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。     

“十一五”时期乌鲁木齐市大气污染特征及影响因素分析

为全面了解"十一五"时期(2006—2010年)乌鲁木齐市大气污染状况,评估污染源治理及气象条件对空气质量变化的影响,利用2001年1月—2010年12月主要大气污染物浓度数据和同期地面气象资料,总结"十一五"时期乌鲁木齐市大气污染变化特征,重点分析其变化原因。结果表明:"十一五"时期PM10和SO2年均浓度分别比"十五"下降1.7%和10.3%,采暖季降幅最明显,分别达到2.2%和21.9%;而NO2年均浓度比"十五"升高8.9%,非采暖季增幅最大,为11.7%。2006—2010年PM10、SO2年均浓度整体呈下降趋势,NO2浓度有升高趋势。5年中非采暖季各污染物浓度均达标,采暖季PM10和SO2超标倍数逐年减小,煤烟型污染特征仍然典型。污染源管控(特别是减排工程实施)是"十一五"时期SO2和PM10浓度下降的重要原因,气象条件作用相对有限。NO2浓度升高主要与机动车保有量逐年增加和氮氧化物治理启动滞后有关。     

2016—2019年汾渭平原城市空气质量状况分析

基于2016—2019年全国城市环境空气质量国控监测点位自动监测数据，分析了汾渭平原城市空气质量状况。结果表明：2019年，汾渭平原优良天数比例为61.7%，略高于"2+26"城市，明显低于全国及其他区域，空气污染较重。2016—2019年，汾渭平原超标天数中PM_2.5、PM₁₀、O₃作为首要污染物的占比较高，PM_2.5、PM₁₀仍是影响汾渭平原空气质量的最主要污染物，O₃和NO₂的影响逐年升高。汾渭平原PM_2.5浓度呈夏季低、秋冬季高的特点，2019年与2016—2018年PM_2.5均值比较，1、2、4月分别偏高7.5%、36.7%、6.8%，其他月份均偏低，表明1、2、4月空气质量总体恶化，其他月份有所改善。汾渭平原O₃浓度呈夏季高、秋冬季低的特点，O₃浓度总体呈升高趋势，年平均升高10.3 μg/m³，临汾市年平均升幅最显著（26.7 μg/m³），不同百分位O₃浓度均呈升高趋势，且高百分位浓度升幅明显高于低百分位浓度，年平均升幅最高出现在第90百分位浓度。2016—2019年，O₃单项污染物超标导致优良天数比例损失分别为5.4个百分点、13.0个百分点、11.1个百分点和14.4个百分点，总体呈上升趋势，表明O₃超标对空气质量影响越来越显著。煤炭消耗量、生铁产量、粗钢产量的大幅升高对空气质量有一定影响，建议加大对相关企业污染物的排放量检查，确保超低排放或采取可行的清洁能源替代。温度与O₃浓度呈正相关，2017—2019年，温度大于25 ℃的天数中94.2%出现在6—8月，O₃-8h超标天数占全部超标天数的81.4%，因此应加强温度较高月份的O₃管控。     

北京地区冬季典型PM2.5重污染案例分析

对2013年1月10—14日发生的持续性PM2.5重污染过程从污染过程演变、气象条件影响、与气态污染物关系、区域污染背景、PM2.5浓度空间分布演变及其与地面风场的关系、PM2.5组分特征等多个方面进行全面的分析,较为完整地还原了该次重污染案例的形成原因以及主要影响因素。主要结论包括:该次重污染过程是稳定气象条件下导致的局地污染物积累,再叠加华北区域性污染的影响共同造成,其中10、12日北京地区PM2.5浓度的快速增长反映了周边污染传输的显著影响;逆温不但造成污染物难以扩散,且不同的逆温类型对PM2.5浓度水平有显著影响,同时还发现逆温的破坏导致近地面高浓度污染物向上扩散,造成百花山出现峰值高污染浓度现象;NO2与PM2.5浓度水平的高相关性反映交通污染二次转化对PM2.5浓度水平的影响,在较高湿度条件下,SO2浓度水平对湿度敏感且表现为负相关性;该次污染过程中OM、SO2-4、NO-3、NH+4等组分在PM2.5质量浓度中的占比超过70%,说明燃煤、机动车等仍是北京地区最主要的污染来源,同时SO2-4占比最高也说明区域污染传输对该次重污染的显著贡献。     

重庆城区不同粒径颗粒物元素组分研究及来源识别

为研究重庆市大气颗粒物的污染特征及其来源,于2010年3—10月在主城区分别采集PM_1.0、PM_2.5和PM₁₀3种粒径的颗粒物样品,利用XRF分析其中的26种元素浓度。结果表明,重庆市主城区S元素在各粒径中含量都较高,细粒子中K的含量较高,粗粒子中Si、Ca和Fe的浓度较大。富集因子分析表明,主城区Cd、S、Se等污染元素的富集系数较大,且粒径越小,富集现象越明显。利用因子分析得出土壤风沙、扬尘、燃煤的燃烧、机动车燃油产生的尾气排放、生物质燃烧排放是重庆市颗粒物污染的主要来源。     

贵州农村地区室内空气质量及细颗粒物污染特征

对贵州农村地区燃煤和燃柴典型村进行了室内外空气质量的监测,并对其中细颗粒物PM2.5的特征进行了研究。结果表明:燃煤家庭厨房和卧室PM2.5分别超过《环境空气质量标准》GB 3095—2012中标准限值(75μg/m3)的1.97、1.41倍,燃柴家庭分别超标0.74、0.06倍,而SO2、CO、NOx均低于标准限值。PAHs以燃煤村厨房最高,为53.92 ng/m3,燃柴村厨房为10.34 ng/m3,2种燃料所致PAHs均以中高环组分为主,对人体健康产生较大风险。PM2.5中氟和砷含量较低,低于参考浓度限值。燃煤村和燃柴村厨房内氟均值分别为0.14、0.11μg/m3,砷平均值分别为0.020、0.014μg/m3。需采取炉灶/燃料改良干预措施来降低农村室内空气污染物浓度,保障居民身体健康。     

大同市大气颗粒物浓度与水溶性离子季度分布特征

为研究大同市大气颗粒物质量浓度与水溶性离子组成特征,于2013年2、7、9、12月,分别对大同市及其对照点庞泉沟国家大气背景点进行了PM2.5及PM10的采样,通过超声萃取-IC法测定了样品中的9种水溶性离子,结果表明,大同市大气颗粒物污染1、4季度重于2、3季度,PM2.5季度均值全年均未超标,PM10仅第1季度超标1.4倍,污染状况总体良好,PM2.5与PM10相关系数R为0.75,说明大同市颗粒物污染有较为相近的来源,且不同季节均以粗颗粒物为主;大同市PM2.5中水溶性离子浓度分布为SO2-4、NO-3、NH+4Cl-、Ca2+K+、Na+F-、Mg2+,PM10中Ca2+浓度仅次于SO2-4、NO-3,控制扬尘将有效降低PM10的浓度;PM2.5及PM10中的9种水溶性离子在不同季度的浓度与颗粒物浓度分布规律类似,1、4季度较高,2、3季度较低;由阴阳离子平衡计算结果可知,相关性方程的斜率K为1.045,表明大同市大气颗粒物中阳离子相对亏损,大气细粒子组分偏酸性。NO-3与SO2-4浓度比值均小于1,大同市以硫酸型污染为主,大气中的SO2-4主要来源于人类活动排放。     

北京2019年国庆假日及随后一个星期PM2.5中金属元素来源分析

2019年10月1—14日,采集了北京五环内14份城区大气PM_2.5样品。用微波消解-电感耦合等离子体质谱法（ICP-MS）测试了样品中15种金属元素的质量浓度。结果表明：2019年国庆假日（10月1—7日）及随后一个星期（10月8—14日）,北京五环内城区PM_2.5中15种金属元素的质量浓度总和分别为7 206、8 025.4 ng/m³。2个时段Na、K、Ca、Al占比较高,4种元素的质量浓度之和分别占元素总质量浓度的88.9%、83.5%。富集因子分析表明：2个研究时段内,北京城区Se、Cd均呈高度富集状态,受人为污染影响最大。根据因子分析结果以及各类污染源的标识元素判断,2个时段内,PM_2.5中的金属元素均来自地壳（土壤尘和建筑尘）、生物质燃烧、机动车排放、燃煤和工业排放的混合源。潜在源因子分析结果表明：国庆假日北京城区Se、Cd、Pb、Cr主要来源于河北、山东两省中部地区的区域性输送,Zn和Cu主要来源于北京周边工业排放源和城区机动车排放源;国庆假日之后,北京城区Se、Zn、Cd、Pb、Cr、Cu除受廊坊-天津-唐山污染带的区域性传输影响外,还受北京周边燃煤源、工业排放源及本地机动车排放源的共同影响。     

灰霾期间武汉城市区域大气污染物的理化特征

利用湖北省大气复合污染自动监测站2013年的全年监测数据,分析了灰霾期间武汉城市区域大气污染物的理化特征。霾日主要出现在春季、秋季和冬季。霾日与非霾日大气污染物质量浓度和气象参数的对比分析结果显示:高湿度、静风是武汉城市区域霾日的重要气象特征;PM1、PM_(2.5)、PM_(10)、NO_2、CO、NH3的质量浓度,SOR、NOR值以及PM_(2.5)中的二次无机离子(SO2-4、NO-3、NH+4)和部分元素(Pb、Se、Cd、Zn、K)的质量浓度均在霾日明显高于非霾日,而霾日SO2质量浓度仅在冬季略高于非霾日。选取2013年1月的连续灰霾日进行相关性分析,结果表明:污染组分主要来自当地排放(包括直接排放和二次形成),并受当地气象条件影响。此次灰霾过程中PM_(2.5)中的硫酸盐和硝酸盐主要来自气相反应,气态NO_2主要生成了气态HNO_3,而不是HNO_2。     

2018年长三角一次持续重污染过程分析

利用常州市6个环境空气质量评价点PM_2.5、PM₁₀、SO₂、NO₂、CO和水溶性离子数据，结合后向轨迹、激光雷达探空资料、气象资料等，分析了2018年1月29日—2月2日长三角区域一次持续重污染过程。结果表明，重度污染时次高达94 h，PM_2.5最高值达235 μg/m³，由外来输送污染物与本地排放的污染物叠加而成，在不利气象条件影响下，污染物在长三角区域长时间滞留；重污染期间，污染物日变化规律显示，PM_2.5受外来源影响更显著，而SO₂、NO₂受本地污染源影响更显著，水溶性粒子组分与常州市本地源存在较大差异，其中NO₃^-、NH₄⁺、K⁺、Mg²⁺和SO₄^2-值增加最为明显，较污染前分别增加了9.1，5.9，4.3，4.2和4.1倍；K⁺值升高较快，说明污染期间也受到了生物质燃烧的影响。此外，NO₃^-和SO₄^2-在空气质量较好时，在水溶性离子中的占比日变化幅度较大，而在重污染期间，NO₃^-和SO₄^2-日变化幅度明显减小。     

Monitoring of Criteria Air Pollutants in Bursa, Turkey

The concentrations of criteria air pollutants such as CO, NO_x (NO + NO₂), SO₂ and PM were measured in the period of May 2001 and April 2003 in the city of Bursa, Turkey. The average concentrations for this period were 1115±1600 μg/m³, 29±50 μg/m³, 51±24 μg/m³, 79±65 μg/m³, 40±35 μg/m³, 98±220 μg/m³, for CO, NO, NO₂, NO_x, SO₂ and PM, respectively. Temporal changes in concentrations were analyzed using meteorological factors. Correlations among pollutant concentrations and meteorological parameters showed weak relations nearly in all data. Lower concentrations were observed in the summer months while higher concentrations were measured in the winter months. The increase in winter concentrations was probably due to residential heating. Pollutants were associated with each other in order to have information about their origin. NO_x/SO₂ ratio was also examined to bring out the source origin contributing on air pollution (i.e., traffic or stationary).     

电力跨区域调配隐含的污染转移效应

为研究中国30个省/自治区/直辖市之间电力区域调配的污染物转移效应,构建了电力传输的污染转移模型,并以SO_2和NO_x为例对2006、2015年数据进行测算。结果表明,2015年电力行业SO_2、NO_x排放强度分别由2006年的4.03、2.18 g/(kW·h)下降到0.69、0.77 g/(kW·h)。2015年,16个电力净输入区通过电力跨区域传输的SO_2、NO_x转移量分别为47.8×10~4、53.0×10~4t,占这些地区电力行业SO_2、NO_x排放量的24.1%、24.2%;14个电力净输出区通过电力跨区域传输的SO_2、NO_x转移量分别为-54.6×10~4、-52.1×10~4t,占这些地区电力行业SO_2、NO_x排放量的26.5%、22.8%。研究结果对于分析区域物质流动所隐含的污染流动,全面认识区域污染物排放格局,制定合理的区域污染减排目标具有一定借鉴意义。     

Emissions of SO2, NO x and particulates from a pipe manufacturing plant and prediction of impact on air quality

Integrated pipe manufacturing industry is operation intensive and has significant air pollution potential especially when it is equipped with a captive power production facility. Emissions of SO₂, NO _x , and particulate matter (PM) were estimated from the stationary sources in a state-of-the-art pipe manufacturing plant in India. Major air polluting units like blast furnace, ductile iron spun pipe facility, and captive power production facility were selected for stack gas monitoring. Subsequently, ambient air quality modeling was undertaken to predict ground-level concentrations of the selected air pollutants using Industrial Source Complex (ISC 3) model. Emissions of SO₂, NO _x , and particulate matter from the stationary sources in selected facilities ranged from 0.02 to 16.5, 0.03 to 93.3, and 0.09 to 48.3 kg h^???1, respectively. Concentration of SO₂ and NO _x in stack gas of 1,180-kVA (1 KW = 1.25 kVA) diesel generator exceeded the upper safe limits prescribed by the State Pollution Control Board, while concentrations of the same from all other units were within the prescribed limits. Particulate emission was highest from the barrel grinding operation, where grinding of the manufactured pipes is undertaken for giving the final shape. Particulate emission was also high from dedusting operation where coal dust is handled. Air quality modeling indicated that maximum possible ground-level concentration of PM, SO₂, and NO _x were to the tune of 13, 3, and 18 μg/m³, respectively, which are within the prescribed limits for ambient air given by the Central Pollution Control Board.     

京津冀地区经济发展与PM10浓度变化的灰色关联分析

近几年,京津冀地区因灰霾天气频发而备受关注。通过分析京津冀地区PM10浓度变化与主要经济指标的关系,查找京津冀地区空气污染原因,并为今后污染控制措施提供参考。采用灰色关联分析法,对2007—2012年京津冀地区PM10与GDP、钢铁产量、煤炭消费总量、原油消费总量、天然气消费总量5项经济指标进行了分析,结果表明,在与本地经济指标的关联度方面,京津冀地区、北京市、天津市的PM10与煤炭消费总量相关性高;河北省略有不同,钢铁产量为关联度最高的经济指标。在与京津冀地区经济指标的关联度方面,相比本地,北京市、河北省均呈现较大差异性,天津市差异性较小,说明北京市、河北省空气质量受自身影响较大,天津市空气质量受区域传输影响明显。建议整个京津冀地区均应重点加大"控煤"力度,天津市还需加强区域联防联控力度,河北省应加快钢铁企业转型升级,压缩过剩产能。     

北京市典型重污染过程中PM2.5载带水溶性无机离子污染特征分析

为研究北京地区冬季PM_(2.5)载带的水溶性无机离子组分污染特征,2013年1月在中国环境科学研究院内采用在线离子色谱(URG-9000B,AIM-IC)对PM_(2.5)中水溶性无机离子(SO_4~(2-)、NO_3~-、Cl~-、NH_4~+、Na~+、K~+、Mg~(2+)、Ca~(2+))进行监测与分析。结果表明,采样期间总水溶性无机离子(TWSI)浓度为61.0μg/m~3,其中二次无机离子SO_4~(2-)、NO_3~-、NH_4~+(SNA)占比达72.3%,在PM_(2.5)中占比为40.29%,表明北京市PM_(2.5)二次污染严重。重污染天[NO_3~-]/[SO_4~(2-)]表明,固定源污染较移动源更为显著。三元相图表明,在空气质量为优的情况下,NH_4~+(在SNA中占比为30.3%~65.5%,下同)主要以NH_4NO_3的形式存在,较少比例以(NH_4)_2SO_4存在;严重污染时,NH_4~+(47.3%~77.9%)主要以(NH_4)_2SO_4形式存在,其次以NH_4NO_3的形式存在,其余的NH_4~+以NH_4Cl的形式存在。[NO_3~-]/[SO_4~(2-)]日变化表明,早、晚机动车高峰影响北京重污染发生。     

天水市大气SO2浓度时空变化特征的卫星遥感监测与影响分析

大气卫星遥感监测作为一种新型监测手段,具有范围广、速度快、成本低等优势,对环境应急保护及其预警都具有非常重要的意义。选取天水市2006—2013年各年12月每日OMI level-2数据产品,利用Aura卫星技术和Arc GIS等技术平台,对天水市大气中SO_2的时空分布规律和污染原因进行了分析研究。结果表明:2006—2013年天水市SO_2柱浓度及其总量呈现出明显增加的趋势,但在2008年有小幅降低;在2008年以前,天水市SO_2浓度呈现出由东南向西北逐渐减少的趋势,但自2009年后污染重心发生迁移并且出现了数个集中化的SO_2高值区;研究区SO_2垂直柱浓度有自然因素、人类活动等多方面的复合影响,其中能源消耗及机动车尾气排放是主要影响因素。研究进一步讨论了遥感数据产品的应用前景。     

宁波市大气污染概况及影响因素分析

为研究宁波市大气污染状况及其影响因素，利用2013—2018年宁波市国控站点实时监测污染物数据以及气象数据，探讨分析了宁波市大气污染特征以及所受气象因素的影响概况。结果表明：宁波市颗粒物污染和O₃污染呈现典型的季节性特征，颗粒物浓度冬季最高，O₃最大滑动8 h平均质量浓度春、秋季最高。宁波市O₃污染问题越来越突出，且呈现出春、秋季O₃超标天数最多的季节变化特征。O₃小时质量浓度与气温和太阳辐射成正相关关系，NO₂和颗粒物浓度与气温成负相关关系。NO₂与O₃浓度成负相关关系，与颗粒物浓度成正相关关系。     

Extreme Nitrogen Oxide and Ozone Concentrations in Athens Atmosphere in Relation to Meteorological Conditions

In the present study, we investigate the variation of NO _x (NO + NO₂) and O₃ concentrations and the relation between the extreme events (episodes) of NO _x and O₃ concentrations and the relevant meteorological conditions in the urban atmosphere of the Athens basin. Hourly data of NO, NO₂ and O₃ concentrations from 10 representative monitoring sites located in the Athens basin were used, covering the 10-year time period from 1994 to 2003. The results of our analysis show that the concentrations of air pollutants differ significantly from one monitoring site to another, due to the location and proximity of each station to the emission sources. For each site, there are also significant differences in NO _x and O₃ concentrations from day to day, as well as from month to month and/or from season to season. The annual and seasonal variations show higher NO values in winter and lower in summer. On the contrary, NO₂ and O₃ values are higher in summer (photochemical production of O₃) and lower in winter. These differences are attributed, to a large extent, to the prevailing synoptic and meteorological conditions, the most important between them being the wind direction and speed as well as the atmospheric pressure. Our analysis of the identified 179 extreme NO _x air pollution events shows that most of them took place under anticyclonic conditions, associated with calm or weak winds (speed <2.5 ms⁻¹) of mostly southern to southwestern directions, as well as with low air temperatures and intense stable surface atmospheric conditions. There exists a significant decreasing tendency in NO _x air pollution episodic events over the 10-year study period, resulting in very few to none events in the period from 2000 to 2003. As far as it concerns the extreme O₃ concentrations, 34 air pollution events were identified, occurring under high air temperatures, variable weak winds and intense solar irradiation. The trends of O₃ concentrations are stronger in suburban sites than in urban ones.