珠三角一次重空气污染过程特征分析及数值模拟

以珠江三角州地区(珠三角)2009年11月23─29日一次重空气污染过程为例,利用常规观测资料及中尺度气象模式(MM5)、污染源排放模式(SMOKE)和空气质量模式(CMAQ)的模拟,研究此次重空气污染过程的特征. 结果表明,造成此次重污染的主要原因有:①前期高压脊带来的稳定层结和静小风条件使得大气污染物逐日累积,难以扩散;②西太平洋台风向南海附近发展移动时,其外围下沉气流导致珠三角大气污染物向低层输送并积累. 珠三角区域污染分布特征表明,广州和佛山的本地贡献明显,而肇庆等地受外地源输送的影响更为显著.      

浅谈海洋的面源污染

根据污染物释放的形式和范围,污染源一般可分为点源、线源和面源(area Source)三种形式。海洋污染也是如此。 海洋的点源污染是指沿岸工矿企业的排污、海底钻探开发排污等;线源污染是指海上船舶的排污,点源和线源排放污染物的种类和含量随使用的原材料、燃料、工艺流程的不同而     

新一代大气污染估算模式AERSCREEN对比分析研究

HJ 2.2—2008《环境影响评价技术导则:大气环境》规定大气环评工作采用估算模式(SCREEN3)来确定评价等级,而进一步预测模式AERMOD的实际预测结果与SCREEN3的估算结果并不完全一致。新一代估算模式AERSCREEN耦合了AERMOD的相关内核(AERMOD、AERMAP、BPIPPRM),能快速计算污染源在最不利的气象条件下的浓度结果。为了解不同估算模式的差异,采用平坦地形、不同下垫面、不同污染源参数条件下的案例,对比估算模式AERSCREEN与SCREEN3的计算结果,并分析估算模式与AERMOD预测结果的一致性。     

重庆市主城区交通干道空气污染特征分析

2002年2月对重庆市主城区6条交通干道空气中PM10、CO、NOx、THC进行了监测,分析了这些污染物的时空变化特征及其与车流量的关系。结果表明:六条主干道PM10、CO、NOx、THC的日平均浓度分别为0.30、5.34、0.307、12.84 mg／m3,按空气质量二级标准,超标率分别为95％、60％、74％和100％,最大超标倍数分别为4.97、1.94、8.5和6.05。除THC外,按照污染因子分担率评价,在九龙坡区、渝中区和江北区,首要污染物是PM10,在南岸区、沙坪坝区和大渡口区首要污染物是NOx。沙坪坝区CO和NOx污染最严重,九龙坡区PM10污染最严重。CO、NOx的日变化趋势大致相同,而且与车流量关系较为明显,随着车流量的增加CO、NOx的浓度逐渐增加,但PM10与车流量相关性不大,说明PM10浓度还受其它源的影响。     

北京市餐饮业大气污染物排放特征

餐饮业是中国大型城市大气环境污染源之一.为了解餐饮业大气污染物的产生能力,本研究以北京为研究对象,选取41家不同菜系的餐饮企业,现场实地检测了净化设备前端的油烟、颗粒物和非甲烷总烃(NMHC)的产生浓度水平.结果表明,净化前油烟、颗粒物和NMHC的初始平均浓度约为1.93、 6.6和10.9 mg·m~(-3).提出了一种基于工作日与非工作日的估算污染物排放总量的计算方法.并基于北京市餐饮企业数量和本研究测得的排放因子,初步估算了2019年全市餐饮源主要污染物的初始产生总量,油烟、颗粒物和NMHC的年排放总量分别为5 512、 18 849和6 169 t.川湘菜、烧烤、烤鸭与家常菜产生的油烟与颗粒物浓度的Pearson系数均0.6,具有强相关性;其中川湘菜和烤鸭排放的Pearson系数均0.8,呈现极强相关性.     

重庆市主城区交通干道空气污染特征分析

2002年2月对重庆市主城区6条交通干道空气中PM10、CO、NOx、THC进行了监测,分析了这些污染物的时空变化特征及其与车流量的关系.结果表明:六条主干道PM10、CO、NOx、THC的日平均浓度分别为0.30、5.34、0.307、12.84 mg/m3,按空气质量二级标准,超标率分别为95%、60%、74%和100%,最大超标倍数分别为4.97、1.94、8.5和6.05.除THC外,按照污染因子分担率评价,在九龙坡区、渝中区和江北区,首要污染物是PM10,在南岸区、沙坪坝区和大渡口区首要污染物是NOx.沙坪坝区CO和NOx污染最严重,九龙坡区PM10污染最严重.CO、NOx的日变化趋势大致相同,而且与车流量关系较为明显,随着车流量的增加CO、NOx的浓度逐渐增加,但PM10与车流量相关性不大,说明PM10浓度还受其它源的影响.     

经度、纬度及时差设置对AERMOD预测结果的影响

为了验证经度、纬度和时差参数对AERMOD模式预测结果是否有影响,假设在某气象条件下存在一个点源,利用AERMOD模式计算该点源排放的污染物的浓度分布.保持气象条件和污染源参数不变,仅改变点源所在地的经度、纬度或时差,重新利用AERMOD模式进行了预测,比较预测结果的差异.结果表明,经度、纬度和时差参数对白天时段行星边界层参数的计算值有影响,受影响的参数包括地表热通量、摩擦速度、Monin-Obukhov长度、对流速度尺度、温度尺度和混合高度.经度、纬度和时差的不同取值对AERMOD计算出的污染物小时平均浓度最大值和浓度分布影响明显.根据AERMOD公式的描述和能量变化得出,经度、纬度和时差的改变引起了项目所在地白天太阳高度角的变化,进而改变了地表热通量.地表热通量的改变,造成了行星边界层参数的变化,最终影响了浓度分布的计算值.     

重庆市主城区交通干道空气污染特征分析

2002年2月对重庆市主城区6条交通干道空气中PM10、CO、NOx、THC进行了监测,分析了这些污染物的时空变化特征及其与车流量的关系。结果表明：六条主干道PM10、CO、NOx、THC的日平均浓度分别为0．30、5．34、0．307、12．84mg／m^3,按空气质量二级标准,超标率分别为95％、60％、74％和100％,最大超标倍数分别为4．97、1．94、8．5和6．05。除THC外,按照污染因子分担率评价,在九龙坡区、渝中区和江北区,首要污染物是PM10,在南岸区、沙坪坝区和大渡口区首要污染物是NOx。沙坪坝区CO和NOx污染最严重,九龙坡区PM10污染最严重。CO、NOx的日变化趋势大致相同,而且与车流量关系较为明显,随着车流量的增加CO、NOx的浓度逐渐增加,但PM10与车流量相关性不大,说明PM10浓度还受其它源的影响。     

南京市两次秋季污染过程及成因分析

为探究南京秋季污染过程的特征和影响因素,利用MODIS(Moderate Resolution Imaging Spectroradiometer)传感器获得的气溶胶光学厚度(Aerosol Optical Depth)、波长指数(Angstrom Exponent)、火点数据及CALIPSO(Cloud-Aerosol Lidar And Infrared Pathfinder Satellite Observations)卫星数据和来自NECP、MICAPS的温度、相对湿度、风向风速等常规气象要素数据,对南京2015年10月、2016年9月两次污染过程进行分析.研究结果表明:两次污染过程的AE412-470值(埃斯特朗波长指数α)均高于1,由此判断两次污染均以人为排放产生的细粒子为主.但2015年10月的AE412-470值明显低于2016年9月,说明在2015年10月污染过程中粗粒子所占比重高于2016年9月.结合对后向轨迹的分析发现,南京地区2015年10月污染天气的发生还受长距离输送的影响,污染源主要为来自内蒙古、山西等地的污染型沙尘粒子.研究还发现,较高的相对湿度、较低的地表风速、低混合层高度及贴地逆温等气象条件会导致污染物难以扩散稀释而累积在南京地区,造成该区域在秋季出现较严重的污染天气.     

AERMOD与估算模式在环境影响评价中的应用与比较研究

简单描述了大气环境影响评价中的AERMOD模型及估算模式,采用这两种预测模式对同一生活垃圾填埋场无组织排放的NH3、H2S进行了预测。比较两种模式的预测结果可以看出,估算模式仅能预测小时值,AERMOD模式可同时预测小时值、日平均值、年平均值。在污染源、预测范围、运行周期相同的情况下,不论哪种预测模式,污染物的最大落地浓度均与排放源强呈正比,敏感点处的落地浓度均与污染物源强呈正比、与距离呈反比。预测结果同时说明,估算模式是一种保守的预测模式,其预测结果比AERMOD模式大,可作为进一步预测模式的有效补充。