2016-2018年西宁市颗粒物来源及输送差异分析

利用HYSPLIT模式计算了2016—2018年西宁市逐日72 h气团后向轨迹,采用聚类分析方法,结合同期颗粒物PM₁₀和PM_2.5质量浓度数据,分析逐年和3年平均西宁市颗粒物输送特征及差异,运用潜在源贡献因子分析法（PSCF）和浓度权重轨迹分析法（CWT）对影响西宁市PM₁₀和PM_2.5质量浓度的污染潜在源区及不同潜在源区贡献进行了分析.结果表明,2016—2018年,西宁市颗粒物最主要输送路径源自青海北部的聚类2、甘肃中部的聚类6和甘肃东部的聚类8,占同期总轨迹比例分别为28.1%、27.4%和27.5%;3年平均则源自青海北经青海东折回西宁的聚类2,占比45.3%.最主要输送路径对应颗粒物质量浓度最低,输送距离较短、垂直高度较低、气团移速较慢;影响气团由西北向偏东转变,3年平均则以西北气团为主.2018年源自甘肃经青海东至西宁的短距离输送处于突出地位,所含轨迹占总轨迹的比例高达49.6%.PM₁₀和PM_2.5主要输送路径和污染路径由较长距离向较短距离过渡,较长距离输送路径出现比例逐年较小.PM_2.5/PM₁₀小于0.3时,主要输送路径与PM₁₀污染轨迹有很好的对应关系;PM_2.5/PM₁₀大于0.6时,主要输送路径与PM_2.5污染轨迹有较好的对应关系.PSCF和CWT分析发现,影响西宁市颗粒物质量浓度的主要污染潜在源区分布在新疆南部和青海北部,对PM₁₀质量浓度贡献大于100 μg·m^-3,对PM_2.5质量浓度贡献大于45 μg·m^-3.潜在源区分布年变化差异明显,2016年最广,2018年最小.印度北部主要贡献源区虽分布范围逐年减小,但在2017年局部贡献增大,对PM₁₀贡献超250 μg·m^-3,对PM_2.5贡献超60 μg·m^-3.主要贡献区周边区域及西宁至兰州一带为中等贡献源区,对PM₁₀贡献为50~100 μg·m^-3,对PM_2.5贡献为15~45 μg·m^-3.     

西宁市大气污染来源和输送季节特征

在2016~2018年西宁市大气污染物PM₁₀和PM_2.5季节污染特征分析的基础上,利用HYSPLIT模式和GDAS资料计算了逐日72 h气流后向轨迹,通过聚类分析确定气流输送路径及其对日均PM₁₀和PM_2.5质量浓度的影响,运用TrajStat软件提供的潜在源贡献因子分析法（PSCF）和浓度权重轨迹分析法（CWT）,探讨不同季节影响西宁市PM₁₀和PM_2.5质量浓度的潜在源区分布及贡献.结果表明,输送来源位置多分布在西宁的西-北方向和东-北方向,周边及邻近区域垂直高度较低.输送路径主要受西风、偏西风、西北、西南和偏东气流的影响.距离短、高度低和移速慢的气流轨迹出现概率最高,是最主要的输送路径,该路径在春夏秋三季来源于青海,冬季则源自新疆,省内输送占主导地位,且不同输送轨迹对PM₁₀和PM_2.5浓度影响不同.污染气流主要来自青海省内源、新疆外源及新疆以西的境外源,源地多沙漠和戈壁等脆弱地带分布.潜在源区范围及贡献大小有明显季节差异,冬季范围广且贡献最大,春秋次之,夏季最小.最主要潜在源区位于青海北部、中部和东部地区、新疆南部、中部和东部,其周边地区为中等贡献潜在源区.     

基于PSCF与CWT模型的乌鲁木齐市大气颗粒物源区分析

利用MeteoInfoMap软件和GDAS全球同化气象数据,对乌鲁木齐市2014—2019年四季72 h气团后向轨迹进行聚类分析.同时,结合小时PM_2.5和PM₁₀浓度数据,运用潜在源贡献因子分析法（PSCF）和浓度权重轨迹分析法（CWT）分析了乌鲁木齐市颗粒物不同季节潜在源区及其对研究区颗粒物浓度的贡献.结果表明：①影响乌鲁木齐市大气质量的气团轨迹可分为长、短两支,短支气流主要来自研究区及周边城市,对研究区颗粒物浓度贡献大;②长支气流输送距离较远,主要来自哈萨克斯坦、俄罗斯等国家,对研究区颗粒物浓度贡献小;③影响乌鲁木齐市PM_2.5浓度的主要潜在源区是吐鲁番地区、巴音郭楞蒙古自治州、伊宁市和阿克苏地区;④潜在源区分布呈现显著季节变化特征,冬季潜在源区分布广、贡献度高,而夏季源区分布狭窄、贡献度低,春季和秋季源区分布与贡献特征介于两者之间.     

2015年12月气流轨迹对长三角区域细颗粒物浓度和分布的影响

2015年12月中国长三角区域经历了4次高浓度、大范围、长时间的颗粒物污染.本研究基于HYSPLIT后向轨迹模式结合GDAS（Global Data Assimilation System,全球资料同化系统）气象数据和长三角区域15个主要城市的PM_2.5质量浓度数据,利用轨迹聚类、潜在源贡献因子法（Potential Source Contribution Function,PSCF）和浓度权重轨迹法（Concentration-Weighted Trajectory,CWT）分析了2015年12月长三角区域主要气流轨迹方向和重污染过程中细颗粒物的潜在来源分布,探讨了不同污染过程的气象特征和影响气团分布.结果表明,2015年12月长三角区域主要受到来自西北和北方气流影响（B、C、D类）,其出现概率分别为39.5%、20.0%和25.8%;西方内陆（A类）出现概率最低,仅为14.7%.西北内陆方向长距离输送（B类）对长三角区域空气质量影响较大,在此类气团主导下,长三角区域颗粒物（PM_2.5、PM₁₀）质量浓度和气态污染物（SO₂、NO₂、CO）质量浓度平均值分别为90.9、135.1、32.4、54.4和1200 μg·m^-3,且粗颗粒物比重较其它3类聚类高;经过东北海面气团（C类）携带的颗粒物浓度也较高,且PM_2.5/PM₁₀比值最高,可能是其水汽含量较高加剧了污染物的二次生成.PSCF和CWT分析结果表明,污染过程1（12月5-8日）期间,长三角区域PM_2.5浓度主要受内蒙东部、京津冀、山东和江苏东部等地影响;污染过程2（12月10-11日）和污染过程3（12月13-15日）期间,京津冀地区对长三角区域PM_2.5浓度的贡献都较低,污染过程2的主要潜在源区较为集中,主要为内蒙东部、辽宁、山东东部、江苏和上海;而污染过程3的潜在源区较广,内蒙西南地区、甘肃、山西、陕西、河南、河北南部、山东、安徽北部等地及长三角本地对区域PM_2.5浓度均有重要贡献;污染过程4（12月20-27日）持续时间最长,相较前3次污染过程,京津冀地区和西南地区对长三角区域PM_2.5浓度的贡献相对增加.总体来说,2015年12月4次污染过程期间长三角区域PM_2.5污染的潜在贡献源主要集中在华北和华东（长三角）地区,区域性污染和长距离输送对冬季长三角区域空气质量有重要影响.     

南京江北2014-2016年PM2.5质量浓度分布特征及气象和传输影响因素分析

利用2014-2016年南京江北地区PM_2.5质量浓度和气象要素的小时数据,并结合HYSPLIT模式后向轨迹聚类分析和PSCF法分析了PM_2.5质量浓度的污染特征及其主要影响因素和主要来源特征.结果表明：2014-2016年PM_2.5质量浓度呈逐年下降趋势,下降幅度约为17.40%,由2014年的62.1 μg·m^-3下降至2016年的51.2 μg·m^-3,能见度由2014年的5.8 km上升至2016年6.6 km.PM_2.5质量浓度存在显著的月变化和季节变化特征,1月浓度最高,可达93.0 μg·m^-3;8月浓度最低,仅为38.8 μg·m^-3;冬季浓度最高,可达76.8 μg·m^-3,夏季浓度最低,仅为47.1 μg·m^-3.不同季节日变化均为单峰型分布.气象要素对PM_2.5质量浓度的影响较大,不同相对湿度下能见度和PM_2.5质量浓度具有较好的拟合关系.霾和非霾天PM_2.5质量浓度的阈值为15 μg·m^-3.不同季节的主导气团不同,春季主导气团为偏北气流和偏东气流,占比分别为43.50%和30.80%;夏季主导气团以东部气流为主,占比约为68.22%;秋季和冬季主导气团为来自北方的气流,总占比分别为83.52%和100%;偏北内陆气团PM_2.5质量浓度较大,偏东海洋性气团PM_2.5质量浓度较低.PM_2.5质量浓度潜在源区春冬季潜在源区范围较大,夏秋季潜在源区范围较小,季节变化显著.春季潜在来源主要分布在安徽、江西北部、江苏南部和浙江北部等地区,夏秋季分布在安徽东部、浙江北部和江苏南部等地区,冬季分布在安徽、河南东部,山东和江苏等地区.     

铁岭市2015—2018年大气颗粒物PM2.5潜在源区分析

了解大气污染物的潜在源区分布对制定污染物减排措施至关重要.本文采用HYSPLIT模型,模拟出抵达铁岭市地区72 h的主要气流轨迹,结合铁岭市2015—2018年PM_2.5逐小时浓度数据资料,采用CWT方法（concentration-weighted trajectory method）对铁岭市PM_2.5潜在源区浓度进行了分析,在此基础上,提出了PCWT方法（percentage concentration-weighted trajectory method）,对铁岭市地区PM_2.5潜在源区浓度占比及传输过程进行了定量分析.研究表明,铁岭市PM_2.5来源呈现出不同的季节特征：春季PM_2.5主要来源于铁岭市西北和南部地区,夏季PM_2.5主要来源于铁岭市南部地区,秋季PM_2.5主要来源于铁岭市西北部及东北部地区,冬季PM_2.5主要来源于铁岭市西北部及铁岭市周边地区.铁岭市PM_2.5主要来源于3个方向,其中来自铁岭西北方向的源区贡献值4年平均占比27.36%、东北方向占18.51%、西南方向占15.73%;铁岭及周边城市、吉林省松嫩平原、科尔沁沙地以及辽宁中部城市群、环渤海湾地区是铁岭市PM_2.5的主要国内源区;俄罗斯、蒙古、朝鲜是铁岭市PM_2.5的主要国外源区,且近几年有增加趋势.研究成果对建立铁岭市生态环境管控分区,制定有效防治大气污染措施有重要的科学支撑作用.     

杭州富阳地区2015—2018年冬季不同天气形势下PM2.5传输路径和潜在源区分析

利用2015—2018年杭州市富阳地区国控站污染数据、自动站和GDAS气象资料及对海平面气压场进行天气分型的基础上,使用HYSPLIT模型、潜在源贡献因子（WPSCF）分析法和浓度权重轨迹（WCWT）分析法,研究富阳地区冬季污染现状及不同天气形势下PM_2.5的输送路径与潜在源区分布特征.结果表明,2015—2018年富阳地区冬季PM_2.5浓度持续较高且变化趋势不明显,污染区域输送问题不容忽视.通过天气分型得到该地区冬季主要受高压、高压前部、高压底部、L型高压、低压和低压前部6种天气形势影响,其中,高压和高压底部控制下PM_2.5浓度均值较高,分别为65 μg·m^-3和58 μg·m^-3.对各天气形势下气团轨迹聚类分析得到,高压和高压前部控制下污染气团主要来自山东、江苏等地,高压底部和L型高压控制下污染气团主要来自内蒙古、辽宁等地,低压和低压前部控制下污染气团主要来自浙江中部、东南部地区.不同天气形势下WPSCF和WCWT得到的分布特征类似,高压控制下潜在源区分布范围最广,位于浙江西南部、东北部、上海和江苏东南部地区,其次为高压底部控制,潜在源区位于浙江中东部、东北部和上海地区,高压前部、L型高压、低压和低压前部的潜在源区范围较小,基本位于浙江、江苏南部和上海等地.     

和田绿洲沙尘暴物质输送路径及其对大气环境质量的影响

为了研究来自不同方向的沙尘暴对和田绿洲大气环境质量的影响，本文利用HYSPLIT后向轨迹模型和NCEP的GDAS全球气象要素数据，将和田绿洲西北部的墨玉县城作为模拟受点（37.26°N，79.72°E），计算2016年1月1日—2018年12月31日发生的每一次沙尘天气期间逐日18：00（世界时）36 h后向气流轨迹，轨迹计算起始高度设置为500 m，并结合相应的PM_2.5、PM₁₀、SO₂、NO₂、CO、O₃浓度监测数据进行聚类分析，研究抵达该地区的沙尘暴的主要移动轨迹和污染物输送路径.同时，运用潜在源贡献因子分析法（PSCF）和权重污染轨迹分析法，分析了沙尘暴期间不同气流轨迹对墨玉县污染物浓度的影响，识别大气污染物的潜在源区，揭示不同源区对污染物浓度的贡献差异.结果表明，影响和田绿洲（墨玉县）的沙尘暴主要来自西北（WN）、北（N）、东北（EN）和东（E）4个方向；其中，来自东部的沙尘天气频率最高（60.2%），但主要以浮尘天气为主；扬沙和强沙尘暴主要来自西部方向，54.48%的强沙尘暴和38.53%的扬沙来自西和西北方向.不同沙尘源区和不同传输路径上的沙尘气溶胶对和田绿洲大气环境的影响不一样.沙尘天气期间，大气PM_2.5和PM₁₀的平均浓度相当于无沙尘天气期间的3~5倍，但对SO₂、NO₂、CO、O₃质量浓度的影响不大；由西向东和由北向南的沙尘暴对墨玉县PM_2.5和PM₁₀质量浓度的贡献率最大；由东向西的沙尘暴由于路过和田市和洛浦县等工业污染源区，此簇沙尘暴气团将该区域SO₂、NO₂、CO等污染颗粒携带到墨玉县，因此，东-东南（E-ES）方向的沙尘暴对SO₂、NO₂、CO的贡献率分别为15.56%、20.55%和21.57%.本文定量印证了沙尘暴对和田绿洲大气环境质量的影响，可为绿洲区沙尘暴研究提供参考.     

北京、石家庄2017—2018年PM2.5与SNA组分特征及典型重污染分析

基于北京、石家庄2017、2018年的1月和7月PM_2.5样品采集,研究两地采暖期、非采暖期及典型重污染过程的PM_2.5、SNA污染特征及二次转化特征.应用TrajStat模型,结合浓度权重轨迹分析法（CWT）,分析两地PM_2.5气流输送路径以及潜在源区.利用WRF-CAMx模式定量分析两地重污染月份（2017年1月）PM_2.5、硫酸盐及硝酸盐的区域传输贡献.结果表明, 2017年1月北京和石家庄均存在重污染过程,两年1月石家庄市PM_2.5浓度均高于北京; SNA占PM_2.5所有组分的34.11%~51.68%,对PM_2.5浓度有重要贡献,其中北京NO₃^-浓度最高,石家庄SO₄^2-浓度最高, SO₄^2-/NO₃^-夏季高于冬季;北京SOR高于石家庄,石家庄NOR高于北京,重污染期间两城市硫酸盐、硝酸盐、铵盐质量浓度、SOR与NOR明显升高;两地冬季气流主要受俄罗斯、蒙古、内蒙戈壁等地区的西北方向远距离输送影响,另外北京两年冬季均存在西南传输通道,石家庄重污染期间受冀南和鲁西北重工业城市群潜在贡献较高,两市夏季受东南季风影响,污染轨迹多来自渤海湾和山东等地区; 2017年1月,北京、石家庄PM_2.5受周边区域传输贡献分别为33.80%、22.54%,其中河北南部分别贡献14.86%, 17.21%,二次离子中NO₃^-的传输作用比SO₄^2-更加突出.从PM_2.5本地源来看,北京主要来源为移动源和扬尘源,分别占比43.30%、20.10%,石家庄为工业、燃煤和扬尘,分别占比26.40%、24.82%、22.50%.     

2013年12月上海市重度污染期间细颗粒物化学特征与输送轨迹影响

2013年12月我国中东部地区发生多场大范围高强度的颗粒物污染. 期间,本研究采用在线连续观测手段测量了上海市城区大气中气态污染物、颗粒物的质量浓度、细颗粒物的化学组分等,获得了浮尘污染、灰霾污染、雾霾污染、长距离传输的过境污染过程中颗粒物的污染特征变化. 观测结果显示,雾霾污染最为严重,PM₁₀和PM_2.5日均最大浓度分别达到536 μg ·m^-3和411 μg ·m^-3,PM_2.5/PM₁₀高达76.7%,高湿度加强了大气颗粒物中NO₃^-、SO₄^2-、NH₄⁺等二次组分的生成. 浮尘污染中PM_2.5的Ca²⁺浓度在所有污染过程中最高,且PM_2.5中一次组分比重明显上升. 长距离传输的过境污染中PM_2.5的SO₄^2-浓度最高,且增长速度很快. 同时本研究还采用Hysplit反向轨迹结合聚类分析方法,得到了不同污染过程中到达上海的主要气团轨迹,并结合上海城区在线观测的PM_2.5及其化学组分浓度数据,探讨了不同气团下PM_2.5组分特征差异和不同污染过程的大致来源. 结果表明,观测期间上海的气团轨迹可以聚类为六类. 其中,移动速度快的cluster6出现时,上海市不易出现颗粒物污染; 始于蒙古的cluster2和cluster3导致上海出现沙尘污染,该气团下PM_2.5/PM₁₀的比例都较低,且PM_2.5中Ca²⁺浓度较高. 移动缓慢的cluster5和cluster4有利于污染物的二次生成,静稳天气同时加剧了污染物的累积,加上他们经海上夹带水汽传输至上海,这些不利条件是导致上海出现严重污染的关键因素.     

基于WRF-RTIM的上海地区霾预报MOS方法研究

应用基于系统辨识理论的实时迭代模式(real-time iterative model,RTIM)对WRF模式预报结果进行后处理,建立了上海地区霾天气的模式输出-统计(model output statistics,MOS)方法.首先,根据WRF模式的气象输出资料,结合大气污染观测数据,筛选出霾事件的预报因子;其次,运用系统辨识实时迭代模型,建立依据MOS预报方法的PM2.5、PM10和能见度预报模式;最后根据霾事件的判别标准,对上海2012年11月—2013年1月的霾日进行24 h和48 h预报.结果表明,PM2.5模式预报成功率为75.0%~63.9%,PM10模式预报成功率为87.5%~81.8%,能见度模式预报成功率为71.0%~74.2%,霾日预报成功率为73.7%~72.7%.分析表明,研究期间上海的气溶胶以细颗粒物为主,低能见度主要由导致霾现象的PM2.5引起.该方法能较准确地预报霾日的发生,可为我国城市大气环境业务预报提供参考依据.     

郑州市冬季大气PM2.5传输路径和潜在源分析

针对郑州市2017年12月~2018年2月的冬季气象数据和大气污染物质量浓度在线监测数据,分析了气象条件对颗粒物浓度的影响.通过混合型单粒子拉格朗日综合轨迹(HYSPLIT)方法模拟了郑州市冬季48 h的气流后向轨迹,同时进行了聚类分析,并使用潜在源贡献因子(PSCF)方法和浓度权重轨迹(CWT)方法分析了郑州市冬季PM_(2.5)的潜在污染来源和不同潜在源区对郑州市大气PM_(2.5)浓度的贡献.结果表明,低风速、高湿度和较少的降水是造成颗粒物污染严重的重要气象因素;超过60%的后向轨迹来自西北方向,其次是来自京津地区的轨迹占比为25.6%,而来自南边和东边的轨迹只占7.5%和6.1%,但对应着较高的PM_(2.5)浓度;郑州市冬季PM_(2.5)的潜在源区主要是北部的京津冀传输通道城市,包括焦作、开封、新乡、鹤壁、濮阳、安阳、邯郸和邢台,此外,相邻省份包括山西省、湖北省和安徽省部分区域对郑州市大气PM_(2.5)污染水平也有着较大的影响和贡献.     

重庆市冬季PM_(2.5)及气态污染物的分布特征与来源

利用重庆市大气污染物监测站2013年冬季(2013年11月—2014年1月)的实测数据,分析PM2.5及相关气态污染物(SO2、NO2、O3)的时空特征,并采用轨迹聚类与PSCF(潜在源贡献因子)分析污染物来源.结果表明:除ρ(O3)以外,其他3种污染物质量浓度的月际变化趋势基本一致,均呈12月升高、1月降低的特征;污染物空间分布不均,其中ρ(PM2.5)和ρ(NO2)在工业区和人口密集区较高,ρ(SO2)南高北低,ρ(O3)城区低于郊区.ρ(SO2)、ρ(NO2)与ρ(PM2.5)均呈显著正相关,其中ρ(SO2)与ρ(PM2.5)的R(相关系数)在城、郊区分别为0.71、0.65,ρ(NO2)与ρ(PM2.5)在城、效区的R分别为0.73、0.56;而ρ(O3)与ρ(PM2.5)未表现出显著相关.ρ(SO2)、ρ(NO2)与ρ(PM2.5)的相关性高低可在一定程度上说明二次气溶胶的污染程度,ρ(O3)与ρ(PM2.5)的相关性受到PM2.5来源和污染程度的影响.轨迹分析结果显示,重庆市2013年冬季主要受东北方向气流影响;聚类分析表明,重庆市11月没有表现出明显的PM2.5外来输送特征,但12月和1月的PM2.5外来输送特征明显,并且不同方向的气流污染物浓度差异也较大.PSCF分析发现,重庆市冬季PM2.5、SO2、NO2、O3主要来源于本地和周围城市局地传输,同时还受南宁、贵阳、遵义、达州等地的影响.     

南京冬季一次重霾污染事件PM2.5区域传输收支分析

利用WRF-Chem模式对2015年12月21—23日南京一次重霾污染过程进行模拟.基于合理的模拟评估,采用大气传输通量计算法,着重分析了此次霾污染过程中模拟的南京地区PM_(2.5)的传输收支特征,以及周边地区大气污染物传输对南京市PM_(2.5)变化的贡献.结果表明,此次霾污染过程中,本地源与外来源区域传输共同影响着南京市的空气质量.PM_(2.5)的跨区域传输是此次重霾污染发生和消亡的重要因素.在霾污染事件的形成维持阶段,南京地区是作为周边地区PM_(2.5)的接收区,大气污染物主要由南京的西边界输入,大气污染物的外源输入是南京PM_(2.5)污染的主要贡献来源,占南京PM_(2.5)污染的84%.在霾污染事件的消亡阶段,南京地区则是作为周边地区PM_(2.5)的源,大气污染物主要由南京的东边界持续向外输出.     

基于高分辨率在线观测数据分析上海市城区秋冬季大气有机气溶胶化学特征及污染来源

有机气溶胶(OA)不仅是大气细颗粒物(PM_2.5)的重要组成部分,其与臭氧(O₃)污染也密切相关.采用气溶胶在线热脱附(TAG)系统对上海市城区秋冬季大气PM_2.5中94种有机分子示踪物浓度进行了在线观测,分析了不同气流轨迹影响下有机气溶胶的组成分布特征以及大气氧化性对其生成的影响.结果表明,本地气团影响下的OA组成以饱和脂肪酸、不饱和脂肪酸和正构烷烃等指示一次来源的有机分子示踪物为主,偏北长距离输送影响下的OA则含有较高比例的生物质燃烧示踪物.与本地气团和长距离输送气团不同,海面气团携带的OA主要由二羧酸和羟基羧酸类指示二次来源的有机分子示踪物构成,其生成受光化学和液相氧化过程影响显著.进一步运用正定矩阵因子分解法(PMF)对PM_2.5和OA污染来源进行解析,获得7类一次排放源和5类二次生成源,其中,二次硝酸盐对PM_2.5浓度贡献率最为突出(25.2%),移动源则对OA浓度贡献率最高(24.0%).污染过程中,燃煤源、移动源和餐饮源等人为源及其相关的二次生成源(二次硝酸盐、二...     

2015年12月北京市空气重污染过程分析及污染源排放变化

2015年12月,北京市及周边地区连续多次出现重污染天气.在此期间,北京市空气重污染应急指挥部两次发布红色预警.为厘清该月重污染的发生过程、生消变化,测算了应急措施下的污染源排放变化情况,并采用数值模拟和地面观测相结合的分析方法,对重污染的形成原因进行初步分析,同时对应急措施的环境效果进行评估.结果表明:1虽然2015年12月北京市主要大气污染物排放量较去年同期有所下降,但排放强度仍然较大,是重污染过程的内因;气象扩散条件不利是重要的外因,地面风速弱,大气稳定度高,相对湿度高,边界层高度降低,源排放及气象因素共同导致了此轮重污染过程.2红色预警应急措施可实现污染物日排放强度减少36%左右,PM_2.5浓度下降11%~21%,预警的应急措施不能扭转重污染的态势,但对于缓解PM_2.5污染加重趋势有明显的效果.3在重污染天气下,污染物仍在大气中累积,应急措施最明显的效果发生在实施后的48~72 h后,因此建议在PM_2.5浓度快速上升前36~48 h实施减排措施,从而对空气质量预报准确性提出更高的要求.     

上海秋冬季PM2.5污染天气形势的客观分型研究

通过分析2013—2015年上海地面PM_(2.5)质量浓度观测资料,发现11、12、1月3个月对PM_(2.5)年总浓度的贡献达到36.4%,对总污染日数的贡献达到50.4%,对PM_(2.5)环境质量的影响最显著.采用T-mode斜交旋转分解方法(PCT),对2012—2015每年11月、12月和次年1月的海平面气压场和10 m风场进行大样本客观分型研究,揭示了4种秋冬季上海PM_(2.5)易污染的天气环流类型,分别为冷锋(Cw)、高压后部弱气压场(WGh)、高压前部弱气压场(WGl和WGf).对上海而言,冷锋、高后弱气压、高前弱气压分别表现为有利于上游污染输送、本地静稳累积、以及本地积累和上游输送相叠加的天气学特征.对比2个典型污染月(2013年1月和12月)和清洁月(2014年11月和2015年11月)的逐日分型结果发现,Cw环流控制下污染输送对秋冬季上海PM_(2.5)环境质量影响显著,高前弱气压的维持是导致上海3次连续重度污染的重要原因.     

2019年元旦前后石家庄市重污染过程PM2.5污染特征及来源解析

2018年12月30日至2019年1月15日石家庄市发生了连续的灰霾天气,出现12个重污染天,首要污染物均为PM_2.5.本文从污染演变、时空分布、组分分析、污染来源和气象因素等多方面展开分析探讨污染成因.结果表明,PM_2.5主要成分为二次无机离子（65.4%）,主要来源为燃煤（24.4%）和工业工艺源（23.7%）.随污染加剧SO₄^2-占比和二次无机源贡献均大幅增加.先后受来自偏南-东南和偏西-西南方向低空气团及特殊地形、静稳高湿、近地逆温等不利气象条件影响,燃煤、工业和机动车尾气等一次源产生的污染物在太行山前快速积累,气态污染物二次转化和颗粒物吸湿增长推高PM_2.5,硫酸盐暴发式增长加剧污染发生.建议重污染应急响应期间在确保各项减排措施落实到位情况下,加强二次无机组分前体物SO₂、NO_x及NH₃排放源的管控,并重点关注SO₂排放源（散煤等）,同时加强市区东北方向新乐、无极、深泽、晋州和行唐区县大气排放源管理,减少局地传输影响.     

京津冀重霾期间PM_(2.5)来源数值模拟研究

厘清PM2.5的来源是开展重霾污染防治的前提条件.本研究利用嵌套网格空气质量预报模式系统(NAQPMS)及其耦合的污染来源追踪技术,针对2013年1月我国中东部的重霾污染过程,定量模拟分析京津冀各城市PM2.5浓度的来源和相互贡献.研究结果表明,NAQPMS模式能够合理反映京津冀不同城市PM2.5浓度的变化特征.京津冀各城市近地面PM2.5浓度主要受本地排放影响,本地贡献率介于29.8%~63.7%.而800 m高空层各城市PM2.5浓度以外来贡献为主(69.3%~86.3%).在污染最严重的东南部地区(包括邢台、邯郸、沧州和衡水),PM2.5浓度受区域外的山东和河南的显著影响,贡献率可达25.2%~31.5%.因此,在京津冀区域内进行协同减排控制的同时,需进一步将山东、河南等省份纳入联防联控范围,才能有效防控重霾污染.     

中山市旱季霾特征及数值模拟分析

利用观测数据、Hysplit后向轨迹模式以及WRF-CMAQ模式对中山市旱季霾特征进行模拟分析.中山市霾污染的天气形势以大陆高压型为主.当相对湿度在71%~90%时,气溶胶浓度和能见度的负相关性最显著,且当能见度减小到5 km以下时,PM_(2.5)浓度的大幅减小才能使能见度略有好转.最有可能引起中山发生霾天气的两条污染带,一条是沿中山至湖南南部,另一条是沿中山到粤东地区.WRF-CMAQ模式能较好地模拟出2014年1月份中山PM_(2.5)浓度、能见度的变化趋势以及广东省区域内灰霾的污染过程.在气溶胶质量权重及消光贡献中,硫酸盐的比重最高,在高相对湿度下,二次气溶胶的消光权重超过80%.通过中山PM_(2.5)过程分析发现,在霾过程,无冷空气时PM_(2.5)主要来自气溶胶反应、排放源和水平平流,贡献率分别为35%、15%和10%,有冷空气时水平平流的贡献最大,达37%;在清洁过程,无冷空气时气溶胶主要靠水平平流和干沉降清除,贡献率分别为-39%和-14%,有冷空气时清除以水平平流和垂直对流、扩散为主,贡献率分别为-29%和-25%,说明不同天气条件下霾的污染和清洁机制有着明显差别.