海南省大气污染源排放清单及环境影响研究

基于海南省2016年工业环境统计数据,通过自下而上的方法建立海南省2016年工业大气污染源排放清单,并利用中国多尺度排放清单模型(MEIC)排放清单进行背景源补充,使用CALPUFF模型进行大气污染模拟。污染物排放清单结果显示,2016年海南省SO_2、NO_x、CO、PM_(2.5)、PM(10)、黑碳(BC)、有机碳(OC)、挥发性有机物(VOCs)和NH3的排放量分别为1.50×10~4、5.10×10~4、4.56×10~5、2.34×10~4、2.10×10~4、3.50×10~3、1.20×10~4、4.96×10~4、6.50×10~4 t,其中SO_2主要排放源为化石燃料固定燃烧源(分担率66.67%),NO_x主要排放源为交通源(分担率51.18%),CO、PM_(10)、PM_(2.5)主要排放源为生活源(分担率分别59.01%、81.28%和87.62%),VOCs主要排放源为工业溶剂使用源(分担率75.91%),NH_3主要排放源为农业源(分担率93.54%)。排放量较大的区域集中在儋州市、澄迈县一带。SO_2、NO_x年均最大浓度均出现在海口市,PM_(10)、PM_(2.5)年均最大浓度均出现在定安县。交通源对全省污染物浓度贡献突出,工业源虽然对颗粒物浓度贡献率较低,但仍需加强PM_(2.5)治理。     

三明市大气污染物排放特征研究

通过实地调查和统计获得区县尺度排放源活动水平数据,采用物料衡算法和排放因子法,估算三明市2015年大气污染物排放清单,选取经纬度坐标、路网、土地类型和人口等数据作为权重因子,利用地理信息系统(GIS)技术建立1km×1km高精度网格,分析各类排放源污染排放的数值和空间特征。结果显示,2015年三明市SO_2、NO_x、挥发性有机物(VOCs)、PM_(10)、PM_(2.5)和NH_3的排放总量分别为5.22×10~4、5.80×10~4、1.88×10~5、7.92×10~4、3.23×10~4、2.26×10~4 t。污染贡献方面:工业源是SO_2的排放主要来源;NO_x的主要排放源为工业源和移动源;天然源对VOCs排放有显著贡献;工业源和扬尘源是PM_(10)和PM_(2.5)的主要贡献源;NH_3排放主要来自农业源。空间分布方面:SO_2、NO_x、PM_(2.5)和PM_(10)的排放主要集中在城镇化程度高的永安市和梅列区,VOCs与NH_3排放则与植被分布和农业生产水平密切相关。与2007年和2009年三明市的排放清单对比,发现工业排放控制政策及秸秆禁烧令的实施对PM_(2.5)、PM_(10)和VOCs的减排有明显效果。     

乌昌石区域化石燃料固定燃烧点源大气污染物排放清单及时空分布

建立了2015年乌昌石区域化石燃料固定燃烧点源大气污染物(NO_x、SO_2、PM_(2.5)和PM_(10))的排放清单,并对污染物的时空分布特征进行了分析。结果表明,2015年乌昌石区域化石燃料固定燃烧点源NO_x、SO_2、PM_(2.5)和PM_(10)的年排放量分别为2.10×10~5、1.52×10~5、4.28×10~4、8.35×10~4 t。从行业上来看,电力生产与供应行业对NO_x、SO_2、PM_(2.5)和PM_(10)的贡献率最大,分别为70.78%、66.56%、51.10%、49.98%;从化石燃料上来看,煤炭对NO_x、SO_2、PM_(2.5)和PM_(10)的贡献率最大,分别为95.63%、99.84%、99.70%、99.84%;从锅炉类型上来看,煤粉炉对NO_x、SO_2、PM_(2.5)和PM_(10)的贡献率最大,分别为84.20%、85.09%、83.43%、84.06%。固定燃烧点源污染物排放呈现出明显的时间变化特征,采暖季污染物排放量明显高于非采暖季,一天中白天的污染物排放量高于夜晚。空间分布显示,大气污染物的排放源主要集中在乌鲁木齐市、五家渠市和昌吉市。     

乌鲁木齐市固定燃烧点源大气污染物排放清单

通过现场调研结合物料衡算法、排放因子法,建立了2015年乌鲁木齐市固定燃烧点源大气污染物CO、NO_x、SO_2和PM_(2.5)排放清单。结果表明,2015年乌鲁木齐市CO、NO_x、SO_2、PM_(2.5)的排放量分别为4.41×10~4、6.20×10~4、4.61×10~4、1.57×10~4t;从排放污染物的行业来看,采矿与制造业对4种污染物排放的贡献最大,其对CO、NO_x、SO_2、PM_(2.5)排放的贡献率分别为49.02%、42.17%、48.40%、78.55%。从地区分布来看,米东区污染物排放量最大,其对CO、NO_x、SO_2、PM_(2.5)排放的贡献率分别为46.99%、45.90%、51.69%、29.68%。从排放时间来看,供暖季污染物的排放量明显高于非供暖季,白天的污染物排放量高于夜晚。采用蒙特卡罗统计法分析预测的污染物排放量与排放清单计算结果较为接近。     

嘉兴市大气污染特征及区域传输影响研究

对嘉兴市2013—2017年的大气污染特征进行了分析,同时研究了区域传输对其PM_(2.5)、PM_(10)、NO_2和SO_2的影响和嘉兴市O_3生成的主要原因。结果表明,自2013年以来嘉兴市PM2.5逐年下降,重度污染及以上天数逐年减少,环境空气质量总体呈逐年好转趋势。截至2017年,PM_(10)、NO_2、SO_2和CO均已达到《环境空气质量标准》(GB 3095—2012)二级标准,但PM_(2.5)和O_3仍未达标。2017年,周边地区(苏州市、湖州市、上海市、杭州市、绍兴市和宁波市)对嘉兴市PM_(2.5)、PM_(10)、NO_2和SO_2的传输贡献分别为36.2%、31.9%、25.6%、26.7%,季节差异较大,建议根据区域传输的季节性变化,制定针对性的联防联控措施。嘉兴市O3污染主要受挥发性有机物(VOCs)控制,应重点控制VOCs排放,辅以控制NO_x排放。     

乌昌石区域的非金属矿物制品业大气污染物排放清单研究

建立了乌昌石区域非金属矿物制品业CO、NO_x、SO_2、PM_(2.5)和PM_(10) 5种大气污染物的排放清单,并进行了时空分布特征分析,初步探究了估算的不确定性。结果显示,乌昌石区域非金属矿物制品业CO、NO_x、SO_2、PM_(2.5)和PM_(10)总排放量分别为3.71×10~4、2.76×10~4、3.10×10~4、3.04×10~4、1.29×10~5 t。熟石膏行业是CO的主要排放源;水泥(干法)行业是NO_x、SO_2、PM_(2.5)和PM_(10)的主要排放源。乌鲁木齐市是CO、NO_x和SO_2排放量的最大贡献源;石河子市是PM_(2.5)和PM_(10)排放量的最大贡献源。乌昌石区域5月至9月是一年中污染物排放的高峰期,11:00至20:00是一天中污染物排放的高峰期。空间上,乌昌石区域的污染物排放主要分布在乌鲁木齐市中部、西南部以及石河子市。     

西安市机动车污染控制策略实施效益评估

为研究未来西安市机动车污染控制策略的实施效果,基于情景分析法,以MOVES模型为平台,预测2020年西安市机动车PM_(2.5)、PM_(10)、NO_x、总碳氢化合物(THC)、CO、SO_2排放量分别为1 531.41、1 596.33、44 159.48、14 029.62、383 200.08、5 164.63t。设置5类不同控制措施情景,分析其对机动车的减排效果。结果显示:单一措施中,淘汰"黄标车"和老旧车对污染减排效果最明显,6种污染物均有较大幅度减排;调控轻型客车保有量可明显削减THC、CO的排放,减排比例分别为13.49%、18.59%;提升燃油质量可使各车型SO_2的减排比例均达到90%以上;使用替代燃料情景的污染物减排比例相对较低,但也是一种有效的控制策略;综合控制措施的减排效果最为显著,与基准情景相比,2020年PM_(2.5)、PM_(10)、NO_x、THC、CO和SO_2减排比例分别为78.50%、78.37%、71.77%、72.47%、76.94%、98.30%。     

基于MOVES模型的西安市机动车排放清单研究

利用本地化修正的MOVES模型结合实地调研数据,测算了西安市机动车排放清单,并对各种污染物的排放分担率进行了分析。结果表明:2012年西安市机动车的PM_(2.5)、PM_(10)、NO_x、总碳氢化合物(THC)、CO、挥发性有机物(VOCs)、NH_3和SO_2排放总量分别为1 890.48、2 668.89、40 847.75、19 413.30、217 103.04、15 244.86、539.76、2 087.50 t;中型货车和重型货车是PM_(2.5)、PM_(10)和NOx的主要贡献者,小型客车和摩托车是THC、CO和VOCs的主要贡献者,小型客车是NH_3的主要贡献者,小型客车与重型货车对SO_2的排放分担率均较高;柴油车对PM_(2.5)、PM_(10)、NO_x和SO_2的排放分担率高于汽油车,而汽油车对THC、CO、VOCs和NH_3的分担率则高于柴油车;CO在冬季排放最多,其余污染物的排放均在夏季最多,但污染物的季节变化总体上不明显。     

嘉兴市人为源大气污染物排放清单研究

建立了2017年嘉兴市人为源大气污染物排放清单。结果发现,SO_2、NO_x、CO、挥发性有机物(VOCs)、NH_3、总悬浮颗粒物(TSP)、PM_(10)、PM_(2.5)、黑碳(BC)和有机碳(OC)排放总量分别为15 224、60 663、102 600、93 256、26 266、118 923、70 367、19 024、941、1 622t。SO_2的最大排放源是化石燃料固定燃烧源中的电力供热;NO_x的最大排放源是移动源中的柴油车;CO的最大排放源是移动源中的汽油车;VOCs的最大排放源是工艺过程源中的石油化工;NH_3的最大排放源是农业源中的氮肥施用;TSP的最大排放源是扬尘源中的道路扬尘;PM_(10)和PM_(2.5)的最大排放源是工艺过程源中的水泥生产;BC的最大排放源是移动源中的柴油车;OC的最大排放源是餐饮油烟源中的餐饮油烟。对于大气污染中普遍关注的6种污染物,SO_2、NO_x、PM_(10)、PM_(2.5)和VOCs排放的重点源主要集中在各县(市、区)的工业园区或工业集聚区,而NH_3的排放空间分布相对比较分散。     

西安市机动车污染物排放清单与空间分布特征

基于机动车排放因子(MOVES)模型和地理信息系统(ArcGIS)技术,建立了西安市2017年分辨率为1km×1km的机动车污染物排放清单。结果显示:2017年西安市机动车污染物PM_(2.5)、PM_(10)、NO_x(NO+NO_2)、NO、NO_2、N_2O和挥发性有机物(VOCs)的年排放总量分别为126.1×10~4、138.2×10~4、2 884.2×10~4、2 577.8×10~4、306.4×10~4、27.9×10~4、1 281.2×10~4 kg;柴油车是PM_(2.5)、PM_(10)和NO_x排放的主要来源,贡献率分别为80.2%、79.5%和75.8%;VOCs和N_2O则主要来自汽油车,贡献率分别为74.2%、89.7%;总体看来,研究区域内不同污染物的空间分布规律相似,这与西安市公路分布有关,PM_(2.5)和NO_x的排放主要集中在主城区及周边县区的高速路和国道,而VOCs的排放主要集中在主城区二环及环内。     

北京9.3阅兵前后天津市大气污染变化特征分析

2015年8月23日—9月4日京津冀地区对部分污染源实行了临时性的减排管控措施,为保障9月3日北京大阅兵的空气质量起到了重要作用。天津作为协同减排的重要城市,阅兵期间空气质量变化一直备受关注。为评估这次减排管控措施对空气质量的改善效果,于2015年8月10日—9月15日,选择天津市气象局院内观测场,利用自动在线观测仪器对大气污染物NO_x、SO_2、CO、O_3及PM_(2.5)进行了连续观测,以天津所采取的临时减排措施为时间节点,对人为管控前后污染物的浓度水平、源贡献及日变化特征进行了比对分析,并结合气团输送特征讨论了气象条件在各时段的贡献。结果显示:在减排期间(2015年8月23日—9月4日),NO、NO_2、SO_2、CO、O_3及PM_(2.5)浓度较减排前(2015年8月10日—22日)分别降低了12.3%、34.1%、41.8%、21.1%、39.0%及63.1%,燃煤、工业及扬尘源控制效果显著;减排后(2015年9月5日—15日)较减排期,NO、NO_2、SO_2、CO及PM_(2.5)浓度分别升高了77.2%、46.1%、13.3%、12.5%和11.5%,空气质量主要受机动车源的影响。NO_2、SO_2、CO及PM_(2.5)在各时段的日变化基本呈早晚双峰型,NO呈早单峰型,O_3呈午后单峰型,减排措施有效降低了峰值和浓度水平,污染物排放至大气后,近地面气象要素也会有所影响。由气团的输送特征可知,有利的气象条件也是减排期间良好空气质量的重要因素,减排后CO、SO_2和PM_(2.5)无显著回升主要得益于清洁气团的频繁出现。     

夏季降雨对大气污染物的清除影响

从南昌市环境监测站获取大气中主要污染物浓度,降雨量由APS-3A型降雨降尘自动采样器实际监测得到,分析了南昌市新城区2014年夏季降雨对大气污染物浓度的影响。结果表明:(1)中强降雨(日降雨量≥10 mm)对大气中的SO_2、PM_(10)和PM_(2.5)都有明显的清除效果,对SO_2、PM_(10)和PM_(2.5)的清除效率分别为14.3%~50.0%、20.2%~68.8%、20.0%~74.0%;1~10mm的降雨对SO_2、PM_(10)和PM_(2.5)也有一定的清除效果;≤1mm的降雨,对PM_(10)具有清除作用,但清除效率较低(2.3%~23.2%),而对SO_2和PM_(2.5)清除效果不明显。降雨量对NO_2的浓度变化影响不大。(2)降雨对大气污染物的清除效率受降雨前污染物本底浓度的影响,污染物本底浓度很低时甚至会出现反弹现象。(3)降雨对污染物的清除效率除了受降雨量的影响外,其降雨场数和降雨累积时间对其也有一定的影响。     

无锡市区大气污染物污染特征及影响因素研究

利用2014年无锡市区的6种大气污染物浓度和气象因子等监测数据,研究了无锡市区各种大气污染物的污染特征及其影响因素。结果表明:(1)无锡市区PM_(2.5)、PM_(10)、SO_2、NO_2、CO浓度的季节变化特征为冬季最高,夏季最低;O_3浓度表现为夏季最高,冬季最低。就全年的综合情况而言,颗粒物污染,尤其是PM_(2.5)污染最严重。(2)PM_(2.5)、PM_(10)、SO_2、NO_2、CO浓度间两两呈正相关;PM_(2.5)、SO_2、NO_2、CO浓度均与O_3浓度呈负相关。(3)温度与PM_(2.5)、PM_(10)、SO_2、NO_2、CO浓度呈负相关,与O_3浓度呈正相关;相对湿度与PM_(2.5)、PM_(10)、SO_2、NO_2、O_3浓度呈负相关,与CO浓度无相关性;风级与PM_(2.5)、PM_(10)、SO_2、NO_2、CO浓度呈负相关,与O_3浓度无相关性。降水有利于PM_(2.5)、PM_(10)、SO_2、NO_2、O_3浓度的降低,但对CO浓度影响不大。(4)无锡市区空气质量周末比工作日差。NO_2、SO_2浓度周末低于工作日,O_3浓度周末高于工作日,呈现明显的"周末效应";PM_(2.5)、CO浓度周末高于工作日,未出现"周末效应"。     

绵阳重污染天气机动车限行对空气质量的影响研究

为应对2017年底绵阳出现的一次重污染天气,绵阳政府于2017年12月25日0时至29日12时首次实行了机动车尾号限行措施。利用2017年12月20日至2018年1月2日绵阳4个国控环境质量监测站点的CO、NO_2、SO_2、O_3、PM_(2.5)、PM_(10)的数据分析限行前后的污染物浓度变化特征,并结合气象数据进行污染成因分析。结果表明,大气颗粒物PM_(2.5)和PM_(10)是此次重污染天气的首要污染物,机动车尾号限行措施对PM_(2.5)和PM_(10)有一定的减排效果。机动车尾号限行措施对NO_2、SO_2、O_3具有明显的减排效果,而对CO几乎没有减排效果。限行前和限行期大气颗粒物主要来源于化学转化形成的二次颗粒物,而限行后则转为沙尘、扬尘等一次颗粒物。江油对绵阳大气颗粒物PM_(2.5)、PM_(10)影响很大,气流轨迹出现频率高,大气颗粒物浓度也高,有必要考虑进行区域联防联控。     

北京农村地区燃煤污染物的排放测试

针对农村地区燃煤炉灶设计了污染物排放因子测定系统,通过碳平衡法测定了不同炉灶不同燃料的污染物排放因子,从北京市延庆、怀柔、平谷和房山4个地区农户家中选取12种煤样,选取了北京地区应用广泛的10种土暖气炉和3种蜂窝煤炉分别测定了污染物排放因子数据。测定结果表明:土暖气炉燃烧劣质散煤的PM_(2.5)和SO_2的排放因子最高,分别为3.73 g·kg~(-1)(干燃料)和1.78 g·kg~(-1)(干燃料),燃烧优质散煤和煤球时的PM_(2.5)排放因子依次减小,分别为3.33 g·kg~(-1)(干燃料)和2.20 g·kg~(-1)(干燃料)。优质散煤的SO_2排放因子最低(0.16 g·kg~(-1)(干燃料)),NO_x的排放因子最高(2.99 g·kg~(-1)(干燃料))。当考虑单位有效热量输出时,相对于劣质散煤,燃烧优质散煤和煤球PM_(2.5)、SO_2的排放因子有所下降,PM_(2.5)分别减少了12.9%和8.4%,SO_2分别减少了91.2%和73.8%,但优质散煤NO_x排放因子增加了42.3%。结合调研数据,核算了北京农村地区燃煤污染物排放数据,结果表明,北京农村地区燃煤PM_(2.5)排放总量为1.84万t,占本地污染排放的贡献率为11.2%~16.3%。     

河谷型城市一次大气持续重污染特征及其原因分析 —— 以宝鸡市为例

利用2016年冬季12月16—22日监测的宝鸡市6种大气污染物及主要气象要素,分污染前、重污染期、污染结束3个过程分析了污染物的变化特征,探讨了大气污染物时间变化与气象要素关系。结果表明:(1)大气重污染过程中主要污染物为PM_(10)和PM_(2.5),重污染期最大值比污染前增加113%、93%,比污染结束高出268%、190%,浓度均超过《环境空气质量标准》(GB 3095—2012)中24h平均二级限值。SO_2、CO、NO_2、O_3重污染期最大值比污染前增加7%、33%、54%、18%,比污染结束高出36%、33%、58%、57%,但浓度均未超过GB 3095—2012中1h平均二级限值。日变化总体表现为PM_(2.5)、PM_(10)、CO出现两个峰值,SO_2、NO_2、O_3出现一个峰值;3个过程峰值点出现时间基本一致;重污染期PM_(2.5)、PM_(10)较高,但振幅比污染前后的振幅减小。(2)PM_(10)、PM_(2.5)与相对湿度、风速关系密切,与气温关系较差。(3)河谷地形、气象条件及大气环流场相互作用形成污染物持续的集聚是导致宝鸡市重污染发生的重要因素,并对污染物的扩散和清除具有滞后作用。     

汾渭平原采暖期与非采暖期大气环境质量时空变化特征研究

采暖期重污染天气频发,成为大气环境质量改善的难点。汾渭平原刚被划为中国环境治理的重点区域,大气污染形势十分严峻。基于2014—2018年PM2.5、SO_2、NO_2、O_3和CO等污染物监测数据及空气质量指数,分析了汾渭平原采暖期和非采暖期大气环境质量的时空变化特征。结果表明:(1)采暖期PM_(2.5)、SO_2、NO_2和CO浓度均高于非采暖期,非采暖期PM_(2.5)相比采暖期低42%～54%,采暖期SO_2、NO_2和CO的平均浓度分别是非采暖期的2.7、1.5、1.6倍,而非采暖期O_3平均浓度是采暖期的2.2倍;(2)PM_(2.5)和SO_2为采暖期首要污染物,O_3为非采暖期首要污染物;(3)采暖期和非采暖期三省交界处和临汾的PM2.5浓度均较高,采暖期气态污染物的空间分布与非采暖期基本相似,其中SO_2浓度的空间分布为山西境内河南境内陕西境内;(4)采暖期PM_(2.5)与SO_2、NO_2、CO浓度均呈正相关,与O_3呈负相关,非采暖期SO_2、NO_2和CO随PM_(2.5)浓度呈一致变化趋势,均先上升后下降,与采暖期的变化趋势并不相同;(5)采暖对PM_(2.5)和SO_2的年平均贡献率分别为34.9%和42.1%。     

基于PM2.5全面达标的广东省产业结构调整策略研究

为科学指导广东省进一步开展大气污染综合防治,运用统计分析和空气质量模拟方法,分析广东省实现各城市PM_(2.5)浓度全面达标的污染物减排需求,尤其是产业结构调整的需求。结合各行业的污染物排放强度,识别广东省加强产业结构优化调整工作需要关注的重点行业领域,并提出相应政策建议。结果表明,仅依靠既定的末端治理和能源、交通结构调整措施无法实现2020年广东省各城市PM_(2.5)浓度全面达标的目标,产业结构调整在SO_2、NO_x、挥发性有机物(VOCs)的减排中至少需发挥11%～19%的减排贡献作用,重点应针对区域内的非金属矿物制品、电力热力生产和供应、黑色金属冶炼和压延加工、造纸、纺织印染、化学纤维制造等行业进行调控,主动淘汰落后产能。     

近10年浙江省城市环境空气质量变化趋势及影响因素分析

利用浙江省环境空气中SO_2、NO_2和PM_(10)监测数据,采用Daniel趋势检验法,研究了近10年(2005—2014年)浙江省城市环境空气质量变化趋势及影响因素。结果表明:(1)2005—2014年,浙江省县级以上城市综合污染指数平均值呈显著下降趋势,总体环境空气质量呈好转趋势。(2)SO_2年均值呈不显著下降趋势,NO_2年均值基本保持稳定,PM_(10)年均值呈显著下降趋势。浙江省SO_2、NO_2和PM_(10)浓度高值区域主要分布在浙中北部地区,与2005年相比,2014年浓度高值区域面积减少,污染程度降低。(3)SO_2、NO_2和PM_(10)月均值变化趋势基本一致,浓度高值主要出现在1、11、12月,低值集中出现在6—9月。(4)PM_(10)为城市大气中首要污染物,NO_2污染负荷呈显著上升趋势,表明浙江省城市空气污染特征逐渐从煤烟型污染过渡到机动车尾气型污染。(5)产业结构升级、能源结构优化、大气污染物总量减排和污染源综合整治等人为控制措施对城市空气质量改善起到重要作用。地形、气象、沙尘等自然因素是大气污染物浓度时空变化的外因。     

唐山新冠肺炎防疫期间空气质量变化特征及污染成因分析

为研究唐山市新冠肺炎防疫期间环境空气质量变化特征以及形成重污染的成因,分析了2020年1月1日至2月29日的PM_(10)、PM_(2.5)、SO_2、NO、NO_2、CO、PM_(2.5)组分(有机碳(OC)、元素碳(EC)、重金属等)和气象数据。结果表明,防疫期间空气质量整体改善,相比正常生产期间除CO浓度均值未变化,其他参数均呈下降趋势,其中NO、NO_2浓度降幅最大,分别降低73%和41%,受车流量减少影响显著。防疫期间的2月9—13日出现1次连续5天的重污染过程,相比正常生产期间PM_(10)、PM_(2.5)和CO浓度分别增长了69%、104%和95%,Fe浓度增加57%,呈钢铁型污染特征;该时段相对湿度和风速分别为80.2%、0.7m/s,为高湿低风速气象条件,二次无机盐(SNA,包括NH_4~+、NO_3~-、SO_4~(2-))在PM_(2.5)中占比为64%,比正常生产期间高31%,此次污染过程受本地工业大气污染物排放累积以及二次生成共同影响。