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。     

荆门市冬季PM2.5传输轨迹及潜在源分析

对2015年3月至2018年2月共36个月荆门市PM2.5浓度值按月和季节作特征分析,利用HYSPLIT轨迹模型对污染最为严重的冬季进行后向48h气团轨迹模拟。结果表明：PM2.5月均浓度表现为1月最高,达到107μg/m3,7月最低,为30μg/m3,冬季平均值为92μg/m3,显著高于其它季节,并且冬季高浓度PM2.5主要与本地地面5—11m/s的偏北（N、NNE）大风伴随出现;气团轨迹分为西南、东北、西北三个路径,近地面传输的东北路径和高空传输的西南路径气团均引起PM2.5浓度升高,而西北路径气团整体上对污染物具有一定清除作用;东北路径方向的河南以及靠近荆门市的西北、西南向地区为48h的潜在源贡献大值区。在通过气象条件定性判断荆门未来的PM2.5浓度变化时,因东北路径近地面传输的特性,应关注上游潜在源区内地面站点PM2.5的浓度值;对于高空传输的西南路径,应关注高空水汽的输送情况,以及轨迹高度下降地区即水汽的沉降区是否在潜在源区;西北路径为干冷空气的高空传输,在较接近荆门时轨迹高度才开始明显下降,应关注西北方向近距离潜在源区的地面站点PM2.5的浓度值。     

苏南三市秋冬季PM2.5中水溶性离子和元素特征及源解析

2010年11月16日至12月17日在南京、常州、苏州三城市设置采样点,24 h采集大气PM_2.5样品,并测定其水溶性无机离子和元素的浓度,在此基础上讨论PM_2.5及无机组分的时空分布特征。结果表明,采样期间,PM_2.5污染较严重,且苏州最重,常州次之,南京最轻,南京、苏州、常州日均浓度分别是国家二级标准(75 μg/m³)的1.44、2.32、1.53倍;三市PM_2.5离子组分中,阴离子均以SO₄^2-和NO₃^-为主,阳离子以Ca²⁺和Mg²⁺为主;苏州Na⁺和Cl^-之间的相关性较高,其受到海盐输送影响较大;三城市PM_2.5中Ca是最主要元素,Al次之。运用主成分法分析南京、常州和苏州PM_2.5的来源可知,三城市PM_2.5受多个污染源影响,包括生物质燃烧、地表扬尘、五金工业及汽车尾气排放等。     

苏州市大气PM_(2.5)中水溶性无机离子的源解析及其气象因子分析

为了探明PM_(2.5)中水溶性无机离子的来源和气象因子对其浓度变化的影响,利用2012年2、5、8和11月苏州市PM_(2.5)中水溶性无机离子浓度和本站气象观测数据,分析了苏州市水溶性无机离子的时间变化特征,解析了当地PM_(2.5)中水溶性无机离子的主要来源,探讨了气象因素对离子组分的影响。结果表明:(1)苏州市PM_(2.5)中水溶性无机离子年均浓度大小依次为:SO_4~(2-)NO_3~-NH_4~+Na~+Cl~-K~+Ca~(2+)Mg~(2+)F~-;SO_4~(2-)、NH_4~+和NO_3~-为PM_(2.5)中最重要的3种水溶性无机离子物种,其总和占PM_(2.5)总质量浓度的50.9%。各离子的季节浓度特征均为冬季最高、夏季最低。(2)通过运用主成分分析法对苏州市PM_(2.5)中水溶性无机离子进行来源分类解析,发现第一类为二次污染源和生物质燃烧,其贡献率为32.84;第二类为道路扬尘及工业排放,其贡献率为19.99%;第三类为海盐污染,其贡献率为18.43%。(3)通过水溶性无机离子与气象条件的相关性分析发现,风向、风速和温度与水溶性无机离子浓度的相关性较显著,这三者是颗粒物浓度变化的主要影响因子。(4)利用HYSPLIT后向轨迹模式对外来污染物进入苏州市的轨迹进行聚类分析后发现:因受季风气候影响,苏州市外来污染物的输入路径存在明显的季节性变化特征,其中夏半年输送主径源自海上,冬半年主径源自内陆。     

武汉市冬季灰霾期PM2.5中水溶性无机离子的特征

2018年1月,利用颗粒物采样器采集武汉市大气PM_2.5样品并进行水溶性无机离子（F^-、Cl^-、NO₃^-、SO₄^2-、Na⁺、NH₄⁺、K⁺、Mg²⁺、Ca²⁺）的分析.结果表明,NO₃^-、SO₄^2-、NH₄⁺是PM_2.5中最主要的3种水溶性无机离子,除Mg²⁺与Ca²⁺外,PM_2.5与WSⅡs （水溶性无机离子）之间的相关性显著,且移动源贡献占主导地位.阴阳离子平衡表明武汉市冬季灰霾期PM_2.5呈中性或弱酸性.通过混合单粒子拉格朗日综合轨迹模式模拟并采用分层聚类得出了4种主要的后向气流轨迹及相应的PM_2.5和水溶性离子浓度,结果表明区域传输对此次灰霾期影响较大.     

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。     

三亚地区冬春季大气污染特征观测研究

为了研究海南省三亚地区冬春季大气污染状况,于2011年12月—2013年4月的冬春季节在三亚鹿回头村(监测点位于三亚市郊,三面临海,周围没有工业污染源)开展了大气主要污染物(NO_x、O₃、PM_2.5)的连续监测,利用观测数据对三亚地区冬春季大气污染变化特征进行分析.结果表明:三亚地区大气污染物浓度均低于国家一级标准的浓度值,NO、NO₂、NO_x、O₃、PM_2.5质量浓度的日平均值(平均值±标准差)分别为(2.1±2.2)、(5.2±3.4)、(7.3±3.8)、(59.8±28.4)和(17.5±14.3)μg·m^-3.在污染物的日变化方面,NO_x、PM_2.5呈现典型的双峰型,其峰值分别出现在08:00和17:00,峰谷在13:00;O₃的日变化为单峰型,峰值出现在13:00.通过后向轨迹分析发现,三亚地区大气污染物受局地源排放和外源输送的共同影响,来自陆地的气流易造成污染物的积累,而来自海上的气流则有利于污染物的清除.     

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。     

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。     

武汉大气能见度与PM2.5浓度及相对湿度关系的非线性分析及能见度预报

武汉作为中部地区高湿度代表城市,大气污染严重,霾天气多发,但有关该地区大气能见度与PM2.5浓度及相对湿度(RH)的定量关系尚不明确。利用2014年9月—2015年3月武汉地区逐时能见度、相对湿度及颗粒物质量浓度观测数据,研究分析了武汉大气能见度与PM2.5浓度及相对湿度的关系,并进行能见度非线性预报初探,得到以下结论:武汉霾时数发生比例高,霾的发生和加重是能见度降低的主要原因;能见度降低伴随大量细粒子产生和累积,这是武汉大气能见度恶化的重要诱因。细颗粒物浓度与相对湿度共同影响和制约大气能见度变化,高湿高浓度时能见度显著下降,湿情景下(RH≥40%),能见度恶化主要是由湿度增高诱使细颗粒物粒径吸湿增长导致其散射效率增大造成的。当RH >90%时,能见度随湿度升高成线性递减,相对湿度每升高1%,武汉平均能见度降低0.568 km。而干情景下(RH2.5质量浓度升高。在城市大气细粒子污染背景下,能见度与相对湿度成非线性关系,这主要与PM2.5对能见度的影响及吸湿性颗粒物的散射效率变化有关。PM2.5浓度与能见度成幂函数非线性关系,80%≤RH2.5浓度对能见度的影响敏感阈值是随着湿度升高而减小的,干情景下能见度10 km对应的PM2.5浓度阈值为70 μg/m3,湿情景下该阈值为18—55 μg/m3。当PM2.5质量浓度低于约40 μg/m3时,继续降低PM2.5可显著提高武汉大气能见度。预报试验表明,基于神经网络方法建立大气能见度非线性预报模型是可行的,预报能见度相关系数为0.86,均方根误差为1.9 km,能见度≤10 km的TS评分为0.92。网络模型具有较高预报性能,对霾的判别有较高准确性,为衔接区域环境气象数值预报模式,建立大气能见度精细化动力统计模型提供参考依据。      

武汉大气能见度与PM2.5浓度及相对湿度关系的非线性分析及能见度预报

武汉作为中部地区高湿度代表城市,大气污染严重,霾天气多发,但有关该地区大气能见度与PM_2.5浓度及相对湿度(RH)的定量关系尚不明确。利用2014年9月—2015年3月武汉地区逐时能见度、相对湿度及颗粒物质量浓度观测数据,研究分析了武汉大气能见度与PM_2.5浓度及相对湿度的关系,并进行能见度非线性预报初探,得到以下结论:武汉霾时数发生比例高,霾的发生和加重是能见度降低的主要原因;能见度降低伴随大量细粒子产生和累积,这是武汉大气能见度恶化的重要诱因。细颗粒物浓度与相对湿度共同影响和制约大气能见度变化,高湿高浓度时能见度显著下降,湿情景下(RH≥40%),能见度恶化主要是由湿度增高诱使细颗粒物粒径吸湿增长导致其散射效率增大造成的。当RH >90%时,能见度随湿度升高成线性递减,相对湿度每升高1%,武汉平均能见度降低0.568 km。而干情景下(RH<40%),能见度迅速降低的关键因素是PM_2.5质量浓度升高。在城市大气细粒子污染背景下,能见度与相对湿度成非线性关系,这主要与PM_2.5对能见度的影响及吸湿性颗粒物的散射效率变化有关。PM_2.5浓度与能见度成幂函数非线性关系,80%≤RH<90%湿度区段下相关性最强。PM_2.5浓度对能见度的影响敏感阈值是随着湿度升高而减小的,干情景下能见度10 km对应的PM_2.5浓度阈值为70 μg/m³,湿情景下该阈值为18—55 μg/m³。当PM_2.5质量浓度低于约40 μg/m³时,继续降低PM_2.5可显著提高武汉大气能见度。预报试验表明,基于神经网络方法建立大气能见度非线性预报模型是可行的,预报能见度相关系数为0.86,均方根误差为1.9 km,能见度≤10 km的TS评分为0.92。网络模型具有较高预报性能,对霾的判别有较高准确性,为衔接区域环境气象数值预报模式,建立大气能见度精细化动力统计模型提供参考依据。     

唐山市PM2.5和O3行业来源解析

京津冀位于华北平原腹地,面临着严重的空气污染问题,尤其是河北省的重点工业城市唐山,长期位于全国空气质量最差的前十名。为改善空气质量,过去的十多年间我国颁布实施了多项污染防治计划,但唐山的PM_2.5和夏季O₃浓度仍超国家标准。为此,使用WRF(Weather Research and Forecasting Model)-CMAQ(Community Multiscale Air Quality Model)模型量化了唐山市2020年PM_2.5和O₃浓度的行业贡献并分析其协同控制可行性。工业源对唐山市PM_2.5浓度贡献最大,约占45%,其次是居民源约占16%。冬季能源、居民源和农业源占比为全年最高,分别达17%、19%和11%。O₃浓度的背景值约占一半以上,4月占比最高。在非背景值中,唐山O₃浓度最大来源为工业源,约占53%,其次是交通源,约占22%。生物源、交通源和能源行业的贡献在7月有所上升,分别约10%、27%和20%。不同污染情...     

Geochemistry of regional background aerosols in the Western Mediterranean

The chemical composition of regional background aerosols, and the time variability and sources in the Western Mediterranean are interpreted in this study. To this end 2002–2007 PM speciation data from an European Supersite for Atmospheric Aerosol Research (Montseny, MSY, located 40 km NNE of Barcelona in NE Spain) were evaluated, with these data being considered representative of regional background aerosols in the Western Mediterranean Basin. The mean PM₁₀, PM_2.5 and PM₁ levels at MSY during 2002–2007 were 16, 14 and 11 µg/m³, respectively. After compiling data on regional background PM speciation from Europe to compare our data, it is evidenced that the Western Mediterranean aerosol is characterised by higher concentrations of crustal material but lower levels of OM + EC and ammonium nitrate than at central European sites. Relatively high PM_2.5 concentrations due to the transport of anthropogenic aerosols (mostly carbonaceous and sulphate) from populated coastal areas were recorded, especially during winter anticyclonic episodes and summer midday PM highs (the latter associated with the transport of the breeze and the expansion of the mixing layer). Source apportionment analyses indicated that the major contributors to PM_2.5 and PM₁₀ were secondary sulphate, secondary nitrate and crustal material, whereas the higher load of the anthropogenic component in PM_2.5 reflects the influence of regional (traffic and industrial) emissions. Levels of mineral, sulphate, sea spray and carbonaceous aerosols were higher in summer, whereas nitrate levels and Cl/Na were higher in winter. A considerably high OC/EC ratio (14 in summer, 10 in winter) was detected, which could be due to a combination of high biogenic emissions of secondary organic aerosol, SOA precursors, ozone levels and insolation, and intensive recirculation of aged air masses. Compared with more locally derived crustal geological dusts, African dust intrusions introduce relatively quartz-poor but clay mineral-rich silicate PM, with more kaolinitic clays from central North Africa in summer, and more smectitic clays from NW Africa in spring.     

触发2023年春季中国北方沙尘暴的沙源累积和天气扰动机制

2023年3—4月,我国共出现10次沙尘天气过程,其中3月19—24日和4月9—13日的沙尘过程分别达到强沙尘暴和沙尘暴等级,给人群健康、生态环境和交通运输带来了严重不利影响。后冬至前春的欧亚大气环流异常呈纬向带状分布,导致沙源地的地表气温以及土壤温度持续偏暖、降水整体偏少、蒸散发效应显著。疏松的沙源为春季沙尘天气提供了丰富的物质基础。触发3月19—24日和4月9—13日沙尘暴过程的天气扰动系统都是蒙古气旋,但两次蒙古气旋及其与后部冷高压的配置存在差异,这也直接造成两次沙尘暴过程在强度、路径和持续时间上的差别。此外,本文也从气候累积效应和天气扰动机制两个方面分析了沙尘事件的研究重点,并侧重讨论了开展沙尘次季节-季节以及年代际预测的必要性和关键点。     

2021年和2022年春季中国北方地区沙尘气象因素和沙源地条件异同

2021年春季中国北方地区共出现了4次沙尘暴或强沙尘暴,2022年同期仅出现1次沙尘暴。基于2015—2022年空气质量和多源气象数据,利用Lamb-Jenkinson分型法与Mann-Whitney U检验法开展了2021年和2022年春季沙尘源地条件和气象因素异同分析,得到以下结论：中国北方沙尘天气多发型分为NW-N型(气旋型)和E-NE型(高压型),NW-N型造成的PM₁₀极值更高、高浓度范围更广。气象因素而言,2022年春季有利于沙尘的天气型活动更频繁,与2021年春季沙尘日PM₁₀浓度差异主要集中在NW-N型,两段时期NW-N型活动频数、气旋强度接近,有利于沙尘天气的动力抬升条件接近。从沙源地条件而言,2021年前冬蒙古沙源地土壤温度“前冷后暖”导致融雪等水量峰值早至,加之大面积降水负距平且3月蒙古沙源地气旋偏强,干燥、稀松的沙源致使春季沙尘多发;2022年前冬蒙古沙源地土壤气温“前暖后冷”导致融雪期等水量、土壤含水量峰值晚至,深厚湿润的土壤条件不利于起沙。故蒙古沙源地条件差异是两个时期沙尘差异显著的主要原因。     

大气PM2.5源解析“源清单化学质量平衡法(I-CMB)”模型的建立与应用

针对受体模型对大气PM2.5中二次无机、有机气溶胶不能给出有效源贡献的问题,建立了一种基于污染源清单的化学质量平衡(Inventory-Chemical Mass Balance,I-CMB)颗粒物源解析受体模型,代入北京市近年的污染物排放数据进行了解析应用。结果表明,燃煤是北京大气PM2.5的最大来源(占比约28.06%),其余依次为机动车(19.73%)、扬尘(17.88%)、工业(16.50%)、餐饮(3.43%)、植物(3.40%)。相比于传统的化学质量平衡法(Chemical Mass Balance,CMB),I-CMB的源解析过程对源成分谱的要求较低、抗干扰性更强,计算结果均衡、详尽,比较适合我国当前大气PM2.5控制的需求。     

Size distributions of ambient air particles and enrichment factor analyses of metallic elements at Taichung Harbor near the Taiwan Strait

This work attempts to characterize metallic elements associated with atmospheric particulate matter on a dry deposition plate, a TE-PUF high-volume air sampler and a universal air sampler. Dry deposition fluxes of particulates and concentrations of total suspended particulate, fine (PM_2.5) and coarse (PM_2.5–10) particulate matters were collected at Taichung harbor sampling sites from August 2004 to January 2005. Chemical analyses of metallic elements were made using a flame atomic absorption spectrophotometer coupled with hollow cathode lamps. Concentrations of metal elements in the forms of coarse particles and fine particles as well as the coarse/fine particulate ratios were presented. Statistical methods such as correlation analysis, principal component analysis and enrichment factor analysis were performed to compare the chemical components and identify possible emission sources at the sampling sites. Metallic elements of Cu, Zn, Pb, Cr, Ni and Mg had higher EF_crust ratios in winter and spring than in summer and autumn. Diurnal and nocturnal variations of metallic element concentrations in fine and coarse particles were also discussed.