鄂尔多斯市夏秋季气溶胶新粒子生成过程影响因素分析

利用宽范围粒径谱仪于2019年8月16至10月4日在鄂尔多斯市观测了10 nm~10 μm气溶胶粒径分布,结合PM（PM_2.5和PM₁₀）、污染气体、气象数据和HYSPLIT模式,分析了新粒子生成（NPF）特征及其主要影响因素.结果表明,观测期间一共出现19次NPF过程,占总观测期间的37.5%.NPF过程中对不同模态气溶胶数浓度日变化的影响不同.NPF使得核模态和爱根核模态气溶胶数浓度急剧增加,但是对积聚模态和粗模态气溶胶数浓度的影响较小.NPF发生时往往温度较高,风速较大,总辐照度较高,RH较低.NPF天PM_2.5、PM₁₀、CO和NO₂的浓度较低,O₃和SO₂浓度较高.40.0%的偏北气团和29.6%的偏南气团可观测到NPF过程.不同气团类型NPF过程中气象要素存在显著差异.南部气团类型NPF过程中风速最小,平均为（2.4±1.5）m·s^-1;RH最高,平均为（48.8±10.8）%;北部气团类型NPF过程中风速最大,平均为（4.2±1.9）m·s^-1;总辐照度最高,平均为（664.5±255.6）W·m^-2;西部气团类型NPF过程中RH最低,平均为（29.8±12.7）%.不同气团类型NPF过程中新粒子的生成速率相差不大,为1.5~1.8cm^-3·s^-1.南部气团类型NPF过程中增长速率最大,为（12.7±13.6）nm·h^-1,是北部气团类型和西部气团类型的1.2倍和1.4倍.     

珠江三角洲大气光化学氧化剂(Ox)与PM2.5复合超标污染特征及气象影响因素

基于粤港澳珠江三角洲区域空气监测网络12个监测子站的大气污染物数据,梳理2013~2017年大气光化学氧化剂O_x（NO₂+O₃）与PM_2.5质量浓度的变化趋势.O_x+PM_2.5复合超标污染定义为NO₂和PM_2.5质量浓度日平均值以及O₃浓度日最大8 h平均值（O₃ MDA8）同时超过二级浓度限值,分析了不同类型站点复合超标污染的时空分布特征以及气象因素影响.结果表明,2013~2017年珠三角PM_2.5年均质量浓度由（44±7）μg·m^-3下降至（32±4）μg·m^-3,实现PM_2.5连续3 a达标.O_x年均质量浓度由2013年（127±14）μg·m^-3下降至2016年（114±12）μg·m^-3,2017年反弹至（129±13）μg·m^-3,O₃浓度上升明显（10 μg·m^-3）.以O₃为首要污染物的污染过程占比由2013年33%增多至2017年78%,多个城市同时发生污染的区域特征明显.研究时段内O_x+PM_2.5复合超标污染事件共发生60次,主要在城区站点（78%）和郊区站点（22%）.秋季发生复合超标污染天数最多（52%）,是因为强太阳辐射有利于臭氧生成,大气氧化性增加,进而促进了PM_2.5二次生成.造成珠三角复合超标污染的天气形势主要为高压出海型（43%）、高压控制型（30%）和热带低压型（27%）.就具体气象因素而言,气温在20~25℃且相对湿度在60%~75%的范围内时,复合超标污染事件发生占比最高（22%）.在O₃重污染过程中,夜间高湿和低风速使得NO₂和PM_2.5浓度显著上升,日间高温加剧了复合超标污染.     

2016-2018年西宁市颗粒物来源及输送差异分析

利用HYSPLIT模式计算了2016—2018年西宁市逐日72 h气团后向轨迹,采用聚类分析方法,结合同期颗粒物PM₁₀和PM_2.5质量浓度数据,分析逐年和3年平均西宁市颗粒物输送特征及差异,运用潜在源贡献因子分析法（PSCF）和浓度权重轨迹分析法（CWT）对影响西宁市PM₁₀和PM_2.5质量浓度的污染潜在源区及不同潜在源区贡献进行了分析.结果表明,2016—2018年,西宁市颗粒物最主要输送路径源自青海北部的聚类2、甘肃中部的聚类6和甘肃东部的聚类8,占同期总轨迹比例分别为28.1%、27.4%和27.5%;3年平均则源自青海北经青海东折回西宁的聚类2,占比45.3%.最主要输送路径对应颗粒物质量浓度最低,输送距离较短、垂直高度较低、气团移速较慢;影响气团由西北向偏东转变,3年平均则以西北气团为主.2018年源自甘肃经青海东至西宁的短距离输送处于突出地位,所含轨迹占总轨迹的比例高达49.6%.PM₁₀和PM_2.5主要输送路径和污染路径由较长距离向较短距离过渡,较长距离输送路径出现比例逐年较小.PM_2.5/PM₁₀小于0.3时,主要输送路径与PM₁₀污染轨迹有很好的对应关系;PM_2.5/PM₁₀大于0.6时,主要输送路径与PM_2.5污染轨迹有较好的对应关系.PSCF和CWT分析发现,影响西宁市颗粒物质量浓度的主要污染潜在源区分布在新疆南部和青海北部,对PM₁₀质量浓度贡献大于100 μg·m^-3,对PM_2.5质量浓度贡献大于45 μg·m^-3.潜在源区分布年变化差异明显,2016年最广,2018年最小.印度北部主要贡献源区虽分布范围逐年减小,但在2017年局部贡献增大,对PM₁₀贡献超250 μg·m^-3,对PM_2.5贡献超60 μg·m^-3.主要贡献区周边区域及西宁至兰州一带为中等贡献源区,对PM₁₀贡献为50~100 μg·m^-3,对PM_2.5贡献为15~45 μg·m^-3.     

南京江北2014-2016年PM2.5质量浓度分布特征及气象和传输影响因素分析

利用2014-2016年南京江北地区PM_2.5质量浓度和气象要素的小时数据,并结合HYSPLIT模式后向轨迹聚类分析和PSCF法分析了PM_2.5质量浓度的污染特征及其主要影响因素和主要来源特征.结果表明：2014-2016年PM_2.5质量浓度呈逐年下降趋势,下降幅度约为17.40%,由2014年的62.1 μg·m^-3下降至2016年的51.2 μg·m^-3,能见度由2014年的5.8 km上升至2016年6.6 km.PM_2.5质量浓度存在显著的月变化和季节变化特征,1月浓度最高,可达93.0 μg·m^-3;8月浓度最低,仅为38.8 μg·m^-3;冬季浓度最高,可达76.8 μg·m^-3,夏季浓度最低,仅为47.1 μg·m^-3.不同季节日变化均为单峰型分布.气象要素对PM_2.5质量浓度的影响较大,不同相对湿度下能见度和PM_2.5质量浓度具有较好的拟合关系.霾和非霾天PM_2.5质量浓度的阈值为15 μg·m^-3.不同季节的主导气团不同,春季主导气团为偏北气流和偏东气流,占比分别为43.50%和30.80%;夏季主导气团以东部气流为主,占比约为68.22%;秋季和冬季主导气团为来自北方的气流,总占比分别为83.52%和100%;偏北内陆气团PM_2.5质量浓度较大,偏东海洋性气团PM_2.5质量浓度较低.PM_2.5质量浓度潜在源区春冬季潜在源区范围较大,夏秋季潜在源区范围较小,季节变化显著.春季潜在来源主要分布在安徽、江西北部、江苏南部和浙江北部等地区,夏秋季分布在安徽东部、浙江北部和江苏南部等地区,冬季分布在安徽、河南东部,山东和江苏等地区.     

长三角区域性PM2.5污染的空间分型及其大气环流特征研究

本文提出了一种长三角区域性PM_2.5污染日的判别方法，以出现5个、8个连片污染城市为检验阈值，分别覆盖了96%和100%的区域污染日.然后利用T-mode斜交旋转分解方法（PCT）对2015—2018年11—2月长三角地区260个区域性PM_2.5污染日进行分型，揭示了4种不同的PM_2.5的空间分布形态（整体型、西部型、西北型和东北型），其影响范围、持续时间和污染程度存在显著差异.其中，整体型污染受L型高压控制，出现日数最多（139 d）、覆盖范围最广（31个城市）、区域平均浓度最高（104.3 μg·m^-3），是影响长三角地区PM_2.5环境质量的最重要的污染类型.西部型和西北型分别受东路冷空气、西路冷空气影响，PM_2.5分别呈现"西高东低"、"北高南低"的分布形态，前者主要影响安徽大部和浙江北部，后者主要影响安徽北部和江苏西北部.东北型是长三角本地排放在弱气压场和高压中心下混合产生，主要影响江苏大部和上海，基本不受跨区域输送影响.针对不同类型的污染影响范围和程度可以采取差异化的大气污染联防联控措施.     

承德市PM2.5中碳质组分的季节分布特征及来源解析

为研究承德市PM_2.5中碳质组分的季节变化及污染来源,于2019年1、4、7和10月采集大气PM_2.5样品,测定碳质组分浓度.通过有机碳（OC）与元素碳（EC）比值、总碳质气溶胶（TCA）及二次有机碳（SOC）的估算,分析碳质组分的变化特征;结合后向轨迹和主成分分析（PCA）方法,分析污染来源.结果表明,采样期间PM_2.5、OC和EC的平均质量浓度分别为（31.26±21.39）、（13.27±8.68）和（2.80±1.95）μg ·m^-3.PM_2.5的季节变化趋势为：冬季[（47.68±30.37）μg ·m^-3]>秋季[（28.72±17.12）μg ·m^-3]>春季[（26.59±15.32）μg ·m^-3]>夏季[（23.17±8.38）μg ·m^-3],与总碳（TC）、OC和EC季节变化趋势一致,冬季（R²=0.85）的OC与EC来源较一致;OC/EC值得出4个季节均受到交通和燃煤源排放的影响,且冬季受烟煤排放影响显著.TCA的平均浓度为（21.38±13.68）μg ·m^-3,占PM_2.5比例达68.39%,二次转化率（SOC/OC）为：春季（54.09%）>秋季（37.64%）>夏季（32.91%）>冬季（25.43%）.后向轨迹模拟结果表明,春季和夏季气团携带的污染物浓度相对较低,秋季污染物的传输通道为西南方向,冬季为西北方向,主成分分析（PCA）表明,承德市PM_2.5削减的关键是控制机动车尾气、燃煤和生物质燃烧源的排放.     

2016年京津冀地区红色预警时段PM2.5污染特征与浓度控制效果

2016年12月京津冀地区发生一次重污染过程,北京和天津于12月16日20：00至12月21日24：00,河北省（除张家口、承德和秦皇岛）于12月16日00：00至12月22日18：00发布了重污染红色预警.为研究重污染过程与应急措施的控制效果,基于环境监测数据与模型模拟结果对本次重污染过程的污染物浓度、天气形势与气团输送、区域传输和减排效果进行了研究.本次重污染过程中各地市PM_2.5平均浓度均超过200 μg·m^-3,小时均值峰值为834.5 μg·m^-3.重污染期间气象条件非常不利于污染物扩散,低压控制与气团传输加剧了污染过程.各地市平均本地贡献为47.1%,受天气形势影响传输效果存在一定差异.本次红色预警期间京津冀地区PM_2.5浓度平均下降比例为27.6%,减排效果明显.如果提前实施重污染应急措施,可以使PM_2.5下降浓度有一定提升.提前2 d实施可以使PM_2.5浓度平均下降比例增加4.4%,提前3 d以上效果提升不明显.     

不同天气形势对南京地区双高污染的输送及潜在源区分析

基于2015~2019年南京细颗粒物（PM_2.5）和臭氧（O₃）逐小时浓度数据,通过T-mode主成分分析法对南京发生PM_2.5和O₃污染同时高浓度并存（双高污染）时的天气形势进行了分型,利用后向轨迹聚类分析法、潜在来源贡献法（PSCF）和浓度权重轨迹分析法（CWT）研究不同天气形势对南京双高污染的输送路径及潜在源区分布.结果表明,有利于南京地区双高污染的天气形势分别为弱的低压型（Type1）和高压中心型（Type2）.天气形势会对后向轨迹的方位来源产生影响.Type1时,南京地区受到东北和西南两个低气压影响,气团的聚类轨迹主要来自东西两个方位,轨迹中ρ（PM_2.5）和ρ（O₃）平均值分别为83.48 μg·m^-3和106.85 μg·m^-3.Type2时,南京及其周边在高压中心边缘,气团聚类轨迹主要来自北方和东方,轨迹中ρ（PM_2.5）和ρ（O₃）平均值分别为94.47 μg·m^-3和92.32 μg·m^-3.同时两种类型后向轨迹绝大部分属于中短距离区域输送,说明周边临近省份的污染是影响南京地区双高污染主要原因之一.PSCF和CWT分析表明,两者高值区域基本保持一致.Type1和Type2两种类型中PM_2.5和O₃的最主要潜在源区均出现分布并不完全一致的情况,表明双高污染中的两种污染物并非来自同一地区.     

减排背景下成都大气PM2.5碳质组分特征

近年来,国务院颁布的《大气污染防治行动计划》和《打赢蓝天保卫战三年行动计划》对我国空气质量的全面改善起到了重要作用,然而,当前鲜有对四川盆地两大政策实施效果进行评估以及对政策实施后PM_2.5化学组分新特征的针对性研究.2017年和2020年分别是两大污染减排政策实施效果评估的关键时期,为对两时期成都市大气PM_2.5及其中碳质组分特征进行全面了解,分别于2016年10月至2017年7月和2020年12月在成都市区进行了PM_2.5的连续采样,并对其中有机碳（OC）和元素碳（EC）进行了分析.结果表明：①2016~2017年成都市ρ（PM_2.5）平均值为（114.0±76.4）μg·m^-3,最高值出现在冬季,可达（193.3±98.5）μg·m^-3,是浓度最低季节春季［（73.8±32.3）μg·m^-3］的2.6倍,而这种严重的冬季污染在2020年出现了明显改善,对应的ρ（PM_2.5）为（96.0±39.3）μg·m^-3,降幅达50.3%.②2016~2017年ρ（OC）和ρ（EC）的平均值分别为（21.1±16.4）μg·m^-3和（1.9±1.3）μg·m^-3,分别占PM_2.5的质量分数为18.5%和1.7%;ρ（OC）季节变化特征为：冬季［（40.6±21.5）μg·m^-3］>秋季［（17.0±7.0）μg·m^-3］>夏季［（14.4±3.9）μg·m^-3］>春季［（12.6±6.0）μg·m^-3］,而各季节ρ（EC）水平接近（1.3~2.4 μg·m^-3）;二次有机碳（SOC）是OC的重要组成,可占OC的质量分数为44.5%.相比2016年冬季,2020年冬季ρ（OC）降至（19.2±9.1）μg·m^-3,降幅达52.7%,EC则升高了26.1%.③随污染加重,各碳质组分及其贡献变化趋势各异,相比2016年冬季,2020年冬季OC随污染加重贡献更加趋于稳定,而SOC占比升高更为明显,二次有机组分贡献不容忽视.④各季节气团来向和污染物潜在源区均呈现出了明显差异;与2016年冬季相比,虽然2020年冬季主要气团来向未发生明显变化,但各轨迹对应的污染物浓度均出现了大幅降低,且污染物潜在源区向东部区域扩展明显.     

2013-2014年河南省PM2.5浓度及其来源模拟研究

随着城市化和工业化水平的逐渐提高,河南省的空气污染问题也日益严重.利用嵌套网格空气质量模式（NAQPMS）,数值模拟了2013年7月-2014年6月年河南省大气细颗粒物及其前体物（NO₂、SO₂、PM₁₀、PM_2.5）的地面浓度,并量化了其主要来源.结果表明：模式能够较好地再现污染物的时空演化特征.整体来讲,河南省PM_2.5的高值区集中在中部和北部地区,呈现冬季高、夏季低的特点.在线源解析模拟发现,河南省不同地区PM_2.5的来源有所不同,中西部地区主要来自于本地,而在东部和北部地市,来自周边省份的区域输送更为显著,其贡献达到40%～50%,且在PM_2.5浓度的高值区更为明显.就行业贡献而言,居民源、工业源和机动车排放是河南省PM_2.5浓度的主要来源,其浓度贡献分别为23.7 μg·m^-3（贡献比例24%,下同）、20.6 μg·m^-3（21%）和21.3 μg·m^-3（22%）,电厂、农牧业和地面扬尘的浓度贡献分别为7.0 μg·m^-3（7%）、8.7 μg·m^-3（9%）和17.8 μg·m^-3（18%）.受居民源影响最大的地区是河南中东部和北部地市,其贡献达到PM_2.5浓度的27%、27%和25%.工业源影响最大的地区集中在太行山南部地市,其浓度贡献为26.4 μg·m^-3（24%）,在其他地市的贡献为17%～23%.机动车对河南东部影响最为显著,其浓度贡献为22.9 μg·m^-3（24%）.电厂和农畜牧业对全省PM_2.5的贡献分布比较均匀,分别为6%～9%和8%～10%.分析不同浓度下的PM_2.5来源,发现工业源和扬尘贡献随PM_2.5浓度增加逐渐降低,而居民源和机动车排放的贡献则有所增加,在PM_2.5浓度高于100 μg·m^-3期间,达到22%和20%.     

福州市区冬春季PM2.5污染特征与来源差异性分析

基于福州市区2015年2月—2016年1月间的大气PM_(2.5)监测数据,综合运用HYSPLIT后向轨迹模式、潜在源贡献因子法(WPSCF)与浓度权重轨迹分析(WCWT)等方法,探讨了福州市区冬、春季PM_(2.5)污染特征和典型污染过程成因,总结了气象因子和污染来源的季节性差异.研究期间,冬、春季是福州市区PM_(2.5)污染的主要季节,福州市区不同类型站点的PM_(2.5)浓度在冬、春季污染发生时均呈现出整体升高的特点,但浓度日变化却存在季节性差异,冬季无显著日变化,春季则表现为单峰单谷特征.福州市区春季主要受锋前暖区和高压后部等天气系统影响,大气扩散条件差,PM_(2.5)极易在不利的气象条件下累积,福建沿海地区是其PM_(2.5)污染的主要潜在源区;冬季污染易受高压天气系统作用,盛行偏北风,长江三角洲地区的污染物输入会对福州市区空气质量产生较大影响,长江三角洲、浙江东南沿海、福建北部是其PM_(2.5)污染的主要潜在源区.     

2019年元旦前后石家庄市重污染过程PM2.5污染特征及来源解析

2018年12月30日至2019年1月15日石家庄市发生了连续的灰霾天气,出现12个重污染天,首要污染物均为PM_2.5.本文从污染演变、时空分布、组分分析、污染来源和气象因素等多方面展开分析探讨污染成因.结果表明,PM_2.5主要成分为二次无机离子（65.4%）,主要来源为燃煤（24.4%）和工业工艺源（23.7%）.随污染加剧SO₄^2-占比和二次无机源贡献均大幅增加.先后受来自偏南-东南和偏西-西南方向低空气团及特殊地形、静稳高湿、近地逆温等不利气象条件影响,燃煤、工业和机动车尾气等一次源产生的污染物在太行山前快速积累,气态污染物二次转化和颗粒物吸湿增长推高PM_2.5,硫酸盐暴发式增长加剧污染发生.建议重污染应急响应期间在确保各项减排措施落实到位情况下,加强二次无机组分前体物SO₂、NO_x及NH₃排放源的管控,并重点关注SO₂排放源（散煤等）,同时加强市区东北方向新乐、无极、深泽、晋州和行唐区县大气排放源管理,减少局地传输影响.     

2020年天津市两次重污染天气污染特征分析

为了解2020年天津市两次重污染天气污染特征,基于2020年1~2月高时间分辨率的在线监测数据,对天津市2020年1月16~18日（重污染过程Ⅰ）和2020年2月9~10日（重污染过程Ⅱ）进行分析,结果表明,两次重污染过程均呈现前期区域输送和后期本地不利气象条件叠加双重影响的特点,重污染过程期间平均风速均较低,平均相对湿度接近70%,部分时段接近饱和,边界层高度低于300 m,水平和垂直扩散条件均较差.与重污染过程Ⅰ相比,重污染过程Ⅱ主要污染物浓度和污染程度均降低,尤其是NO₂浓度下降明显,重污染过程Ⅱ北部地区PM_2.5和CO浓度较高.两次重污染过程PM_2.5中化学组分浓度和占比发生明显变化,重污染过程Ⅰ二次无机离子（SO₄^2-、NO₃^-和NH₄⁺）、EC和Ca²⁺平均浓度较高,OC和Cl^-平均浓度略低于重污染过程Ⅱ,K⁺平均浓度低于重污染过程Ⅱ.与重污染过程Ⅰ相比,受燃烧源增加和移动源大幅降低影响,重污染过程Ⅱ中SO₄^2-、OC和K⁺在PM_2.5中占比明显上升,NO₃^-和EC在PM_2.5中占比明显下降;工业持续生产使重污染Ⅱ中NH₄⁺和Cl^-在PM_2.5中占比相对较高;工地的停工使两次重污染过程中Ca²⁺占比均较低.PMF解析结果表明,重污染过程Ⅰ中PM_2.5来源为二次离子、燃煤和工业、机动车、扬尘、烟花爆竹及生物质燃烧,贡献率分别为53.8%、20.2%、18.6%、6.3%和1.1%;重污染过程Ⅱ中各源对PM_2.5的贡献率分别为48.3%、28.2%、8.7%、2.6%和12.2%.与重污染过程Ⅰ相比,重污染过程Ⅱ燃煤和工业、烟花爆竹及生物质燃烧对PM_2.5贡献率明显上升,二次离子、机动车和扬尘贡献率明显下降,尤其是机动车和扬尘,贡献率分别下降53.2%和58.7%.     

城市植物叶片含硫量与大气SO2污染关系及其在污染状况评价中的应用

本文通过对南京市区29个采样点的采样和分析(市区14个点代表一般城市的环境状况、大厂区15个点代表重污染区的环境状况),确认法桐和女贞两种树木叶片含S量与大气中SO₂浓度密切相关。在一般污染状况下,线性回归方程即可很好地用于测算大气SO₂浓度,并评价污染等级;但在较重污染和严重污染的情况下,指数回归方程可以很好地测算大气SO₂浓度,并评价污染等级。     

2013年12月上海市PM2.5重污染过程数值模拟研究

基于2013年11月30日-12月13日上海一次PM_2.5重污染过程,利用Model-3/CMAQ模式及过程分析技术,定量评估不同时段各大气过程对上海PM_2.5浓度变化的影响.结果表明:Model-3/CMAQ模式系统能较好的模拟出实况PM_2.5的浓度变化趋势与特点.研究期间,白天源排放的增强和大气传输的影响、加上较强的气溶胶和云过程生成贡献,是造成上海PM_2.5浓度上升至重污染的主要原因.不同污染时段对PM_2.5浓度上升贡献率最大的过程均为输送,其中,西北部点位(青浦淀山湖和虹口凉城输送)的贡献率最大,且重污染时段输送的贡献率明显高于非重污染时段.     

阳泉市秋冬季PM2.5化学组分及来源分析

采集了阳泉市城区2017年10月15日～2018年1月23日PM_(2.5)样品,分析了优良天和污染天PM_(2.5)及其化学组分特征,并利用富集因子分析法(EF)和正定矩阵因子分析法(PMF)对PM_(2.5)进行来源分析.结果表明,采样期间污染天二次无机离子(SO_4~(2-)、 NO~-_3和NH~+_4)在PM_(2.5)中的比例为23.83%,是优良天的2.43倍,污染天二次无机污染严重,污染天人为源相关的元素Cd、 Sb、 Sn、 Cu、 Pb、 Zn和As富集程度大于优良天;主要的污染源对PM_(2.5)的贡献分别是燃煤29.26%、扬尘23.83%、机动车19.34%、二次源16.01%和工业源11.57%,其中,污染天机动车排放对PM_(2.5)的贡献20.57%,高于优良天时17.82%,而燃煤源的贡献23.04%明显低于优良天时33.75%,静稳天气时机动车排放对PM_(2.5)贡献较优良天上升,燃煤源对PM_(2.5)贡献有下降.因此,阳泉市在秋冬季应加强对燃煤、扬尘源的控制,同时进一步加强对机动车的控制,以减少污染期间机动车的贡献.     

中国典型城市群PM2.5污染特征研究进展

为进一步梳理近年来我国城市区域大气PM_2.5污染防治方面的研究成果,基于我国31个城市PM_2.5污染现状,以城市群为视角,总结了京津冀城市群、长三角城市群与川渝城市群PM_2.5组成与污染特征,分析了PM_2.5及其含碳气溶胶、水溶性无机离子、地壳元素等的整体特征,并在城市群间进行对比分析.结果表明:①3个城市群的ρ（PM_2.5）高低顺序依次为京津冀城市群>川渝城市群>长三角城市群,长距离传输使PM_2.5污染成为京津冀城市群、长三角城市群与川渝城市群面临的共同问题.②3个城市群的PM_2.5中均以SNA和OC为主,尽管ρ（PM_2.5）水平有下降趋势,但个别污染物（如SNA）略呈上升趋势.③京津冀城市群与川渝城市群的ρ（OC）接近,并且均高于长三角城市群的80%,较高的ρ（OC）/ρ（EC）反映我国城市群普遍存在SOC污染.④各城市群PM_2.5监测网（如监测时间和采样方法）发展水平迥异,城市群之间的相互影响和传输机制尚不清楚.建议今后的研究向以下几个方面扩展:①对城郊乡村等大气背景点,以及水库、湖泊等地化循环的重要源汇区域开展研究.②针对同一区域开展采样时段更长且研究方法和分析手段上保持一致的研究.③借用国外经验公式时需考虑我国国情,对基础研究方法开展一系列优化,建立符合我国国情的标准化研究方法.      

2015年北京市两次红色预警期间PM2.5浓度特征

利用北京市及周边地区大气污染物监测数据,综合分析了2015年北京市两次空气重污染红色预警期间PM_2.5浓度变化特征并初步评估了减排措施对PM_2.5浓度的影响.结果表明:第1次红色预警期间,北京市PM_2.5平均最高小时浓度出现在12月9日19:00,为282μg·m^-3,单站最高小时值出现在京东南市界永乐店站,浓度达496μg·m^-3.第2次红色预警期间,PM_2.5全市平均最高小时浓度出现在12月22日20:00,为421μg·m^-3;单站最高小时值出现在京西南市界琉璃河站,浓度达831μg·m^-3.两次红色预警累积持续时间均呈现出南部站 > 城区站 > 北部站的特征,且第2次红色预警期间PM_2.5浓度南北差异明显大于第1次,PM_2.5平均浓度在150μg·m^-3以上的面积明显大于第1次,第2次红色预警期间重污染面积可达总面积的93%.两次预警期间气象条件均不利于污染物的扩散,均存在不同程度的二次转化和区域输送现象,极端气象条件是重污染形成的外因,区域污染物排放量大才是导致重污染形成的内因.初步评估结果显示红色预警应急措施实施后,北京市PM_2.5环境浓度下降约20%~25%,减排效果显著.     

关中地区重污染期间PM_(2.5)输送与来源的模拟研究

本文应用WRF-CHEM模式模拟分析了关中地区2014年2月14日至16日的一次重污染过程。模式模拟了西安地区和宝鸡地区城市大气PM_(2.5)的时间变化和空间分布特征,较好地再现了污染过程。敏感性试验分析表明,关中盆地东部地区(西安市及其周边地区)形成的PM_(2.5)对盆地西部地区(宝鸡市及其周边地区)影响较大,贡献可以达到30%,其主要原因为盆地发生重污染时,盛行东风造成西安市及其周边地区形成的污染物向西输送,影响宝鸡市的空气质量。污染源分析表明,居民生活源是关中盆地在2月份最重要的PM_(2.5)源,贡献超过40%,交通运输源的贡献小于10%。因此在重霾情况下,限行机动车的作用很小。     

2020年春节期间天津市重污染天气污染特征分析

为了解春节期间重污染天气污染特征,基于城区点位2020年1月高时间分辨率的在线监测数据,开展天津市春节期间重污染分析.结果表明：区域污染物输送叠加本地污染物排放和不利气象条件导致春节重污染的发生,重污染期间天津市平均风速为0.97 m·s^-1,平均相对湿度为70%左右,边界层高度为210 m,水平和垂直扩散条件均较差.春节重污染期间,天津市PM_2.5、SO₂、NO₂和CO平均浓度分别为219、14、46 μg·m^-3和1.9 mg·m^-3,与春节前重污染相比,春节重污染期间污染程度有所降低,尤其是NO₂浓度下降明显.PM_2.5浓度空间分布表明,天津远郊区依然存在烟花爆竹燃放情况.春节重污染期间,城区PM_2.5中主要化学组分为二次无机离子（NO₃^-、SO₄^2-和NH₄⁺）、OC、K⁺和Cl^-,平均浓度分别为96.4、22.5、9.5和8.9 μg·m^-3,在PM_2.5中占比分别为41.3%、9.7%、4.1%和3.8%.与春节前重污染相比,受移动源减少、工业企业排放降低、工地停工影响,春节重污染期间NO₃^-、SO₄^2-、NH₄⁺、EC和Ca²⁺浓度及其在PM_2.5中占比明显下降;受烟花爆竹燃放影响,OC、K⁺、Cl^-和Mg²⁺浓度及其在PM_2.5中占比均上升.与清洁天气相比,春节重污染期间PM_2.5中二次无机化学转化明显增强.PMF解析结果表明,春节重污染期间,天津市城区PM_2.5的主要来源为二次无机盐、燃煤和工业、烟花爆竹及生物质燃烧、机动车和扬尘,贡献分担率分别为40.1%、30.6%、20.6%、6.9%和1.8%.与春节前重污染相比,春节重污染期间二次无机盐、机动车和扬尘贡献率分别下降25.5%、62.9%、71.4%,燃煤和工业贡献率上升51.5%,烟花爆竹及生物质燃烧源显著上升.无论是重污染还是非重污染,常态化还是特殊时期,二次无机盐、燃煤和工业排放始终是天津市PM_2.5最主要的来源,产业结构和能源结构的调整始终是天津大气污染防治的主要方向.