信阳市PM_(2.5)和PM_(10)污染特征及其与气象因子的关系

以信阳市2015～2016年PM_(2.5)、PM_(10)监测数据和同期气象资料为基础,分析了其PM_(2.5)、PM_(10)污染特征及其与气象因子关系。结果表明:PM_(2.5)、PM_(10)月均质量浓度呈"单峰单谷"变换趋势,不同季节质量浓度差异显著,均表现为冬季春季、秋季夏季的季节动态;PM_(2.5)、PM_(10)质量浓度与气象因子关联度均较高,其质量浓度受多种气象因子共同影响;采用逐步回归法,建立了PM_(2.5)、PM_(10)质量浓度—气象因子最优回归方程,方程拟合度高,适用性强。     

泉州地区各县(市、区)PM_(2.5)污染特征及防治对策

利用2017年泉州地区各县(市、区)的PM_(2.5)监测数据,分析了各地PM_(2.5)的污染特征,结果表明:泉州各县(市、区)PM_(2.5)年均值范围为23~33μg/m~3,均达年均值二级标准限值,监测浓度差别不大,泉港相对较高,永春、德化相对较低;各县(市、区)PM_(2.5)浓度基本呈现冬春季节大于夏秋季节、夏季最低的特征。针对PM_(2.5)污染特征,提出了具体的防治对策。     

霾高发季节郑州五城区PM_(2.5)污染水平的对比分析及影响因素初探

指出了冬季是郑州市区霾天气高发季节,环境空气中PM_(2.5)质量浓度在郑州市各城区的差异和影响因素尚需进一步讨论。采用全国城市空气质量实时发布平台于2015年11月18日至2016年1月31日期间发布的郑州市五城区监测点的PM_(2.5)质量浓度数据和郑州市经济统计数据,分析了各城区间PM_(2.5)污染水平的特征、相互关系及影响因素。结果显示:霾高发季节郑州市各城区之间的PM_(2.5)质量浓度相关性显著,各城区的经济结构对PM_(2.5)污染水平的影响也比较显著,城市的绿色发展对区域PM_(2.5)污染水平具有积极作用。     

博乐市大气污染特征及变化趋势研究

随着工业化、城市化进程加快,中国城市的大气质量正面临前所未有的考验。利用2015～2017年博乐市城市空气质量监测数据,以大气污染因子二氧化硫(SO_2)、二氧化氮(NO_2)、可吸入颗粒物(PM_(10))、细颗粒物(PM_(2.5))为研究对象,分析了年、季节及月变化特征;利用Daniel趋势检验Spearman秩相关系数法,分析了博乐市环境空气中的主要污染物变化规律,及大气环境质量变化趋势。结果表明:2015～2017年间,博乐市NO_2和PM_(10)为首要污染物,呈上升趋势;PM_(2.5)和SO_2呈现下降趋势,但下降趋势均不显著。各大气污染物浓度均呈现双峰型, PM_(2.5)、PM_(10)、SO_2和NO_2年平均质量浓度分别为(29.63±19.7)、(66.9±36.8)、(15.6±9.3)、(17.8±9.13)μg/m~3。4种大气污染物浓度季节变化基本一致,均呈冬季秋季春季夏季的趋势。研究结果可为博乐市大气污染治理提供基础资料。     

深圳市PM_(2.5)浓度变化及污染输送特征分析

根据2015年1~12月深圳市11个大气自动监测国控站点PM_(2.5)小时浓度监测数据,结合气象站小时观测数据,采用Correl相关系数法、玫瑰图等分析了深圳市PM_(2.5)浓度的污染分布与输送迁移特征。结果显示:2015年深圳市主导风向为NNE(东北偏北风),风向频率为12.3%,全年PM_(2.5)平均浓度为29.8μg/m3,整体季节平均浓度特征均表现为冬季秋季春季夏季;PM_(2.5)与露点、能见度呈显著负相关,相关系数分别为-0.517与-0.540,与海平面气压、温度呈明显的实相关,相关系数为0.439、-0.411,与风向、风速、相对湿度为微相关;深圳吹海风时,参照年均值标准,PM_(2.5)污染发生概率为22.7%,且发生秋冬季海风型PM_(2.5)污染时PM_(2.5)平均浓度可高达50.6μg/m3。主导风型下的PM_(2.5)污染事件占全年PM_(2.5)污染事件的61.1%,且风速大于3m/s时PM_(2.5)污染发生事件占比仅为6.26%;2015年全年西北陆风、主导风、海风气团输送情景下的PM_(2.5)平均浓度分别为40.1、35.8和26.2μg/m3,冬季时西北陆风输送通道下的PM_(2.5)平均浓度整体上明显高于海风、东北偏北陆风输送通道。     

基于GIS的福州市PM_(2.5)时空分布研究

为更好地了解福州市细颗粒物(PM_(2.5))的时空分布状况,应用地理信息技术软件,基于2016年福州市21个监测站点的大气小时PM_(2.5)数据,进行了插值反演连续空间的大气分布。结果表明:时间分布上,福州市夏秋季节PM_(2.5)浓度较低,春冬季节浓度较高。空间分布上,罗源县、永泰县、福清市PM_(2.5)浓度较低;福州市区、长乐市及闽侯县PM_(2.5)污染较严重;五城区中,台江、仓山PM_(2.5)浓度较高。     

贵阳市冬季PM_(2.5)与PM_(10)浓度城郊变化特征分析

对贵阳市2013年冬季PM_(10)和PM_(2.5)日均浓度实时数据进行了整理和分析,结果表明:PM_(10)和PM_(2.5)日均浓度在城区和郊区差异显著;由于城郊气象条件基本一致,PM_(10)和PM_(2.5)日均浓度月变化趋势基本一致;PM_(10)和PM_(2.5)日均浓度比值范围与均值相差较小,比值月变化趋势基本一致,表明贵阳市城郊PM_(10)和PM_(2.5)来源相同或相近,相关性分析表明PM_(10)和PM_(2.5)日均浓度为正相关,二者污染源存在较大一致性。     

重庆市渝北区PM_2.5时空变化特征及影响因子分析

结合重庆市2016年1～12月份PM_2.5浓度变化数据,分析了重庆市PM_2.5浓度的时空变化特征,根据PM_2.5的空间关联性特点,结合主城区土地利用、道路交通、人口密度和自然地理等要素构建了LUR模型,研究了渝北区PM_2.5变化情况及影响因素。结果表明:就时间特征而言,PM_2.5在日变化上呈的双峰单谷型,10:00～12:00和22:00至次日1:00达到峰值,在16:00达到低谷。在月变化上,在春冬季高,夏季浓度低,PM_2.5变化趋势为U型。在季节变化上,春夏季浓度较低,到了秋冬季PM_2.5浓度逐渐升高。同时,在空间变化上,PM_2.5浓度变化存在集聚效应,礼嘉,两路,空港地区PM_2.5浓度较高,离中心城区越远,PM_2.5浓度逐渐降低。根据LUR回归分析的结果显示:林地面积、产业结构、居民点面积与人口密度在不同程度上影响着PM_2.5浓度变化。     

西宁市典型绿地空气中微粒物PM_(2.5)和PM_(10.0)测定与分析

利用2014年8月—2015年7月西宁市5个典型绿地空气中可吸入颗粒物PM_(2.5)和PM_(10.0)及同期气象因子监测资料,分析了可吸入颗粒物分布特征、污染水平及其与气象因子的关系。结果表明:(1)西宁市5个典型绿地空气中PM_(2.5)的平均浓度为0.034mg·m-3,低于我国日平均浓度标准(0.065mg·m-3)47.69%,PM_(10.0)为0.153mg·m-3,超出我国PM_(10.0)日平均浓度二级质量标准(0.15mg·m-3)2.00%。尤其是海湖大道、新宁广场和省委家属院PM_(10.0)超标率分别为44.00%、13.33%和6.67%,应引起大众和相关部门的高度重视;PM_(2.5)和PM_(10.0)浓度从大到小的排序为海湖大道新宁广场省委家属院麒麟湾植物园;(2)5个典型绿地空气中PM_(2.5)和PM_(10.0)的日平均浓度变化和年平均浓度变化趋势基本一致,具有区域分布特征;(3)PM_(2.5)、PM_(10.0)与温度和相对湿度呈负相关,与风速没有相关性。PM_(2.5)与PM_(10.0)之间有较好的相关性。     

佛山市大气PM_(2.5)与PM_(10)及能见度关系分析

通过对佛山市10个测点2012年PM_(2.5)浓度连续自动监测数据进行数理统计分析,结果发现:PM_(2.5)浓度夏季较低,秋冬季较高;PM_(2.5)浓度周一和周末较低,但差别不明显城市内不同地理位置测点的PM_(2.5)浓度值及其随时间的变化趋势均比较相近;各测点PM_(2.5)/PM_(10)比值范围在48.67%~74.07%之间,PM_(2.5)/PM_(10)比值总体上随PM_(2.5)和PM_(10)浓度升高而增大;能见度与PM_(2.5)、PM_(10)存在近似幂函数关系,且能见度与PM_(2.5)的幂函数关系更明显,相关系数更高,表明颗粒物特别是PM_(2.5)在低湿度时消光作用显著,是影响能见度的重要因素。