成都市降水对大气污染物的清除效果分析

成都市受特殊地形和气候条件影响,地面风速小,静风比例高,空气湿度大,大气污染物扩散缓慢,主要靠降水的冲刷和清除作用去除大气污染物.利用2014年5月13日-2017年12月31日成都市逐小时ρ（PM_2.5）、ρ（PM₁₀）、ρ（NO₂）、ρ（O₃）、ρ（CO）、ρ（SO₂）监测数据和同期地面降水量观测数据,分析了降水前污染物质量浓度、小时最大降水量、降水持续时间及累积降水量对大气污染物清除效果的影响.结果表明:①降水对6种大气污染物的清除率随降水前污染物质量浓度的增加而增大,并且汛期降水对大气污染物的清除率大于非汛期降水.②降水对大气污染物起正清除作用,清除率随降水持续时间的增加而增大.③不同降水量对不同污染物的清除效果不同,对PM_2.5、PM₁₀、NO₂、CO和SO₂的清除率随降水量的增加而逐渐增大,对O₃的清除效果相差不大且清除率均较大;小时最大降水量对PM_2.5、PM₁₀、NO₂、O₃、CO、SO₂的清除率平均值分别为29.48%、26.95%、22.02%、26.87%、11.94%、28.75%,累积降水量的清除率平均值分别为31.64%、30.66%、24.38%、26.31%、13.89%、32.91%,其中CO不易溶于水,降水对其清除作用明显小于其他几种污染物.研究显示,降水对大气污染物的清除作用显著,对SO₂、PM_2.5和PM₁₀的清除效果较好,而对CO的清除效果较差.      

基于环境监测数据的大气重污染应急减排措施效果评估

我国自2013年起对重点区域逐步开展重污染天气应对工作,以削减大气重污染峰值、减缓重污染的发生和发展.为更客观地评估重污染天气应急减排措施的效果,基于环境监测数据对应急效果评估开展方法学研究,通过对洛伦兹曲线内涵的拓展,提出污染物高位累积浓度占比的概念,并以PM_2.5、PM₁₀、SO₂、NO₂四种污染物为研究对象,评估重污染天气应急措施减排效果,同时将评估结果与空气质量模型模拟结果进行相互辅证.结果表明:2016年和2017年秋冬季（当年10月1日-翌年3月31日）"2+26"城市PM_2.5、PM₁₀、SO₂、NO₂高位累积浓度占比较2015年同期均有所下降,降幅为0.43%~3.80%;PM_2.5、PM₁₀高位累积浓度占比降幅相对SO₂、NO₂大,其中,2016年和2017年秋冬季PM_2.5高位累积浓度占比较2015年同期降幅均为2.23%,PM₁₀高位累积浓度占比较2015年同期降幅分别为1.89%、3.80%.研究显示,应急措施在"2+26"城市范围内对PM_2.5、PM₁₀、SO₂、NO₂起到了较显著的重污染削峰作用,其中,应急措施对PM_2.5、PM₁₀等颗粒物重污染削峰效果优于SO₂、NO₂等气态污染物.      

2018年吉林市大气污染物浓度变化及其与气象因素的相关性分析

采用统计学方法、Pearson相关系数法和线性回归法研究分析了2018年吉林市大气污染物SO₂、NO₂、PM₁₀、PM_2.5、CO和O₃浓度的变化特征、污染物浓度之间的相关性以及污染物与气象因素的相关性。结果表明:1）吉林市大气环境中O₃、PM₁₀和PM_2.5日均值超标率分别为1.06%、3.27%和7.14%,颗粒物、O₃及其前体物质为治理重点;CO、SO₂、NO₂、PM₁₀和PM_2.5春、冬季污染较重,夏季污染最轻;大气环境中的污染物浓度随季节、时刻及人类活动发生周期性变化;2）PM₁₀和PM_2.5、PM_2.5和CO、NO₂和CO浓度之间高度相关（相关系数r均>0.8）,并建立了其预测线性模型;3）污染物（O₃除外）浓度与温度、风速和混合层高度呈负相关,与气压呈正相关;降水对SO₂、PM₁₀和PM_2.5浓度具有一定的削减作用,降水后其浓度减少的次数占总降水次数的68.75%、84.38%和78.13%;吉林市污染最严重的颗粒物受气象因素中混合层高度、风速和降水影响较大。该研究成果可为日后吉林市开展大气污染治理、区域大气环境容量测算、空气污染潜势预报等研究提供参考。     

沙尘天气对兰州市大气污染物置换和叠加作用

本文分析了2014~2015年兰州市春季沙尘天气期间颗粒污染物PM₁₀、PM_2.5及气态污染物SO₂、NO₂、CO和O₃质量浓度的演变规律.结果表明,沙尘天气造成PM₁₀和PM_2.5浓度上升,而SO₂、NO₂和CO浓度表现为降低（置换型）或升高（叠加型）,O₃浓度受沙尘天气影响不明显.置换型的PM₁₀和PM_2.5平均质量浓度分别为1086.9和286μg/m³,SO₂、NO₂和CO平均质量浓度分别为16.7、41.0和1.02×103μg/m³.叠加型的PM₁₀和PM_2.5平均质量浓度分别为383.2和116.2μg/m³,SO₂、NO₂和CO平均质量浓度分别为24.5、49.1和1.19×103μg/m³.置换型的PM₁₀和PM_2.5平均质量浓度分别为叠加型的2.8和2.4倍,叠加型的SO₂、NO₂和CO平均质量浓度分别为置换型的1.47、1.2和1.17倍.置换型对应的气象条件为近地面东北方向大风、显著降温和高压,即强冷空气活动时,PM₁₀和PM_2.5浓度上升,而SO₂、NO₂和CO浓度显著减小,沙尘源地主要为塔克拉玛干沙漠和青藏高原北部地区,影响气流多为1500~6000m高空西北气流.叠加型则为近地面东北风向弱风,气温和气压无明显波动,即弱冷空气活动时,初期PM₁₀和PM_2.5浓度上升,同时SO₂、NO₂和CO浓度略下降,而后PM₁₀和PM_2.5维持高值时SO₂、NO₂和CO浓度亦上升,沙尘源地主要为巴丹吉林沙漠,影响气流多为1500m以下低空西北气流.     

常州市冬季大气污染特征及潜在源区分析

为了解常州市冬季大气污染特征,对2013—2015年常州市冬季PM_2.5、PM₁₀、SO₂、NO₂、CO数据进行分析,并结合HYSPLIT 4.9模式研究不同气团来源对常州市各污染物浓度的影响及潜在污染源区分布特征.结果表明,常州市冬季以PM_2.5污染为主,其占冬季首要污染物的90%以上,冬季PM_2.5小时浓度对应的空气质量级别以良和轻度污染出现频次最多,冬季的ρ（PM_2.5）对ρ（PM_2.5）年均值的贡献率高达37.4%,不完全燃烧是颗粒物的一个重要来源.冬季ρ（PM_2.5）、ρ（PM₁₀）、ρ（SO₂）、ρ（NO₂）和ρ（CO）的日变化均呈双峰分布,两个峰值分别出现在交通的早高峰和晚高峰附近.ρ（NO₂）在晚高峰明显大于早高峰,而ρ（SO₂）和ρ（CO）表现为早高峰大于晚高峰.常州市CO/NO_x和SO₂/NO_x的分析结果表明,常州市交通源的贡献明显,点源对常州市的空气质量的影响也较大.1和6 h的ρ（PM_2.5）梯度变化可判识细颗粒物的爆发性增长.冬季常州市受到西北、西和西南等地区的大陆性气流影响较大,其对应的ρ（PM_2.5）、ρ（PM₁₀）、ρ（SO₂）、ρ（NO₂）和ρ（CO）平均值相对较高,且对应的污染轨迹出现概率较大.偏东方向的气流由于移动速度慢,不利于污染物扩散易造成污染累积,导致ρ（PM_2.5）、ρ（SO₂）和ρ（NO₂）相对较高.WPSCF（源区分布概率）高值区（>0.5）集中于从芜湖至上海的长江中下游区域和杭州湾区域.PM_2.5、PM₁₀、SO₂、NO₂和CO潜在源区存在较大差异性,NO₂、SO₂和CO本地化的潜在贡献较PM_2.5和PM₁₀更明显.此外,受船舶等影响海洋源区对NO₂、SO₂和CO的潜在贡献较大.研究显示,长三角区域的大气污染物以本地污染为主,但远距离污染输送贡献也不容忽视.      

攀枝花市大气污染物特征及气象因子关系分析

文章系统分析攀枝花市大气污染物时间、空间、季节变化趋势,揭示大气污染物特征及气象因子关系。基于2014-2020年攀枝花市环境空气质量监测数据,采用统计学的方法分析了2014-2020年攀枝花市6种污染物(PM_2.5、PM₁₀、NO₂、CO、SO₂、O_{3-8 h})的时空变化特征;通过典型相关分析方法,研究了气象因子(气温、湿度、风速、降雨量、气压)对大气污染物浓度的影响。结果表明：从时间来看,攀枝花市PM_2.5、PM₁₀、CO、SO₂近年来呈下降趋势,NO₂浓度呈上升趋势,但均不显著;O_{3-8 h}浓度呈显著上升趋势。从季节来看,PM_2.5和PM₁₀浓度表现为冬季>春季>秋季>夏季,SO₂浓度四季变化不显著,NO₂浓度和CO浓度大小变化顺序为冬季>秋季>春...     

福州2017—2021年环境空气质量变化特征及新冠疫情对其变化的影响

基于福州市2017—2021年大气常规污染物(PM₁₀、PM_2.5、SO₂、NO₂、CO和O₃)小时观测数据，探讨了不同时间尺度(年度、季度、新冠疫情前后)福州主要污染物变化特征.结果表明：2017—2021年福州市6种大气常规污染物年均浓度整体上均呈下降趋势，年均下降率最大的是NO₂(10.3%)，其次是SO₂(8.3%).由于复杂的生成机制及较高的温度和较强的太阳辐射，福州春季、夏季和秋季O₃浓度较高且差异不大.除O₃外，其他污染物具有显著季节变化特征(春季>冬季>秋季>夏季).5年间福州空气污染物日均浓度变化幅度趋于平稳，全年大气环境状况愈加优良.新冠疫情发生期间(2020—2021)福州空气质量指数(AQI)年均下降率是疫情前(2017—2019)的2.2倍，疫情管控期间相较管控前PM₁₀、PM_2.5、NO₂     

典型城市道路交通加密监测点大气污染特征及影响因素

基于“十四五”生态环境监测要求,针对目前国内城市道路交通加密监测点大气污染特征及影响因素相对缺乏这一问题,以移动源为主要大气污染来源的甘肃省兰州市为例,在典型道路两侧不同点位、不同高度监测6种常规大气污染物浓度及气象参数,同时获取道路车流量和车型信息,探究其大气污染特征及影响因素。结果表明：道路两侧及道路同侧不同高度处大气污染物监测浓度均存在差异。PM_2.5、PM₁₀浓度随高度升高而逐渐降低,在2 m高度处最高,SO₂、NO₂、CO、O₃浓度均呈现随高度先升高再降低的趋势,在4 m高度处最高。SO₂、NO₂、PM_2.5、PM₁₀、CO小时浓度在05:00—09:00达到峰值,在15:00—17:00达到谷值;而O₃小时浓度峰谷值的时间恰好相反。NO₂、CO浓度受车流量影响较大,代表时段NO₂浓度与重型货车流量表现出极强的相关性...     

2017—2020年武汉市大气污染物时空分布特征研究

为进一步了解武汉市大气污染时空分布特征,对2017—2020年武汉市主要大气污染物(PM_2.5、PM₁₀、SO₂、CO、NO₂和O₃)进行了空间插值分析、时间变化分析以及与气象要素的相关性分析。结果表明：武汉市近4年环境空气质量达标率为72.98%。PM_2.5、PM₁₀、SO₂、CO和NO₂具有“冬高夏低”的“V”形特征,O₃呈“夏高冬低”的变化趋势。武汉市年均质量浓度超标的大气污染物主要有PM_2.5和PM₁₀,但其年均质量浓度均呈下降趋势,而O₃是年均质量浓度唯一处于上升状态的大气污染物,今后应重点关注颗粒物与臭氧污染。PM_2.5、PM₁₀、SO₂、CO和NO₂主要集中在武昌区、蔡甸区、青山区、江汉区、江岸区,而O<...     

哈尔滨冬季积雪中多环芳烃同大气污染物的关系及其潜在源区分析

源于燃烧释放的多环芳烃(PAHs)易于吸附在大气颗粒物上,通过降雪清除效应累积于积雪中,是区域大气污染的良好指示器.于2020年底采集哈尔滨市积雪样本,结合前期逐日大气污染物监测数据(AQI、PM_2.5、PM₁₀、NO₂、SO₂、CO),明确哈尔滨市冬季大气污染类型与污染特征和积雪PAHs空间分布特征与来源,定量解析积雪PAHs同大气污染物的关系,揭示其对大气污染的指示意义,识别哈尔滨市冬季大气污染物的潜在源区.结果表明：研究期内存在3次以PM_2.5为主要污染物的中度污染天气,ρ(PM_2.5)/ρ(PM₁₀)比值表明区域受细颗粒物影响显著,为偏二次污染类型,ρ(NO₂)/ρ(SO₂)和ρ(CO)/ρ(SO₂)比值表明本地固定污染源和外来传输源贡献均呈加强趋势.积雪中Σ16PAHs浓度为1705～7243 ng·L^-1,中高环PAHs浓度属强变异,区...     

云浮市2018—2020年颗粒物和臭氧污染特征及污染案例研究

为探究云浮市颗粒物和臭氧(O₃)污染特征,利用多元统计分析方法分析了云浮市2018—2020年6项环境空气污染物浓度、气象因子等监测数据,并对2020年12月25—29日冬季PM_2.5和O₃污染过程进行了研究. 结果表明:①PM_2.5、PM₁₀、NO₂、CO月均浓度呈夏季低、冬季高的变化特征;O₃-8 h第90百分位数呈夏秋季高、冬春季低的变化特征. ②PM₁₀、PM_2.5和CO小时浓度日变化呈波浪型变化特征,PM_2.5、CO小时浓度最大值均出现在09:00,PM₁₀小时浓度最大值出现在02:00. O₃、SO₂小时浓度日变化呈单峰型变化特征,O₃、SO₂小时浓度最大值分别出现在16:00、10:00. NO₂小时浓度日变化呈单谷型变化特征,最小值出现在14:00. ③PM_2.5-10、SO₂、NO₂、O₃小时浓度与PM_2.5小时浓度均呈正相关,说明PM_2.5-10、SO₂、NO₂、O₃与PM_2.5具有一定程度的同源性. O₃小时浓度与NO₂、CO小时浓度呈负相关,且O₃小时浓度与NO₂小时浓度相关性更强. 夏秋季NO₂、CO、O₃、PM_2.5小时浓度与气温的相关性比冬春季的更强. SO₂、PM₁₀、PM_2.5、O₃小时浓度均与湿度呈负相关,其中O₃小时浓度与湿度的相关性最强,相关系数为?0.586. ④2020年12月25—29日云浮市城区PM_2.5污染受到静稳天气影响,O₃污染与28日午后太阳高温辐射以及来自珠三角地区O₃污染气团的输入影响有关. 利用ART-2a对该时段采集的颗粒物进行成分分析,得到K、EC、OC、ECOC、HM、LEV、Na、SiO₃这8种单颗粒物. 整个时段EC、OC、ECOC谱图中都存在明显的硫酸盐峰和硝酸盐峰. PM_2.5小时浓度与硫酸盐离子、硝酸盐离子、硅酸盐离子、铵离子、氯离子的数量均呈显著正相关,二次反应和老化过程对PM_2.5污染有显著影响. 研究显示,云浮市PM_2.5和O₃复合污染防控需要关注本地污染物变化特征和排放源影响,也需关注外来污染气团特别是来自珠三角地区污染气团输入的影响.      

生态功能区与毗邻区城市空气污染物异质性：以东北三省为例

评估国家重点生态功能区及毗邻区空气质量时空异质性,对差异性开展空气污染防治具有重要意义。该研究基于2015-2019年东北地区13个生态功能区城市和23个毗邻非生态功能区城市的AQI及6种空气污染物(PM_2.5、PM₁₀、SO₂、NO₂、CO、O₃)浓度数据,采用空间自相关、随机森林模型等方法分析空气污染物时空差异及其驱动因素。结果表明：(1)从时间尺度来看,与2015年相比,2019年除O₃在5年中波动上升且年均浓度值相对较高外,其他的污染物浓度值均呈下降趋势,生态功能区空气质量整体优于非生态功能区。其中SO₂浓度下降幅度(50%)大于NO₂和CO(20%),PM_2.5大于PM₁₀。PM_2.5、PM₁₀、NO₂、SO₂、CO季节变化特征最高值均出现在冬季,O₃...     

亚洲季风强弱年蒙自市大气环境容量差异估算

利用区域空气质量模式WRF-Chem,对亚洲季风气候变化背景下云南省蒙自市大气环境容量进行模拟评估.根据标准化南亚夏季风指数分别选取2005年和2015年为强、弱季风年.对2015年四季（以1月、4月、7月和10月为代表月）和2005年夏季（7月为代表月）的主要大气污染物浓度进行模拟.结果表明蒙自市2015年全年CO、NO₂、SO₂、PM_2.5、PM₁₀的大气环境容量分别为120.31、1.127、1.875、1.267、1.688（×10⁴t/a）,其中各污染物冬季大气环境容量最小,春季的最大（PM₁₀除外）,且PM_2.5在冬季排放量已饱和.强季风年相对弱季风年夏季CO、NO₂、SO₂、PM_2.5、PM₁₀的大气环境容量分别提升4.81%、3.86%、12.6%、18.4%、8.7%,其中PM_2.5的容量提升最高.亚洲季风年际变化对云南高原空气质量及大气环境容量具有重要的调制作用.     

新冠疫情严控期间南京市空气质量

为研究2020年初新冠疫情严控措施对南京市空气质量的影响,选取1月25日~2月10日（疫情严控期）南京及周边省会城市空气质量监测数据,与5a同期数据进行对比,分析时空分布特征.结果表明,疫情停工期间,降水量同比下降,大气扩散条件为近5a较差水平,但除O₃浓度不降反升外,其他主要污染物PM_2.5、PM₁₀、SO₂、NO₂和CO浓度均达近5a最低值,分别为36,44,5,22μg/m³和1.1mg/m³.通过推算疫情停工期间本地减排措施的“净环境效益”,严控使得PM_2.5、PM₁₀、SO₂、NO₂和CO分别下降了41.7%、45.3%、14.3%、43.5%、18.2%,O₃浓度上升了4.8%.从空间上分析,南京市SO₂浓度及其同比降幅在长三角省会城市内排名第1,其他污染物改善情况处于中等水平.从日变化可知,PM_2.5和PM₁₀日变化由双峰型变为单峰型,夜间未出现次峰值.O₃夜间浓度明显升高,原因是交通源的大幅削减使NO对O₃的滴定反应降低,而白天O₃浓度峰值取决于VOCs和NO_x的减排比例.     

北京市2020年春节期间空气质量影响因素分析

2020年春节期间由于新冠肺炎疫情的大范围暴发,包括北京在内的多个城市经济社会活动较长时间处于低水平状态。但是在此期间,北京市出现了两次(农历正月初二至初六、正月十六至十九)污染水平不逊于往年的重污染天气,成为社会各界关注的焦点。本文以北京市2016-2020年春节期间的空气质量为研究对象,首先运用多元线性回归法判断了气象因素以及经济和社会活动因素对四类污染物(PM_2.5、PM₁₀、NO_2和SO₂)的影响程度,进一步研究了在2020年春节期间的两次重污染时段内各个因素对PM_2.5的影响程度,最后运用双重差分法评估春节期间的疫情管控措施对北京市空气质量产生的影响。多元线性回归结果显示在2016-2020年春节期间:(1)气象因素对北京市的PM_2.5、PM₁₀、NO₂和SO₂四类污染物浓度的影响占主导地位,其中温度、湿度与四类污染物浓度变化均显著正相关,气压和降水与四类污染物浓度变化均显著负相关;(2)经济活动水平与NO₂浓度水平有显著正相关关系,说明随着经济活动水平强度的降低和交通流量的下降,NO₂浓度呈现出降低趋势,而PM_2.5、PM₁₀和SO₂与经济活动水平分别有正相关、正相关和负相关关系,但并不显著;(3)从社会活动来看,燃放烟花爆竹会增大PM_2.5、PM₁₀和SO₂浓度,同时假期变量对PM_2.5和SO₂的浓度变化也存在显著正向影响。对于2020年春节期间的两次重污染过程来说,气象依然是主要影响因素,但是各因素的贡献值有所不同;春节期间经济活动水平对正月初二至初六重污染过程的贡献较小(2%),而对正月十六至十九有明显的负影响(-20%)。双重差分法评估结果显示,疫情管控对PM₁₀和NO₂有缓解效果,而对PM_2.5和SO₂未见明显影响,这表示疫情管控措施对空气质量施加了影响。本文不仅识别出了春节期间气象因素、经济社会活动与北京市四类污染物浓度之间的关系,有助于厘清各因素对空气质量产生影响的方式,而且对进一步改善北京市及京津冀地区的空气质量具有重要启示意义。     

广州市大气污染物对新冠疫情管控的响应

为评估极端污染减排情境下广州市大气污染物的响应特征,结合气象要素和出行指数,分析了2020年新冠疫情停工前后大气污染物时空变化特征。2020年疫情停工期(1月24日—2月9日)气象条件与2017—2019年同期相比,大气水平扩散条件未见显著性差异,湿清除条件较好,生成O₃的光化学反应条件较差,NO₂、PM₁₀、PM_2.5、SO₂和CO浓度达2017年以来同期最低值,O₃浓度则处于2017年以来的次低值。相似气象条件下,全市6项大气污染物在停工期的浓度均比停工前和复工期低。其中,NO₂、PM₁₀和PM_2.5对疫情管控的响应较灵敏,SO₂和CO的响应较弱;由于受气象条件和气态前体物的共同作用,O₃浓度在停工前后的变化显得较为复杂,变化幅度较小。城区大气污染物对管控的响应比郊区大,而在大气污染排放较为集中的工业园区,响应比城郊区更加灵敏。对严控措施响应较...     

毕节市中心城区大气污染物时空分布特征分析

为研究毕节市中心城区大气环境污染现状,利用2019—2021年毕节市中心城区3个国控监测站点的6项基本污染物以及AQI监测数据,采用趋势分析法,对毕节市中心城区各污染物浓度的时空分布特征进行了分析。结果表明：(1) 2019—2021年毕节市中心城区PM_2.5、PM₁₀、SO₂、CO、NO₂年平均浓度整体呈下降趋势,O₃年平均浓度呈上升趋势。(2) PM_2.5、PM₁₀、SO₂、CO、NO₂浓度月变化大致呈“U”型分布,O₃浓度月变化呈倒“U”型。(3) PM_2.5、PM₁₀、SO₂、CO、NO₂浓度季节变化规律为冬季最高、春秋季次之、夏季最低;O₃浓度季节变化特征为春>夏>秋>冬。(4) PM_2.5、PM_10<...     

泉州市2017-2021年大气污染特征及新冠疫情的影响

该文基于2017-2021年泉州市6项主要污染物(PM₁₀、PM_2.5、NO₂、SO₂、CO和O₃)监测数据及空气质量指数(AQI)数据,分析讨论了泉州大气污染的年际和季节变化特征以及常态化新冠疫情管控对泉州环境空气质量的影响,以期为泉州大气污染的进一步治理提供科学参考。结果表明,泉州2017-2021年PM₁₀、PM_2.5、NO₂、SO₂和CO的年均浓度整体上均呈现下降趋势,年均下降率最大的是SO₂(15.8%),其次是NO₂和CO(9.3%和8.1%),O₃污染相对突出但浓度变化范围显著减小,泉州的整体大气污染波动趋于平稳。泉州的PM₁₀、NO₂、SO₂、CO和O₃污染浓度最高的季节均为春季,春季为泉州的主要污染季节。新冠疫情管控期间,...     

华北地区典型机场清单建立及空气质量影响

基于利用AMDAR数据确定大气混合层高度进而对飞机不同工作状态下的时间进行修正的计算方法，核算了2017年华北地区6座典型机场大气污染物排放量.结果显示，6座机场NO_x、CO、VOC、SO₂与PM_2.5的排放总量分别为21504.2，7074.8，1424.0，1283.6和323.2t.飞机源NO_x、CO、VOC与SO₂的排放量远高于机场内其他污染源，而对PM_2.5的排放贡献相差较小.HC与CO的排放主要集中在滑行阶段，占比分别为90.6%与90.2%，而NO_x、SO₂与PM_2.5的排放主要集中在爬升阶段，排放占比分别为58.9%、38.7%和43.5%.6座机场1月份污染物排放量较低，在8月份达到峰值.基于本研究建立的天津滨海国际机场大气污染物排放清单，利用WRF-CAMQ模型研究机场排放对周边区域PM_2.5浓度的影响.结果表明机场区域小时最大贡献浓度为3.24μg/m³；距离机场5km处的年均贡献浓度与小时最大贡献浓度分别为0.08和2.84μg/m³.     

基于空气质量监测数据的钢铁行业污染源识别方法

京津冀及周边地区等重点区域已经建立具有高时空分辨率特点的空气质量监测网,但监测数据主要用于环境空气质量评价,在大气污染来源识别中应用较少.采用特征雷达图中的双重归一化算法对区域上2018～2019年秋冬季空气质量监测数据中的SO₂、 NO₂、 CO、 PM_2.5和粗颗粒物(PM₁₀与PM_2.5的浓度差值)这5种因子进行分析,识别出偏SO₂、偏NO₂、偏CO、偏PM_2.5、偏粗颗粒物、偏SO₂-CO、偏NO₂-CO和偏PM_2.5-CO这8种典型污染特征.以偏SO₂-CO特征为例,结合污染特征时空分布、主要污染源排放特征和PM_2.5源解析,判断该特征下对空气质量影响最突出的污染源,并将该方法用于一次典型污染过程的分析.结果表明,研究时段内偏SO₂-CO特征的平均占比为7.6%.（1）偏S...