扬尘污染精细化管控思路探讨

通过分析传统扬尘污染防治模式的弊端,提出了一种“精准监测、排量切入、总量考核、职责共担”的新模式。该模式在技术手段上使用以扬尘在线监测数据为基准的扬尘排放量计算模式,以及基于机器学习的扬尘源排放量计算方法,实现了扬尘排放量的自动、实时、在线计算;在管理手段上将传统的扬尘浓度点控制转变为易扬尘单位扬尘排量控制,通过总量控制、指标分解,增强了政府与企业对于环境效益的职责分工,有助于将扬尘防控责任有效落实,实现对扬尘污染的精细化、常态化管控。     

深度学习在裸地扬尘源监测中的应用研究

裸地是扬尘的重要来源，施工建设过程中形成的裸地极易在大风天气作用下造成扬尘污染。因此，快速、有效地定位裸地位置，并确认其管控措施落实情况，对于开展裸地扬尘源监管具有重要意义。基于高分辨率遥感监测数据，结合人工解译裸地扬尘源数据集，以北京市大兴区为例，利用深度学习方法对裸地和防尘网覆盖裸地进行分类识别。同时，利用颜色匹配法对大兴区防尘网覆盖裸地进行识别，横向评估深度学习方法的识别精度。结果显示：深度学习方法对防尘网覆盖裸地的识别精度达97%,对裸地的识别精度达61%;颜色匹配法对防尘网覆盖裸地的识别精度达85%。防尘网覆盖裸地的颜色特征鲜明，深度学习方法和颜色匹配法对防尘网覆盖裸地的识别精度都在85%以上。深度学习方法对于面积大于2 000 m²的图斑有着较好的识别精度。深度学习方法可以提高裸地遥感解译的效率，实现规范化图像识别，可以作为人工判读的辅助手段。在实际应用中，可通过进一步积累样本来增强模型性能。深度学习方法适用于裸地扬尘源线索快速发现、工地防尘网措施落实情况快速检测等场景。     

北京市建筑施工裸地的空间分布及扬尘效应

北京市作为中国典型的快速城市化大城市之一,大规模的城市建设使得城市内部存在大量的建筑施工裸地,工地扬尘效应造成了严重的大气颗粒物污染。以北京市平原区为研究区,首先利用高分辨率卫星数据反演了建筑施工裸地的空间分布格局,在此基础上,结合建筑施工裸地的扬尘排放因子,在空间上定量分析建筑施工裸地的扬尘效应。结果显示,2012年全市平原区建筑施工裸地总面积为140.77 km2,主要分布在城市核心区向外拓展的城乡过渡带。建筑施工裸地的扬尘效应分析中发现北京市平原区建筑施工裸地中TSP、PM10和PM2.5的排放量分别是31.53、16.66、9.16万吨,并且这些污染物的排放量在城市发展新区与功能拓展区中较高,生态涵养发展区较小。以北京市的建筑施工裸地为例,示范了以遥感为技术手段结合污染排放因子的城市内部典型面源污染的监测和污染排放定量化,为今后面源污染的快速准确监测开辟了新的研究思路。     

南京亚青会环境空气质量状况及原因分析

利用南京市空气质量监测结果，对2013年8月及亚青会期间空气质量状况进行评价与分析，并结合采取的临时管控措施及气象条件状况，分析空气质量变化的相关原因。结果表明，8月份南京市空气质量均达到良的等级，亚青会期间空气质量进一步改善，多项污染物浓度达到一级标准，且同比上年明显下降，这一方面与针对工业点源、机动车流动源及扬尘面源采取了临时管控措施，一定程度降低污染排放有关；另一方面与亚青会期间的气象条件有利于污染物扩散有关。     

南京亚青会环境空气质量状况及原因分析

利用南京市空气质量监测结果，对2013年8月及亚青会期间空气质量状况进行评价与分析，并结合采取的临时管控措施及气象条件状况，分析空气质量变化的相关原因。结果表明，8月份南京市空气质量均达到良的等级，亚青会期间空气质量进一步改善，多项污染物浓度达到一级标准，且同比上年明显下降，这一方面与针对工业点源、机动车流动源及扬尘面源采取了临时管控措施，一定程度降低污染排放有关；另一方面与亚青会期间的气象条件有利于污染物扩散有关。     

2017年厦门金砖会晤期间PM2.5的化学特征及来源

为了探讨厦门金砖会晤期间的排放控制措施以及天气形势对大气颗粒物污染特征的影响,于2017年8月10日至9月10日对厦门气态污染物、细颗粒物(PM2.5)中的水溶性离子以及有机碳(OC)、元素碳(EC)等主要化学成分开展了高时间分辨率的在线监测。根据空气质量管控措施和天气形势将研究期分为6个阶段。管控前、管控期Ⅰ(非台风)和管控期Ⅱ(非台风) PM2.5质量浓度分别为(33. 12±9. 48)、(30. 30±17. 00)、(16. 01±4. 71)μg/m^3。管控期Ⅰ(台风)和管控期Ⅱ(台风) PM2.5质量浓度分别为(12. 40±3. 73)、(12. 45±3. 28)μg/m^3。结果表明:管控期Ⅰ(非台风)阶段受静稳天气的影响,管控效果削弱,PM2.5质量浓度下降幅度小;台风对颗粒物质量浓度下降的影响比管控更显著。管控初期,PM2.5中二次无机离子的质量浓度下降明显;台风对碳质组分质量浓度的影响不如无机组分显著。PMF源解析结果表明,二次无机源是PM2.5主要来源,随着管控措施的实行,扬尘源的贡献从21%降低到6%,而机动车源的贡献降幅不明显。台风期间SO4^2-、NO3^-、SO2、NO2以及硫酸盐氧化比值(SOR)均明显低于非台风期间,氮氧化比值(NOR)反而升高。台风和非台风期间NOR的日变化特征一致,NOR与阳离子的相关性分析结果表明,台风或高风速海风期间NOR与Na^+呈现很强的正相关性,说明海盐粒子可促进NO2非均相反应生成NO3-。     

长沙市城区施工扬尘和土壤扬尘污染时空特征研究

随着我国城市化的迅速发展,大气污染问题成为影响人们生活幸福感的重要因素之一。施工、裸露地面等引起的扬尘成为城市大气颗粒物污染的主要来源。将GIS方法和原环保部《扬尘源颗粒物排放清单编制技术指南(试行)》推荐的计算方法相结合,估算出2016—2018年长沙市城区施工扬尘源、土壤扬尘源的颗粒物排放量,从时空分布特征与空间自相关等多个方面剖析了扬尘源的颗粒物排放情况。结果表明:长沙市扬尘源沿中心城区向西、北方向辐射,呈现出半圆环形的带状分布,以城乡接合部最为集中；2016—2018年,长沙市城区扬尘源排放量总体呈现逐年递减的变化趋势。研究结果与长沙市城区实际情况基本相符,可为长沙市扬尘污染控制策略的制定提供参考。     

盐城市秋冬季节PM2.5污染特征及来源分析

于2019年10月—2020年2月在盐城市开展大气PM_(2.5)离线监测,对PM_(2.5)的浓度变化、质量平衡、组分及来源进行了分析。结果表明,监测期间盐城市ρ(PM_(2.5))月均值为43.32～62.59μg/m~3,其中1月最高;监测期间ρ(PM_(2.5))平均值为54.25μg/m~3,质量重建后该值为52.38μg/m~3,与实测值的相关性达到0.98; PM_(2.5)占比最多的成分是硫酸盐、硝酸盐和铵盐(SNA); m(NO_3~-)/m(SO_4~(2-))的平均值为2.16,说明监测期间盐城市机动车相比固定源对NO_2和SO_2有更高的贡献;通过主成分因子分析,可知盐城市秋、冬季节PM_(2.5)主要来源于土壤和扬尘源、燃烧源以及二次无机源。     

北京市主要PM10排放源成分谱分析

对北京市土壤尘、道路扬尘、城市扬尘、建筑施工尘、钢铁尘、煤烟尘等主要PM10无组织排放源和固定源进行采样、分析,建立相应的成分谱数据库,通过对其化学组分分析,确定各类PM10排放源的化学组分特征和标识元素。土壤尘、建筑施工扬尘、钢铁尘、煤烟尘PM10的标识元素分别为Si、Ca、Fe、Al,道路扬尘显示出明显的土壤尘、建筑施工尘和机动车污染的特征,城市扬尘成分谱与道路尘有很强的共线性,具有明显的道路扬尘特征。     

核电站温排水卫星遥感监测应用研究

选取我国 HJ－1 B卫星红外相机为遥感数据源，在介绍了温排水卫星遥感监测的技术流程和基本原理之后，重点论述了海表温度反演的算法和基准温度提取的基本原则。以2013年1月17日大亚湾核电站和2013年5月22日田湾核电站2景 HJ－1 B红外相机数据为应用实例，说明了卫星遥感监测可作为开展核电站温排水影响监测与热污染评价的首选技术方向和主要监测手段，阐述了其在核电站温排水影响后评估中的作用和意义。     

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。     

Estimation of air pollutant emission loads from construction and operational activities of a port and harbour in Mumbai, India

Port causes environmental and health concerns in coastal cities if its operation and development are not made environmentally compatible and sustainable. An emission inventory is necessary to assess the impact of port projects or growth in marine activity as well as to plan mitigation strategies. In this study, a detailed emission inventory of total suspended particulate (TSP) matter, respirable particulate matter (PM₁₀), sulphur dioxide (SO₂) and oxides of nitrogen (NO_x) for a port having operation and construction activities in parallel is compiled. The study has been done for 1 year. Results show that the maximum contribution of emission of air pollutants in the port area was from TSP (68.5%) and the minimum was from SO₂ (5.3%) to the total pollutants considered in this study. Total TSP emission from all activities of the port was 4,452 tyr^???1 and PM₁₀ emission was 903 tyr^???1 in the year 2006. Re-suspension of dust from paved roads was the major contributor of TSP and PM₁₀ in the road transport sector. Construction activities of the port had contributed 3.9% of TSP and 7.4% of PM₁₀ to total emission of particulate matter. Of the total particulate emissions from various port activities approximately 20% of TSP could be attributed to PM₁₀. The sectoral composition indicates that major contribution of SO₂ emission in the port was from maritime sector and major contribution of NO_x was from road transport sector.     

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.     

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。     

石家庄市大气颗粒物元素组分特征分析

为研究石家庄市大气颗粒物的污染特征及其来源,于2013年4—5月在主城6区分别采集TSP、PM10和PM2.5颗粒物样品,利用ICP-MS分析其中的22种元素浓度。结果表明,石家庄市城区Ca、Fe元素在各粒径颗粒物中含量都较高,PM2.5中的S、K含量较高,PM10和TSP中Mg、Al的浓度相对较高。颗粒物的主要来源为燃煤尘、道路尘和建筑尘,TSP、PM10和PM2.5具有较好的统计相关性和同源性。     

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%。     

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。     

Emissions of gaseous and particulate pollutants in a port and harbour region in India

Ports can generate large quantity of pollutants in the atmosphere due to various activities like loading and unloading,transportation, and construction operations. Determination of the character and quantity of emissions from individual sources is an essential step in any project to control and minimize the emissions.In this study a detailed emission inventory of total suspendedparticulate matter (TSP), particulate matter less than 10 m(PM₁₀), sulfur dioxide (SO₂) and nitrogen oxides (NO_x) for a port and harbour project near Mumbai is compiled. Results show that the total annual average contributions of TSP and PM₁₀ from all the port activitieswere 872 and 221 t yr^-1, respectively. Annual average emissions of gaseous pollutants SO₂ and NO_xwere 56 and 397 t yr^-1, respectively, calculatedby using emission factors for different port activities. The maximum TSP emission (419 t yr ^-1) was from paved roads, while the least (0.4 t yr^-1) was from bulk handling activity. The maximum PM₁₀ emission (123 t yr^-1) was from unpaved roads and minimum (0.2 t yr^-1) from bulk handling operations. Similarly the ratio of TSP and PM₁₀ emission was highest (5.18) from paved roads and least (2.17) from bulk handling operations. Regression relation was derivedfrom existing emission data of TSP and PM₁₀ from variousport activities. Good correlation was observed between TSP andPM₁₀ having regression coefficient >0.8.