中山市臭氧污染来源解析与敏感性分析

利用数值天气预报模式和嵌套网格空气质量预报系统的来源解析模块（WRF NAQPMS/OSAM）对中山市2019年9月1次臭氧（O₃）污染过程进行了模拟分析，并对O₃来源进行了解析。结果表明，WRF-NAQPMS/OSAM模型能较好地模拟出该时段的O₃浓度。此次污染过程区域传输对中山市O₃浓度贡献显著，平均贡献比例为82.9%，本地平均贡献比例为17.1%，对中山市O₃贡献最大的2个来源分别是溶剂源和交通源，平均贡献占比分别为43.0%和42.7%。另外，工业源的贡献也不可忽略，平均贡献占比为11.0%。中山市O₃总体上处于挥发性有机物（VOCs）控制区，结合臭氧生成潜势（OFP）分析和源解析结果，溶剂源、交通源和工业源排放的甲苯、间/对二甲苯、邻二甲苯、1，2，3-三甲苯、正丁烷和异戊烷对O₃形成贡献显著，是中山市O₃污染治理应注意的重要前体物。建议中山市建立以VOCs控制为主导，VOCs和氮氧化物（NO_X）协同控制的长期O₃防控策略。     

青岛市港口船舶大气污染排放清单的建立及应用

2002~2006年青岛市环保局与瑞典国际开发合作署合作开发了青岛市空气环境质量管理系统,建立青岛市海上交通源大气污染排放清单是其中的一项子专题,范围涉及青岛沿岸分布的港口,重点考虑船舶停泊港口及航线过程的大气污染物排放,划分了20条航线。建立的青岛市海上交通源大气污染排放清单在开发的基于GIS地理信息系统EnviMan复合源大气扩散模型中得到较好应用,实现了对沿海主要大气污染物排放量的空间模拟测算,解析出大气污染排放清单建立年度青岛市港口、航运排放的大气污染物对市区环境空气中的SO₂、NO_X浓度贡献分别约占8.0%、12.9%。     

青岛市环境空气中VOCs的污染特征及化学反应活性

利用2012年青岛市挥发性有机物(VOCs)监测数据,系统分析了VOCs的污染特征、来源和化学反应活性。结果表明,青岛市VOCs浓度处于较低水平,且烷烃是VOCs的主要组分,占60%以上。夏、秋季的VOCs浓度高于春、冬季,且9月的浓度高于其他月份,日变化呈现"两峰一谷"趋势,与交通早晚高峰对应。VOCs各组分均表现出周末效应,说明机动车源和工业源的重要影响,优势物种的相关性分析进一步证明了这一点。对比各组分的OH消耗速率,得出烯烃的臭氧生成贡献高于烷烃和芳香烃,控制机动车尾气、溶剂挥发、化石工业等VOCs排放源将有利于降低大气中的臭氧浓度。     

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%。     

宜兴市细颗粒物化学特征和来源解析

通过在宜兴市3个监测站点对细颗粒物(PM_(2.5))开展不同季节采样,对样品做化学分析,结合化学质量平衡(CMB)模型解析PM_(2.5)来源贡献。结果表明,宜兴市PM_(2.5)年均质量浓度为37.5μg/m~3,冬季质量浓度最高,为53.1μg/m~3。PM_(2.5)主要化学成分为SO_4~(2-)、NO_3~-、OC、EC、NH_4~+、Cl~-、Ca、Na、Al。PM_(2.5)的主要排放源贡献为二次硫酸盐(21.0%)、二次有机气溶胶(14.9%)、二次硝酸盐(14.1%)和燃煤电厂(8.0%)。利用本地排放源清单进行二次来源解析,得到全年主要排放源贡献为工业(33.1%)、燃煤(23.1%)、移动源(17.6%)、扬尘(9.3%)和其他来源(16.9%)。减轻颗粒物污染,重点是控制工业生产、燃煤及机动车中的排放。     

大连市夏季近地面臭氧污染数值模拟和控制对策研究

通过区域空气质量模型CAMx对大连市2015年8月近地面臭氧(O_3)污染进行模拟,探讨了O_3及其生成前体物(NOx和VOCs)的来源,O_3生成控制区,并根据敏感性分析结果对前体物排放的控制效果进行了定量评估。结果表明:本地NOx排放对大连地区的NOx浓度贡献占90%以上,本地VOCs排放对大连地区的VOCs浓度贡献占80%以上,而本地NOx和VOCs排放对大连地区O_3浓度贡献仅占29%;大连市整体上为VOCs控制区,控制VOCs能有效降低O_3污染,还能有效削减O_3的峰值浓度;通过敏感性分析结果计算得出,削减大连本地工业源VOCs和民用源VOCs能够有效降低大连地区O_3浓度,削减10%的工业源VOCs能使市区O_3平均浓度降低2%左右,削减10%的民用源VOCs能使大连市区平均O_3浓度降低1%左右。建议NOx与VOCs削减比例为1∶2,对大连市O_3和PM2.5污染进行协同控制。     

青岛市PM2.5化学组分特征及综合来源解析

为明确青岛市环境受体中PM_(2.5)的化学组分特征及来源,该研究于2016年在青岛市7个点位采集了PM_(2.5)样品,分析了PM_(2.5)中的无机元素、水溶性离子、碳等组分的质量浓度,采用CMB模型估算法,估算了青岛市的一次源类、二次源类对PM_(2.5)的贡献,并结合排放源清单及系数分配得到综合的PM_(2.5)源解析结果。结果表明:青岛市环境受体中PM_(2.5)平均质量浓度为62μg/m~3。PM_(2.5)中占比较高的组分是OC(16.44%)、SO_4~(2-)(15.07%)、NO_3~-(11.27%)、NH_4~+(8.86%)和EC(5.21%)。OC/EC的年平均值为3.62,说明存在二次有机气溶胶污染;SO2-4/NO-3的年平均值为2.71,夏季明显高于其他季节。冬季重污染过程中主要离子呈现出累积的现象。夏季二次硫酸盐的贡献上升为第一位(24.7%);机动车尘四季的贡献均较高(17.5%~20.5%),燃煤在冬季(15.1%)、秋季(13.3%)贡献高,扬尘在春季(16.5%)、冬季(15.6%)贡献高。     

江淮地区秋季一次典型污染过程分析

结合2018年10月15—20日国控站点监测数据、气象资料及激光雷达走航观测结果,对江淮地区一次重度污染过程进行了分析。利用拉格朗日粒子扩散模型和拉格朗日混合单粒子轨迹模型定性分析了区域污染来源,分别基于激光雷达和空气站实测数据提出了外来源占比的估算方法,结合嵌套网格空气质量预报模式(NAQPMS)的源解析结果,对比分析了外来源占比。以淮北市为例,结合NAQPMS和单颗粒气溶胶质谱的PM2.5在线源解析结果,对比分析此次污染过程的行业来源。结果表明,本地污染累积时段,主要以燃煤和机动车尾气混合源为主(占比>70%);受北方污染输送时段,机动尾气占比显著升高,从19.4%(16日00:00)升至66.7%(17日11:00),淮北市、蚌埠市、合肥市3个城市污染物外来输送占比分别为52.2%~70.6%、48.8%~58.8%、41.5%~59.0%。     

安阳市冬季观测期间PM2.5污染特征及来源解析

为探究安阳市冬季PM_(2.5)的污染特征及来源,于2019年11月19—26日在安阳市3个站点(柏庄镇政府、红庙街小学、安阳师专)采集PM_(2.5)样品,并对PM_(2.5)质量浓度和无机元素、水溶性离子进行测定,利用正定矩阵因子模型(PMF)并结合大气污染源排放清单进行源解析。结果表明:观测期间安阳市的PM_(2.5)平均质量浓度为104.09μg/m~3,水溶性离子平均质量浓度为48.9μg/m~3,占PM_(2.5)质量浓度的46.9%。PMF解析结果为二次源58.9%、燃煤源15.7%、机动车排放源9.2%、扬尘源8.6%、工业源2.5%、其他源5.1%。结合2018年安阳市大气污染源排放清单对二次源贡献进行重新分配,得到安阳市PM_(2.5)主要贡献来自燃煤源29.8%、工业源28.5%、机动车源27.1%。后向轨迹聚类结果显示,安阳市气团输送路径主要有远距离传输、城市间输送和本地运输3类,其中本地运输占比最大,其次为正南和东南方向上的城市间输送。     

大气中部分新污染物浓度特征、来源解析及健康风险评估

基于电迁移率颗粒物粒径数分布仪（SMPS）、气相色谱-质谱联用（GC-MS）、X-荧光（XRF）方法，于2022—2023年在南京市开展了部分大气新污染物的在线监测，并利用美国国家环境保护局（US EPA）健康风险评价模型评估其健康风险，进一步结合正定矩阵因子分解（PMF）模型对污染物及其健康风险进行来源解析。结果表明，南京市大气中新污染物浓度与其他地区报道的可比，且在遭遇污染过程时显著升高，锰元素的升幅最大（116.3%）。各类新污染物的健康风险均在安全阈值之内。PMF共分解出大气新污染物的5类来源，其中，超细颗粒物（UFPs）主要来自交通源（49%）、光化学（23%）和工业源（28%）；重金属主要来自工业源（74%），而挥发性有机物（VOCs）则由工业源（52%）、交通源（25%）和燃烧源（13%）贡献。南京市大气新污染物的非致癌风险由工业源主导，而致癌风险则分别来自交通源、轮船源和工业源。     

2021年青岛市一次PM_(2.5)和沙尘混合空气污染过程分析

以2021年3月青岛市空气自动站监测数据为依据,借助环境气象激光雷达、气溶胶激光雷达、在线离子色谱仪等技术手段,并利用后向轨迹模式(HYSPLIT)对青岛市一次PM_(2.5)和沙尘混合空气污染过程、气象条件、颗粒物组成以及传输路径等进行了综合分析。结果表明:静小风、湿度大、垂直方向逆温以及高空多次向近地面的污染物输送是第1阶段PM_(2.5)污染的主要原因,NO^(-)_(3)、SO^(2-)_(4)、NH^(+)_(4)浓度分别占水溶性离子浓度总和的51.7%,24.8%,22.4%,三者之和占ρ(PM_(2.5))的52.3%,机动车源、工业源和燃烧源贡献较大,其中尤以机动车源影响最显著;第2阶段各子站颗粒物浓度变化呈现明显的传输特征,PM_(2.5)中Ca^(2+)浓度升至第1阶段的6倍,沙尘源影响显著,污染气团主要来自蒙古国和我国内蒙古,前期由西北地区直接到达青岛,后期是经渤海湾、烟台到达青岛东南海域,最后回流至青岛;冷高压强度较弱导致近地面水平扩散条件不利,ρ(PM_(10))长时间维持在较高水平。     

沈阳市环境空气中挥发性有机物污染特征及来源解析

基于2019年沈阳市4个不同功能区挥发性有机物(VOCs)小时分辨率的在线监测数据,分析了环境空气中VOCs的污染特征及来源。结果表明,观测期间沈阳市环境空气中VOCs日平均体积分数为(31.5±13.3)×10~(-9),4个功能区VOCs体积分数均呈现出冬季明显大于夏季的特征;工业区环境空气中VOCs体积分数明显高于其他功能区。商业交通居民混合区、文化居民混合区、郊区VOCs体积分数呈现明显双峰结构,工业区双峰结构不明显。工业区VOCs以新鲜排放为主,而其他3个区域为老化气团的传输。工业区春、夏季环境空气中VOCs来源包括燃料挥发源(26.90%)、溶剂与涂料源(17.69%)、燃烧源(16.40%)、化工源(15.69%)、交通源(7.57%)和炼油炼焦源(4.15%)。秋、冬季VOCs的来源包括燃烧源(30.77%)、溶剂与涂料源(20.26%)、燃料挥发源(18.79%)、化工源(11.54%)、炼油炼焦源(9.34%)和交通源(5.51%)。     

Use of a MM5–CAMx–PSAT Modeling System to Study SO2 Source Apportionment in the Beijing Metropolitan Region

A coupled MM5–CAMx air quality modeling system was used to simulate SO₂ concentrations in Beijing, China during the heating season. Particulate matter source apportionment technology was employed to investigate the apportionment of SO₂ sources in the study area. Comprehensive analysis of the industry and region revealed that the most important SO₂ contributors were publicly and privately supplied heating emission sources and other industry emission sources from the urban areas of Beijing, with 66.1?% of the emission source contribution ratio. Four SO₂ emission reduction scenarios based on our SO₂ source apportionment research were established to assess the potential for improving the SO₂ air quality in Beijing during the heating season. By weighing the desired SO₂ improvement, the availability of technology, and economic considerations, a suitable SO₂ reduction plan was able to be recommended for Beijing city.     

Receptor model-based source apportionment of particulate pollution in Hyderabad, India

Air quality in Hyderabad, India, often exceeds the national ambient air quality standards, especially for particulate matter (PM), which, in 2010, averaged 82.2?±?24.6, 96.2?±?12.1, and 64.3?±?21.2 μg/m³ of PM₁₀, at commercial, industrial, and residential monitoring stations, respectively, exceeding the national ambient standard of 60 μg/m³. In 2005, following an ordinance passed by the Supreme Court of India, a source apportionment study was conducted to quantify source contributions to PM pollution in Hyderabad, using the chemical mass balance (version 8.2) receptor model for 180 ambient samples collected at three stations for PM₁₀ and PM_2.5 size fractions for three seasons. The receptor modeling results indicated that the PM₁₀ pollution is dominated by the direct vehicular exhaust and road dust (more than 60 %). PM_2.5 with higher propensity to enter the human respiratory tracks, has mixed sources of vehicle exhaust, industrial coal combustion, garbage burning, and secondary PM. In order to improve the air quality in the city, these findings demonstrate the need to control emissions from all known sources and particularly focus on the low-hanging fruits like road dust and waste burning, while the technological and institutional advancements in the transport and industrial sectors are bound to enhance efficiencies. Andhra Pradesh Pollution Control Board utilized these results to prepare an air pollution control action plan for the city.     

A Method for Locating Influential Pollution Sources and Estimating Their Contributions

This work develops a source-oriented approach to locate the influential pollution sources and estimate their contributions to pollutant concentrations observed at a receptor site. The domain containing possible influential pollution sources is divided into systematic grid cells, and the influential grid sources are determined based on the locations of the segment endpoints of air trajectories arriving at the receptors. The contribution of each grid source is initially calculated using a formula derived from a Lagrangian box model and including the effects of source emissions, atmospheric dilution, and chemical transformation and deposition. The formula is described in detail in this study. Finally, the average contribution of each grid source is determined based on numerous analyzed events. The proposed approach was used to locate influential pollution sources and determine their contributions to a rural monitoring station during periods of high SO₂ pollution in southern Taiwan. The contributions of sources in various 2 km by 2 km grid cells, five districts, three source categories, 8 industrial areas, and a power plant were evaluated. The results show that the major influential sources were in the northwestern region of south Taiwan, and belonged to three district and point sources. Furthermore, two industrial areas close to the evaluated stations were also very significant, and contributed about 30% of the total pollution.     

PM source apportionment and trace metallic aerosol affinities during atmospheric pollution episodes: a case study from Puertollano, Spain

Source apportionment study was performed, applying principal component analysis to the results of 221 chemical analyses of PM10 and PM2.5 samples collected daily from the industrial (but low traffic) Spanish town of Puertollano over a 14-month period during 2004-2005. Results reveal compositional variations attributable to different mixtures of natural and anthropogenic materials, mainly soil and rock dust (crustal), marine salt (only in PM10), petrochemical refinery emissions, and particles attributed to the combustion of local coal, which is unusually rich in Pb and Sb. During the study period there were 34 pollution episodes when PM10 exceeded 50 tg m(-3), mostly due to winter air temperature inversions, regional atmospheric stagnation, or African dust incursions (North African, NAF days: usually in summer). Whereas the crustal component during NAF episodes averaged 52% with a PM2.5/PM10 ratio of 0.54, this dropped to 29% and a PM2.5/PM10 of 0.67 during non-NAF days when anthropogenic materials predominated. Abnormally enhanced concentrations of pathfinder metallic trace elements provide additional evidence for source apportionment: thus aerosols with raised levels of Pb and Sb are associated with local coal combustion, Ni and V can be linked to petrochemical PM emissions, and Ti, Mn, Rb, and Ce are particularly characteristic of crustal dust incursions.     

利用SPAMS研究长沙市秋季PM2.5化学组成及来源

2019年10月12日—11月25日,使用单颗粒气溶胶飞行时间质谱仪(SPAMS)在位于长沙市的湖南省生态环境厅点位进行了为期45 d的定点监测。结果表明,监测期间长沙市总体空气质量小时级别优、良天气占比为80.3%。长沙市首要污染物为PM_(2.5),其主要来源为机动车尾气源,二次无机源次之,工业工艺源排在第三位,占比分别为27.4%,21.5%和17.4%。整体来看,监测期间PM_(2.5)质量浓度的升高大多伴随着以上3种污染源颗粒物的同步升高。机动车尾气源具有明显的早高峰,工业工艺源、生物质燃烧源和餐饮源夜间占比增加。在偏东方向气团主导下,工业工艺源和燃煤源贡献最大;在东北方向气团主导下,PM_(2.5)质量浓度最高,且机动车尾气源占比最高。     

长三角区域空气质量数值预报系统及其在重大活动保障中的应用

2014年起,上海市围绕城市及长三角区域空气质量预测预报和重污染预警需求,搭建了长三角区域空气质量数值预报系统。该系统综合应用了模式参数化方案比选、排放清单耦合处理、大气化学资料同化、大数据集合订正等关键技术,集合模式PM2. 5和O3小时浓度偏差为-10%~10%,提升了区域PM2. 5和O3浓度模拟效果。该系统实现了污染在线源解析和多排放情景模拟等功能的业务应用,应用于2018年首届中国国际进口博览会保障中,为上海市及长三角区域空气质量业务预报和重大活动保障提供了业务产品支撑。     

蚌埠市夏季大气细颗粒物在线源解析

为了解蚌埠市环境空气中PM_(2.5)的来源,于2017年8月18日—9月18日,在百货大楼和高新区站点,利用单颗粒物气溶胶飞行时间质谱仪开展PM_(2.5)在线源解析。结果表明,百货大楼点位ρ(PM_(2.5))高于高新区点位,轻度污染比例(4.2%)明显高于高新区点位(0.8%),出现了中度污染(0.3%);SPAMS的PM_(2.5)质谱图显示百货大楼点位PM_(2.5)中K~+、Na~+特征明显,高新区点位HSO_4~-、NO_3~-、NO_2~-等无机信号较为明显;2个点位NO_3~-、NO_2~-、NH_4~+离子颗粒数占总颗粒数的百分比明显较高,且高新区点位NO_3~-、HSO_4~-离子数占比要明显高于百货大楼点位,燃料燃烧、工业工艺源、农田氮肥施用是其主要的人为污染源;2个点位PM_(2.5)成分主要为元素碳,分别占比42.4%,40.6%;污染时段,ρ(PM_(2.5))快速上升,除受本地机动车尾气源和燃煤源累积影响外,百货大楼点位扬尘源排放增加,高新区点位扬尘源和工业工艺排放源增加;2个点位机动车尾气源均为首要污染源,分别占比29.5%和30.9%,其次为燃煤源(24.3%和24.7%),扬尘源占比分别为22.9%和20.8%。