沈阳市O_(3)与PM_(2.5)关系及污染主控因素分析

PM_(2.5)与O_(3)的协同控制是空气质量持续改善的关键所在,厘清PM_(2.5)与O_(3)的关系,识别O_(3)主控因素以及量化气象和人为排放贡献是实施二者协同控制的基础.本研究基于沈阳市大气复合立体超级站2019−2022年地面观测数据,分析PM_(2.5)和O_(3)协同关系及成因;利用逐步回归模型得到影响O_(3)变化的主控因素,并估算各气象因素对O_(3)的贡献.结果表明:①沈阳市2019−2022年夏季PM_(2.5)浓度与O_(3)浓度呈正相关,有明显的协同增长效应,其余三季均呈明显负相关.究其原因,主要是由于夏季高温和高太阳辐射条件利于大气光化学反应,促进了O_(3)、PM_(2.5)中二次无机成分〔主要是硫酸盐(SO_(4)^(2−))、硝酸盐(NO_(3)−)和铵盐(NH_(4)^(+)),简称“SNA”〕共同增长所致;而冬季高排放和高大气稳定度等气象条件利于SNA和二次有机碳(SOC)非均相生成,但弱太阳辐射和低温等条件不利于O_(3)光化学生成,加之高NO的滴定效应,使SNA和SOC浓度均与O_(3)浓度呈负相关.②在观测的相关污染物和气象因子中,过氧乙酰硝酸酯(PAN)与O_(3)浓度的关系最为密切,尤其在夏季.③气象因素中,O_(3)浓度与气温高度相关,与风速也呈正相关,而与相对湿度则在各季节均呈负相关.冬、春、秋三季PM_(2.5)均对O_(3)起抑制作用,冬季尤为突出.在高浓度O_(3)污染(O_(3)浓度>160μg/m^(3))过程中,主控因素中气温和风速的抬升促进O_(3)浓度升高,而高NO2和相对湿度(RH)则有利于降低O_(3)浓度.在2019−2022年高浓度O_(3)污染过程中,气象因素对沈阳市O_(3)浓度变化的贡献高于O_(3)前体物排放的贡献,总贡献为57μg/m^(3),对污染形成起着主导作用.

2015-2021年鄱阳湖流域主要城市PM_(2.5)和O_(3)浓度分布特征及疾病负担评估

为研究鄱阳湖流域主要城市(南昌市、九江市和上饶市)PM_(2.5)和O_(3)污染对健康的影响,本文评估了“十四五”期间实现特定浓度目标可能带来的健康效益,分析了2015-2021年各污染物的浓度变化,并运用健康影响函数(HIF)及综合暴露-反应函数(IER)对这些城市的疾病负担进行了评估.结果表明:①2015-2021年,南昌市、九江市和上饶市的PM_(2.5)年均浓度分别下降了28.57%、32.65%和34.88%,而O_(3)浓度分别上升了11.53%、8.75%和7.06%;此外,PM_(2.5)和O_(3)浓度分布呈现出明显的季节性变化.鄱阳湖流域主要城市与PM_(2.5)相关的疾病负担下降了18.42%,而与O_(3)相关的疾病负担增加了81.11%.②预测显示,“十四五”期间若实现积极目标,南昌市、九江市和上饶市的PM_(2.5)疾病负担将分别减少55.45%、59.51%和51.44%,在一般目标下将分别减少31.76%、36.43%和33.80%;O_(3)方面,预期目标实现后南昌市、九江市和上饶市的疾病负担将分别下降50.92%、40.58%和36.80%.研究显示,相较于O_(3)浓度控制目标,更为严格的PM_(2.5)浓度控制目标能够产生更显著的健康效益.

基于DSM的城市公园对PM_(2.5)和PM_(10)的消减特征研究——以南昌市人民公园为例

【目的】PM_(2.5)、PM_(10)等空气颗粒物是城市空气首要污染物,在城市空气污染中占主导地位。了解固定外源下PM_(2.5)、PM_(10)在城市绿地的消减特征,可为城市阻控空气颗粒物、缓解空气污染提供有利依据。然而目前空气颗粒物的研究大多以点测定方式量化空间结构及植被类型对空气颗粒物的影响,对固定外源污染下PM_(2.5)、PM_(10)在城市绿地空间尺度上的影响机制研究较少。【方法】研究结合DSM与地统计学,以南昌市人民公园为例,探索城市公园阻隔外源污染的空间梯度效应及空间结构类型差异。利用克里金插值法对其空间分布特征进行可视化模拟;利用Arcgis和R语言等软件分析不同空间结构PM_(2.5)、PM_(10)的浓度差异。【结果】人民公园PM_(2.5)、PM_(10)的浓度在空间分布上趋势一致,均表现为以固定外源点为核心,浓度随距离增加呈极显著梯度递减的趋势,且在中部(约距外源点150~220 m处)消减效率最高,约为全园PM_(2.5)平均消减值的7.5倍,PM_(10)平均消减值的3.8倍;PM_(2.5)、PM_(10)受多种因子影响:与空气温度、距离(主导因子)显著负相关、与相对湿度显著正相关,且PM_(2.5)、PM_(10)对不同因子响应特征存在差异;城市公园不同绿地空间结构对PM_(2.5)、PM_(10)的消减及扩散作用差异显著,受其双重影响,PM_(2.5)、PM_(10)的浓度表现为水体>广场>树林>草坪,其中PM_(2.5)受影响更显著;此外,受各因子和绿地空间结构耦合影响,部分区域PM_(2.5)、PM_(10)分布异常。【结论】以固定外源点为核心,PM_(2.5)、PM_(10)浓度随距离增加呈极显著梯度递减的趋势,且在中部消减效率最高;PM_(2.5)、PM_(10)浓度与相对湿度显著正相关,与空气温度与距离显著负相关,其中PM_(10)对距离和相对湿度响应较为明显,而PM_(2.5)受空气温度影响较大;在随距离变化基础上,不同城市绿地空间结构对PM_(2.5)、PM_(10)消减和扩散作用差异导致了局部分布差异。

北京不同类型城市森林中PM_(2.5)与O_(3)的关联性分析

大气污染的协同治理是实现经济社会高质量发展,加快生态文明建设的重要途径.PM_(2.5)和臭氧的协同治理是我国“十四五”时期大气污染防治的要求,探究北京市城市森林不同类型林内PM_(2.5)与臭氧的相关性对北京市大气污染的防治具有重要意义.本文利用北京市3个城市森林生态环境监测站测得的PM_(2.5)、O_(3)浓度数据,系统分析不同类型城市森林PM_(2.5)与O_(3)浓度相关性的差异.结果表明:①春季,中心城区、近郊湿地区、近郊浅山区森林中PM_(2.5)与O_(3)浓度呈负相关,中心城区相关性最强(r=0.178,p<0.01);夏季各区域PM_(2.5)与O_(3)浓度均呈正相关,近郊湿地区相关性最强(r=0.095,p<0.01);秋季各区域PM_(2.5)与O_(3)浓度均呈负相关,近郊浅山林区负相关性最强(r=−0.428,p<0.01);冬季近郊湿地区PM_(2.5)与O_(3)浓度呈显著正相关(r=0.061,p<0.05),但中心城区和近郊浅山林区均呈负相关.②工作日期间夜间近郊浅山林区PM_(2.5)与O_(3)浓度相关性相对较强(r=−0.147,p=0.01),其余时间中心城区相关性相对较强,相关系数在−0.14上下波动,周末期间除夜间外,近郊湿地区相关程度相对较强,相关系数在−0.08上下波动.③当PM_(2.5)浓度≤50μg/m^(3)或O_(3)浓度>50μg/m^(3)时,PM_(2.5)与O_(3)浓度呈正相关;PM_(2.5)浓度处于50~200μg/m^(3)之间或O_(3)浓度≤50μg/m^(3)时,二者负相关性相对较强.研究显示,北京市城市森林中PM_(2.5)与O_(3)相关性在季节、不同区域昼夜尺度上有所差异,且林内各区域PM_(2.5)和O_(3)浓度总体呈负相关,表明PM_(2.5)与O_(3)的相互关系受环境背景浓度值、气象要素、人类活动等多因素共同影响.

新余市森林游憩区空气负离子与PM_(2.5)动态变化规律及影响因子特征研究

为揭示江西省新余市森林游憩区空气负离子与PM_(2.5)时空分布特征、交互效应及其影响因素,对其森林环境中空气负离子和PM_(2.5)浓度时空分布特征及其与气象因子关系进行测定分析。结果显示:(1)新余市森林游憩区与城市绿地空气负离子年变化趋势总体保持一致,全年中各月份森林空气负离子浓度均显著高于城市绿地;1月、3月和4月城市绿地PM_(2.5)浓度显著高于森林,其他月份差异不明显;夏季6—8月空气负离子和PM_(2.5)浓度分别达到其全年最高值和最低值。(2)森林环境空气负离子浓度随海拔升高呈逐渐上升的趋势,PM_(2.5)含量呈先上升再下降的趋势;随距地面垂直高度的增加,林分中空气负离子浓度先下降再上升后保持不变,PM_(2.5)含量逐渐降低,距地面高10 m处林冠中层具有较高的空气负离子和较低的PM_(2.5)含量。(3)不同季节森林空气负离子与PM_(2.5)浓度均呈显著负相关,与空气气压、温度、相对湿度、风速和风向相关性各不相同。结果表明:新余市森林游憩区夏季、1000 m海拔山地、林冠层中部空气质量最优,是建设森林空气保健、疗养活动的理想场所。

2022年泰州市某区PM_(2.5)中金属元素含量测定及健康风险评价

目的分析2022年泰州市某区大气PM_(2.5)中金属元素的变化特征,评估其对人群的健康风险。方法2022年每月10—16日在监测点进行PM_(2.5)采样,采用电感耦合等离子体质谱法测定12种金属元素含量,利用富集因子(enrich factor,EF)法识别金属元素的来源,并进行人群健康风险评价。结果2022年泰州市某区大气PM_(2.5)中金属元素平均浓度由高到低为Mn>Pb>As>Se>Cr>Ni>Sb>Cd>Hg>Be>Tl,其中Al、Cd、Hg、Ni、Se、Tl浓度变化均有季节性差异(H值分别为13.932、11.817、15.836、8.423、7.876、14.316,P值圴<0.05);Cr、As、Sb、Cd等金属的EF值均>10。当人群暴露外环境时间达到3 h/d,Cr对成年男性、成年女性和儿童可能存在致癌风险;当暴露外环境中时间达到5 h/d,As对成年男性、成年女性可能存在致癌风险。结论该地区PM_(2.5)中金属元素主要来自于人为污染,季节性差异较为明显,Cr和As对人群的潜在健康风险较高,需引起重视。

改进灰狼算法优化GBDT在PM_(2.5)预测中的应用

针对灰狼算法易陷入局部最优解和全局搜索能力不足的问题,通过霍尔顿序列(Halton Sequence)搜索算法初始化狼群位置,避免灰狼算法陷入局部最优解和重复运算;引入莱维飞行和随机游动策略对灰狼算法的寻优过程进行优化,以增加算法的全局搜索能力;利用粒子群算法模拟灰狼种群得出的最佳适应度以用于惩罚项改进灰狼算法中的头狼更新策略。使用改进算法优化的梯度提升树(Gradient Boosting Decision Trees,GBDT)模型对北京市大气污染物监测数据中PM_(2.5)质量浓度进行预测,采用3种评估函数对各模型以及混合模型预测效果得分进行评估。结果显示,本文改进的灰狼算法对梯度提升树的优化效果优于其他算法,均方根误差E RMS为6.65μg/m^(3),平均绝对值误差E MA为3.20μg/m^(3),拟合优度(R^(2))为99%,比传统灰狼算法优化结果的均方根误差减少了19.19μg/m^(3),平均绝对值误差降低了10.03μg/m^(3),拟合优度增加了9百分点;与霍尔顿序列和莱维飞行改进的(Levy Flight-Halton Sequence,LHGWO)相比,改进的灰狼算法预测得分的均方根误差降低了10.39μg/m^(3),平均绝对值误差减小了6.71μg/m^(3),拟合优度提高了5百分点。研究表明了预测模型优化的有效性,为未来城市改善空气质量提供了科学依据和技术支持。

2022年南京市大气PM_(2.5)中多环芳烃污染特征及健康风险

目的了解南京市大气细颗粒物(PM_(2.5))中多环芳烃(polycyclic aromatic hydrocarbons,PAHs)污染特征,评估其健康风险。方法于2022年每月10—16日分别在江北新区和江宁区2个监测点开展PM_(2.5)和PAHs采样,分别采用称重法和高效液相色谱法测定PM_(2.5)和PAHs含量,利用健康风险评价模型评价PAHs的致癌风险。结果不同季节PM_(2.5)、PAHs和B[a]P的浓度存在差异(P<0.01),其中PM_(2.5)、PAHs浓度均是冬、春季高于夏、秋季,B[a]P浓度春季高于夏、秋季。两个监测点PAHs、B[a]P年均浓度、春季、夏季浓度的比较,差异均具有统计学意义(P<0.05),且江北新区均高于江宁区。两个监测点含量最高的多环芳烃是5环、其次是4环和6环。两个监测点3环、4环、5环、6环PAHs年均浓度均不同(P均<0.05),江北新区高于江宁区。PAHs年浓度中位数值对两个监测点人群的终生超额致癌风险均大于1.0×10^(-6)。PAHs年浓度95分位数对人群的年龄段超额致癌风险除江宁区0~2岁年龄段人群外,对其他年龄段人群的超额致癌风险均大于1×10^(-6)。结论南京市两个监测点大气PM_(2.5)中PAHs分布存在季节和地区差异,具有潜在的超额致癌风险。

中国城市PM_(2.5)污染暴露不平等及其驱动因素——基于Theil指数和LMDI分解

聚焦大气污染物PM_(2.5),对2015~2021年污染物浓度进行人口规模赋权,构建中国城市PM_(2.5)污染暴露水平指标,基于GINI系数和Theil指数测度污染暴露不平等,并按城市行政层级、省份进行差异分解;基于对数平均迪氏指数分解法(LMDI),分别对污染暴露水平、不平等程度进行驱动因素分解,探究其变化背后的社会经济因素.结果表明:中国城市PM_(2.5)污染暴露不平等总体温和,GINI系数保持在0.2以内且呈递减趋势.不同行政级别城市间未表现出污染暴露不平等,而省际差异对污染暴露不平等的贡献达68.4%;总体上能源的污染暴露乘数、政府绿色支出能耗强度是PM_(2.5)污染暴露水平的主要抑制因素,对污染暴露水平的驱动贡献超过60%.政府支出结构、支出规模、经济发展和人口因素对PM_(2.5)污染暴露起促增作用,但各因素在不同层级的城市间具有异质性;能源的污染暴露乘数、绿色支出能耗强度对不平等的动态抑制作用弱化,主要依靠能源绿色化的治污策略面临挑战.据此提出更好发挥政府作用,持续降低中国PM_(2.5)污染暴露水平,实现环境公共服务更加均等化的政策启示.

黄河流域PM_(2.5)时空分布格局及人口暴露研究

文章基于PM_(2.5)遥感反演数据和人口格网分布数据,构建人口暴露风险指数模型,采用Theil-SenMedian与MannKendall检验法,识别2000-2020年间黄河流域PM_(2.5)质量浓度值和人口暴露风险指数时间演化特征,通过空间探索工具,刻画其空间变化特征。研究结果表明:(1)PM_(2.5)质量浓度平均值为46.53μg/m^(3),研究期内呈现出“快速增长—波动变化—持续下降”的态势。PM_(2.5)污染不同等级面积比例变化明显,总体呈现出高浓度区域减少、低浓度区域增加的态势。(2)PM_(2.5)年均质量浓度空间上东高西低。历年PM_(2.5)年均质量浓度空间局部自相关显著。低值区域主要分布在青海、甘肃、宁夏、内蒙古等省份。高值区域集中分布在山西南部、陕西关中地区、河南中部、山东北部区域。(3)除2000年和2020年外,研究时段内均有90%以上人口暴露于PM_(2.5)年均质量浓度35μg/m^(3)限值以上,且高密度人口区域暴露风险等级较高。人口暴露风险极显著增加区域主要包含青海省东南部、宁夏平原地区、内蒙古西部、汾渭平原以及河南中部等地区。(4)PM_(2.5)人口暴露风险分布格局变化不显著。高等级风险区在空间上呈现片状、带状以及点状分布共存的特征,主要为黄河中下游冲积平原以及中游汾渭盆地。

基于能量代谢探讨红景清肺方对PM_(2.5)诱导小鼠肺损伤的保护作用

目的探究红景清肺方对大气细颗粒物(particulate matter 2.5,PM_(2.5))诱导小鼠肺损伤的保护作用及机制。方法40只ICR雄性小鼠,随机分为空白对照组、PM_(2.5)模型组、中药等效组、中药二倍组。中药各组预给药7 d后,除空白对照组外,各组持续2 d给予0.02 mg·μL^(-1)浓度PM_(2.5)混悬液滴鼻制备小鼠肺损伤模型。末次染毒24 h后取肺组织样本,苏木素-伊红(hematoxylin-eosin,HE)染色观察肺组织形态学变化;酶联免疫吸附法(enzyme linked immunosorbent assay,ELISA)检测三磷酸腺苷(adenosine triphosphate,ATP)和Na^(+)-K^(+)-ATP酶(Na^(+)-K^(+)-ATPase)、Ca^(2+)-Mg^(2+)-ATP酶(Ca^(2+)-Mg^(2+)-ATPase)含量;蛋白免疫印迹法(western blot)检测腺苷酸活化蛋白激酶(AMP-activatedproteinkinase,AMPK)、过氧化物酶体增殖物激活受体1α(peroxisome proliferator-activated receptor-γcoactivator 1α,PGC-1α)及线粒体转录因子A(mitochondrial transcription factor A,TFAM)蛋白表达水平;免疫组织化学法(immunohistochemistry,IHC)检测PGC-1α、TFAM、核呼吸因子1(nuclear respiratory factor-1,Nrf1)蛋白表达。结果与空白对照组比较,PM_(2.5)模型组小鼠肺组织结构病理损伤明显,肺组织中ATP、Na^(+)-K^(+)-ATP酶、Ca^(2+)-Mg^(2+)-ATP酶含量显著降低(P<0.01),AMPK、PGC-1α、TFAM蛋白表达水平及PGC-1α、Nrf1、TFAM蛋白阳性表达率明显降低(P<0.01);与PM_(2.5)模型组比较,中药各组肺组织损伤明显改善,中药二倍组中ATP含量升高(P<0.05),Na^(+)-K^(+)-ATP酶、Ca^(2+)-Mg^(2+)-ATP酶含量显著升高(P<0.01),中药等效组三者含量有上升趋势,但差异无统计学意义(P>0.05),中药各组AMPK、PGC-1α、TFAM蛋白表达水平及PGC-1α、Nrf1、TFAM蛋白阳性表达率显著升高(P<0.01)。结论红景清肺方可提高肺组织内Na^(+)-K^(+)-ATP酶、Ca^(2+)-Mg^(2+)-ATP酶活性,上调AMPK/PGC-1α信号通路蛋白水平,减轻线粒体损伤和功能障碍,促进线粒体生物合成,有效改善肺组织能量代谢,从而减轻PM_(2.5)对肺组织的损伤。

济南市大气PM_(10)、PM_(2.5)时空分布特征与城市街区形态关联分析

高密度城市空间的颗粒物浓度分布对居民健康和环境的可持续发展具有重要影响。然而,当前研究多集中在中宏观尺度,且不同季节背景对城市形态与颗粒物浓度之间定量关系的影响尚存争议。基于2021年济南市主城区65个空气质量监测站的PM_(2.5)和PM_(10)浓度实时观测数据,分析了不同季节下城市街区形态对颗粒物浓度(PM_(2.5)和PM_(10))的影响。结果表明:(1)颗粒物浓度呈双峰型日变化,且具有显著的U形逐月变化规律,PM_(2.5)呈冬季高夏季低、春秋两季居中,PM_(10)呈春季高夏季低、秋冬两季居中的季节性变化特征,且呈东南低、西北高的空间分布格局,高污染区域集中于交通和建筑密集区域,低污染区域主要分布于大型城市绿地旁。(2)城市街区形态对颗粒物的影响具有明显的季节分异性。PM_(2.5)与绿色空间指标在4个季节的相关性均十分显著,与绿地覆盖率(GCR)、绿地斑块形状指数(MSI)和绿地最大斑块指数(LPI)呈负相关性,与绿地斑块密度(PD)呈正相关,并且PM_(2.5)仅在秋冬季与建筑形态指标相关关系显著,其中建筑密度(BD)、建筑平均高度(AHV)和建筑平均体积(AV)是最具影响力的指标。PM_(10)仅在春冬两季与绿色空间指标显著相关,GCR和MSI产生的影响较大,并且与BD、AHV和容积率(FAR)等建筑形态指标仅在秋冬季节相关性显著。

长江中游城市群建成区绿色基础设施对PM_(2.5)的消减效应

研究城市群建成区绿色基础设施对PM_(2.5)的消减效应,有助于为城市群应对气候变化采取的可持续发展战略提供理论支撑。以长江中游城市群建成区为例,基于2000—2020年建成区面积数据、土地覆盖数据以及PM_(2.5)数据系统分析城市群PM_(2.5)浓度的时空演变特征,以林地、草地、耕地、湿地、水体等5种绿色基础设施为驱动因子,采用地理探测器模型中的因子探测与交互作用探测,探索城市群建成区绿色基础设施对PM_(2.5)浓度的削减效应。同时,结合夜间灯光数据以及约束线方法,进一步剖析城市化水平对建成区绿色基础设施的约束效应。结果表明:(1)2000—2020年期间,长江中游城市群年均PM_(2.5)浓度在时序上呈现先升后降的“倒U型”趋势,在空间上呈现由西北向东南级差化递减的分异特征。(2)2000—2020年期间,长江中游城市群建成区绿色基础设施对PM_(2.5)存在削减效应,但历年削减率均不超过4%,其中扩张区的削减效应显著高于老城区。(3)因子探测结果表明,长江中游城市群各绿色基础设施因子对PM_(2.5)浓度的解释力在老城区总体呈现出林地>草地>耕地>湿地、水体的规律,而在扩张区呈现出林地>草地>耕地、水体>湿地的规律;交互作用探测结果表明,林地与湿地、林地与草地、林地与水体是削减PM_(2.5)浓度较为显著的交互组合,其交互解释力在老城区与扩张区均达到0.5以上。(4)长江中游城市群建成区绿色基础设施对PM_(2.5)浓度的削减效应受到城市化水平约束,其约束线形态在老城区与扩张区均为指数型。本研究有助于在城市群尺度为以自然为本的气候解决方案(Natural Climate Solutions, NCS)的落实提供依据。

重庆市绿色空间景观格局与PM_(2.5)浓度时空相关性

空气中的细颗粒物对人民群众身体健康产生严重威胁,探究绿色空间景观格局对PM_(2.5)浓度的影响,有助于通过调整绿色空间格局降低PM_(2.5)浓度。以重庆市1980~2020年土地利用遥感监测数据和PM_(2.5)浓度数据作为基础数据,通过景观格局指数法、空间自相关分析研究绿色空间景观格局及PM_(2.5)浓度变化特征,再通过时空地理加权回归(GTWR)模型研究绿色空间景观格局指数变化对PM_(2.5)浓度的影响及其时空异质性。结果表明:①重庆市PM_(2.5)浓度从1980年至2010年逐渐上升,2010年至今逐渐降低;同时,其空间分布具有显著聚集特征,主要显示为东部低-低聚集、西部高-高聚集的特征。②林地、草地和耕地的面积指数(TA)、斑块密度指数(PD)和斑块连接度指数(COHESION)与PM_(2.5)浓度具有显著的相关性。其中,林地面积指数呈负影响,耕地、草地面积指数呈正影响;林地、草地斑块密度指数呈正影响,耕地斑块密度指数呈负影响;林地、草地和耕地斑块连接度指数均呈负影响。③主城都市区内,草地面积指数和耕地斑块密度指数对PM_(2.5)浓度的负影响较强。渝东北三峡库区城镇群和渝东南武陵山区城镇群内,林地聚合度指数(AI)、斑块密度指数和斑块连接度指数以及耕地面积指数对PM_(2.5)浓度的影响较强。

泰山夏季O_(3)和PM_(2.5)污染特征及成因分析

华北地区是我国空气污染最严重的地区之一.泰山为华北平原最高峰,可代表华北地区背景大气的环境特征.本研究利用2021年6−8月在泰山顶的强化观测数据,开展了基于观测的化学盒子模型模拟,结合位于泰山下国控站点(泰安市监测站)同期监测数据的对比分析,探究了泰山顶夏季PM_(2.5)和O_(3)的污染特征及成因机制.结果表明:①观测期间,泰山顶NO2、SO2、CO的日均浓度均明显低于泰山下,而泰山顶O_(3)浓度相对更高.泰山顶O_(3)浓度超标天数为61 d,超标率为67.0%,最长连续超标天数达23 d;泰山顶PM_(2.5)日均浓度亦略高于泰山下.②泰山顶日间(07:00−17:00)O_(3)浓度主要来源于光化学反应,而夜间主要来源于区域传输.观测期间,泰山顶O_(3)的生成主要处于NO_(x)控制区.③随PM_(2.5)小时平均浓度的增加,其中二次无机盐(硫酸盐、硝酸盐和铵盐)浓度增加的比例大于有机物;与清洁时段(PM_(2.5)小时浓度小于35μg/m^(3)的时段)相比,PM_(2.5)污染时段(PM_(2.5)小时浓度大于35μg/m^(3)的时段)二次无机盐浓度占比增加了13.1%.④泰山顶PM_(2.5)日均浓度和O_(3)日最大8 h平均浓度(MDA8 O_(3)浓度)呈显著正相关(R=0.73,P<0.01).观测期间共发生50次PM_(2.5)和O_(3)小时浓度同步升高的现象,O_(3)浓度平均升速为(10.1±5.3)μg/(m^(3)·h),PM_(2.5)浓度平均升速为(9.5±6.4)μg/(m^(3)·h),二者同步升高的持续时间为2~14 h.PM_(2.5)和O_(3)小时浓度同步升高的过程倾向于发生在静风时段,与地面污染物向山顶输送、光化学反应、液相反应及残留层中的传输过程有关.研究显示,泰山O_(3)和PM_(2.5)污染防控需关注周边地区污染物排放及残留层传输的影响.

临汾市人为源一次PM_(2.5)排放特征及钢铁、焦化等重点行业管控对策

基于现场调研、市直部门数据获取以及统计年鉴获取活动水平数据建立了2020年临汾市1 km×1 km人为源一次PM_(2.5)排放清单,研究该市一次PM_(2.5)排放结构、空间分布及不确定性.通过与卫星遥感数据、中国多尺度排放清单模型(MEIC)和中国高分辨率碳与大气污染物排放数据库(CHRED 3.0A)研究结果对比分析,阐述该排放清单的可靠性和全面性.结果表明,临汾市PM_(2.5)的人为源一次排放总量约为26375.7 t,其中,道路扬尘源、钢铁和焦化排放占比最大,分别为33.5%、16.1%和10.1%;各区县排放构成差异化明显,其中侯马市工艺过程源占比约90%,吉县化石燃料固定燃烧源占比约70%,蒲县生物质燃烧源占比约15%,大宁县扬尘源约93%,翼城县移动源约13%;临汾市钢铁和焦化行业共排放PM_(2.5) 6916.9 t,占总排放量的26.2%,曲沃县和襄汾县占比最大,分别为69.1%和20.81%,其中钢铁行业污染物排放主要来自烧结工艺,焦化行业主要来自焦炉烟囱;临汾市PM_(2.5)排放集中在临汾盆地内7个区县,且排放强度要远高于两侧山区地形的区县,西部区县的排放强度低于临汾东部区县,其中曲沃县、侯马市及襄汾县一次PM_(2.5)排放量位居前3;各类排放源不确定性结果处于-27.1%~34.5%之间.排放总量上,本文PM_(2.5)排放量与MEIC和CHRED 3.0A差别不大(MEIC:30905 t;CHRED 3.0A:19604.3 t;本研究:26375.7 t);空间分布上,与遥感反演浓度具有较高一致性,高值均集中于临汾盆地.作为临汾一次PM_(2.5)排放的重要来源,钢铁、焦化行业应进一步加强有组织和无组织排放监控,从源头和末端对污染物的排放进行精细化管控.

汾渭平原中长期PM_(2.5)冬季目标约束下的控制情景优化分析

为研究汾渭平原在中长期PM_(2.5)冬季浓度目标约束条件下的最优控制策略及成本效益,本研究基于2015-2022年PM_(2.5)浓度监测数据,结合国内外PM_(2.5)实际改善历程,利用自下而上的计算方法,提出汾渭平原“十四五”“十五五”PM_(2.5)年均浓度目标;针对冬季污染突出的问题,建立季节贡献率方法,设计差异化的PM_(2.5)冬季浓度目标;并在此基础上结合ABaCAS-OE模型,以冬季PM_(2.5)浓度目标为第一约束条件进行最优控制情景的模拟与费效分析.结果表明:①情景3(基于2019年汾渭平原PM_(2.5)年均浓度超标比例的分类情景,该情景中PM_(2.5)年均浓度下降比例以3年为周期计算得到)对PM_(2.5)浓度改善幅度最大,在此情景下,2030年汾渭平原区域PM_(2.5)年均浓度为35μg/m^(3),较2019年下降35.2%,2032年实现所有城市达标的目标;冬季情景3(基于情景3,利用季节贡献率方法计算的汾渭平原冬季PM_(2.5)浓度目标情景)对冬季PM_(2.5)浓度改善幅度最大,2030年区域冬季PM_(2.5)浓度为58μg/m^(3),较2019年下降40.8%.②ABaCAS-OE模型模拟的最优控制情景表明,2030年冬季汾渭平原区域内NO_(x)、SO_(2)、PM_(2.5)、NH3和VOCs较2019年冬季分别减排47.0%、43.0%、34.8%、19.0%和45.0%.③最优控制情景的总减排成本为92.9×10^(8)元,改善冬季PM_(2.5)浓度将增加21.6%的避免早逝人数,并取得约553.0×10^(8)元的健康效益,效益与成本比值约6.0,说明在该区域进行冬季PM_(2.5)污染控制与达标工作可以取得的健康效益是减排成本的600%,在健康效益方面为正向收益.研究显示,汾渭平原各城市应采取分类差异化的冬季PM_(2.5)控制目标并加大减排量,且减排能取得的健康效益大于减排成本.

基于机器学习的郑州市大气PM_(2.5)与O_(3)浓度预测方法及气象因子的影响分析

近年来,我国面临着细颗粒物(PM_(2.5))污染形势依然严峻以及臭氧(O_(3))污染日益凸显的双重压力.为进一步准确预测郑州市大气PM_(2.5)与O_(3)浓度并探明气象因子的影响,本研究使用2018−2022年郑州市大气污染物和气象因子逐时数据,结合统计学单因素分析和机器学习LightGBM模型多因素分析,建立了一种基于长时间序列数据的PM_(2.5)与O_(3)浓度预测及气象因子影响分析的综合分析方法.结果表明:①训练后的LightGBM模型能够较好地预测PM_(2.5)污染,准确率达80.8%;对O_(3)污染预测的准确率为52.5%.②郑州市大气PM_(2.5)浓度与气压呈正相关,与比湿和环境温度均呈负相关;大气O_(3)8 h滑动平均浓度(O_(3)-8 h浓度)与比湿和太阳辐射均呈正相关,与气压呈负相关.③有利的气象条件可能是2021年PM_(2.5)年均浓度得到显著改善的重要因素;同时,不利的气象条件也促使2021年和2022年6月O_(3)月评价值(O_(3)日最大8 h滑动平均90百分位浓度)有所上升.研究显示,这种基于长时间序列的综合分析方法适用于大气PM_(2.5)与O_(3)浓度的气象因子影响分析,也能有效预测PM_(2.5)与O_(3)的浓度.

青藏高原城市PM_(2.5)和O_(3)污染特征及影响因素

为了解青藏高原城市空气质量现状及影响因素,利用2015~2022年20个青藏高原城市的大气环境监测站数据,分析了PM_(2.5)和O_(3)的时空分布特征、污染物之间关系及气象因素的影响.结果显示:PM_(2.5)和O_(3)浓度在高原东北部最高;较2015年,2022年PM_(2.5)浓度下降52.9%,O_(3)浓度上升4.2%;PM_(2.5)高值多出现在春夏,最高为65.2μg/m^(3);O_(3)受平流层入侵影响,春夏最高;PM_(2.5)与PM_(10)、SO_(2)、NO_(2)和CO呈明显正相关关系,O_(3)则与上述污染物呈负相关关系;PM_(2.5)与湿度、温度负相关,与风速关系不明显;O_(3)与温度和风速呈正相关.研究结果反映了青藏高原城市PM_(2.5)和O_(3)的污染特征,也提示两种污染物之间存在复杂关系.下一步还需开展源解析和污染过程模拟,以期为高原城市大气污染联防联控提供依据.

巨噬细胞在PM_(2.5)暴露肺泡气血屏障损伤过程中的作用研究

目的探究巨噬细胞在细颗粒物(fine particulate matter,PM_(2.5))暴露肺泡气血屏障损伤过程中的作用。方法将18只10周龄、体质量24~27 g的雄性BALB/C小鼠随机分为(n=6):对照组(气管滴注生理盐水)、PM_(2.5)低剂量组与PM_(2.5)高剂量组(在实验第1、4、7天气管滴注PM_(2.5)样品悬液,染毒浓度分别为1.8和16.2 mg/kg体质量),末次染毒24 h后检测PM_(2.5)暴露后小鼠肺组织病理改变、支气管肺泡灌洗液(bronchoalveolar lavage fluid,BALF)中总蛋白(total protein,TP)、乳酸脱氢酶(lactate dehydrogenase,LDH)和碱性磷酸酶(alkaline phosphatase,AKP)释放水平以及肺组织中F4/80蛋白表达水平,观察小鼠肺泡气血屏障的损伤效应及肺组织中巨噬细胞的浸润情况。以肺泡上皮细胞A549和血管内皮细胞EA.hy926构建体外肺泡气血屏障模型,结合THP-1巨噬细胞模型,将PM_(2.5)上清、巨噬细胞培养上清和PM_(2.5)-巨噬细胞培养上清分别与屏障模型孵育24 h,通过检测屏障模型跨膜电阻值(transepithelial electrical resistance,TEER)、荧光素钠透过率和屏障细胞LDH释放情况,确认PM_(2.5)暴露诱导屏障受损过程中巨噬细胞的促进作用;实时荧光定量PCR(quantitative real-time PCR,RT-qPCR)和酶联免疫吸附试验(enzyme-linked immunosorbent assay,ELISA)检测PM_(2.5)暴露后巨噬细胞炎性细胞因子肿瘤坏死因子-α(tumor necrosis factor-α,TNF-α)、白细胞介素-1β(interleukin-1β,IL-1β)、IL-6和IL-8的表达情况,探究巨噬细胞在PM_(2.5)暴露中炎性应激效应。结果PM_(2.5)暴露可引起小鼠肺组织损伤,且随染毒剂量增加,BALF中TP、LDH、AKP含量及肺组织中巨噬细胞数量随之增加,PM_(2.5)高剂量组与对照组相比具有显著差异(P<0.01)。体外肺泡气血屏障模型暴露结果显示:与150、300μg/mL PM_(2.5)上清或巨噬细胞培养上清单独作用于屏障模型相比,将150、300μg/mL PM_(2.5)-巨噬细胞培养上清暴露于屏障后,屏障TEER显著降低(P<0.01),透过率显著增加(P<0.01),且300μg/mL PM_(2.5)-巨噬细胞上清处理的组别可以明显提高上皮和内皮屏障细胞LDH的释放(P<0.01)。150、300μg/mL PM_(2.5)刺激后巨噬细胞中TNF-α、IL-1β、IL-6、IL-8表达显著增加(P<0.01)。结论巨噬细胞促进PM_(2.5)引起的肺泡气血屏障功能损伤。