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/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。     

杭州市城区典型区域PM_(2.5)和PM_(10)质量浓度变化特征

为研究杭州市城区大气中PM_(2.5)、PM_(10)的浓度变化特征,在采荷监测区内对PM_(2.5)、PM_(10)浓度变化和气象特征进行了为期1 a的监测。结果表明:PM_(2.5)质量浓度呈冬春高于夏秋季节,冬季出现最高值(104.35±99.86)μg/m~3;颗粒物PM_(10)呈冬季远高于其他季节,浓度为(274.39±160.92)μg/m~3,春秋两季相较于夏季高约1倍,说明颗粒物PM_(10)比PM_(2.5)的污染来源更为多样,成分更为复杂。PM_(2.5)、PM_(10)在不同的季节中,二者的相对浓度和变化规律有所不同。细颗粒物浓度日间变化过程在季节间大势体变化趋势规律类似,在观测时段内从峰值逐渐减小,伴随季节间的差异而呈不同的波动。PM_(2.5)/PM_(10)值范围为0.26~0.58,春冬两季的均值分别为0.51和0.50,夏秋两季的均值分别为0.34和0.32,表明春秋两季污染物中PM_(2.5)比例高;颗粒物PM_(2.5)、PM_(10)质量浓度与温度之间均呈现显著负相关关系,相关系数分别高达0.619、0.640;与气压呈现显著正相关关系,相关系数为0.559、0.583。     

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。     

养殖场、农田和道路大气PM_(2.5)中金属元素的污染特征分析

为探究不同区域大气PM_(2.5)中金属元素的组分差异、季节性分布规律、富集程度等污染特征,于2015年11月—2016年10月监测了保定地区养殖场、农田和道路3个监测位点PM_(2.5)浓度变化,并分析了PM_(2.5)中金属元素K、Ca、Mg、Al、Fe、Mn、Cu和Zn含量变化特征。结果表明:3个监测位点大气PM_(2.5)日均浓度水平为道路(320.51μg/m~3)养殖场(245.67μg/m~3)农田(203.63μg/m~3),总金属浓度水平为养殖场(14.76μg/m~3)道路(13.77μg/m~3)农田(8.91μg/m~3),PM_(2.5)质量浓度和总金属浓度的季节性变化差异明显,但总金属浓度占PM_(2.5)浓度的比值在不同监测位点差异较小,分别为4.49%~8.90%(养殖场)、3.67%~6.22%(农田)、2.85%~6.68%(道路)。8种金属元素平均浓度水平大致为KAlCaMg,FeZnMn,Cu,其中K、Ca、Mg、Al和Fe浓度相对较高,占总量的97.76%~98.27%。秋季不同监测位点间各金属元素的富集因子(EF值)均为最高,且位点间差异最大,其中农田PM_(2.5)金属元素受人为源影响最小。     

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9:00¹1:00和22:0011:00和22:00²4:00时段;而非夏季前一个峰值延后至11:0024:00时段;而非夏季前一个峰值延后至11:00¹2:00时段,后一个峰值往往提前至21:0012:00时段,后一个峰值往往提前至21:00²3:00,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。     

银川市环境空气PM_(10)和PM_(2.5)中水溶性离子化学特征及来源分析

2013年7月至2014年4月期间,在银川市兴庆区设1个环境监测点,分4季采集PM_(10)和PM_(2.5) 样品,测试二者质量浓度及水溶性阴离子(Cl~-、NO_3~-、SO_4~(2-))、阳离子(K~+、Na~+、Ca~(2+)、Mg~(2+)、NH_4~+)成分,分析其主要组成、季节变化及污染来源。结果表明:银川市PM_(10)和PM_(2.5) 中离子平均浓度为33.8、18.74μg/m3,分别占PM_(10)和PM_(2.5) 的17.2%、23.5%。NH_4~+、Cl~-、NO_3~-和SO_4~(2-)等二次离子含量高,分别占离子总量的75%和84%,且冬季含量是其他季节的数倍;颗粒物总体呈碱性,PM_(10)中阳离子总量与阴离子总量的比值为1.23,PM_(2.5) 中两者比值为1.14,PM_(10)比PM_(2.5) 碱性强;大气中存在SO_2向SO_4~(2-)二次转化过程。冬季PM_(2.5) 中二次离子主要以(NH4)_2SO_4和NH_4NO_3形式存在;来源分析发现,PM_(2.5) 、PM_(10)可能主要来源于生物质燃烧、二次反应及燃煤尘。     

信阳市不同生态功能区PM_(10)和PM_(2.5)污染特征

目前大气颗粒物污染已成为严重的城市环境问题。利用2015年4个位于信阳市不同生态功能区的环境空气质量监测站数据,比较分析4个站点的PM_(10)和PM_(2.5)污染日变化、季节变化和年际变化特征及其影响因素。结果表明,1)4个站点2015年PM_(10)和PM_(2.5)质量浓度平均值均表现为南湾水厂平桥分局审计局酿酒公司。2)森林植被对大气颗粒物浓度有明显的削减功能。在不同季节和一天中的不同时段,森林植被盖度高的南湾水厂监测站PM_(10)和PM_(2.5)质量浓度平均值均明显低于其他3个站点。3)4个站点的颗粒物污染均表现为夏季最轻,秋季其次,冬季污染最严重。4)4个站点的PM_(10)和PM_(2.5)质量浓度日变化特征基本一致,日峰值和最低值出现的时间基本同步。夜间颗粒物污染比白天严重。5)2014-2016年,4个站点的PM_(10)和PM_(2.5)质量浓度均呈现逐年下降趋势。6)影响颗粒物污染的最主要气象因子是气温和气压。PM_(10)和PM_(2.5)浓度与日均气温、日均风速和日最大风速均呈极显著负相关(P0.01),与日均气压均呈极显著正相关(P0.01);PM_(2.5)日均浓度与日均相对湿度呈显著正相关(P0.05)。这些结果显示了信阳市大气颗粒物污染特征,可为当地大气污染防治工作提供参考。     

郑州市不同道路等级对近地空气PM_(2.5)和PM_(10)分布特征的影响

为探究城市不同道路等级对空气PM_(2.5)和PM_(10)质量浓度特征及其日变化规律的影响,本研究选取郑州市的金水路(快速路)、文化路(主干道)和东三街(支道)进行调查和监测。结果表明,PM_(2.5)和PM_(10)的日均值表现为金水路文化路东三街,3条道路PM_(2.5)和PM_(10)的质量浓度均不同程度超过国家标准质量浓度限值。文化路PM_(2.5)和PM_(10)的日变化呈现单峰型曲线,峰值出现在7:00-8:00。金水路PM_(2.5)和PM_(10)日变化波动性较小,且整体保持较高质量浓度水平。东三街PM_(2.5)和PM_(10)质量浓度峰值出现在6:00-8:00,在12:00之后随着车流量的变化呈现波动。3条道路PM_(2.5)/PM_(10)值为0.64~0.73,且在13:00-14:00之间出现峰值。PM_(2.5)/PM_(10)的平均比值:文化路(0.69)东三街(0.68)金水路(0.66),说明机动车尾气对PM_(2.5)的贡献大于PM_(10)。3条道路的PM_(2.5)、PM_(10)质量浓度与车流量之间存在相关性,但显著性不同。     

基于UFORE模型的上海城市森林对大气PM_(2.5)的削减量估算

细颗粒物(PM_(2.5))是城市大气污染的重要来源,严重威胁居民健康。城市森林可以通过削减大气中的PM_(2.5)来提升空气质量,为城市环境提供重要的生态系统服务,本文采用美国农业部开发的UFORE(Urban Forest Effect)模型的核心方法,估算了上海城市森林对大气中PM_(2.5)的削减量。结果显示,2013年上海城市森林对大气PM_(2.5)削减总量为442.4t,小时浓度削减量为0.44μg/m~3,大气中PM_(2.5)浓度的改善率为0.07%。2013年上海不同类型林分PM_(2.5)削减量排序为常绿针叶林(290.6t)落叶林(76.1t)混交林(56.6t)常绿阔叶林(18.9t)。本文的研究结果可为城市大气污染防控和宜居城市建设提供理论依据。     

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。     

包头市采暖期大气颗粒物PM_(10)与PM_(2.5)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。     

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。