贵州省生物质燃烧源大气污染物排放清单

为准确掌握贵州省生物质燃烧源大气污染物的排放状况,基于收集资料和实地调查结合的方式获取活动水平,引用文献和本地实测数据结合的方式选取排放系数,采用排放系数法结合GIS技术,建立了贵州省2019年3 km×3 km生物质燃烧源9种大气污染物排放清单.结果表明：(1)全省生物质燃烧源CO、 NO_x、 SO₂、 NH₃、 VOCs、 PM_2.5、 PM₁₀、 BC和OC的排放量分别为：293 505.53、 14 781.19、 4 146.11、 8 501.07、 45 025.70、 39 463.58、 41 879.31、 6 832.33和15 134.74 t.户用生物质炉具CO、 SO₂、 NH₃和BC的排放量贡献率最大,秸秆露天焚烧NO_x、 VOCs、 PM_2.5、 PM₁₀和OC的排放量贡献率最大.(2)各市(州)生物质燃烧源排放的大气污染物分布不均衡,主...     

东北地区农业源一次颗粒物排放清单研究

采用自下而上的清单编制方法,搜集各农业环节(秸秆燃烧、整地、收割、谷物处理、化肥施用、农机排放、风蚀)排放因子、作物面积和耕作方式等信息,编制了2010年东北地区县级尺度的农业一次颗粒物(PM₁₀和PM_2.5)排放清单,并分析了农业源颗粒物排放的时空分布特征.结果表明:1)2010年东北地区农业源一次颗粒物PM₁₀总排放量54.6万t,PM_2.5总排放量35.6万t;2)东北地区农业源一次颗粒物PM₁₀排放量最大的农业活动环节是秸秆燃烧,占农业源总排放量的比例为60%,秸秆燃烧排放PM_2.5占PM_2.5农业源排放量的87%,整地环节是一次颗粒物排放的第2大农业排放源,对农业源排放PM₁₀和PM_2.5总量的贡献率分别是27%和6%; 3)PM₁₀和PM_2.5的排放强度空间分布表明,东北地区农业源颗粒物排放区域集中在黑龙江省东北部和中部地区,吉林省中部和辽宁省中部地区; 4)PM₁₀和PM_2.5排放的时间变化特征显示,PM₁₀农业源排放年变化曲线中,5月份和9、10月份是农业源排放一次颗粒物PM₁₀较多的月份,PM_2.5排放集中在9、10月份;5)本研究估算的污染物排放清单的不确定性为184.3%.未来的工作将侧重于典型农业区本土排放因子测定,从而有效减小排放清单的不确定性.     

北京市交通扬尘PM2.5排放清单及空间分布特征

为建立一种自下而上的交通扬尘PM_2.5排放清单方法,对北京市不同区域、不同类型道路的路面积尘负荷进行了采样和实验室分析,对各类路网的道路车流量和车辆类型进行了调查和统计,建立了北京市道路交通扬尘PM_2.5排放清单,并对其空间分布进行了分析. 结果表明:北京市城区快速路、主干道、次干道、支路和胡同的交通扬尘PM_2.5排放因子分别为(0.05±0.03)(0.09±0.05)(0.11±0.05)(0.16±0.14)和(0.27±0.20)g/(km·辆),相应各类型道路的交通扬尘PM_2.5排放强度分别为(7.21±4.66)(5.27±3.03)(3.34±1.49)(2.84±2.49)和(0.54±0.40)kg/(km·d);郊区高速路、国道、省道、县道、乡道和城市道路的交通扬尘PM_2.5排放因子分别为(0.10±0.03)(0.50±0.33)(0.39±0.37)(0.41±0.41)和(0.65±0.31)(0.19±0.08)g/(km·辆),各类型道路交通扬尘的PM_2.5排放强度分别为(3.82±1.31)(10.00±6.58)(3.93±3.74)(1.64±1.63)(0.65±0.31)和(0.74±0.32)kg/(km·d). 北京市道路交通扬尘PM_2.5的年排放量为13 565 t,从空间分布上看,郊区交通扬尘PM_2.5年排放量、单位道路长度排放量以及排放因子均高于市区,而城区单位行政区面积的交通扬尘PM_2.5排放量高于远郊区县. 从交通扬尘PM_2.5排放的空间分布特征看,在继续加强城区交通扬尘控制的同时,应采取措施控制远郊区县公路的扬尘排放. 自下而上的交通扬尘PM_2.5排放清单提高了排放的时空分辨率,能够识别路网中高排放的区域和路段,为交通扬尘总量管理和减排目标考核提供了一种技术手段.      

基于空气质量模式和数学规划模型的城市PM2.5达标策略——以临汾为例

为了改善城市空气质量,降低PM_2.5浓度,需要制定科学的控制策略,同时兼顾污染物减排量与减排成本效益.本文基于区域大气环境模型RegAEMS与数学规划模型,采用多目标遗传算法,探究城市大气PM_2.5污染的最优控制策略,并应用于临汾市（14类行业源、17个区域源）的PM_2.5浓度达标规划,实现污染物排放量最大和减排成本最小的双目标优化.结果表明,在PM_2.5平均浓度近200 μg/m³的重污染天气条件下,为达到PM_2.5浓度目标（75μg/m³）,临汾市最大污染物允许排放量为356.7t/d,最小减排成本为3.36亿元.NO_x、SO₂、NH₃、VOCs和一次颗粒物的减排量分别为98.1,49.9,44.3,155.7和105.5t/d,减排成本分别为11.7,6.8,6.2,5.5和3.5千万元.对VOCs、NO_x、PM_2.5、NH₃和SO₂减排潜力最大的行业分别为焦化源、移动源、扬尘源、农业源和民用燃烧源,分别占所有行业5种污染物减排量的21.6%、14.1%、11%、8.6%和3.8%.钢铁行业的减排成本最高（39%）;襄汾县的减排量最大,减排成本最高（达7218万元）.     

关中地区道路移动源细颗粒物排放特征研究

道路移动源排放的细颗粒物是城市大气颗粒物的主要来源,其排放量、粒径分布和化学组分等特征是评价区域环境颗粒物排放水平及制定相应管控措施的基础.本研究通过抽样调查与观测数据,采用MOVES模型计算了2019年关中地区道路移动源细颗粒物排放量,并利用台架测试法收集了36辆机动车尾气颗粒物,分析了细颗粒物粒径分布和化学组分特征.结果表明,关中地区机动车尾气、刹车磨损和轮胎磨损的PM_2.5排放量分别为3543.77、593.45和117.61 t,西安市机动车PM_2.5排放总量占关中地区机动车PM_2.5总排放量的46.8%.重型货车为机动车PM_2.5主要排放源,其保有量仅占机动车总保有量的2.3%,但排放了53.6%的PM_2.5;不同燃料类型机动车对尾气PM_2.5的排放贡献率不同,柴油车最大,为87.5%.在匀速工况下,柴油车、汽油车和天然气车尾气细颗粒物的数浓度峰值粒径分别为73、9和9 nm,而在加速工况下分别为73、17和17 nm;在加速工况下,这3类燃料机...     

西安市典型道路扬尘排放清单及化学组分

道路扬尘是城市大气颗粒的主要来源之一,扬尘中含有的重金属、碳质组分和水溶性离子会危害人体健康 . 为研究西安市道路扬尘的排放量及颗粒物的化学组分,在西安市环路、主干路、次干路和支路设监测点,采集了 141个道路积尘样品,估算了不同类型道路的积尘负荷 . 采用 AP-42 模型估算了不同类型道路的扬尘排放因子,建立了 2018 年西安市道路扬尘 PM_2.5和 PM₁₀的排放清单,分析了道路扬尘颗粒物的化学组分 . 基于西安市路网分布、GIS信息和车流量对道路扬尘 PM_2.5和 PM₁₀的排放量进行了空间分配 . 结果表明,西安市机动车道、非机动车道和人行道的积尘负荷分别为（0.88±0.83）、（2.62±2.23）和（1.41±1.42）g·m^-2. 按道路长度加权平均的扬尘中 PM_2.5和 PM₁₀的排放因子分别为 0.22和0.93 g·km^-1·veh^-1. 2018 年西安市道路扬尘...     

重庆主城区大气PM10及PM2.5来源解析

为探讨重庆主城区4个季节大气PM₁₀和PM_2.5的主要来源,于2012年2—12月在重庆主城区的工业区、文教区和居住区5个环境监测点同步采集PM₁₀及PM_2.5样品,分析了无机元素、水溶性离子、有机碳和元素碳含量及其分布特征. 采集了重庆主城区土壤尘、建筑水泥尘、扬尘、移动源(包括机动车、施工机械及船舶)、工业源(包括固定燃烧源及工业工艺过程源)、生物质燃烧源及餐饮源等7类污染源,建立了重庆市本地化的污染源成分谱库. 利用CMB(化学质量平衡)受体模型及二重源解析技术分析了PM₁₀及PM_2.5的来源. 结果表明:重庆主城区大气中ρ(PM₁₀)及ρ(PM_2.5)的年均值分别为153.2和113.1 μg/m3,超过GB 3095—2012《环境空气质量标准》二级标准限值2倍以上. 大气PM₁₀的主要来源为扬尘、二次粒子和移动源(贡献率分别为23.9%、23.5%和23.4%),大气PM_2.5主要来源于二次粒子和移动源(贡献率分别为30.1%和27.9%).PM₁₀和PM_2.5的主要源类贡献率差别不大,表明研究区域内大气颗粒物污染控制应采取多源控制原则. 大气PM₁₀来源的季节性变化特征表现为春季和秋季主要以扬尘为主、夏季和冬季主要以二次粒子为主.      

邯郸市大气污染源排放清单建立及总量校验

邯郸作为"2+26"城市主要的重工业城市之一,位于京津冀南北传输通道的核心位置,在京津冀地区大气污染协同调控中处于重要地位.为改善当地空气质量,以邯郸市为研究对象,基于拉网式调查获取详细活动水平数据,结合相关排放因子,得到2016年邯郸市大气污染源排放清单;采用WRF-CMAQ（气象-空气质量）数值模型,模拟了2016年典型季节代表月（1月、4月、7月、10月）的空气质量,验证了数值模型的准确性;最后基于总量校验方法,反向估算了邯郸市典型污染物的排放总量,对初始大气污染源排放清单进行校验.结果表明:①2016年邯郸市SO₂、NO_x、TSP、PM₁₀、PM_2.5、CO、VOCs、NH₃的总排放量分别为78 533、183 126、497 466、258 940、124 637、3 735 355、200 309、187 299 t.②工业源是SO₂、NO_x、PM_2.5、CO和VOCs的主要排放源,分别占总排放量的74.5%、54.5%、30.6%、76.7%和28.1%;无组织扬尘源对TSP、PM₁₀、PM_2.5的贡献较大,分别占总排放量的58.5%、43.6%、30.3%;NH₃的主要排放源为农畜氨及人体和其他氨,二者排放的NH₃占总排放量的96.9%.③总量模型估算得到邯郸市PM_2.5、SO₂、NO₂年排放量分别为152 739、79 405、206 549 t;对比分析校验前、后典型污染物排放发现,校验前的大气污染源排放清单可能低估了PM_2.5和NO_x的排放量.研究显示,邯郸市污染物排放量较大,工业源为主要排放源,建议相关部门加强对工业源的管控力度.      

机器学习耦合受体模型揭示驱动因素对PM2.5的影响

PM_2.5主要受排放源、大气化学、气象条件等驱动因素的非线性影响,了解驱动因素对PM_2.5浓度的影响十分重要. 本研究基于南开大学大气环境综合观测超级站的逐时在线观测数据,耦合机器学习方法和受体模型,揭示了驱动因素的重要性以及对PM_2.5浓度的影响. 结果表明:① 2018年11月—2020年10月观测地点的PM_2.5浓度范围为3.21~291.80 μg/m3,采暖季PM_2.5浓度和化学组分均高于非采暖季. ②使用受体模型解析PM_2.5的来源及其贡献,发现观测期间二次源的贡献率(44.7%)最高,其他依次为燃煤源(23.6%)、机动车排放源(11.0%)、扬尘源(9.9%)、生物质燃烧源(7.2%),工业源的贡献率(3.6%)最小. ③利用随机森林-SHAP模型量化排放源、大气氧化能力、气象条件等驱动因素对PM_2.5浓度的影响,发现观测期间排放源对PM_2.5浓度的影响程度为54.3%,高于其他驱动因素;气象条件对PM_2.5浓度的影响程度次之,为32.4%;大气氧化能力对PM_2.5浓度的影响程度相对较低,为13.3%. 在采暖季和非采暖季,各驱动因素对PM_2.5浓度的重要性在排序上没有变化,然而驱动因素对PM_2.5浓度的影响程度有所不同. 采暖季排放源对PM_2.5浓度的影响程度高于非采暖季,采暖季大气压对PM_2.5浓度的影响程度低于非采暖季. 研究显示,排放源对PM_2.5的影响相对较大,气象条件和大气氧化能力对PM_2.5浓度的影响也不容忽视.      

荆州开发区高分辨率大气源排放清单构建研究

为准确掌握荆州开发区大气污染物排放状况,该研究采用排放因子法,基于资料收集与实地调查结合的方式获取活动水平、文献调研选取排放系数,结合ArcGIS平台,建立了荆州开发区2019年1 km×1 km 10类排放源9种大气污染物排放清单。结果表明：开发区SO₂、NO_x、CO、VOCs、NH₃、PM₁₀、PM_2.5、BC和OC的排放量分别为850.4、2 407.1、4 584.0、4 848.3、107.7、8 602.1、4 485.3、57.8和159.6 t。移动源是NO_x的主要来源,占NO_x总排放量的43.8%。固定燃烧源是CO的主要来源,占CO总排放量的81.5%。工艺过程源是SO₂、VOCs、PM₁₀、PM_2.5和OC的主要来源,分别占SO₂、VOCs、PM₁₀、PM_2.5和OC总排放量的50.9...     

西安市人为源挥发性有机物排放清单及研究

对西安市各类VOCs人为源进行系统分类,收集活动水平数据,应用国内外排放因子研究的最新成果,采用排放因子法建立了西安市2014年人为源VOCs排放清单.结果表明:2014年西安市人为源大气VOCs排放量为11.51×104t,其中,固定燃烧源、生物质燃烧源、工艺过程源、有机溶剂使用源、移动源、油品存储与销售源和废弃物处理源的排放量分别占VOCs排放总量的2.53%、3.32%、13.30%、51.50%、23.64%、4.82%和1.02%.油墨印刷、建筑涂料和汽车喷涂为有机溶剂使用源重点排放行业,VOCs排放量占到排放总量的48.89%;工艺过程源中化学药品、医药制造、原油加工和化学纤维为重点排放行业,VOCs排放量占到排放总量的10.19%.各区县中,长安区、雁塔区、未央区、碑林区VOCs排放量明显较高,其分担率分别为16.53%、14.88%、14.47%和12.99%.     

苏州市大气细颗粒物(PM2.5)工业源排放清单

通过发放调查表、现场咨询等形式,获得苏州市2012年工业企业基本信息,参照国内外已有研究成果,确定排放因子,并根据实际情况对钢铁行业进行了系数修订,得到苏州市工业源大气细颗粒物排放清单.结果表明:苏州地区工业源PM_(2.5)排放总量约为6.57×10~4t,工艺过程源和固定燃烧源分别占94%和6%;张家港地区贡献率最大,为51%,其次为常熟13.8%;姑苏区贡献率最小,为0.13%;苏州市平均排放强度为10.42 t·km~(-2),张家港排放强度最大,达到了43.57 t·km~(-2),其次为新区12.38 t·km~(-2);钢铁与炼焦、火电、水泥行业是PM_(2.5)的主要贡献者,分别为50%、17%和14%;空间分布显示苏州北部相对细颗粒污染较大,重点企业多集中在张家港、常熟地区,东部污染较少.     

西安市人为源大气氨排放清单及特征

根据西安市各类氨排放源活动水平数据,采用合理的估算方法和排放因子,建立了2013年西安市人为源大气氨排放清单.结果表明,2013年西安市人为源大气氨排放量为47.17×10~3t,排放强度为4.57 t·km~(-2);畜禽养殖和氮肥施用是排放贡献最大的两个人为源,氨排放量分别为20.55×10~3t和17.51×10~3t,占排放总量的80.68%;畜禽养殖中,牛和猪是最大的排放源,占畜禽养殖排放总量的75.03%;临潼区是排放量最大行政区,排放量为10.73×10~3t,分担率为23.22%;阎良区的排放强度最大,达到14.75 t·km~(-2).     

西安人为源VOCs排放特征及其对O3和SOA生成潜势的影响

为研究西安市人为源VOCs（挥发性有机物）对OFP（O₃生成潜势）和SOAFP（二次有机气溶胶生成潜势）的影响,基于西安市环境统计数据和相关统计资料,结合排放因子法和已有的源成分谱,建立西安市人为源VOCs排放清单,并利用最大增量反应活性（MIR）和气溶胶生成系数（FAC）估算各类人为源排放VOCs对O₃和SOA（二次有机气溶胶）的生成贡献.结果表明:①2016年西安市人为源VOCs排放总量为119.187×103 t,其中,溶剂使用源、移动源和工艺过程源是主要的排放源,排放量分别为50.676×103、29.414×103、24.430×103 t. ②2016年西安市各区县VOCs排放总量较大的依次为长安区、雁塔区、未央区和碑林区,排放量分别为15.28×103、12.34×103、11.81×103和10.14×103 t,莲湖区、新城区和灞桥区VOCs排放量大于5×103 t,而阎良区排放量最小. ③2016年西安市总OFP为222.087×103 t,间/对-二甲苯、甲苯、邻-二甲苯等对总OFP的贡献率为72.40%;溶剂使用源对总OFP的贡献率最大,其次是生物质燃烧源,并且生物质燃烧源单位质量VOCs的OFP最强. ④2016年西安市总SOAFP为318.347 t,间/对-二甲苯、甲苯、邻-二甲苯、乙苯等对总SOAFP的贡献率为88.65%;溶剂使用源对总SOAFP的贡献率最大,其次是生物质燃烧源,而且溶剂使用源单位质量VOCs的SOAFP强于其他排放源.研究显示,与其他地区VOCs单位面积排放清单相比,西安市VOCs单位面积排放强度处于中等水平.      

基于入户调查的贵阳市生活燃煤排放清单

为准确掌握贵阳市生活燃煤大气污染物的排放状况,为南方山地城市大气污染防治工作提供科学依据,本研究于2017年对贵阳市生活燃煤情况开展了入户调查.据统计分析,2016—2018年贵阳市常住人口和生活煤炭消费量变化小.同时,采用排放系数法结合GIS技术,建立了贵阳市2016年1 km×1 km生活燃煤大气污染物排放清单.结果表明：①全市生活燃煤量约为55.9×10⁴ t,单位面积燃煤量为69.5 t·km^-2,不同区（市、县）生活燃煤量存在明显差异;从燃煤总量来看,开阳县最大,云岩区最小;从单位面积燃煤量来看,云岩区最大,息烽县最小.②全市生活燃煤PM₁₀、PM_2.5、SO₂、NO_x、VOCs、CO、OC、BC排放量分别为1230.5、783.0、6963.5、615.3、1006.8、39096.4、55.9、3.9 t,单位面积排放量分别为153.0、97.4、865.7、76.5、125.2、4860.7、7.0、0.5 kg·km^-2.③生活燃煤污染物排放量呈明显的季节性变化特征,冬季采暖季污染物的排放量远高于非采暖季.④在空间分布上,大气污染物排放主要集中在云岩区、南明区、白云区中南部,以及观山湖区东南部、乌当区西南部及花溪区东北部,这与居民生活区域基本呈一致性分布.⑤调查样本量覆盖了总家庭户数的1.5%,全市以煤炭为生活能源的住户占比约为38.1%,户均燃煤量为（1.158±0.010）t·a^-1,排放清单不确定性总体范围为-82.6%~201.0%.     

武汉市秸秆燃烧VOCs排放估算及管理对策

秸秆燃烧是我国人为源挥发性有机物(volatile organic compounds,VOCs)排放的重要来源之一,其排放对气候变化和人体健康都有很大影响.对该来源VOCs排放量的可靠估算是在区域或城市范围内进行排放效应分析和污染控制的重要前提.根据2005~2011年武汉市农作物的总产量,采用排放因子分析法估算了武汉市及主要6个农作物产区的秸秆燃烧VOCs的排放量,并分别计算其耕地排放强度(I c)和区域排放强度(I r).结果表明,武汉市2005~2011年年均秸秆燃烧VOCs排放量约为(3 163±139)t,I c和I r分别为(1.52±0.06)t·km-2和(0.37±0.02)t·km-2.粮食类和油料类农作物秸秆燃烧是主要的排放源,需优先控制7大类21种VOCs物质.武汉市分区VOCs排放量从大到小排序依次为黄陂区、新洲区、江夏区、蔡甸区、汉南区、东西湖区,前4个区的排放总量占到武汉市的近九成.江夏区、汉南区、黄陂区和新洲区应作为秸秆燃烧VOCs排放的优先控制区,尤其是能作为全国代表性的江夏区,应引起高度重视.在进行区域或城市范围的秸秆燃烧产生污染物质的生态风险评价时,该污染物的I c和I r都是需要考虑的重要基础数据.最后,提出大力发展农村秸秆资源综合循环经济利用是解决区域或城市范围内秸秆燃烧产生环境问题的可行之径.     

基于积尘负荷的西安市铺装道路扬尘排放研究

近年来城市颗粒物污染问题日渐突出,严重影响着人们的环境幸福指数和对美好环境的期待.道路扬尘作为城市扬尘的重要组成部分,对颗粒物污染的贡献不容小觑.在此背景下,采用积尘负荷法采集西安市快速路、主干道、次干道、支路等4种类型25条道路的道路扬尘样品,并分析采样速率、采样次数等因素对采样效率的影响.在此基础上,计算得到西安市各类型道路的平均积尘负荷,结合车流量、车重、道路长度,通过《扬尘源颗粒物排放清单技术指南》中的公式计算得到各种类型道路TSP、PM₁₀、PM_2.5的排放系数及排放量.结果显示：采样速率为1.0 m²·min^-1,采样次数为两次可满足采样要求.不同类型道路积尘顺序为：支路（4.18 g·m^-2）>次干道（2.80 g·m^-2）>快速路（1.49 g·m^-2）>主干路（1.34 g·m^-2）;道路积尘TSP、PM₁₀、PM_2.5的平均排放系数分别为6.066、1.542和0.447 g·km^-1.快速路和主干路的扬尘排放系数较小,支路的扬尘排放系数次之,次干路的扬尘排放系数较大.采用Monte Carlo方法对TSP、PM₁₀和PM_2.5的排放量进行不确定性分析,在95%的概率分布范围下,三者定量不确定性均为-16.88%~17.96%.     

基于数值模拟对西安地区冬季一次重污染过程PM2.5区域来源解析

西安是关中盆地经济发展的核心城市,特殊的地形和工业发展导致冬季细颗粒物（PM_2.5）污染严重,制定科学合理的治理措施迫切需要明确PM_2.5的来源.本文基于空气质量模式CAMx（Comprehensive Air Quality Model with extensions）、颗粒物源解析模块PSAT（Particulate Source Apportionment Technology）及融入多种来源数据后建立的排放清单来量化西安地区本地及区域传输贡献.在本文研究的重污染过程中,模式的模拟精度合理,模拟与观测值相关系数为0.78,FAC2达到95%.PSAT模块在本次重污染过程中对西安PM_2.5的来源解析结果显示：在城区,西安本地为最大的排放源区,日均贡献率均大于60%,其次为咸阳8%,省外的传输为6%;在郊区,西安本地的贡献减少,传输贡献增加,其中阎良区传输贡献达到83%.对西安城区的一次细颗粒物面源排放量减少50%模拟后,城区和郊区来自周边区域渭南或咸阳的贡献率有6%~8%的增长.该研究结果表明需要从本地排放管控和区域联防两方面来改善西安地区的空气质量.     

上海地区大气中氯化氢和颗粒氯排放源清单初步研究

氯自由基对于臭氧和二次气溶胶的生成贡献不容忽视.夜间颗粒相氯(Cl~-)可以通过与N_2O_5的复杂反应转化生成ClNO_2,其光解产生的氯自由基将显著影响大气污染的形成机制.本文以上海地区为案例,以2017年为基准年,收集了人为源活动水平数据,采用排放系数估算方法,首次建立了上海地区人为源氯化氢(HCl)和颗粒氯(Cl~-)的排放清单;并进一步结合模型计算海盐气溶胶排放的颗粒氯(Cl~-).结果表明,2017年上海市人为源和天然源排放的HCl和Cl~-分别为1207 t和820 t,其中,燃煤、工业、垃圾焚烧和秸秆燃烧产生的HCl排放量分别为327、134、722和24 t.燃煤源中的燃煤电厂和其它行业燃烧约占燃煤源排放的80%;工业源中水泥为HCl的最大排放源,约占工业源排放的51%;垃圾焚烧厂排放约占总HCl排放的60%,为最大的HCl排放源.燃煤、工业源、垃圾焚烧、秸秆焚烧、烹饪源和海盐的颗粒Cl~-排放量分别为82、153、498、47、39和0.6 t,燃煤源中的燃煤电厂占燃煤Cl~-排放的40%,供热、其他行业和家庭燃烧分别占燃煤Cl~-排放的24%、22%和14%;钢铁行业为工业源的主要Cl~-排放源,约占工业源排放的90%,垃圾焚烧厂占全部Cl~-排放的61%,烹饪源中餐饮企业为最主要排放源,占烹饪源的70%;天然源海盐的排放量极少,未占到总排放的1%.从空间分布来看,浦东新区、宝山、普陀、松江和金山排放的HCl和Cl~-占到全市人为源总排放的80%,为主要的HCl和Cl~-排放区域.本文研究建立的上海地区大气中氯化氢和颗粒氯排放源清单,对于深入研究氯化学机制对二次污染的影响提供了重要的数据参考.     

利用SPAMS研究西安市重污染天气细颗粒物污染特征及来源

为了对西安市冬季重污染过程中的细颗粒物进行动态源解析,于2016年12月5-22日,利用SPAMS（单颗粒气溶胶质谱仪）在西安市城市运动公园开展连续观测.将观测期分为4个阶段,结合气象条件对不同阶段细颗粒物的污染特征进行分析比较.依据质谱特征,将所采集到的颗粒分为EC（元素碳）、OC（有机碳）、ECOC（混合碳）、HM（重金属）、LEV（左旋葡聚糖）、SiO₃（矿尘）、K（钾）、Na（钠）、HOC（有机大分子）及Other（其他）类.结果表明:观测期间所采集到的OC类颗粒物数量最多,在重污染阶段OC、K和EC类颗粒物占颗粒总数的70%以上,是重污染天气的主要组成颗粒.在雾霾消散期,OC、LEV和SiO₃类颗粒是主要类型颗粒物.根据颗粒物的化学类型及离子特征,利用PMF（正交矩阵因子分解）模型法得到6种污染源贡献率分别为27.7%（燃煤源）、22.3%（二次污染源）、20.4%（交通源）、10.4%（生物质燃烧源）、9.7%（工艺过程源）、6.5%（扬尘源）及3.0%（其他未知源）.研究显示:在重污染阶段,燃煤源与交通源占比大幅上升,与二次污染源共同造成了此次重污染天气;在雾霾消散期,扬尘源及生物质燃烧源成为大气细颗粒物的主要污染源.