。2013—2016年,北方地区空气质量呈较为明显的改善趋势,PM_(10)和PM_(2.5)浓度总体呈下降趋势,但2014年以来采暖期同期比较显示,PM2.5浓度呈缓慢升高趋势,采暖期空气污染形势十分严峻。颗粒物浓度呈现明显的空间分布规律,采暖期石家庄、保定、衡水、邢台、邯郸、安阳等城市为京津冀区域污染最严重的城市。     

沈阳市冬季重污染过程PM2.5浓度变化及成因分析

利用多种污染物浓度数据、气象观测数据,结合HYSPLIT后向轨迹模式,对2015年11月6—10日发生在沈阳的一次较长时间重污染天气过程,从大气浓度变化、天气形势特征及成因机制等方面进行综合分析。结果表明,重污染期间日空气质量指数均超过重度污染限值200,首要污染物PM_(2.5)最高小时质量浓度达到1 326μg/m3,为沈阳市监测PM_(2.5)以来的历史峰值。此次空气污染是气象及人为因素共同作用的结果,重污染过程时段内高空场不利于气流上升运动的发展,地面倒槽、稳定的大气层结不利于污染物的扩散。此次重污染过程与大范围秸秆集中燃烧、大量污染物排放有一定关系。通过后向轨迹计算分析,发现颗粒物长距离输送对区域污染产生一定影响。     

北京地区冬季典型PM2.5重污染案例分析

对2013年1月10—14日发生的持续性PM2.5重污染过程从污染过程演变、气象条件影响、与气态污染物关系、区域污染背景、PM2.5浓度空间分布演变及其与地面风场的关系、PM2.5组分特征等多个方面进行全面的分析,较为完整地还原了该次重污染案例的形成原因以及主要影响因素。主要结论包括:该次重污染过程是稳定气象条件下导致的局地污染物积累,再叠加华北区域性污染的影响共同造成,其中10、12日北京地区PM2.5浓度的快速增长反映了周边污染传输的显著影响;逆温不但造成污染物难以扩散,且不同的逆温类型对PM2.5浓度水平有显著影响,同时还发现逆温的破坏导致近地面高浓度污染物向上扩散,造成百花山出现峰值高污染浓度现象;NO2与PM2.5浓度水平的高相关性反映交通污染二次转化对PM2.5浓度水平的影响,在较高湿度条件下,SO2浓度水平对湿度敏感且表现为负相关性;该次污染过程中OM、SO2-4、NO-3、NH+4等组分在PM2.5质量浓度中的占比超过70%,说明燃煤、机动车等仍是北京地区最主要的污染来源,同时SO2-4占比最高也说明区域污染传输对该次重污染的显著贡献。     

长沙市冬季人行道PM2.5污染特征及影响因素

了解不同气象条件下城市人行道细颗粒物(PM_2.5)时空分布特征对于指导城市环境评价及街道空间规划布局具有重要意义。选取长沙市车流量及人流量较大的4条道路旁0、5、10 m处的人行道,在冬季晴天、阴天和大风天开展PM_2.5质量浓度、风速、温度及相对湿度监测,探讨PM_2.5分布特征与气象因子的关系。结果表明:冬季晴天、阴天及大风天的人行道PM_2.5质量浓度变化呈现双峰双谷特征,峰值均出现在06:00—08:00,其次为18:00—20:00,谷值出现在14:00—16:00及22:00—24:00;距离机动车道10m处的人行道PM_2.5含量低于机动车道旁(即距离机动车道0 m)的人行道PM_2.5含量,这种差异在大风天气下更为显著;人行道PM_2.5质量浓度与温度、风速呈显著负相关关系,与空气湿度呈显著正相关关系,低温不利于PM_2.5扩散,但在大风天温度对PM_2.5的影响极小,风对PM_2.5含量的变化影响极大,在远离机动车道的人行道更为显著,而高湿度天气有利于PM_2.5的凝结。低温、高湿天气下06:00—08:00、18:00—20:00人行道PM_2.5质量浓度较高,大风对PM_2.5质量浓度具有一定削减作用,早晚高峰减少人行道洒水以降低空气湿度,有利于PM_2.5质量浓度的降低,减少PM_2.5积累。