基于日变化特征的珠江三角洲大气污染空间分布研究

在传统的大气监测网络子站污染物浓度比较的基础上,结合其24h日变化的趋势分析,对珠江三角洲9个城市59个监测点位2013~2015年期间的CO、SO_2、NO_2、O_3、PM_(10)、PM_(2.5)数据进行了分析,以期更深入地揭示珠江三角洲大气污染的空间分布格局和来源特征.结果表明:CO、SO_2、NO_2、PM_(10)、PM_(2.5)主要污染区域集中在珠江三角洲西北部和中部地区,主要以广州和佛山两个城市为污染中心,受到本地源排放贡献较大;O_3污染分布较为复杂,四周污染浓度高,中部浓度低,但广州和东莞两地日变化差异显著,受到本地源影响大.分析显示,珠江三角洲大气污染具有显著的区域性特征,推荐广州天湖和珠海唐家分别作为珠江三角洲北部和东南部的区域污染监测点,能够较好地代表来自珠江三角洲北部的污染传输影响和珠江三角洲东南部的平均污染水平.     

天津市区县间大气污染相互传输贡献研究

灰霾污染是当前天津市面临的首要大气污染问题。应用MM5/CMAQ模型,选取1月和7月作为冬、夏两季典型代表月份,采用源开关法,对天津市各区县之间的PM2.5污染相互传输贡献进行识别分析。结果表明,天津市各区县间的相互污染影响具有较显著的季节变化和区域分布特点。在冬夏两季的北辰和滨海新区,50%以上污染都来自于本区域贡献。冬季,中心城区和平、河东、河西、南开、河北约30%的污染来自于本区域贡献;夏季,中心城区来自本区域贡献大幅减少,而静海、宁河、津南及东丽等区来自本区域贡献比重较冬季有所增加。总体而言,滨海新区和北辰区主要受本地污染源影响,其他区域受外部源贡献影响较大。研究结果为筛选重点控制区域,制定城市大气污染治理控制方案提供科学依据。     

北京市建筑施工扬尘排放特征

颗粒物是北京市首要空气污染物,其排放控制是大气污染防治的重要内容,施工扬尘是北京市大气颗粒物的重要来源.由于人口增长及经济的发展,住宅及办公场地的需求不断增加,使得北京市房屋建筑施工面积居高不下,建筑施工扬尘污染受到越来越多的关注,但有关量化施工扬尘排放量及其对北京市空气污染贡献的研究相对较少.本文建立一套建筑施工扬尘排放量的估算方法,采用本地化排放因子估算了北京市2000~2015年建筑施工扬尘排放量,识别施工扬尘的排放特征和规律,并定量了排放量的不确定性范围.采用WRF/CMAQ模式系统模拟量化建筑施工扬尘对空气质量的影响,提出施工扬尘污染控制对策和建议,为环境决策提供参考.结果表明,多年来北京市建筑施工扬尘排放量呈波浪式上升,近年来施工面积有所回落,但仍处于高位,颗粒物排放量仍然较大,需要引起足够的重视;在时间分布上,夏季和秋季的施工扬尘排放量较大,在空间分布上,施工扬尘主要集中在城市功能拓展区和近郊区,与人类活动的外延和城镇化的逐步向外发展有关.建筑施工扬尘对全市环境空气中PM_(10)和PM2.5浓度贡献可达31.3μg·m~(-3)和9.6μg·m~(-3).通过污染控制情景设置和分析,本研究认为要使2030年施工扬尘排放得到较好地削减,应执行更加严格的绿色施工管理规程和加强施工环境监管.     

基于模型模拟的成都市PM2.5污染来源解析

在建立成都市大气污染物排放清单的基础上,采用源开关敏感性分析法,设置8个排放情景,基于WRF-CMAQ模型模拟分析了2015年1、4、7和10月这4个典型代表月份的大气污染传输和不同行业对成都市PM_(2.5)污染贡献.结果表明成都市PM_(2.5)污染较重,特别是1月达到130μg·m~(-3)以上;浓度的高值集中在中心城区,且与周边城市PM_(2.5)污染连接成片.由于气团比较稳定,大气污染物的区域传输能力较弱,成都市PM_(2.5)污染以本地源的贡献为主,占比为61%.从行业贡献来看,移动源、扬尘源和生活源对成都市PM_(2.5)年均浓度贡献率分别为29%、26%和24%,是影响PM_(2.5)污染的主要污染源,下一步应强化对这3类源的污染控制.     

秦皇岛市大气颗粒物来源解析研究

对秦皇岛海港区和山海关区的颗粒物来源进行了定性识别和定量解析。并考察了重点污染源——我国最大的煤码头秦皇岛港煤码头对市区扬尘和TSP中的碳的影响。得出秦皇岛市海港区和山海关区TSP主要来源为风沙、扬尘,其次为燃煤飞灰和海盐尘。气象条件特别是风向对TSP各源分担率的影响很大,秦皇岛市煤码头是该区域TSP中碳的主要来源。不同气象条件下,煤码头对海港区和山海关区的影响程度明显不一样。      

煤场扬尘机理及相关对策

根据煤堆起尘量经验公式，结合区域面源污染研究工作，提出煤场扬尘的主要影响因素，从而对煤场扬尘在区域大气面源污染中的重要性进行具体分析，并提出治理措施。     

“2+26”城市大气重污染下PM2.5来源解析

基于区域大气环境模拟系统RegAEMS开发了大气污染物来源解析模块APSA，以京津冀及周边"2+26"城市为研究对象，模拟2017年12月26日~2018年1月2日该地区一次PM_2.5重污染过程，对PM_2.5进行区域和行业来源解析.结果表明：本次污染持续时间长、影响范围广、污染程度重，"2+26"城市PM_2.5小时最大值为201~507μg/m³，RegAEMS可较好模拟出PM_2.5时空分布；区域来源解析表现为外围区域对"2+26"边界城市影响较大，贡献为15.3%~57.5%，"2+26"中部城市受外围区域影响较小，贡献为0.3%~8.4%，区域传输特征明显，受近地面风场影响较大；行业来源表现为区域内生活源、工业源贡献较大，分别为26.6%~45.8%、16.4%~37.8%，交通源占比13.0%~35.9%.本文研究表明RegAEMS可以实现重污染过程PM_2.5的数值模拟和来源解析，在大气污染精准管控方面具有较好应用前景.     

江汉油田大气颗粒物污染状况及来源解析

文章在对江汉油田近5年环境空气中可吸入颗粒物污染现状分析的基础上,解析了5种主要尘源对PM10的贡献值和分担率,得出了交通扬尘是江汉油田首要可吸入颗粒物的结论,以源解析结果为依据,提出了大气污染防治对策.     

台州市市区环境空气中PM2.5的多模型联用来源解析

为对台州市市区环境空气中PM_2.5的主要来源进行全面分析,运用CMAQ(空气质量模型)模型中的ISAM源追踪算法,计算了台州市本地各类污染源及外来源对PM_2.5的贡献,同时基于CMB模型的初步源解析结果,利用CMAQ模型解析二次前体物排放源的贡献,得到CMB-CMAQ联用模型的源解析结果,综合分析CMAQ模型和CMB-CMAQ联用模型解析结果最终获得台州市市区空气中PM_2.5的贡献源数据.结果表明:①CMAQ模型和CMB-CMAQ联用模型解析结果均表明,台州市市区PM_2.5本地源中首要贡献源为工业源,两个模型中工业源贡献率分别为20.13%和26.94%,其次为扬尘源(贡献率分别为16.98%、19.37%)和道路移动源(贡献率分别为16.44%、18.14%).②CMB-CMAQ联用模型解析结果中工业源、扬尘源和道路移动源的贡献率均高于CMAQ模型解析结果,而外来源和电力源的贡献率均低于CMAQ模型解析结果.③CMAQ模型和CMB-CMAQ联用模型综合分析分配结果表明,外来源、工业源、扬尘源、道路移动源是对区域中PM_2.5贡献较大的4个污染源,贡献率分别为26.10%、22.38%、16.09%、15.07%.研究显示,台州市市区环境空气中PM_2.5污染呈以工业源、扬尘源为主,道路移动源污染突出的复合型污染特征,加强这三类源的排放管理对于台州市市区PM_2.5污染防治具有重要意义.      

吴泾工业区扬尘污染治理中降尘监测的影响因素研究

降尘监测可以较客观地反映与评价城市区域扬尘污染水平。及时掌握降尘污染状况,对区域扬尘污染治理措施成效和评价城市区域环境空气质量具有实际意义。降尘监测具有采样设备简单、操作简便易行、成本相对较低等特点。但是监测周期长、环节多等都会影响降尘监测的准确性。本文通过对吴泾工业区扬尘污染治理中降尘数据分析发现,降尘监测中存在降尘数据波动大、受周边环境影响大、人为损坏多等诸多因素的影响,就这些影响因素进行分析探讨,并提出了若干建议和解决方法。     

“2+26”城市一次多因素叠加重污染过程的特征分析

2018年11月23日-12月4日,京津冀及周边地区"2+26"城市出现了一次长时间、大范围、高强度的复合型大气重污染过程,为揭示区域性重污染过程中多因素的综合作用,利用气象资料、空气质量监测等多源数据以及区域污染特征雷达图,对京津冀及周边地区"2+26"城市此次重污染特征和成因进行分析.结果表明:根据PM_2.5/PM₁₀[ρ（PM_2.5）/ρ（PM₁₀）,下同]可将此次重污染过程划分为4个阶段.第一阶段（2018年11月23-26日）PM_2.5/PM₁₀在0.5~1.0内波动,"2+26"城市大气扩散条件转差,一次污染物局地积累及SO₂、NO_x、NH₃等气态污染物在高湿条件下二次转化是污染形成并发展的主要原因;第二阶段（11月27日）PM_2.5/PM₁₀突降至0.2左右,"2+26"城市北部受形成于蒙古国的沙尘影响,短时ρ（PM₁₀）快速升高（峰值为818 μg/m3）,中南部受形成于内蒙古自治区阿拉善盟的沙尘及上风向PM_2.5污染的传输影响,ρ（PM_2.5）和ρ（PM₁₀）均较高,维持日均重度污染水平（参照GB 3095-2012《环境空气质量标准》和HJ 633-2012《环境空气质量指数（AQI）技术规定（试行）》）;第三阶段（11月28日-12月2日）PM_2.5/PM₁₀由0.3逐渐升至0.8,在静稳、高湿的不利气象条件下,一次污染物积累并二次转化,第二阶段残留沙尘中的矿物质对硫酸盐起到催化作用,导致ρ（PM_2.5）快速上升,"2+26"城市大部分达日均重度及以上污染;第四阶段（12月3-4日）与第二阶段类似,PM_2.5/PM₁₀突降至0.2,"2+26"城市再次受到沙尘天气和区域传输的共同影响,因冷空气持续时间较长,污染被有效清除.研究显示,此次污染过程是气象条件、污染物一次排放和二次转化、区域传输、沙尘天气等多因素综合作用的结果.当静稳、高湿等不利气象条件或沙尘天气出现时,区域应加强对各类污染物排放的管控力度,以降低污染物的一次排放、二次转化以及沙尘和区域传输的共同影响,进而削弱污染严重程度.      

港口低排区气态污染控制的国际经验与中国的实践

港口区域排放已成为影响中国沿海港口城市环境空气质量的重要因素。港口低排区规划是控制港口污染的重要措施之一。我国港口污染治理起步较晚,但一系列法律、法规的出台为全面推进船舶和港口污染防治工作奠定了坚实的基础。设立港口“低排区”已经成为部分国家和地区用于解决港口空气污染问题的新兴手段和重要措施。以深圳港为例,港口区域排放已成为当地重要的大气污染源,该港口的各类污染源的影响从大至小依次为远洋船舶、运输车辆、内河船舶、作业机械,应采取针对性措施控制污染排放。通过计算污染物排放的PM_2.5当量,可以看出港口低排区方案实施后是所要求减排量的1.2倍。虽然目前中国港口污染治理取得了一定成效,但仍需加强区域合作和政策支持以进一步推动港口污染控制。同时,其他国家和地区在港口低排区方面的管理经验也值得借鉴,以利于港口污染控制方案的落实。     

宝鸡市冬季一次持续性重污染过程特征分析

污染气象成因和污染物区域传输作用对本地污染影响较大,研究不同地区污染气象成因和污染物区域传输作用对本地污染的治理有重要意义.利用污染物浓度监测和气象要素观测资料,采用统计学分析方法、特征雷达图和HYSPLIT-4后向轨迹模型分析宝鸡市2018年12月29日—2019年1月8日一次持续性重污染过程的气象成因和污染特征.结果表明:①此次重度污染持续时间长、强度大,污染过程中有6 d空气质量指数(AQI)达到重度及以上污染(AQI>200),ρ(PM_2.5)平均值达205.4 μg/m3,有2 d达到严重污染(AQI>300).②气象条件对污染物浓度的影响显著,高低空环流形势形成稳定层结,容易造成污染物累积.东南大风将污染气团远距离输送到宝鸡市,西北静小风使得污染物在本地聚集加重污染.③重污染维持阶段,ρ(PM_2.5)/ρ(PM₁₀)在0.9左右,说明此次污染过程PM_2.5占比较大,污染物的二次转化作用明显;ρ(NO₂)/ρ(SO₂)为6.2,表征移动源贡献率高于固定源;ρ(CO)/ρ(SO₂)呈先增后减的变化特征,表明静稳天气持续,本地源排放对重污染的贡献逐渐凸显.④特征雷达图结果表明,此次重污染过程的污染类型由发展阶段的污染特征不明显和燃煤型污染特征,逐渐转化为偏二次污染类型,重污染过程结束后污染类型以偏扬尘型为主.研究显示,气象条件和传输扩散对宝鸡市重污染影响显著,宝鸡市重污染应急需优先管控移动源,汾渭平原应加强区域联动,共同治理环境污染问题.      

基于天气背景天津大气污染输送特征分析

区域输送是大气污染防治中需要考虑的重要因素,本文利用大气化学模式定量估算2016年10月~2017年9月区域输送对天津的影响,重点基于天气背景分析区域输送影响和气象条件的关系,为京津冀地区大气污染联防联控提供支撑.结果表明,京津冀地区各城市区域输送贡献百分率平原城市显著高于沿山城市,天津一次PM_2.5本地贡献62.9%,区域输送贡献37.1%,主要受沧州、廊坊、河北中南部、北京、唐山和山东等地输送影响,每年4~6月区域输送最显著,7~8月区域输送最弱.区域输送与天气形势、风场和降水等气象条件密切相关,高压后和锋前低压是区域输送占比最高的两种污染天气类型,西南风、西风和南风3个风向下天津大气污染输送影响最为明显,风速2~3 m ·s^-1时最有利于PM_2.5区域传输,降水超过5 mm以上将降低大气污染物区域传输效率.对于不同污染类型和重污染阶段,轻度污染天气时区域输送贡献最为明显,比均值偏高20.5%,重污染天气虽受静稳气团控制,但由于周边区域高浓度的PM_2.5,污染气团迁移对区域内污染聚集传输有显著影响,重污染期间PM_2.5输送贡献占比超过均值,约偏高10%~15%.重污染过程中,开始积累阶段和峰值阶段,输送贡献占比高于其它时期,与暴发阶段相比偏高14.5%和19.5%,重污染暴发阶段本地排放贡献更明显,比均值偏高9.9%.     

特征雷达图的设计及其在大气污染成因分析中的应用

为了更好地利用环境监测数据进行污染成因分析,提出数学算法,对多种污染物进行百分比成分谱化,并除以一定时期（或一定区域）的平均值,从而得到标准化特征谱,以消除污染物浓度变化的影响以及不同污染物间浓度值差异的影响;通过设计特征雷达图的方式,直观和快速地展现大气污染特征在时间序列和空间上发生的变化特征,为环境管理部门利用空气质量常规监测数据开展动态决策提供便利.该方法既可利用单点历史数据开展历史特征雷达图分析,也可基于区域多站点数据开展区域特征雷达图分析.该方法在时间序列上可以判断出偏沙尘污染型、偏燃煤污染型、偏二次颗粒物污染型、偏机动车污染型、偏烟花污染型等多个污染类型;在区域分布中可以判断出偏燃煤污染区、偏机动车污染区、偏钢铁污染区等多个区域类型.该方法除可应用于空气质量常规监测数据外,也可应用于其他组分数据如碳质组分、水溶性离子组分及元素组分等数据的分析.      

Air quality management in China: Issues, challenges, and options

This article analyzed the control progress and current status of air quality,identified the major air pollution issues and challenges in future,proposed the long-term air pollution control targets,and ...     

2018年冬季淄博市一次沙尘天气颗粒物污染特征研究

2018年11月底淄博市经历了一次沙尘影响下的大气重污染过程,为研究此次重污染过程形成机制,分析了淄博市ρ(PM₁₀)和ρ(PM_2.5)及PM_2.5化学组分特征,并利用PMF模型和后向轨迹模型对颗粒物的来源进行研究.结果表明:①污染期间,ρ(PM₁₀)和ρ(PM_2.5)小时平均值分别为(259±111)和(133±51)μg/m3,分别是污染后ρ(PM₁₀)〔(88±38)μg/m3〕和ρ(PM_2.5)〔(36±14)μg/m3〕的2.9和3.7倍.②受沙尘的影响,Ca2+、Mg2+、Al、Mg、Ca、Si等代表沙尘源的离子和元素组分的质量浓度在PM_2.5中占比均高于污染后.③ 72 h后向轨迹结果表明,除受西北方向沙尘传输气流影响外,局地盘旋的当地气流也增加了污染物的累积,此次大气污染过程是本地污染物累积及西北沙尘传输共同作用形成的.④ PMF模型解析表明,污染期间扬尘源是PM_2.5的首要贡献源类,贡献率达33.61%,说明沙尘过境对此次污染过程有较大贡献;污染后工业源贡献显著增高,成为主要污染源,贡献率为22.71%,体现了淄博市是重工业城市的特点.研究显示,淄博市此次重污染过程颗粒物来源复杂,除受本地区域污染影响外,外来沙尘过境贡献也较大.      

An integrated assessment of regional air pollution and climate change in Europe: findings of the AIR-CLIM Project

This paper presents results of an assessment of the linkages between regional air pollution and climate change in Europe (the AIR-CLIM Project). The main research tool was an integrated modeling framework and the main product was a consistent set of long-term scenarios covering Europe between 1995 and 2100. Scenarios consisted of trends in emissions, acid deposition, nitrogen deposition and climate change. Critical loads and critical levels were used to assess the impacts of deposition to forest soils and a new analogous concept of “critical climate change” was developed to assess the impacts of climate change. Taking into consideration the limitations of the scope and models used in the study, preliminary conclusions were: (1) regional air pollution and climate change may be fairly weakly coupled in the natural environment, i.e. climate change was not found to have a large impact on the sensitivity of forest ecosystems to regional air pollution, nor on the distribution of deposition; nor did regional air pollution (in the form of sulfate aerosols) have a significant impact on climate change in Europe; (2) however, regional air pollution and climate change may be strongly coupled in the “policy” environment. It was estimated that virtually all of Europe at mid-century might be affected by either regional air pollution or climate change, or both, and this will require a strong policy response. Moreover, the indirect effects of climate policies were found to reduce the costs of controlling air pollution emissions by more than 50%, suggesting a strong potential financial linkage between policies to reduce greenhouse gas and air pollution emissions.     

An air quality forecasting system in Beijing - Application to the study of dust storm events in China in May 2008

An air pollution forecast system, ARIA Regional, was implemented in 2007-2008 at the Beijing Municipality Environmental Monitoring Center, providing daily forecast of main pollutant concentrations. The chemistry-transport model CHIMERE was coupled with the dust emission model MB95 for restituting dust storm events in springtime so as to improve forecast results. Dust storm events were sporadic but could be extremely intense and then control air quality indexes close to the source areas but also far in the Beijing area. A dust episode having occurred at the end of May 2008 was analyzed in this article, and its impact of particulate matter on the Chinese air pollution index (API) was evaluated. Following our estimation, about 23 Tg of dust were emitted from source areas in Mongolia and in the Inner Mongolia of China, transporting towards southeast. This episode of dust storm influenced a large part of North China and East China, and also South Korea. The model result was then evaluated using satellite observations and in situ data. The simulated daily concentrations of total suspended particulate at 6:00 UTC had a similar spatial pattern with respect to OMI satellite aerosol index. Temporal evolution of dust plume was evaluated by comparing dust aerosol optical depth (AOD) calculated from the simulations with AOD derived from MODIS satellite products. Finally, the comparison of reported Chinese API in Beijing with API calculated from the simulation including dust emissions had showed the significant improvement of the model results taking into account mineral dust correctly.     

基于综合立体观测网的京津冀地区污染过程分析

为揭示大气污染的演变规律,推动京津冀及周边地区空气质量的持续改善,针对大气重污染发生—演变—消散全过程的核心科学问题,在京津冀及其周边地区建立大气污染传输通道立体观测网,围绕2017年秋冬季和2018年春、秋、冬三季开展重污染时段和重污染过程的地基和车载走航观测,评估区域大气污染输送和城市间大气污染的相互传输量.结果表明:北京市污染呈明显的区域性特征,春季主要受区域不利扩散条件及沙尘传输影响,秋季主要受西南通道传输影响,冬季主要受西南、南部、东南通道混合层内传输与区域扩散条件不利的共同影响.秋冬季京津冀地区NO₂、SO₂污染物垂直柱浓度整体低于西南、东南和南部输送通道区域,当弱南风静稳天气条件主导时,北京市易受到污染物输送的影响,形成局域污染过程.研究显示,北京市重污染时段外来污染物各类尺度输送通道中,西南通道污染传输为主导,部分时段还受到东南和东部通道污染传输的影响.