南京市城市不同功能区PM10和PM2.1质量浓度的季节变化特征

使用Anderson-Ⅱ型9级撞击采样器测量了南京市鼓楼商业区、江北工业区、钟山风景区和宁六高速公路交通源春、夏、秋三季的大气气溶胶质量浓度。分析结果表明:南京市PM_2.1和PM₁₀的质量浓度存在明显的季节变化,秋季>春季>夏季;ρ_PM10春季为167.47 μg/m³,夏季为 85.99 μg/m³,秋季为238.99 μg/m³;ρ_PM2.1春季为59.66 μg/m³,夏季为42.80 μg/m³,秋季为100.15 μg/m³。不同季节中ρ_PM10和ρ_PM2.1均存在较好的相关性,夏季相关性最好,相关系数为0.952;秋季次之,相关系数为0.783;春季相对较差,相关系数为0.613。城市不同功能区之间ρ_PM2.1和ρ_PM10的质量浓度值差异很大,交通源>工业区>商业区>风景区。城市不同功能区的质量浓度谱分布基本一致,均为双峰型分布,峰值分别位于0.43~0.65 μm/m³和9.0~10.0 μm/m³。南京市春、夏、秋三个季节大气粒子质量浓度谱为双峰分布,粒子主要集中在0.43~3.3 μm/m³的粒径段。江北工业区ρ_PM10和ρ_PM2.1质量浓度的相关系数为0.814,略高于鼓楼商业区的0.797。     

南京市城市不同功能区PM10和PM2.1质量浓度的季节变化特征

使用Anderson-Ⅱ型9级撞击采样器测量了南京市鼓楼商业区、江北工业区、钟山风景区和宁六高速公路交通源春、夏、秋三季的大气气溶胶质量浓度。分析结果表明:南京市PM_2.1和PM₁₀的质量浓度存在明显的季节变化,秋季>春季>夏季;ρ_PM10春季为167.47 μg/m³,夏季为 85.99 μg/m³,秋季为238.99 μg/m³;ρ_PM2.1春季为59.66 μg/m³,夏季为42.80 μg/m³,秋季为100.15 μg/m³。不同季节中ρ_PM10和ρ_PM2.1均存在较好的相关性,夏季相关性最好,相关系数为0.952;秋季次之,相关系数为0.783;春季相对较差,相关系数为0.613。城市不同功能区之间ρ_PM2.1和ρ_PM10的质量浓度值差异很大,交通源>工业区>商业区>风景区。城市不同功能区的质量浓度谱分布基本一致,均为双峰型分布,峰值分别位于0.43~0.65 μm/m³和9.0~10.0 μm/m³。南京市春、夏、秋三个季节大气粒子质量浓度谱为双峰分布,粒子主要集中在0.43~3.3 μm/m³的粒径段。江北工业区ρ_PM10和ρ_PM2.1质量浓度的相关系数为0.814,略高于鼓楼商业区的0.797。     

2007和2008年夏季北京奥运馆大气PM10与PM2.5质量浓度变化特征

为了监测北京奥运主场馆附近大气颗粒物的污染状况以及评估奥运污染源减排措施对北京大气颗粒物质量浓度变化的影响,利用颗粒物在线监测仪器TEOM于2007年和2008年夏季,在奥运主场馆附近的中国科学院遥感应用研究所办公楼楼顶对大气颗粒物PM₁₀和PM_2.5进行了连续同步观测。结果表明,2007年夏季监测点附近大气PM₁₀与PM_2.5质量浓度的平均值分别为153.9和71.2μg·m^-3,而2008年夏季PM₁₀与PM_2.5质量浓度的平均值分别为85.2和52.8μg·m^-3。与奥运前一年同时段相比,奥运时段大气PM₁₀和PM_2.5的质量浓度分别下降44.5%和25.1%。对比分析奥运前后的2次典型污染过程发现,空气相对湿度的增加和偏南气流输送的共同影响易造成大气颗粒物的累积增长,而降雨的湿清除作用和偏北气流则会使大气颗粒物浓度迅速降低。在相近的气象条件下,奥运前后的污染过程中,大气细粒子的日均增长速率分别为25.1和13.9μg·m^-3·d^-1,而大气粗粒子的日均增长速率分别为20.8和2.2μg·m^-3·d^-1,奥运时段污染累积过程中大气粗、细粒子的增长速率分别显著低于和略低于奥运前同时段污染过程中颗粒物的增长速率。污染源减排措施的实施是奥运期间大气颗粒物质量浓度降低的主要原因,从控制效果来看,奥运期间实施的污染源减排措施对大气粗粒子的控制效果明显好于大气细粒子。     

降水对江浙沪PM_(2.5)的清除效率研究

为了解不同程度的降水对江浙沪地区大气PM_(2.5)的清除作用,搜集了2014—2016年该地区41个城市的降水和PM_(2.5)观测数据,通过对比2 a非降水和全时段PM_(2.5)平均浓度的差异,发现前者显著高于后者,说明降水对该地区PM_(2.5)具有清除作用。利用降水前与降水期间PM_(2.5)的浓度差异作为降水对PM_(2.5)的清除率,降水后与降水期间的浓度差异作为雨后浓度回升的增加率,分别研究了目标区域不同时期、不同降雨量以及不同降雨时长对PM_(2.5)的清除效果。结果显示:(1)与江浙沪南部地区不同的是,北部地区降水清除率与降水前浓度存在正相关,降水后浓度的增加与当地的排放量呈正相关。(2)当降水量为30 mm或者降水时长为36 h时,清除率增幅减缓,说明降水对PM_(2.5)的清除效率存在着阈值。     

德州市PM_(2.5)与PM_(10)浓度特征分析

通多对德州PM_(2.5)和PM_(10)浓度特征分析得出:德州PM_(2.5)和PM_(10)浓度年平均值分别为82.3μg/m~3和144.3μg/m~3,PM_(2.5)和PM_(10)浓度明显超过二级标准。PM_(2.5)占PM_(10)的63%,二者呈明显的正相关,相关系数为0.8695。一天内,PM_(2.5)和PM_(10)浓度呈双峰型,最大值出现在8-10时,其次出现在22时;最低值出现在17时。一年内,4~9月PM_(2.5)和PM_(10)浓度较小,8月份最小,PM_(2.5)浓度月均值为44.1μg/m~3。10~次年3月,PM_(2.5)和PM_(10)浓度较大,12月份最大,PM_(2.5)浓度月均值为201.2μg/m~3。统计发现:降水、绿色植被、水域能有效降低PM_(2.5)和PM_(10)浓度。     

合肥市PM_(2.5)对城市辐射和气温的影响

本文利用2013年2月—2014年3月安徽省合肥市地面总辐射(即向下短波辐射)、气温、地面温度、相对湿度等气象资料和PM_(2.5)浓度资料,分析了合肥地区PM_(2.5)和地面总辐射、地温和气温的关系,研究发现:(1)PM_(2.5)浓度是影响总辐射的重要人为因子,在中午无云条件下,地面总辐射与PM_(2.5)的浓度呈现较强的负相关关系,相关系数为-0.62。归一化地面总辐射和PM_(2.5)的相关系数为-0.76,在早晨和傍晚的相关系数较小。平均而言,白天无云时PM_(2.5)浓度每增加1μg·m-3,地面总辐射下降0.92 W·m-2。(2)在白天无云时,气温、地面温度和PM_(2.5)浓度有明显负相关关系,PM_(2.5)浓度对地面温度的影响远大于对气温的影响,在夏季的影响高于其它季节。气温、地温和PM_(2.5)浓度的线性拟合直线的平均斜率分别为-0.022和-0.12,相当于PM_(2.5)浓度增加10μg·m-3,地温和气温分别平均下降0.22℃和1.2℃。(3)在天气尺度上,PM_(2.5)浓度对总辐射、气温和地面温度有非常明显的影响,在2013年9月清洁个例和2013年12月的污染个例中,PM_(2.5)浓度每增加1μg·m-3,将引起总辐射下降1.8 W·m-2和0.5 W·m-2,地温下降0.11℃和0.02℃,气温下降0.03℃和0.01℃,因此在天气预报过程中也需要考虑空气污染状况。     

武汉市源成分谱特征研究

通过采集武汉市土壤风沙尘、建筑水泥尘、城市扬尘、餐饮源、生物质燃烧源、工业煤烟尘和电厂煤烟尘等7类源样品,并分析其碳组分、水溶性离子组分和无机元素组分,建立PM₁₀和PM_2.5源成分谱.研究表明,地壳元素Si、Ca、Al以及Fe等是土壤风沙尘的主要特征组分,其中Si是含量最高的成分,也是土壤风沙尘的标识组分.无组织建筑水泥尘中Si和Ca元素含量较高,将Ca元素作为无组织建筑水泥尘区别其他源类的重要元素,而有组织建筑水泥尘中OC、SO₄^2-含量比无组织建筑水泥尘高.城市扬尘中Ca的含量相对较高,表明城市扬尘受到建筑水泥尘影响较多.生物质燃烧源成分谱中OC的含量远高于成分谱中其他组分,另外Cl^-和K的平均含量也较高,K一般为生物质源的特征元素.     

长三角地区城市O_3和PM_(2.5)污染特征及影响因素分析

O_3和PM_(2.5)是影响长三角地区空气质量的主要污染物。利用2016年33个城市大气环境监测站6项污染物的小时浓度及4个省会城市的气象数据进行统计分析,研究了该地区O_3和PM_(2.5)浓度的时空分布特征及其影响因素。结果表明:长三角地区O_3年平均浓度为50～73μg·m~(-3),平均为61μg·m~(-3);除芜湖和宣城外,其余31城市均存在不同程度的超标状况,超标率为0.34%～18.86%,平均为5.68%。O_3在5月和9月达到浓度高值;四季O_3日变化均呈单峰型,峰值出现在15∶00,夏季O_3峰值浓度最高值为157μg·m~(-3)。O_3浓度沿海城市整体高于内陆城市;夏季宿迁—淮安—滁州片区O_3污染较重。O_3与NO_2、CO显著负相关,且与NO_2相关性较强;O_3与气温、日照时数显著正相关,与相对湿度、降水呈负相关。PM_(2.5)年平均浓度在25～62μg·m~(-3)范围内,平均为49μg·m~(-3);各城市均出现PM_(2.5)超标,滁州PM_(2.5)超标率最大,为23.91%。PM_(2.5)在3月和12、1月达到浓度峰值;其日变化呈双峰型,09∶00—10∶00和22∶00—23∶00达到峰值。冬季徐州PM_(2.5)浓度最高,为102μg·m~(-3)。PM_(2.5)与NO_2、CO、SO_2、PM_(10)显著正相关,与气温、风速、降水负相关。     

日照市区PM10污染物特征及其与气象要素的关系

对2002年1月1日-2002年12月31日日照市环境监测中心提供的PM₁₀(可吸入颗粒物)日平均浓度资料和对应时段的日照市地面气象资料做了深入的分析,揭示了污染物PM₁₀变化特征及其随气象要素的变化规律。同时分析了主要污染物PM₁₀与地面风速、风向间的相关关系,发现日照市大于等于3级的PM₁₀污染日均出现在1-4月,地面风速对污染物PM₁₀浓度有一定影响,当地面风速超过5m/s时,3级及以上污染日很少出现,当地面风速超过6.5m/s时,随着风速的提高,污染物浓度呈下降趋势。污染物浓度呈明显的季节变化,冬、春季节明显高于夏、秋季节。     

湖北省PM2.5质量浓度遥感估算与时空分布特征

针对地面站点稀疏不足以提供高空间覆盖、高空间分辨率的面域PM_2.5数据支撑区域细颗粒物污染防治的问题,以湖北地区2015-2017年的MODIS卫星遥感气溶胶光学厚度（AOD）产品数据为主预测量,结合温度、湿度、风速、压强等气象参数和植被指数数据等辅助预测量,建立了AOD-PM_2.5关系逐日变化的线性混合效应（LME）模型,用于估算湖北地区的PM_2.5浓度水平.利用十折交叉验证方法进行了模型精度评估.结果表明：1）2015-2017年的交叉验证R²分别达到0.89、0.85和0.88,利用MODIS AOD数据反演近地面PM_2.5质量浓度的线性混合效应模型能很好地用于区域细颗粒物遥感监测;2）省内PM_2.5质量浓度空间差异显著,鄂东、鄂南和鄂北高,鄂西北和鄂东南低;3）全省PM_2.5估算时空数据年均值呈下降态势,分别为65.6±39.8、57.1±34.1和48.1±28.3 μg/m³,各市除随州、咸宁2016、2017年年均值持平外,都呈下降趋势.     

利用多源数据建立GA-BP算法模型估算PM2.5的研究

利用MODIS AOD(Aerosol Optical Depth)3 km分辨率的L2产品并辅以地面气象测量站点和环保监测站点的逐小时数据,对2017-2018年南京地面各站点进行数据匹配,分析估算PM2.5的各相关组合因子,然后利用GA-BP神经网络算法构建卫星数据辅以地面气象数据来估算PM2.5质量浓度的机器学习...     

The statistical characters of PM10 in Belgrade area

The concentrations of air pollutants depend on meteorological conditions and pollutant emission level. From the statistical properties of air pollutants the number of times the daily average concentrations exceed the assigned air quality standard (AQS) can be estimated, as well as the level of reduction of particle matter emission sources required to meet the AQS. In this paper three statistical distributions (lognormal, Weibull and type V Pearson distribution) were used to fit the complete set of PM₁₀ data for the Belgrade urban area during a three-year period (2003–2005). The method of moments and the method of least squares were both used to estimate the parameters of the three theoretical distributions. The type V Pearson distribution represented the PM₁₀ daily average concentration most closely. However, the parent distributions sometimes diverged in predicting a high PM₁₀ concentration and therefore asymptotic distributions of extreme values were used to fit the high PM₁₀ concentration distribution more correctly. This method can successfully predict the return period and exceedances over a critical concentration in succeeding years. The estimated emission source reduction of PM₁₀ to meet the assigned standard varied from 53% to 63% in the Belgrade urban area. The results provide useful information for air quality management and could be used to examine the similarities and differences among air pollution types in diverse areas.     

兰州春季沙尘过程PM10输送路径及其潜在源区

将2001-2008年分为沙尘天气相对多年和相对少年,计算兰州市春季逐日4个时次的4 d气团后向轨迹。通过聚类分析得到春季到达兰州市区的主要气团轨迹组,结合可吸入颗粒物PM₁₀日均质量浓度资料,通过计算潜在源贡献因子PSCF(potential source contribution function)和浓度权重轨迹CWT(concentration-weighted trajectory),得到影响兰州市春季PM₁₀质量浓度的潜在源区以及不同源区对兰州市春季PM₁₀质量浓度贡献的差异。结果表明,在沙尘天气相对多年,西路径和西北路径发生比例最高,分别占总轨迹的33%和19.4%,其中有50%以上为污染轨迹,是造成兰州市春季高质量浓度PM₁₀污染的主要输送路径。沙尘天气相对少年的主要输送路径是西路径,其次是北路径,分别占23.6%和18%。影响兰州市春季大气PM₁₀质量浓度的潜在源区分布在新疆塔里木盆地、吐鲁番盆地、青海柴达木盆地、甘肃河西走廊、内蒙古中部和西部的沙漠戈壁地区。     

利用FY-4A卫星光学数据对中国近地面PM2.5浓度的估算和检验分析

对FY-4A卫星的气溶胶光学厚度（AOD）产品进行检验,并根据卫星相关观测资料,通过改进后的PMRS方法,反演得到中国近地面PM_2.5质量浓度网格化分布。结果表明,FY-4A卫星反演不同站点AOD与地基观测网（AERONET）观测结果吻合较好,但存在一定的低估或高估现象,相关系数区间为0.54—0.87。将细粒子比（FMF）以0.4为界进行划分,FMF＞0.4时,拟合结果较FMF≤0.4时更接近于AERONET观测结果;但FMF≤0.4时,卫星反演的AOD稳定性优于FMF＞0.4时。通过引入AOD的大小,改进FMF＞0.4时对细粒子柱状体积消光比（VE_f）的估算算法,并通过改进后的PMRS方法对中国近地面PM_2.5浓度进行逐时反演,其反演结果和地面观测结果相关较好,其中,乌鲁木齐、石家庄和徐州观测点的相关系数均高于0.7,但数值上仍存在高估或低估,误差结果由多种因素决定。空间分布中,卫星反演的中国2019年近地面PM_2.5浓度月均值与近地面观测的结果有较好的对应关系,二者逐月演变趋势基本一致,基本可以反映出中国近地面大气细粒子的空间分布,特别是秋、冬季京津冀周边区域、汾渭平原等污染高值区均与地面观测对应较好。      

Origin and source regions of PM10 in the Eastern Mediterranean atmosphere

A set of daily PM₁₀ (n = 281) samples collected from April 2001 to April 2002 at a rural site (Erdemli), located on the coast of the Eastern Mediterranean, were analyzed applying Mass Closure (MC), absolute principal factor analysis (APFA) and Positive Matrix Factorization (PMF) to determine source contributions. The results from the three techniques were compared to identify the similarities and differences in the sources and source contributions. Source apportionment analysis indicated that PM₁₀ were mainly originated from natural sources (sea salt + crustal ≈ 60%) whilst secondary aerosols and residual oil burning accounted for approximately 20% and 10% of the total PM₁₀ mass, respectively. Calculations for sulfate showed that on average 8% and 12% of its total concentration were originated from sea salt and biogenic emissions, respectively. However, the contribution by biogenic emissions may reach up to a maximum of ~ 40% in the summer. Potential Source Contribution Function (PSCF) analysis for identification of source regions showed that the Saharan desert was the main source area for crustal components. For secondary aerosol components the analysis revealed one source region, (i.e. the south-Eastern Black Sea), whereas for residual oil, Western Europe and the western Balkans areas were found to be the main source regions.