包头市采暖期大气颗粒物PM10与PM2.5污染水平研究

为了解包头市采暖期大气颗粒物PM2.5与PM10的污染特征,在包头市城区设置采样点,在采暖期采集了PM2.5与PM10,对其中的水溶性离子、元素、有机碳、元素碳的含量进行了分析。结果表明:水溶性离子、元素组分是包头市采暖期大气颗粒物的主要成分,并且在细颗粒物中聚集较多;采暖期的燃煤为2种粒子中元素的主要来源之一;采暖期PM2.5与PM10中OC、EC有共同的污染源,主要来源是燃煤、机动车尾气和生物质燃烧;PM2.5与PM10中有二次反应生成的有机碳。     

武汉市科教区冬春季PM_(10)和PM_(2.5)质量浓度及水溶性离子分析

2006～2007年冬春季在武汉市湖北大学校区连续采集气溶胶样品,并用离子色谱分析了气溶胶中水溶性无机成分的含量。结果表明,PM2.5和PM10中总水溶性无机离子年平均浓度分别为3.98和6.79μg/m3,其中4种主要的水溶性无机离子Na+、Ca2+、SO42-和NO3-,共占PM2.5和PM10总水溶性离子浓度的79%、85%。Mg2+、Ca2+、F-、SO42-、Na+和Cl-主要集中在细粒子中,NH4+和NO3-主要集中在粗粒子中。NH4+和SO24-在PM2.5和PM10中的相关系数R=0.987、0.983,主要以NH4NO3、(NH4)2SO4和NH4HSO4的方式存在。离子来源分析显示,固定排放源(燃煤)对水溶性组分的贡献要高于移动排放源(机动车)的污染贡献,而局地二次扬尘及建筑扬尘也是大气细粒子中水溶性组分的一个重要来源。     

百色市右江区冬春季节大气PM_(10)中主要水溶性无机离子分析

[目的]分析百色市右江区冬春季大气PM10中主要水溶性无机离子。[方法]于2010年11月至2011年4月,采集百色市城区大气可吸入颗粒物PM10样品,研究其水溶性无机离子的化学特征。[结果]百色市城区冬季PM10平均浓度为163.45μg/m3,春季PM10平均浓度为148.59μg/m3,略低于冬季。水溶性无机离子浓度的大小次序为SO24-Cl-NO3-NH4+K+Na+Mg2+F-,其中SO24-、NO3-和Cl-分别占水溶性组分质量的52.4%、18.2%和12.6%。PM10呈较强酸性,可能是高含量的SO24-所致。NO3-和SO24-的当量比值为0.73,表明固定源是大气N、S污染重要来源。NH4+和SO24-的当量比值为0.75,表明PM10中的NH4+主要以NH4HSO4形式存在。海盐对大气颗粒物中离子来源的贡献很小。[结论]可吸入颗粒物成为百色市大气首要污染物之一。     

生物质燃烧和采暖燃煤对太原市大气PM_(2.5)的影响

[目的]研究山西省太原市秋冬季生物质燃烧和采暖燃煤对大气细颗粒物(PM_(2.5))质量浓度及化学成分的影响。[方法]使用武汉天虹公司TH-150C中流量大气PM_(2.5)采样器于2014年10月4日至11月23日在山西大学环境科学研究所楼顶采集大气PM_(2.5)样品,测定其重金属、水溶性无机离子和有机碳(OC)、元素碳(EC)含量,记录采样期间气温、相对湿度、风速、大气PM_(2.5)日均浓度值,并查阅同期太原市周围卫星火点图。[结果]卫星火点图显示,2014年10月下旬太原市周边火点明显多于11月,与之相联系,采样点大气PM_(2.5)质量浓度呈现10月高、11月前2周低、之后快速上升的趋势,与该趋势变化相一致的是PM_(2.5)中的无机水溶离子SO_4~(2-)、NO_3~-、NH_4~+、K~+、重金属元素Zn、Pb、As以及含碳颗粒OC、EC,而F~-、Cl~-和重金属Cd、Ni却呈现缓慢累积的变化规律,Na~+、Mg~(2+)、Ca~(2+)浓度变化幅度较小,说明PM_(2.5)的来源复杂,影响因素较多;与采暖前相比,采暖后NO_3~-和SO_4~(2-)质量浓度比以及OC/EC均下降,表明采暖燃煤可使大气中SO_2和EC的排放迅速增加。[结论]太原市大气PM_(2.5)质量浓度及化学成分受多种因素的影响,除气象因素和燃煤外,生物质燃烧是重要的贡献源,城市周边生物质大量燃烧甚至可以超过采暖燃煤对大气PM_(2.5)浓度的影响。     

乌鲁木齐市夏季大气PM_(10)、PM_(2.5)中重金属的分布特征

利用PM2.5、PM10、TSP便携式采样器、TAS-990石墨炉原子吸收光谱仪,采集了乌鲁木齐市5个功能区大气PM10、PM2.5样品,并检测了PM10、PM2.5样品中Cd、Cr、Cu、Ni、Pb、Mn6种元素的含量。结果表明:PM10质量浓度除卡子湾水泥厂区采样期间全部超标外,其他地点均低于国家二级标准;PM2.5质量浓度与美国日均值标准相比,卡子湾水泥厂区采样期间全部超标,安宁渠良种场超标天数为20%,友好路超标天数为60%,其他地点均低于标准。富集因子法分析结果显示:乌鲁木齐市5个采样区夏季大气PM10、PM2.5中Cr、Ni、Cu、Cd、Pb5种重金属污染主要来自于人类活动,Mn则来源于地壳物质。     

上海市霾与非霾期间PM_(2.5)中水溶性阳离子污染特征对比

霾污染是颗粒物和气体污染物导致的可察觉到的能见度降低的天气污染现象,主要为PM2.5污染,水溶性阳离子是PM2.5的主要成分。为了探讨霾与非霾期间PM2.5水溶性阳离子污染特征,对上海市的PM2.5颗粒物连续采样1个月,利用离子色谱分析了K+、Na+、NH+4、Ca2+、Mg2+5种水溶性阳离子。结果表明,上海市霾天气期间PM2.5的日均质量浓度(103.03μg/m3)是非霾天气日均质量浓度(37.64μg/m3)的2.74倍,Na+、NH+4、Ca2+、Mg2+和K+的质量浓度分别为6.28、1.74、1.42、0.20和0.23μg/m3,PM2.5中水溶性阳离子组分占PM2.5质量浓度的20%左右。对大气气溶胶污染物、水溶性阳离子及气象因素相关性进行分析显示各污染物之间的相关性存在显著差异,其中NOX、NO和CO,SO2和NO2,Na+和CO,Mg2+和CO、NOX,可能存在共同来源。霾动态变化过程分析表明,水溶性阳离子浓度在霾与非霾天气时发生较大变化,Na+、Ca2+和Mg2+是霾天气的主要污染阳离子。     

喀什市PM2.5、PM10及其中水溶性无机离子污染特征及污染源解析

为了解喀什市大气颗粒物(PM10、PM2.5)及其中水溶性无机离子的污染特征和污染源,于2020年5月23日～2020年7月6日在喀什市2个研究区域(居民集中生活区及居民休闲区)分别设置采样点对PM10和PM2.5进行采集,并对颗粒物中9种水溶性离子浓度进行测定分析.结果表明:研究期PM10和PM2.5浓度逐日变化趋势...     

天津市细颗粒物中化学成分及污染水平研究

为研究天津市细颗粒化学组分特征,于2006年8～12月采集PM2.5样品,分析天津市PM2.5中离子、元素碳、有机碳、无机元素等主要化学成分浓度及月变化特征。结果表明,采样期间,天津市PM2.5平均浓度为165.90μg/m3,有机碳(OC)、硫酸盐和地壳元素为其主要化学成分,质量浓度之和占PM2.5的37.0%。SO42-、NO3-、NH4+和Cl-为无机离子的主要成分,占全部无机离子的88.6%。OC/EC平均比值为4.21,冬季二次有机碳污染较重,SOC浓度占OC比例为34.5%。微量元素含量不足检出无机元素总量的10%,Zn、Pb等含量较高,质量浓度分别为623.8和302.3 ng/m3,分别占无机元素总量的3.6%和1.8%,表明机动车尾气和燃煤贡献突出。     

扫描电镜技术识别大气中PM_(10)的来源——以福建省龙岩市为例

[目的]研究扫描电镜技术在颗粒物的物理特征和形态分布中的应用。[方法]运用扫描电镜技术,分析龙岩市各尘源的形态特征和含有的主要元素,对比采样点样品的形态特征,判断大气可吸入颗粒物的主要来源。[结果]与CMB8.2化学质量平衡受体模型源解析结果相比较,两者具有较好的一致性。以龙岩师专、闽西职业技术学院、龙岩学院、龙岩市环境监测站四个大气常规监测点为例,对PM10贡献较大的分别是土壤风沙尘、燃煤尘、二次扬尘;土壤风沙尘、二次扬尘、机动车尾气尘;二次扬尘、土壤风沙尘;二次扬尘、机动车尾气、燃煤尘。[结论]研究结果对于大气颗粒物源解析、大气环境治理都有一定的指导意义。     

徐州市重污染期碳质组分、水溶性离子特征及来源解析

基于美国沙漠所研制的Model 2001A热/光碳分析仪对徐州市区2016年冬季重污染时期PM2.5中的碳质组分[有机碳(OC)和元素碳(EC)]以及水溶性离子(NO_3~-、SO_4~(2-)、F~-、Cl~-、NO_2~-、NH_4~+、K~+、Ca~(2+)、Mg~(2+)、Na~+)进行昼夜采样监测,并采用优化的MRS算法对二次有机碳(SOC)含量进行了估算。结果表明,在采样期间徐州市区PM2.5平均质量浓度达到了(129.7±37.0)μg/m~3。通过OC/EC比值分析,采样期间徐州市区碳质气溶胶主要受到汽油车和柴油车尾气排放影响。SOC平均质量浓度为3.4μg/m~3,对OC的贡献达了44.3%,且夜晚二次污染程度要大于白天。重污染时期水溶性离子平均质量浓度达到了(126.0±24.0)μg/m~3,3种主要水溶性离子(NO_3~-、SO_4~(2-)、NH_4~+)以NH_4NO_3、(NH_4)_2SO_4的形式存在。通过对NO_3~-、SO_4~(2-)质量浓度比值的分析,表明以燃煤为主的固定源对水溶性离子贡献较大。利用PMF模型分析重污染期间大气PM2.5的质量浓度来源主要有6个,分别为交通源(48.7%)、二次无机气溶胶污染源(24.3%)、海盐及燃煤燃烧源(14.9%)、二次化工污染源(12.1%)、生物质燃烧源(0.9%)、道路扬尘源(0.1%)。总体来说,大气中PM2.5的来源较为多源化,其中交通源以及二次无机气溶胶污染源占据主导地位。     

夏季南昌市大气颗粒物PM10·PM2.5污染水平研究

为了调查夏季南昌市大气颗粒物PM、PM2.5的污染水平,在2007年7-8月在南昌市5个典型城市功能区采集了80个样品。结果表明,南昌市PM和PM2.5污染很严重,超标率分别达55%和60%,而且对人体健康危害更大的PM2.所占比例较大,约为65%;在空间分布上,夏季5个采样点的污染情况基本为交通干线〉工业区〉商业混合区〉居住区〉远郊区,南昌市大气颗粒物中PM、PM2.5的回归方程为PM2.5=0.545 9PM10,相关系数为0.998 3。     

华北地区一次大气污染过程的PM_(2.5)/PM_(10)同化和模拟试验

利用WRF-Chem模式MOSAIC气溶胶变量建立起的PM_(2.5)和PM_(10)气溶胶同化系统,对2015年12月华北地区的一次污染过程进行了资料同化和模拟试验。结果表明,同化能够有效改进模式初始场PM_(2.5)和PM_(10)的空间分布,其均方根误差分别降低了43.7μg/m³和71.0μg/m3和71.0μg/m³,相关系数均提高了0.52,重污染区的初始位置和强度与实况更接近。同化对于预报也有明显的改进效应,24 h内PM_(2.5)和PM_(10)模拟的均方根误差平均降低了17.9μg/m3,相关系数均提高了0.52,重污染区的初始位置和强度与实况更接近。同化对于预报也有明显的改进效应,24 h内PM_(2.5)和PM_(10)模拟的均方根误差平均降低了17.9μg/m³和24.0μg/m3和24.0μg/m³,相关系数分别平均提高了0.20和0.18;由于排放源的持续强迫作用,初始场同化的改进效果在18 h后趋于减弱。     

华北地区一次大气污染过程的PM_(2.5)/PM_(10)同化和模拟试验

利用WRF-Chem模式MOSAIC气溶胶变量建立起的PM_(2.5)和PM_(10)气溶胶同化系统,对2015年12月华北地区的一次污染过程进行了资料同化和模拟试验。结果表明,同化能够有效改进模式初始场PM_(2.5)和PM_(10)的空间分布,其均方根误差分别降低了43.7μg/m~3和71.0μg/m~3,相关系数均提高了0.52,重污染区的初始位置和强度与实况更接近。同化对于预报也有明显的改进效应,24 h内PM_(2.5)和PM_(10)模拟的均方根误差平均降低了17.9μg/m~3和24.0μg/m~3,相关系数分别平均提高了0.20和0.18;由于排放源的持续强迫作用,初始场同化的改进效果在18 h后趋于减弱。     

长沙市PM_(2.5)质量浓度及其变化特征

统计2015年9月到2016年8月长沙市PM_(2.5)监测数据及气象数据,并分析其季节特征、温度特征及其与工作日和周末之间的关系,以期揭示城市PM_(2.5)污染的主要特征及其变化趋势。研究结果表明:我国北部和南部的细颗粒物PM_(2.5)的污染程度大于长沙市,长沙市PM_(2.5)质量浓度的季节变化趋势表现为:冬天春天秋天夏天;冬季空气污染较重,PM_(2.5)日均值(75.32±38.12)μg/m~3超过我国空气质量(PM_(2.5))二级标准;夏天空气质量相对良好,日均值(32.40±14.25)μg/m~3,达到我国空气质量(PM_(2.5))一级标准;长沙市PM_(2.5)质量浓度与月平均温度存在一定程度的负相关,当月平均温度最高达29.71℃时,对应PM_(2.5)质量浓度最低,为29.71μg/m~3,当月平均温度最低为5.07℃时,对应PM_(2.5)质量浓度最高,为80.9μg/m~3;PM_(2.5)质量浓度在工作日和周末存在显著差异,冬季周末质量浓度高于工作日,而夏季则相反。     

长沙市PM_(2.5)质量浓度及其变化特征

统计2015年9月到2016年8月长沙市PM_(2.5)监测数据及气象数据,并分析其季节特征、温度特征及其与工作日和周末之间的关系,以期揭示城市PM_(2.5)污染的主要特征及其变化趋势。研究结果表明:我国北部和南部的细颗粒物PM_(2.5)的污染程度大于长沙市,长沙市PM_(2.5)质量浓度的季节变化趋势表现为:冬天>春天>秋天>夏天;冬季空气污染较重,PM_(2.5)日均值(75.32±38.12)μg/m³超过我国空气质量(PM_(2.5))二级标准;夏天空气质量相对良好,日均值(32.40±14.25)μg/m3超过我国空气质量(PM_(2.5))二级标准;夏天空气质量相对良好,日均值(32.40±14.25)μg/m³,达到我国空气质量(PM_(2.5))一级标准;长沙市PM_(2.5)质量浓度与月平均温度存在一定程度的负相关,当月平均温度最高达29.71℃时,对应PM_(2.5)质量浓度最低,为29.71μg/m3,达到我国空气质量(PM_(2.5))一级标准;长沙市PM_(2.5)质量浓度与月平均温度存在一定程度的负相关,当月平均温度最高达29.71℃时,对应PM_(2.5)质量浓度最低,为29.71μg/m³,当月平均温度最低为5.07℃时,对应PM_(2.5)质量浓度最高,为80.9μg/m3,当月平均温度最低为5.07℃时,对应PM_(2.5)质量浓度最高,为80.9μg/m³;PM_(2.5)质量浓度在工作日和周末存在显著差异,冬季周末质量浓度高于工作日,而夏季则相反。     

基于概率区间的成都市大气PM_（10）浓度的特征分析

以日尺度及一天内的各个时间段为基础,突破传统以PM10平均值作为衡量一个片区PM10浓度水平的做法,主张以大概率事件出现区间来判定地方的PM10浓度水平,对成都市沙河铺片区的大气PM10浓度特征进行浅析,以成都市沙河铺片区为实例,得出05：00～07：00、19：00～21：00是该地区容易出现PM10浓度值高的时段。     

基于BP神经网络预测林内PM2.5浓度

[目的]利用BP神经网络预测林内PM_(2.5)浓度。[方法]利用人工神经网络理论,采用2013年7月—2014年5月野外实时监测数据,建立了以气象参数、污染源强变量和林分结构特征为输入因子,林内PM_(2.5)小时平均浓度为输出因子的预测模型,并对其预测精度进行了评价。[结果]BP人工神经网络模型能够很好地捕捉污染物浓度与气象因素和林分结构间的非线性影响规律,预测结果的平均相对误差为1.71×10~(-3),均方根误差为6.77,拟合优度达0.98,模型具有很高的预测精度。而传统的多元线性回归(MLR)模型预测结果的平均相对误差、均方根误差和拟合优度分别为0.27、22.92和0.93。[结论]研究成果印证了应用BP人工神经网络模型预测林内PM_(2.5)浓度的可行性和准确性。     

兰州市区春季PM_（10）污染特征

对甘肃省兰州市区2006年春季大气可吸入颗粒物（PM10）实际监测结果进行分析,在此基础上,讨论了兰州市区春季PM10的污染特征以及不同采样时间段内PM10质量浓度变化规律与气象要素之间的关系,初步推断出影响兰州市冬季PM10质量浓度的主要常规气象因子。     

基于气象要素南昌PM_(2.5)污染特性及预测方法

运用统计分析和气象统计预报方法,对南昌市6个环境监测点的污染物观测资料和同期南昌市自动气象观测资料进行了统计,分季节研究了南昌市PM_(2.5)质量浓度的变化规律,对影响大气污染的气象因子进行了综合分析,并分别建立夏季及非夏季PM_(2.5)质量浓度与气象要素的统计预报模式。结果表明:南昌市PM_(2.5)污染非夏季较夏季更为严重,非夏季有超过一半的时间空气质量超出了国家二级标准。PM_(2.5)质量月均浓度峰值出现在12月和1月,其中1月南昌市平均4 d中就有3 d超出国家二级标准。PM_(2.5)浓度逐时变化呈现双峰型特征,对于夏季而言,2个峰值基本出现在9:00~11:00和22:00~24:00时段;而非夏季前一个峰值延后至11:00~12:00时段,后一个峰值往往提前至21:00~23:00,这主要与人类活动规律及太阳照射时间有关。建立的非夏季预报模式等级预报准确率较夏季高,对环境气象预报业务有一定实际应用价值。