长沙市不同污染程度区域桂花和香樟叶表面PM2.5吸附量及其影响因素

为阐释不同污染程度下城市绿化植物吸滞PM_2.5机理、解析污染物来源,应用气溶胶再发生器定量测定长沙市常见的2种园林绿化树种(桂花和香樟)植物叶片PM_2.5吸附量,同时应用原子力显微镜(AFM)观察了不同污染区(交通区、文教区、清洁区)植被的叶表面微形态特征,使用离子色谱仪测定样品中水溶性离子含量.结果表明: 污染程度与植物叶表面PM_2.5吸附量呈正相关,不同植物单位叶面积PM_2.5吸附量全年均值表现为交通区(0.56±0.04 μg·cm^-2)＞文教区(0.48±0.06 μg·cm^-2)＞清洁区(0.33±0.02 μg·cm^-2),植物单位叶面积PM_2.5吸附量季节变化为冬季(0.70±0.10 μg·cm^-2)＞春季(0.43±0.14 μg·cm^-2)＞秋季(0.39±0.12 μg·cm^-2)＞夏季(0.31±0.09 μg·cm^-2),桂花的单位叶面积PM_2.5吸附量大于香樟;污染程度轻的区域的植物叶片比较光滑,污染程度重的区域的叶片较粗糙,植物粗糙度排序为交通区(195.45±16.09 nm)＞文教区(176.99±8.45 nm)＞清洁区(131.88±12.98 nm);不同污染程度地区PM_2.5离子含量均表现为冬季最大,其次是春季和秋季,夏季最低;3个污染区PM_2.5离子成分均以Na⁺、NH₄⁺、Cl^-和Br^-这4种离子为主,不同程度污染区PM_2.5污染均以移动源污染为主.     

阜新市PM2.5 污染特征及影响因素分析

运用阜新市2014 年PM2.5 质量浓度和气象数据, 经过整理分析及量化计算, 得到阜新市的PM2.5 污染时空分布特征及影响因素。结果表明, 阜新市PM2.5 污染在时间序列上呈季节性变化, 冬季均值最高为76.4 μg·m^–3, 夏季最低为41.8 μg·m^–3, 春季和秋季分别为53.6 μg·m^–3 和52.9 μg·m^–3, 一天中9 点、20 点为PM2.5 浓度值高峰时段。空间上, 阜新市自东向西PM2.5 污染逐渐加重, 但位于主城区的“长青街”点位附近PM2.5 质量浓度值均较高; 通过多因素相关分析可知PM2.5 污染分布及变化趋势是污染源排放及气象因素共同作用的结果, 在影响PM2.5 质量浓度的气象因素中, 相对湿度和气压与PM2.5 质量浓度正相关, 气温、风速和降水与PM2.5 质量浓度负相关。偏相关分析结果显示除气压外, 各气象要素间相互影响, 因此可通过建立气象要素与PM2.5 质量浓度估算模型在低浓度区估算PM2.5 质量浓度。     

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.     

北京西山不同海拔油松林PM2.5浓度及叶片吸附量变化规律

以北京西山不同海拔梯度油松人工林为研究对象,对油松林PM_(2.5)浓度变化和叶片PM_(2.5)吸附量进行分析,并应用电子显微镜对不同海拔油松叶表面微形态特征进行观察,阐释叶片吸附PM_(2.5)差异。结果表明:随着海拔升高PM_(2.5)质量浓度逐渐降低,不同海拔油松林PM_(2.5)质量浓度日变化均呈典型的双峰曲线,7:00和19:00是一天的两个峰值,最小值出现在13:00—15:00左右;从不同月份看,不同海拔油松林PM_(2.5)质量浓度最高值出现在冬季的2月,最低值在8月;不同海拔油松林PM_(2.5)质量浓度全年均值为84 m((102.28±18.44)μg/m~3)110 m((94.18±18.34)μg/m~3)160 m((81.53±19.23)μg/m~3)230 m((75.39±15.71)μg/m~3);随着海拔升高单位叶面积PM_(2.5)吸附量逐渐减小,每升高50 m,单位叶面积PM_(2.5)吸附量降低23.25%,每公顷PM_(2.5)吸附量下降26.43%,不同海拔油松林每公顷PM_(2.5)吸附量全年均值为84 m((8.61±1.08)kg/hm~2)110 m((7.30±0.94)kg/hm~2)160 m((6.35±0.99)kg/hm~2)230 m((4.34±1.14)kg/hm~2);处于低海拔的油松叶表面较粗糙,气孔内部和周围聚集大量颗粒物,在叶面形态上更有利于吸附PM_(2.5),高海拔则相反。高海拔空气质量优于低海拔,低海拔的植物吸附颗粒物多于高海拔。研究结果可为城市造林和森林净化大气提供数据支持。     

北京西山绿化树种秋季滞纳PM2.5能力及其与叶表面AFM特征的关系

以北京西山6种绿化树种白皮松、油松、柳树、五角枫、银杏、山杨为对象,应用气溶胶再发生器对植物叶片秋季PM_2.5吸附量进行定量研究,同时应用原子力显微镜(AFM)观察叶表面微形态特征,分析了叶表面粗糙度等参数,阐释了各树种叶片吸附PM_2.5的机制.结果表明: 不同树种单位叶面积PM_2.5吸附量排序为白皮松(2.44±0.22 μg·cm^-2)＞油松(2.40±0.23 μg·cm^-2)＞柳树(1.62±0.09 μg·cm^-2)＞五角枫(1.23±0.01 μg·cm^-2)＞银杏(1.00±0.07 μg·cm^-2)＞山杨(0.97±0.03 μg·cm^-2);从秋季不同月份来看,不同树种单位叶面积PM_2.5吸附量表现为11月(2.33±0.43 μg·cm^-2)＞10月(1.62±0.64 μg·cm^-2)＞9月(1.51±0.50 μg·cm^-2).白皮松和油松有大量凹陷和突起,相对高差较大,粗糙度较大,吸滞PM_2.5能力强;柳树和五角枫叶片有褶皱,粗糙度相对较高,分布有大量的突起和凹陷,吸滞PM_2.5能力居中;银杏和山杨因其叶表面平滑、气孔多为长圆形,粗糙度较小,吸滞PM_2.5能力较弱.不同树种正背面粗糙度平均值为白皮松(149.91±16.38 nm)＞油松(124.47±10.52 nm)＞柳树(98.85±5.36 nm)＞五角枫(93.74±21.75 nm)＞银杏(80.84±0.88 nm)＞山杨(67.72±8.66 nm),这与不同树种单位叶面积PM_2.5吸附量排序完全一致,叶片粗糙度与单位叶面积PM_2.5吸附量呈显著正相关(R²=0.9498).为提高城市植被的环境效应,可选择叶表面形态有利于吸滞PM_2.5等颗粒物的树种.     

北京西山绿化树种PM2.5吸附量及叶表面AFM特征分析

以北京西山针阔叶树种(白皮松Pinus bungeana、油松Pinus tabulaeformis、柳树Salix babylonica、五角枫Acermono、银杏Ginkgo biloba、杨树Populus spp.)为研究对象,应用气溶胶再发生器测定植物叶片夏秋季PM_(2.5)吸附量,同时用原子力显微镜(AFM)观察叶表面微形态特征,并分析叶表面粗糙度等参数,探讨树种叶表面特征与其PM_(2.5)吸附能力间的相关性。结果表明:针叶树种年均单位叶面积PM_(2.5)吸附量(1.70μg/cm~2)阔叶树种(0.48μg/cm~2);各树种年均单位叶面积PM_(2.5)吸附量大小排序为白皮松(1.71μg/cm~2)油松(1.67μg/cm~2)柳树(0.54μg/cm~2)五角枫(0.51μg/cm~2)银杏(0.47μg/cm~2)杨树(0.39μg/cm~2)。针叶树种单位叶面积PM_(2.5)吸附量季节变化趋势为冬(2.86μg/cm~2)春(1.39μg/cm~2)秋(1.13μg/cm~2)夏(0.96μg/cm~2);而阔叶树种则是秋(0.56μg/cm~2)夏(0.55μg/cm~2)春(0.015μg/cm~2)。叶片粗糙度与单位叶面积PM_(2.5)吸附量呈显著线性正相关(P0.01),其中,针叶树种吸附PM_(2.5)能力受粗糙度影响较明显。北京作为国际化大都市,大气环境PM_(2.5)污染趋于严重。因此,分析了北京西山典型针阔叶树种PM_(2.5)吸附量的季节差异及其影响因素,探讨各树种叶片吸附PM_(2.5)机理,根据各树种吸附PM_(2.5)特征及其与叶表面形态的关系,对针阔叶树种进行合理配置,充分发挥城市绿地系统的生态服务功能,为城市绿化树种的科学选择提供参考。     

公园绿地不同景观空间PM2.5分布特征及其影响因素研究

研究选取城市公园中6个由不同景观要素构成的空间,通过监测不同空间内PM2.5浓度、空气温度、相对湿度及风速风向,分析不同空间景观要素组成与PM2.5浓度之间的关系,探讨不同空间气象因子变化与PM2.5浓度的相关性。研究结论如下,1）不同景观要素构成的空间中PM2.5浓度存在显著差异（P< 0.05）。2）PM2.5浓度与绿量（D）呈显著负相关（R=－0.966）, 当113.57 m2相似文献   

不同污染程度下毛白杨叶表面PM2.5颗粒的数量及性质和叶片气孔形态的比较研究

选择了北京市环境PM_(2.5)浓度不同的两个采样点的毛白杨(Populus tomentosa Carr.)作为研究对象,利用环境扫描电镜及X-射线能谱仪对杨树叶片表面滞留的PM_(2.5)颗粒进行了观察、统计和成分分析,并研究了叶片气孔对环境颗粒物污染的适应性变化。结果表明:夏秋两季西直门叶片样品上下表面的PM_(2.5)数量均多于森林公园样品这说明环境PM_(2.5)浓度是影响叶片表面滞留颗粒物数量的主要原因;其中叶片上表面是滞留PM_(2.5)颗粒的主要区域。森林公园样品中PM_(2.5)颗粒性质比较单一,硅铝酸盐颗粒和石英颗粒占很大比例,二者的主要来源均为天然源,如土壤扬尘、矿物颗粒等;而西直门采样点叶片样品滞留的PM_(2.5)颗粒的元素组成更为复杂,其中50%以上的硅铝酸盐颗粒检测出了明显的铜、钾、氯、钠等元素的谱峰其来源主要是工业排放;西直门样品PM_(2.5)的含硫量高于森林公园样品,且夏季明显高于秋季。研究还发现有少数PM_(2.5)颗粒进入了毛白杨叶片的气孔而且不同污染程度下气孔的形态特征存在差异。与森林公园毛白杨叶片的气孔相比,西直门处的毛白杨叶片气孔的长度、宽度、面积和气孔密度均较小,说明较高的PM_(2.5)污染程度对毛白杨叶片的形态发育有一定影响。研究结果可以为揭示植物叶片阻滞、吸收大气颗粒污染物的机制、合理选择和优化城市绿化树种从而改善空气质量提供一定的科学理论依据。     

Study of PM10, PM2.5, and PM1 levels in during dust storms and local air pollution events in urban and rural sites in Tehran

The aim of this study is to survey the PM₁₀, PM_2.5, and PM₁ concentrations in rural and urban areas in Tehran province during cold, warm and dust storm days from December 22, 2016 to June 5, 2017 using Grimm Model aerosol spectrometer. During the study period, daily PM₁₀, PM_2.5, and PM₁ concentrations ranged from 27.2 to 244.96, 8.4 to 77.9, and 6.5 to 56.8 μg/m³ in urban sites, and 22.8 to 286.4, 6 to 41.1, and 2.1 to 20.2 μg/m³ in rural parts, respectively. Particularly, both daily WHO limits for outdoor PM₁₀ (50.0 μg/m³) and PM_2.5 (25.0 μg/m³) exceeded in 95% and 83% of the outdoor measurements in winter and 82% and 58% in total sampled days in urban site, respectively. The 24-h average PM₁₀ and PM_2.5 concentrations also exceeded by 59% and 18% in winter and by 36% and 14% of all sampling days in rural site, respectively. During the dust storm, the 24-h average PM₁₀, PM_2.5, and PM₁ concentrations were, respectively 4.7, 2, and 1.96 times higher than those in urban site and 2, 1.7, and 1.3 times more than those in rural site in all sampled days.     

内蒙古大兴安岭森林可燃物燃烧释放PM2.5中水溶性离子排放特性

研究森林可燃物燃烧释放的细颗粒物(PM_2.5)的排放因子对于揭示森林火灾对大气和生态系统的影响至关重要,而水溶性离子是细颗粒物的重要化学成分,对颗粒物的形成具有重要意义。利用自主设计的生物质燃烧系统,模拟内蒙古大兴安岭5种典型乔木(蒙古栎、白桦、兴安落叶松、黑桦、山杨)的3种组成部分(树干、树枝、树皮)及其地表死可燃物(凋落物层、半腐殖质层、腐殖质层)以及3种典型灌木(平榛、二色胡枝子、兴安杜鹃)树枝燃烧,采用ISC1100离子色谱分析仪测定2种燃烧状态(阴燃和明燃)下PM_2.5中水溶性离子(Na⁺、NH₄⁺、K⁺、Mg²⁺、Ca²⁺、F^-、Cl^-、NO₃^-、NO₂^-、SO₄^2-)的排放因子。结果表明:乔木所有组成部分及其地表死可燃物和灌木树枝燃烧所排放PM_2.5中检测到的水溶性离子,阴燃以K⁺、Cl^-和Na⁺为主要组分,明燃以K⁺、Cl^-和SO₄^2-为主要组分。不同燃烧状态下相同乔木树种及其地表死可燃物和相同灌木排放PM_2.5中检测到的水溶性离子总量均存在显著差异。灌木树枝在阴燃期间PM_2.5中水溶性无机离子的排放因子比明燃更高。乔木释放的PM_2.5中阳离子与阴离子的比率为1.26,地表死可燃物为1.12,灌木为2.0,表明颗粒物呈碱性。内蒙古大兴安岭的森林大火不会通过释放水溶性离子导致生态系统的酸化。     

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.     

Identifying the spatial effects and driving factors of urban PM2.5 pollution in China

Exploring exactly where air pollution comes from, and identifying the key factors that influence it, can provide a scientific basis for the rational formulation and effective implementation of air pollution policies in China. Based on the data from 2001 to 2012 covering PM_2.5 concentrations in 285 Chinese cities, we use dynamic spatial panel models to empirically analyze the key driving factors of this air pollution. Results show that China’s urban smog demonstrates both obvious global spatial autocorrelation and local spatial agglomeration. There is a significant inverted “U-shaped” curve between economic development level and air pollution, and most cities are in the phase in which pollution is increasing in conjunction with improvements to the economy. Due to a rapid increase in population in built up areas, a high-proportion of secondary industry, a coal-dominated energy structure and increasing traffic intensity, China’s smog problem is becoming more and more serious. FDI probably will not play a future role in mitigating the air pollution. Central heating in winter in northern China further aggravates local smog to a certain extent. Because China’s haze pollution presents path-dependent characteristics and spatial spillover effects in the time dimension and in the space dimension respectively, so smog alleviation policies should be implemented based both on the strategies of maximizing effort and regional joint prevention and control.