成都市主城区PM2.5碳组分污染特征分析

为研究成都市2019年颗粒物(PM1o、 PM2.5、 PM1)和细颗粒物(PM2.5)中碳组分的污染特征及潜在来源,采用BAM-1020、Sunset OCEC分析仪分别对成都市大气颗粒物和细颗粒物中碳组分开展了为期一年的在线观测,并利用因子分析对碳组分潜在来源进行解析.研究结果表明,2019年成都市ρ(PM1o)、...     

菏泽市夏季PM10和PM25中水溶性离子组分污染特征

为分析菏泽市大气颗粒物及其水溶性离子组分特征,本研究于2015年8月期间在菏泽市6个监测点位采集环境受体PM_(10)和PM_(2.5)样品共120个,利用离子色谱法测定颗粒物中水溶性无机离子(SO■、NO~-_3、NH~+_4、Cl~-、Ca~(2+)、K~+、Na~+、Mg~(2+)、F~-),并同步收集气象参数及气态污染物质量浓度等资料.结果表明,菏泽市夏季环境受体中颗粒物质量浓度ρ(PM_(10))和ρ(PM_(2.5))分别为94.5μg·m~(-3)、55.2μg·m~(-3),稍低于国内其他城市,这与各城市经济发展、产业能源结构、气象条件等因素有关.PM_(2.5)/PM_(10)值在0.5—0.8之间,表明菏泽市夏季细颗粒物(PM_(2.5))污染较为严重.但PM_(10)和PM_(2.5)中水溶性离子质量总浓度ρ(WSIs)分别为30.5μg·m~(-3)、17.0μg·m~(-3);质量分数w(WSIs)分别为32.4%、29.6%.其中SO■、NO~-_3、NH~+_4为PM_(10)和PM_(2.5)中主要水溶性离子,3种离子浓度和分别占PM_(10)和PM_(2.5)中总离子浓度的84.3%、88.3%.SO■、NO~-_3、NH~+_4、K~+主要集中在细颗粒物(PM_(2.5))中,Ca~(2+)、Mg~(2+)则广泛存在于粗颗粒物(PM_(10))中.各采样点的PM_(10)和PM_(2.5)中,SO■、NO~-_3、NH~+_4、Ca~(2+)和Mg~(2+)浓度分布具有空间差异.离子相关性表明,NH~+_4与SO■、NO~-_3相关性均较强,3种离子主要以NH_4HSO_4、NH_4NO_3形式存在.PM_(10)和PM_(2.5)中NO~-_3/SO■值分别在0.41—0.49和0.36—0.47之间,平均值分别为0.46、0.42,表明固定源是菏泽市夏季颗粒物污染的主要污染贡献源.     

北京市大气颗粒物中PM10和PM2.5质量浓度及其化学组分的特征分析

近年来,PM10和PM2.5由于其对人类健康的负面影响,愈来愈受到人们的关注.细粒子PM2.5更容易富集有毒金属元素,并可进入人体肺部,对人体的危害性更大.本文对北京市PM10和PM2.5的质量浓度及其元素含量进行了分析.     

武汉市秋冬季室内外空气颗粒物以及有机碳、元素碳的污染特征

为了解秋冬季室内外空气颗粒物PM10、PM2.5以及其有机碳和元素碳的污染特征,于2009年10月及12月对武汉大学医学部学生宿舍室内、外PM10、PM2.5进行了两周连续采样。结果表明：秋季室内PM10和PM2.5的平均浓度分别为121.8和91.3μg/m3,室外为153.9和104.2μg/m3;冬季室内PM10...     

舟山市环境空气PM2.5及水溶性离子污染特征分析

为探究舟山市PM_(2.5)及水溶性离子组分的污染特征,于2016年4月、7月、10月和2017年1月在舟山市区3个国控点采集了168个PM_(2.5)样品,利用离子色谱仪测定颗粒物中的9种水溶性离子(Cl~-、NO_3~-、SO_4~(2-)、NH_4~+、K~+、F~-、Na~+、Mg~(2+)和Ca~(2+)),结合气象数据和数值分析手段对舟山市区PM_(2.5)和水溶性离子质量浓度特征、颗粒物酸碱度及二次离子的影响因素(气象参数、前体物)进行研究.结果表明,采样期内,舟山市PM_(2.5)质量浓度时间变化规律为春季冬季夏季秋季,空间分布较为均匀;二次离子是舟山PM_(2.5)主要水溶性组成,且在PM_(2.5)中具有一致的季节变化特征;阴阳离子平衡分析显示舟山市PM_(2.5)整体呈现酸性,并以夏季酸度最低、秋季酸度最高;温度是影响舟山市二次离子浓度的主要气象因素;以燃煤源为主的固定源是舟山市水溶性污染物的主要污染来源,檀枫和临城采样点的SO_4~(2-)和NO_3~-受电厂和燃煤锅炉的污染排放影响严重,普陀区船舶客货运输量大,是普陀点二次离子前体物的主要污染来源.     

兰州市不同径粒大气颗粒物污染特征及气象因子的影响分析

空气污染程度与就诊率、呼吸道发病率及死亡率等有着密切的联系。兰州市在上世纪末曾被喻为卫星上看不到的城市,它的大气污染程度一直以来为人们所关注。利用2013年国家环保部公布的兰州市5个监测点（涵盖了4区1县）大气细粒子PM10及PM2.5的监测数据,针对全年的日均PM2.5与PM10质量浓度并结合了同期的气象因子进行分析研究,结果表明：春冬季为兰州大气中两种颗粒物的污染的高峰期（春季峰值为3月份,PM10及PM2.5质量浓度的月均值为309和103μg· m-3,超标倍数为1.062与0.436;冬季峰值为11月份,PM10及PM2.5质量浓度的月均值为203和85μg· m-3,超标倍数为0.353与0.7）,夏秋季为低谷（波谷为9月份,PM10及PM2.5的月均值为96和39μg· m-3,均低于国家标准）。PM2.5与PM10质量浓度比值均在0.4与0.5之间,呈一定的线性关系,大气污染较轻。当温度在-3~0℃之间时,大气中PM2.5与PM10质量浓度变化较剧烈。露点温度高于-3.15时,使得PM10的质量浓度下降明显;当日均露点温度高于1.85时,PM2.5的质量浓度随着露点温度的增大而降低,说明湿沉降对着两种粒子的清除作用明显。降水对大气中的两种颗粒物均呈现清除作用,但是在降水后PM10质量浓度迅速回升,但PM2.5质量浓度却变化不大。风向偏西时,大气中细颗粒污染物浓度增加。风速的增加对PM2.5有一定的清除作用,但由于兰州市的地貌特征,使得大气中PM10的质量浓度增加。上述结果为兰州市大气污染的监测与治理及大气污染预报提供了重要的依据。     

园林植物滞留不同粒径大气颗粒物的特征及规律

为研究常用园林植物滞留大气颗粒物的能力,本文以北京市常用园林植物为例,应用直接采样、电镜分析和统计分析的方法,对选定园林植物滞留不同粒径大气颗粒物的特征及规律进行了系统分析。结果表明：（1）园林植物滞留的颗粒物形状为不规则块体、球体和聚合体,通过对比分析得出,滞留大气颗粒物能力由高到低的微形态结构依次是蜡质结构〉绒毛〉沟槽〉条状突起,并且这些微形态结构越密集、深浅差别越大,越有利于滞留大气颗粒物。（2）以园林植物叶片滞留颗粒物的数量进行统计时,得出园林植物叶片表面大部分为PM10（Dp≤10μm）,均在98%以上,而PM2.5（Dp≤2.5μm）均在90%以上,粗颗粒物（Dp〉10μm）的数量对总体数量的贡献非常小,均在2%以下;以体积进行统计时,得出PM10的体积在总体积中的比例在50%以上,对颗粒物总体积贡献最大,滞留的PM2.5体积占总体积8.5%-17.6%,粗颗粒物（Dp〉10μm）体积占总体积20%以上。（3）对园林植物滞留颗粒物累积规律分析得出：在相同观测叶面积下,园林植物滞尘10 d的叶表面颗粒物数量较滞尘5 d的叶表面颗粒物数量均有所增加,增幅最大的是小叶黄杨（Buxus microphylla）,增幅最小的是月季（Rosa chinensis）,通过方差分析得出绦柳（Salix matsudana f.pendula）叶表面颗粒物数量显著低于除银杏（Ginkgo biloba）之外的其它7种树种,大叶黄杨（Euonymus japonicus）、小叶黄杨和国槐（ Sophora japonica）叶表面滞留颗粒物的数量较多,并且显著高于月季、银杏和绦柳叶表面滞留的颗粒物数量;滞尘10 d后园林植物叶表面滞留的颗粒物的总面积均未超过观测叶面积的25%,至于叶片持续滞留颗粒物多少天后达到饱和状态仍需进一步研究。     

我国4个大气背景点环境空气颗粒物(PM_(2.5)、PM_(10))中水溶性离子分布特征

为研究国家大气背景点颗粒物质量浓度与水溶性离子组成特征,于2013年2月、7月、9月、12月分别对4个国家大气背景点进行了PM2.5及PM10的采样,通过超声萃取-IC法测定了样品中的9种水溶性离子(F-、Cl-、NO-3、SO2-4、Na+、NH+4、K+、Mg2+、Ca2+)质量浓度,结果表明:(1)可吸入颗粒物浓度水平一、二季度重于三、四季度,PM2.5、PM10年均值分别为17μg·m-3、32μg·m-3,与其他主要国家和地区背景区域浓度相当,背景点大气状况良好;(2)PM2.5中水溶性离子比重全年波动不大,为35.5%—42.2%,浓度排序为SO2-4、NH+4、NO-3Ca2+、Cl-、K+、Na+F-、Mg2+,第一季度PM10中Ca2+浓度显著升高,控制风沙尘将有效降低PM10的浓度;PM2.5及PM10中的9种水溶性离子在不同季节的浓度分布规律与颗粒物浓度类似,一季度较高,三、四季度较低;(3)二次离子是背景点区域的主要水溶性离子,浓度值与其他主要国家和地区相当.NO-3、SO2-4的物质的量浓度与NH+4存在显著相关性,相关系数r为0.7539,斜率小于1,水溶性离子中酸性离子的量比铵根离子略占优势,对气溶胶酸度产生重要贡献.     

郑州市道路网络结构特征对大气颗粒物污染的影响及尺度效应

交通排放是大气颗粒物(PM)污染主要来源之一,从道路网络空间结构探究大气颗粒物污染缓解途径,对治理城市空气污染具有重要意义。该研究数据来源于郑州市GF-2遥感影像及建成区8个空气质量监测点(AQMS)的日监测数据。以AQMS为中心建立1 km×1 km(Scale1)-6 km×6 km(Scale6)空间尺度的样方,运用主成分分析法和线性混合效应模型,探讨不同空间尺度下影响PM10、PM2.5质量浓度的关键性路网结构特征,为郑州市路网结构规划和空气污染治理提供科学依据。结果表明,(1)郑州市建成区各监测点的颗粒物质量浓度及变异性都有冬高夏低的特征。(2)郑州市路网结构对PM10质量浓度的影响程度高于PM2.5。(3)主干道面积占比与PM10在Scale1、Scale3-Scale5尺度正相关,与PM2.5仅在Scale5正相关;总道路及次干道面积占比与PM10在Scale2-Scale6均正相关,但与PM2.5仅在Scale5、Scale6尺度正相关。在Scale5的空间尺度下控制总道路及次干道面积占比、减少主干道面积占比,可以有效缓解PM10、PM2.5的污染。(4)路网连通复杂度在Scale2与PM10负相关,在Scale2尺度提升路网环通复杂度可以促进PM10污染的有效缓解。(5)节点与廊道数量水平在Scale1、Scale2与PM10负相关,在Scale1、Scale5与PM2.5负相关。通过在Scale1尺度提升节点与廊道数量水平可以同时有效缓解PM10、PM2.5污染。     

天津城区大气气溶胶质量浓度分布特征与影响因素

根据中国气象局天津大气边界层观测站2009年的气溶胶观测资料和同期气象资料,对天津城区PM10和PM2.5质量浓度变化特征,及其与气象条件的相互关系进行研究,结果表明：PM10和PM2.5年均质量浓度为153.24和68.78μg·m-3,其日均值超标率近半,表明南部城区尤其是交通干道附近气溶胶污染较为严重;PM10和PM2.5质量浓度逐月变化呈现明显的冬季高、夏季低的特征,其日变化特征呈明显的双峰型,早晚污染高峰主要受交通源影响;气象条件对气溶胶质量浓度作用显著,气溶胶质量浓度与气温正相关,相对湿度的增高易导致细粒子吸湿性增长,但高湿状态下易引起降水有利于气溶胶的湿清除,西南气流和偏北风是PM10和PM2.5高浓度的主要影响风向,静小风易造成气溶胶堆积,高风速可引起PM10排放增多,但对PM2.5影响不大。     

中国典型沿海城市冬季PM2.5中碳组分的污染特征及来源解析

为研究中国典型沿海城市冬季PM_2.5中碳组分的污染特征及来源,于2018年12月5日—2019年1月30日分别在天津(TJ)、上海(SH)和青岛(QD)同步采集PM_2.5样品。结果表明,天津、上海和青岛PM_2.5的平均浓度分别为(116.96±66.93)、(31.21±25.62)、(74.93±54.60)μg·m^-3,OC和EC的空间分布均为天津(18.69±7.95)μg·m^-3和(4.98±2.08)μg·m^-3>青岛(16.45±8.94)μg·m^-3和(2.01±1.04)μg·m^-3>上海(7.28±3.11)μg·m^-3和(1.05±1.25)μg·m^-3。3个站点的OC和EC均呈现较好的相关性,表明OC和EC具有相似的来源;OC/EC比值范围在2.37—7.53、5.47—46.41和4.77—13.36之间,证明各采样点均存在二次有机碳(SOC)的生成;采用最小R²法(MRS)估算SOC浓度,得到3个采样点SOC的平均质量浓度为(5.09±4.68)、(3.90±1.65)、(4.21±4.31)μg·m^-3,分别占OC总量的27.2%、55.8%和19.5%,其中上海的SOC在OC中的占比最大,说明上海二次有机碳污染较为严重,这主要归因于冬季严重污染源排放和有利的二次转化气象条件,而天津和青岛的碳组分主要来自污染源的直接排放。主成分分析(PCA)结果发现,天津PM_2.5中碳组分主要来源于道路尘、生物质燃烧和机动车尾气,上海PM_2.5中碳组分主要来源于生物质燃烧、道路扬尘和机动车尾气。青岛PM_2.5中碳组分主要来源于道路扬尘、机动车尾气。后向轨迹聚类分析表明,来自西北方向的气团对天津的影响较大,PM_2.5和碳组分的浓度值最大;而对上海而言,主要受北方气溶胶经过海面又传输回上海的气团的影响;青岛站点主要受华北地区污染物和本地排放源的影响。     

低纬高原城市区域冬季的大气环境与不同波长辐射特征

本文以低纬高原城市昆明市为研究对象，利用城市内外不同波长辐射的实测资料，分析了颥人、外不同波长辐射的分布特征、变化规律及共差异以及与大气环境的相互关系，探讨了城市及大气环境对太阳辐射的影响为城市气候的深入研究以及城市建筑的规划、设计、环境污染防治提供依据，并可为其它地区的同类研究提供参考。     

天津市夏季PM2.5中碳组分时空变化特征及来源解析

为研究天津市夏季PM_2.5中碳组分的时空变化特征及来源,于2019年7—8月设立2个点位分昼夜采集天津市PM_2.5样品,并测定了其中有机碳(OC)和元素碳(EC)的含量。结果表明,城区PM_2.5、OC和EC浓度日均值分别为(53.4±20.8)μg·m^-3、(8.72±2.56)μg·m^-3和(1.67±0.90)μg·m^-3,郊区PM_2.5、OC和EC浓度日均值分别为(54.2±24.5)μg·m^-3、(7.54±2.50)μg·m^-3和(1.82±1.06)μg·m^-3;白天PM_2.5、OC、EC的平均浓度分别为(47.3±16.1)μg·m^-3、(8.7±2.1)μg·m^-3和(1.5±0.6)μg·m^-3,夜间PM_2.5、OC、EC的平均浓度分别为(60.2±26.2)μg·m^-3、(7.5±2.9)μg·m^-3和(2.0±1.2)μg·m^-3。OC浓度表现为城区高于郊区,白天高于夜间;EC及PM_2.5浓度表现为郊区高于城区,夜间高于白天。OC/EC比值分析得,城区(6.04)高于郊区(5.08);白天(6.58)高于夜间(4.54)。城区OC与EC相关性弱于郊区,白天OC与EC相关性弱于夜间。采用EC示踪法与MRS模型对SOC含量进行估算,得到白天与夜间SOC浓度分别为(5.71±1.35)μg·m^-3和(3.81±1.20)μg·m^-3,白天SOC污染比夜间严重。丰度分析与主成分分析的结果表明,天津市夏季城郊区PM_2.5中碳组分均主要来源于燃煤和机动车尾气排放。     

太原市PM_(2.5)中溴代阻燃剂的污染特征及人体暴露水平

2013年10月至2014年7月,在太原城区,分4个月采集大气细颗粒物,每个月选取4个样品,分析了颗粒物上8种多溴联苯醚(PBDEs)和6种新型溴代阻燃剂(NBFRs)的浓度与组成。结果表明,大气PM2.5样品中PBDEs和NBFRs总浓度算术平均值分别为(10.9±10.3)pg·m-3和(22.3±24.7)pg·m-3,其中BDE-209、HBB和DBDPE是溴代阻燃剂中的主要污染物。季节变化来看,秋季样品中总PBDEs和总NBFRs的浓度要高于其他季节,夏季最低;化合物组成上,秋季样品中BDE-209含量较低,而NBFRs中HBB含量较高。相关分析显示,溴代阻燃剂的变化与颗粒物浓度和有机质的相关性不大,与大气温度与无显著性相关,而主要与气团来源有关。城市儿童的吸入暴露量约为成人的2~3倍,反映出PM2.5中溴代阻燃剂对城镇居民尤其是儿童的潜在健康危害仍不容忽视。     

公路两侧大气颗粒物中的重金属污染特征及其影响因素

选择昌九高速公路(赣粤高速公路南昌至九江段)、昌樟高速公路(赣粤高速公路南昌至樟树段)为研究对象,采集了公路两侧10μm相似文献   

平顶山市区道路交通噪声污染现状与防治

对平顶山市区道路交通噪声污染现状进行了调查，分析了市区道路交通噪声产生的原因和污染特点，提出了市区道路交通噪声的有关防治措施。     

河西走廊极端干旱区PM10质量浓度分布特征及其与气象要素关系研究

利用敦煌和酒泉2007—2011年的PM10质量浓度资料和风速、气温、相对湿度、气压、天气现象等相关气象要素资料,分析了河西走廊西部极端干旱区不同下垫面环境PM。0质量浓度的时空分布特征,结果表明,下垫面是沙地环境的敦煌PMl0质量浓度年平均值为128．9lμg·m-1,明显高于绿洲环境酒泉的76．1mg·m-1两站均是春季大于其他季节,尤以4月最为显著,敦煌和酒泉分别达到272．1lμg·m0和151lμg·m-2;PMl0质量浓度的不同分布特征与气象因素有密切的关系,尤其受沙尘天气的影响较大,其最大值可以反映沙尘天气的强度,非沙尘日PMl0质量浓度在不同下垫面条件下虽有一定相差,但空气质量状况均在“良”以上。两站PM10质量浓度日变化差异较大,敦煌四季的日变化特征均不特别显著,变化比较平稳,基本都呈单峰单谷型分布,最大值出现在17：00时左右,最小值出现在6：00左右;酒泉春、秋季日变化基本一致,呈单峰型,最大值出现在正午时段;夏季日变化规律性不明显,变化幅度比较平缓;冬季呈双峰双谷型,最大值和次大值分别出现在16：00和2：00左右,最小值和次小值分别出现在10：00和0：00左右。进一步分析发现,在沙尘日和非沙尘日PM10质量浓度明显不同,其对应的压、温、湿、风及能见度也有一定规律,沙尘日的日均风速和日最大风速大于非沙尘日,相对湿度、气压和能见度小于非沙尘日。两站的气温、气压、相对湿度、风速等气象要素与PM10质量浓度均有一定相关性,但PM10质量浓度的分布最终是受各要素综合影响的结果,敦煌和酒泉,PM值与PM10质量浓度日均值的相关性都很显著,相关系数分别为0．8961和0．9152,远高于其他各单气象要素与PM10质量浓度的相关性。两站沙尘日的昂M均值分别是非沙尘日2-3倍,因此气象影响指数能有效的区别沙尘日和非沙尘日。IPM的分布也能较好的反映PMl0质量浓度的分布,因此可用抽d来量化评价PM10质量浓度。