烟花爆竹禁燃对春节期间东北地区空气质量影响评估

利用2015—2017年春节期间东北地区主要大气污染物(PM_(10)、PM_(2.5)、SO_2、NO_2、CO和O3)质量浓度监测资料及相应气象因子(温度、湿度、风速和气压)观测资料,分析了春节期间烟花爆竹禁燃对东北地区空气质量的影响。结果表明:随着东北地区主要城市禁燃力度的增强,空气质量逐年提升,PM_(2.5)和SO_2浓度逐年大幅度下降。禁燃可明显降低城区PM_(2.5)浓度,而由于春节期间污染源整体减少,城区和城郊监测点PM_(2.5)浓度值差异减小。烟花爆竹对PM_(10)和PM_(2.5)浓度影响高于对气体污染物SO_2、NO_2和CO的影响。此外,气象条件对东北地区春节期间禁燃改善空气质量的效果也有明显影响。因此,结合春节期间的气象条件,在东北地区实施禁燃政策动态调整非常必要。     

南京亚青会环境空气质量状况及原因分析

利用南京市空气质量监测结果，对2013年8月及亚青会期间空气质量状况进行评价与分析，并结合采取的临时管控措施及气象条件状况，分析空气质量变化的相关原因。结果表明，8月份南京市空气质量均达到良的等级，亚青会期间空气质量进一步改善，多项污染物浓度达到一级标准，且同比上年明显下降，这一方面与针对工业点源、机动车流动源及扬尘面源采取了临时管控措施，一定程度降低污染排放有关；另一方面与亚青会期间的气象条件有利于污染物扩散有关。     

南京亚青会环境空气质量状况及原因分析

利用南京市空气质量监测结果，对2013年8月及亚青会期间空气质量状况进行评价与分析，并结合采取的临时管控措施及气象条件状况，分析空气质量变化的相关原因。结果表明，8月份南京市空气质量均达到良的等级，亚青会期间空气质量进一步改善，多项污染物浓度达到一级标准，且同比上年明显下降，这一方面与针对工业点源、机动车流动源及扬尘面源采取了临时管控措施，一定程度降低污染排放有关；另一方面与亚青会期间的气象条件有利于污染物扩散有关。     

夏收和秋收期间泰州市空气质量特征研究

利用2012—2015年泰州市空气质量监测数据,分析夏、秋收期间城市环境空气质量特征,探讨引发重污染天气的原因。结果表明,夏收期间空气质量整体优于秋收,2012年、2013年秋收期间空气质量最差,达到重污染以上的天数分别为10 d、6 d,颗粒物尤其是PM_(2.5)超标较严重,2015年秋收期间空气质量显著好转。秸秆焚烧日PM_(2.5)和PM_(10)质量浓度呈较高相关性,PM_(2.5)/PM_(10)值比非秸秆焚烧日高。基于气团后向轨迹及秸秆焚烧卫星遥感监测火点图将污染事件分类,研究得出秸秆焚烧和区域输送是导致城市污染加重的主要因素。     

G20峰会空气质量保障机制的构建

为进一步做好G20峰会空气质量保障工作,在大气污染联防联控机制的基础上,建立G20峰会空气质量保障机制,形成专项工作小组,按照空气质量保障组织框架运行,为精准保障提供空气质量预报、污染态势特征及评估、措施执行情况及效果、污染溯源等管控技术支撑。2016年9月,G20峰会期间杭州市空气质量总体优良,8月24日至9月7日G20峰会前后杭州市PM_(2.5)、PM_(10)、SO_2、NO_2、CO、O_3等污染物浓度同比2015年分别下降40%、40%、37%、56%、22%、7%,在该机制的推动下空气质量保障工作圆满完成。     

无锡市区大气污染物状况及变化趋势分析

使用2012—2015年无锡市区的6种大气污染物监测数据,对无锡市区各污染物的年度变化、空间分布、影响因素进行了分析。结果表明:(1)2012—2015年无锡市区SO_2、O_3质量浓度呈下降趋势,且趋势显著;NO_2质量浓度呈下降趋势,但不明显;CO、PM_(10)、PM_(2.5)的质量浓度年际变化比较平稳。(2)无锡市区SO_2、NO_2、PM_(10)、PM_(2.5)、CO的空气质量分指数(IAQI)均为冬季最高、夏季最低;O_3的IAQI则为夏季最高、冬季最低。(3)SO_2、NO_2、PM_(10)、PM_(2.5)、CO浓度间呈两两正相关,且相关性极显著;O_3浓度与NO_2、CO呈显著负相关,与SO_2、PM_(10)、PM_(2.5)浓度之间没有明显的关联。(4)分析了无锡市区各项大气污染物浓度的空间分布特征。(5)SO_2、NO_2、PM_(10)浓度周内变化具有"周末效应"的特征,而O_3、CO和PM_(2.5)浓度周内变化出现"反周末效应"。     

克拉玛依市空气质量特征分析

为研究克拉玛依市空气质量特征,对2015年克拉玛依市空气自动站监测数据进行分析。结果表明,克拉玛依市空气质量整体较为清洁,优良天数占有效监测天数的91.5%,PM_(2.5)平均浓度为31μg/m~3,PM_(10)平均浓度为64μg/m~3,PM_(2.5)在PM_(10)中占比近半;SO_2和NO_2浓度相对不高,NO_2/SO_2比值为2.4,流动源问题相对突出;对各项污染物的综合指数分担率分析发现,克拉玛依市PM_(10)和PM_(2.5)为综合指数分担率最高的因子,不足四分之一,O_3排第三位,超过五分之一,SO_2最低,仅为3.6%。     

昌吉市采暖期和非采暖期PM_(2.5)和PM_(10)污染特征分析

昌吉市2016年冬春季多次出现雾霾天气,针对昌吉市2016年采暖期和非采暖期PM_(2.5)和PM_(10)的浓度变化特征进行分析,结果显示:2016年全年空气质量在二级以上达标的天数为267 d,占72.9%,未达标天数占26.6%;采暖期PM_(2.5)和PM_(10)的质量浓度显著高于非采暖期,平均值是非采暖期的5.6倍和3.1倍,2月浓度值达到最高;采暖期间的首要污染物质为PM_(2.5),比例最高占66.3%,PM_(10)次之(占33.7%),非采暖期间污染物质PM_(10)占37.4%,PM_(2.5)占8.1%;采暖期间PM_(2.5)在PM_(10)中的比重(60.8%)也高于非采暖期(33.3%)。     

常州市春节期间污染物相关性分析

分析了常州市2017年春节前后各污染物浓度的关联性和差异性。结果表明,除O_3外,春节期间各污染物均值均低于春节前后,春节前后随着污染源的变化,污染物之间的相关性表现出较为明显的差异。SO_2与PM_(2.5)、PM_(10)、CO和NO_2的相关性均较春节前后有显著下降;爆竹集中燃放时间段,CO与综合指数、PM_(2.5)和PM_(10)之间的相关系数0.96;而在烟花爆竹燃放相对较少的初三和初四,该相关系数0.6。工业减产停产和机动车使用减少对空气质量改善有较大贡献,而在不利气象条件下,烟花爆竹可导致空气质量在短时间内恶化。     

利用SPAMS研究长沙市秋季PM2.5化学组成及来源

2019年10月12日—11月25日,使用单颗粒气溶胶飞行时间质谱仪(SPAMS)在位于长沙市的湖南省生态环境厅点位进行了为期45 d的定点监测。结果表明,监测期间长沙市总体空气质量小时级别优、良天气占比为80.3%。长沙市首要污染物为PM_(2.5),其主要来源为机动车尾气源,二次无机源次之,工业工艺源排在第三位,占比分别为27.4%,21.5%和17.4%。整体来看,监测期间PM_(2.5)质量浓度的升高大多伴随着以上3种污染源颗粒物的同步升高。机动车尾气源具有明显的早高峰,工业工艺源、生物质燃烧源和餐饮源夜间占比增加。在偏东方向气团主导下,工业工艺源和燃煤源贡献最大;在东北方向气团主导下,PM_(2.5)质量浓度最高,且机动车尾气源占比最高。     

Air Pollution Concentrations of PM2.5, PM10 and NO2 at Ambient and Kerbsite and Their Correlation in Metro City – Mumbai

Ambient concentrations of PM_2.5 and PM₁₀ are of concern with respect to effects on human health and environment. Increased levels of mortality and morbidity have been associated with respirable particulate air pollution. In India, it is not yet mandatory to monitor PM_2.5 levels therefore very limited information is available on PM_2.5 levels. To understand the fine particle pollution and also correlate with PM₁₀ which are monitored regularly in compliance with ambient air quality standards. This study was carried out to monitor PM_2.5, PM₁₀, and NO₂ for about one year in a residential cum commercial area of Mumbai city with a view to understand their correlation. The average PM_2.5 concentration at ambient and Kerbsite was 43 and 69 μg/m³. The correlation coefficients between PM_2.5 and PM₁₀ at ambient and Kerbsite were 0.83 and 0.85 respectively thus indicating that most of the PM_2.5 and PM₁₀ are from similar sources. TSP, PM₁₀ levels exceeded Central Pollution Control Board(CPCB) standard during winter season. PM_2.5 levels also exceeded 24 hourly average USEPA standard during winter season indicating unhealthy air quality.     

2001年～2008年及奥运会期间天津市大气污染特征分析

根据天津市大气质量监测数据,对2001年～2008年及奥运会期间天津市大气污染特征和主要大气污染物的变化规律进行了分析。结果表明,2001年～2008年天津市的PM10、SO2和NO2污染总体呈下降趋势,但质量浓度仍相对较高。2008年8月奥运会期间天津市PM10和SO2质量浓度达到国家空气质量二级标准,NO2质量浓度达到国家空气质量一级标准,空气质量良好。天津市PM10污染相对稳定,SO2和NO2的污染分布呈现明显的季节性,时间上表现为冬强夏弱。气象条件对污染物浓度影响明显,沙尘、大雾等天气可使污染物浓度急剧升高。     

2021年青岛市一次PM_(2.5)和沙尘混合空气污染过程分析

以2021年3月青岛市空气自动站监测数据为依据,借助环境气象激光雷达、气溶胶激光雷达、在线离子色谱仪等技术手段,并利用后向轨迹模式(HYSPLIT)对青岛市一次PM_(2.5)和沙尘混合空气污染过程、气象条件、颗粒物组成以及传输路径等进行了综合分析。结果表明:静小风、湿度大、垂直方向逆温以及高空多次向近地面的污染物输送是第1阶段PM_(2.5)污染的主要原因,NO^(-)_(3)、SO^(2-)_(4)、NH^(+)_(4)浓度分别占水溶性离子浓度总和的51.7%,24.8%,22.4%,三者之和占ρ(PM_(2.5))的52.3%,机动车源、工业源和燃烧源贡献较大,其中尤以机动车源影响最显著;第2阶段各子站颗粒物浓度变化呈现明显的传输特征,PM_(2.5)中Ca^(2+)浓度升至第1阶段的6倍,沙尘源影响显著,污染气团主要来自蒙古国和我国内蒙古,前期由西北地区直接到达青岛,后期是经渤海湾、烟台到达青岛东南海域,最后回流至青岛;冷高压强度较弱导致近地面水平扩散条件不利,ρ(PM_(10))长时间维持在较高水平。     

Characterisation of PM10, PM2.5 and Benzene Soluble Organic Fraction of Particulate Matter in an Urban Area of Kolkata, India

In this study, the relationship between inhalable particulate (PM₁₀), fine particulate (PM_2.5), coarse particles (PM_{2.5 – 10}) and meteorological parameters such as temperature, relative humidity, solar radiation, wind speed were statistically analyzed and modelled for urban area of Kolkata during winter months of 2003–2004. Ambient air quality was monitored with a sampling frequency of twenty-four hours at three monitoring sites located near traffic intersections and in an industrial area. The monitoring sites were located 3–5 m above ground near highly trafficked and congested areas. The 24 h average PM₁₀ and PM_2.5 samples were collected using Thermo-Andersen high volume samplers and exposed filter papers were extracted and analysed for benzene soluble organic fraction. The ratios between PM_2.5 and PM₁₀ were found to be in the range of 0.6 to 0.92 and the highest ratio was found in the most polluted urban site. Statistical analysis has shown a strong positive correlation between PM₁₀ and PM_2.5 and inverse correlation was observed between particulate matter (PM₁₀ and PM_2.5) and wind speed. Statistical analysis of air quality data shows that PM₁₀ and PM_2.5 are showing poor correlation with temperature, relative humidity and solar radiation. Regression equations for PM₁₀ and PM_2.5 and meteorological parameters were developed. The organic fraction of particulate matter soluble in benzene is an indication of poly aromatic hydrocarbon (PAH) concentration present in particulate matter. The relationship between the benzene soluble organic fraction (BSOF) of inhalable particulate (PM₁₀) and fine particulate (PM_2.5) were analysed for urban area of Kolkata. Significant positive correlation was observed between benzene soluble organic fraction of PM₁₀ (BSM10) and benzene soluble organic fraction of PM_2.5 (BSM2.5). Regression equations for BSM10 and BSM2.5 were developed.     

杭州市大气污染物排放清单及特征

以杭州市区为研究区域,通过调查整合多套污染源数据库及其他统计资料,研究文献报道及模型计算的各种污染源排放因子,获得杭州市区各行业PM10、PM2.5、SO2、NOx、CO、VOCs、NH3等污染物的排放量,建立了杭州市区2010年1 km×1 km大气污染物排放清单。结果表明,2010年杭州市区PM10、PM2.5、SO2、NOx、CO、VOCs和NH3的排放总量分别为7.96×104、4.02×104、7.23×104、8.98×104、73.90×104、39.56×104、3.32×104t。从排放源的行业分布来看,机动车尾气排放是杭州市区大气污染物最重要排放源之一,对PM10、PM2.5、NOx、CO和VOCs的贡献分别达到14.4%、27.1%、40.3%、21.4%、31.1%。道路扬尘、电厂锅炉、工业炉窑、植被、畜禽养殖对不同污染物分别有着重要贡献,道路扬尘对PM10和PM2.5的贡献分别为44.6%和20.0%、电厂锅炉对SO2和NOx的贡献分别为37.0%和25.7%、工业炉窑对CO的贡献为41.5%、植被排放对VOCs的贡献为27.1%、畜禽养殖对NH3的贡献为76.5%。从空间分布来看,萧山区和余杭区对SO2、NH3和植被排放BVOC的贡献要显著高于主城区;而主城区机动车对PM2.5、NOx和VOCs的贡献分别达到36.3%、56.0%和47.4%,较市区范围内显著增加,表明机动车尾气排放已成为杭州主城区大气污染最重要的来源之一。     

黑龙江省环境空气污染物和气象要素的典型相关分析

通过对黑龙江省4个自然年(2016年1月1日—2019年12月31日)环境空气污染物和气象要素的分析,揭示了黑龙江省气象条件对空气污染物浓度的影响规律与特征。对PM_(2.5)、PM_(10)、SO_2、NO_2、CO和O_3等6项污染物的描述性统计和简单的相关分析显示:黑龙江省环境空气质量呈现逐年变好的趋势,非采暖期环境空气质量好于采暖期,6项污染物中除O_3呈现夏季偏高以外,其余污染物采暖期浓度均高于非采暖期。运用典型相关分析法探究环境空气污染物与温度、降水量、相对湿度、风速和气压5项气象要素之间的关系,并进行统计学检验,结果表明:环境空气污染物与气象要素之间存在显著相关,温度、风速和相对湿度对污染物具有显著影响。非采暖期大气相对湿度对PM_(10)和O_3-8h的影响显著;而在采暖期,风速对PM_(10)和PM_(2.5)的影响显著。     

Numerical Simulations on the Effect of Sea–Land Breezes on Atmospheric Haze over the Pearl River Delta Region

The atmospheric haze over the Pearl River Delta (PRD) was investigated by using the Models-3 Community Multi-scale Air Quality modeling system with meteorological fields simulated by the Fifth-generation National Center for Atmospheric Research/Penn State University Mesoscale Model (MM5) from September 26th to September 30th, 2004. The model-simulated meteorological elements and particulate matter with aerodynamic diameter less than 10 μm (PM₁₀) were compared with observations at four air quality-monitoring stations. The results showed that MM5 successfully reproduced the diurnal variations of temperature, wind speed, and wind directions at these stations. The temporal variations of the simulated values were consistent with those of the observed (such as temperature, wind speed, and wind direction). The correlation coefficient was 0.91 for temperature and 0.56 for wind speed. The modeling results show that the spatial distributions of simulated PM₁₀ were closely related to the source emissions indicating three maxima of PM₁₀ over the PRD. The sea–land breezes diurnal cycle played a significant role in the redistribution and transport of PM₁₀. Nighttime land breeze could transport PM₁₀ to the coast and the sea, while daytime sea breeze (SB) could carry the accumulated PM₁₀ offshore back to the inland cities. PM₁₀ could also be transported vertically to a height of up to about 1000 m because of strong turbulence in the SB front. Process analyses indicated that the emission sources and the vertical diffusion were the major processes to influence the concentrations of particulate matter with aerodynamic diameter less than 2.5 μm (PM_2.5).     

临汾市大气污染物的时间分布特征与源区分析

多年来，临汾市多次名列我国生态环境部公布的空气质量最差的重点城市之列，对其大气污染的时间分布特征和潜在源区进行分析对其环境管理与污染防治具有重要意义。利用2015—2019年临汾市5个国控空气环境质量监测站点的6种空气污染物(SO₂、NO₂、CO、O₃、PM_2.5和PM₁₀)浓度数据和气象观测数据，使用HYSPLIT模型研究了该市空气污染物的时间变化特征、轨迹输送特征和可能的来源。结果表明，PM_2.5和PM₁₀的年均浓度均超过了《环境空气质量标准》(GB 3095—2012)Ⅱ级标准，SO₂仅在2016—2017年超过该标准，其余3种污染物的年均浓度均低于该标准。6种污染物2015—2019年的月均浓度的变化特征表现为O₃浓度呈以6、7月为中心的近似正态分布，SO₂、NO₂和CO以及PM_2.5和PM₁₀浓...