晋城市冬、春季PM_(2.5)和PM_(10)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PM_(2.5)及PM_(10)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PM_(10)与PM_(2.5)高值区主要位于东北部及东南小部分区域,春季PM_(10)高值区位于城区南部区域,PM_(2.5)高值区主要集中于城区。晋城市城区和郊区PM_(10)与PM_(2.5)月均浓度整体呈单峰型变化,PM_(10)在4月份最高(157.54±5.67μg·m~(-3)),PM_(2.5)在1月份最高(94.08±2.25μg·m~(-3))。冬季PM_(2.5)/PM_(10)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PM_(10)与PM_(2.5)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PM_(10)与PM_(2.5)的小时浓度值与相对湿度有较高的正相关性(p0.01),与风速、风向有较高的负相关性(p0.01),与温度和气压的相关性较低。冬季,东北至正南风向时,PM_(10)与PM_(2.5)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。     

黄石市大气PM10和PM2.5质量浓度特征研究

利用2015年黄石市5个监测站点可吸入颗粒物(PM10)和细颗粒物(PM2.5)的在线监测数据和风向、风速、气温、气压等常规地面气象要素观测资料,分析了黄石市大气PM10和PM2.5的质量浓度水平分布特征及其与气象参数的关系。结果表明:2015年黄石市5个监测站点大气PM10和PM2.5年均浓度范围分别为95.8—108.6μg·m^-3和64.3—68.9μg·m^-3,均超过国家二级标准;季均质量浓度呈现显著的冬季高夏季低的变化规律,冬季PM10和PM2.5的质量浓度分别为(143.9±62.2)μg·m^-3和(95.5±44.5)μg·m^-3,夏季PM10和PM2.5的质量浓度分别为(75.2±24.0)μg·m^-3和(50.7±17.3)μg·m^-3。5个监测站中,下陆区、西塞山区和铁山区的PM10和PM2.5颗粒物污染较为严重;各站点大气PM10和PM2.5质量浓度显著相关。大气颗粒物浓度与气象因素的分析显示,黄石市大气颗粒物浓度与气温呈显著的负相关关系,与气压呈正相关关系,与风速和相对湿度的相关性不显著,受风向影响变化较大。     

福州市PM2.5、PM2.5/PM10分布特征及与气象条件关系的初步分析

利用福州市PM2.5、PM10和气象资料,分析PM2.5、PM2.5/PM10的分布特征及与气象条件的关系。结果表明:福州市细粒子污染程度较轻,春季PM2.5和PM2.5/PM10值均是四季中最高的,其次是冬季,夏季最低;影响PM2.5浓度出现高值的天气系统有:暖区辐合与高空槽前、大陆高压后部和暖区降水三种系统,其中暖区降水天气形势下的PM2.5平均浓度最高,超标率为25.5%;影响PM2.5浓度出现低值的天气系统有:冷高压脊、高压底部和高空槽后,副热带高压及边缘,台风(热带辐合带)及外围系统,在后两种天气系统影响下的PM2.5平均浓度最低,超标率为0;剔除因降水、雾等低能见度个例,PM2.5浓度与能见度的相关系数为-0.626,冬春季的相关系数是夏秋季的1.4倍;PM2.5浓度与单一气象要素(如温度、相对湿度、风速等)相关性不明显,但不同季节、不同气象要素变化的组合对PM2.5浓度有直接影响。      

乌鲁木齐市PM10,PM2.5和PM1.0浓度及分布变化特征研究

利用GRIMM180气溶胶粒谱分析仪采集乌鲁木齐市PM10、PM2.5和PM1.0数据,研究表明:乌鲁木齐市气溶胶颗粒物质量浓度在进入采暖季后急剧增加,冬季颗粒物中细粒子含量最高,PM2.5/PM10可达77.6%,PM2.5/PM10,PM1.0/PM10,PM1.0/PM2.5三比值体现了颗粒物的分布特征,四季污染程度越高,细粒子含量越高。四季无降水日PM10、PM2.5、PM1.0的质量浓度和分布的日变化基本呈三峰三谷型,出现早—午—晚峰值,上午—下午—午夜后谷值,各季节峰谷值具体出现时间略有差别,由于冬季逆温层顶盖等因素的影响,冬季质量浓度和分布的日变化在此基础上多了两次波动。降水的发生对冬、春季质量浓度的影响大于夏、秋季,对不同粒径段粒子的分布影响有一定差别。     

济南PM2.5质量浓度与气象条件相关性初步研究

通过对济南2013年12月—2018年2月PM2.5质量浓度数据分析得出,PM2.5质量浓度平均和最大值均为冬季最高,春秋季次之,夏季最低;PM2.5质量浓度值1月和12月最高,8月最低;其质量浓度呈明显的逐年递减趋势。在不同风向上PM2.5质量浓度存在显著差异性,在N风向和ESE(盛行)风向上均出现了质量浓度较大值,一方面与污染物的异地输送有关,另一方面与济南的特殊地形有关。研究表明,无论污染源在山脉的背风侧还是迎风侧,都很容易导致高浓度污染;尤其在冬季,山脉地形还会加重逆温影响,使污染程度加重。通过相关性研究发现,冬季、春季和秋季,PM2.5质量浓度与相对湿度和平均总云量均呈正相关,与日照时数及其距平呈负相关;冬季,PM2.5质量浓度与平均气温及其距平以及最高、最低气温均呈正相关,与平均、最高、最低气压均呈负相关;春季和秋季,PM2.5质量浓度与气温距平值呈正相关;夏季和秋季,PM2.5质量浓度与日降水量呈负相关,而且随着雨强的增大,对PM2.5的洗消作用越显著。上述变量间相关性均通过了P≤0.01显著性检验。     

2013年济南市大气能见度与相对湿度和PM10、PM2.5的关系

对济南市2013年1—12月的能见度、相对湿度、PM10及PM2.5逐时监测数据分析,结果表明：能见度、相对湿度、PM10和PM2.5浓度有明显的月变化和日变化规律。在各项污染物中,能见度与颗粒物的相关性最高,与PM10的相关系数为-0.6718,与PM2.5的相关系数为-0.7422;在气象因子中,与相对湿度的相关性最高,相关系数为-0.6501。不同季节条件下,能见度与PM2.5的相关性明显优于PM10的,冬季能见度与颗粒物的相关性明显优于其他季节的。     

2015年上海崇明岛PM2.5和PM10浓度变化特征 及气象因素影响分析

通过对2015年1—12月上海崇明岛崇南地区颗粒物(PM_(2.5)、PM_(10))浓度的连续监测,研究了PM_(2.5)、PM_(10)在不同季节的动态变化特征及与其他因子(SO_2、NO_2、O_3)的相关性,分析了风向风速和降雨对颗粒物浓度的影响。结果表明:崇明岛PM_(2.5)和PM_(10)浓度的季节变化明显,呈现冬季的春季的秋季的夏季的的特征,冬季PM_(2.5)和PM_(10)小时浓度均值分别为0.058 mg/m~3和0.085 mg/m~3,夏季PM_(2.5)和PM_(10)均值分别为0.034 mg/m~3和0.054 mg/m~3。PM_(2.5)和PM_(10)浓度分别与SO_2浓度和NO_2浓度显著正相关,与O_3显著负相关。全年来看,在西南风向时PM_(2.5)和PM_(10)浓度较高,这主要受该方向上游吴淞工业区、宝钢、石洞口电厂、罗店工业区等工业排放影响;从高浓度颗粒物(PM_(2.5)质量浓度≥0.115 mg/m~3)来向看,北和西北风向时出现高浓度颗粒物的频率最高,这主要是受到我国北方采暖季大气颗粒物输送过程对崇明岛区域的脉冲式污染影响所致;PM_(2.5)、PM_(10)实时浓度与相应的风速呈显著负相关。降雨量大于5 mm或持续3 h及以上的连续降雨对大气颗粒物起到显著的湿清除作用,降雨后PM_(2.5)和PM_(10)质量浓度分别降低了68.0%和66.9%,降雨时和雨后PM_(2.5)浓度为0.025～0.033 mg/m~3,均低于我国环境空气PM_(2.5)的一级浓度限值。     

乌海市PM_（10）污染浓度与气象条件分析

乌海市PM10浓度与风速的关系明显。总体而言,PM10污染物浓度随风速的增大而增大;冬季当风速在3.1～4.0m.s-1时,PM10污染物浓度低。PM10浓度与地面风向的关系：春季偏西风时PM10污染浓度最高,偏北风时污染浓度最低;冬季东南风时污染浓度最高,西北风时污染浓度最低。PM10浓度与空气湿度的关系：冬季PM10污染浓度值随湿度的增加而增加,正相关比较明显。春季当空气湿度越小,出现重度污染的频率越高。     

高陵区PM2.5污染特征及其与气象要素的关系研究

利用高陵区2018年1月1日—2020年12月31日 PM25质量浓度监测资料、空气质量指数,分析PM25的污染特征,结合气象观测资料, 通过线性相关分析定量分析不同季节PM25质量浓度与气温、相对湿度、风向风速、降水等气象要素之间相关性。结果表明：（1）近3 a来高陵区污染天气首要污染物为PM25的累计时间远超其他污染物为首要污染物的累计时间。（2）PM25平均质量浓度月变化呈明显的“U”型特征,1月最高,2月、12月次之;季节变化规律为冬春高、夏秋低,冬季最高,夏季最低。（3）PM25质量浓度日变化呈单峰单谷特征, 23时为最大峰值,17时左右为谷值,此变化趋势与气温、风速的日变化呈相反趋势,与相对湿度日变化趋势基本一致。（4）不同季节PM25质量浓度和气象要素的相关性存在差异,PM25质量浓度与风速及降水量在各个季节均呈显著负相关,与气温整体上呈负相关,与相对湿度整体呈正相关。（5）PM25质量浓度高值主导风向为偏西北风,其次是东北风,风向偏东和西南时PM25质量浓度值相对较小。     

四平市大气颗粒物浓度的变化特征

利用四平中韩沙尘暴监测站颗粒物监测仪器GRIMM180观测的2011年数浓度及ρ(PM10)、ρ(PM2.5)和ρ(PM1.0)数据及台站的常规气象观测资料,分析了该地区数浓度、质量浓度的变化特征及与气象条件的相关性。结果表明,PM2.5和PM10污染存在着明显的季节性变化,季节变化特征基本一致,表现为冬季>春季>秋季>夏季,冬季最重,夏季最轻;颗粒物质量浓度日变化呈现两峰特征,ρ(PM10)、ρ(PM2.5)和ρ(PM1.0)之间有很好的相关性,ρ(PM2.5)/ρ(PM10)的平均值为65.7%,ρ(PM1.0)/ρ(PM2.5)的平均值83.9%,ρ(PM1.0)/ρ(PM10)的平均值55.2%;四平地区年主导风向为SSW,颗粒物质量浓度变化受沙尘移动路径影响较大,采暖期间供热燃煤排放对空气质量有较大程度的影响,其中大风、浮尘等天气条件下颗粒物质量浓度值呈较大突变特性。     

郑州市气象因子对大气颗粒物浓度的影响研究

基于2015、2016年河南省环境监测中心站获取的郑州市9个监测点颗粒物浓度和逐日气象数据,对气象因素和颗粒物浓度相关性进行了研究。结果表明:郑州市大气颗粒物浓度受季节影响较强,总体呈现冬季高、夏季低的趋势。降水量与大气颗粒物浓度呈现明显的负相关。相对湿度的增高不利于PM_(2. 5)浓度的降低,而PM_(10)的浓度则随着相对湿度的增高有所降低。春夏秋三季的主要风向为东北偏东,当春季风为东南风和西风时,颗粒物浓度最低;当夏季风为东北偏东风时,颗粒物浓度最低;秋季吹东北风时,颗粒物浓度最低。冬季吹西北风(郑州冬季盛行风向)时,大气颗粒物质量浓度最低。     

桂林城区大气能见度与颗粒物浓度和气象因子关系研究

利用2015年1月至2017年6月桂林国家基本气象站能见度、相对湿度、气温、气压、降水等气象要素和PM₁₀、PM_2.5、PM_1.0颗粒物质量浓度资料,分析桂林城区大气能见度与颗粒物浓度和气象因子之间关系。结果表明：桂林城区大气能见度和PM₁₀、PM_2.5、PM_1.0呈对数关系,相关系数分别为-0.341、-0.461、-0.509,颗粒物对大气能见度影响在相对湿度为60%—70%时最为显著。在各气象因子中,大气能见度与风速的相关性最好,其次为相对湿度,与风速呈二次函数关系,与相对湿度呈幂指数关系,与温度相关性较小,与气压在秋冬季节呈正相关,相关系数冬季可达0.301,但在春、夏季节相关性不显著;利用颗粒物浓度和气象要素建立8种大气能见度非线性统计回归模型,比较后发现利用PM_1.0、风速、相对湿度、气温等因子建立的不同季节大气能见度拟合公式在实际检验中效果最优,能较好地模拟桂林地区大气能见度的变化。     

2012年库尔勒市PM10质量浓度的变化特征分析

利用南疆最大的城市库尔勒市2011年11月15日-2012年11月30日连续自动可吸入颗粒物（PM10）浓度观测数据,分析了PM10的污染状况和质量浓度变化特征。结果表明：（1）由于气象条件与人类活动的影响,PM10浓度日变化为明显的双峰型。（2）PM。。质量浓度存在明显的周内变化,周一出现最大值274．8μg·m^-3,周三出现最小值196．7μg·m^-3。（3）PM10最高月浓度出现在4月,浓度为562．1μg·m^-3;7月达到最低浓度107．4μg·m^-3;11月达到次大值219．9μg·m^-3。（4）春季PM,。浓度较高,夏季较低,总体特征为：春季〉秋季〉冬季〉夏季,四季的平均浓度均超过国家二级标准。（5）降雪过程对PM10具有明显的清除作用,沙尘天气有使PM10质量浓度迅速增加的作用。     

吐鲁番市颗粒物浓度变化特征及与气象要素的关系

依据吐鲁番市2015年3月—2016年2月的PM_(10)、PM_(2.5)和气象资料,利用统计分析,探讨吐鲁番市PM_(10)和PM_(2.5)浓度的变化特征及其与气象要素的关系。结果表明:冬季PM2.5与PM10浓度的平均值最高(106 ug/m3、184 ug/m~3),春季次之(63 ug/m~3、163 ug/m~3),夏季最低(33 ug/m~3、95ug/m~3),且冬季二者浓度的平均值比夏季分别高大约69%、48%。11月至次年2月,每个月中PM_(2.5)和PM_(10)的污染程度在轻度污染以上的天数相比其它月份较多。PM_(10)与PM_(2.5)的日变化曲线特征呈现"双峰双谷"的特点;PM_(2.5)与PM_(10)的比值在冬季达到了60%~80%,这说明吐鲁番冬季主要以PM2.5污染为主;PM_(2.5)和PM_(10)与能见度之间存在极其显著的相关性,相关系数分别为-0.904、-0.792,与单一气象要素(如相对湿度、风速、温度等)的相关性不明显,但不同气象要素的共同作用对其有显著影响。     

辽宁中部城市群可吸入颗粒物PM10和PM2.5的污染特征研究

利用2006年8月-2007年10月辽宁中部沈阳、鞍山、抚顺和本溪4城市可吸入颗粒物PM10、PM2.5、PM1及同步气象因子的监测资料,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：受区域天气系统的影响,4城市PM10和PM2.5的日平均浓度变化趋势基本一致,具有区域分布特征;PM10超标率冬季为最高;PM2.5日平均浓度占PM10比例夏季和冬季最大;PM10、PM2.5和PM1之间有很好的相关性;PM10与风速、温度呈负相关,PM2.5和PM1与能见度、风速、温度呈负相关,与相对湿度成正相关。     

包头市2011年春季TSP和PM10的污染特征分析

利用包头市2011年春季TSP和PM10的逐时监测数据,对二者的浓度变化及二者之间的相关性进行分析,结果表明：包头市2011年春季空气中颗粒物污染较重,沙尘天气是影响环境质量并造成大气污染的一个主要来源。在TSP含量中,PM10占主要地位,但仍有其他颗粒成分影响其总体组成。TSP和PM10呈线性相关,在沙尘灭气过程中,二者相关性更为显著。     

Pollutant dispersion characteristics in Dhaka city, Bangladesh

Air pollution is a major environmental concern in major cities around the world. The major causes of air pollution include rapid industrialization/urbanization and increased non environment-friendly energy production. This paper analyses the atmospheric pollutant such as carbon monoxide (CO) and particulate matter (PM) dispersion characteristics of Dhaka city. The yearly and diurnal variations of pollutant concentration are described by taking into consideration of both meteorological and emission source parameters highlighting washout effect due to rainfall and inversion phenomena. Concentration of PM (both PM2.5 and PM10) and CO in the ambient air are measured for a period of one year with Airmetric Minivol air samplers and Gas Chromatographic (GC) technique, respectively. The trend over the year shows an increase in the monthly average hourly PM and CO concentrations in winter months (November to March) when both PM10 and PM2.5 annual average concentrations (about 130 and 95 ??g m^?3, respectively) exhibit levels exceeding World Health Organization (WHO) guidelines as well as exceed more than twice the national standards of annual PM10 (50 ??g m^?3) and PM2.5 (15 ??g m^?3) concentrations. Such high pollutant concentrations may have significant health implications for residents of Dhaka city. It is also found that the PM concentration increases with the increase of wind speed during dry winter season and is also influenced by transboundary air pollution. The data and subsequent recommendations can be useful in formulating air quality management strategies for the Dhaka city.