首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 179 毫秒

1.  江苏省沿江钢铁产业转移的大气环境影响评估  
   姚宇坤  夏思佳  刘倩  韩军赞  韦梦祺《中国环境管理干部学院学报》,2019年第1期
   利用高时空分辨率的江苏省钢铁行业排放清单以及WRF-CALPUFF评估模型,分析了2017年钢铁企业从沿江地区转移到沿海地区对江苏省大气国控站点的ρ(PM_(2.5))影响程度。结果表明:基准情景下,沿江钢铁企业对全省国控点的ρ(PM_(2.5))贡献平均为3.67μg/m~3;在三种沿江钢铁产能转移的情景下,全省总体ρ(PM_(2.5))有显著的改善,苏南改善程度较大,其余沿江及苏北内陆城市也有不同程度的改善,而沿海的连云港和盐城由于承接了大部分的钢铁产能转移,当地大气污染物排放量增长巨大,ρ(PM_(2.5))贡献率出现较大幅上升。    

2.  2017年江苏省PM_(2.5)数值模拟及内外源解析  
   余进海  张美根  韩霄  李荣  李驰钦《环境监控与预警》,2021年第13卷第2期
   根据江苏省72个国控点监测数据,采用了区域大气模式和多尺度空气质量模式系统(RAMS-CMAQ)模拟了2017年江苏省ρ(PM_(2.5))的时空分布,耦合综合源追踪算法(ISAM)分析了不同地区排放源对ρ(PM_(2.5))的贡献特征。结果表明,PM_(2.5)模拟与观测值的相关系数(r)=0.76,标准平均偏差(NMB)=5.2%,均方根误差(RMSE)=23.4μg/m~3,模拟结果落于观测结果 0.5~2倍的比例(FAC2)=84.2%。源追踪模块结果显示,夏季主要受东南风控制,本地排放的贡献更大(省内贡献为52.34%),其他季节受偏北风输送影响,外源输送的影响较大(省外贡献为53.48%~56.84%);冬季苏北5市的排放贡献比沿江8市的更大,而春、夏季沿江8市排放贡献较大。    

3.  包头市大气污染特征及其影响因素  
   《环境科学研究》,2017年第2期
   为了解包头市大气污染特征,利用包头市2014年ρ(PM_(10))、ρ(PM_(2.5))、ρ(SO_2)、ρ(NO_2)、ρ(CO)和ρ(O_3)环境空气自动监测数据,结合气象参数,分析了包头市大气污染特征及其影响因素.结果表明:1包头市春季大气污染以PM_(10)为主,夏季以O_3为主,秋冬两季PM_(10)和PM_(2.5)均有不同程度污染.2ρ(PM_(10))、ρ(PM_(2.5))、ρ(SO_2)、ρ(NO_2)的24 h平均值和ρ(O_3)日最大8 h平均值分别有153、76、10、6和3 d超出GB 3095—2012《环境空气质量标准》二级标准限值,ρ(CO)24 h平均值全年达标.ρ(PM_(10))、ρ(PM_(2.5))和ρ(NO_2)年均值分别为GB 3095—2012二级标准限值的2.2、1.6和1.2倍,ρ(SO_2)年均值达标.3PM_(2.5)/PM_(10)(质量浓度比)四季分布为冬季(0.45)秋季(0.39)夏季(0.36)春季(0.27),年均值为0.37,粗颗粒污染特征明显.4SO_2/NO_2(质量浓度比)四季分布为冬季(1.76)春季(1.15)秋季(0.82)夏季(0.75),年均值为1.12,并且取暖季明显高于非取暖季,说明冬季燃煤取暖对包头市空气质量有重要影响.5包头市的严重污染主要有沙尘型和煤烟型2种.6系统聚类分析表明,扬尘引起的PM_(10)对包头市环境空气质量有重要的影响,以SO_2和CO为排放特征的燃煤对PM_(2.5)有较大的贡献.    

4.  保定市大气污染特征和潜在输送源分析  
   郑悦  程方  张凯  唐伟  孟凡  李朋远  郭志强《环境科学研究》,2020年第33卷第2期
   保定市是京津冀地区重要城市之一.为了解保定市大气污染物质量浓度特征和潜在输送源,对保定市国控点2017年1月1日—12月31日PM_(10)、PM_(2.5)、SO_2、NO_2、O_3、CO等常规大气污染物数据进行分析,并利用Traj Stat后向轨迹模型进行区域传输研究.结果表明:①ρ(PM_(10))、ρ(PM_(2.5))、ρ(SO_2)、ρ(NO_2)分别为(138±96)(84±66)(29±23)和(50±24)μg/m~3,与2016年相比分别下降5.9%、9.1%、25.5%和13.1%;ρ(CO)较2016年下降了14.0%;ρ(O_3)较2016年增长了25.2%.ρ(PM_(10))、ρ(PM_(2.5))、ρ(NO_2)和ρ(O_3)分别超过GB 3095—2012《环境空气质量标准》二级标准限值的0.97、1.40、0.25和0.34倍,ρ(SO_2)和ρ(CO)未超标.②除ρ(O_3)外,其他污染物质量浓度均呈冬季最高、夏季最低的季节性特征,其中,冬季PM_(2.5)污染最为严重,春季PM_(2.5~10)(粗颗粒物)污染严重.③空气质量模型源解析结果显示,保定市ρ(PM_(2.5))约60.0%~70.0%来自本地污染源排放.后向轨迹结果表明,在外来区域传输影响中,保定市主要受到西北方向气团(占比为21.7%~60.0%)远距离传输和正南方向气团(占比为34.8%~50.5%)近距离传输的影响.④PSCF(潜在源贡献因子分析法)和CWT(浓度权重轨迹分析法)分析表明,除保定市及周边区县本地污染贡献外,位于太行山东麓沿线西南传输通道的邯郸市、邢台市、石家庄市是影响保定市PM_(2.5)的主要潜在源区.研究显示,PM_(2.5)为保定市大气中的主要污染物,并呈冬季高、夏季低的变化特征,其主要来自西北远距离输送和南部近距离传输.    

5.  南京市大气PM_(2.5)时空分布特征与潜在源区贡献分析  
   高月  孙荣国  陈卓  臧庆大《地球与环境》,2019年第3期
   对2017年南京市区7个自动空气质量监测点的PM_(2.5)质量浓度ρ(PM_(2.5))数据进行分析,采用克里金(Kringing)空间插值法、气流运动轨迹聚类、潜在源贡献因子法(PSCF)和浓度权重轨迹分析法(CWT)探讨了四季大气中ρ(PM_(2.5))的时空分布特征和潜在来源。结果显示,四季大气中ρ(PM_(2.5))均值由高到低依次为冬季(65. 54μg/m~3)、春季(41. 70μg/m~3)、秋季(35. 18μg/m~3)和夏季(23. 56μg/m~3),秦淮区四季大气中ρ(PM_(2.5))均最高。春季南京大气中ρ(PM_(2.5))易受黄海海岸和北方大陆性输送气流的影响,来自黄海方向的气流轨迹2贡献比例达51. 65%,对应的ρ(PM_(2.5))为50. 91μg/m~3;夏季南京大气中ρ(PM_(2.5))主要受江苏、东部海洋和南部沿海城市输送气流的影响,其中源自江苏的气流轨迹1对南京大气PM_(2.5)贡献比例最大(33. 64%),气流轨迹对应的ρ(PM_(2.5))为35μg/m~3;秋季南京大气中ρ(PM_(2.5))易受短距离的偏北气流影响,来自山西南部,河南中部、安徽中部的气流轨迹5对应的ρ(PM_(2.5))最高,出现概率(21. 11%)和贡献比例(27. 81%)均较高;冬季南京大气中ρ(PM_(2.5))主要受北方大陆性输送气流影响,来自俄罗斯、蒙古国东部、河北北部、北京、天津、山东中部的长距离气流轨迹4对应的ρ(PM_(2.5))最高,达109. 8μg/m~3,其贡献比例为26. 86%。PSCF和CWT分析发现,安徽、山东、浙江与江苏交界和黄海海岸是影响南京市空气质量的主要潜在源区,此外,湖北、北京、天津以及渤海海岸也是南京大气PM_(2.5)的潜在源区。    

6.  徐州大气颗粒物污染特征及传输途径分析  
   刘倩  李慧鹏  赵秋月  韩军赞  姚宇坤《环境监控与预警》,2018年第10卷第4期
   利用徐州2015年PM2.5和PM10逐小时质量浓度数据,分析了徐州颗粒物时空变化特征。同时基于HYSPLIT后向轨迹模式,结合GDAS气象数据和空气质量数据,利用轨迹聚类及潜在源分析法研究徐州不同季节气流轨迹对颗粒物浓度的影响及PM2.5和PM10的潜在来源。结果显示,2015年徐州环境空气中PM2.5和PM10的年均值为65和122μg/m3,分别超过国家《环境空气质量标准》(GB 3095—2012)二级标准限值86%和63%。各国控站点ρ(PM2.5)和ρ(PM10)月变化呈现一致的冬季高夏季低的"V"型变化特征,这与气象条件和气流轨迹特征季节性变化有关。秋冬季污染较高时期徐州主要受西北内陆性气团和较为稳定的气象条件影响,而春夏季来自较为干净的东部海洋性气团利于污染扩散。潜在源分析显示,山东、安徽、苏中南、浙西北等地区是影响徐州市PM2.5和PM10的主要潜在源区。各季节潜在源区分布范围有一定差异,冬季时潜在源区分布最广,并有明显向西北方向转移延伸的趋势。    

7.  焦作市大气污染物特征和相关性分析  
   苑丽  闫瑞敏《中国环境监测》,2019年第35卷第5期
   为研究焦作市大气污染特征及其相关性,对2015—2017年焦作市4个国控空气监测点位的监测数据进行统计分析。结果表明:2015—2017年城区环境空气污染SO_2、NO_2、CO、PM_(10)、PM_(2.5)浓度均呈逐年下降趋势;大气污染浓度季节变化特征明显,PM_(10)、PM_(2.5)、SO_2、NO_2、CO的浓度均为冬季最高、夏季最低,空气质量指数也在冬季达到最高值; O_3浓度则为夏季最高、冬季最低。2017年焦作市沙尘天气共计36 d,严重影响了环境空气中颗粒物的浓度。由PM_(2.5)与PM_(10)的比值说明大气颗粒物污染以PM_(2.5)为主。通过SPSS软件分析,SO_2、NO_2、CO、PM_(10)、PM_(2.5)浓度间呈两两正相关,O_3浓度与NO_2、CO呈负相关。    

8.  武汉市夏冬季典型大气污染过程的成因与来源分析  
   黄凡  周家斌  李红  陈楠《环境科学研究》,2020年第33卷第2期
   为了解武汉市夏冬季大气污染特征、成因及来源,基于武汉市20个监测点的观测数据,针对2017年7月21—31日及2018年1月13—25日两段典型大气污染过程分别展开研究.结果表明:武汉市大气污染呈现明显的季节性变化特征,夏季空气质量最优,春秋次之,冬季相对较差,夏冬季分别呈现明显的O_3和PM_(2.5)污染特征.夏季大气污染过程中平均ρ(O_3-8 h)为151.6μg/m~3,高温、低湿的气象条件有利于前体物VOCs和NOx向O_3的转化,O_3的生成主要受VOCs控制,其中芳香烃和烯烃对O_3生成潜势的贡献较大,相对贡献率分别为43.7%和35.6%.冬季污染过程中平均ρ(PM_(2.5))为129.1μg/m~3,静稳、高湿的气象条件会促进PM_(2.5)的吸湿增长及二次生成,二次离子和有机碳的贡献显著,约占ρ(PM_(2.5))总量的72.4%.随着污染程度的加重,二次离子的转化程度及VOCs对SOA的生成潜势都逐渐增大,重度污染天气下前体物的二次转化程度约为非污染期的2.1~11.4倍.源解析结果显示,武汉市夏季大气污染过程受溶剂涂料使用、机动车尾气排放和工业排放VOCs的影响较大;冬季则受二次气溶胶源、燃煤工业源及机动车源的影响更大,三者平均贡献率分别为40.5%、30.0%和25.2%.区域传输对武汉市污染天气的发生也有一定影响,夏冬季的污染气团分别来自湖北省东南和西北方向.研究显示,受到不同的气象条件影响,武汉市夏季及冬季分别表现出O_3和PM_(2.5)污染特征,两段污染过程的发生均与污染前体物较高的二次转化程度和不利的污染扩散条件相关,污染来源呈现一定差异,但均受到区域传输作用的影响.    

9.  基于Model-3/CMAQ模式的本溪市大气细颗 粒物数值模拟  
   秦思达  惠秀娟  夏广锋  王淑兰《环境科学研究》,2018年第31卷第1期
   为探究北方山区城市大气细颗粒物污染特征,应用气象模式WRF耦合空气质量模式CMAQ对本溪市2016年PM_(2.5)空间分布特征、化学组分特征及主要污染源贡献情况进行分析.本溪市SO_2、NO_x、TSP的工业排放量分别达到5.2×10~4、4.1×10~4、16.1×10~4t.结果表明,模拟值与监测值变化趋势基本一致,模拟效果较好.1月ρ(PM_(2.5))明显高于7月,空间分布均呈现"西高东低"态势,高值区出现在人口稠密的市区附近.1月ρ(PM_(2.5))本地源贡献率表现为钢铁(35.7%)供暖(12.5%)居民(7.5%)移动(5.2%)秸秆(2.0%)电力(0.4%);7月为钢铁(48.6%)移动(9.2%)建材(3.5%)居民(2.8%)电力(1.5%).受气候、地貌及大气污染物排放特征影响,1月区域传输特征明显,外来源贡献为24%,高于7月的14%.另外,1月和7月本溪市PM_(2.5)组分中二次粒子(SO_4~(2-)、NO_3~-、NH_4~+)占比分别为29%和32%,碳组分(OC、EC)占比分别为43%和37%,碳气溶胶污染严重.研究显示,本溪市大气细颗粒物污染具有明显的季节性变化特征,1月部分区域浓度超标主要是由于以钢铁行业为主的工业排放造成,加之本溪市1月以西北风为主且风力较大,市区位于西部低海拔地区,来自中部城市群的污染物在向东南方向传输过程中受到高海拔山区阻隔,从而形成污染物积聚效应.    

10.  南京城区冬季大气污染特征  
   《环境科学研究》,2017年第9期
   为探究南京城区冬季主要大气污染物浓度变化规律,运用南京市空气自动监测站的φ(CO)、φ(O_3)、φ(NO_2)、φ(SO_2)、ρ(PM_(2.5))和ρ(PM_(10))逐时资料,结合同期气象数据,分析了2014年冬季(2014年12月—2015年2月)南京城区大气污染浓度水平和变化特征,探讨2015年春节期间在实施减排措施下气象条件对空气质量的影响.结果表明:(1)观测期φ(CO)日均值和φ(O3)小时均值未超过GB 3095—2012《环境空气质量标准》二级标准限值;ρ(PM_(2.5))、ρ(PM_(10))、φ(NO_2)、φ(SO_2)日均值分别超标44%、38%、34%、2%;ρ(PM_(2.5))、ρ(PM_(10))最大日均值分别为231和283μg/m~3,分别是GB 3095—2012二级标准限值的3.1、1.9倍.(2)日变化分析显示,φ(CO)与φ(NO_2)呈早晚双峰型变化,与早晚交通高峰源排放有关;φ(O_3)呈明显的单峰型,在午后出现峰值;φ(SO_2)呈单峰型且夜间浓度低于白天;ρ(PM_(2.5))和ρ(PM_(10))为双峰型变化,峰值出现在10:00和22:00左右.(3)南京地区污染物周末浓度整体高于工作日,其中周末φ(CO)、φ(NO_2)和ρ(PM_(2.5))显著高于工作日,"周末效应"显著.(4)2015年春节期间,南京实施减排措施后,即使在不利的气象条件下,污染物浓度也未出现明显升高,说明减排措施有效削弱了污染源的排放,是保持南京地区良好空气质量的重要因素.    

11.  济南市大气颗粒物背景值确定方法  
   侯鲁健  夏志勇  张文杰  吕波  付华轩  谭润禾《环境科学研究》,2018年第31卷第11期
   城市大气颗粒物背景值的确定能够为制订城市大气颗粒物污染防治目标提供重要基础支撑,探索大气颗粒物背景值确定方法对于大气污染防治具有重要意义.以济南市清洁对照点跑马岭监测数据为基础,直接采用概率密度法计算得到的ρ(PM10)和ρ(PM_(2.5))背景值范围分别是100~110和40~50μg/m~3.综合应用空气质量模型模拟法和概率密度法,提出基于数值模拟的城市大气颗粒物环境背景值确定方法,并在此基础上确定了济南市大气颗粒物背景值.结果表明:济南市ρ(PM10)和ρ(PM_(2.5))背景值范围分别是30~35和15~20μg/m~3,其中ρ(PM10)环境背景值秋季(40~45μg/m~3)最高、夏季(25~30μg/m~3)最低;ρ(PM_(2.5))环境背景值秋季(25~30μg/m~3)最高、冬季(10~15μg/m~3)最低.研究显示,基于数值模拟计算得到的颗粒物背景值明显低于直接采用概率密度法得到的结果,表明跑马岭受人为因素影响明显,监测结果已不能完全代表济南市大气颗粒物背景值水平;而数值模拟法可以完全剔除了人为源的贡献,计算得到较为准确的ρ(PM10)和ρ(PM_(2.5))背景值.    

12.  南昌市大气颗粒物污染特征及PM2.5来源解析  
   刘小真  任羽峰  刘忠马  秦文《环境科学研究》,2019年第32卷第9期
   为探讨2013年南昌市大气颗粒物的污染特征及分布状况,收集南昌市9个大气监测站点实时发布的PM_(10)和PM_(2.5)数据,分析了ρ(PM_(10))、ρ(PM_(2.5))和ρ(PM_(2.5))/ρ(PM_(10))的变化规律及其与气态污染物的相关性,并结合污染严重的秋季时段,采用PCA-MLR(主成分分析-多元线性回归)模型对大气PM_(2.5)中化学组分来源进行解析.结果表明:①ρ(PM_(10))和ρ(PM_(2.5))的年均值分别为(115. 4±39. 1)(69. 1±26. 8)μg/m~3,均超过GB 3095—2012《环境空气质量标准》二级标准限值,ρ(PM_(10))和ρ(PM_(2.5))的最高值分别出现在石化、省外办监测站点,最低值出现在林科所监测站点.ρ(PM_(10))和ρ(PM_(2.5))季节性变化特征明显,呈冬季春、秋两季夏季的趋势,全年ρ(PM_(10))超标天数占比为25. 48%,ρ(PM_(2.5))超标天数占比为36. 71%,各季度ρ(PM_(2.5))超标天数占比均高于ρ(PM_(10)).②受人为活动和边界层高度的影响,ρ(PM_(2.5))和ρ(PM_(10))日变化呈双峰双谷形态,一个波峰出现在08:00—10:00,另一个波峰出现在20:00—22:00,并且晚间小时峰值高于早间,最低值出现在15:00.③ρ(PM_(2.5))/ρ(PM_(10))年均值为60. 3%,在冬季最高达65. 1%,相关性分析发现ρ(PM_(10))与ρ(PM_(2.5))存在较显著的线性关系,表明二者具有同源性.④ρ(PM_(10))、ρ(PM_(2.5))均与ρ(SO_2)、ρ(NO_2)、ρ(CO)呈显著正相关,并且冬季相关性高于夏、秋两季;而ρ(PM_(10))、ρ(PM_(2.5))均与ρ(O_3)全年呈显著负相关,并且夏、秋两季相关性高于冬季,说明气态污染物的二次转化对ρ(PM_(2.5))和ρ(PM_(10))有较大影响.⑤南昌市秋季PM_(2.5)的最大污染源为道路扬尘/机动车尾气混合污染源,其次分别为施工扬尘源、燃煤源、冶炼尘/生物质燃烧混合污染源,各污染源对PM_(2.5)的贡献率分别为40. 9%、35. 8%、12. 4%、10. 9%.研究显示,南昌市PM_(2.5)的污染程度较PM_(10)严重,PM_(2.5)已成为南昌市大气颗粒物污染的主要组分,PM_(2.5)主要来源为城市扬尘和机动车尾气.    

13.  京津冀地区钢铁企业大气污染影响评估  
   《中国环境科学》,2017年第5期
   利用京津冀钢铁行业高分辨率排放清单,结合区域具体淘汰产能设备名单,采用空气质量模式CAMx模拟并分析现状和化解产能情景下京津冀地区钢铁行业大气污染物对区域空气质量的贡献情况.结果表明,现状情景下,冬季钢铁企业对整个区域PM_(2.5)、SO_2、NO_x最高浓度贡献比例分别为14.0%、28.7%、43.2%,夏季分别为13.1%、28.7%、53.4%.化解产能情景下京津冀钢铁行业SO_2、NO_x、烟粉尘、PM_(2.5)与2012年排放现状相比,排放量分别下降了10.75%、10.65%、9.75%、9.75%,排口数量下降了11.74%,钢铁企业对京津冀各城市PM_(2.5)、SO_2、NO_x浓度贡献比例均有减少,冬季贡献比例最多减少了1.4%、2.5%、3.1%,夏季贡献比例最多减少了0.9%、2.0%、3.5%.    

14.  常州市冬季大气污染特征及潜在源区分析  
   何涛  彭燕  乔利平  滕加泉  薛银刚《环境科学研究》,2018年第3期
   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)、PM_(10)、SO_2、NO_2、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(PM_(10))、ρ(SO_2)、ρ(NO_2)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(NO_2)在晚高峰明显大于早高峰,而ρ(SO_2)和ρ(CO)表现为早高峰大于晚高峰.常州市CO/NO_x和SO_2/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(PM_(10))、ρ(SO_2)、ρ(NO_2)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(SO_2)和ρ(NO_2)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)、PM_(10)、SO_2、NO_2和CO潜在源区存在较大差异性,NO_2、SO_2和CO本地化的潜在贡献较PM_(2.5)和PM_(10)更明显.此外,受船舶等影响海洋源区对NO_2、SO_2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.    

15.  阜康市PM_(2.5)和PM_(10)的质量浓度变化特征分析  
   《资源节约与环保》,2016年第8期
   通过对阜康市2015年1个区控点的PM_(2.5)和PM_(10)的连续自动监测数据分析得出:2015年阜康市大气颗粒物中PM_(2.5)、PM_(10)浓度日均值和小时值的最大值均出现在4月,日均值均超过了环境空气质量标准的二级标准限值;月均值最大值均出现在12月;PM_(2.5)的年均值超过了环境空气质量标准的二级标准限值;PM_(2.5)和PM_(10)冬季的日变化浓度高于其他三季,夏季最低。超标天数高值出现在1、2、11、12月,PM_(2.5)的污染程度比PM10严重;PM_(2.5)和PM_(10)的比值1、11、12月较大。    

16.  《大气污染防治行动计划》后期成都大气PM2.5中水溶性无机离子特征  
   李佳琪  张军科  董贵明  邓嘉琳  刘子锐  王跃思《环境科学》,2021年第42卷第12期
   为探究《大气污染防治行动计划》实施后期成都大气PM2.5中水溶性无机离子(WSIIs)季节变化及来源等特征,本研究于2016~2017年在成都城区进行了分季节PM2.5样品的连续采集,对其中WSIIs进行了全面分析.结果表明,成都市年均ρ(PM2.5)和ρ(WSIIs)分别为(114.0±76.4)μg.m-3和(41.2±31.3)μg.m-3,ρ(WSIIs)可占ρ(PM2.5)的36.1%,其季节贡献特征为:秋季(39.5%)>冬季(38.2%)>春季(32.5%)>夏季(28.9%).全年及各季节P(PM2.5)和ρ(WSIIs)均值均表现为夜间高于白天,且昼夜差异幅度呈现出了明显的季节变化特征.SNA(SO42-、N03-和NH4+)是WSⅡs的重要组成,在春、夏、秋和冬这4季中可占到整体ρ(WSIIs)的84.2%、86.6%、86.3%和87.0%.秋和冬的ρ(NO3)/ρ(SO42-)比值分别为1.1和1.6,高于春和夏的0.96和0.57,移动源和固定源相对贡献随季节变化特征明显.观测期间WSIIs主要来源包括二次生成、扬尘源和燃烧源.后向轨迹分析表明,来自成都东部地区的近地气团对应的P(PM2.5)低于源自西部的高空气团,就WSIIs构成而言,东部气团对应的ρ(SO42-)占比高于西部气团,而西部气团对应的ρ(NO3-)占比则高于前者.    

17.  焦作市大气污染时空分布特征及来源分析  
   王刘铭  王西岳  王明仕  喻国强  刘晓咏  王自发  潘小乐《环境科学研究》,2020年第33卷第4期
   焦作市是京津冀地区"2+26"通道城市之一.为研究焦作市大气污染特征,于2016年1月-2018年2月使用3个国控站点(马村区生态环境局、焦作市生态环境局和高新区政府)大气环境监测数据,以及2018年1月焦作市边界站PM_(2.5)及其化学组分(水溶性离子和碳组分)监测数据进行分析.结果显示:焦作市大气污染以PM_(2.5)污染为主,2017年ρ(NO_2)、ρ(PM_(2.5))、ρ(PM_(10))、ρ(CO)和ρ(SO_2)平均值分别为42.4μg/m~3、79.0μg/m~3、136.5μg/m~3、1.42 mg/m~3和38.3μg/m~3,较2016年分别下降了10.5%、10.6%、11.2%、20.7%和37.6%.在时间分布上,大气污染物质量浓度日变化具有明显的季节性特征,春、夏两季ρ(NO_2)日变化较秋、冬两季呈更宽的"U型"ρ(SO_2)峰值出现在12:00左右,推测原因与夜间高架源排放有关;在空间分布上本地一次污染排放可能主要来自市区工地扬尘、西南地区交通源和东部污染点源.观测期间,ρ(NO_3~-)、ρ(NH_4~+)和ρ(SO_4~(2-))较高,平均值分别为39.42、23.66和23.01μg/m~3,分别占水溶性离子质量浓度的41.8%、25.1%和24.4%,占ρ(PM_(2.5))的27.4%、16.4%和16.0%.污染天的NOR(氮转化率)(0.35)和SOR(硫转化率)(0.43)明显高于清洁天的NOR(0.25)和SOR(0.18)表明污染天NO_2和SO_2二次转化程度更高.SOR和NOR随相对湿度的增加而增加,表明相对湿度较高时有利于NO_2和SO_2的二次转化.污染天和清洁天ρ(SOC)(SOC为二次有机碳)估算值分别为19.79和3.51μg/m~3分别占ρ(OC)的79.4%和54.9%,占ρ(PM_(2.5))的9.8%和10.4%表明焦作市SOC对OC有较大的贡献.PSCF(潜在源贡献因子法)结果表明,本地源是影响焦作市秋、冬两季PM_(2.5)的主要潜在源太行山南麓区域输送也对其有一定贡献.研究显示,焦作市大气污染较严重本地一次排放、二次转化和区域输送是焦作市PM_(2.5)的主要来源.    

18.  2018年春节期间京津冀及周边地区烟花禁放效果评估  
   胡丙鑫  段菁春  刘世杰  胡京南  张咪  康盼茹  王成《环境科学研究》,2019年第春节期
   为了评估2018年春节期间(2月15—16日)京津冀及周边地区"2+26"城市烟花禁限放措施的效果,采用浓度特征对比、ρ(PM_(2.5))/ρ(CO)等方法,对"2+26"城市的ρ(PM_(2.5))、ρ(PM_(10))、ρ(SO_2)、ρ(NO_2)进行分析,并定量估算了除夕夜烟花燃放对ρ(PM_(2.5))和ρ(SO_2)的贡献率.结果表明:"2+26"城市烟花的集中燃放会导致ρ(PM_(2.5))、ρ(SO_2)显著增长,出现以PM_(2.5)为首要污染物的重污染时段,2018年12月16日03:00区域内14个城市ρ(PM_(2.5))达到重度及以上污染水平,呈区域性污染特征;与2017年同期(1月27—28日)相比,2018年春节期间(2月15—16日)14个城市烟花燃放对ρ(PM_(2.5))平均贡献量呈下降趋势,其中,淄博市、济南市、北京市降幅最大,分别下降了85.2%、74.6%和65.2%,表明烟花禁限放措施起到了显著的污染削峰作用;与城区相比,周边郊县ρ(PM_(2.5))显著高于城区,呈"农村包围城市"的现象,说明城区监测点位受到郊县等周边地区烟花燃放的传输影响.研究显示,虽然城区烟花禁限放措施起到了显著的削峰作用,但城区监测点位空气质量仍受到郊县等周边地区烟花燃放的传输影响,导致大气重污染的发生.    

19.  基于增强回归树的城市PM2.5日均值变化分析:以常州为例  
   葛跃  王明新  孙向武  齐今笛《环境科学》,2017年第38卷第2期
   利用2014年12月至2015年11月常州市区6个国控监测站空气污染物浓度逐时数据,分析了PM_(2.5)浓度季节变化特征,采用增强回归树模拟分析了PM10、4种气态污染物和7个气象因子对ρ(PM_(2.5))日变化的贡献.结果表明,常州市区PM_(2.5)污染季节差异明显,冬季污染严重且持续时间长,夏季污染较轻.四季ρ(PM_(2.5))空间分布特征存在一定差异,但各季内不同监测站差异较小.增强回归树对ρ(PM_(2.5))日均值进行模拟和验证得到,训练数据的相关性为0.981,交叉验证的相关性为0.957.此外,模拟值与实测值的标准化平均偏差为1.80%,标准化平均误差为10.41%,可见模型拟合效果较好.PM10、气态污染物、气象因子和区域输送及扩散这4种影响类型对全年ρ(PM_(2.5))日均值差异的贡献率分别为23.4%、28%、36.2%和12.6%,表明在对ρ(PM_(2.5))日均值差异的影响上,气象因子二次形成一次源区域输送及扩散.在对ρ(PM_(2.5))日均值差异贡献率大于5%的因子中,ρ(PM_(2.5))日均值与PM10、相对湿度、CO和O3正相关,与温度、SO2和混合层高度负相关,与大气压和NO2关系较复杂.区域输送及扩散方面,东南风向、偏西风向和偏北风向等上风向周边城市的污染物输送对常州市区PM_(2.5)污染存在较大的负面影响.    

20.  安阳市环境空气质量状况、污染原因与对策分析  
   赵海丽  唐敏  徐瑞红《环境科学导刊》,2019年第2期
   分析了2008—2017年安阳市城市空气质量自动监测数据,结果显示:影响安阳市空气质量的主要因素及大气污染防治的主要问题是:PM_(2.5)、PM_(10)污染影响普遍,SO_2排放量大,NO_X浓度呈逐渐增高的趋势,臭氧污染显现。10a间安阳市城市大气中SO_2、NO_2、PM_(10)浓度值四季变化规律均呈现冬季秋季春季夏季,且冬季SO_2、NO_2、PM_(10)浓度值均呈显著上升趋势。10a间安阳市NO_2浓度变化呈显著上升趋势,降水类型经历了从硫酸型到硫酸-硝酸混合型的过渡过程。安阳市城区内大气污染物存在显著的空间差异性,位于西北部工业区的铁佛寺监测点位PM_(10)、SO_2、NO_2三项污染因子平均浓度值均为各点位最高值。O_3成为首要污染物的天数在明显增加,2017年4个国控点位的O_3-90浓度值均不达标。    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号