激光雷达在湖北大气环境监测中的应用

介绍了激光雷达通过垂直扫描、水平扫描和车载走航等方法在湖北大气环境监测中的应用实例。利用地基激光雷达并结合星载激光雷达监测一次沙尘传输过程，沙尘传输高度为500~4 000 m之间，且出现3次尘降，地面PM₁₀出现3次峰值。利用激光雷达探测大气边界层高度，颗粒物浓度受边界层高度影响，当边界层高度降到500 m以下时，PM_2.5浓度达到120 μg/m³，边界层高度上升到1 500 m以上时，PM_2.5浓度降到30 μg/m³以下。利用激光雷达水平扫描技术，对襄阳市高新区污染物的影响进行溯源，监测得出颗粒物浓度上升的主要原因为地面扬尘。利用激光雷达车载走航监测技术，监测黄冈市颗粒物空间分布特征，在不同区域监测到2处污染扩散带，分别位于工业区与生活区。     

连云港市冬季霾污染成因分析及应急管控效果评估

针对2022年1月5—14日连云港发生的细颗粒物（PM_2.5）连续污染事件（PM_2.5超标共计5 d），基于常规空气质量参数、气象要素、颗粒物组分参数等数据资料，系统分析了污染期间PM_2.5时空变化特征及污染成因，结合大气化学与天气预测模式（WRF Chem）和敏感性试验方法，定量评估了应急减排措施对连云港各区县PM_2.5浓度的影响。结果表明，5 d超标日中有3 d为轻度污染，2 d为中度污染，全市PM_2.5浓度呈现先上升后下降的趋势。不利的气象条件（静稳、小风、高湿）、本地排放（机动车尾气、工业工艺源）和二次生成共同导致了PM_2.5污染的发生。实施黄色预警管控后，ρ（PM_2.5）平均值下降了4.6μg/m³，降幅为5.2%，其中东海县和灌云县ρ（PM_2.5）的降幅最大，分别为6.1%和8.3%，同时污染天ρ（PM_2.5）峰值平均下降了9.4μg/m³（6.0%）。通过PM_2.5过程分析方法发现，应急减排导致人为排放、化学过程和背景浓度对近地面ρ（PM_2.5）正贡献的减少量要显著大于垂直混合、区域输送和对流过程负贡献的增加量。     

南通市一次典型沙尘污染过程分析

根据南通市大气超级站的观测结果和气象因素，对南通市2019年10月29日—11月2日一次典型沙尘污染过程、颗粒物化学组分、颗粒物消光和退偏进行分析。结果表明，在沙尘影响期间，PM₁₀小时峰值达311 μg/m³， ρ（Ca²⁺）较污染前上升了7.4倍；在沙尘颗粒物碱性环境条件下，二次组分OM和NO^-₃的快速生成，浓度分别较污染前上升了96.6 %和34.0 %；ρ（NO^-₃）/ρ（SO^-2₄）污染中（2.5）高于污染前（1.7），ρ（EC）/ρ（PM_2.5）污染中（4.2%）高于污染前（3.6%），受到明显的沙尘传输影响，而移动源排放也有一定贡献，在本地地面气压场较弱情况下，导致沙尘污染过程长时间持续。     

周口市大气污染特征及污染防控对策——以2021冬防为例

基于周口市2021年冬防期间（2021年10月1日—2022年3月31日）4个国控站点的在线小时数据和日均数据，利用统计和相关性分析等方法，研究了冬防期间污染要素的时空变化特征及其与主要气象因子之间的相关性。结果表明，周口市2021冬防期间空气质量达标率为64.8%，主要污染物为细颗粒物（PM_2.5），其中1月的大气污染最严重，ρ（PM_2.5）小时平均值为120 μg/m³，可吸入颗粒物（PM₁₀）质量浓度小时最高值出现在3月沙尘期间，为591 μg/m³。各污染要素的变化整体趋同，但多个站点的ρ（SO₂）和ρ（NO₂）频繁出现短时高值，这一现象可能与局地细颗粒物污染相关，在后续大气污染防控中需引起重点关注。市运管处站的NO₂和SO₂质量浓度整体偏高，需关注周边机动车相关的颗粒物排放。此外，西北风和东风对于PM_2.5污染传输的影响较大，气象不利条件下，需要加强管控，以有效保证空气质量达标。     

交通限行对大气颗粒物及PM2.5中二NFDA1英的影响

为了研究北京大气颗粒物和二NFDA1英(PCDD/Fs)的污染状况以及评估交通限行对大气颗粒物和PCDD/Fs的影响。利用同位素稀释高分辨率气相色谱/高分辨率质谱(HRGC/HRMS)联用法和USEPA 1613B 标准方法,以中国地质大学(北京)东门为采样点,采集大气PM_2.5、PM₁₀、TSP样品,对北京市交通限行期间以及交通限行前后等不同交通状况下颗粒物浓度及大气PM_2.5中17种2,3,7,8-PCDD/Fs污染特征进行了监测。结果表明,PM_2.5、PM₁₀、TSP的日均质量浓度在交通限行前分别为126、202、304 μg/m³,限行期间分别为39、78、93 μg/m³,限行结束后分别为79、126 μg/m³。PM_2.5中17种PCDD/Fs的质量浓度(毒性浓度)3个时段分别为1 804 fg/m³(70 fg I-TEQ/m³)、252 fg/m³ (9 fg I-TEQ/m³)和1 196 fg/m³ (48 fg I-TEQ/m³)。北京市交通限行期间颗粒物浓度和二 NFDA1 英浓度显著低于交通限行前后,交通源减排措施的实施是大气颗粒物和二 NFDA1英污染水平降低的主要原因,从减排效果看,交通源减排措施对大气细颗粒物(PM_2.5)的控制效果明显好于大气粗颗粒物。     

北京城区降水对PM2.5和PM10清除作用分析

基于北京市PM_2.5和PM₁₀质量浓度、组分浓度以及降水数据,利用数理统计、相关性分析等方法分别从降水总量、降水时长和降水前颗粒物浓度3个角度研究降水对PM_2.5、PM₁₀的清除作用,同时以一次典型降水过程为例,具体分析降水对颗粒物的影响。结果表明：降水总量的增加有助于促进PM_2.5、PM₁₀的清除,随着降水总量增加,PM_2.5、PM₁₀的平均清除率提高,有效清除的比例增加;连续降水可增强对大气颗粒物的湿清除作用,连续降水达3d可有效降低PM_2.5、PM₁₀浓度;降水对PM_2.5、PM₁₀浓度的清除率和大气颗粒物前一日的平均浓度有较好的正相关性。降水对大气颗粒物的清除可分为清除、回升和平稳3个阶段,各个阶段大气颗粒物的变化趋势不同。降水对于大气气溶胶化学组分和酸碱性的改变具有明显作用,对于大气颗粒物各种组分的清除效果不完全相同。对于大气中OC、NO₃^-、SO₄^2-和NH₄⁺去除率较高,且这4种组分主要以颗粒态形式被冲刷进入降水中,加剧了北京市降水酸化程度。     

北方某市环境空气颗粒物中重金属污染状况研究

对我国北方某市大气颗粒物的污染状况进行了研究。在主导风向上设置采样点,于冬季、夏季分别采集TSP、PM₁₀、PM_2.5 3种不同动力学直径的大气颗粒物。采用ICP-MS对TSP、PM₁₀、PM_2.5中的元素浓度进行分析,并对3种不同粒径颗粒物中的10种重金属采用富集因子法进行评价。结果表明,北方某市环境空气颗粒物中富集程度最严重的为Cd、Pb;在采暖期,随着颗粒物粒径变小,Pb、Cd的富集指数呈现逐渐增大的趋势;非采暖期则无此趋势。     

基于机器学习的大气PM2.5中金属浓度预测模型的研究

基于2013—2018年哈尔滨市气象数据、大气污染物数据和细颗粒物（PM_2.5）中金属成分数据，采用机器学习方法探索大气PM_2.5中金属浓度预测模型，并选择最优模型进行污染物浓度预测。结果表明，多元线性回归（MLR）、人工神经网络（BP-ANN）、支持向量机（SVM）和随机森林（RF）4种模型中，RF对大气PM_2.5中5种金属［锑（Sb）、砷（As）、铅（Pb）、镉（Cd）、铊（Tl）］的浓度预测效果最佳，在训练集和测试集中表现均较稳定，其中相关系数（r）均＞0.7， 平均绝对误差（MAE）和均方根误差（RMSE）数值较小。RF在大气PM_2.5中金属浓度预测上具有较好的表现，可在缺乏监测和实验数据的情况下，实现对大气颗粒物中金属浓度的快速预测，为全面了解颗粒物中金属污染特征提供数据基础。     

山东省2015年PM2.5和O3污染时空分布特征

利用中国环境监测总站的城市空气质量自动监测数据，分析了2015年山东省细颗粒物（PM_2.5）和臭氧（O₃）污染的时空分布特征，并初步探讨了其与气象要素的相互关系。研究发现：山东省PM_2.5年均质量浓度和年超标天数的空间分布均呈现由东部向西部递增的趋势，半岛地区的浓度最低，其他地区浓度均较高，年均质量浓度最大值出现在德州（101 μg/m³）。各城市PM_2.5的月均质量浓度均呈现出季节性变化，冬季最高，夏季最低。O₃-8h年均值和O₃年超标天数的空间分布与PM_2.5不同，半岛地区污染天数最少，其次为南部地区，中部地区和西北部地区污染最为严重并且各区域的城市之间O₃污染情况存在较大差异，具有明显的局地性特征。O₃质量浓度在春末夏初最高，超标现象主要出现在5—8月。分析各城市PM_2.5污染和O₃污染的协同性与差异性发现，虽然不同城市之间两者污染情况存在一定差异，但整体上看，山东省大气复合污染特征明显，全年有10个城市的PM_2.5和O₃同时超标天数都在20 d以上，并且该现象主要发生在夏季。夏季高温低湿的大陆气团控制更有利于O₃和PM_2.5叠加共存形成复合型污染。温度≥26℃时，O₃-8 h与PM_2.5日均质量浓度的相关系数为0.63，相对湿度≤60%时，两者相关系数为0.69。此外，当在大陆气团的控制下发生O₃污染时，相对湿度的提高更有利于PM_2.5浓度的增加。     

2019年江苏省PM2.5和O3多模式集合预报算法效果评估

基于江苏省重污染天气监测预报预警系统多模式预报结果,分析了不同数值模式对江苏省13个城市细颗粒物(PM_2.5)和臭氧(O₃)的预报偏差特征,发展了多模式集合预报算法,并对其进行了评估。结果表明,相较于单一数值模式,集合预报算法显著改善了PM_2.5和O₃预报的准确率,其对江苏省PM_2.5和O₃空气质量分指数等级的预报准确率超过了80%。就江苏省整体而言,PM_2.5集合预报的准确率相比最优单一数值模式提升了6%。O₃浓度较低时,集合预报能有效改善各模式存在的高估现象。但受限于目前的校正策略,出现高浓度O₃污染时,集合预报对预报效果的提升相对有限。