成都市污染源VOCs排放与O3污染相关性分析

挥发性有机物(VOCs)是形成细颗粒物(PM_2.5)、臭氧(O₃)等二次污染物的重要前体物,随着工业化和城市化的快速发展,以臭氧为特征的区域性复合型大气污染日益突出,为研究成都市污染源VOCs排放情况,根据成都市最新污染源普查数据,我们针对成都市工业源、农业源、移动源和生活源,采用监测数据法和系数法核算了成都市VOCs排放量,行业分布、地区分布,并结合各地区大气臭氧污染情况进行了相关性分析。经过统计分析,工业源和移动源为成都市主要VOCs排放源,工业源VOCs排放量位居前3位的行业分别为家具制造业、石油、煤炭及其他燃料加工业及印刷和记录媒介复制业,VOCs原辅材料使用量及VOCs排放量最多的是胶黏剂,移动源VOCs排放主要为机动车排放。成都市各地区VOCs排放量及臭氧年均值空间分布整体表现为西北高东南低,22个区(市)县VOCs排放量与大气臭氧日均值超标率正相关,15个区(市)县呈现出明显相关性,指数曲线较线性拟合程度较好,存在非线性关系。7个区(市)县VOCs排放与大气臭氧日均值超标率拟合程度较差,呈现出较弱的相关性。     

泸州市城区2021年PM2.5和O3时空分布特征

分析泸州市城区PM_2.5和O₃时空分布特征。利用2021年泸州市4个空气监测站点PM_2.5和O₃质量浓度数据，分析污染物浓度水平及其时空分布特征。结果显示：2021年泸洲城区PM_2.5与O₃浓度分别为40.6μg/m³、137μg/m³，超标天数分别为39天、18天，超标率分别为10.7%、4.9%。PM_2.5浓度冬季最高，夏季最低；O₃浓度夏季最高，冬季最低。在PM_2.5与O₃污染季节，PM_2.5与O₃两者不存在相关性。市环监站监测点PM_2.5与O₃浓度最低，分别为38.7μg/m³、131μg/m³。各站点之间PM_2.5与O₃浓度差异值较小(分别在0...     

滕州市木石镇秋季大气VOCs污染特征及来源解析

使用大气挥发性有机物(VOCs)在线连续自动监测系统,对滕州市木石镇2019年11月环境空气中VOCs进行观测,并分析了VOCs的浓度状况、组成特征、光化学影响和来源。结果表明：观测期间,木石镇大气中TVOC平均体积分数为(32.75±28.96)×10^-9,各物种体积分数从大到小顺序依次为烷烃>烯烃>OVOC>芳香烃>卤代烃>乙炔>含硫化合物;日变化规律呈双峰型,峰值在6:00～7:00时与0:00～1:00时出现。大气VOCs的平均臭氧生成潜势(OFP)为102.02×10^-9,烯烃对臭氧生成潜势贡献率最大,为69.5%;乙烯、丙烯、正丁烯、萘和1,3-丁二烯等是臭氧生成潜势较高的物种。对OH自由基消耗速率(L_OH)贡献最大的为烯烃,其次为芳香烃,两者贡献率占到76.8%。VOCs对二次气溶胶(SOA)浓度的贡献值为0.85μg/m³,其中芳香烃对SOA生成贡献占比为92.8%,对SOA生成贡献最大的前5个物种为萘、甲苯、苯、乙苯、间/对二甲苯。利用PMF模型...     

南通市典型臭氧污染过程VOCs特征及来源分析

利用在线挥发性有机物自动监测仪TH300B对2020年8月12—17日南通市典型臭氧污染过程中VOCs排放进行监测。结果表明,南通市此次臭氧污染过程主要受VOCs排放影响,污染中VOCs体积浓度均值为23.44 ppb,较污染前下降了12.0%,其中芳香烃体积浓度占比下降幅度最大,较污染前下降23.4%,OVOCs体积浓度绝对值下降最大,较污染前下降1.42 ppb。污染中,VOCs总OFP贡献为162.0μg/m3,较污染前下降22.2%,OPF与臭氧的日变化呈明显的相反关系,关键活性物种为甲苯、乙烯和异戊烷等。PMF模型解析结果显示,机动车尾气、工业排放、油气挥发、涂料和溶剂使用、天然气源对VOCs的贡献占比分别为38.6%,35.4%,9.5%,8.8%和7.8%。     

煤焦化行业VOCs的排放特征与治理技术研究进展

我国焦炭年产量处于长期增长状态，焦化生产过程中产生的挥发性有机物(VOCs)对环境的影响不容忽视。焦化行业VOCs废气具有成分复杂、排放节点多，毒性强等特点，且挥发性有机物是细颗粒物(PM_2.5)和臭氧(O₃)的前体物，对环境和人体健康造成严重危害。本文主要针对VOCs的来源、排放特征以及治理措施进行梳理和分析，为VOCs治理技术发展的研究提供思路。     

成都平原西郊PM2.5载带水溶性离子污染特征

为探究成都平原西郊冬季颗粒物污染特征,采用离子色谱仪对选择点位冬季PM_2.5载带进行离子测定。结合空气站点PM_2.5、SO₂、NO₂质量浓度,分析其浓度特征、酸碱度、相关性及主要来源等情况。结果表明：采样期间,该区域大气PM_2.5质量浓度均值为73.1μg/m³,主要水溶性离子质量浓度均值为27.42μg/m³,占比为37.5%;阴阳离子当量比为1.003,PM_2.5呈酸性;二次离子(NH⁺₄、SO₄^2-、NO^-₃)占总水溶性离子质量浓度比值为71.7%且相关性较好,污染期间SNA主要以NH₄HSO₄和NH₄NO₃两种形式存在;主成分分析可知燃烧排放、建筑施工扬尘及机动车排放二次转换是造成西郊冬季...     

2020年自贡市主城区PM2.5污染特征及来源解析

PM_2.5主要污染物来源解析对空气质量管理具有十分重要的意义。本研究利用自贡市国控站点气象、大气污染物及PM_2.5组分监测数据,基于颗粒物源解析模型,分析了2020年自贡城区PM_2.5的主要污染特征,识别并量化了PM_2.5的污染来源及贡献。结果表明：自贡城区的PM_2.5年均浓度为43.2μg/m³,按总体贡献度排序,二次源、移动源、扬尘源和工业源是PM_2.5的主要影响因素,时段及季节变化特征明显;春季贡献最大的为移动源和扬尘源,夏季贡献最大的为移动源和工业源,冬季移动源贡献最大。为自贡市城区空气质量管理及控制提供了重要的决策依据。     

滨州市一次重污染天气影响因素分析

为探究滨州市重污染天气形成机理，文章以滨州市2020年12月一次重污染天气为研究对象，选取12月3—14日细颗粒物(PM_2.5)、可吸入颗粒物(PM₁₀)、二氧化氮(NO₂)、二氧化硫(SO₂)、一氧化碳(CO)和臭氧(O₃)6种常规大气污染物，温度、湿度和风级3项气象因子及空气质量指数(AQI)，同时选取重污染天气峰值当天的气象条件激光雷达观测数据进行分析。研究表明：(1)此次重污染天气形成以本地污染物排放为主，主要受气象条件影响。高湿、低风和无降水天气，大气边界层较低，垂直扩散能力较差，导致污染物的不断积累，发生重污染天气。(2)重污染天气的污染因子以PM_2.5、PM₁₀、NO₂、CO为主，尤其是PM_2.5、PM₁₀。因此，在预防和应对重污染天气时，可重点考虑PM_2.5、PM₁₀的减排。     

南充城区秋季VOCs污染特征及来源分析

为了解南充城区秋季大气环境中挥发性有机物(VOCs)的污染特征及来源,2018年11月7日～11月15日,利用在线GC-MS对南充城区的VOCs成分进行了连续在线监测,并运用PMF模型对VOCs的来源进行了解析。结果表明:监测期间,南充城区的VOCs共检出103种,小时平均体积分数约为(32. 5±5. 7)×10~(-9),由烷烃、含氧挥发性有机物(OVOCs)、芳香烃、烯烃、卤代烃等组成,占比分别为38. 5%、31. 7%、10. 2%、9. 5%和8. 0%;各类污染物中烯烃对总臭氧生成潜势(OFP)的贡献度最大,占32. 6%,OVOCs次之(31. 7%),其余依次为芳香烃(26. 0%)、烷烃(8. 3%)和卤代烃(1. 1%); VOCs的日变化总体呈现两高两低的趋势,但变化幅度较小,VOCs与NO_2、CO、PM_(2.5)和PM_(10)浓度呈正相关关系,与O_3的浓度呈负相关关系;运用PMF模型共解析出道路交通源、工业源、油气挥发、燃料燃烧和餐饮油烟5个因子,道路交通源是南充城区秋季大气环境VOCs最大贡献源(29. 3%),其次为工业源(26. 1%)和油气挥发(23. 0%),燃料燃烧(14. 4%)和餐饮油烟(7. 2%)的贡献最小。相关分析表明:南充城区秋季大气环境中的VOCs受机动车尾气、工业溶剂、油气挥发和生物质燃烧的影响较大,建议后期应重点关注这4类污染源。     

基于超级站观测的乌鲁木齐市PM2.5组分特征分析

为了解乌鲁木齐市PM_2.5各组分浓度及其变化特征，利用2022年乌鲁木齐市大气环境超级站PM_2.5及其组分连续监测数据进行特征分析，结果表明：PM_2.5组分中有机碳、元素碳、水溶性阴、阳离子等组分浓度与PM_2.5浓度呈现“采暖季高、非采暖季低”的季节性变化；PM_2.5各组分中硫酸根、硝酸根、铵根和有机碳占比较大；无机元素浓度高低顺序为：钙>铁>氯>钾；有机碳与元素碳比值为6.08；硝酸根离子与硫酸根的比值小于1；典型污染过程中PM_2.5组分浓度中硫酸盐、硝酸盐、铵盐和有机物等二次气溶胶占比明显增加。说明2022年乌鲁木齐市冬季PM_2.5浓度受SO₂、NO₂和NH₃等污染物二次转化影响，而夏季则受有机物二次转化和一次扬尘源的共同影响，应重点控制相关行业污染排放，减少重污染天气。     

新乡市环境空气中挥发性有机物(VOCs)污染特征及来源解析

2018年4月—9月,对新乡市环境空气中70种VOCs进行监测,分析了VOCs浓度水平、组成特征、臭氧生成潜势及来源。结果表明,新乡市环境空气中VOCs浓度范围为27.25～289.18μg/m3,平均浓度为117.23μg/m3,以醛酮类和烷烃为主,表现为醛酮类烷烃类芳香烃烯炔烃,主要来源于机动车尾气及燃烧源(贡献比为37.609%)以及溶剂使用(贡献比为16.791%)。环境空气中VOCs的臭氧生成潜势贡献表现为醛酮类芳香烃烯炔烃烷烃类。     

基于VIIRS的夜间PM2.5浓度遥感估算

PM_2.5作为主要空气污染物之一，长期影响人类健康和生态环境。目前主流的大气PM_2.5遥感监测依赖于日间过境的气溶胶光学厚度AOD产品，夜间时效连续性受到限制。为此，本文在大气辐射传输原理的基础上，顾及气象、土地利用等与PM_2.5排放、传输相关的因素，构建基于VIIRS的夜间PM_2.5浓度遥感估算方法。以北京市2013—2014年大气重污染事件为例，定性分析、定量评估大气重污染过程下PM_2.5浓度与夜间灯光辐射强度的相关性，开展夜间灯光遥感数据融合多源地理要素的夜间PM_2.5浓度估算。结果表明：随着PM_2.5浓度的显著上升，夜间灯光遥感影像的同一个区域亮度明显下降，PM_2.5浓度值和夜间灯光辐射值的平均相关系数达-0.69(P<0.001)；融合夜间灯光数据与多源地理要素可以较好模拟夜间PM_2.5浓度，模型精度R²达0.83,RMSE为38.03μg/m^...     

沈阳市秋冬季PM2.5中有机碳和元素碳污染特征及来源分析

通过分析沈阳市环境空气秋冬季PM_2.5中有机碳(OC)和元素碳(EC)质量浓度,研究环境空气PM_2.5中OC,EC的污染特征。研究结果表明：沈阳城区秋季环境空气EC和OC质量浓度较高;秋冬季二次有机碳(SOC)平均质量浓度分别达到8.28～14.81μg/m³和6.98～11.59μg/m³,二次污染程度较为严重;通过碳组分进行主成分分析,秋冬季碳组分主要来源于生物质燃烧、燃煤排放和汽油车尾气;冬季K⁺与OC,EC,SOC之间的相关性较好,K⁺与OC,EC,SOC具有一定的同源性;冬季OC与EC相关性较好,冬季碳质气溶胶污染源来源相对一致。     

基于Moran’s I指数的京津冀地区PM2.5空间自相关分析

选取2014~2018年京津冀地区环境监测站点PM_2.5浓度观测数据,基于Moran's I指数,分析了该地区PM_2.5浓度的时空变化特征以及空间相关性。研究表明:2014~2018年京津冀地区PM_2.5浓度空间分布差异显著,2014年良、轻度、中度污染面积约占1/3,降至2018年以“良”为主;PM_2.5浓度空间分布北部、西部优于南部、东部地区,山区优于平原地区;PM_2.5浓度年平均值、IQR、Q1、Q3值及标准差均呈下降趋势,达到且接近于“良”以上程度的站点,从2014年2成增长至2018年8成;通过对历年及各月PM_2.5浓度全局Moran's I指数分析,I值(除7月外)均超过0.5,生成的P值均小于显著水平0.01,Z得分均超过了临界值2.58;年、月平均值均呈显著的集聚效应,年值集聚效应呈减弱趋势,月值集聚效应秋、冬季大于春、夏季,空间集聚效应与污染程度呈显著正相关;局部空间自相关历年、各月H-H集聚主要出现在京津冀南部地区,L-L集聚主要出现在北部地区。京津冀地区PM_2.5浓度值分布存在空间异质性,主要影响因素为地理、气候和经济环境。     

浅析攀枝花市2015～2017年气象要素对空气污染的影响

利用2015～2017年攀枝花市污染因子和气象要素实测数据,运用GIS技术、相关分析以及统计分析等方法,分析攀枝花市空气污染因子和气象要素的时空特征及相关性。结果表明:攀枝花市首要污染物为PM₁₀,其次是NO₂;秋冬以PM₁₀和NO₂污染为主,春夏PM₁₀和O₃为主。不同季节,各气象要素对本地空气质量的影响程度及空间分布存在明显差异。弄弄坪一带PM_2.5和SO₂、CO浓度偏高,市中心炳草岗一带PM₁₀、O₃和NO₂浓度偏高。结合本地发展规划和实际情况,根据气象要素分析,为攀枝花市分区分季节的防污减排决策提供气象参考。     

O3/H2O2协同催化处理煤化工高盐有机废水的研究

煤化工高盐废水中有机物的处理是废水零排放项目能否成功运行的关键性因素,制备了一种铁基活性炭催化剂,并采用O₃/H₂O₂协同催化技术处理煤化工高盐废水,可以显著提高废水中有机物的处理效果。采用扫描电子显微镜(SEM)、穆斯堡尔谱、X射线荧光光谱仪(XRF)、X射线衍射(XRD)等手段对催化剂进行表征,考察处理工艺、氧化剂加入量和反应时间对废水中有机物去除效果的影响,评价催化剂的稳定性和催化性能。结果表明,本催化剂用于O₃/H₂O₂协同催化处理煤化工高盐有机废水时,TOC去除率提高至54.41%;连续稳定运行1800 h后催化剂的催化活性基本保持不变。提供的催化剂及O₃/H₂O₂协同催化工艺可以高效处理煤化工高盐废水中的有机物,解决废水零排放项目中的难点,具有广阔的市场应用前景。     

阿克达拉PM2.5演变特征及与气象要素的相关性分析

为深入了解阿克达拉PM_2.5颗粒物污染,利用阿克达拉国家大气本底站颗粒物监测仪器GRIMM180观测的2010～2019年PM_2.5数浓度及台站的常规气象观测资料,用z-score法对PM_2.5数据标准化进行时间变化趋势分析,利用SPSS进行Pearson系数相关分析,能够客观反映出颗粒物浓度与气象要素间的共变趋势程度。结果表明：(1)10年中PM_2.5浓度整体上升7.15%。季节变化表现为冬季>春季>秋季>夏季的特征。秋季为明显右偏态分布其余季节对称分布,且冬季的变化性最大。月变化周期为13个月,呈现出“U”形起伏的变化规律。日变化呈现单峰的型式,且采暖期为非采暖期浓度2倍,呈现白天堆积晚上扩散的周期。(2)PM_2.5与风速、相对湿度和日照时长相关性最好,且在冬季表现最为显著。PM_2.5最高浓度风向为正南,阿克达拉主要污染物成分主要来自西北、偏西方向。风速为10m/s时为PM_2.5浓度明显转折点。夏季PM_...     

PM2.5纳入评价的“三道加减法”

制定环境标准决不能忽略公众的健康,更不能只考虑发展因素而牺牲公众的健康。近年来发生的重金属污染事件警示,标准不严,监管不力,污染就会变本加厉。近期,有部分地区的空气监测引发关注和热议。PM_2.5和PM₁₀这两种空气监测标准也进入公众视野。11月15日,著名大气环境专家张远航称若将PM_2.5纳入评价,全国空气质量达标的城市会从现在的80%下降到20%。(11月16日广州     

利用单颗粒气溶胶质谱(SPAMS)研究四川盆地城市的细颗粒物来源

利用单颗粒气溶胶质谱仪(SPAMS)在2017年5月至2018年2月对四川盆地的资阳、乐山、雅安、自贡、宜宾5个城市的细颗粒物(PM_(2.5))进行了在线来源解析。结果表明,研究期间5市PM_(2.5)质量浓度均值为77. 5μg/m~3(58. 4～95. 6μg/m~3),其中元素碳、有机碳和富钾为其主要组分,分别占39. 6%、19. 5%和17. 5%,其次为混合碳(11%)、左旋葡聚糖(5. 3%)、重金属(3. 1%)、矿物质(2. 0%)、高分子有机物(0. 8%)和其它(1. 2%)。源解析结果表明,四川盆地PM_(2.5)的来源包括燃煤(24. 3%)、机动车尾气(21. 3%)、二次无机盐(12. 8%)、工业(12. 7%)、生物质燃烧(10. 7%)、扬尘(8. 2%)和其他(9. 9%)。与清洁时段相比,污染时段的机动车尾气源、工业工艺源、二次无机源占比分别升高了3. 5个百分点、1. 7个百分点和0. 7个百分点,表明机动车尾气是在污染时段对当地PM_(2.5)浓度影响最大的源。     

昌吉市典型区域PM_(2.5)中有机碳和元素碳污染特征分析

本研究分析PM_(2.5)中有机碳和元素碳的质量浓度变化特征,对昌吉市典型区域昌吉州环保局2016-01月至2017-01月采集的大气细颗粒物(PM_(2.5))样品,利用美国(Sunset Lab Inc)大气气溶胶元素碳与有机碳仪分析了其中的有机碳(OC)和元素碳(EC)浓度水平、污染特征及其可能来源,以期为深入了解昌吉市颗粒物污染现状,制定大气污染防治对策提供依据。结果表明:昌吉市OC和EC的质量浓度范围分别为0.13~46.71μg/m3和0.05~8.25μg/m~3,5月份质量浓度最小,EC的质量浓度月分布无明显变化,OC和EC最大浓度均出现在2月。OC的质量浓度季节变化特征呈现冬季秋季夏季春季;EC的质量浓度季节变化特征呈现冬季秋季夏季春季。在不同的季节,OC的浓度变化比较明显,EC排放相对稳定。对各季节OC、EC相关性分析中可以看出,昌吉市OC、EC相关性表现为夏季最强,春秋次之,表明昌吉市夏、春、秋OC、EC具有相似来源或大气扩散过程,主要来源于交通源机动车尾气的排放;冬季相关性较低,说明OC和EC来源复杂,冬季进入采暖期,采暖期燃煤燃气增加,排放量增大,排放源结构复杂,大气污染可能受多种源共同影响。