南昌市空气PM2.5和PM10的时空动态及其影响因素

PM_2.5和PM₁₀已成为我国大部分城市空气的首要污染物.本文通过分析南昌市2013—2015年的空气PM_2.5和PM₁₀质量浓度、气象因素、交通流量的监测数据,探讨了空气颗粒物污染的时空动态规律以及气象、交通对颗粒物浓度变化的影响.结果表明: 2013、2014、2015年,南昌市PM_2.5浓度(70.92 μg·m^-3＞53.70 μg·m^-3＞43.65 μg·m^-3)、PM₁₀浓度(119.72 μg·m^-3＞86.11 μg·m^-3＞73.32 μg·m^-3)逐年降低,并呈现出夏季低(PM_2.5和PM₁₀平均浓度分别为36.74、69.20 μg·m^-3)、冬季高(PM_2.5和PM₁₀平均浓度分别为74.29、111.64 μg·m^-3)的季节动态和由城市中心向郊区递减的城乡梯度变化; PM_2.5/PM₁₀值(0.595＞0.584＞0.557)逐年降低,并且表现出城市中心高、城市边缘低的空间分布格局;PM_2.5、PM₁₀浓度受到多种气象因素的影响,与气压、温度、相对湿度、风速、降水量、日照时数显著相关,各种气象因子对PM_2.5、PM₁₀浓度的影响存在差异;车流量会显著提高周边PM_2.5浓度,但对PM₁₀浓度影响不明显.     

南昌市空气PM2.5和PM10的时空动态及其影响因素

PM_2.5和PM₁₀已成为我国大部分城市空气的首要污染物.本文通过分析南昌市2013—2015年的空气PM_2.5和PM₁₀质量浓度、气象因素、交通流量的监测数据,探讨了空气颗粒物污染的时空动态规律以及气象、交通对颗粒物浓度变化的影响.结果表明: 2013、2014、2015年,南昌市PM_2.5浓度(70.92 μg·m^-3＞53.70 μg·m^-3＞43.65 μg·m^-3)、PM₁₀浓度(119.72 μg·m^-3＞86.11 μg·m^-3＞73.32 μg·m^-3)逐年降低,并呈现出夏季低(PM_2.5和PM₁₀平均浓度分别为36.74、69.20 μg·m^-3)、冬季高(PM_2.5和PM₁₀平均浓度分别为74.29、111.64 μg·m^-3)的季节动态和由城市中心向郊区递减的城乡梯度变化; PM_2.5/PM₁₀值(0.595＞0.584＞0.557)逐年降低,并且表现出城市中心高、城市边缘低的空间分布格局;PM_2.5、PM₁₀浓度受到多种气象因素的影响,与气压、温度、相对湿度、风速、降水量、日照时数显著相关,各种气象因子对PM_2.5、PM₁₀浓度的影响存在差异;车流量会显著提高周边PM_2.5浓度,但对PM₁₀浓度影响不明显.     

植物叶片吸滞PM2.5等大气颗粒物定量研究方法初探——以毛白杨为例

以毛白杨为例,提出一种利用激光粒度仪和天平定量评估植物叶片吸滞细颗粒物(PM_2.5,直径d≤2.5 μm)等大气颗粒物能力的方法——洗脱称量粒度分析法(EWPA),实现了对植物叶片吸滞大气颗粒物质量和粒径分布的直接、准确测定,可操作性强.首先,进行预试验对试验方法的稳定性进行检验;其次,通过对叶片进行清洗、离心洗液、烘干等步骤收集其吸滞的颗粒物,然后对颗粒物称量,并采用激光粒度仪测定颗粒物的粒径分布;最后,利用叶面积和林分叶面积指数数据换算得到单位面积叶片和林分的各径级颗粒物吸滞量.在北京市奥林匹克森林公园内一片毛白杨林分(27 d未经历降雨)中应用该法,测得毛白杨叶片吸滞大气颗粒物的粒径均值为17.8 μm,吸滞PM_2.5、可吸入颗粒物(PM₁₀,d≤10 μm)和总悬浮颗粒物(TSP,d≤100 μm)的体积百分比分别为13.7%、47.2%和99.9%;叶片的PM_2.5、PM₁₀、TSP和总颗粒物吸滞量分别为8.88×10^-6、30.6×10^-6、64.7×10^-6和64.8×10^-6 g·cm^-2;林分的PM_2.5、PM₁₀、TSP和总颗粒物吸滞量分别为0.963、3.32、7.01和7.02 kg·hm^-2.     

北京市夏秋季大气PM2.5浓度与气象要素的相关性

基于北京市城市生态系统研究站2008、2009年7月1日—10月31日大气PM_2.5浓度及气温、相对湿度、风速、水汽压、大气压和风向等6类气象要素资料,分析北京市夏秋季大气PM_2.5浓度与气象要素的相关性.结果表明: 在所分析的18周内,PM_2.5浓度在每周内的变化幅度较小.PM_2.5周平均浓度大致呈现出每6周为一个变化周期.其中,后6周最高、前6周次之、中间6周最低.PM_2.5周平均浓度与6种气象要素存在不同程度的相关关系,其中与水汽压的相关性最强,可通过水汽压预测北京市7月和8月的PM_2.5周平均浓度.研究结果可为分析和控制北京市大气PM_2.5污染源提供重要的科学依据.     

北京4种典型风景游憩林对林内PM2.5的调控作用

为研究风景游憩林中PM_2.5浓度的变化规律及其对气象因子的响应,并分析不同林分对PM_2.5浓度的调控作用,在2013年夏、秋、冬季于北京市奥林匹克森林公园内对北京4种典型结构风景游憩林（华山松-银杏混交林、毛白杨-白蜡混交林、毛白杨纯林、多树种复层混交林）中的PM_2.5浓度及相关气象因子进行实时测定（共28个观测日）.结果表明： 在不同空气污染级别下林分内PM_2.5浓度的日变化无统一规律,但在同一污染级别下4种林分的PM_2.5浓度日变化规律基本一致.当风力为0~2级时,在各污染级别下4片林分内PM_2.5浓度的日均值\[观测时段内（9: 00—15: 00）PM_2.5浓度平均值\]无显著差异.林内PM_2.5浓度与空气相对湿度呈显著正相关（P<0.01）,与气温呈显著负相关（P<0.05）,与风速不相关.相对于林分外空地,林分内PM_2.5浓度变化比例在-21.4%～33.2%,其与空气相对湿度呈显著负相关（P<0.05）,与风速和气温不相关.林分对PM_2.5浓度的调控作用包含增加和降低两种效应,本研究中,这种调控作用发生转变的空气相对湿度临界值为67%.     

森林覆被率等因子与PM2.5的时间滞后效应的研究

利用黑龙江省13个市（区）的170 820个数据，运用2SLS方法以森林覆被率等11个影响因素为指标，建立了3个不同时间段的静态面板和动态面板回归模型，探究了森林覆被率等影响因素与PM_2.5时间滞后效应的关系。结果表明：①PM_2.5的时间滞后效应是当期PM_2.5浓度积累的影响因素，且随着时间的推移，PM_2.5时间滞后效应对当期PM_2.5浓度积累的促进作用逐渐减弱；②随着PM_2.5时间滞后效应的逐渐减弱，森林覆被率、气温对PM_2.5浓度积累所起的阻碍作用逐渐增强，PM₁₀、CO对PM_2.5浓度积累的促进作用逐渐增强，而风速对当期PM_2.5浓度积累所起的阻碍作用逐渐减弱；③PM_2.5时间滞后效应呈现出惯性的同时，森林覆被率、PM₁₀、CO、气温、风速对PM_2.5的作用也具有了惯性。     

南昌市中心城区主要大气污染物分布模拟及土地利用对其影响

随着我国城市化、工业化的快速推进,城市大气污染问题日益突出,研究城市大气污染物的分布情况及其土地利用影响对解决城市大气污染问题具有重要意义.本研究以南昌市中心城区为研究区,基于土地利用回归模型(LUR)模拟了PM_2.5、PM₁₀、SO₂、NO₂、CO、O₃等6种主要大气污染物浓度,并分析其时空分布特征;基于主导土地利用类型,选择南昌市中心城区内居住、商业、教育和工业用地各15个样本区,为了减少气象因子的影响,分四季统计各样本区6类大气污染物浓度,运用双因素方差分析和多重比较,定量分析土地利用(样本区)对6类大气污染物的影响.结果表明: 采用LUR模型模拟研究区PM_2.5、PM₁₀、SO₂、NO₂、CO、O₃浓度的平均绝对误差率分别为11.9%、13.4%、12.5%、12.0%、12.7%和13.5%,模型误差较小,方法可行.研究区6类污染物浓度具有明显的时空分布特征,PM_2.5、PM₁₀、SO₂、NO₂和CO浓度在冬季最高,春季和秋季次之,夏季最低;O₃浓度则为夏季高,春季和秋季次之,冬季低.PM_2.5、PM₁₀、SO₂、NO₂、CO浓度整体呈现从城区中心到郊区递减的趋势,而O₃浓度则反之.不同季节与不同土地利用样本区间6种大气污染物浓度差异显著,表明在中心城区尺度上,气象条件和土地利用都对大气污染物有显著影响.不同土地利用对主要大气污染物浓度分布有不同程度的影响,其中,对PM_2.5、NO₂和O₃的影响较大,对CO的影响较小.     

无锡惠山三种城市游憩林内细颗粒物(PM2.5)浓度变化特征

在2011年秋、冬季和2012年春、夏季的游憩时段内(5:00-19:00),对无锡惠山香樟林、湿地松林和栓皮栎林3种游憩林内PM_2.5质量浓度进行实时监测,并同步观测气象因子,分析了游憩林内PM_2.5浓度的时间变化规律及其影响因素.结果表明: 惠山3种游憩林内PM_2.5浓度年均值低于道路,湿地松林和香樟林内PM_2.5浓度年均值低于栓皮栎林;3种游憩林和道路的PM_2.5年均浓度低于无锡市背景值.游憩林内PM_2.5浓度的季节变化规律为夏季最低,秋季次之,春季最高;PM_2.5浓度在春、夏、冬季最低的是湿地松林,秋季最低的是香樟林,栓皮栎林在各季节的PM_2.5浓度都较高.PM_2.5浓度在四季的日变化近似于“单峰单谷”型,7:00-9:00和15:00-19:00各出现最大值和最小值.4个季节的湿度和温度与PM_2.5浓度均极显著相关,光照仅在冬季显著影响PM_2.5浓度,较小风速对PM_2.5浓度的影响不大.     

植物吸滞PM2.5研究进展——从宏观到微观

PM_2.5严重危害环境安全和人体健康,虽然国内外大气PM_2.5状况已有好转,但雾霾天气仍然时有发生。植物能有效吸附和净化大气中PM_2.5,其净化作用受到生态学广泛关注。随着研究内容的深入,该领域研究尺度由宏观尺度转向微观尺度,研究对象由植被区转向植物个体,研究方法由野外监测转向人工控制法。因此在区域尺度上对比了植被、非植被区PM_2.5浓度差异及不同树种单位叶面积PM_2.5吸滞量,以风洞、熏气法两种研究方法归纳了人工控制条件下植物净化PM_2.5的研究成果,在大气PM_2.5浓度和气象因素两方面探讨了环境因素对植物净化PM_2.5的影响机制。得出宏观研究方面很多城市缺乏植被区与非植被区PM_2.5浓度监测数据,微观方面植物个体吸滞PM_2.5机理研究不够深入,缺乏植物吸滞PM_2.5过程与机理的室内模拟外界环境的高精度对比试验,更缺乏环境因素直接影响植物吸收、分...     

中国1998—2012 年PM2.5 时空分布与能源消耗总量关系研究

基于1998—2012 年中国PM_2.5 浓度遥感数据, 在对中国PM_2.5 时空分布特征进行分析的基础上, 引入地理信息科学空间相关矩阵方法分析中国PM_2.5 时空分布与能源消耗总量等时空分布的空间相关性。基于省级尺度, 运用灰色理论中的灰色相关方法, 对PM_2.5 和能源消耗指标进行相关分析, 结果表明: (1)中国历史的PM_2.5 空间分布与人口分布、地形特征有着密切的关系, 胡焕庸线成为中国PM_2.5 空间分布的东西界限。(2)整体来看, 中国PM_2.5 的年际变化上, 具有双增长单下降的区域特征:两个快速增长区域(年均增长率大于3.5%)分别为PM_2.5 高值区域——北部沿海以及PM_2.5 相对低的东北地区。下降区域则为西北地区。2007 年前后是中国大部分省PM_2.5 浓度增长的拐点, 但并没有形成高值区域快速下降的趋势。(3)从国家尺度上看, 中国PM_2.5 分布与单位面积煤炭消耗分布呈现强烈正相关性, 与单位面积能源消耗总量分布呈正相关, 与单位面积石油消耗分布没有体现出明显的相关性。(4)从省级尺度上看, 各省PM _2.5 浓度与能源消耗存在明显正相关性, 但各省PM_2.5 浓度受能源种类消耗的影响程度不一致。综合来看, 中国PM_2.5 浓度较高的区域, 受能源消耗种类的影响, 呈现“北煤南油”以及“东油西煤”的规律。     

北京4种典型风景游憩林对林内PM2.5的调控作用

为研究风景游憩林中PM_2.5浓度的变化规律及其对气象因子的响应,并分析不同林分对PM_2.5浓度的调控作用,在2013年夏、秋、冬季于北京市奥林匹克森林公园内对北京4种典型结构风景游憩林（华山松-银杏混交林、毛白杨-白蜡混交林、毛白杨纯林、多树种复层混交林）中的PM_2.5浓度及相关气象因子进行实时测定（共28个观测日）.结果表明： 在不同空气污染级别下林分内PM_2.5浓度的日变化无统一规律,但在同一污染级别下4种林分的PM_2.5浓度日变化规律基本一致.当风力为0~2级时,在各污染级别下4片林分内PM_2.5浓度的日均值\[观测时段内（9: 00—15: 00）PM_2.5浓度平均值\]无显著差异.林内PM_2.5浓度与空气相对湿度呈显著正相关（P<0.01）,与气温呈显著负相关（P<0.05）,与风速不相关.相对于林分外空地,林分内PM_2.5浓度变化比例在-21.4%～33.2%,其与空气相对湿度呈显著负相关（P<0.05）,与风速和气温不相关.林分对PM_2.5浓度的调控作用包含增加和降低两种效应,本研究中,这种调控作用发生转变的空气相对湿度临界值为67%.     

北京市夏秋季大气PM2.5浓度与气象要素的相关性

基于北京市城市生态系统研究站2008、2009年7月1日—10月31日大气PM_2.5浓度及气温、相对湿度、风速、水汽压、大气压和风向等6类气象要素资料,分析北京市夏秋季大气PM_2.5浓度与气象要素的相关性.结果表明: 在所分析的18周内,PM_2.5浓度在每周内的变化幅度较小.PM_2.5周平均浓度大致呈现出每6周为一个变化周期.其中,后6周最高、前6周次之、中间6周最低.PM_2.5周平均浓度与6种气象要素存在不同程度的相关关系,其中与水汽压的相关性最强,可通过水汽压预测北京市7月和8月的PM_2.5周平均浓度.研究结果可为分析和控制北京市大气PM_2.5污染源提供重要的科学依据.     

南昌市中心城区土地集约利用水平对主要大气污染物的影响

当前,我国城市化进程已由外延式的扩张逐步转变为内涵式发展.集约利用土地资源,构建“紧凑城市”变得越来越迫切.然而,集约利用土地意味着更少的土地资源承载更多的城市要素,人们对环境污染,特别是大气环境污染会变得越来越敏感,研究城市土地集约利用水平对大气污染的影响具有重要意义.本研究以南昌市中心城区为研究区,采用普通克里格插值法模拟6种主要大气污染物(PM_2.5、PM₁₀、SO₂、NO₂、CO、O₃)浓度的空间分布,基于土地利用样本区,选择综合容积率、建筑密度、人口密度等16个土地集约利用水平相关变量,采用偏最小二乘回归与通径分析方法,定量分析土地集约利用水平对大气污染物的影响.结果表明: 土地集约利用水平相关变量与PM_2.5和PM₁₀的相关性最强,其次是O₃和NO₂,与SO₂和CO的相关性最弱;不同土地利用样本区土地集约利用水平变量与6类主要大气污染物的相关性强弱依次为:居住区>教育区>商业区>工业区.土地集约利用水平越高,对大气污染物的影响越大,其中PM_2.5与PM₁₀的影响最大,其次是O₃,NO₂的影响较小.各土地利用样本区土地集约利用水平对大气污染物的直接影响、间接影响和综合影响基本相当,但总体而言,土地集约利用水平的直接影响大于间接影响,其中,居住区土地集约利用水平的综合影响最大,其次是商业区,最小的是教育区.本研究为土地集约利用对大气环境的影响研究提供了新的思路,为解决紧凑城市大气环境问题提供了一定的参考.     

广州市城乡梯度森林公园雨季空气PM2.5浓度及水溶性离子特征

2012年雨季（4—9月）,收集广州市城市区、近郊区和远郊区森林公园的PM_2.5样品,测定PM_2.5质量浓度,分析了其中SO₄^2-、NO₃^-、NO₂^-、Cl^-、F^-、Na⁺、NH₄⁺、Ca²⁺、K⁺、Mg²⁺ 共10种水溶性无机离子含量.结果表明：帽峰山（远郊）、大夫山（近郊）、火炉山（城区）PM_2.5质量浓度的日变化分别为17.2～66.5、19.4～156.3、21.8～161.7 μg·m^-3,平均值分别为44.4、49.8、55.9 μg·m^-3.SO₄^2-、Na⁺和NH₄⁺为水溶性无机离子主要组分,其中,SO₄^2-含量最大,并从城区至郊区呈递减趋势.固定源对3个森林公园空气中SO₂和NO_x的贡献大于移动源,从城区至远郊呈递减趋势,说明机动车对城区空气中SO₂和NO_x的贡献大于近郊和远郊森林公园.采样期间,海盐对大夫山空气PM_2.5中水溶性组分的贡献最大,其中K⁺受海盐的影响超过其他元素.NH₄⁺当量浓度远小于SO₄^2-和NO₃^-的当量浓度,中和度远小于1,反映PM_2.5酸性较强,且从远郊至城区PM_2.5粒子酸性呈增强趋势.