郑州城区PM_(10)、PM_(2.5)质量浓度变化特征及其对气象因子的响应

利用郑州城区9个国控监测点位PM_(10)、PM_(2.5)的日监测数据,研究2013～2016年间郑州城区大气颗粒物质量浓度变化特征及其对气象因素的响应。结果表明,2013～2016年间郑州城区环境空气污染总体状况改善趋势较为显著,重度及以上的污染天数占全年有效天数的比例逐年降低,PM_(10)、PM_(2.5)浓度逐年下降;PM_(10)和PM_(2.5)浓度月均值变化基本一致,浓度变化均呈"U"型分布。PM_(10)和PM_(2.5)质量浓度变化具有明显的季节性特征,冬季其质量浓度最高,春季和秋季次之,夏季最低。选取气温、气压、风速、相对湿度和降水量等气象因子,利用Spearman秩相关分析研究各个气象因子对大气PM_(10)、PM_(2.5)浓度的影响。相关性分析结果表明,与PM_(10)、PM_(2.5)浓度显著相关的气象因素存在季节性差异,风速、相对湿度和降雨量是影响郑州城区大气颗粒物质量浓度的主要气象因子。     

天津市滨海新区PM_(2.5)污染时空分布及影响因素研究

为了降低天津市滨海新区中PM_(2.5)的污染,需要对天津市滨海新区PM_(2.5)污染的时空分布和影响因素进行研究。研究天津市滨海新区近年来PM_(2.5)的时空分布特征,并选取PM_(2.5)的相关指标,对天津市滨海新区PM_(2.5)污染影响因素进行分析。结果表明,在天津市滨海新区的冬季时,PM_(2.5)的质量浓度值最高,在滨海新区的夏季时,PM_(2.5)的质量浓度值最低。PM_(2.5)在天津市滨海新区昼间大气中的质量浓度低于夜间大气中的质量浓度。     

山西省武乡县城大气PM2.5痕量重金属的生态和健康风险分析

为了解山西省武乡县城大气PM_(2.5)污染特征及PM_(2.5)中痕量重金属的生态和健康风险,在分析县城环境空气质量状况的基础上,分别于秋季(2014-10-22~2014-11-19)和冬季(2015-01-12~2015-02-13)在武乡县环境保护局楼顶用中流量采样器采集大气PM_(2.5)样品,每天换膜一次,利用称重法计算PM_(2.5)浓度,运用电感耦合等离子体原子发射光谱仪(ICP-AES)测定样品中As、Cd、Cr、Cu、Ni、Pb、Zn 7种元素含量,运用地累积指数法、生态风险指数法、相关性分析和主成分分析、美国环保署暴露模型等表征痕量重金属的污染程度、来源、潜在的生态和健康风险等.结果表明,冬季大气PM_(2.5)浓度是秋季的3倍左右,有65%的天数超过国家环境空气质量二级标准(GB 3095-2012);PM_(2.5)中痕量重金属来源主要包括燃煤和交通等人为源,贡献率分别为58.38%和18.73%,所测重金属浓度顺序为CuZnPbCrAsNiCd,其中Cd、Cu的生态风险指数、Cr的非致癌和致癌暴露风险大于其它金属.冬季燃煤增加和大气扩散条件差是武乡县城大气PM_(2.5)浓度超标以及造成痕量重金属生态和健康风险增大的主要原因.     

某钢厂大气PM_(2.5)污染特征与潜在源区贡献分析

基于2017年全年在某钢厂厂区4个特征点位进行的环境大气PM_(2.5)、PM_(10)和气象参数的在线监测数据,对一年中污染高发/非高发时段钢铁厂厂区内大气颗粒物的浓度水平、粒径分布、日均值变化趋势以及气象因素对浓度的影响进行了分析,并利用大气气团输送模拟及潜在污染源贡献(PSCF)分析探讨了厂区大气PM_(2.5)的外来输送和本地贡献情况。结果表明:2017年全年某钢厂厂区大气颗粒物以细颗粒物为主;4个站点大气PM_(2.5)日均值全年变化趋势一致,污染高发月份质量浓度均值高于非污染高发月份相应值;除2号站可能受到厂区生产活动排放的影响,PM_(2.5)浓度水平略高外,各站点相互间及与周边环境对照点的浓度保持在一致水平,亦未发现明显的污染物输出现象;冬季外来污染源输入对厂区大气PM_(2.5)浓度贡献较显著,其他季节应主要考虑本地排放影响。     

北京市夏季不同O3和PM2.5污染状况研究

从天气背景场、气象要素、前体物和PM_(2.5)化学组分、气团运动轨迹以及大气氧化性等方面对北京市夏季两种不同的O_3和PM_(2.5)污染状况进行了分析.结果表明,O_3达到中度污染而PM_(2.5)浓度优良(O_3和PM_(2.5)一高一低)污染状况的天气形势场为:高空为偏西北气流,地面受高压后部控制;而O_3和PM_(2.5)同时达到中度污染(O_3和PM_(2.5)两高)的天气形势场为:高空为偏西气流,地面受低压控制.与O_3和PM_(2.5)一高一低污染状况相比,O_3和PM_(2.5)两高时的气象要素特征为:偏南风更为明显和相对湿度更高.O_3和PM_(2.5)两高时污染物浓度演变特征为,O_3和PM_(2.5)的起始浓度较高,PM_(2.5)日变化特征更为明显,而O_3平均浓度却低于O_3和PM_(2.5)一高一低的污染状况.前体物、大气氧化性以及PM_(2.5)化学组分分析的结果表明,较高的起始浓度在不利气象条件下的积累和吸湿增长以及当天较大偏南风造成的区域传输可能是造成O_3和PM_(2.5)两高污染状况中PM_(2.5)浓度达到四级中度污染的主要原因.     

宝鸡市春季PM_(2.5)、PM_(10)、SO_2、NO_2污染现状分析

收集PM_(2.5)实时监控网提供的2015年春季宝鸡市大气污染物浓度的实时数据,分析宝鸡市各监测点大气污染物PM_(2.5)、PM_(10)、SO_2、NO_2的日均值和月均值浓度变化特征以及各污染物的负荷系数。结果表明:各监测点大气污染物月平均浓度3—5月呈下降趋势,但整体的空气质量状况有待进一步提高;宝鸡市大气颗粒物呈区域性污染,各监测点之间的差距较小,而污染气体SO_2和NO_2具有点状污染特征;4种主要的大气污染物中,PM_(2.5)和PM_(10)的贡献率超过一半以上,但SO_2和NO_2同样不可忽视。     

青奥会前后南京PM2.5重金属污染水平与健康风险评估

人类活动对大气环境的影响已成为人们关注的焦点.于青年奥林匹克运动会(青奥会,Youth Olympic Games)召开前后(2014年4~9月)动态监测南京大气中PM_(2.5)及其6种重金属质量浓度和污染特征,并分析其健康风险.结果表明,观测期间PM_(2.5)质量浓度变化范围为26.39~80.31μg·m~(-3),青奥会前的4、5和7月大气中PM_(2.5)质量浓度均达到国家空气质量二级标准(24 h质量浓度限值75μg·m~(-3)),青奥会期间达到国家空气质量一级标准(24 h质量浓度限值35μg·m~(-3)).青奥会结束后,空气污染出现反弹,大气PM_(2.5)质量浓度平均值为76.14μg·m~(-3).观测期间大气PM_(2.5)中重金属离子质量浓度的变化特征并不一致,主成分分析表明,污染物源排放是影响PM_(2.5)重金属离子质量浓度变化最重要因素.青奥会期间PM_(2.5)及重金属离子质量浓度均降至观测期间最低值,这与召开青奥会所采取的一系列政策干预减排措施发挥作用有关.PM_(2.5)中Cd、Cu、Ni、Pb通过呼吸和皮肤暴露的健康风险值均在可接受水平范围内,而Cr存在较大的致癌风险;Mn通过呼吸暴露对成年男性造成较大的非致癌风险;同时PM_(2.5)中6种重金属通过皮肤暴露对儿童也造成较大非致癌风险.     

城市森林植被区空气PM_(2.5)质量浓度时空变化

该研究选取北京大兴南海子公园植被区与亦庄非植被区PM_(2.5)数据进行研究,对比分析植被区与非植被区PM_(2.5)质量浓度日变化、月变化和年变化特征,典型天气下的PM_(2.5)质量浓度变化。结果表明:植被区PM_(2.5)质量浓度整体上低于非植被区,二者日变化均呈典型的双峰曲线,白天低,夜间高,最小值出现在下午15:00左右;从不同月份看,PM_(2.5)质量浓度最高值出现在冬季的1月、2月,最低值出现在6月、8月,整体表现为冬季月份明显高于其余月份;气温、降雨和大风均与PM_(2.5)浓度呈负相关,晴天时,温度较高,有利于PM_(2.5)浓度降低;降雨有利于空气颗粒物沉降,有效清除大气PM_(2.5)污染,降低其浓度;大风天气会增加大气环流,有助于颗粒物在大气中扩散,使PM_(2.5)不易滞留,从而导致浓度降低。降雨和大风均能导致PM_(2.5)污染降低,且城市森林植被对于PM_(2.5)有明显降低作用。     

乌鲁木齐市大气PM2.5中元素特征及风险评价

该文用玻璃纤维滤膜采集2019年乌鲁木齐市不同功能区采暖期和非采暖期的PM_(2.5)样品,经电感耦合等离子体发射光谱仪、冷原子荧光分光度仪对8种元素进行测定,运用地累积指数法和PMF模型进行元素来源分析,并对元素的人体健康风险进行评价。结果表明,乌鲁木齐市非采暖期PM_(2.5)中各元素浓度水平为FeZnAsCuPbMnNiHg,采暖期整体表现为FeZnCu≈AsMnPbNiHg,且呈采暖期高于非采暖期特点。Igeo结果表明,乌鲁木齐市大气PM_(2.5)中Fe、As、Cu、Hg、Pb为极重污染,Zn为重度污染,Ni为中-重污染,Mn为无污染。PMF源解析结果表明,乌鲁木齐市大气PM_(2.5)中元素来源主要是机动车尾气排放、工业冶金和燃煤,其次燃油排放及燃煤排放产生的二次污染也是重要的来源。健康风险模型评估结果显示,乌鲁木齐市大气PM_(2.5)中非致癌元素均不存在非致癌风险。致癌元素As存在对人体致癌的风险。     

包头城区大气PM_(2.5)污染特征及来源解析

为探讨包头城区大气PM_(2.5)污染特征及主要来源,在包头城区设立4个采样点,于2015年12月-2016年9月采集大气PM_(2.5)样品,共获得160个有效样品,分析了PM_(2.5)及其无机元素、水溶性离子、元素碳(EC)和有机碳(OC)的质量浓度和污染特征。同时采集了包头城区土壤风沙尘、建筑施工尘、道路扬尘、煤炭燃烧尘、装备制造尘和金属冶炼尘等6类污染源,建立了包头市大气PM_(2.5)排放源成分谱。应用非负主成分回归化学质量平衡(NCPCRCMB)模型分析了PM_(2.5)来源。结果表明:观测期间包头市PM_(2.5)的年均浓度为80.58μg/m3,是中国《环境空气质量标准》(GB 3095-2012)年均PM_(2.5)二级标准限值的2.3倍;大气PM_(2.5)的季节变化特征为春、夏、秋三季低冬季高,且冬季显著高于其他三季;大气PM_(2.5)主要来源于二次离子和道路扬尘(贡献率分别为34.37%和15.98%),其他污染源贡献率相对较小。     

西安市冬季大气颗粒物中重金属污染特征及健康风险评价

选择西安市城区5处典型地段为采样点,检测了冬季大气颗粒物PM_(2.5)和PM_(10)的质量浓度,分析了PM_(2.5)和PM_(10)中所含Fe、Mn、Cu、Zn、Cd、Pb元素含量。结果显示:西安市冬季大气PM_(2.5)和PM_(10)的平均质量浓度分别为193.4,315.2μg/m~3,是GB 3095—2012《环境空气质量标准》中的二级标准限值的2.6,2.1倍;PM_(2.5)/PM_(10)为0.51～0.78,说明大气颗粒物以PM_(2.5)为主;6种重金属在大气颗粒物中含量水平存在差异,含量高低依次为Zn≈Fe>Pb>Mn>Cu>Cd,其中Fe、Cu、Zn、Cd、Pb更容易聚集在PM_(2.5)中;PM_(10)中Fe(2 856μg/m~3)的浓度最高,商业集密区、交通繁忙区和居民集中区的多数重金属元素高于文教区和公园。采用改进后的估算模型进行人体暴露量的估算和风险评估,结果表明:重金属元素的暴露途径强弱顺序为手口摄入>皮肤接触>呼吸摄入;PM_(2.5)和PM_(10)中所含Pb、Cd、Mn的非致癌健康风险(HI介于1.99～6.16,超过1)处于较高水平,对人体健康存在威胁;Cd在PM_(2.5)和PM_(10)中的致癌健康风险(R为2.54×10~(-6)和3.70×10~(-6),低于10~(-4))处于较低水平,但不能忽视其综合作用及长期累积危害。     

垫江县大气环境中PM_(10)和PM_(2.5)污染状况研究

为准确掌握垫江县城区大气环境中细颗粒的污染状况,选择2016年9月1日—2017年2月28日大气自动观测站的数据研究分析,结果表明:垫江县城区大气环境中PM_(10)和PM_(2.5)的平均质量浓度分别为79mg/m~3和68mg/m~3,PM_(10)的月平均质量浓度均大于PM_(2.5),PM_(2.5)占PM_(10)的比例在84.6%~90.0%。多元分析结果可以看出,大气环境中的PM_(10)和PM_(2.5)具有相类似来源,气象条件对垫江县城区大气颗粒物污染影响较大。HYSPLIT轨迹模型分析表明,秋冬季节大气重污染时段,垫江县城区大气环境中颗粒物来源受到西南和西北气团影响较大。     

大气PM_(2.5)重金属污染与居民疾病死亡率关系初探

为探讨大气PM_(2.5)重金属对居民疾病死亡率的关系,本研究收集了近几年部分城市大气PM_(2.5)中重金属浓度数据,居民肺癌、肝癌、白血病死亡率数据,以及居民呼吸系统疾病、心血管和脑血管疾病死亡率数据,运用灰色关联度分析方法分析大气PM_(2.5)中重金属与上述疾病之间的关联性。结果表明:(1)居民脑血管疾病死亡率和心血管疾病死亡率与大气PM_(2.5)中Mn浓度的影响最大;(2)居民呼吸系统疾病死亡率、脑血管疾病死亡率和心血管疾病死亡率均与大气PM_(2.5)中Cu浓度关联性大;(3)大气PM_(2.5)中Zn浓度对居民心血管疾病死亡率影响大;(4)居民肺癌死亡率与大气PM_(2.5)中Ni和Cr浓度关联性大;(5)大气PM_(2.5)中Ni、As和Cr与居民肝癌死亡率关联度差别不大,存在一定的关联性;(6)大气PM_(2.5)中As浓度对居民白血病死亡率影响大。     

京津冀区域重污染期间PM2.5垂直分布及输送

2016年12月17～19日重污染期间,在天津市武清区高村开展车载系留气球颗粒物浓度垂直观测,并以观测数据为基础,计算了区域内PM_(2.5)传输通量.结果表明重污染过程期间,大气混合层较低,约200 m左右,PM_(2.5)浓度垂直分布特征与混合层高度密切相关,混合层以下,PM_(2.5)浓度较高,垂直变化特征不显著,形成明显的污染层,混合层以上,PM_(2.5)浓度迅速降低并维持在降低水平.观测期间,粒径小于1. 0μm颗粒物浓度较高,粒径大于2. 2μm颗粒物浓度较低,近地层粒径为0. 777μm颗粒物浓度最高.颗粒物浓度粒径谱分布与相对湿度和混合层高度相关,高湿度和低混合层下颗粒物浓度粒径谱分布较宽泛.观测期间,PM_(2.5)在西南方向上的传输通量最高,占总传输通量的63. 3%,其中46～156 m和156～296 m高度之间PM_(2.5)传输通量最高.近地面300 m内PM_(2.5)传输主要以西南方向传输为主,300 m以上传输方向较分散.     

金沙秋季PM2.5污染特征及影响因素分析

文章对2013年9～11月金沙区域大气本底站的PM_(2.5)连续在线数据日变化和同期的气象资料的平均日变化进行了分析,并与过去的5年同期数据进行对比分析。结果表明:金沙区域秋季PM_(2.5)质量浓度有明显的日变化规律,受局地排放和气象条件的共同影响,颗粒物质量浓度在凌晨、夜间显著上升。降水对PM_(2.5)的清除量与初始质量浓度、降水量均呈正相关关系,金沙站的云下清除更多取决于PM_(2.5)的初始质量浓度;风向风速对细颗粒物影响明显,来自金沙站北部和东部的气流使大气颗粒物质量浓度升高,而来自西部和南部的风使大气颗粒物浓度降低,大于7 m/s的东风对PM_(2.5)有稀释作用,而北风对细颗粒物几乎无稀释作用。     

京津冀秋冬季PM2.5污染概况和预报结果评估

对京津冀区域2013年9月至2018年2月连续5个秋冬季PM_(2.5)的污染特征和气象影响因素,2015年10月至2018年2月连续3个秋冬季以及典型污染过程时NAQPMS、CMAQ和CAMx这3个模式PM_(2.5)的预报结果进行了分析评估,对模式预报的不确定性和改进措施进行了探讨.结果表明,5个秋冬季PM_(2.5)区域均值浓度分别为122、98、82、99和65μg·m-3,污染过程(中度及以上污染过程)期间浓度分别为229、198、210、204和180μg·m-3. 5个秋冬季累计发生64次PM_(2.5)为首要污染物的区域污染过程,2013～2014年秋冬季污染过程平均持续时间最长,2017～2018年持续时长最短.除2016～2017年外,其他年份PM_(2.5)浓度峰值和均值逐年降低,区域总体污染形势减轻.秋冬季PM_(2.5)浓度与相对湿度、风速和日照时数相关性相对较好,与温度和气压的相关性整体较弱.当风速小于2 m·s-1、大气相对湿度65%以上、主导风向为西南和东北风时,容易出现区域中度及以上污染过程.此外,3个模式均能够预测出京津冀区域秋冬季PM_(2.5)污染过程,预报值与监测值体现了较好地相关性.3个模式对张家口、承德和秦皇岛的预报结果较好,对唐山、石家庄、保定、北京和天津等城市预报偏高,这与污染源清单、气象初始场和气象预报、以及大气化学反应机制的不确定性有一定关系.     

福州市区冬春季PM2.5污染特征与来源差异性分析

基于福州市区2015年2月—2016年1月间的大气PM_(2.5)监测数据,综合运用HYSPLIT后向轨迹模式、潜在源贡献因子法(WPSCF)与浓度权重轨迹分析(WCWT)等方法,探讨了福州市区冬、春季PM_(2.5)污染特征和典型污染过程成因,总结了气象因子和污染来源的季节性差异.研究期间,冬、春季是福州市区PM_(2.5)污染的主要季节,福州市区不同类型站点的PM_(2.5)浓度在冬、春季污染发生时均呈现出整体升高的特点,但浓度日变化却存在季节性差异,冬季无显著日变化,春季则表现为单峰单谷特征.福州市区春季主要受锋前暖区和高压后部等天气系统影响,大气扩散条件差,PM_(2.5)极易在不利的气象条件下累积,福建沿海地区是其PM_(2.5)污染的主要潜在源区;冬季污染易受高压天气系统作用,盛行偏北风,长江三角洲地区的污染物输入会对福州市区空气质量产生较大影响,长江三角洲、浙江东南沿海、福建北部是其PM_(2.5)污染的主要潜在源区.     

武汉城市圈PM_(2.5)的时空特征及其影响因素解析

文章基于2016～2017年武汉城市圈各城市站点PM_(2.5)逐时监测数据,主要利用空间自相关、核密度法和空间计量模型,从不同的时空尺度来分析武汉城市圈PM_(2.5)的空间分布格局和影响因素。结果表明:在年尺度上,2016～2017年武汉城市圈PM_(2.5)浓度整体上呈下降趋势,空间分布上呈中东部高、西南部低、局地略有突出的分布特征并表现出明显的空间集聚性,城市圈内部各城市PM_(2.5)污染浓度差异明显,且各城市之间存在一定的空间溢出效应;从年内尺度上看,武汉城市圈PM_(2.5)浓度总体上呈"U"字型分布,冬春季污染最为严重,秋季、夏季次之,且4个季节的PM_(2.5)浓度值存在较强的空间自相关性,表现出不同程度的空间集聚现象;从影响因素上看,无论是自然环境要素还是社会经济要素均对城市圈PM_(2.5)浓度变化起重要作用,按其贡献强度依次是温度民用汽车拥有量风速能源消费水平城镇化率第二产业占比湿度节能环保支出,而森林覆盖率和海拔高度对PM_(2.5)没有表现出明显的直接效应;从大气污染物本身关系上看,PM_(10)直接作用于PM_(2.5)的浓度变化,且起关键性的作用,CO和NO_2则主要是通过PM_(10)对PM_(2.5)浓度间接地产生影响,而O_3对PM_(2.5)浓度影响较小且呈负相关关系。     

基于模型模拟的成都市PM2.5污染来源解析

在建立成都市大气污染物排放清单的基础上,采用源开关敏感性分析法,设置8个排放情景,基于WRF-CMAQ模型模拟分析了2015年1、4、7和10月这4个典型代表月份的大气污染传输和不同行业对成都市PM_(2.5)污染贡献.结果表明成都市PM_(2.5)污染较重,特别是1月达到130μg·m~(-3)以上;浓度的高值集中在中心城区,且与周边城市PM_(2.5)污染连接成片.由于气团比较稳定,大气污染物的区域传输能力较弱,成都市PM_(2.5)污染以本地源的贡献为主,占比为61%.从行业贡献来看,移动源、扬尘源和生活源对成都市PM_(2.5)年均浓度贡献率分别为29%、26%和24%,是影响PM_(2.5)污染的主要污染源,下一步应强化对这3类源的污染控制.     

吉林市大气PM_(2.5)污染特征及来源分析

2014年在吉林市设立7个大气PM_(2.5)采样点,分采暖季和非采暖季分别采样分析了吉林市城区大气颗粒物污染特征和可能来源。结果表明:吉林市大气颗粒物以PM_(2.5)为主,PM_(2.5)年均值65μg/m3,超过国家二级标准限值86%,PM_(2.5)/PM10的年平均值为61%;PM_(2.5)中,休闲生活区各个时间段金属元素浓度相对较低,工业混合区浓度较高;非金属离子SO2-4、NH+4、NO-3、Cl-是PM_(2.5)水溶性离子的主要成份,其和占PM_(2.5)质量的13.31%,在采暖期浓度质量全部高于非采暖期;采暖期OC和EC来源基本相同,来源于机动车尾气、燃煤和生物质燃烧等,在非采暖期OC和EC来源差异性较大,主要来源于机动车尾气和工业燃煤等。