文摘
在城市空气质量恶化随着时间的增加污染物分布水平主要是由于人为活动引起的。此外,这些污染物分布水平可能与气象条件的变化。然而,没有深入研究的关系在斯里兰卡的背景下,一个国家对气候变化产生重大影响。本研究的主要目的是提供一个更广阔的视角的季节性变化微小粒子在空气中(PM2.5和PM10)、二氧化氮(没有2)、一氧化碳(CO)、臭氧(O3)和二氧化硫(2)在两个城市(科伦坡和康堤)在斯里兰卡在3年期间(2018 - 2021)和可能的空气污染和气象变量之间的关系。结果表明,所有上述污染物除了O3白天一直描绘两座山峰,一个早晨(∼07:00-09:00当地时间),另一晚上(∼18:00-20:00当地时间)。这些山峰恰逢交通堵塞中观察到的两个城市。这些结果进一步表明了,所有污染物的浓度具有显著的季节性变化。相比两个季风季节,PM2.5(31.2日成交均值最高μg / m3)、可吸入颗粒物(49.5μg / m3),没有2(18.9磅),公司(717.5磅),O3(18.5磅),所以2(十亿分之9.4)浓度在科伦坡东北季风期间记录(NEM)季节而对比模式中观察到康提。此外,发现风速与风向是最污染物浓度的影响因素除了2和O3在两个城市,这是无论季节。本研究的结果有助于理解环境空气质量的季节性和气象因素和空气污染物之间的关系。这些研究结果最终导致设计和实现season-specific控制策略实现在区域范围内减少空气污染。
1。介绍
空气污染水平高有经验在大多数城市环境中(1和展示大量的区域差异2,3]。超过80%的人居住在城市地区的监测空气质量已经超过经世界卫生组织标准的空气质量水平。空气污染是一个最大的环境风险对个人、公共卫生、生态系统,和经济体(4- - - - - -6]。全世界死亡率从呼吸道和心血管疾病与空气污染是6.7%左右(7]。许多健康问题增加是由于空气质量不良。因此,损伤可导致显著。世界空气质量报告》指出,2020年的50个世界上污染最严重的城市,46位于中亚和南亚。高度注意了全球40%的死亡是由于不良环境空气污染在南亚(8]。
快速城市化和工业化越来越被认为是增加发展中国家的空气污染的主要因素(2,9,10]。重要的是要确定潜在的污染源,然后,制定和实施设计良好的和有效的长期排放控制措施来控制和保持城市空气质量11]。因此,了解空气污染物来源、季节性变化,甚至特征在区域层面上是很重要的(12]。基于之前的研究,区域空气污染物浓度的变化取决于排放,气象学(10,13),物理化学转换、城市化进程(4),空气污染的长期政策,法律,法规(14]。
其中,气象驱动因素在很大程度上有助于空气污染物的浓度日变化(2,3,13,15)和气溶胶成分(13,16]。气象驱动因素是重要的超过70%的污染物浓度变化在中国31个城市(17]。然而,气象潜水员的影响的大小,特别是在空气污染浓度、风速和风向取决于地理位置的排放源和污染物2]。然而,研究探讨气象因素之间的关系和空气污染物是不够的2]。因此,研究气象因素之间的关系和空气污染物,污染物和季节性变化对识别新政策对未来很重要,然后实现空气污染控制策略(18]。
根据最近的一项研究沙迪克et al。19),所以2在南亚和PM2.5浓度增加,导致高暴露PM2.5除了斯里兰卡(20.]。尽管在斯里兰卡空气污染物浓度相对低于其他南亚国家,空气污染在斯里兰卡是一个紧急的问题由于快速发展在工业和商业领域,主要城市中心的扩张,机动车辆的快速增加使用(21,在热电厂发电22]。例如,仅在科伦坡城市汽车排放造成空气污染(约55 - 60%23]。由于连续的空气污染物排放,室内和室外空气质量恶化负责4300和1000例死亡(世卫组织),分别在斯里兰卡一个紧急的公共卫生问题(24,25]。
全国城市空气质量管理政策在2000年实现在斯里兰卡。国家政策目标保持良好的空气质量,防止空气pollutant-related疾病,和减少国家卫生支出在斯里兰卡。斯里兰卡政府采取的若干措施已经随着时间的推移增加大气条件。引入低硫柴油(2003年1月),禁止2-stroke机动三轮车(2008年),和启动车载排放测试(2008年)的政府采取的措施(21,24]。这些措施进一步加强了国家环境(环境空气质量)规定1994 (26],它允许的环境空气质量标准强加于选定的空气污染物在斯里兰卡。
另一方面,以往的研究表明,污染物浓度是季节性变化1,3,11,12,27,28),尤其是在季风在热带国家1,29日]。例如,PM10的浓度,PM2.5,所以2,没有2在南印度西南季风期间高(27]。尽管污染物含量的季节性变化的重要性特定地区或一个国家的理解(12),很少有研究工作的季节性变化,污染物在斯里兰卡长期连续使用数据集。此外,空气污染物和气象变量之间的关系是不学习的最近更新的数据集。大部分的研究都集中在评估空气污染对公众健康的威胁(24,30.,31日,他们发现它是越来越多的健康问题,特别是儿童(25,32]。狡猾的et al。33)发现,室内空气污染仍然是一个重大威胁相比,在东南亚和南亚的室外空气污染。Ranathunga et al。34)发现公司和PM2.5浓度显著高于家庭使用生物质燃料做饭和负责semiurban人口儿童呼吸道疾病。然而,数据是特定于斯里兰卡不足得出室内空气污染比室外更对呼吸道的健康有害污染物的水平。最好的作者的知识,详细研究空气污染物,如公司的季节性变化,O3,没有2,所以2、PM10和PM2.5和气象因素对空气污染物浓度的影响在COVID-19封锁并没有之前报道斯里兰卡的城市。
不可用足够的空气质量管理科学知识是一个重要的阻碍进展缓慢的设置空气质量管理策略及其实现。本研究考察了PM10的季节性变化,PM2.5,不2,所以2、公司和O3,和协会的气象变量与污染物浓度准确识别空气污染变化的特点。研究结果可以作为科学事实控制空气污染在斯里兰卡。
2。材料和方法
2.1。空气质量监测站在斯里兰卡
与金融支持车载排放测试程序(VETP)机动交通部门(DMT)在斯里兰卡,两个环境空气质量监测站成立于2018年12月(包)Battaramulla (6.90103°N: 79.9265°E)和康堤(7.29262°N: 80.63564°E)。包在Battaramulla (ASL) 11日位于斯里兰卡的行政首都,特点是高度的工业化。在科伦坡,环境空气污染是由交通,工业活动、发电厂、和自然灰尘和盐(35]。对偶问题的康堤(500美国手语)坐落在人口稠密的城市国家的中部,位于高原指关节和Hunnasgiriya山脉包围了(参见图1)。理解,公路运输是空气污染的主要来源康堤由于高密度的车辆,狭窄的道路,和频繁的交通堵塞36]。目前,两个包都是由空气资源管理和监测单元(ARM&M单元)中央环保机关,斯里兰卡。
图中红点1展示这两个空气质量监测站,而绿色点显示的位置主要燃料发电站附近科伦坡(Kelanitissa、Yugadanavi Sapugaskanda, Lakdhanavi,科伦坡港口,和Heladhanavi)。
2.2。空气质量和气象数据的测量
包在Battaramulla和康堤(以下简称对偶问题蝙蝠和包菅直人)被固定在无限制的气流是保证的地方,用最低的影响从附近的建筑物。收集的样本来衡量二氧化氮(没有2)、二氧化硫(2)、一氧化碳(CO)、臭氧(O3)和颗粒物PM2.5和PM10的浓度在两个位置。这些空气样本收集5米以上地面地面附近的空气湍流的影响降到最低。他们收集每小时为间隔从2019年1月到2021年5月(30个月)。所有的气体样本让经过几个过滤器前的测量来消除其他气溶胶造成干扰。
Serinus 40氮氧化物分析仪用于测量2浓度。本仪器使用气相化学发光检测一氧化氮的执行连续分析。Serinus 50二氧化硫(2)分析仪用于测量2浓度在两个位置。这个乐器使用紫外荧光辐射技术检测二氧化硫在0-20 ppm(美国环保署指定范围是0 - 0.5 ppm,每个仪器维护和校准由按照一般操作手册和指导)。环境空气中的公司是用技术Serinus 30一氧化碳分析器与非色散红外分光光度法(NDIR)技术。此外,Serinus 10臭氧分析仪,采用非色散吸收紫外线(UV)技术,是用来测量O3浓度。然而,上面的空气样本中提取的6米的地面和自动记录机载PM2.5颗粒浓度和PM10使用技术摩擦音BAM与β射线衰减的原则。
此外,降雨量,温度、相对湿度、风速和风向记录这两个包的位置。这些气象数据收集在每小时分辨率为30个月(从2019年1月到2021年5月,约21600数据点)。雨仪表,太阳辐射传感器、环境温度传感器、指标和相对湿度传感器位于地面5米以上这些气象数据来衡量。此外,使用传感器测量风速和风力的方向大约10米离地面高度。这些数据都存储在数据记录器(WinAQMS)和发送到客户端和报表管理器(Airodis)进行进一步处理。
2.3。斯里兰卡的降雨特征
降雨在斯里兰卡可以表现为风向和循环模式。两个主要的季风季节根据风向可以确定为东北季风(NEM)(从12月到2月)和西南季风(SWM)(从5月至9月)。这两个主要季风带来降雨斯里兰卡北部和南部分别(37,38]。此外,斯里兰卡有两个其他intermonsoons在上述两个主要季风带来明显降雨。第一个intermonsoon (FIS)(从3月至4月)和第二intermonsoon (SIM)(从10月到11月)是两个intermonsoons。
2.4。整体方法
本研究采用上述每月组织识别空气污染物浓度的季节性分布在Battaramulla和康堤。皮尔森相关系数是用来分析污染物浓度与气象因素之间的关系和可视化相关矩阵。R的阴谋计划是用于开发相关矩阵。风速、风向和污染物浓度,通常被用来区分不同的源类型(39,40]。极地情节广泛用于展示相关研究(27,39,41]。风从北方顺时针方向表示360°和风速是展示的半径。因此,污染物浓度和风速和方向在极地策划的阴谋。他们由R统计软件(https://www.r-project.org/)和户外包(http://www.openairproject.org/)。
3所示。结果与讨论
3.1。日间和夜间污染物浓度的变化
图2说明了可吸入颗粒物的日变化、PM2.5有限公司2阿,3,所以2浓度在包蝙蝠和包菅直人SWM鱼翅,NEM, SIM季节期间2019年1月至2021年5月。图的左面板2为Battaramulla展示故事情节,而右边的面板展示了康堤的情节。夜间(18:00 06:00时小时)展示了灰色阴影带的每一天。
(一)
(b)
(c)
(d)
(e)
(f)
(g)
(h)
(我)
(j)
(k)
(左)
在包蝙蝠,每小时平均浓度的PM10、PM2.5,有限公司,没有2在早上和晚上的时间达到了最大。例如,曲线获得公司显示两座山峰,LT上午9点早上从06:00时峰值,而晚上高峰发生从18:00到21:00 LT的季风季节(参考图2(c))。类似于公司的昼夜变化,PM10、PM2.5,没有2浓度的季风季节遵循类似的双峰分布模式(参考数据2(一)-2(d))。根据图2(e), O的昼夜变化3浓度在包蝙蝠偏离上述模式,只有一个峰值在每一个季节,一天10点和下午两点之间发生中尉的人物2(f)的昼夜变化2浓度在包蝙蝠遵循不同的模式在不同的气候/季节,不显示著名山峰除了NEM季节。NEM季节期间,提到图显示了两个明显的峰值从6点至9点LT,从0到4点LT和相应的最大平均小时浓度的值12磅,十亿分之11.5。然而,在SIM和鱼翅的季节,平均每小时的浓度的变化2在一天发生不同于上述模式,因为只有一个小峰是可见的在每个图从8:00到12:00 LT的高峰值十亿分之7.5 (SIM)和6磅(鳍)。在一个完全不同的模式,所以的昼夜变化2浓度不会显示在SWM季节波动较大,并维护全天4磅左右的水平。
数据2(g) -2(i)说明的变化平均昼夜PM10、PM2.5,有限公司,没有2康堤的浓度也遵循双峰分布模式对所有季节除了SWM时期。对PM10、PM2.5和CO,峰值出现在早晨(从6点到8点LT)和晚上(16:00 ~ 20:00 LT)。即使晚上高峰明显比早上更广泛的山峰在所有三个图表,对偶问题的夜间山峰菅直人比Battaramulla广泛。然而,对于不2(图2(j)),早上和晚上6点到10点之间的峰值出现LT和16:00时,20:00 LT具有类似峰值广泛包容性。每小时平均的变化3集中在一个包菅直人图中给出了2(k),所有的图形表现出两大高峰,除了一个吸引鱼类的季节。白天高峰发生10点至17点LT,而夜间的山峰出现23点至五点LT,反映出高水平的O3浓度在整个一天。图2(左)显示平均的昼夜变化2浓度的对偶问题菅直人在所有四个季节波动不大。图保持它们的值在一个几乎恒定的十亿分之1.5的水平。然而,所以2水平略有下降从00:00至LT 06:00时在每一个图。此外,它可以观察到,夜间峰比早上更广泛的山峰在所有的四个图形。这些最大的污染物浓度可能发生由于机动车交通拥挤在这些时间。
它可以进一步观察到的图形绘制提到四季几乎互相重叠。的昼夜差异可能是由于不同的风方向运输气团来自不同排放源白天与黑夜。观察到的早晚高峰的污染物被归结为混合层高度的变化,垂直湍流和水平风速和排放特征。
3.2。月日间和夜间污染物浓度的变化
图3显示了每月最大、最小和平均日间PM10、PM2.5,没有2阿,3,所以2浓度在包蝙蝠和包菅直人从2019年1月到2021年5月。左侧面板展示Battaramulla的情节,而康堤的面板。黑点显示长期对污染物平均浓度意味着从12月到11月。第十和95浓度的上下边界框,而须行描述污染物浓度的最大值和最小值在每个月。
(一)
(b)
(c)
(d)
(e)
(f)
(g)
(h)
(我)
(j)
(k)
(左)
在包蝙蝠微量污染物的平均浓度最高气体和颗粒物是观察从12月到3月,而最低浓度观察从7月到9月(数字3(一个)- - - - - -3 (f))。康堤的污染物水平得到更高的从2月至4月,达到他们的最低从4月到6月(数字3 (g)- - - - - -3(我))。尽管最高和最低浓度的污染物发生在同一时期,具体几个月的波峰和波谷为污染物类型是不同的。
图3(一个)说明了白天的平均变异PM10浓度,达到其最大价值约60 2月μ通用汽车−3斜坡向下,直到至少达到20μ通用汽车−33月。3月后,PM10浓度再次开始增加,形成另一个小高峰在6月(35μ通用汽车−3)降低,直到达到20μ通用汽车−39月。须行显示,最高记录最高浓度和浓度变化发生在4月。如图3(b), PM2.5浓度最高和最低的记录和5月11月,分别。类似PM10、PM2.5的最高月平均浓度也记录在2月。类似的趋势可以看到盒子里的情节为有限公司创建O3,所以2几个月的轻微变化的最高及最低的平均浓度记录。
的最大日间平均浓度有限公司O3,所以23月被发现(800磅),2月(30磅),和6月(10.5磅),分别(参考数据3(c),3(e)3(f))。两公司的最低价值(408磅)和O38月(11磅)被发现,而如此24月达到最低(4.1磅)。然而,发现第一和第二峰之间的区别是比较低的2比其他污染物的阴谋。白天的平均浓度最高的2(十亿分之18.1)在2月份被发现,和相应的最小值(十亿分之6.9)被发现在6月和8月。当浓度变化在一个月内被认为是,最高的污染物CO变化发生,没有2阿,3,所以2去年11月,3月,4月,1月,分别。然而,最低的变化对PM10、PM2.5,和公司8月记录,而没有2和O37月份浓度更多样。此外,9月的月2浓度波动小。
在康堤,数据3(g) -3(我)显示,每月的变化意味着除了没有白天的所有污染物的浓度2所以2Battaramulla遵循类似的趋势。然而,除了2,所有其他污染物表现出双峰模式。污染物PM10、PM2.5没有2阿,3显示两个明显的峰值,而一个著名的阿峰和一个小峰出现3。此外,盒子情节描述,每月可吸入颗粒物的平均浓度最高,PM2.5, O3,所以2在可能发生,而公司也没有2分别在6月和4月峰值。所以可吸入颗粒物2,第二个高峰出现在6月,而PM2.5,没有2阿,3在7月达到了他们的第二个高峰。最低的意思是白天发生在所有污染物浓度可能除了O39月,显示其最低。此外,从4月到6月,污染物浓度的高度不同,方差最低浓度在9月被发现。
意思是白天时污染物的浓度在两个城市比较,观察到PM10,有限公司,没有2康堤的污染物水平高于Battaramulla。然而,事实恰恰相反3所以2,因为Battaramulla显示的意思是在这两个污染物浓度高于康堤。此外,在康堤,意思是白天的浓度2在Battaramulla远低于。从发电厂和工业空气污染可以运到Battaramulla对偶问题。此外,汽车运动在科伦坡高于康堤高贡献2排放。
图4说明了每月最大,最小,意味着夜间PM10的浓度,PM2.5,有限公司没有2阿,3,所以2在Battaramulla和康堤从2019年1月到2021年5月。左侧面板展示Battaramulla的情节,而康堤的面板。黑点显示长期对污染物平均浓度意味着从12月到11月。第十和95浓度的上下边界框,而须行描述污染物浓度的最大值和最小值在每个月。
(一)
(b)
(c)
(d)
(e)
(f)
(g)
(h)
(我)
(j)
(k)
(左)
Battaramulla它可以观察到,提到污染物的平均浓度的月度变化遵循类似的模式,白天,这是显示在图3。此外,它可以看出最高月度各污染物的浓度Battaramulla显示大约有相似的价值观在日间和夜间只有夜间下降一个微不足道的小。然而,在康堤,夜间最高月度的意思是污染物的浓度低于他们白天的值,第二个峰值的大小,通常出现在5月和8月之间,在夜晚与白天相比有所下降。当平均夜间的污染物浓度的两个城市相比,它可以观察到,PM10、PM2.5,有限公司2,所以2在Battaramulla污染物水平高于康堤。偏离上述模式,意味着夜间O浓度3在康堤高于Battaramulla从7月到12月。
3.3。季节性变化的污染物浓度
表1总结了季节的平均O3有限公司,没有2,所以2、PM2.5和PM10的日间和夜间Battaramulla和康堤。白天(hrs-18:00 06:00时小时)没有括号,而夜间(18:00 hrs-06:00小时)内展示了括号。每个季节记录最大值在大胆的展示。
最大日间和晚上中污染物浓度Battaramulla NEM赛季记录与其他季节相比,而最低的污染物浓度是在SWM季节。这些研究结果是一致的与画眉山庄等。39),他发现污染物平均浓度的有限公司2,所以2在冬季,PM2.5和PM10达到最大postmonsoon月而不是在季风季节(6)最低水平。发生这种情况主要是由于表面的稀释排放到一个更深的大气边界层引起的高温在温暖的季节。强风也贡献有效通风面积,导致低污染在城市地区(42,43]。然而,在雨季,大气混合层高度较低,低风速、和低通风,导致减少色散和上升的空气污染物43,44]。
有趣的是,没有的浓度2有限公司,PM2.5, PM10浓度在夜间比白天在Battaramulla所有季节。这种模式主要归因于低层大气和停滞不前的风力条件,加剧污染和增加粒子浓度。此外,观察到O3浓度高于白天比夜间在所有季节。这发生由于太阳辐射的增加白天的哪些属性UVB辐射的显著影响,温度和相对湿度对臭氧浓度。Warminski和喜神贝斯45和苏萨等。46也观察到更高的啊3浓度比在夜间白天。白天那么2浓度Battaramulla略高于在夜间在鱼翅,NEM, SIM季节。
在康堤,O的最大白天浓度3(21.1磅),不2(16.4磅),PM2.5 (21.9μg / m3)和PM10 (41.2μg / m3)记录了鱼翅的季节,而公司(十亿分之763.6)以及2(1.8磅)记录在SWM季节最大浓度。夜间的空气污染物的浓度,除了公司和颗粒物遵循相同的模式,如表所示1。此外,它是观察到白天有限公司2阿,3,没有2、PM2.5和PM10浓度远高于夜间浓度在所有季节。例如,白天CO浓度(十亿分之763.6)比其夜间浓度相对较高(543.9磅)。
此外,白天在康堤CO浓度远远高于Battaramulla NEM, SIM卡,和SWM季节,而对比观察模式Battaramulla夜间CO浓度。所有季节的夜间PM2.5浓度高于康堤。NEM季节,PM2.5 Battaramulla (29.5μg / m3在康堤)高于PM2.5 (16.6μg / m3中可观察到),而对比模式SWM季节。也注意到康堤和Battaramulla认为相当类似的PM2.5浓度在鱼类和SIM季节。夜间不2浓度的季节描绘了一个占主导地位的变化之间的两个站,Battaramulla记录没有更高的地方2浓度比康堤。没有2集中在两个电台录制了边际差异鳍和SIM的季节在白天,但在没有很大的区别2浓度被发现有两个季风期。表显示,污染物浓度在两个城市表现出明显的季节性和周期性波动模式。NEM Battaramulla更严重的空气污染,鱼类和SWM略好,SIM的季节。
另一方面,空气污染物在康堤更高SWM和鱼翅的季节比其他两个赛季。这些发现强调,空气污染物和颗粒物的浓度大幅波动在不同的季节。
理解和量化空气污染物分散在复杂地形比平坦区域更具挑战性,分散过程影响主要受到大气相互作用的影响在不同的空间尺度上(47]。例如,我们发现,白天空气污染物浓度在康堤,复杂的地形,高于Battaramulla尽管行业越来越少康堤附近的对偶问题。在山区,这取决于对齐的上层风谷轴(48),山谷底部可能庇护从上面向下入侵的风。此外,上层风的渗透到最低水平的山谷和盆地可能进一步阻止潜在的既存和持久稳定的层。在这种情况下,山谷内流与气流分离情况高于峰值水平,有利于污染物的积累在最低的水平。近年在中尺度和山谷的微风可能支持污染物浓度的变化,提高污染物的再循环和地形特性。
3.4。气象参数和空气污染物浓度之间的关系
气象参数扮演了一个重要的角色在决定一个城市的环境空气质量环境(1,12,18,27,43]。另一方面,刘等人。2和辛格et al。49发现空气污染和气象要素有突出的季节性和区域性的特点。因此,季节性变化之间的关系两个城市的空气污染物的浓度与温度、降雨量、太阳辐射、相对湿度、风速、方向决定利用皮尔森相关分析与5%的显著水平。数据5和6显示污染物浓度和气象变量之间的相关性在Battaramulla和康堤,分别。无关紧要的相关性为95%从corrplot标记。,RH SR,射频、WS和WD代表空气温度、相对湿度、太阳辐射、降水、风向,分别和速度。
(一)
(b)
(c)
(d)
(一)
(b)
(c)
(d)
Hunova et al。50)透露,O气象学是极其重要的3形成。进一步的证据,还发现,O3集中在这两个城市相对湿度呈负相关。与此同时,一个积极的关系是观察O3浓度与空气温度和太阳辐射(参考数据在所有季节5和6),这反映在光化学臭氧形成的重要性。另外,风速和风向影响臭氧的形成。同样,其他研究人员(51- - - - - -53)观察到明显阿强正相关性3与温度和太阳辐射和强烈的负相关,在不同季节相对湿度。
根据Rozante et al。54)、降水、风速、温度和相对湿度有助于公司季节性周期的调制。同样,也发现在Battaramulla CO浓度有积极与空气温度与相对湿度的关系和消极的关系,太阳辐射、风速和风向在所有季节(数字5(一个)- - - - - -5 (d))。然而,康堤的CO浓度描绘很强的相关性与风速和风向相比其他气象变量(数字6(一)- - - - - -6 (d))。此外,我们注意到高相关系数和公司之间没有实现2在两个城市都在所有的季节,这是预期的,因为公司影响的氧化,不,不2。这一发现也报道了Kovac-Andric et al。53]。
Battaramulla,所有季节的PM2.5浓度负相关,空气温度、太阳辐射、风速和风向。按照目前的结果,先前的研究已经表明,温度的影响,湿度和风力对PM2.5浓度远远大于其他气象因素的影响,而温度描述最强大、最稳定的影响国家PM2.5浓度(55]。此外,它被发现负面SWM PM2.5和相对湿度之间的关系和SIM季节。类似于PM2.5, PM10的季风季节与风速和方向也负相关,而消极与温度和太阳辐射的季节,除了观察SWM季节(数字5(一个)- - - - - -5 (d))。在康堤,PM2.5和PM10描绘与空气温度显著正相关,风速、鳍和方向,SWM和SIM季节(数字6(一),6 (c),6 (d))。
无2浓度Battaramulla积极与相对湿度的关系,消极与空气温度、风速、风力和方向在NEM, SWM, SIM除了鱼类季节(图5 (b))。也观察到相同的康堤除了SWM风向和NEM季节(数字6(一)- - - - - -6 (c))。本研究从先前的研究证据支持Miyama et al。56]。在空气温度过高,反应对生产没有收益2(2 hono↔不+不2+ H2O),而高湿度促进逆反应和大量的HONO生产(57]。如数据所示5和6之间,它是检测到微弱的相关性2在四季浓度与气象变量。这一发现与之前的研究一致在哥印拜陀印度南部。疲软的影响,温度、风速和相对湿度上被发现2浓度(27]。
有趣的是,所有的污染物在统计上与降雨在四季风季节。这可能是令人困惑的降雨可以洗出大气尘埃中发挥至关重要的作用。然而,这些结果结合最近的研究表明降水发挥了弱作用影响当地PM2.5浓度(在北京58]。然而,这一发现与先前的研究[59),建议之间统计上显著的负相关性污染物为可吸入颗粒物浓度和降雨强度,所以2,没有2,公司由于降水清除。
Hagenbjork et al。60显示生成的O3依赖于没有2在太阳辐射的存在(没有浓度2+高压+ O2⟶没有+ O3)。没有建立2有一个与O负相关3,可能有季节性变化的关系56]。目前的研究还观察到这两种污染物之间的负面关系Battaramulla所有季节。然而,在康堤的关系越来越弱,如图6。
发现风速和风向强烈与空气污染物浓度。因此,极地的阴谋被用来研究污染对风速和风向的依赖。不同空气污染物的关系与风速和风向数据中所示7和8借助二维极坐标图。有多个来源的PM10和PM2.5 Battaramulla SWM赛季期间2013(数据7(一)和7 (b))。图7表明当地来源颗粒物在场,可能表示的浓度在低风速升高,但经历的最低浓度是西风风速高时(≈5女士−1)。这些结果反映了之前的发现,高浓度的PM10主要是与低风速条件下,当沿着西北部和东南部[弱风盛行42]。
(一)
(b)
(c)
(d)
(e)
(f)
(一)
(b)
(c)
(d)
(e)
(f)
如图7 (c)公司显示,只有当风速较低浓度升高由于缺乏污染物扩散。CO浓度最低的是观察与西风风速高时(≈5女士−1)。没有2浓度的10μg / m3以上发生在东部和东南部的方向。这些浓度的方向的风速是0 - 3毫秒左右−1(图7 (d))。SWM季节,6 - 7磅的浓度2决心来自西南(5∼7 m s−1)。此外,占主导地位2浓度(> 6磅)源自西方(0∼3 ms−1)。高浓度的啊3(12以上)源自西南和西部(2∼5女士−1观察),而最低浓度与东风在风速较低时(0∼3女士−1)(图7 (f))。
50∼55的PM10浓度μg / m3以康堤站发生在西南的方向(2∼3 m s−1)。与此同时,PM10浓度的40∼50μg / m3测量在车站由东南等点(1∼3毫秒−1)、南(2∼3女士−1)。此外,我们发现> 35μg / m3PM10价值来自西北东北(0∼1.5 ms−1)(图8(一个))。PM2.5在康堤车站尤其是来自西方南(0∼2.5毫秒−1)。此外,在东方PM2.5浓度相对较高,如图8 (b)最低,而来自东北。
根据图8 (c),可以看出最密集的CO浓度以康堤站900磅以上,决心是在东部地区(1∼2 m s−1)和一个点接近对偶问题菅直人。此外,700 - 800磅的CO浓度从车站附近和来自西方。当分散图形呈现在图8 (d)检查,可以看出,不是吗215∼20磅的浓度以康堤站发生在西南的方向(1∼3毫秒−1);与此同时,不到5磅2测量值在车站主要发生在东北东部(0∼1.5 ms−1)。在NEM季节,最大2浓度范围以康堤决心在西南> 30磅的发生。此外,所以2在东南浓度相对较高,而最低的是来自北方。最大的啊3浓度范围以康堤决心> 2磅(1∼2 ms−1),而最低浓度被确定为1磅,这是确定污染物来自两个方向西北和东部。
3.5。讨论的结果
本研究主要探讨空气污染物浓度的季节变化和气象变量的影响污染物在两个主要城市在2019 - 2021年期间在斯里兰卡。有趣的是,观察到的早晚高峰的污染物浓度正好很好早晚交通高峰期。它表明,增加交通拥堵在这两个时期的严重程度和持续时间增加空气污染物负荷和降低空气质量,尤其是大型公路附近。与我们的研究结果相似,两座山峰的污染物的早晚高峰交通小时观察在钦奈,印度(44尼泊尔,加德满都山谷,(61年]。这一发现也为圣保罗报道,最大CO浓度的记录在早晨8和9之间(h)和傍晚(19至20 h) (54]。另一方面,较低的行星边界层的湍流在早上和晚上时间影响污染物有效地分散(62年),导致观察到的高污染浓度在早上和晚上。
这是观察到的高啊3浓度在白天比夜间和没有之间成反比关系2和O3浓度。这种关系是归因于一系列的光化学反应的发生引起的阳光。在白天,不2从没有和O的反应形成3。然后,没有2转换回没有由于光解和再生O3(63年- - - - - -66年]。我们的发现也同意大卫和奈尔(67年)研究发现,降低氮氧化物正值白天臭氧浓度上升。类似的观察记录在印度西部半干旱城市网站(51]。
我们的结果显示强劲的季节性变化的污染物浓度在两个城市。在科伦坡,污染物浓度最低的是记录在SWM季节。在这个季节,低级的飞机从阿拉伯海方向的空气质量监测站交叉污染物来源较少,和它有助于驱散污染物。相比之下,在NEM季节,风穿过污染物来源(发电厂和工业州),让更多的污染物监测站。最近的研究结果对所有大城市在印度展示了季节性行为ofpollutant气体浓度。他们有更高的浓度而降低在冬夏季节(49]。Biswas et al。68年)还发现,强烈的季节性变化的污染物在加尔各答和西里古里,印度和建议改变气象条件负责观察到的季节性变化。
在热带国家,调查季风环流对大气污染物的影响是重要的(1因为风速和风向明显确定粒子的浓度和分布迁移的主要来源(37,69年- - - - - -71年]。这些事实强调,风速和风向是关键气象组件观察污染物浓度在两个城市的季节变化。与我们的研究结果相似,季节性变化的空气污染是由于季节性变化的气象因素,如大气风速、相对湿度、温度(27]。除了这些大规模的发行量,中尺度环流(海风)会影响污染物的分布在沿海城市环境(72年,73年]。因此,我们必须研究海风的影响在沿海城市的污染物浓度。
先前的研究发现,温度消极地影响空气污染物浓度(2,74年),而一些研究发现越来越污染物浓度与温度的增加17,75年]。Pateraki et al。76年)和Chaloulakou et al。77年)发现,高风速减少空气污染物浓度,可以归因于流动的空气污染物的稀释污染物的质量和位移远距离(78年]。
轨迹分析被广泛用于研究污染物运输从气团活动的来源79年]。因此,它是强烈建议计算轨迹等熵气团回理解远程位置的影响污染物在空气污染物浓度测量网站来源。它也观察到显著的季节性变化在两个城市空气污染物浓度。因此,强烈建议进行轨迹分析西南,东北季风,intermonsoon季节。
讨论在研究Akinwumiju et al。80年),这项研究的结果可以用于未来的城市规划在科伦坡和康堤的城市。因此,城市可持续发展可能会与这些城市的扩张。
4所示。结论
这项研究调查了昼夜和季节变化的环境空气质量状况在两个不同的地点在斯里兰卡期间2019 - 2021。这些发现表明,气象参数的变化和排放的污染物来源的污染物浓度两个城市为观察日,季节和年度周期的污染物浓度。结果表明:年平均PM2.5和PM10的浓度两个城市空气质量指导值小于25岁以上的μ通用汽车−3和50μ通用汽车−3分别规定的国家环境(环境空气质量)规定,1994年,由环境和自然资源部长(http://www.cea.lk/web/en/acts-regulations)。我们意识到长期连续测量空气污染物和气象因素的主要城市在斯里兰卡是至关重要的对于识别空气污染物在区域层面的变化。作为一个解决方案,我们推荐使用先进的建模方法描述污染传输和分销管理当地的空气质量。此外,源解析和轨迹分析必须进行识别可能的来源和源区归因。同时,综合研究是必不可少的理解人类健康造成负面的影响在未来的研究中使用一个适当的风险分析。
数据可用性
本研究中使用的数据不公开。然而,请求访问数据集应该指向(电子邮件保护)研究目的。
的利益冲突
作者宣称没有利益冲突。
作者的贡献
SS和GL设计的研究,分析了数据,并生成数据。党卫军,GL、英国石油公司和SJ写的原稿,你编辑了手稿。LDJ和AJ测量空气污染物的排放。所有作者回顾了手稿。
确认
作者感谢中央环保机关,斯里兰卡提供空气污染物排放数据。