台风“浪卡”过程对海南岛臭氧污染的影响分析

为了探讨2016号台风“浪卡”对海南岛臭氧(O₃)浓度的影响,选取了2020年10月10～14日海南岛逐时空气质量监测数据、气象要素数据、ERA5再分析资料和“葵花8号”红外亮温TBB产品,采用相关分析和后向轨迹模拟方法进行深入讨论.结果表明,10月11～13日台风过程期间均有市县O₃最大8 h滑动浓度平均值[ρ(O₃-8h)]超标,海南岛平均ρ(O₃-8h)峰值出现在10月12日,为130.15μg·m^-3,共有4个市县O₃-8h浓度超标,其中临高县达到了全岛最高值,为198.44μg·m^-3.台风过程期间海南岛小时O₃浓度与降水量、相对湿度和风速呈负相关关系,与气压和气温呈正相关关系,其中与降水量、气压和相对湿度的相关系数通过了99.9%的信度检验.我国东南部沿海省份是海南岛此次O₃污染的主要贡献源区.受西太平洋副热带高压(副高)内部的下沉气流和台风“浪卡”外围下沉气流共同影响,源区大气...     

珠江三角洲秋季典型O3污染的气象条件及贡献量化

利用自组织神经网络分析法,对珠江三角洲2013~2017年秋季海平面气压和全风速场进行大样本客观分型.结果表明,影响O₃的天气类型共有7种,由污染程度高低分为高、中、低3类,对应的平均O₃超标率分别为32.3%, 12.0%和4.2%.对比2017年和2016年秋季O₃污染天气分型下促发O₃污染的气象因子差异,2017年秋季高污染型O₃天气形势出现的天数比2016年增多,且中污染型天气形势出现时,2017年的局地污染气象条件更为不利.采用WRF-CAMx模式通过改变气象场输入来量化气象条件贡献,并用实测变化减去气象变化以推算排放贡献.结果表明,气象条件变化导致O₃浓度上升的贡献率为29.8%,而排放的变化引起O₃浓度下降的贡献率为7.1%.在2017年秋季开展的O₃污染防治专项行动指导下的珠江三角洲O₃前体物控制措施,有效缓解了部分由于不利气象条件而引起的O₃污染浓度上升.不利气象条件是导致2017年秋季O₃浓度升高的重要成因.     

黄河三角洲典型城市夏季臭氧污染特征与敏感性分析

为探究黄河三角洲代表性城市东营市夏季环境空气臭氧(O₃)污染成因,利用2021年6月东营市大气超级站监测数据与基于观测的化学盒子模型(OBM),较为全面地分析了O₃污染特征与O₃生成敏感性机制,并开展了前体物减排效果评估. 结果表明:①2021年6月东营市O₃污染较严重,O₃污染天〔日最大8 h平均O₃浓度值(MDA8-O₃)≥160 μg/m3〕占比达50.0%,MDA8-O₃、挥发性有机物(VOCs)和氮氧化物(NO_x)浓度平均值较非污染天分别升高70.0%、10.4%和7.6%. ②O₃污染天呈高温、低湿的特点,O₃浓度与温度的相关性在污染天显著增强. ③基于本地化的O₃生成潜势计算表明,与非污染天相比,污染天异戊二烯、乙烯和甲苯对O₃生成潜势的贡献分别增加了114.3%、68.6%和38.2%. ④污染天O₃本地净生成速率明显升高. O₃生成处于VOCs-NO_x协同控制区,减少VOCs和NO_x排放均可有效降低O₃生成. 研究显示,现阶段东营市应实施VOCs/NO_x协同减排比例大于或等于1∶1的减排策略,污染天(尤其是夜间)应加大NO_x及VOCs减排力度,减轻污染天温度升高及植物源排放增加等不可控因素对O₃污染的影响.      

杭州湾北岸上海段石化集中区臭氧重污染过程研究

为研究杭州湾O₃污染的形成机制,采用在线监测系统对杭州湾北岸上海段石化集中区O₃及其前体物开展了为期1个月(2019年5月)的同步连续观测.采用OZIPR(臭氧等值线研究)模型分析O₃生成的敏感性.在O₃重度污染期间,利用PMF(正定矩阵因子分解)模型对O₃前体物——VOCs进行源解析,采用臭氧生成潜势及气团老化分别估算了VOCs的反应活性和化学消耗.结果表明:①2019年5月杭州湾北岸上海段石化集中区O₃的IAQI(空气质量分指数)优良率仅为61.3%,ρ(O₃)第90%分位值为173.0 μg/m3.5月22日、23日发生重度O₃污染,O₃日最大8 h滑动平均值分别为(284.4±19.2)(282.0±14.2)μg/m3,分别超过GB 3095—2012《环境空气质量标准》二级标准限值(160 μg/m3)的77.75%和76.25%.②O₃的生成受VOCs控制,降低VOCs的排放可在一定程度上降低O₃的生成,降低NO_x的排放反而会促进O₃的生成.③O₃重度污染期间,VOCs主要来自化工区排放(72.35%)和机动车尾气排放(27.65%).④O₃重度污染期间,烯烃、炔烃及芳香烃对O₃生成的贡献率之和在80.00%以上,其中丙烯、乙烯和甲苯的贡献率分别为29.97%、15.60%和14.16%;芳香烃及烯烃和炔烃是最主要的VOCs化学消耗物种,其中φ(丙烯)、φ(乙烯)和φ(1,2,4-三甲苯)的消耗量分别为13.57×10-9、4.93×10-9和3.55×10-9.研究显示,杭州湾北岸上海段5月O₃的生成受化工区影响显著,丙烯与乙烯是O₃重污染期间关键的O₃前体物.      

2014—2020年河南省PM2.5-O3复合污染特征及气象成因分析

为了解河南省PM_2.5-O₃复合污染特征及气象成因,本文基于2014—2020年河南省18个地级市的空气质量国控点数据及常规地面气象观测数据,对河南省PM_2.5-O₃的复合污染时空特征及关键气象因子影响进行分析.结果表明：(1)在空间分布上,PM_2.5-O₃复合污染天数呈由河南省中北部向周围逐渐减少的特点,而O₃单污染和PM_2.5单污染高发区均主要集中于豫北地区.(2)在时间特征上,2014—2020年PM_2.5-O₃复合污染天数呈先增加后减少的特征,最多为12 d (2014年),2016—2017年未出现复合污染;PM_2.5单污染和O₃单污染天数均呈“M”型变化趋势,PM_2.5单污染天数的2个峰值分别出现在2015年和2019年,分别为174和93 d,O₃单污染天数的2个峰值分...     

典型热带海滨城市臭氧污染特征与成因分析

为深入探究典型热带海滨城市环境空气臭氧(O₃)污染特征与成因,于2019年6～10月在海南省海口市城区站点开展O₃及其前体物观测实验,较为全面地分析了O₃污染特征,基于观测的模型(OBM)识别了O₃生成控制区,分析了O₃前体物敏感性,并开展了O₃前体物减排效果评估.结果表明：(1)海口市O₃污染主要出现在9月和10月,观测期间O₃日最大8h滑动平均值范围为39～190μg·m^-3,O₃日变化呈单峰型,于14:00左右达到峰值.(2)海口市超标日NO_x和VOCs浓度高于达标日,前体物浓度的升高是导致O₃污染的内在因素,同时O₃污染受区域传输影响,污染物主要来自于海口市东北部地区.(3)海口市O₃生成处于VOCs和NO_x协同控制区.9～10月O₃     

山西省城市地区近年来环境空气臭氧污染特征及来源解析

基于山西省2018—2020年国控点位O₃监测数据分析了全省O₃污染特征,分别以晋城市和太原市为典型城市,分析了温度、相对湿度和风向风速等气象因子以及前体物(NO_x和VOCs)对O₃的影响,并采用CAMx模式开展2020年6—8月山西省O₃区域和行业来源解析. 结果表明:① 山西省O₃超标天数中以O₃轻度污染为主,且中度及以上污染呈增加趋势,O₃污染集中出现在5—9月,且呈现较强的地域性特征,O₃浓度日变化呈单峰型特征. ② ρ(O_{3-1 h})(臭氧1 h平均浓度)与气温、风速均呈正相关,与相对湿度呈负相关,高温、低湿有利于O₃的生成. 风速与ρ(O_{3-1 h})呈分段式线性关系,ρ(O_{3-1 h})随着风速增大而升高,当风速大于某一阈值时,ρ(O_{3-1 h})随风速的增加而下降. 以典型城市晋城市为例,当温度在25 ℃以上、相对湿度在30%~60%之间、风速为4~5 m/s,且风向为南风和东南风时更容易出现ρ(O_{3-1 h})高值. ③ 山西省2020年6—8月O₃区域来源解析表明,各城市O₃本地源贡献较弱而传输贡献影响显著(>80%). ④ 山西省2020年6—8月O₃行业来源解析表明,各市工业源类(电力源、焦化源和其他工业源)的贡献率在50%左右,柴油交通源贡献率在20%~27%之间. 研究显示,山西省O₃污染传输贡献影响显著,联防联控势在必行,电力源、焦化源和柴油交通源对O₃生成贡献较大,亟需优先加强管控.      

2017年10月海南省一次臭氧污染特征及输送路径与潜在源区分析

为了探讨2017年10月海南省一次O₃污染过程的气流轨迹、输送路径和潜在源区,采用海南省18个市县的AQI值、6类大气污染物质量浓度资料以及相关气象观测资料,结合HYSPLIT后向轨迹模型进行分析.结果表明:①2017年10月海南省有13个市县首要污染物为O₃的天数比例超过80%,其中9个市县达100%.2017年10月26日澄迈县和儋州市AQI值分别为171和151,均达中度污染等级,7个市县达轻度污染等级.②气象要素与AQI和污染物质量浓度之间均存在较好的相关关系,ρ(O₃)、AQI与相对湿度的相关系数分别为-0.701和-0.685,均通过了99.9%的信度检验.③卫星反演结果表明,此次污染过程与外源输送关系密切.影响气流主要来自内陆地区的长距离气流、中短距离气流和来自东南沿海的中短距离气流,三支气流影响时段对应的海口市AQI值分别为83、69和61,对应的ρ(O₃)分别为和135.0、119.6和102.3 μg/m3.④通过计算PSCF(潜在源贡献因子)和CWT(浓度权重轨迹)发现,广东省为海南省的主要潜在贡献源区,湖南省、江西省、江苏省、浙江省和福建省等地区也有一定的潜在贡献.研究显示,2017年10月海南省出现的O₃污染过程中,污染物来源以外源输送为主.      

江苏PM2.5-O3复合污染特征及气象条件分析

基于2013～2020年江苏13个城市的大气污染和气象观测数据,分析了江苏PM_2.5-O₃复合污染物的分布特征及其与气象条件的关系.结果表明:江苏复合污染物以轻度污染组合为主,南部多于北部,东南部最多,主要在4～10月,下午至傍晚最高,且该时段O₃平均浓度高于单一O₃污染;复合污染在O₃超标中平均占比15.7%,2014年高达65.8%,且在2015年后明显下降;PM_2.5和O₃二者在暖季O₃污染期正相关,PM_2.5污染期为弱相关或负相关;复合污染气象条件更为严格,气温、相对湿度、风速和逆温条件均介于单一O₃和单一PM_2.5污染之间,且多在4m/s以下和ENE—S区间,与单一O₃污染相比,气温和风速略低,相对湿度和逆温强度略高;出现复合污染的主要地面形势为均压场和低压(底)前部,其次是入海高压后部和高压底部;通过后向轨迹聚类分...     

北京市郊区夏季臭氧重污染特征及生成效率

为研究北京郊区夏季O₃(臭氧)重污染过程特征及O₃生成的光化学敏感性,基于2016年夏季在北京郊区开展的针对O₃及其相关污染物的强化观测试验(7月23日—8月31日,共计40 d),分析了观测期间O₃浓度[以φ(O₃)计]变化特征、O₃重污染过程主控因素与O₃敏感性化学特征.结果表明:观测期间φ(O₃)超标时有发生,最大小时φ(O₃)为151.1×10-9,其中有15 d的φ(O₃)最大8 h滑动平均值(O₃-max-8h)超过了GB 3095—2012《环境空气质量标准》二级标准限值,占观测天数的37.5%;不同O₃重污染过程成因有所不同,城市烟羽传输的污染物对郊区O₃重污染过程影响显著(观测期间臭氧重污染过程:过程1,7月27—29日;过程3,8月9—11日;过程4,8月16日;过程5,8月21—24日),区域光化学污染对郊区O₃重污染过程也有贡献(观测期间O₃重污染过程2:8月4—6日);结合后向气流轨迹进一步辅助说明了不同重污染过程中O₃的来源不同.研究还发现,观测区域存在反“周末效应”现象,说明观测区域周末受人为影响较为明显;基于观测数据计算的OPE(O₃生成效率)分析了O₃光化学敏感性表明,在有OPE值的22 d内NO_x控制区和VOCs控制区出现的概率(41%)相等,即观测区域O₃对NO_x和VOCs均敏感;此外还发现,在O₃重污染过程中光化学敏感性会随其反应进程发生改变,由NO_x控制区逐渐转变为VOCs控制区.      

广东省CO2排放变化的社会经济影响因素

作为我国经济最为发达的省份之一,广东省社会经济可持续发展面临CO₂排放量增长的挑战.从多角度分析广东省CO₂排放变化的社会经济影响因素,有助于其实现低碳发展.基于投入产出模型,从生产、需求和供应角度分析1987—2015年广东省CO₂排放量的变化;此外,采用结构分解分析方法,从需求和供应角度量化广东省各种社会经济因素对CO₂排放变化的相对贡献.结果表明:①与生产端相比,需求侧和供给侧的研究有助于识别不同的关键行业,如建筑业（需求侧）、金融和保险业（供给侧）.②降低碳排放强度是减少广东省CO₂排放的主要因素,而人均最终需求水平和人均初始投入增加是推动广东省CO₂排放增加的主要因素.③生产结构、最终需求结构和初始投入结构变化导致CO₂排放量略有增加,表明广东省具有较大的通过调整结构性因素减排CO₂的潜力.综上,建议除了生产端CO₂减排措施外,广东省还应采取需求侧和供给侧相关措施,如优化消费行为、产品分配行为和初始投入结构等.      

天津市道路环境大气颗粒物水溶性无机离子分析

大气颗粒物,尤其是其中的水溶性无机离子,对人体危害很大.天津市大气污染中机动车尾气污染相对较高,为探究不同道路类型下水溶性无机离子的污染特征,于2015年4~5月对天津市四类道路类型分别进行大气颗粒物PM_(2.5)和PM_(10)采样及水溶性离子组分分析,并运用皮尔森相关性分析、水溶性离子比值关系分析及主成分分析方法进行探讨.结果表明,天津市水溶性无机离子主要集中在细颗粒物中,不同离子在不同道路下所占质量分数差异很大,二次污染相对较重;二次离子是水溶性无机离子的重要组成部分,在细颗粒物中含量相对较高,在PM_(2.5)中的含量是PM_(10)中的1~2倍左右;K~+、Mg~(2+)、Na~+与Ca~(2+)之间有较高的同源性;各道路PM_(2.5)和PM_(10)第一贡献因子均是燃烧和二次污染的混合源,第二贡献因子主要为扬尘与交通混合源.     

Process analysis of PM2.5 pollution events in a coastal city of China using CMAQ

US EPA's Community Multiscale Air Quality modeling system(CMAQ) with Process Analysis tool was used to simulate and quantify the contribution of individual atmospheric processes to PM_(2.5) concentration in Qingdao during three representative PM_(2.5) pollution events in the winter of 2015 and 2016. Compared with the observed surface PM_(2.5) concentrations, CMAQ could reasonably reproduce the temporal and spatial variations of PM_(2.5) during these three events. Process analysis results show that primary emissions accounted for 72.7%–93.2% of the accumulation of surface PM_(2.5) before and after the events.When the events occurred, primary emissions were still the major contributor to the increase of PM_(2.5) in Qingdao, however the contribution percentage reduced significantly,which only account for 51.4%–71.8%. Net contribution from horizontal and vertical transport to the accumulation of PM_(2.5) was also positive and its percentage increased when events occurred. Only 1.1%–4.6% of aerosol accumulation was due to PM processes and aqueous chemical processes before and after events. When the events occurred,contribution from PM processes and aqueous chemistry increased to 6.0%–11.8%. Loss of PM_(2.5) was mainly through horizontal transport, vertical transport and dry deposition, no matter during or outside the events. Wet deposition would become the main removal pathway of PM_(2.5), when precipitation occurred.     

北京市大气环境PM2.5和PM1及其碳质组分季节变化特征及来源分析

大气颗粒物是影响我国大多数城市环境空气质量的首要污染物,近年来随着监测技术的进步和采样设备的改进,相关研究对象逐渐从大粒径的PM_10、PM_(2.5)转移到更小粒径的PM_1上.碳质组分是大气颗粒物的重要组成部分.以北京市为研究区域,选取2016年7月、10月及2017年1月、4月作为4个季节的代表月,对大气环境中的PM_(2.5)和PM_1进行采集,分析了二者的质量浓度和季节变化特征.采用两层嵌套气象-空气质量模型系统(WRF-CMAQ)耦合模型对采样时段进行了模拟,分析观测期间PM_(2.5)和PM_1的来源贡献,并使用因子分析法解析了碳质组分的来源.结果表明,PM_(2.5)和PM_1的质量浓度均呈现春、夏、秋、冬这4个季节递增的趋势;PM_1是PM_(2.5)中的主要组成,而且秋冬季节随着灰霾发生频率的增加,PM_1质量浓度占PM_(2.5)的比值明显升高;北京市大气环境中存在明显的二次污染,且SOC更容易在粒径更小的PM_1中积聚.散煤燃烧、机动车尾气排放、居民面源及生物质燃烧排放是北京市大气颗粒物的重要贡献来源;汽油车尾气、柴油车尾气、生物质燃烧和燃煤排放是北京市大气颗粒物中碳质组分的主要来源.     

陕西省冬春季PM2.5时空分布特征研究

根据陕西省2016年12月至2017年5月PM_2.5质量浓度逐小时数据，利用ArcGIS分析陕西省PM_2.5污染时空变化格局，并分析造成南北差异的原因，再利用小波分析手段探讨各市PM_2.5污染时间序列周期和突变特性。结果表明：（1）陕西省冬季PM_2.5污染重，春季污染轻，并表现出"关中高，南北低"的特征，秦岭南北经济发展差异和供暖差异是控制陕西省PM_2.5污染空间格局的主要原因；（2）冬季和春季单日PM_2.5浓度变化趋势基本一致，为"双峰双谷型"，日最低值出现在16∶00~18∶00；（3）Morlet小波分析结果显示，陕西省PM_2.5日均变化序列存在多时间尺度特征。陕北城市PM_2.5污染第1主周期为40 d，关中城市和陕南商洛市有40 d和65 d两个共同周期，安康市和汉中市共同周期为20 d和80 d；（4）陕西省PM_2.5突变事件冬季频繁而春季较少，多发生在1月和2月，春季1次大范围的沙尘天气，造成了陕西省5月5日8个城市PM_2.5污染浓度剧增。     

交通与气象因子对不同粒径大气颗粒物的影响机制研究

为了研究北京市气象因子与车流量、车速等交通因子对PM2.5、PM10浓度水平的影响,在市区三环主路及居民区选取了28个采样点,采集滞尘量,PM2.5、PM10浓度、车速、车流量、温度、湿度、风速等数据.通过3个月的滞尘质量分析,得出交通源对空气质量的影响是显著的,其中三环主道路两侧采样点和远离交通源对照点滞尘均值分别为0.284 g和0.016 g.再由道路口与居民区对比实验(局部实验)得出,居民区采样点测得的PM2.5和PM10浓度均低于道路口颗粒物浓度,差值均值分别为101 074 n·(cf)-1和15 386 n·(cf)-1,同时PM2.5白天浓度一般低于夜间.最后结合最佳子集预测模型分析得出,PM2.5和PM10受到湿度和温度的影响最大,车速、车流量、风速次之,其中车速、车流量、低风速对颗粒物PM2.5的影响比对PM10的影响更为显著.     

合肥市O3污染时空变化特征及影响因素分析

为掌握合肥市大气环境中O_3的时空变化特征及其影响因素,对合肥市2013—2015年空气质量监测数据和气象参数进行系统的分析.结果表明,合肥市O_3污染在夏、秋季节有逐渐加重的趋势,尤其是城市中心区域,呈显著的季节特征和日单峰性;O_3易在风速小于3.3 m·s-1、相对湿度介于50%~60%、地面气压低于1020 h Pa和日平均气温介于25~28℃的气象条件下出现浓度峰值;合肥市O_3浓度与NO2和VOCs分别存在显著的负相关和正相关关系,其中,烯烃、烷烃、芳香烃和炔烃对O_3生成潜势(OFP)的贡献值依次增大.O_3浓度可通过前一日O_3浓度、相对湿度、平均气温、PM2.5、当日8:00风速、平均气压及NO2等参数建立良好的统计预报模型,非标准化可决系数R2高达0.559.     

2017—2018年秋冬季唐山市PM2.5中元素组成特征及来源解析

为研究唐山市大气PM_2.5中元素组成特征及其来源,于2017年10月19日—2018年1月31日（秋冬季）在唐山市的超级站（典型城市站点）、开平站（工业站点）和古冶站（工业站点）开展了PM_2.5的手工连续采样,定量分析测定了PM_2.5中23种无机元素.结果表明:Si、Al、Ca和Na等地壳元素的质量浓度均在10月最高,在1月最低.10月,ρ（Cr）在开平站最高（0.020 0 μg/m3）,随后逐月略微降低,其主要受钢铁冶炼工业的减产和限产影响.多数重金属元素质量浓度在11月或12月最高,包括Zn、Pb、Mn、Cu、Ni、Se、V、Cd和Co,其可能受燃煤取暖影响.Cd、Zn、Pb和Cu四种元素的富集因子值分别为2 677、616、422和77,均达到极强富集,且均受人为排放源影响最大.基于因子分析法得出,唐山市大气PM_2.5中元素的主要来源有燃煤源、钢铁工业源与扬尘源的混合源、交通源以及土壤扬尘源,其方差贡献率分别为56.3%、21.6%、7.1%、5.4%.研究显示,秋冬季唐山市大气颗粒物PM_2.5中元素最主要的污染来源为工业源、燃煤源和扬尘源.      

燃煤电厂区域颗粒物及颗粒物汞分布特征研究

对东南沿海平原地区某燃煤电厂不同方位距离的9个采样点进行为期9个月的大气颗粒物采集,以PM_2.5、PM₁₀为对象,研究了颗粒物与颗粒物汞的时空分布,探讨了燃煤电厂排放对周边大气颗粒物与颗粒物汞分布的影响.结果表明：①本研究区PM_2.5平均浓度为78.10 μg·m^-3,其中颗粒物汞平均浓度为294.88 pg·m^-3;PM₁₀平均浓度为114.48 μg·m^-3,其中颗粒物汞平均浓度为363.41 pg·m^-3,均高于海内外众多城市.②冬季颗粒物、碳组分及颗粒物汞的浓度远高于春、夏、秋三季,冬季燃煤量大、逆温等气象因素及远距离污染物传输均造成当地冬季颗粒物累积.③大气颗粒物汞浓度随距电厂距离的增加先增加后降低,最大浓度范围为电厂W-NW方向1.3~2.5 km处.④各采样点均受到多种污染源共同影响,以燃煤尘为主,餐饮油烟、机动车尾气、生物质燃烧和扬尘次之,燃煤电厂对周边区域环境大气可吸入颗粒物主要影响区域为W-NW方向1.3~2.5 km.     

“双碳”目标下中国省域碳排放核算分析

对各省域CO₂排放量进行核算能够确定中国CO₂排放的主要贡献者,为碳减排决策提供相关信息.以往的研究表明,核算视角的不同会导致碳排放水平的差异.在多区域投入产出分析框架的基础上,基于不同能源类型,量化中国由生产、需求和供给驱动的省级CO₂排放量,构建能源-碳排放关系模型,对我国CO₂排放进行综合分析.结果发现：①由煤炭导致的CO₂排放占比57.2%（生产视角）、60.7%（消费视角）和58.2%（收入视角）.②各产业部门中,电力、热力、燃气及水的生产和供应部门CO₂排放占比49.1%（生产视角）、70.2%（消费视角）和14.2%（收入视角）.③河北、内蒙古、河南和辽宁等高度工业化省份的碳减排政策应侧重生产侧;东部沿海发达省份和矿产资源丰富省份的政策应分别侧重需求侧和供给侧.④以往被忽略的第三产业在收入视角下贡献了大量的CO₂排放.因此各省份及产业部门需要在生产、需求和供给侧制定差别化且具有针对性的碳减排政策才能减少CO₂的排放,实现"双碳"目标.