成都市人为源挥发性有机物排放清单及特征

基于成都市实地调查和环境统计等活动水平数据,采用排放因子法和计算模型等,编制了2014年成都市人为源VOCs排放清单,并完成了空间分配和不确定性分析。成都市人为源VOCs排放量为15.8×10~4t,其中化石燃料固定燃烧源、工艺过程源、溶剂使用源、移动源、储存运输源、其他源排放量分别为0.5×10~4、3.8×10~4、6.0×10~4、4.9×10~4、0.4×10~4、2.2×10~4t,溶剂使用源为最大人为排放源,其次是移动源和工艺过程源。木材加工业为最大工业贡献源,然后依次是医药制造业、非金属矿物制品业、化学原料、化学制品制造业、汽车制造业等。成都市人为源82%的VOCs排放量分布于二、三圈层的工业园区,而中心城区主要为移动源和建筑施工所贡献,其排放分布已随建成区联片发展而形成整体。排放清单活动水平数据可靠性较高,而排放因子存在一定不确定性。     

天津市北辰区大气污染物小尺度精细化源排放清单

以天津市北辰区空气站周边3 km为研究对象,基于拉网式实地调查,获得该地区2016年各类典型行业污染源详细的活动水平数据,以环境保护部发布的"清单编制技术指南"为参考,建立了2016年天津市北辰区空气站周边3 km大气污染源排放清单。结果表明:2016年天津市北辰区空气站周边3 km大气污染源的排放总量PM_(10)为431.28 t、PM_(2.5)为147.94 t、SO_2为48.67 t、CO为1 395.39 t、NO_x为469.52 t、VOCs为305.66 t;PM_(10)和PM_(2.5)的最大排放源是工地,贡献率分别为25.49%、15.16%;SO_2的最大排放源是散煤,贡献率为49.36%;CO和NO_x的最大排放源是道路机动车,贡献率分别为45.85%、53.89%;VOCs的最大排放源是制造业企业,贡献率为48.80%。天津市北辰区改善空气质量应从控煤、控尘、控车3个方面入手。     

中国不同尺度大气污染物排放清单编制工作综述

大气污染物排放清单的编制可以直观表现清单编制地区的污染源状况,为政府制定污染物防控措施提供科学依据。在查阅大量文献的基础上,从清单方法学、区域和城市排放、清单不确定性3个方面对中国大部分地区的大气污染物排放清单编制工作进行了汇总整理。提出了未建立符合我国国情的排放因子和活动水平数据库、排放清单分辨率和不确定性研究水平不高、缺少对不发达地区的清单编制等问题。建议统筹排放清单编制工作,保证基础数据的准确性,逐步建立主要污染物的清单编制技术指南,加强学科间和国际间合作,开拓排放清单新的研究方向。最后,对未来大气污染物排放清单的编制工作提出了展望。     

南充市大气PM10与PM2.5排放清单及特征

以四川省南充市为研究区域,通过实地调研、现场测试及结合统计年鉴等获得数据,采用排放因子法计算南充市2014年大气PM_(10)、PM_(2.5)排放量并建立排放清单。结果表明,南充市2014年扬尘源、移动源、生物质燃烧源、化石燃料固定燃烧源、工艺过程源排放总量PM_(10)分别为85 187、1 777、9 175、2 417、3 519 t,PM_(2.5)分别为16 093、1 619、7 322、914、1 585 t,PM_(10)贡献率分别为83.5%、1.7%、9.0%、2.4%、3.4%,PM_(2.5)贡献率分别为58.4%、5.9%、26.6%、3.3%、5.8%。城市区域扬尘源、生物质燃烧源、移动源、化石燃料固定燃烧源、工艺过程源对PM_(10)贡献分别为60.0%、12.5%、6.3%、8.6%、12.5%,对PM_(2.5)贡献分别为41.8%、21.6%、14.4%、8.1%、14.1%。南充市2014年大气PM_(10)、PM_(2.5)排放源总量和贡献率以及区域空间分布特征均存在差异。     

超低排放下燃煤电厂颗粒物排放特征分析研究

选取6家经过超低排放改造的燃煤电厂,对湿法脱硫(WFGD)和湿式电除尘器(WESP)进出口烟气中TPM、PM_(10)、PM_(2.5)、PM_1进行测试,分析研究超低排放下燃煤电厂颗粒物的排放特征及电除尘器后净化设备对颗粒物的脱除效果。结果表明,6家电厂TPM、PM_(10)、PM_(2.5)、PM_1排放浓度分别为0.75~2.36、0.71~2.12、0.65~1.96、0.51~1.57 mg/m~3。分析烟气中颗粒物粒径分布可知,除尘器后,PM10占TPM质量比低于40%,且比例随烟气经过WFGD和WESP而逐渐降低。WFGD对PM2.5有较好的脱除效果,而WESP对PM1脱除效果显著。为满足超低排放标准,6家电厂除尘器后脱除设备综合除尘效率大多在85%以上。计算得到6家电厂TPM、PM_(10)、PM_(2.5)、PM_1排放因子,与超低排放改造之前同等级燃煤电厂相比,6家电厂不同粒径颗粒物排放因子均显著降低,也远低于西方发达国家燃煤电厂颗粒物排放因子。     

长沙市PM_(2.5)和PM_(10)质量浓度的变化特征

为检验PM_(2.5)和PM_(10)新监测标准实施近3年长沙大气颗粒物污染状况,利用近3年每日监测数据,对长沙10个国控自动监测点PM_(2.5)和PM_(10)达标情况、首要污染物及变化特征进行研究分析。结果表明,近3年长沙市PM_(2.5)和PM_(10)年均质量浓度均超过了新标准规定的年均值二级标准限值;2013年污染最严重。PM_(2.5)和PM_(10)月均值峰值出现在1月和11月,谷值在8月,各月PM_(2.5)超标天数和首要污染物为PM_(2.5)天数都大于PM_(10);PM_(2.5)和PM_(10)冬季日均值浓度明显高于其他季节,呈双峰型,峰值在上午10:00和20:00~21:00,夜晚浓度高于白天;PM_(2.5)春、夏、秋三季日变化呈单峰型,峰值在20:00~21:00;PM_(10)四季日变化呈双峰型。PM_(2.5)和PM_(10)浓度的比值(P)1月和2月最高,PM_(10)和PM_(2.5)日均值有着显著的线性相关性。     

荒漠草原无林地PM2.5、PM10时间变化特征及与气象因素的关系

选取荒漠草原无林地的PM_(2.5)、PM_(10)浓度以及气象因子数据,对颗粒物浓度的时间变化特征及其与气象因子的关系进行分析。结果表明:(1)1月的PM_(2.5)、PM_(10)月平均浓度最高,7月的PM_(2.5)与PM_(10)达到最低。季节尺度上PM_(2.5)、PM_(10)浓度变化为由大到小顺序依次为冬季秋季春季夏季。(2)风速≤4.0 m/s时,随着风速增加,PM_(2.5)、PM_(10)浓度不断降低;当风速4.0 m/s时,PM_(2.5)、PM_(10)浓度随风速增加而增加。PM_(2.5)、PM_(10)浓度与温度负相关。相对湿度≤50%时,随着相对湿度增加,PM_(2.5)、PM_(10)浓度呈增加趋势;相对湿度50%时,随着空气湿度增加,PM_(2.5)、PM_(10)浓度呈降低趋势。随着大气气压上升,PM_(2.5)与PM_(10)浓度随之增加。(3)不同季节的气象因子对PM_(2.5)、PM_(10)影响存在差异。     

盐城市空气污染对呼吸系统日门诊量关系的时间序列分析

根据盐城市2014—2018年逐日空气污染物监测数据细颗粒物(PM_(2.5))、可吸入颗粒物(PM_(10))、二氧化氮(NO_2)、二氧化硫(SO_2)、臭氧(O_3)、气象数据(日平均温度、日平均相对湿度)及市区某三甲综合医院呼吸系统日门诊资料,采用时间序列半参数广义相加模型,以滞后天数最大效应值作为空气污染物对人群呼吸系统日门诊量影响的超额危险度,分析了盐城市空气污染物短期暴露对人群呼吸系统日门诊量的影响。结果表明,2014—2018年盐城市空气PM_(2.5)、PM_(10)、NO_2、SO_2和O_3平均值分别为48.4,81.8,26.3,15.8和111.2 mg/m~3,其中PM_(2.5)、PM_(10)值高于《环境空气质量标准》(GB 3095—2012)二级标准。污染物PM_(2.5)、PM_(10)、NO_2、SO_2和O_3值每升高10 mg/m~3,呼吸系统日门诊量就增加0.52%,0.31%,3.54%,4.36%和0.03%,SO_2效应最强。空气污染物的短期暴露影响呼吸系统日门诊量,且存在滞后效应,其中PM_(2.5)、PM_(10)、NO_2、SO_2影响较大。     

昌吉市采暖期、非采暖期颗粒物、二氧化硫和一氧化碳的污染特征及相关性研究

对昌吉市采暖期和非采暖期PM_(10)、PM_(2.5)、SO_2和CO的污染特征及相关性进行分析发现,相较于非采暖期,采暖期各种污染物的浓度更大,而PM_(10)、PM_(2.5)浓度严重超标,并且各污染物同源性较高,主要来自于区域采暖燃煤,同时针对研究结论提出了加强昌吉市大气污染治理的建议。     

传感技术在环境空气监测中的方法适用性研究

采用某品牌3台传感器,对环境空气中气态污染物(NO_2、SO_2、O_3、CO)和颗粒物(PM_(10)、PM_(2.5))进行为期1个月的连续监测,探讨传感技术在环境空气监测中的方法适用性。研究表明,3台传感器监测的各污染物质量浓度均显著相关,Pearson相关系数0.9(p0.01);监测的颗粒物与国控点数据显著相关且质量浓度水平接近,Pearson相关系数0.9(p0.01);PM_(2.5)传感器测定值相对于国控点数据的平均相对误差仅为-7.3%,均值绝对误差2μg/m~3;传感器在高湿度下的PM_(2.5)测定值与国控点数据相吻合,当相对湿度为80%～90%时,平均相对误差仅为-0.9%;传感器气态污染物测定值与国控点数据之间存在差异,电化学原理气态污染物传感器性能仍有待提升。     

杭州市大气污染物排放清单及特征

以杭州市区为研究区域,通过调查整合多套污染源数据库及其他统计资料,研究文献报道及模型计算的各种污染源排放因子,获得杭州市区各行业PM10、PM2.5、SO2、NOx、CO、VOCs、NH3等污染物的排放量,建立了杭州市区2010年1 km×1 km大气污染物排放清单。结果表明,2010年杭州市区PM10、PM2.5、SO2、NOx、CO、VOCs和NH3的排放总量分别为7.96×104、4.02×104、7.23×104、8.98×104、73.90×104、39.56×104、3.32×104t。从排放源的行业分布来看,机动车尾气排放是杭州市区大气污染物最重要排放源之一,对PM10、PM2.5、NOx、CO和VOCs的贡献分别达到14.4%、27.1%、40.3%、21.4%、31.1%。道路扬尘、电厂锅炉、工业炉窑、植被、畜禽养殖对不同污染物分别有着重要贡献,道路扬尘对PM10和PM2.5的贡献分别为44.6%和20.0%、电厂锅炉对SO2和NOx的贡献分别为37.0%和25.7%、工业炉窑对CO的贡献为41.5%、植被排放对VOCs的贡献为27.1%、畜禽养殖对NH3的贡献为76.5%。从空间分布来看,萧山区和余杭区对SO2、NH3和植被排放BVOC的贡献要显著高于主城区;而主城区机动车对PM2.5、NOx和VOCs的贡献分别达到36.3%、56.0%和47.4%,较市区范围内显著增加,表明机动车尾气排放已成为杭州主城区大气污染最重要的来源之一。     

西宁市金属冶炼和压延加工业大气颗粒物排放清单

大气污染物排放清单是了解大气污染特征和控制对策的前提。根据排放因子方法，建立了2018年西宁市金属（包括黑色和有色金属）冶炼和压延加工业PM_2.5、PM₁₀大气污染物的排放清单，并对其时空分布特征和清单不确定性进行了分析。结果表明：西宁市黑色金属冶炼和压延加工业PM_2.5、PM₁₀的总排放量分别是4.88×10³、8.37×10³ t；该行业对PM_2.5、PM₁₀排放量贡献率最大的是城北区，分别为58.36%、49.61%。有色金属冶炼和压延加工业PM_2.5、PM₁₀的总排放量分别是1.85×10³、2.78×10³ t，该行业对PM_2.5、PM₁₀贡献率最大的是大通县，分别为53.51%、56.99%。黑色金属冶炼和压延加工业对PM_2.5、PM₁₀贡献率最大的产业是粗钢产业，贡献率分别是38.41%、30.28%。有色金属冶炼和压延加工业对PM_2.5、PM₁₀贡献率最大的是铝行业，贡献率分别是97.33%和98.01%。2个行业PM_2.5和PM₁₀的排放受月份影响较小，一天中09：00—18：00是排放高峰期。蒙特卡罗法模拟结果表明：黑色金属冶炼和压延加工业95%置信区间的不确定性较高，PM_2.5和PM₁₀的不确定性分别为-59.33%~58.55%和-47.51%~47.28%。     

省级高空间分辨率扬尘源排放清单研究

通过对浙江省统一开展部署和行动，现场调查收集全省7 507个施工工地、3 923个堆场以及不同等级公路和城市道路的真实活动水平数据，并基于点源地理信息和路网信息图层，采用排放系数法和ArcGIS工具构建了浙江省2015年3 km×3 km高空间分辨率扬尘源排放清单。结果表明，2015年浙江省扬尘源PM₁₀和PM_2.5的排放量分别为24.26×10⁴ t和6.00×10⁴ t，其中PM₁₀和PM_2.5排放贡献均主要为施工扬尘和道路扬尘，施工扬尘分别贡献37.7%和39.3%，道路扬尘分别贡献36.5%和39.1%。从城市空间分布来看，杭州市、宁波市、温州市、绍兴市扬尘排放总量居于全省前四，舟山市最低，而城市主城区排放量显著高于郊区。     

Suspended Particulate Matter Distribution in Rural-Industrial Satna and in Urban-Industrial South Delhi

An air quality sampling program was designed and implemented to collect the baseline concentrations of respirable suspended particulates (RSP = PM₁₀), non-respirable suspended particulates (NRSP) and fine suspended particulates (FSP = PM_2.5). Over a three-week period, a 24-h average concentrations were calculated from the samples collected at an industrial site in Southern Delhi and compared to datasets collected in Satna by Envirotech Limited, Okhla, Delhi in order to establish the characteristic difference in emission patterns. PM_2.5, PM₁₀, and total suspended particulates (TSP) concentrations at Satna were 20.5 ± 6.0, 102.1 ± 41.1, and 387.6 ± 222.4 μg m⁻³ and at Delhi were 126.7 ± 28.6, 268.6 ± 39.1, and 687.7 ± 117.4 μg m⁻³. Values at Delhi were well above the standard limit for 24-h PM_2.5 United States National Ambient Air Quality Standards (USNAAQS; 65 μg m⁻³), while values at Satna were under the standard limit. Results were compared with various worldwide studies. These comparisons suggest an immediate need for the promulgation of new PM_2.5 standards. The position of PM₁₀ in Delhi is drastic and needs an immediate attention. PM₁₀ levels at Delhi were also well above the standard limit for 24-h PM₁₀ National Ambient Air Quality Standards (NAAQS; 150 μg m⁻³), while levels at Satna remained under the standard limit. PM_2.5/PM₁₀ values were also calculated to determine PM_2.5 contribution. At Satna, PM_2.5 contribution to PM₁₀ was only 20% compared to 47% in Delhi. TSP values at Delhi were well above, while TSP values at Satna were under, the standard limit for 24-h TSP NAAQS (500 μg m⁻³). At Satna, the PM₁₀ contribution to TSP was only 26% compared to 39% in Delhi. The correlation between PM₁₀, PM_2.5, and TSP were also calculated in order to gain an insight to their sources. Both in Satna and in Delhi, none of the sources was dominant a varied pattern of emissions was obtained, showing the presence of heterogeneous emission density and that nonrespirable suspended particulate (NRSP) formed the greatest part of the particulate load.     

江苏省工地和裸地扬尘遥感监测方法研究与结果分析

应用卫星遥感影像结合无人机现场核查数据,对2020年江苏省各设区市主城区工地和裸地2类扬尘源的时空分布变化和污染、管控情况开展了连续性监测,为生态环境监测部门业务化应用提供了思路和方法.研究结果显示,遥感解译精度优于95％,扬尘源数量、面积均呈上升趋势,至第4季度总数达1760个、总面积162.53 km2,总体管控情...     

城市大气颗粒物表面半醌自由基的测定方法

采集上海市城区和郊区2个典型站位的大气颗粒物样品,以二氯甲烷作萃取溶剂,采用索氏抽提法萃取分离吸附在颗粒物表面的稳定自由基,并利用电子自旋共振波谱技术(ESR)分析测定其种类和浓度。结果表明,测试样品的波谱特征表现为显著的三重信号峰,且g因子值均为2.002 7~2.004 7,通过与醌类物质的碱性饱和溶液ESR图谱比对,可以推断颗粒物表面至少吸附一种邻位半醌自由基。同时,通过锰标定量的方式估算了闵行和普陀2个采样点颗粒物样品表面的半醌自由基浓度,闵行采样点TSP、PM10和PM2.5表面半醌自由基的平均浓度分别为5.02×105、5.54×105、9.43×105g-1,而普陀采样点的平均浓度分别为2.02×105、3.50×105、7.16×105g-1。     

Atmosphic pollutants study of particles ionic species during high wind speed (>7 m s-1) near Taiwan strait in central Taiwan from 2004 to 2005

This study monitored atmospheric pollutants during high wind speed (> 7 m s⁻¹) at two sampling sites: Taichung Harbor (TH) and Wuci traffic (WT) during March 2004 to January 2005 in central Taiwan. The correlation coefficient (R ²) between TSP, PM_2.5, PM_2.5−10 particle concentration vs. wind speed at the TH and WT sampling site during high wind speed (< 7 m s⁻¹) were also displayed in this study. In addition, the correlation coefficients between TSP, PM_2.5 and PM_2.5−10 of ionic species vs. high wind speed were also observed. The results indicated that the correlation coefficient order was TSP > PM_2.5−10 > PM_2.5 for particle at both sampling sites near Taiwan strait. In addition, the concentration of Cl⁻, NO₃ ⁻, SO₄ ²⁻, NH₄ ⁺, Mg²⁺, Ca²⁺ and Na⁺ were also analyzed in this study.     

Distribution of PM2.5 and PM10-2.5 in PM10 Fraction in Ambient Air Due to Vehicular Pollution in Kolkata Megacity

This research paper aims at establishing baseline PM₁₀ and PM_2.5 concentration levels, which could be effectively used to develop and upgrade the standards in air pollution in developing countries. The relative contribution of fine fractions (PM_2.5) and coarser fractions (PM_10-2.5) to PM₁₀ fractions were investigates in a megacity which is overcrowded and congested due to lack of road network and deteriorated air quality because of vehicular pollution. The present study was carried out during the winter of 2002. The average 24h PM₁₀ concentration was 304 μg/m³, which is 3 times more than the Indian National Ambient Air Quality Standards (NAAQS) and higher PM₁₀ concentration was due to fine fraction (PM_2.5) released by vehicular exhaust. The 24h average PM_2.5 concentration was found 179 μg/m³, which is exceeded USEPA and EU standards of 65 and 50 μg/m³ respectively for the winter. India does not have any PM_2.5 standards. The 24 h average PM_10-2.5 concentrations were found 126 μg/m³. The PM_2.5 constituted more than 59% of PM₁₀ and whereas PM₁₀-PM_2.5 fractions constituted 41% of PM₁₀. The correlation between PM₁₀ and PM_2.5 was found higher as PM_2.5 comprised major proportion of PM₁₀ fractions contributed by vehicular emissions.