不同时刻污染减排对北京市PM2.5浓度的影响

利用空气质量模式Model-3/CMAQ及京津冀地区高分辨率排放源清单,针对有代表性的污染时段(2012年2月7~16日),设置了5种不同时刻的减排方案(在污染峰值提前4d、提前3d、提前2d、提前1d及当天减排),对比在同样的减排比例下,不同时刻开始减排的效果差异.研究发现,提前采取减排控制措施比污染峰值当天开始减排对降低PM2.5浓度的影响更为明显,而且提前采取应急减排的时间越早,PM2.5浓度下降越明显.提前1d、2d、3d减排海淀站和城六区峰值浓度下降率分别为23%和22%、31%和30%、39%和38%,均明显高于当天减排的峰值浓度下降率10%和9%.但随着提前天数的增加,PM2.5峰值浓度进一步下降的幅度越来越小,减排效益较之前显著降低.提前4d减排海淀站和城六区峰值浓度下降率分别为40%和39%,提前4d减排和提前3d减排对降低污染峰值日PM2.5浓度的效果已没有太大差别.同时针对另一个污染时段(2012年1月11~20日)进行了相似的敏感性试验,得出了类似的结论.因此,针对某些污染事件的应急减排,综合考虑减排成本和减排效果,根据气象条件的预报,在可能引起重污染事件的不利气象条件来临时提前2~3d采取减排措施效果最好,既能有效降低PM2.5浓度,也可以避免因盲目长时间减排造成的成本过大.     

空气重污染应急措施对北京市PM2.5的削减效果评估

利用嵌套网格空气质量模式系统(NAQPMS)模拟了2013年1月10~14日一次典型的大气严重污染过程,并利用同期气象和污染物浓度的小时观测数据验证了NAQPMS的模拟结果.敏感性试验结果表明,在重污染期间,当仅实施《北京市空气重污染应急预案(试行)》一级预警中机动车单双号限行措施时,可削减北京PM2.5小时平均浓度4%~10%;当仅实施工业限产减排30%的措施时,可削减北京PM2.5小时平均浓度1%~6%;当同时实施机动车单双号限行和工业限产减排30%的措施时,可削减北京平均PM2.5小时平均浓度6%~12%,并且PM2.5小时浓度与削减率的变化趋势呈反相关,即该措施对污染较轻时段PM2.5浓度削减率高于污染峰值时段;若京津冀地区两市一省同时实施机动车单双号限行和工业限产减排30%的措施时,可削减重污染期间北京小时平均PM2.5浓度20%~35%,且污染严重的区域和时段削减效果更加显著,空气质量可提升一个等级.研究结果表明,当北京发生重污染时,仅靠北京本地限排限产并不能有效减轻PM2.5浓度,若要有效控制北京重污染,应根据污染物区域输送特征,京津冀地区实施大气污染联防联控.     

深圳市龙华区PM2.5污染与减排过程模拟分析

通过分析深圳市龙华区2018年大气环境承载力发现,NO2和PM10的实际大气环境承载量已经降到了理想大气环境容量范围内,而PM2.5的实际大气环境承载量则已超过理想大气环境容量近1000 t,说明PM2.5仍是龙华区大气污染防治的重点工作,利用科学手段精准、有效地指导PM2.5减排工作十分重要。基于相关监测数据,结合WRF-Chem大气化学模式,对深圳市龙华区2017年、2019年冷季大气中PM2.5污染日案例和2018年暖季大气中PM2.5相对清洁日案例的PM2.5污染与减排过程进行了模拟分析。结果表明:为达到PM2.5浓度的控制目标,龙华区需在相对清洁时期的排放量上减排30%,污染时期的排放量上减排70%~75%,且减排工作在PM2.5浓度高峰时期开展能取得较好的减排效果;龙华区大气污染受周边区域传输污染的影响较大,减排任务较为严峻,需要其他地区协同参与,共同减排。     

京津冀及周边减排对北京市PM2.5浓度下降评估研究

利用第三代区域空气质量模式CMAQ (Community Multiscale Air Quality)及京津冀地区高分辨的污染源排放清单,基于2011年、2012年和2013年秋冬季美国国家环境预报中心全球再分析资料的气象条件分析,选取2012年10月1日至12月30日作为代表性时段,模拟了PM2.5的浓度变化趋势,同时根据《京津冀及周边地区落实大气污染防治行动计划实施细则》和2012年到2017年污染源减排控制目标,进行了减排效果评估分析.结果显示,模式系统能较好捕捉PM2.5浓度的变化趋势,海淀站和上甸子站观测与模拟值的相关系数分别为0.71和0.63.主要污染源和污染物排放量削减30%~40%后,北京市PM2.5浓度发生了明显降低,海淀站、上甸子站和城六区的平均浓度下降率分别为(24.9±2.3)%,(20.2±2.7)%和(24.8±2.1)%.如果严格执行《京津冀及周边地区落实大气污染防治行动计划实施细则》,在气象条件和2012年相似情况下,到2017年,北京市城区PM2.5年均浓度控制在60μg/m3内的防治目标可以实现.     

基于大气污染源排放清单的北京市污染物减排分析

《北京市2013—2017年清洁空气行动计划》的实施,有效改善了空气质量,细颗粒物下降了35.6%。空气质量受内因污染物排放量和外因气象因素的双重影响。本文通过大气污染源排放清单分析了内因污染物排放量的变化,结果表明:2017年与2012年相比,SO_2排放量下降了88%,NO_x排放量下降了36%,PM_(10)排放量下降了51%,PM_(2.5)排放量下降了53%,VOCs排放量下降了25%;NH_3排放量2017年比2014年下降了44%。北京市2013—2017年5种大气污染物的综合减排率与空气中PM_(2.5)浓度下降率的比值为1.3,符合根据北京市科技计划项目《北京市空气质量达标规划研究》中利用CMAQ模型研究得到的大气污染物综合减排率与环境空气PM_(2.5)浓度下降率的半定量关系1.2～1.5。     

基于曲面响应建模的PM2.5可控人为源贡献解析

以东莞市PM_(2.5)重污染月份为例,使用强力法(Brute Force)和RSM/CMAQ曲面响应模型法分别解析了珠三角地区人为源排放对东莞PM_(2.5)的贡献,以及区域传输的可控人为源SO_2、NO_x和一次颗粒物(PM)在不同控制比例下(25%、50%、75%和100%)对东莞PM_(2.5)的累积浓度贡献.强力法研究结果表明,2014年1月珠三角地区人为源二次转化对东莞市PM_(2.5)的贡献(约58.10%)大于一次PM排放贡献(约41.90%),其中,人为源NH_3排放贡献最大,约占总量的21.66%.RSM/CMAQ动态源贡献结果显示,东莞市PM_(2.5)的人为可控源排放贡献(SO_2、NO_x和一次PM)占比为82.17%,受本地排放影响较大,且叠加区域排放的影响;一次PM减排对PM_(2.5)环境浓度的贡献高于仅减排SO_2和NO_x.在减排比例较低时,一次PM减排可有效削减东莞市PM_(2.5)浓度;随控制比例加大,二次前体物(SO_2和NO_x)减排对东莞市PM_(2.5)浓度削减率的影响加大.进一步使用HYSPLIT模式和轨迹聚类分析方法研究了2014年1月东莞市PM_(2.5)污染传输过程.结果显示,该时段共有6条长、短距离污染传输路径,污染物主要来自东莞市东、东北及东南方向,途经其上风向区域(惠州、深圳和广州等)传输至东莞;惠州是各主导上风向出现频率最高的城市,因而其区域传输对东莞PM_(2.5)的贡献也较大,深圳次之.     

应用受体模型(CMB)对北京市大气PM_(2.5)来源的解析研究

为研究影响北京市大气环境PM2.5污染水平的主要来源,于2012年8月—2013年7月,依托北京市大气地面观测网络在10个监测点采集的491 d(次)大气PM2.5有效样本,对其化学组分进行了测试分析;从城市大气污染源组成出发,建立和完善了5类固定点源、2类流动源、4类无组织面源的PM2.5排放成分谱.应用受体模型(CMB)开展了来源解析研究.结果显示:1观测期间大气环境PM2.5的来源主要包括:一次来源机动车(16%)、燃煤(15%)、土壤尘(6%)、二次硫酸铵和硝酸铵(36%),以及有机物(20%)和其他未识别来源(7%);与历史解析结果相比,燃煤源分担率有所下降,二次无机盐与有机物分担率上升,且二次硝酸盐有赶超二次硫酸盐之势;2从主要组分的来源看,观测期间环境大气PM2.5中近25%的硫酸盐来自于燃煤锅炉和电厂排放,17%的有机物来自机动车排放;3北京市PM2.5来源类型大致相同,但各点位PM2.5来源种类和分担率具有一定差异,对一些排放量较大的局地排放源有比较明确的响应.研究表明,开展区域性PM2.5治理、大力削减前体物、严格控制本地机动车、燃煤等PM2.5排放都是改善北京市空气质量的重要途径.     

南京青奥期间污染减排对空气质量影响研究

为评估污染减排对南京青奥期间空气质量影响,利用排放系数法估算减排量,利用敏感系数分析管控措施有效性.结果表明:经过8月份的强力减排,SO2、NO2、PM2.5、PM10、CO与VOCs减排量分别为3438、4402、3177、7249、15890与4052 t,减排比例分别为-29%、-25%、-45%、-65%、-26%、-22%;环境空气中SO2、NO2、PM2.5、PM10、CO与O3浓度环比7月分别下降了-18.8%、-15.0%、-37.0%、-35.4%、-7.1%与-50.4%;敏感系数排序为:O3>PM2.5>SO2>NO2>PM10>CO,除了O3外,其余污染物浓度下降比例小于减排比例,说明要取得一定空气质量改善,需要付出更多的减排努力.     

长三角地区重点源减排对PM_(2.5)浓度的影响

应用中尺度天气-化学预报模式WRF-Chem,基于重点源(八大重点行业与交通)一般与强化两组减排情景,针对2013年开展长三角地区重点源减排对PM2.5浓度影响的模拟研究。长三角地区SO2、NOx、PM2.5和NMVOC排放在一般减排情景下分别减少36.3%、26.3%、32.0%、14.6%,强化减排情景下分别减少51.4%、39.6%、37.6%、28.4%。模拟结果表明,两组减排情景下长三角地区国控点PM2.5年均浓度分别下降-1.4~26.7μg·m-3和2.1~32.3μg·m-3,降幅分别为2.7%~23.1%和3.9%~27.5%,二次无机盐中硝酸盐对年均PM2.5浓度的降低贡献最大。PM2.5及二次无机盐浓度变化的季节特征均体现为冬季降幅最小,夏季降幅最大,并且随着减排力度的增强,夏季降幅的进一步降低程度最显著,导致削减效果的季节差异增大。重点源强化减排即可使得上海、江苏夏季PM2.5浓度降低约20%。对大气氧化性的进一步分析表明,减排对四季大气氧化性均有不同程度的增强,加大减排力度后,大气氧化性进一步增强,有利于二次PM2.5的生成,从而阻碍了PM2.5浓度的降低。其中,冬季的阻碍作用最强,导致PM2.5污染改善效果最差。夏季大气氧化性受减排影响较小,从而使得PM2.5污染改善在四季中最有效。此外,春、秋季的阻碍作用也不容忽视。     

关中地区冬季人为源减排对PM_(2.5)浓度的影响

使用WRF-Chem模式和关中地区高分辨率的人为源排放清单,选取2013年冬季不利于关中地区污染物扩散的4类典型天气形势中的各1d,模拟了PM_(2.5)时空分布和日变化趋势,同时以国家环境空气质量标准为目标,制定人为源等比例减排的敏感性试验.结果表明,模式可以较好地捕捉PM_(2.5)的时空分布和变化趋势,且与天气形势有着一致的对应关系.在4类不利天气形势下,PM_(2.5)浓度随着人为排放源的减少呈二次曲线下降趋势,PM_(2.5)浓度下降率与所在区域原有大气污染程度成正比.在不同天气形势下,要使PM_(2.5)浓度达到国家环境空气质量标准75mg/m~3时,人为源需削减比例为30%~60%.     

北京2011年10月连续灰霾过程的特征与成因初探

选择2011年北京地区灰霾典型发生月——10月,利用在中国环境科学研究院监测的φ(SO₂)、φ(O₃)、φ(NO₂)、φ(CO)、ρ(PM₁₀)、ρ(PM_2.5)、ρ(BC)等数据,对该地区秋季典型灰霾过程特征及成因进行了研究. 在观测期间51.5%的时间内出现了灰霾,其中13.6%属于重度灰霾. 对灰霾期间污染物时间分布特征的分析表明:在灰霾过程中ρ(PM₁)、ρ(PM_2.5)、ρ(PM₁₀)及ρ(BC)较各自月均值的升幅均大于20%,ρ(PM₁)/ρ(PM_2.5)(78.7%)也明显增大.大气能见度的降低与细颗粒物及亚微米颗粒物有直接关系. 对观测期间的气象因素、气体污染物时间序列和颗粒物浓度累积特征的研究表明,10月连续灰霾过程的成因可能是该月频繁出现的鞍型场静稳天气及北京周边地区存在的基数较大的细颗粒物排放源所致.      

北京PM2.5浓度的变化特征及其与PM10、TSP的关系

在连续2年进行累积1周同步采样的基础上,对北京市城区和居住区2个采样点环境空气中PM2.5的浓度及其时间变化特征进行了分析.PM2.5周平均浓度的变化范围为37~346靏/m3,年均浓度接近或超过PM10的二级年均标准.PM2.5浓度具有明显的季节变化特征,即冬季最高,夏季最低.2个采样点PM2.5浓度的周变化与季节变化均相似.PM2.5与PM10、TSP的比值均在冬季最高,春季最低,反映采暖燃烧源对细颗粒物的贡献较大,而沙尘天气对粗颗粒物的贡献较大;其年均值分别为55%和29%.     

广州市与北京市大气能见度与颗粒物质量浓度的关系

为了研究相对湿度(RH)和颗粒物对能见度的影响,于2008年12月11日~2009年8月27日和2008年7月14~2008年9月17日分别在广州和北京对能见度、RH、PM2.5和PM10进行了监测.结果表明,PM2.5和RH是影响能见度的主要因子;在RH￡70%和80%0.05mg/m3时,随着PM2.5降低,能见度变化不明显;当PM2.5<0.05 mg/m3时,随着PM2.5降低,能见度迅速改善.因此,在颗粒物治理的起始阶段,PM2.5下降对能见度的改善效果不很明显;但当PM2.5降低到一定程度后,能见度的改善效果非常显著.     

上海市秋季典型大气高污染过程中颗粒物的化学组成变化特征

于2010年10月1日至11月30日在上海市城区对大气中颗粒物质量浓度及细粒子化学组分进行了在线连续观测,获得了秋季大气灰霾和沙尘等典型污染过程中颗粒物质量浓度和化学组成的变化特性.观测结果显示,在大气灰霾污染过程中PM₁₀和PM_2.5的日均最高浓度分别达到216~293 μg·m^-3和130~204 μg·m^-3,PM_2.5/PM₁₀的比值在65%以上,总的可溶性无机离子(TWSII)占PM_2.5质量浓度的50%以上,有机碳(OC)和元素碳(EC)的总和占25%~30%.二次可溶性离子(SO₄^2-, NO₃^-, NH₄⁺)占TWSII的83.3%~87.5%,OC/EC的比值在5左右,表明在灰霾污染过程中二次组分对PM_2.5的贡献较大;沙尘天气以粗粒子污染为主,TWSII、OC和EC分别仅占PM_2.5质量浓度的27.2%、13.4%和2.0%,二次可溶性离子(SO₄^2-, NO₃^-, NH₄⁺)占TWSII的55.7%,Ca²⁺、Mg²⁺等地壳组分的比例较灰霾天气明显升高.研究结果还显示,SO₄^2-和NO₃^-等二次离子组分的生成与颗粒物中硫与氮的氧化速率有关,在大气灰霾过程中硫转化率(SOR)和氮转化率(NOR)值较高,分别为0.24±0.10和0.15±0.06,说明SO₂通过二次反应生成SO₄^2-的能力较强,在污染的环境下高浓度的NO₂更有利于向NO₃^-转化.     

上海市霾期间PM2.5、PM10污染与呼吸科、儿呼吸科门诊人数的相关分析

为了探讨上海市霾期间PM2.5、PM10污染与呼吸科、儿呼吸科日均门诊人数的相关性;对上海市6所大中型医院2009-01-01～2009-12-31期间医院呼吸科、儿呼吸科日门诊人数及霾天PM2.5、PM10的浓度数据运用广义相加泊松回归模型进行统计分析,并进行当日和滞后日的危险度评估.结果发现,在霾发生当日,PM10...     

2015年12月北京市一次重污染过程中PM_(2.5)特征分析

2015年入冬以来京津冀区域重污染频发,综合分析了2015年12月19—26日京津冀及周边地区发生的一次重污染过程中PM_(2.5)分布特征及成因。监测数据显示,2015年12月北京市重污染日共计13 d,累计月均值为151.8μg/m3。在12月19—26日一次重污染过程中,区域污染面积均超过40万km2,北京市单站PM_(2.5)小时均值超过800μg/m3。污染初期北京市南部地区PM_(2.5)浓度明显偏高,且PM_(2.5)极端高值出现在南部站点。污染输送阶段,北京市PM_(2.5)小时浓度在短时内呈爆发式增长,浓度增值是年均值的2~5倍。污染缓解阶段,偏北风作用,浓度明显下降。除了极端不利的天气形势外,区域散煤排放是造成重污染的重要原因;河北省唐山、保定、廊坊、石家庄等城市区域输送加重了污染程度。     

北京餐饮源排放细粒子理化特征及其对有机颗粒物的贡献

调研了北京餐饮业发展现状,通过在线监测、采样分析等手段研究北京4家不同烹调方式的餐馆所排放颗粒物的质量浓度、粒径分布、形貌特征、化学组分,并初步估算餐饮源排放细粒子对北京细粒子中颗粒有机物的贡献.结果表明,餐馆的原料、烹饪过程、油烟去除装置以及客流量都会影响餐馆所排放颗粒物的物理、化学性质.样本餐馆营业期间排放颗粒物PM_{2 .5}质量浓度是当日环境大气PM_{2 .5}质量浓度的8～35倍,PM_{1 .0}在PM_{2 .5}的质量浓度中约占50%～85%.餐饮源排放颗粒物多以固态和液态颗粒物形貌存在,化学组分质量百分数由多到少依次是有机物、无机离子和元素碳,分别占到PM_{2 .5}质量浓度的70%左右、5%～11%和小于2%.初步估计结果表明,北京餐饮源排放细粒子对有机颗粒物的贡献和交通源的排放相当,成为北京细粒子有机颗粒物的主要来源之一.认识餐饮源排放颗粒物的理化性质,可以为改善北京空气质量和保证居民身体健康提供数据支持.     

北京市2020年春节期间空气质量影响因素分析

2020年春节期间由于新冠肺炎疫情的大范围暴发,包括北京在内的多个城市经济社会活动较长时间处于低水平状态。但是在此期间,北京市出现了两次(农历正月初二至初六、正月十六至十九)污染水平不逊于往年的重污染天气,成为社会各界关注的焦点。本文以北京市2016-2020年春节期间的空气质量为研究对象,首先运用多元线性回归法判断了气象因素以及经济和社会活动因素对四类污染物(PM_2.5、PM₁₀、NO_2和SO₂)的影响程度,进一步研究了在2020年春节期间的两次重污染时段内各个因素对PM_2.5的影响程度,最后运用双重差分法评估春节期间的疫情管控措施对北京市空气质量产生的影响。多元线性回归结果显示在2016-2020年春节期间:(1)气象因素对北京市的PM_2.5、PM₁₀、NO₂和SO₂四类污染物浓度的影响占主导地位,其中温度、湿度与四类污染物浓度变化均显著正相关,气压和降水与四类污染物浓度变化均显著负相关;(2)经济活动水平与NO₂浓度水平有显著正相关关系,说明随着经济活动水平强度的降低和交通流量的下降,NO₂浓度呈现出降低趋势,而PM_2.5、PM₁₀和SO₂与经济活动水平分别有正相关、正相关和负相关关系,但并不显著;(3)从社会活动来看,燃放烟花爆竹会增大PM_2.5、PM₁₀和SO₂浓度,同时假期变量对PM_2.5和SO₂的浓度变化也存在显著正向影响。对于2020年春节期间的两次重污染过程来说,气象依然是主要影响因素,但是各因素的贡献值有所不同;春节期间经济活动水平对正月初二至初六重污染过程的贡献较小(2%),而对正月十六至十九有明显的负影响(-20%)。双重差分法评估结果显示,疫情管控对PM₁₀和NO₂有缓解效果,而对PM_2.5和SO₂未见明显影响,这表示疫情管控措施对空气质量施加了影响。本文不仅识别出了春节期间气象因素、经济社会活动与北京市四类污染物浓度之间的关系,有助于厘清各因素对空气质量产生影响的方式,而且对进一步改善北京市及京津冀地区的空气质量具有重要启示意义。