台州市区PM2.5和O3污染特征及相互作用关系

基于2016—2020年台州市区大气污染物监测数据及气象观测资料，分析了台州市区PM_2.5和O₃的污染特征及受气象因素影响情况，并探究了不同季节下的PM_2.5浓度和O₃浓度的相关性及相互作用关系。2016—2020年，台州市区PM_2.5年均浓度和超标天数呈显著下降趋势，O₃-8 h年均浓度和超标天数总体呈上升趋势。PM_2.5浓度在冬季最高，且易发生超标；O₃浓度在春、夏、秋季均较高，且均会发生超标。通过相关性分析可知：PM_2.5浓度与气温、相对湿度、风速、降水量呈负相关，与大气压呈正相关；O₃浓度与气温、风速呈正相关，与相对湿度、降水量呈负相关。不同季节下的PM_2.5浓度与O₃浓度均呈正相关，两者存在协同增长。在春、夏、秋季，二次PM_2.5在总PM_2.5中的占比随着O₃     

苏州工业园区春季一次典型臭氧污染过程分析

基于臭氧(O₃)及前体物监测数据，综合运用正定矩阵因子分解模型(PMF)、O₃生成敏感性(EKMA)曲线、O₃来源解析工具(OSAT)等方法，对苏州工业园区2022年春季一次典型O₃污染过程成因开展研究。结果表明，高温及前体物的累积是导致园区O₃超标的主要成因，个别污染时段O₃及前体物受浙江、上海传输影响；污染期间园区处于典型VOCs控制区，VOCs主要来源为油气储运(35.6%)、区域背景(28.8%)、塑料制品生产(16.0%)、移动源(13.6%)、溶剂使用(6.0%)。为有效削减不利气象条件下O₃峰值浓度，应重点加强本地溶剂使用、油品挥发、有机合成等污染环节VOCs的管控。     

重庆市北碚区空气质量改善效果评估分析

基于2014—2020年重庆市中心城区北碚区环境监测数据及地面观测气象要素，分析了北碚区大气污染特征，利用KNN算法建立大气污染的评估模型，对空气质量改善效果进行评估。结果表明，重庆市中心城区北碚区的PM_2.5浓度逐年呈明显下降趋势，O₃浓度除夏季有一个弱的下降趋势外，其余3个季节和年平均值整体均呈上升趋势。全年以优良天气为主且呈增加趋势。O₃与气温、日照时间呈正相关，与相对湿度呈负相关性，PM_2.5与气温、降水及风速呈负相关。基于KNN算法对空气质量改善状况评估表明，减排对O₃污染平均贡献率在-4.7%左右，对PM_2.5污染平均贡献率为-52%,气象条件对O₃污染的平均贡献率在17%左右，对PM_2.5污染的平均贡献率在-7%左右。该大气污染评估模型能够有效地评估空气改善效果。     

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...     

2019—2021年徐州市大气细颗粒物化学组成特征及来源解析

徐州市地处四省交界，大气污染物来源复杂，颗粒物污染在气象条件不利时较为显著。通过地面观测数据、颗粒物组分连续观测、源解析及轨迹溯源等方法，对徐州市2019—2021年颗粒物变化特征进行了全面分析，以定量解析各类污染源的贡献，识别对颗粒物贡献显著的化学成分。结果表明：PM_2.5各组分质量占比中二次无机盐和有机碳相对较高，其中二次无机盐SNA(SO■、NO^-₃、NH⁺₄)占比达到59.1%～62.7%;水溶性离子总浓度逐年降低，但Mg²⁺和Ca²⁺浓度2021年分别同比增加2%和12.5%,说明扬尘污染存在反弹。秋冬季水溶性离子明显较高，Cl^-浓度明显高于其他季节，表明徐州市秋冬季受移动源、燃煤源和二次有机气溶胶共同影响。PM_2.5中OC与EC质量浓度比为4.88～8.40,说明徐州市颗粒物受多源影响，柴油、汽油机动车尾气排放以及燃煤排放对颗粒物贡献较大。后向轨迹分析表明，污染严重的1月污染物主...     

漯河市一次秋季典型PM2.5和O3复合污染过程中挥发性有机物污染特征分析

基于漯河市大气灰霾站在线观测数据，分析2022年10月12—19日PM_2.5-O₃复合污染过程中VOCs的污染特征及来源，以期判别复合污染过程中需要优先管控的VOCs物种及来源，为PM_2.5和O₃协同管控提供依据。结果表明：污染期间VOCs平均质量浓度(96.7μg/m³)显著高于污染前(49.4μg/m³)和污染后(54.8μg/m³),以烷烃和卤代烃占比较高；整个污染过程中质量浓度较高的物种包括乙醛、乙烷、丙烷、异戊烷、氟利昂-12、二氯甲烷、甲苯、苯、一氯甲烷、氟利昂-11、正丁烷和1,2-二氯乙烷；污染期间正丁烷、异戊烷、丙烷、二氯甲烷、一氯甲烷和苯的质量浓度增幅均超过100%。漯河市VOCs的O₃生成潜势(OFP)以OVOC和烯烃占比较高，二次有机气溶胶生成潜势(SOAp)以芳香烃占比最高。OFP贡献较高物种为乙醛、乙烯、甲苯和丙烯，SOAp贡献较高物种为甲苯、苯、间、对二甲苯、乙苯和邻二甲苯；污染期间...     

四川省水泥工业大气污染物排放水平分析

通过调研2018年四川省37条水泥生产线活动水平数据,结合企业污染治理技术,分析该省水泥工业的主要大气污染物排放水平。结果表明:2018年四川省水泥行业SO₂、NO_x、PM_2.5和PM₁₀的排放量分别为1.2万t、5.5万t、3.9万t和6.5万t,其不确定性主要来自污染物的产生系数和去除效率。四川省水泥生产企业各工序排放的颗粒物、SO₂和NO_x浓度总体上均低于现行标准,部分工序颗粒物超标主要受布袋的去除效率影响。     

渝东南典型城区冬季一次罕见的PM2.5污染过程及溯源分析

2020年12月底，以生态旅游业为主的重庆市渝东南地区出现了一次较为罕见的PM_2.5污染过程，持续时间长且污染程度重。以渝东南地区武隆区为例，应用污染特征雷达图、后向轨迹模型及潜在源污染贡献估算等方法分析了本次PM_2.5污染的特征及来源，结果表明：(1)在污染前期主要受扬尘、燃煤和机动车等污染排放影响，污染源直接排放贡献较大；中、后期污染受二次颗粒物影响显著，扬尘影响也较为明显。(2)污染期间的气流轨迹均为短距离输送，轨迹主要来自东北方向(65%)。(3)除自身污染排放贡献外，渝东北地区和主城都市区是武隆区PM_2.5污染的主要潜在源区，对武隆区传输贡献占比超50%。     

成都气象要素等级对大气污染的改善作用研究

为找到对成都空气质量有改善作用的气象要素等级，量化成都气象条件对大气污染物的影响，对2015—2018年成都环境监测站空气质量监测数据和温江国家气候观象台同时段的气象观测资料进行了研究分析。结果表明：(1)成都中部地区的空气质量污染较为严重，全年主要以PM_2.5和O₃污染为主，占比达75%,2015—2018年成都的PM_2.5污染呈下降趋势，而O₃污染虽有所波动但没有显著改善。(2)PM_2.5持续重污染过程中，过去12 h降水量和过去24 h降水量均大于1 mm,均为有效降水，大于2.5 mm对PM_2.5污染的改善作用显著增强；相对湿度低于70%对中度及以上PM_2.5污染的改善作用同步增加，低于40%对轻度PM_2.5污染的改善作用较为明显，优良天气的发生概率显著增加；风速大于1 m/s时PM_2.5浓度随风速的增大而减小，大于2 m/s对PM_2.5浓度的改善作用显著加强。...     

滁州市一次持续性臭氧污染过程气象与传输特征分析

2019年6月8日至17日,安徽省滁州市发生一次持续性臭氧(O₃)污染过程,O₃浓度值超过国家二级标准浓度限值3%~45%。基于滁州市老年大学监测站点空气质量数据、滁州市气象站及全球资料同化系统(GDAS)气象数据,运用HYSPLIT后向轨迹模型、潜在源贡献因子(PSCF)和浓度权重轨迹(CWT)分析方法,研究污染发生时段的气象和区域传输特征。结果表明:①在此次O₃污染过程中,日最高温度的变化范围为25.5~34.7 ℃,风速整体小于4 m/s,风向以偏东风为主,午后的相对湿度在40%左右。在该时段内,滁州市基本处于均压场的控制之中,且受到锋面气旋外围下沉气流的影响,大气层结稳定。②O₃污染发生期间,滁州市主要受东南方向气流的影响,但来自山东省、安徽省北部和江苏省北部的气流的影响也不容忽视。6月9日夜间至10日上午的O₃浓度异常高值,与9日下午的气压异常低值及9日夜间的大气边界层高度异常高值密切相关。上述气压及大气边界层高度异常值的出现使得上风向高浓度O₃被输送至滁州。③此次污染过程的潜在贡献源区主要分布于安徽省东南部、江苏省中西部和浙江省北部等地。上述区域的加权潜在源贡献因子(WPSCF)值大于0.4,加权浓度权重轨迹(WCWT)值超过了100 μg/m³。今后,滁州市在O₃污染防控工作中应加强与上述区域的联防联控。