区域大气重污染过程识别指标及算法研究

重点区域秋冬季大气重污染应对是大气污染防治工作的重中之重，但针对区域大气重污染过程尚无明确、统一的判定依据，给空气质量管理造成不便。以京津冀大气污染传输通道"2+26"城市为研究对象，依据秋冬季大气重污染过程的区域性特征，以及"发生—发展—消散"的演变规律，将区域内3个及以上相邻城市至少1 d空气质量达到重污染水平判定为一次区域大气重污染过程；若前后两次重污染过程仅间隔1 d，将两次过程及间隔日视为一次完整的区域大气重污染过程。基于"2+26"城市空间相邻矩阵设计了区域大气重污染过程识别算法，以2019—2020年秋冬季为研究时段，在"2+26"城市识别出7次区域大气重污染过程。该研究可为统一区域大气重污染过程的统计口径、优化区域重污染天气的预警范围和重点区域的划定等提供技术支持。     

沈阳市冬季重污染过程PM2.5浓度变化及成因分析

利用多种污染物浓度数据、气象观测数据,结合HYSPLIT后向轨迹模式,对2015年11月6—10日发生在沈阳的一次较长时间重污染天气过程,从大气浓度变化、天气形势特征及成因机制等方面进行综合分析。结果表明,重污染期间日空气质量指数均超过重度污染限值200,首要污染物PM_(2.5)最高小时质量浓度达到1 326μg/m3,为沈阳市监测PM_(2.5)以来的历史峰值。此次空气污染是气象及人为因素共同作用的结果,重污染过程时段内高空场不利于气流上升运动的发展,地面倒槽、稳定的大气层结不利于污染物的扩散。此次重污染过程与大范围秸秆集中燃烧、大量污染物排放有一定关系。通过后向轨迹计算分析,发现颗粒物长距离输送对区域污染产生一定影响。     

中国北方地区采暖期颗粒物污染现状

分析了2013—2016年冬季采暖期与非采暖期中国北方地区颗粒物污染现状及时空变化特征。结果表明:中国北方地区空气污染比较严重,采暖期尤为突出。2016年,中国北方地区重度及以上污染天数比例超过10%,采暖期优良天数比例较非采暖期下降22.8%,重度及以上污染天数比例升高10.1个百分点。颗粒物浓度呈现明显的冬季高、夏季低的特点,最高值一般出现在12月至次年1月,最低值一般出现在7—9月。2013—2016年,北方地区空气质量呈较为明显的改善趋势,PM_(10)和PM_(2.5)浓度总体呈下降趋势,但2014年以来采暖期同期比较显示,PM2.5浓度呈缓慢升高趋势,采暖期空气污染形势十分严峻。颗粒物浓度呈现明显的空间分布规律,采暖期石家庄、保定、衡水、邢台、邯郸、安阳等城市为京津冀区域污染最严重的城市。     

2013—2019年京津冀及周边地区PM2.5重污染特征

为探讨2013—2019年京津冀及周边地区"2+26"城市PM_(2.5)重污染时空演变特征,对"2+26"城市7年间的大气环境监测网数据进行了统计分析。在年际变化上,重污染过程次数逐年下降,发生时长和强度分3个阶段大幅降低。相比2013年,2014—2016年重污染小时数、天数和峰值浓度均降低了一半左右,2017—2019年则下降了约80%。目前,区域重污染过程以持续1～2 d的较短过程为主。在季节分布上,全年重污染集中于秋冬季,其中冬季占比从60%升至80%,尤其是1月的重污染占比最高且有逐年增加趋势。在空间分布上,区域差异明显缩小,呈相对均匀化趋势,区域污染中心有所南移,南部的冀南豫北区域在区域重污染中的占比呈上升趋势。在污染成因基本类型上,污染排放导致的积累型为主要类型,占比约90%;沙尘型及烟花爆竹燃放型的总占比约为10%,虽然其占比较低,但近年的比重较稳定,未有明显下降趋势。     

新疆大气颗粒物的时空分布特征

基于2015年新疆12个城市的PM_(10)和PM_(2.5)地面监测数据,并结合同期气象观测数据,分析了新疆PM_(10)和PM_(2.5)质量浓度的时空分布特征及其与气象要素的关联性。结果表明:新疆大气颗粒物年均质量浓度呈现南高北低特征,南疆各城市的年均PM_(10)质量浓度为150～262μg/m~3,年均PM_(2.5)质量浓度为50～118μg/m~3。北疆各城市的质量浓度相对较低,年均PM_(10)质量浓度为28～139μg/m~3,年均PM_(2.5)质量浓度为13～74μg/m~3。从时间变化来看,在春季和夏季,新疆以粗颗粒物污染为主,冬季以细颗粒物污染为主。此外,在南疆各城市3月PM_(10)质量浓度突然大幅升高与相对湿度明显下降、风速增大直接相关,沙尘天气是导致该区域春季高PM_(10)质量浓度的重要原因。     

夏收和秋收期间泰州市空气质量特征研究

利用2012—2015年泰州市空气质量监测数据,分析夏、秋收期间城市环境空气质量特征,探讨引发重污染天气的原因。结果表明,夏收期间空气质量整体优于秋收,2012年、2013年秋收期间空气质量最差,达到重污染以上的天数分别为10 d、6 d,颗粒物尤其是PM_(2.5)超标较严重,2015年秋收期间空气质量显著好转。秸秆焚烧日PM_(2.5)和PM_(10)质量浓度呈较高相关性,PM_(2.5)/PM_(10)值比非秸秆焚烧日高。基于气团后向轨迹及秸秆焚烧卫星遥感监测火点图将污染事件分类,研究得出秸秆焚烧和区域输送是导致城市污染加重的主要因素。     

2018年春节期间京津冀及周边区域空气质量分析

分析了2018年春节期间京津冀及周边区域空气质量状况,结果表明,京津冀及周边区域2018年春节期间空气污染较重,以石家庄、邢台、邯郸、晋城、长治为中心的区域污染最重,此次重污染过程呈污染范围大、持续时间长的特点。受微风、高湿、逆温等不利气象条件影响,颗粒物污染不断积累和二次转化。除夕(2月15日)至初六(2月21日),北京首要污染源为机动车尾气源,张家口、保定、太原、郑州为燃煤源,太原和廊坊烟花源占比高于其他城市。自除夕(2月15日)下午开始,区域内各城市烟花爆竹燃放相关离子浓度有不同程度的增加,北京、保定烟花源贡献率与贡献浓度与2017年春节期间相比有所下降。2018年春节期间PM_2.5浓度明显高于2015—2017年,区域南部空气质量较差,重污染区域主要集中在以石家庄、邢台、邯郸、长治、晋城为中心的区域。     

2013年6月江苏一次大气污染过程分析

研究了2013年6月在江苏范围内的一次污染天气过程。6月10—22日期间,江苏省13个省辖城市均出现不同程度的轻度污染以上天气,个别城市甚至达到重度或严重污染,根据后向轨迹模型、颗粒物离子浓度的分析可见,这是一次局地秸秆焚烧所引起,加之不利的气象条件所形成的区域污染过程,根据监测结果详细阐述此次污染的变化特征及成因机制,并分析提出相应的对策及建议。     

焦作市大气污染物特征和相关性分析

为研究焦作市大气污染特征及其相关性,对2015—2017年焦作市4个国控空气监测点位的监测数据进行统计分析。结果表明:2015—2017年城区环境空气污染SO_2、NO_2、CO、PM_(10)、PM_(2.5)浓度均呈逐年下降趋势;大气污染浓度季节变化特征明显,PM_(10)、PM_(2.5)、SO_2、NO_2、CO的浓度均为冬季最高、夏季最低,空气质量指数也在冬季达到最高值; O_3浓度则为夏季最高、冬季最低。2017年焦作市沙尘天气共计36 d,严重影响了环境空气中颗粒物的浓度。由PM_(2.5)与PM_(10)的比值说明大气颗粒物污染以PM_(2.5)为主。通过SPSS软件分析,SO_2、NO_2、CO、PM_(10)、PM_(2.5)浓度间呈两两正相关,O_3浓度与NO_2、CO呈负相关。     

兰州城市大气中PM_(1.0)污染特征研究

运用不同类型的PM_(1.0)自动监测仪,于2017年11月至2018年11月对兰州城市大气PM_(1.0)开展了为期一年的观测,分析了兰州PM_(1.0)污染特征及来源,以及气象条件和SO_2、NO_2等污染物对PM_(1.0)浓度特征的影响,重点分析了重污染天气过程PM_(1.0)的演变情况。结果表明:研究期内,兰州城市PM_(1.0)日均最大浓度为117.5μg/m~3,最小浓度为8.3μg/m~3,平均浓度为33.7μg/m~3;4个季节的PM_(1.0)平均浓度排序为冬季秋季春季夏季,冬季PM_(2.5)中PM_(1.0)的占比超过70%。从全年来看,PM_(1.0)主要来源于内蒙古西北部地区污染气团输入。PM_(2.5)与PM_(1.0)的来源区域具有一致性,但PM_(1.0)的来源范围更广泛,而PM_(2.5)的来源更集中。重污染阶段,PM_(1.0)与PM_(2.5)、PM_(10)污染演变趋势呈现负相关,PM_(2.5)与PM_(10)呈现正相关,且秋冬季PM_(1.0)和PM_(2.5)的潜在污染来源距离兰州较近,范围更集中。     

吐鲁番市空气微生物浓度状况

对吐鲁番市空气微生物进行了初步测定。结果表明，室外平均空气细菌(B)、真菌(F)、总菌(T)的浓度及F／T分别为33106．3、0、33106．3CFU／m3及0，说明室外空气处于中度微生物污染状态．一些室外测点的空气已受到微生物的严重污染。室内平均空气细菌浓度为9982．2 CFU／m3，说明室内空气污染较重。室内外均未测到空气真菌。本文对吐鲁番市空气微生物浓度指标的时空分布状态作了分析。     

上海市交通环境空气质量监测与发展探讨

机动车的快速增长引发了严重的车辆尾气污染问题.通过分析上海市交通环境空气质量现状,评估污染物浓度改善效果,回顾交通环境空气质量监测发展的进程,建议借鉴国外交通环境空气质量监测网络的经验,加快完善上海的交通环境空气质量监测网络.     

乌鲁木齐市一次冷空气过境天气对空气污染的影响分析

根据对2006年11月20～28日乌鲁木齐市出现冷空气过境天气过程的天气形式和主要气象要素及空气污染变化情况进行的分析,结果表明:冷空气过境天气前后,诸多气象要素发生了变化,冷空气导致逆温层的破坏和降水过程使各项污染物均得到有效的清除.通过此分析可为类似天气的空气质量预报提供思路.     

遂宁市2013年大气污染特征及成因

根据遂宁市近年的环境空气监测数据,系统研究了2013年大气污染特征和2007—2013年的变化趋势,分析了颗粒物的组成和主要来源,并与周边地区大气环境监测结果进行了横向比较。研究结果表明,2013年遂宁市环境空气质量达标率为88.1%,大气中SO2、NO2和PM10的年均质量浓度分别为31、30、94μg/m3,空气质量达到二级标准,但劣于往年水平,大气中首要污染物是PM10,夏季和秋季的空气质量明显优于冬季和春季;遂宁市空气质量的变化趋势与周边地区一致,呈现出一定的区域性污染特征,但明显优于周边地区;进一步从5个方面阐述了遂宁市2013年空气质量下降的原因;根据遂宁市大气污染现状,提出了大气防控措施和建议。     

Simulation of PM<Subscript>10</Subscript> concentration patterns for a 2010 traffic scenario in Bologna,Italy

Three state of the art traffic–emission–dispersion models dealing with particulate matter have been tested and validated over the Bologna metropolitan area with 2001 data and a future scenario has been developed in order to estimate expected PM concentrations in 2010. The modelling system is composed by a traffic model (VISUM) evaluating vehicle fluxes as a function of mobility demand and road network in the area, an emission model (Trefic) estimating pollutants emitted in atmosphere as a function of vehicle fluxes amount and composition and of environmental conditions and a dispersion model (ADMS) evaluating PM concentrations on the area, given the meteorological variables. The three models compose a cascade sequence and results of the previous one feed the next one. PM concentrations computed by the model suite for the town of Bologna, in northern Italy, for the reference period (January 2001) have been compared with air quality stations measurements suggesting the modelling system being especially suitable for evaluating traffic induced PM. Qualitative and quantitative changes in the circulating vehicle fleet have been supposed in order to obtain a realistic scenario for year 2010. Forecasted concentrations have been then compared with limits fixed by current EU legislation for particulate matter.     

支撑京津冀区域大气污染联防联控的大气监测体系构建

京津冀区域已成为全国大气污染最严重的地区之一,并且呈现出明显的区域性污染特征,加强区域间的环境合作,实施区域联防联控是解决京津冀区域大气污染问题的有效手段。对照《生态环境监测网络建设方案》的要求,目前京津冀区域大气监测体系还存在着监测网络不健全、监测项目覆盖不全面、监测新技术应用不足、质控体系不完善、信息产品供给与公众需求有差距等问题,与京津冀区域大气污染联防联控的要求不相适应。为全面提升京津冀区域大气监测体系对区域联防联控的技术支撑能力,亟需进一步完善京津冀区域的监测网络,增设传输研究、污染监控等特殊监测点位;逐步拓展监测项目,开展颗粒物化学组分和O_3前体物监测;加快遥感监测等立体监测技术在大气监测中的应用,全面分析污染物时空分布特征与传输规律;加强空气质量预报预警能力建设,为重污染天气应对提供技术支持;规范监测事权上收后的全过程质控体系,建立颗粒物标准方法比对和O_3量值传递质控机制;构建环境监测大数据平台,加强数据分析应用与信息公开。     

乌鲁木齐市室内环境空气污染成因及防治对策

为进一步掌握室内环境空气污染状况，对乌鲁木齐市毛坯房、公共场所和居民住宅的室内环境空气质量现状进行了监测统计，并调查了居民的健康状况，分析了室内空气污染的原因。监测结果表明，乌鲁木齐市新装修房屋室内环境污染较严重。对此提出了不同污染状况的防治对策。     

Comparison of ozone levels between working days and weekends in Athens,Greece

Athens has a major problem of ozone air pollution due to its climate which is dominated by hot and dry summers with intensesunshine. As a result there is a high violation of the air quality limits of ozone. By comparing ozone air pollution betweenweekdays and weekends it is possible to estimate the effect of the reduction of primary pollutants causing the formation ofozone on the levels of this pollutant. Thus it was estimated thatwhile during the weekends the concentrations of the ozone precursors (nitrogen oxides and volatile organic compounds) werereduced by the order of 10–20%, the effect on ozone levels was lower.     

External Contribution to Urban Air Pollution

Elevated particulate matter concentrations in urbanlocations have normally been associated with local trafficemissions. Recently it has been suggested that suchepisodes are influenced to a high degree by PM₁₀sources external to urban areas. To further corroboratethis hypothesis, linear regression was sought betweenPM₁₀ concentrations measured at eight urban sites inthe U.K., with particulate sulphate concentration measuredat two rural sites, for the years 1993–1997. Analysis ofthe slopes, intercepts and correlation coefficientsindicate a possible relationship between urban PM₁₀and rural sulphate concentrations. The influences of winddirection and of the distance of the urban from the ruralsites on the values of the three statistical parametersare also explored. The value of linear regression as ananalysis tool in such cases is discussed and it is shownthat an analysis of the sign of the rate of change of theurban PM₁₀ and rural sulphate concentrations providesa more realistic method of correlation. The resultsindicate a major influence on urban PM₁₀ concentrations from the eastern side of the UnitedKingdom. Linear correlation was also sought using PM₁₀ data from nine urban sites in London and nearby ruralRochester. Analysis of the magnitude of the gradients andintercepts together with episode correlation analysisbetween the two sites showed the effect of transportedPM₁₀ on the local London concentrations. This articlealso presents methods to estimate the influence of ruraland urban PM₁₀ sources on urban PM₁₀ concentrations and to obtain a rough estimate of thetransboundary contribution to urban air pollution from thePM₁₀ concentration data of the urban site.