海口市PM2.5和PM10来源解析

以海口市为例,研究了我国典型热带沿海城市——海口市环境空气颗粒物的污染特征和主要来源.2012年春季和冬季在海口市区4个采样点同步采集了环境空气中PM10和PM2.5样品,同时采集了多种颗粒物源样品,并使用多种仪器分析方法分析了源与受体样品的化学组成,建立了源化学成分谱.使用CMB(化学质量平衡)模型对海口市大气颗粒物进行源解析.结果表明:污染源贡献具有明显的季节特点,并存在一定的空间变化.冬季城市扬尘、机动车尾气尘、二次硫酸盐和煤烟尘是海口市PM10和PM2.5中贡献较大的源,在PM10和PM2.5中贡献率分别为23.6%、16.7%,17.5%、29.8%,13.3%、15.7%和13.0%、15.3%;春季机动车尾气尘、城市扬尘、建筑水泥尘和二次硫酸盐是海口市PM10和PM2.5中贡献较大的源,在PM10和PM2.5中贡献率分别为27.5%、35.0%,20.2%、14.9%,12.8%、6.0%和9.5%、10.5%.冬季较重的颗粒物污染可能来自于华南内陆地区的区域输送,特别是,本地排放极少的煤烟尘和二次硫酸盐受区域输送的影响更为显著.

北京大兴南海子公园PM2.5和PM10质量浓度变化特征

对北京南海子公园PM_(2.5)和PM_(10)的浓度水平进行了研究,并讨论了PM_(2.5)和PM_(10)的时间变化特征及其受气象因素的影响,分析了南海子公园空气质量浓度差异。结果表明:南海子公园PM_(2.5)和PM_(10)平均质量浓度分别为(110.22±19.19)μg·m^(-3)和(125.58±3.62)μg·m^(-3),南海子公园大气颗粒物主要是以细粒子为主,PM_(2.5)超标46.96%,PM_(10)未超标;南海子公园PM_(2.5)和PM_(10)质量浓度的日变化以夜间低,白天高为主,呈现明显的双峰型,南海子公园的PM_(2.5)和PM_(10)质量浓度变化幅度较大;从不同月份来看,南海子公园PM_(2.5)质量浓度6月最大、8月最低;温度、风和降水与PM_(2.5)和PM_(10)质量浓度呈负相关关系,湿度与PM_(2.5)和PM_(10)质量浓度呈正相关关系,大风和降雨能有效的清除颗粒物,特别是细颗粒物。

2017年上海市PM2.5和PM10变化特征及来源分析

为了解上海市大气污染状况,采用2016年12月—2017年11月PM_(2.5)和PM_(10)数据及其他大气污染物和部分气象数据,分析PM_(2.5)和PM_(10)的年内变化特征及PM_(2.5)和PM_(10)与大气污染物、温度、湿度的关系.结果表明:(1)上海市PM_(2.5)和PM_(10)春季超标个数最多,PM_(2.5)的超标率大于PM_(10);各季节及全年的PM_(2.5)和PM_(10)浓度日变化呈双峰型,城市上下班时间由于汽车尾气及人流扰动对于颗粒污染物影响很大.(2)PM_(2.5)和PM_(10)最小值出现在9、10月,最大值出现在12月;冬季PM_(2.5)和PM_(10)浓度最大,分别为50.94μg/m^3和63.46μg/m^3;春季次之;夏秋季节较低,PM_(2.5)和PM_(10)浓度的比值冬季(0.78)>夏季(0.69)>春季(0.66)>秋季(0.58).(3)上海市全年整体空气质量为良,空气质量由好到差排序为:秋季>春季>冬季>夏季.(4)PM_(2.5)和PM_(10)具有显著的相关性,SO_2、NO_2、CO与PM_(2.5)和PM_(10)存在相关性,O_3与夏季PM_(2.5)和PM_(10)以及春季PM_(10)存在显著相关性;年温度、湿度与PM_(2.5)和PM_(10)呈负相关,温度与PM_(2.5)在春季呈显著负相关,与夏季PM_(10)呈显著正相关,湿度与PM_(2.5)和PM_(10)在各季节均呈负相关.

河北省2013—2017年大气颗粒污染物PM2.5和PM10变化特征

基于2013—2017年河北省11个地级市的PM2.5和PM10质量浓度、优良天数及年降水量数据,分析了河北省大气颗粒污染物的变化特征.数据表明,河北省2013—2017年大气中PM2.5和PM10质量浓度逐年下降,大气质量整体呈改善趋势.PM2.5是PM10的主要组分和每年所占比例基本稳定在57%左右,表明PM2.5与PM10质量浓度具有很强的相关性,大气颗粒物质量浓度的变化与降水之间无明显的相关性;2014—2015年2个指标的质量浓度下降率均达到最大值,可能与2015年新《环境保护法》的颁布和一系列治理措施的实施有关.空间上,受到河北省特殊地形、经济发展方式和产业结构分布等多因素影响,河北省大气质量呈现出明显的“北优南劣”特征趋势,为确保大气环境的总体改善,还需关注除PM2.5和PM10以外的大气污染物,如近年来质量浓度逐年上涨的O3.

淮河流域PM2.5和PM10比率的时空变化

运用Theil-Sen斜率估计法和Mann-Kendall趋势检验法求出淮河流域23个监测点PM2.5与PM10的变化规律,结果表明,17个地区的空气质量有所改善。与不同气象指标的相关分析表明,空气中PM2.5、PM10的含量与降水量、湿度和温度呈负相关关系,与气压和风速呈正相关关系。夏季空气中悬浮物质含量较低,表明降雨在净化空气中起主导作用。与空气中次生气溶胶的相关分析结果表明,淮河流域空气中的悬浮物质主要来源于煤炭燃烧和交通运输。

PM2.5和PM10监测数据“倒挂”与环境温度、湿度的关系

采用赛默飞世尔FH62C14型和5030 SHARP型在线监测仪分别对环境空气中的PM10和PM2.5开展监测,统计监测数据同时记录环境温度和湿度信息,探讨PM2.5和PM10在线监测数据＂倒挂＂现象与环境温度和湿度之间的关系。结果表明,一般情况下（温度5~40℃,相对湿度30%~90%）,PM2.5和PM10在线监测数据＂倒挂＂的概率呈现出温度升高则变小,湿度升高则变大的趋势。

东海PM2.5和PM10中水溶性离子的组成与化学特性

2014年5~6月在东海海域采集PM_(2.5)和PM_(10)气溶胶样品,通过离子色谱法对样品中主要水溶性阳离子(Na^+、K^+、NH_4^+、Mg^(2+)、Ca^(2+))和阴离子(Cl^-、NO_3^-、SO_4^(2-)、MSA)的浓度进行测定,并结合相关数理统计方法探讨了其主要来源.结果表明,PM_(2.5)和PM_(10)样品中主要水溶性离子的总浓度范围分别为7.9~23.7μg/m^3和10.4~47.9μg/m^3,平均值分别为(14.9±5.8)μg/m^3和(21.3±10.7)μg/m^3.二次离子(nss-SO_4^(2-)、NO_3^-和NH_4^+)浓度最高,分别占测定离子总浓度的80.8%和73.3%,其中SO_4^(2-)和NH_4^+主要富集在细颗粒物(PM_(2.5))中,NO_3^-主要富集在粗颗粒物(PM_(10))中.富集因子及相关性分析表明K^+主要来自陆源,Mg^(2+)受海源和陆源双重输入影响.阴阳离子浓度平衡计算结果表明,细颗粒物样品呈弱碱性;粗颗粒物样品酸碱基本中和.两种样品中NH_4^+的主要结合方式均为(NH_4)_2SO_4和NH_4NO_3.来源分析结果表明,PM_(2.5)和PM_(10)样品中生源硫化物对nss-SO_4^(2-)的贡献率分别为13.7%和8.7%.根据估算的干沉降通量结果,NH_4^+对氮沉降的贡献程度小于NO_3^-.

2015—2016年安徽省PM2.5和PM10-2.5时空分布特征

为准确分析安徽省空气中致霾颗粒物(particulate matter,PM)的时空分布特点,文章对2015—2016年安徽省16个地级市环境空气监测数据PM 2.5和PM 10-2.5按周、月、季、年均值进行了统计分析及横纵对比,结果表明:2016年安徽省PM 10-2.5和PM 2.5年均质量浓度分别为24、53μg/m^3,相比上年有小幅下降,整体上未出现持续恶化的局面,同时颗粒物在不同时间尺度上表现出了星期效应、月度规律和季节特征;利用ArcGIS和SPSS等分析统计软件,基于地形地貌特征获得了安徽省颗粒污染物的空间分布格局,解析了颗粒物与其他空气质量指数的相互关系。研究结果有利于从不同时空尺度辨析安徽省大气颗粒物污染的多变特征,为长三角区域颗粒物污染联防联控提供参考。

北京地铁车厢内PM2.5和PM10污染特征研究

地铁是人们出行的重要交通方式,车厢内颗粒物污染可影响人体健康。2016年春、秋、冬季对北京地铁1号、2号、4号、10号线进行现场监测,探讨北京地铁车厢内颗粒物污染特征。研究结果表明,北京地铁车厢内PM_(2.5)平均浓度超标率为83.8%~98.7%,地铁1号线PM_(10)平均浓度超标率为59.6%。地铁车厢内PM_(2.5)和PM_(10)浓度存在工作日和周末组间显著性差异,表明客运量对车厢内颗粒物浓度有较大影响。地铁车厢内PM_(2.5)和PM_(10)浓度存在季节性差异,冬季车厢内颗粒物平均浓度最高。不同线路车厢内PM_(2.5)和PM_(10)浓度存在组间差异,地铁通风空调系统、门系统和客运量是造成其差异的主要原因。

长沙市大气颗粒物PM2.5和PM10的时空分布特征

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89.22μg·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。

露天矿卡车运输起尘时PM2.5和PM10变化规律研究

粉尘污染一直以来是露天矿的一大难题,露天煤矿起尘环节包括钻孔、爆破、采装、运输、破碎和排土等,其中运输环节是露天矿产尘的重要环节。通过对哈尔乌素露天煤矿卡车运输过程中粉尘浓度和粒径分布的监测,研究了卡车运输过程中PM2.5和PM10粉尘颗粒浓度的变化规律,得出了粉尘比例浓度中PM2.5和PM10占比。研究结果表明,PM2.5在卡车运输过程中起尘比例大约在30%,并和PM10变化规律一致,当运输车辆为重车行驶时所激起的粉尘量普遍大于空车行驶时所激起的粉尘量。

2013-2019年廊坊市PM2.5和PM10时空分布特征研究

本文基于2013-2019年廊坊市空气颗粒物PM2.5和PM10质量浓度监测数据,分析了PM2.5和PM10的时空分布特征。研究结果表明,2013-2019年廊坊市PM2.5和PM10年均浓度呈显著下降趋势,PM2.5和PM10月变化趋势呈U型曲线,整体呈冬季高、夏季低的特征。空间分布上,2016年及2019年廊坊市区及各县PM2.5和PM10污染严重,2019年PM2.5和PM10浓度较2016年呈显著下降趋势,2019年廊坊市PM2.5和PM10浓度分布整体呈北低南高特征。

杭州植物园典型城市森林内PM2.5和PM10水平梯度动态变化特征

为研究城市森林对PM2.5和PM10的吸附消减作用以及探究城市林带消减颗粒物的有效半径范围,选择紧邻交通干道玉古路的杭州植物园木犀专类园作为试验监测点,于2018年的4-5月(春季)和7-8月(夏季),在林缘向林内垂直于道路方向0 m,100 m,200 m处布设3个监测点,在春季和夏季对梯度点上PM2.5与PM10浓度的分布与变化进行监测,分析其浓度变化与绿地斑块宽度及相关气候因子之间的关系。结果表明:(1)城市森林内春季PM2.5和PM10浓度均显著高于夏季(P<0.05)。春季两种颗粒物浓度日变化总体呈下降趋势,夏季早晚偏高;春季PM2.5浓度在林内100 m处最高,PM10浓度在0 m处最高;夏季两种颗粒物浓度均为0 m处最高,200 m处最低,符合距离传播规律;(2)夏季绿地对PM2.5和PM10浓度的消减效率显著高于春季(P<0.05),且绿地对PM2.5和PM10浓度的最高消减效率均出现在夏季200 m梯度。

北京PM2.5和PM10浓度变化特征分析

本文基于Daubechies小波变换方法,对北京市PM2.5日平均浓度时间序列和PM10日平均浓度时间序列进行研究,分析它们的年变化规律和突变特性,并对PM2.5浓度和PM10浓度时间序列的年变化规律进行比较。小波变换对于研究空气污染指数时间序列的变化规律是可行和有效的,研究结果期望为北京市的大气环境治理提供决策支持。

基于大连市MODIS数据的气溶胶光学厚度与PM2.5和PM10的相关性分析

本文根据MODIS数据,利用6S模型和暗像元法反演大连地区的气溶胶光学厚度,统计各监测站的PM2.5与PM10的质量浓度,利用数学模型进行二者之间的相关分析。通过分析发现在非极端天气下,AOD和PM2.5、PM10有良好的线性关系。通过MODIS进行颗粒物监测,弥补了监测站点密度小的局限性,对环境污染监测及防治开辟了新的方法。

昆明市PM2.5和PM10质量浓度变化特征分析

根据昆明市2017年大气污染物PM2.5和PM10的监测数据,对PM2.5和PM10浓度的变化特征和PM2.5占PM10的比重以及二者的相关性进行分析。结果表明:PM2.5和PM10质量浓度冬春季明显高于夏秋季,且PM2.5冬季的浓度最高为33.25μg/m^3,PM10春季污染物浓度最高为68.24μg/m^3;PM2.5和PM10质量浓度峰值出现在上午9∶00和凌晨1∶00,谷值出现在下午16∶00和17∶00;PM2.5/PM10比值范围在0.436~0.558,冬季均值最高为0.505,表明冬季污染物中PM2.5比例高;PM2.5和PM10日均值有着非常显著的线性相关关系,相关系数方值R^2为0.853。

PM2.5和PM10对输运管道的冲蚀失效数值模拟

为比较不同类型管道输运PM2.5和PM10的特点,采用CFD数值模拟方法,以某矿选矿厂输运管道为模型,基于气固两相流理论,应用Fluent模拟了不同风速下圆管和方管内冲蚀速率大小。结果表明,PM2.5和PM10对管壁最大冲蚀速率值出现位置为圆管较分散,方管较为集中且在管道进口端;圆管管壁最大冲蚀速率及平均冲蚀速率都比方管小,方管管壁最大冲蚀速率值是圆管管壁的3～6.5倍,因此选取管型时应考虑选取圆管作为输运部件;PM2.5和PM10可分别选用风速18、12m/s圆形管道输运较佳,其最大冲蚀速率值分别为1.8×10^(-12)、1.21×10^(-12) kg/(m^2·s);管壁最大冲蚀速率变化趋势,PM2.5比PM10更加具有规律性。

晋城市冬、春季PM2.5和PM10污染水平时空分布及其与气象因子的关系

为深入了解晋城市颗粒物浓度时空分布特征,对晋城市2017年12月至2018年5月国控点、小型站和微型站PM2.5及PM10小时浓度数据进行收集整理,并进行空间插值分析和时间变化趋势分析及与气象监测数据的相关分析。结果表明:颗粒物浓度在冬、春季节具有明显差异,冬季PM10与PM2.5高值区主要位于东北部及东南小部分区域,春季PM10高值区位于城区南部区域,PM2.5高值区主要集中于城区。晋城市城区和郊区PM10与PM2.5月均浓度整体呈单峰型变化,PM10在4月份最高(157.54±5.67μg·m^-3),PM2.5在1月份最高(94.08±2.25μg·m^-3)。冬季PM2.5/PM10平均为0.57,春季平均为0.45。颗粒物小时浓度的变化呈现单峰单谷的型式,冬季PM10与PM2.5小时平均浓度最高值均出现在10时,春季均出现在09时。监测期间晋城市PM10与PM2.5的小时浓度值与相对湿度有较高的正相关性(p<0.01),与风速、风向有较高的负相关性(p<0.01),与温度和气压的相关性较低。冬季,东北至正南风向时,PM10与PM2.5的浓度普遍高于西北风向时的浓度,对晋城冬、春季国控点颗粒物浓度贡献率最高的风向风速为东南偏南风向,风速在1 m/s以内。

凯里市PM2.5和PM10污染特征分析

为研究凯里市大气中的PM2.5和PM10质量浓度特征,2013年3月至10月采用基于β射线吸收原理的双通道监测仪对凯里市区大气同步连续自动采集和测量。研究结果表明:凯里市PM2.5和PM10平均质量浓度分别为0.051mg/m3和0.102mg/m3,污染程度较轻且具有明显的季节特征;PM2.5/PM10比值平均值为0.494,PM2.5和PM10具有较高的线性相关性,其线性相关系数为0.75。

不同绿地结构对PM2.5和PM10的消减作用

为研究城市道路中不同绿地结构对PM2.5、PM10的消减作用,选择河南省信阳市城区主干道——新五大道、新七大道上不同绿地结构(乔、乔-草、灌-草、乔-灌、乔-灌-草、对照点)为试验监测点,对其PM2.5、PM10浓度进行监测、分析以及消减率的计算,结果表明,不同绿地结构内PM2.5、PM10浓度呈现出“早晚高、中午低”的日变化特征,且在08:00左右浓度达到最大。乔-灌、乔-灌-草绿地结构的PM2.5、PM10浓度显著低于其他4种绿地结构。不同绿地结构对PM2.5、PM10消减作用差异显著,对PM2.5消减作用规律为乔-灌-草﹥乔-灌、乔-草﹥灌-草、乔,对PM10消减作用规律为乔-灌-草﹥乔-灌、灌-草、乔-草﹥乔,整体上看,绿地对PM2.5消减率高于PM10。