共查询到18条相似文献,搜索用时 94 毫秒
1.
随着目前昆明市城市化进程的快速发展,PM2.5和PM10颗粒污染物的治理已成为社会各界主要关注的问题,针对昆明市颗粒污染物的区域、来源及季节分布状况,从绿地总体规划布局、各种类型绿地植物配置方面提出了相应对策与建议。 相似文献
2.
为了探究绿化树种对PM2.5滞纳能力与大气中PM2.5浓度的关系,该研究选取了保定市河北农业大学西校区、保定市竞秀公园和保定市植物园中栽植的具有代表性的11种常见城市绿化树种,对其在不同大气PM2.5浓度下滞纳PM2.5能力进行了探讨。利用气溶胶再发生器(QRJZFSQ-I)、Dustmate手持PM2.5监测仪、叶面积扫描仪等测定各树种在不同大气PM2.5浓度下的单位叶面积滞纳PM2.5物质量。结果表明:绿化树种对PM2.5滞纳能力与大气PM2.5浓度呈正相关;且在同一大气PM2.5浓度条件下,针叶树对PM2.5滞纳能力普遍比阔叶树强。同一绿化树种滞纳能力在不同大气PM2.5浓度环境下具有规律性变化,整体基本表现为河北农业大学西校区>竞秀公园>植物园。 相似文献
3.
园林绿地能有效消减城市空气中的PM2.5浓度,缓解大气污染状况。文中结合现有研究,综合阐述园林绿地消减PM2.5浓度的作用机理,探讨园林绿地消减PM2.5浓度的日变化和年变化规律及其原因,分析园林绿地中植物种类、绿地结构、绿地面积和宽度对大气PM2.5浓度的消减作用,总结温度、相对湿度、风速、车流量等环境因子以及不同污染条件对PM2.5浓度分布和扩散的影响,提出了园林绿地消减PM2.5浓度的研究趋势,指出应进一步探讨PM2.5对植物生长的影响、城市园林绿地消减PM2.5浓度的尺度效应、城市绿色空间滞尘功能评估以及PM2.5的消减量与健康效益的关联性等。 相似文献
4.
北京市道路绿地对PM2.5浓度分布与消减作用的影响 总被引:1,自引:0,他引:1
摘要:选择北京市典型道路绿地类型为试验监测点,对0,6,16,26,36iTI不同绿带宽度下PM2。浓度分布、消减能力及与气象因子的关系进行了研究。结果表明:道路绿地空气中P№。浓度的日变化均呈现双峰单谷型特征,即早晚高、白天低,最低值出现在午后14:00左右,最高值出现在晚高峰20:00左右;0,6,16,26,36m绿带宽度下PM25浓度平均值分别为46.64,44.35,42.91,40.96μg.m-3和41.97μg.m-3,以26m绿带宽度最低,0m最高;无污染或轻度污染(P№s〈115μg·m-3)天气条件下,绿地对PM2.5消减作用十分明显,26m的绿带处消减作用最强,最高可达28.0%;中度污染及以A(PM2.5〉115μg·m-3)天气条件下绿地对P№s消减作用不明显;PM2.5浓度与气象因子中的温度、风速成负相关关系,与相对湿度成正相关关系。 相似文献
5.
6.
7.
8.
2018-2019年在荥阳生态站每月监测3次空气颗粒物PM2.5、PM10(PM)和负氧离子的浓度,分析了荥阳生态站两种PM质量浓度日变化、月变化、季节变化特征;用监测日的气象因子日均值、空气负离子浓度日均值与两种PM质量浓度做相关分析,以期了解PM质量浓度时间变化特征及相关影响因子。结果表明:两种PM浓度的日变化在8:00~18:00浓度变化呈U型。8:00~9:00浓度较高8:00~17:00浓度呈下降趋势,17:00以后质量浓度上升。月变化中11月至次年4月月平均质量浓度高;5~10月份平均质量浓度为较低。两种PM季节平均质量浓度高低顺序为:夏季<秋季<春季<冬季。春季和冬季两种PM污染尤为严重。PM2.5质量浓度与气温呈极显著负相关;与日照时数、气温呈显著负相关,与气压呈显著正相关;与负离子浓度呈极显著负相关;与PM10呈极显著正相关。PM10质量浓度与气温、气温日较差呈显著负相关。 相似文献
9.
10.
毛竹树干液流变化及其与气象因子的关系 总被引:1,自引:0,他引:1
2009年9月—2010年7月,利用热平衡包裹式茎流计对江西大岗山森林生态站的毛竹进行液流连续观测,并利用自动气象站同步观测气象因子。结果表明:不同季节晴天和阴天毛竹日均液流速率均表现出明显的昼夜变化规律;秋、冬季液流速率连日变化波动较小,而春、夏季受降雨的影响,液流速率波动较大;不同季节晴天毛竹液流速率呈单峰曲线,而春、夏两季有时出现双峰曲线,但午休现象不明显;不同季节不同天气条件毛竹夜间可能由于根压的原因而存在微弱的液流;不同季节毛竹由于水分吸收方式的差异,影响液流速率的主导因子也不一致,非生长季与空气温度的相关性最强,生长季均与光合有效辐射的相关性最强;毛竹液流速率表现显著的季节变化规律,生长末期、非生长期、生长初期和生长中期日均液流速率分别为(97.88±5.73)g·h-1,(52.27±3.66)g·h-1,(167.81±20.15)g·h-1和(414.04±48.62)g·h-1;以光合有效辐射、太阳辐射、气温等气象因子作自变量,液流速率作因变量,经逐步回归建立不同季节毛竹液流速率与气象因子的多元线性模型。 相似文献
11.
12.
利用河北省2017~2018年逐日PM2.5浓度地面观测数据和CUACE空气质量模式的PM2.5气象条件评估指数(EMI,evaluation on meteorological condition index of PM2.5 pollution),定量评估了2018年相比2017年河北省冬季气象条件对PM2.5浓度的贡献,并分析了石家庄市气象条件和PM2.5浓度的同期月变化。结果表明:与2017年相比,2018年冬季河北省气象条件不利于PM2.5浓度的下降,其中,北部、西北部地区气象条件极为不利,使PM2.5浓度同比上升28%~45%,不同城市的气象条件变化存在显著差异;2018年石家庄市PM2.5年均浓度同比下降12.7%,其中气象条件使PM2.5浓度同比下降3.1%,说明石家庄市大气污染防治减排措施对PM2.5浓度下降贡献显著。可见,EMI指数可定量诊断和评估污染期间气象条件对PM2.5浓度的影响。 相似文献
13.
14.
在广州市天河区、越秀区、荔湾区、番禺区、海珠区等地选定46块面积为400 m2的标准地进行城市绿地调查,主要调查样地实际用途、样地地面覆盖信息,乔木树高、胸径、冠下高、冠幅、生长状况(包括主要病虫害)等信息,并对各样地及乔木调查数据进行分析。结果表明,46块样地共有乔木408株,涉及树种64种;应用频率较高的3个树种依次为小叶榕、垂叶榕、高山榕,其应用频率总和占总频率的67.5%;小叶榕、白兰、樟树、塞楝、红花羊蹄甲等乔木长势较好,其他树种长势一般;道路绿地树种长势较好,城市公园其次,街头绿地次之。 相似文献
15.
利用 2017—2018 年长沙市空气质量监测数据,分析了长沙市大气颗粒物 PM2.5 和 PM10 的时空
分布特征。结果表明:长沙市大气颗粒物 PM2.5 和 PM10 均表现为冬季 > 秋季 > 春季 > 夏季,冬季浓度最
高,PM2.5 和 PM10 分别为 62.87 和 89.22 μg · m-3;空间变化特征:PM2.5 浓度为长沙城区>长沙县>宁乡
县>望城区>浏阳市, PM10 浓度为长沙城区>宁乡县>长沙县>望城区>浏阳市;颗粒污染物 PM2.5 与
PM10 浓度有极显著的线性相关性,r = 0.853,P=0.000(P < 0.01);降水对大气颗粒物有显著消减作用,
使 PM2.5、PM10 的浓度分别下降了 17.93% 和 27.67%。通过调整能源结构、提倡绿色出行、增加绿量、人
工降水等可有效控制长沙市大气颗粒物污染。 相似文献
16.
在总结空气质量PM2.5自动监测系统6年运行和管理经验的基础上,指出了当前空气自动监测子站PM2.5监测数据质量的主要影响因素分别是样品输送管路、采样流量测控、颗粒物截获质量检测与精密度控制等,提出了相应的控制方法,有效地减小了自动监测系统的误差,提高了PM2.5监测数据的准确度。 相似文献
17.
Atmospheric particulate matter(PM2.5) seriously influences air quality. It is considered one of the main environmental triggers for lung and heart diseases. Air pollutants can be adsorbed by forest. In this study we investigated the effect of forest cover on urban PM2.5 concentrations in 12 cities in Heilongjiang Province,China. The forest cover in each city was constant throughout the study period. The average daily concentration of PM2.5 in 12 cities was below 75 lg/m^3 during the non-heating period but exceeded this level during heating period. Furthermore, there were more moderate pollution days in six cities. This indicated that forests had the ability to reduce the concentration of PM2.5 but the main cause of air pollution was excessive human interference and artificial heating in winter. We classified the 12 cities according to the average PM2.5 concentrations. The relationship between PM2.5 concentrations and forest cover was obtained by integrating forest cover, land area,heated areas and number of vehicles in cities. Finally,considering the complexity of PM2.5 formation and based on the theory of random forestry, we selected six cities and analyzed their meteorological and air pollutant data. The main factors affecting PM2.5 concentrations were PM10,NO_2, CO and SO_2 in air pollutants while meteorological factors were secondary. 相似文献