长沙市PM_(10)、PM_(2.5)污染特征及其与气象条件的关系

2014年6月1日~7月2日在黄土岭、马坡岭采样点采集PM10、PM2.5样本,研究PM10、PM2.5质量浓度的时空分布特征,并分析其与气温、风速、相对湿度、气压和降水的相关性。结果表明,黄土岭、马坡岭PM10平均日均浓度分别为108.37、91.00μg/m3,日均浓度超标率分别为25.00%、18.75%;PM2.5平均日均浓度分别为73.48、65.09μg/m3,日均浓度超标率分别为31.25%、34.38%。长沙市PM2.5污染比PM10严重。6月12~16日PM10、PM2.5污染最严重,出现了灰霾天气。PM2.5和PM10质量浓度呈显著正相关;PM10、PM2.5质量浓度与气温、风速、气压呈正相关,与相对湿度呈显著负相关,与降水量呈弱负相关。     

济宁市大气中PM2.5与PM10变化特征分析

通过分析山东济宁兖州气溶胶质量浓度观测系统2015年4月采集到的PM2.5和PM10逐小时数据,发现PM10浓度比PM2.5浓度整体变化趋势一致,但PM10浓度比PM2.5浓度波动范围更大;分析2015年PM2.5与PM10逐日数据,结果表明,PM2.5浓度与PM10浓度呈显著线性相关,线性回归方程为y=1.4815x+24.176,R2=0.8239,相关系数为0.9077。     

营口地区秋冬季PM2.5变化特征及其与能见度的关系

本文选用营口市气象观测站采集的PM2.5质量浓度数据和能见度数据,分析2015—2017年秋、冬季PM2.5的变化特征及其与能见度之间的关系。结果表明,营口地区冬季PM2.5浓度较秋季偏高,PM2.5浓度从9月开始增高,12月达到最大值,随后开始降低;秋、冬季PM2.5的日变化特征大致相同,夜间偏高且趋于稳定,白天较低,7:00—8:00开始下降,于14:00—15:00达到最低值,随后逐渐升高。PM2.5浓度和能见度之间成负相关,在不同相对湿度下能见度和PM2.5浓度相关性较好,相对湿度为70%～80%时相关性最好。     

哈尔滨供暖期间PM2.5污染状况及其与气象因子的相关性分析

[目的]研究哈尔滨供暖期间PM25污染状况及其与气象因子的相关性.[方法]针对北方城市哈尔滨冬季供暖期和非供暖期PM25和PM10的浓度变化特征以及供暖期间PM2.5浓度与气象因子的相关性进行分析.[结果]2014年全年空气质量在二级以上达标的天数为244d,未这标天数占33％;供暖期PM2 5和PM10的质量浓度显著高于非供暖期,平均值分别是非供暖期的3.34和2.49倍,且11月份浓度值达到最高;供暖期间的首要污染物质为PM2.5,非供暖期间首要污染物质为PM10;供暖期间PM2.5在PM10中的比重也高于非供暖期;PM25质量浓度与日均气温呈显著的正相关关系,与日最大能见度呈显著的负相关关系,与日均气压、日均风速和总辐射存在不显著的负相关关系,与日均湿度、总云量存在不显著的正相关关系.[结论]该研究为空气质量预报、大气污染防治和农业生产技术更新提供理论依据.     

云和县PM_(2.5)浓度变化特征分析

利用云和县环保局城区环境监测站点2014年1月至2015年6月PM2.5逐时数据,以探究PM2.5浓度的气候分布特征。结果显示:PM2.5逐小时浓度日变化曲线为单峰分布,峰值出现在北京时间7:00—9:00;春节等特大节假日PM2.5浓度值与燃放烟花爆竹等人为活动关系密切;PM2.5月平均浓度呈现波峰波谷分布,浓度值在冬季最大然后降低并在7—9月达到全年最低,秋季开始增大并在冬季达到最大。秋冬季节日平均浓度变化存在12 d左右的变化周期;冬季PM2.5日平均浓度变化幅度大于其他季节。     

自贡市PM2.5浓度时空特征分析

基于四川省自贡市2014—2018年逐日平均国控站点空气质量监测数据,对自贡市PM2.5浓度时间和空间变化特征进行多尺度分析。结果表明,自贡市PM2.5浓度逐小时变化趋势主要与人类活动规律及太阳照射时间有关;逐日PM2.5的浓度达到国家空气质量标准天数比率为73.5%,其中一级标准的天数比率为27.5%;PM2.5浓度大值期主要在1、2和12月;且呈春秋冬季高、夏季低的分布特征,冬季超标天数占比高达69.02%;PM2.5浓度空间分布特征不仅受监测点位及地形、气候、城市结构等的影响,还与风向及周围其他城市污染源的贡献密切相关,整体表现为工业生产总值高、交通运输频繁、人口较为密集的大安区、高新区和贡井区PM2.5浓度水平较高。     

洛阳城区PM10、PM2.5质量浓度时空变化特征及其与气象因子的关系

利用2017—2019年洛阳市7个国控空气质量监测站的大气颗粒物PM_(10)、PM_(2.5)的质量浓度监测数据,研究洛阳市城区大气颗粒物浓度的时空变化特征及气象因素对其的影响。结果表明,2017—2019年洛阳市城区环境空气污染总体状况呈先降后增的趋势,其中,2018年空气质量整体状况最好,重度及以上的污染天数占全年有效天数的比例最低;2019年污染总天数相较于2017年减少10 d,但相较于2018年增加31 d;空气质量整体情况PM_(10)和PM_(2.5)浓度月均值变化基本一致,浓度变化均呈U形分布;PM_(10)和PM_(2.5)质量浓度变化具有明显的季节性特征,冬季其质量浓度最高,春季和秋季次之,夏季最低;各国控站点的PM_(10)、PM_(2.5)质量浓度同样显示冬季高,春、秋季次之,夏季低,大气污染状况整体呈西北高、东南低的分布特征;气象因子分析表明,ρ(PM2.5)、ρ(PM10)与温度均呈显著负相关;相对湿度与PM10的质量浓度呈负相关,但与PM2.5的质量浓度呈正相关,在相对湿度为60%～70%时,PM2.5的质量浓度较大;PM_(10)、PM_(2.5)的质量浓度在风向为南风、东南偏南风、西南偏南风、西南偏西风时较小。2017—2019年洛阳市空气污染状况变化与地形、气象条件、城市化建设均有一定的关系。     

PM2.5与空气相对湿度间关系浅析

通过对常州市2015—2016年PM2.5连续观测发现,PM2.5浓度的变化与空气含水量密切相关,运用比较法,简单说明常州市PM2.5与空气相对湿度间的变化关系,这为降低空气PM2.5的含量提供思路,为相关研究提供技术支持。     

常州市PM2.5气候统计

通过对常州市2015—2016年PM2.5浓度值资料统计分析,基本掌握了常州市PM2.5浓度值的基本态势,总结出常州市PM2.5浓度年、季、月、日、时基本变化规律。为区域环境保护工作,环境科学研究提供技术数据支持。     

森林植被对信阳市城郊PM2.5等颗粒物污染的影响

选择森林植被盖度存在明显差异的信阳市中心城区-近郊区-远郊区分别设立监测点开展大气颗粒物污染同步定位观测,比较分析了3个监测点TSP、PM10、PM2.5和PM1等4种粒径颗粒物质量浓度日变化和季节变化特征及其影响因素。结果表明,3个监测点4种颗粒物质量浓度日变化特征基本一致,峰值和最低值出现的时间基本同步。上午颗粒物污染比下午严重。3个监测点的颗粒物污染均表现为夏季最轻,秋季次之,冬季污染最严重。森林植被具有强大的削减PM2.5等颗粒物污染的功能,监测点颗粒物质量浓度与森林植被盖度呈负相关。在日变化和季节变化中,森林植被盖度最高的生态站监测点4种颗粒物质量浓度均明显低于其他2个监测点;同样,森林植被盖度较高的浉河景观带监测点4种颗粒物质量浓度均明显低于缺林少绿的体彩广场监测点。影响颗粒物污染的主要气象因子是气温和气压。PM2.5等4种颗粒物质量浓度与日均气温均呈极显著负相关,与日均气压均呈极显著正相关。     

吉林地区一次沙尘暴天气PM10和PM2.5特征分析

利用吉林市空气质量监测小时数据资料和常规气象资料,对吉林地区2017年5月5—7日一次沙城暴天气中PM10和PM2.5变化进行了分析和比对。结果表明:5—7日沙尘暴天气过程中,AQI的主要贡献者是PM10。这表明在沙尘暴天气里,沙尘颗粒是一种重要的大气污染源,对大气中可吸入颗粒PM10的浓度产生很大的影响;5月6日沙尘暴天气PM10质量浓度呈单峰值趋势,PM2.5质量浓度呈双峰值趋势;PM10质量浓度和PM2.5质量浓度变化与风速、湿度等气象要素具有良好的相关性;在这场沙尘暴中所带来的沙尘颗粒是一种重要的大气污染源,对大气中可吸入颗粒PM10的浓度产生很大的影响,PM2.5质量浓度是次要影响。     

常州市PM2.5与风向风速关系分析

PM2.5的浓度的变化与风向、风速的变化密切相关,通过对常州市2015—2016年PM2.5浓度与风向风速变化相关性分析,基本掌握了常州市不同空气质量级别与风向风速的对应关系,为城市环境保护规划,相关技术研究提供参考和借鉴。     

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。     

道路景观绿化林带对空气颗粒物浓度的影响

【目的】掌握道路景观绿化林带对空气颗粒污染物的影响,在成都驿都大道道路景观绿化林带,开展了TSP(空气总悬浮颗粒物)、PM10(粒径在10μm以下的颗粒物)、PM2.5(粒径在2.5μm以下的颗粒物)和PM1(粒径在1μm以下的颗粒物)4种空气颗粒物浓度观测.【方法】根据实时监测数据,采用浓度和净化百分率评价法分析了道路绿化林带对空气颗粒物的影响.【结果】林带带宽10m处,仅PM10和TSP 2种空气颗粒物的日均浓度达到国家二类区域环境空气质量要求的,分别为(132.0±1.2)μg/m3和(289.2±0.7)μg/m3;30 m林带带宽处的PM2.5,PM10和TSP 3种空气颗粒物的日均浓度分别为(72.3±0.5)μg/m3,(120.9±0.4)μg/m3和(268.9±0.4)μg/m3,均达到了国家二类区域的环境空气质量要求标准;道路景观绿化林带对PM1和PM2.5的净化率峰谷时间出现在15∶00~17∶00,PM10出现在13∶00~15∶00,TSP出现在11∶00~13∶00.【结论】道路景观绿化林带对空气颗粒物有消减作用;净化率随着绿化林带带宽的增加而加大;林带相同带宽处,林带对空气颗粒物的净化率随颗粒物粒径的增大而增加.     

北京地区城市绿地内不同空气颗粒物质量浓度时间变化特征及相关性分析

【目的】为更好掌握北京地区空气颗粒物污染的长期变化特征。【方法】利用城市绿地内在线环境颗粒物监测仪从2015年1月1日—2018年12月31日实时监测的ρ(PM_(10))、ρ(PM_(2.5))和ρ(PM_1)数据,对北京地区2015—2018年空气颗粒物质量浓度的时间变化特征进行分析。【结果】北京地区2015—2018年ρ(PM_(10))、ρ(PM_(2.5))和ρ(PM_1)历年年均值均呈现出逐年降低的变化趋势,超标天数逐年减少;季节变化中,ρ(PM_(2.5))和ρ(PM_1)最高的均是冬季,最低的是夏季,而ρ(PM_(10))最高的是春季,其次是冬季、秋季、夏季;日变化中,三种空气颗粒物质量浓度总体日变化趋势为白天低、夜间高;相关性分析中,PM_(10)、PM_(2.5)和PM_1之间具有极显著正相关。【结论】北京地区2015—2018年空气颗粒物污染情况改善程度十分明显,空气质量显著提高。三种空气颗粒物质量浓度夜间高于白天,他们间具有极显著正相关。     

我国雾霾天气气候特征及影响因素分析

根据2013年我国部分城市夏季、秋季、冬季的细颗粒物(PM2.5)质量浓度数据,基于半变异函数理论,利用克里格插值方法对雾霾天气各类主要大气污染物进行空间特征分析,分析夏季、秋季、冬季PM2.5空气质量分指数。结果表明,6—12月,大气中的PM2.5质量分指数与能见度呈明显负相关关系,PM2.5空间浓度分布均值差异明显,我国大范围雾霾天气期间,大部分城市PM2.5浓度均严重超标。由结果可知,治理雾霾不能单纯从一方面进行治理,要采取综合治理措施。     

中国夜间灯光指数与PM2.5的时空相关性分析

运用夜间灯光指数表征城市化水平,进而探索城市化进程对PM2.5污染的影响机制,分析二者的时空关系。结果表明,2000年中国夜间灯光指数为7.49%,2010年增长至11.05%,2015年增长至16.21%,夜间灯光指数呈快速增长趋势;2000年PM2.5质量浓度为32.10μg/m3,2010年增长至37.54μg/m3,2015年为37.44μg/m3,PM2.5质量浓度与夜间灯光指数增长趋势保持一致。基于405个城市区域统计数据,2000年夜间灯光指数为22.48%,2010年增长至48.11%,2015年增长至62.78%,增长率为179.27%,是全国的1.54倍;2000年PM2.5质量浓度为28.99μg/m3,2010年增长至53.51μg/m3,2015年增长至58.53μg/m3,增长率为101.90%,是全国平均水平的6.12倍。城市区域夜间灯光指数和PM2.5污染的增长均显著高于非城市区域,二者呈显著正相关(R2=0.582 8)。研究表明中国城市化进程,尤其是粗放式经济发展对城市空气污染的影响巨大,直接加剧了PM2.5污染。     

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。     

重庆市地区道路PM10/PM2.5浓度分布特征研究

采用单点监测、水平分布监测和垂直分布监测方法考察了重庆市城区道路PM10和PM2.5的浓度分布;并结合车流量调查,探讨了交通干道PM10,PM2.5浓度分布与车流量,以及距离干道不同距离之间的关系.结果表明:重庆市主城区交通干道PM10, PM2.5质量浓度平均值分别为505.364 μg/m3和261.878μg/m3,PM10的水平分布和垂直分布有明显的规律,质量浓度随着距离的增加而减少,而PM2.5没有明显变化规律.     

西安市2006～2015年大气污染物变化特征及与气象条件的关系

采用西安市环境监测站2006~2015年大气主要污染物(SO2、NO2、PM10)的日均浓度观测资料,分析了3种大气主要污染物不同时间尺度的变化规律;同时结合西安地面气象观测资料、高空逆温强度,研究了西安市大气主要污染物(SO2、NO2、PM10)质量浓度与气象条件的关系。结果表明:2006~2015年西安市SO2年平均质量浓度呈缓慢下降趋势,NO2和PM10年平均质量浓度呈逐年缓慢上升的趋势。大气主要污染物质量浓度的季节变化一致,都是夏季低,冬季高。风速和气温与大气主要污染物浓度之间存在着明显的负相关关系,逆温强度和大气主要污染物之间存在正相关关系,降水对大气污染物有明显的清除作用。