2000—2002年沙尘现象对北京大气中PM10质量浓度的影响评估

北京地区大气中污染物粒子PM₁₀主要有3个来源:本地区排放的PM₁₀;北京周边地区排放的PM₁₀经过输送扩散进入北京大气中;沙尘现象污染北京大气,尤其在强沙尘时造成北京大气中主要污染物粒子皆为沙尘粒子。而北京部分地区受沙尘影响时,大气中污染物粒子既包含沙尘粒子也包含排放的污染物粒子。利用北京及周边地区气象台站资料、卫星遥感资料以及环境监测资料,采用月积分浓度和年积分浓度方法,对沙尘粒子与污染物粒子进行了统计对比分析,发现沙尘粒子约占北京PM₁₀的7%～19%。      

2018年吉林市大气污染物浓度变化及其与气象因素的相关性分析

采用统计学方法、Pearson相关系数法和线性回归法研究分析了2018年吉林市大气污染物SO₂、NO₂、PM₁₀、PM_2.5、CO和O₃浓度的变化特征、污染物浓度之间的相关性以及污染物与气象因素的相关性。结果表明:1）吉林市大气环境中O₃、PM₁₀和PM_2.5日均值超标率分别为1.06%、3.27%和7.14%,颗粒物、O₃及其前体物质为治理重点;CO、SO₂、NO₂、PM₁₀和PM_2.5春、冬季污染较重,夏季污染最轻;大气环境中的污染物浓度随季节、时刻及人类活动发生周期性变化;2）PM₁₀和PM_2.5、PM_2.5和CO、NO₂和CO浓度之间高度相关（相关系数r均>0.8）,并建立了其预测线性模型;3）污染物（O₃除外）浓度与温度、风速和混合层高度呈负相关,与气压呈正相关;降水对SO₂、PM₁₀和PM_2.5浓度具有一定的削减作用,降水后其浓度减少的次数占总降水次数的68.75%、84.38%和78.13%;吉林市污染最严重的颗粒物受气象因素中混合层高度、风速和降水影响较大。该研究成果可为日后吉林市开展大气污染治理、区域大气环境容量测算、空气污染潜势预报等研究提供参考。     

2015年北京“阅兵蓝”特征及成因探讨

利用大气成分和气象要素观测数据,对2015年8~9月北京田径世锦赛和抗战胜利70周年纪念活动期间的北京PM_2.5浓度变化特征及其相关的大气污染气象条件进行了研究,并采用大气化学数值模式模拟了气象条件、减排措施和区域减排联合行动对北京PM_2.5浓度下降的作用和贡献.结果表明：纪念活动期间北京地区空气质量显著改善,PM_2.5平均浓度仅为18.7μg/m³,比前期8月1~19日下降70%,比2014年同期降低74.0%;东北冷涡长时间稳定少动为空气质量改善提供了良好的大气环流条件,北京地区混合层高度相比前期升高20%,相对湿度降低17%,风速增大7%,气象要素变化为庆祝活动期间PM_2.5浓度下降提供了良好的气象条件,尤其是地面主导风向转为偏北风后,阻止了北京城南及华北中南部地区的污染物输入北京城区;CAMx模式的模拟结果表明,与2014年同期相比,气象条件变化在北京PM_2.5浓度降幅中的贡献率达73%;纪念活动期间有无减排的模拟分析显示,在相同的气象条件下,减排措施使北京PM_2.5浓度下降约33%;期间北京PM_2.5来源以本地排放为主,本地的减排措施对改善空气质量的贡献率约为72%,周边地区减排的贡献率约为28%.     

京津冀及周边地区“2+26”城市空气质量特征及其影响因素

京津冀及周边地区“2+26”城市为京津冀大气污染传输通道城市,也是我国空气污染最严重的区域之一.针对京津冀及周边地区“2+26”城市,利用中国环境监测总站公布的PM_2.5、PM₁₀、SO₂、NO₂、O₃和CO数据,对2013—2019年京津冀及周边地区“2+26”城市大气污染特征进行分析,并探讨影响其空气质量变化的因素.研究表明:①2013—2019年京津冀及周边地区“2+26”城市空气质量总体向好,2019年ρ（PM_2.5）、ρ（PM₁₀）、ρ（SO₂）、ρ（CO）和ρ（NO₂）比2013年分别下降了50%、41%、79%、49%和20%,ρ（O₃-8 h-90per）（臭氧日最大8 h平均值第90百分位数）比2013年升高了21%.②2013—2019年京津冀及周边地区“2+26”城市重污染天数持续减少,2019年比2013年下降67%,严重污染天数下降尤为明显,降幅达90%.优良天数比例虽然增加,但2016年以后基本稳定在50%左右,没有持续增加的趋势.③ρ（PM₁₀）、ρ（SO₂）、ρ（NO₂）和ρ（CO）的最大值均出现在1月,ρ（O₃-8 h）（臭氧日最大8 h平均值）的最大值出现在6月.ρ（PM_2.5）越高,PM_2.5/PM₁₀和SO₂/NO₂越大,表明二次污染源和燃煤源的贡献越大.④就空间分布而言,ρ（PM_2.5）和ρ（PM₁₀）高值区主要集中在区域中南部太行山脉山前的平原地区,低值区主要集中在区域北部.⑤地理位置、气象条件、产业结构、能耗消耗以及减排政策是影响2013—2019年京津冀及周边地区“2+26”城市空气质量变化的重要因素.研究显示,随着大气污染防治减排措施实施的力度逐渐加大,政策影响已成为京津冀及周边地区“2+26”城市空气质量持续改善的最重要手段.      

亚洲季风强弱年蒙自市大气环境容量差异估算

利用区域空气质量模式WRF-Chem,对亚洲季风气候变化背景下云南省蒙自市大气环境容量进行模拟评估.根据标准化南亚夏季风指数分别选取2005年和2015年为强、弱季风年.对2015年四季（以1月、4月、7月和10月为代表月）和2005年夏季（7月为代表月）的主要大气污染物浓度进行模拟.结果表明蒙自市2015年全年CO、NO₂、SO₂、PM_2.5、PM₁₀的大气环境容量分别为120.31、1.127、1.875、1.267、1.688（×10⁴t/a）,其中各污染物冬季大气环境容量最小,春季的最大（PM₁₀除外）,且PM_2.5在冬季排放量已饱和.强季风年相对弱季风年夏季CO、NO₂、SO₂、PM_2.5、PM₁₀的大气环境容量分别提升4.81%、3.86%、12.6%、18.4%、8.7%,其中PM_2.5的容量提升最高.亚洲季风年际变化对云南高原空气质量及大气环境容量具有重要的调制作用.     

京津冀大气污染传输通道区大气污染时空格局研究

客观理解京津冀大气污染传输通道城市（“2+26”城市）空气污染时空格局对于区域大气污染联合防治具有重要意义.本研究采用遥感数据反演的PM_2.5浓度产品，利用趋势分析法和重心分析法，揭示了京津冀城市大气污染传输通道区2000~2015年大气污染时空格局演化特征.结果表明：（1）区域PM_2.5平均浓度整体呈现出太行山脉区域较低，太行山脉以东较高的格局，城镇地区明显高于周边地区.（2）2000~2015年区域PM_2.5年均浓度总体呈增加趋势，主要表现在2000~2007年，呈显著增加趋势的面积占全区的88.48%，之后呈稳定状态.（3）区域PM_2.5污染重心位于衡水、邢台和德州3市交界处，区域北部大气污染较严重.本研究可为京津冀及周边地区大气污染防治政策制定和措施实施提供参考与支持.     

偏东风输送导致的关中地区冬季PM2.5重污染个例研究

关中地区是我国大气污染的重点监测区域,为探究偏东风输送对关中地区冬季PM_2.5重污染的影响,重点分析了2018年1月12-18日在偏东风输送影响下关中地区ρ（PM_2.5）日均值的变化过程;利用WRF和CAMx模式对PM_2.5重污染过程进行模拟并讨论其消长原因.结果表明:①冬季关中地区在高压脊和西南槽的控制下,偏东风将污染物输送至关中地区,加之关中地区地形阻滞,致使关中地区的ρ（PM_2.5）上升.②研究期间,关中地区ρ（PM_2.5）日均值范围为103~240 μg/m3,偏东风输送是导致此次重污染过程的重要原因.重污染的发生还与气象要素的变化有关,其中ρ（PM_2.5）日均值与气温、相对湿度均呈滞后相关性.在ρ（PM_2.5）日均值相等的情况下,相对湿度越大,能见度越低;随着ρ（PM_2.5）日均值和相对湿度的升高,能见度下降的速率逐渐变慢.③根据WRF-CAMx的模拟结果,此次重污染过程中关中地区PM_2.5污染输送关系不均衡,宝鸡市和咸阳市均以本地贡献为主,其本地贡献率超过45.00%,而渭南市接收关中地区其他城市及关中地区以外区域污染输送占比为69.82%;位于盆地中东部的咸阳市、西安市和渭南市的ρ（PM_2.5）月均值均大于关中地区ρ（PM_2.5）平均值;渭南市、西安市、运城市以及关中地区以外城市是此次关中地区跨市PM_2.5污染输送的主要来源.研究显示,偏东风输送是关中地区此次大气重污染过程的重要原因.      

泉州市2017-2021年大气污染特征及新冠疫情的影响

该文基于2017-2021年泉州市6项主要污染物(PM₁₀、PM_2.5、NO₂、SO₂、CO和O₃)监测数据及空气质量指数(AQI)数据,分析讨论了泉州大气污染的年际和季节变化特征以及常态化新冠疫情管控对泉州环境空气质量的影响,以期为泉州大气污染的进一步治理提供科学参考。结果表明,泉州2017-2021年PM₁₀、PM_2.5、NO₂、SO₂和CO的年均浓度整体上均呈现下降趋势,年均下降率最大的是SO₂(15.8%),其次是NO₂和CO(9.3%和8.1%),O₃污染相对突出但浓度变化范围显著减小,泉州的整体大气污染波动趋于平稳。泉州的PM₁₀、NO₂、SO₂、CO和O₃污染浓度最高的季节均为春季,春季为泉州的主要污染季节。新冠疫情管控期间,...     

衡水市大气污染成因研究及治理经验

衡水市作为"2+26"城市中典型的低GDP、高污染城市,其空气质量排名常年处于74个重点城市的后10位.自大气重污染成因与治理攻关项目工作开展以来,衡水市开展了大量污染成因研究及污染治理工作,已取得了较为明显的大气污染治理成效.从空气质量变化、排放源、污染物来源解析及气象条件与排放贡献等方面,梳理了衡水市大气污染成因研究及治理经验.结果表明:①衡水市的空气质量得到较大改善,PM₁₀和PM_2.5治理成效明显.2018年衡水市ρ（PM₁₀）和ρ（PM_2.5）年均值比2017年分别下降了25.12%和19.73%,比2013年分别下降了54.84%和51.22%,但O₃污染形势逐渐严峻,以O₃为首要污染物的天数由55 d（2013年）增至125 d（2018年）.②相比于2016年,衡水市2017年SO₂、NO_x、CO、PM₁₀、PM_2.5、BC、OC、VOC的排放总量均大幅下降.③2013-2018年导致衡水市PM_2.5下降的因素中,气象因素占8.0%,排放源因素占92.0%,说明衡水市通过减排措施改善空气质量的效果较为显著.④硝酸盐已经取代硫酸盐成为秋冬季颗粒物二次转化中最重要、占比最高的成分.研究显示,衡水市高ρ（PM_2.5）主要以本地排放和临近地区输送为主,为有效控制衡水市PM_2.5污染的发生与发展,应采取本地排放控制与"2+26"城市联防联控相结合的方案.      

天津市“十三五”期间PM2.5减排效果评估

为了解“十三五”期间天津市PM_2.5减排效果,基于2015～2020年不同大气污染治理措施的减排量核算结果,利用空气质量模型和高时空分辨率PM_2.5监测数据,对“十三五”期间天津市PM_2.减排效果进行分析.结果表明,2015～2020年,天津市SO₂、 NO_x、 VOCs和PM_2.5的排放量分别减少4.77×10⁴、 6.20×10⁴、 5.37×10⁴和3.53×10⁴t,其中工艺过程、散煤和电力治理对SO₂的减排贡献大,工艺过程、电力和钢铁治理对NO_x的减排贡献大,工艺过程对VOCs的减排贡献最大,工艺过程、散煤和钢铁治理对PM_2.5的减排贡献大.“十三五”期间天津市PM_2.5浓度平均值、污染天数和重污染天数明显下降,分别较2015年下降31.4%、 51.2%和60.0%;与前...     

北京奥运会及残奥会期间PM10质量浓度演变特征及成因

2008年8─9月北京及周边各省市ρ(PM₁₀₎明显低于2006─2007年同期值. 结合污染物监测数据及气象资料,采用影响因子资料统计以及典型个例诊断对比法,研究造成北京奥运会及残奥会期间低ρ(PM₁₀₎的原因. 对2006─2008年同期风速的统计表明,2008年7─10月北京各月平均风速均低于往年,2 m/s以上的风发生频率低于往年,不利于大气污染物扩散. 2008年8月北京月降水量与2005年接近,但ρ(PM₁₀₎明显优于2005年,可见降水并不是该次ρ(PM10)月均值低的原因. 对比2006─2008年8─9月典型相似累积型天气型背景影响下ρ(PM₁₀₎日均值及演变过程发现,2008年ρ(PM₁₀₎日均值及演变曲线均低于往年. 根据对影响因子统计和北京及其周边省(市、区)严格的减排措施等分析,指出天气形势及其伴生的气象因素演变可能影响ρ(PM10)日均值波动,但六省(市、区)协同减排是保障优质空气质量的主要原因.      

2008年北京市大气质量的灰色预测

运用灰色关联分析方法对北京市大气主要污染物质进行了分析,得出PM10、TSP和SO2是主要污染因子。在此基础上,运用灰色系统理论建模方法,分别建立主要污染因子的预测模型。运用该模型预测出到2008年北京市的TSP和PM10仍不能达到国家二级标准。在今后几年内降低颗粒物的污染是北京市大气污染控制工作的首要任务。     

上海市市区、郊区NO2、SO2和PM10的时空变化规律及相关性分析

在对上海市嘉定区大气污染物SO2、NOx和PM10连续1年的观测基础上，结合上海环境状况公报的数据，探讨了市区、郊区大气污染物的空间和时间变化规律。结果表明，2005年中NO2、SO2和PM10的质量浓度在市区和郊区均是冬春两季高，夏秋两季低；NO2、SO2和PM10浓度在市区要高于郊区；郊区大气污染物的月变化幅度要比市区大，市区PM10污染有增加趋势。根据气象条件分析，嘉定区周边工业污染对NO2、SO2和PM10的浓度有贡献，市区NO2、SO2和PM10的质量浓度则与机动车尾气、工业燃煤，建筑扬尘和道路扬尘等诸多因素有关。相关性分析表明，上海市NO2、SO2和PM10相互之间存在比较强的相关性。     

北京奥运时段河北香河大气污染观测研究

为监测评估周边地区大气污染对北京的可能影响,2008年6～9月北京奥运时段,在北京东南方向河北香河开展了大气污染物SO2、NOx、O3、PM2.5和PM10的连续在线观测,结合地面气象资料和HYSPLIT轨迹模式探讨了污染物的来源与传输过程.结果表明,香河地区大气污染较为严重,上述污染物观测期间日均最高值(日均值±标准差)分别达到84.4(13.4±15.2)、43.3(15.9±9.1)、230(82±38)、184(76±42)和248(113±52)μg.m-3,特别在奥运会开幕前后的7月20日～8月12日之间出现了2次持续污染过程,导致O3和PM10分别超过国家二级标准46 h(超标率9%)和11 d(46%),PM2.5则超过美国EPA标准18 d(75%).奥运时段8～9月的大气污染物日均值较6～7月日均值有明显降低:SO2从27.7μg.m-3下降到5.8μg.m-3;NOx从18.6μg.m-3下降到13.2μg.m-3;O3从96μg.m-3下降到80μg.m-3;PM2.5从90μg.m-3下降到60μg.m-3;PM10从127μg.m-3下降到106μg.m-3.NOx、PM2.5和PM10统计(月为单位)日变化为双峰型,峰值分别出现在07:00和20:00左右;臭氧呈单峰型,峰值出现在14:00～16:00之间.香河地区大气污染受局地排放和外源输送共同影响,持续的偏南气流易造成污染物积累,而偏北气流有利于污染物扩散,降水可明显清除大气中的污染物质.通过计算7月20日～8月12日香河和北京奥运村PM2.5小时平均浓度之间的超前相关系数,发现香河超前北京6～10 h时相关性较大(0.57r0.65,p=0.01),最大相关系数出现在超前8 h,表明上述时间段内香河实时观测数据对北京大气PM2.5污染超标事件可能具有预警作用.     

近20年北京市城近郊区环境空气质量变化及其影响因素分析

利用北京环境空气质量定点监测资料,研究了北京市城近郊区近20年来环境空气质量的变化趋势及其影响因素.结果表明,从年际变化看,SO2、降尘、B[a]P浓度显著下降,而NOx、CO浓度和O3超标情况显著上升,空气污染处于由煤烟型向机动车尾气型转变的过程中,表现出典型的复合污染特征.年内变化显示,采暖期污染比非采暖期严重,尤其SO2在采暖期浓度是非采暖期的5.7倍.从空间分布上看,TSP、降尘、O3表现为近郊区污染重于城区;SO2、NOx、CO表现为城区污染重于近郊区.空气污染源增加的压力与环境保护措施的相互作用是驱动北京市近20年环境空气质量变化的主要因素.产业结构的变化、重点污染源的整治、能源结构调整、能源的清洁使用、机动车尾气排放标准的提高等对保护环境空气质量起到一定作用.     

当前我国大气环境质量的几个特征

通过分析我国大气环境监测资料可知,我国大气污染物已从SO2转变为PM₁₀,而且大气环境质量呈现大区域特征。以年日均API分布为例,出现2个大污染区域和几个小区域,一个大区域处于华北、东北和西北的部分地区,另一个大区域处于长江中下游地区。这些区域的形成,除该区域中煤耗总量较大以外,还与大气输送网络和盆地地形有密切关系。研究地区的大气环境质量常常出现过程特征,由不同月份的大气环境质量优良的过程和污染的过程发现这类过程的出现与移动缓慢的弱天气形势下的大气边界层底层结构有关。提出了温度、露点的垂直分布特征与大气污染物浓度将出现增量或减量的相关性。      

京津冀一次重污染过程的成因和来源

2016年12月16~21日,京津冀地区经历了一次大范围重污染过程.本文基于空气质量监测资料及实况天气图分析了此次极端区域重污染事件的天气成因,并利用嵌套网格空气质量预报模式（NAQPMS）对京津冀主要城市PM_2.5污染来源进行定量解析.结果表明：污染前中期500hPa高空为偏西气流伴空中回暖,后期转槽前偏南气流增温增湿明显;对应地面气压逐渐降低,辐合不断增强;垂直方向上,逆温层不断抬升加厚,中低层暖平流明显,风垂直切变小;大气长时间处于极度静稳状态也是造成此次重污染过程的天气因素.污染期间,京津冀各主要城市PM_2.5污染本地贡献占40%~60%;北京市PM_2.5本地贡献为48%,其中16~17日北京市主要受沿太行山东侧的西南向输送通道（邯郸-邢台-石家庄-保定-北京）影响,其后风速减小,北京本地及周边城市贡献增大.     

山西省阳泉市大气环境质量数值模拟

根据山西省阳泉市南煤集团西上庄煤电一体化项目的总体要求,拟用中尺度气象模式MM5耦合大气污染模式CALPUFF,对评价区域2005年4月的大气环境进行数值模拟。通过综合模式系统的模拟发现:该地污染源的排放对阳泉空气质量起决定作用;对SO2的平均浓度贡献为47.05μg/m3,对PM10的平均浓度贡献为20.37μg/m3。本地点源的排放对SO2的影响相对较大;对SO2平均浓度的贡献可达36.93μg/m3。该地面源排放对PM10的影响相对较大,对PM10平均浓度的贡献为14.63μg/m3。外地点源排放对阳泉大气环境的影响较小,但在某些过程中外地点源排放的污染物通过区域输送对阳泉的空气质量也会造成一定的影响。     

An integrated chemical mass balance and source emission inventory model for the source apportionment of PM2.5 in typical coastal areas

The source apportionment of PM_2.5 is essential for pollution prevention. In view of the weaknesses of individual models, we proposed an integrated chemical mass balance-source emission inventory (CMB-SEI) model to acquire more accurate results. First, the SEI of secondary component precursors (SO₂, NO_x, NH₃, and VOCs) was compiled to acquire the emission ratios of these sources for the precursors. Then, a regular CMB simulation was executed to obtain the contributions of primary particle sources and secondary components (SO₄^2?, NO₃^-, NH₄⁺, and SOC). Afterwards, the contributions of secondary components were apportioned into primary sources according to the source emission ratios. The final source apportionment results combined the contributions of primary sources by CMB and SEI. This integrated approach was carried out via a case study of three coastal cities (Zhoushan, Taizhou, and Wenzhou; abbreviated WZ, TZ, and ZS) in Zhejiang Province, China. The regular CMB simulation results showed that PM_2.5 pollution was mainly affected by secondary components and mobile sources. The SEI results indicated that electricity, industrial production and mobile sources were the largest contributors to the emission of PM_2.5 gaseous precursors. The simulation results of the CMB-SEI model showed that PM_2.5 pollution in the coastal areas of Zhejiang Province presented complex pollution characteristics dominated by mobile sources, electricity production sources and industrial production sources. Compared to the results of the CMB and SEI models alone, the CMB-SEI model completely apportioned PM_2.5 to primary sources and simultaneously made the results more accurate and reliable in accordance with local industrial characteristics.     

Thermal internal boundary layer and its effects on air pollutants during summer in a coastal city in North China

The thermal internal boundary layer(TIBL) is associated with coastal pollution dispersion,which can result in high concentrations of air pollutants near the surface of the Earth. In this study, boundary layer height data which were obtained using a ceilometer were used to assess the effect of the TIBL on atmospheric pollutants in Qinhuangdao, a coastal city in North China.A TIBL formed on 33% of summer days. When a TIBL formed, the sunshine duration was 2.4 hr longer, the wind speed was higher, the wind direction reflected a typical sea breeze, and the boundary layer height was lower from 9:00 LT to 20:00 LT compared to days without a TIBL. If no TIBL formed, the average concentrations of PM_(2.5) and PM_(10) decreased with increasing boundary layer height. However, when a TIBL was observed, the average concentrations of PM_(2.5) and PM_(10) increased with increasing boundary layer height. Because the air from the sea is clean, PM_(2.5) and PM_(10) concentrations reached minimums in the daytime at 16:00 LT. After16:00 LT, the PM_(2.5) and PM_(10) concentrations increased rapidly on days when a TIBL formed,which indicated that the TIBL leads to the rapid accumulation of atmospheric pollutants in the evening. Therefore, the maximum concentrations of particulate matters were larger when a TIBL formed compared to when no TIBL was present during the night. These results indicate that it is suitable for outdoor activities in the daytime on days with a TIBL in coastal cities.