徐州市钢铁企业大气污染影响评估

利用徐州市钢铁行业高分辨率排放清单,采用空气质量模式WRF-CALPUFF模拟并分析2017年徐州市钢铁行业大气污染物在冬、夏季对大气国控站点空气质量的贡献。结果表明,2017年徐州市钢铁企业排放主要大气污染物对大气国控点的ρ(PM2. 5)贡献最大达到10. 80μg/m3,对桃园路、铜山兽医院影响较大,其中一家企业的ρ(PM2. 5)贡献值就占了14家钢铁企业总贡献值的44. 33%;冬季的ρ(PM2. 5)贡献值总体上高于夏季,但不同钢铁企业在夏季和冬季对空气质量造成的影响存在一定的差异性,其中有5家企业在冬季的ρ(PM2. 5)贡献值明显高于夏季,而有2家企业的ρ(PM2. 5)贡献值在夏季高于冬季。     

江苏省春季臭氧污染特征分析

对2018—2020年春季江苏省臭氧(O 3)污染特征进行了分析。结果表明,江苏省ρ(O 3)均超过二级标准限值,分别超出5.6%,11.3%和8.8%,沿江区域ρ(O 3)略高于苏北区域;ρ(O 3-1 h)日变化呈“单峰型”,峰值呈逐年上升趋势,非污染日苏北区域ρ(O 3-1 h)均高于沿江区域,主要时间段体现在夜间至次日早晨,污染日中午至傍晚时段,沿江区域ρ(O 3-1 h)高于苏北区域;日ρ(O 3)高频区间为80~120μg/m 3,频率约为20%,沿江区域高频区间为60~120μg/m 3,苏北区域高频区间为80~140μg/m 3,频率均超过15%。沿江和苏北区域日ρ(O 3)在临界区间的出现频率偏差不大,O 3污染潜在风险相当;江苏省ρ(O 3)超标率呈逐年递增趋势,超标现象主要集中在4—5月;O 3作为首要污染物且超标的占比逐年升高,而PM 2.5作为首要污染物且超标的占比逐年降低,江苏省春季空气质量影响因子逐渐从PM 2.5转为O 3;平均>90%的O 3污染日为轻度污染,受O 3影响空气质量达到中度污染的占比较小,平均<10%,未出现因O 3导致的重度或严重污染日。     

环境空气质量新标准对郑州和开封空气质量评价的影响

利用河南省环境空气质量新标准实施一期城市(郑州、开封)2013年的环境空气自动监测数据,分析了实施《环境空气质量标准》(GB 3095—2012)对这2个城市空气质量评价的影响。研究发现,若采用新标准,郑州、开封污染物年均浓度超标情况加重;城市空气质量达标率从51%、71%下降到35%和31%,下降了16和40个百分点;PM2.5的纳入是空气质量达标率下降的最主要原因,大于NO2标准的收严和CO、O3纳入评价指标的影响,其超标率分别为58%(郑州)和63%(开封);且PM2.5取代PM10成为郑州、开封的首要污染物,其作为首要污染物的比例均大于70%。     

南通市PM2.5中水溶性离子季节分布特征

对南通市2016年12月-2018年10月大气污染季节分布特征进行了分析。结果表明,南通市ρ(PM2.5)和ρ(水溶性离子)为冬、春季高,夏、秋季低。春夏秋冬四季ρ(水溶性离子)占ρ(PM2.5)百分比分别为68.2%,70.6%,64.5%和74.5%,其中二次离子SNA(NO3-、SO42-和NH4+)占ρ(PM2.5)的百分比分别为63.1%,67.0%,59.3%和66.8%;ρ(NO3-)/ρ(SO42-)表明,移动源已成为南通市春、秋、冬季的主要污染源,四季均存在不同程度的二次转化,且SO2的转化率均大于NO2,NO2冬季转化率最大、夏季最小,SO2夏季转化率最大、秋季最小。南通市NO2转化为硝酸盐的主要形式是气相均相反应,非均相反应和均相反应对SO2转化为硫酸盐的贡献差异不大。     

南通市冬季PM2.5中水溶性离子污染特征

根据南通市2016和2017年冬季大气多参数站自动监测PM2.5数据和在线离子色谱分析仪Marga监测的PM2.5中水溶性离子数据,分析了南通市冬季PM2.5中水溶性离子污染特征。结果表明,南通市2016和2017年冬季,ρ(PM2.5)分别为58和54μg/m 3,均高出其年均值(14μg/m^3);ρ(水溶性离子)总占ρ(PM2.5)百分比分别为74.5%和74.3%;二次离子ρ(NO3^-、SO4^2-和NH4^+)占ρ(PM2.5)百分比分别为66.8%和66.6%;各水溶性离子占比大小依次为:NO3^-、SO4^2-、NH4^+、Cl^-、K^+、Na^+、Ca^2+、Mg^2+。对ρ(NO3^-)/ρ(SO 4^2-)分析表明,移动源已经成为南通市冬季的主要污染源,且呈逐年增强趋势。对氯氧化率和硫氧化率的分析表明,南通市冬季存在较明显的二次污染,SO2的转化程度大于NO2。除Na^+和Mg^2+外,其他离子与PM2.5均呈显著相关性,NO3^-、SO4^2-与NH4^+之间的相关系数最高,Cl^-与除Na^+外的所有阳离子均呈显著相关性。     

成渝地区一次区域重污染过程来源解析及减排效果研究

基于嵌套网格空气质量预报模式(NAQPMS)及耦合的污染来源追踪模块模拟2017年12月16日至2018年1月3日成渝地区一次区域重污染过程,定量解析成渝地区主要城市PM2.5来源,评估过程中应急减排的成效。结果表明,天气静稳和风向辐合是造成此次重污染过程的重要因素,污染峰值阶段,成渝地区多个城市PM2.5日均质量浓度超过150μg/m3,达到重度污染级别。污染过程中,成都市PM2.5本地排放的贡献率为42%,眉山和德阳贡献率将近30%;重庆市PM2.5本地排放的贡献率为60%,外来输送以湖北、湖南和其他地区为主,贡献率为24%,成都和重庆市的工业源和交通源的贡献最大。区域联防联控应急减排对成渝各城市空气质量改善效果显著,成渝地区PM2.5浓度降低率为5%~11%,对于未实施应急预警方案的地区(如眉山市)受周边城市减排影响,浓度降低可达6%。     

南京大气细颗粒中有机碳与元素碳污染特征

为了解南京城区大气细颗粒物中有机碳与元素碳的污染特征,在国控点草场门进行了连续一年的PM2.5采样,分析了有机碳(OC)、元素碳(EC)、ρ(OC)/ρ(EC)污染特征和变化规律。结果表明,采样期间有些PM2.5的日均值超过了《环境空气质量标准》(GB 3095-2012)二级标准,ρ(OC)/ρ(EC)为0.77～4.98,平均值为1.92。PM2.5样品中OC约占18%、EC约占9%。     

2013-2018年北京市PM2.5污染波动特征研究

利用2013—2018年北京市大气污染物监测数据及气象条件等资料,分析了北京市PM_(2.5)污染波动变化趋势及其影响因素。结果表明,2013—2018年北京市空气质量呈现整体改善趋势,优良天数由2013年的176 d增加至2018年的227d;重污染天数显著减少,由2013年的58 d逐年递减至2018年的14 d。受污染源排放、特殊气候现象、气象条件等多因素影响,近6年北京市ρ(PM_(2.5))月均值呈现波动下降趋势,其中秋、冬季波动性更加突显。2014—2016年北京市秋冬季PM_(2.5)污染突出,其中2014年10月、2015年11—12月、2016年12月ρ(PM_(2.5))月均值均达到中度污染级别;而2017—2018年北京市秋、冬季ρ(PM_(2.5))月均值均处于优良水平。相关性分析结果显示,地面相对湿度、中层温度与大气污染物呈现较强的正相关性,中层北风频率、地面风速则呈现负相关性。基于上述气象条件及CO、SO_2和NO_2等气态污染物共同构建的拟合方程对ρ(PM_(2.5))估算结果较好,多站点的拟合值与实际值的相关系数为0.900～0.947,进一步说明气象条件及相关污染源排放对PM_(2.5)污染具有显著影响。     

三维变分在PM2.5重污染数值模拟中的应用研究

为了探讨三维变分法(3DVAR)对成渝城市群冬季PM2.5重污染模拟的改善效果,采用3DVAR对成渝城市群2017年12月至2018年1月的空气质量数值模拟结果进行资料同化,对比评估嵌套网格空气质量预报模式(NAQPMS)原始数据与同化再分析数据的准确率,并分析成渝重污染特征。研究结果显示,3DVAR在PM2.5、PM10和NO2的同化实验中均取得较好的改善效果,成渝地区检验站点各污染物相关系数(r)的平均提升比例依次为44%、90%和332%,r改善的站点占检验站点总数的比例分别为98%、100%和82%;检验站点均方根误差(RMSE)的平均下降比例分别为15%、37%和31%,RMSE改善的站点占检验站点总数的比例为65%、98%和84%。与原始模拟结果相比,同化结果能够更准确地反映成渝地区冬季重污染期间的PM2.5和PM10空间分布特征。     

川东北中心城市南充大气污染态势及其主要成因

基于南充市主城区6项大气污染物浓度数据,研究了2014-2020年南充市的空气质量指数、空气质量指数等级和首要污染物的时序分布。结果表明:随着大气污染防治的开展,南充市大气污染物浓度逐渐下降,出现首要污染物的天数逐年减少,空气质量逐步提高。受污染物节律性影响,空气质量呈现明显的季节差异,冬季空气质量最差,春季次之,夏季污染相对较轻,秋季最轻。首要污染物类型的季节分布特征表现为冬季出现首要污染物天数最多,春季和夏季次之,秋季最少。春、秋、冬季以PM_2.5污染为主,夏季以O₃污染为主。从全年来看,与O₃相比,PM_2.5对空气质量的影响更为突出。在持续控制大气污染物排放总量的同时,精细化协同管控细颗粒物、氮氧化物、挥发性有机物和二氧化硫排放将有助于现阶段的大气污染防治。     

基于后向轨迹模式的区域大气污染及传输特征分析

选取南京市2017年PM2.5逐时观测数据,分析其颗粒物污染特征,并利用聚类分析、潜在源贡献因子法和GDAS气象数据,分析不同高度、季节下南京市主要气流输送路径及PM2.5污染的主要潜在源区。结果表明：南京市PM2.5污染冬季最严重,夏季最轻,逐时PM2.5浓度变化范围夏季小于冬季;夏季气流轨迹主要来自东南方向,秋冬春等季节以偏西和西北路径为主,且随着高度的增加,气流输送速度逐渐加快;冬季对南京市PM2.5污染的贡献最为显著,低层PM2.5污染贡献源区主要集中在近地区域,且贡献率较高,随着高度的增加,贡献源区由研究区域向四周辐散,贡献范围广,贡献率降低。     

金昌市不同季节大气颗粒物的传输路径和潜在源分析

选取金昌市2019年3月-2020年2月PM2.5和PM10逐小时观测数据,分析该市颗粒物污染水平的季节差异,并利用HYSPLIT后向轨迹模式和GDAS气象数据,分析不同气流轨迹对金昌市颗粒物浓度的影响及不同季节颗粒物的潜在污染来源.结果表明,2019年金昌市冬季PM2.5污染最严重,春季PM10污染严重;春、秋季PM...     

辛集市"十三五"期间空气质量特征分析

重点对河北省辛集市"十三五"期间整体空气质量变化情况以及影响辛集市优良天数的2个重要参数O₃和PM_2.5的污染规律进行了分析。结果表明,辛集市"十三五"期间空气质量改善明显,优良天数整体增加,污染天数整体减少。O₃浓度及其作为首要污染物出现的天数整体呈现上升趋势,对综合指数的贡献率逐年增加;O₃污染高发期主要集中在4—9月,高值区域分布差距较大,但市区污染持续突出。PM_2.5浓度逐年下降,以PM_2.5为首要污染物的天数逐年减少;PM_2.5浓度季节变化特征整体呈现"秋冬高、春夏低"的分布特点,空间分布呈"南北高、中间低"的污染特征。     

基于分形求和模型的克拉玛依市空气质量评价

以克拉玛依市4个区2012年的大气自动监测数据为样本，基于分形求和模型，分析大气污染物的分布特征，利用分维数确定污染物浓度分布的随机程度，计算 SO2、NO2、PM10的大气环境背景值与标准值，确定适合于评价区域的ORAQI指数计算公式，并与 API指数作对比。ORAQI指数计算结果显示，克拉玛依市全年环境空气质量基本呈现“U”字形变化，春夏季大气质量好于秋冬季，全年空气质量有明显的季节变化，4个区中克拉玛依区空气质量相对较差，乌尔禾区空气质量最好。相对于 API指数的均匀分布结果，ORAQI指数具有更好的次要污染物体现能力，可以综合体现所评价的各项污染因子的贡献。     

平顶山市大气PM10、PM2.5 污染调查

于2003年12月-2004年11月对平顶山市城区大气PM10、PM2.5污染进行了调查.结果表明,2004年大气PM10、PM2.5质量浓度分别为0.031 mg/m3～0.862 mg/m3、0.019 mg/m3～0.438 mg/m3;年均值分别为0.174 mg/m3、0.114 mg/m3,超标0.74倍、6.60倍.PM10、PM2.5污染的季节变化趋势是以冬季、春季高,秋季次之,夏季最低,细颗粒(PM2.5)约占PM10 65%;As、Pb、Cd、S、Zn、Cu、Mn、Ca等元素是颗粒物中主要污染元素,易在PM2.5中富集.平顶山市大气颗粒物污染的主要来源有煤炭燃烧、汽车尾气、城市基础建设和有色金属冶炼行业.     

2017年江苏省PM2.5数值模拟及内外源解析

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/m₃,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。