保定市PM2.5和臭氧污染特征分析

为深入了解保定市空气质量状况,揭示PM_2.5与臭氧(O₃)的变化特征及相互关系,利用小波分析法对保定市2013—2020年每年4—9月AQI、PM_2.5、O₃-8 h (O₃日最大8 h滑动平均值)和NO₂浓度的逐日数据进行分析. 结果表明:①2013—2018年保定市O₃污染呈逐年加重趋势,最大日浓度达到347 μg/m3;随着治理措施的颁布与实施,PM_2.5超标天数由2013年的97 d减至2020年的1 d,PM_2.5超标情况逐年改善. ②O₃超标天数由2013年的3 d增至2018年的95 d,2020年减至61 d;O₃超标天数占PM_2.5和O₃超标总天数的比例从2013年的3%增至2020年的98%,说明O₃逐渐成为影响保定市空气质量的主要污染物. ③2013年保定市O₃-8 h浓度低于“2+26”城市均值,2014—2020年O₃-8 h浓度高于或接近“2+26”城市均值,说明近年来保定市O₃-8 h浓度的升幅已超过“2+26”城市的平均水平. ④小波分析发现,2013—2020年(除2015年和2018年外)AQI与PM_2.5污染序列的第1主周期相近,从2017年开始,AQI与O₃-8 h污染序列的第1主周期和第2主周期均一致,说明近年来保定市空气污染逐渐由PM_2.5污染转为PM_2.5与O₃复合污染. ⑤在同一时间尺度范围内,PM_2.5与O₃-8 h污染序列的震荡频率基本一致,说明二者存在较明显的正相关关系;2015—2019年,NO₂与O₃-8 h污染序列的震荡频率趋于一致,说明保定市O₃-8 h浓度受前体物NO₂影响较大,2020年震荡频率有较大差异,这可能与新冠肺炎疫情复工后生产规模尚未完全恢复,致使NO₂、PM_2.5等污染物排放强度同比降低有关. 因此,减少NO₂排放,协同控制多污染物是实现保定市空气质量改善的主要途径.      

2018—2021年京津冀及周边地区“2+26”城市PM2.5与O3污染特征及气象影响

为了解《打赢蓝天保卫战三年行动计划》期间(2018—2020年)以及之后(2021年)我国重点污染区域空气质量情况,并区分排放源控制与气象条件的贡献,本文利用逐小时监测的PM_2.5、O₃浓度以及气象要素数据,研究了2018—2021年京津冀及周边地区“2+26”城市PM_2.5与O₃污染特征,结合KZ (Kolmogorove Zurbenko)滤波方法定量分析了排放源与气象条件对PM_2.5与O₃浓度长期趋势的贡献. 结果表明:①2018—2021年“2+26”城市PM_2.5浓度年均值与O₃-8 h-90th浓度(O₃日最大8 h平均浓度的第90百分位数)均呈逐年下降趋势. 2018—2021年PM_2.5浓度年均值分别为60、57、51和45 μg/m3,河北省南部、河南省与山东省南部PM_2.5浓度年均值均较高;O₃-8 h-90th浓度分别为198、195、179和171 μg/m3,2018年保定市、石家庄市、聊城市与晋城市的O₃-8 h-90th浓度(>210 μg/m3)均较高,而2021年太原市O₃-8 h-90th浓度(192 μg/m3)较高. ②PM_2.5与O₃-8 h浓度(O₃日最大8 h平均浓度)的长期分量在大部分城市受气象条件影响较为明显. 受气象条件影响的PM_2.5浓度长期分量在2018—2020年无明显趋势,在2021年呈下降趋势;受排放源影响的PM_2.5浓度长期分量在2018—2020年呈下降趋势,在2021年无明显趋势. 受气象条件影响的O₃-8 h浓度长期分量在2018—2020年呈下降趋势,在2021年呈上升趋势;受排放源影响的O₃-8 h浓度长期分量在2018年呈下降趋势,在2019—2021年无明显趋势. ③11个气象因子中,温度和相对湿度对PM_2.5与O₃-8 h浓度变化的影响较大,当温度与相对湿度均比前一天升高时,更有利于PM_2.5与O₃-8 h浓度的同时升高. 研究显示,“2+26”城市PM_2.5与O₃污染受气象条件影响显著,温度与相对湿度的变化对判定PM_2.5与O₃-8 h浓度同时升高的现象有一定积极意义.      

疫情期间“2+26”城市污染减排成效评估

为评估“2+26”城市在疫情期间的减排效果,基于NAQPMS模式和情景模拟的方法,分析了2020年1~3月及疫情前后空气质量特征,对气象、重污染应急减排措施及社会经济活动对空气质量的影响和研究的不确定性进行了分析讨论.结果表明,2020年1~3月,“2+26”城市空气质量级别优良率为59.6%,同比上升10.9%;PM₁₀、PM_2.5、SO₂、NO₂、O₃-8h-90per和CO-95per平均浓度分别为108,76,14,36,109μg/m³和2.3mg/m³.疫情期间（1月24日~3月31日） PM₁₀、NO₂、PM_2.5和CO浓度比疫情前期（1月1~23日）同比降幅明显.气象条件造成沿燕山和太行山城市PM_2.5浓度约上升1%~8%.重污染减排促使区域性污染过程减少了2次,“2+26”城市PM_2.5季度均值降低约6~26 μg/m³.受春节和疫情综合影响,机动车排放量大幅下降,但焦化、火电等重点行业实际污染排放量变化不大,散煤燃烧对空气质量的负面影响增加.     

2015～2021年京津冀及周边地区PM2.5和臭氧复合污染时空特征分析

为了解京津冀及周边地区“2+26”城市PM_2.5和O₃复合污染时空分布特征,利用ArcGIS和SPSS软件对2015～2021年京津冀及周边地区“2+26”城市空气质量数据和气象数据进行关联性分析.结果表明：(1) 2015～2021年PM_2.5污染持续减缓,污染集中在区域中南部;O₃污染呈波动上升趋势,空间分布呈现“西南低,东北高”的格局.季节变化来看,PM_2.5浓度主要为：冬季>春季≈秋季>夏季,O₃-8h浓度为：夏季>春季>秋季>冬季.(2)“2+26”城市PM_2.5超标天数持续下降,O₃超标天数波动上升,复合污染日下降趋势显著;PM_2.5和O₃污染在夏季呈强正相关,相关系数最高达0.52,冬季呈强负相关.(3)对比典型城市臭氧污染时期与复合污染时期气象条件,复合污染发生的温度区间集中在23.7～26.5℃、湿度48%～65%和S～S...     

京津冀及周边地区“2+26”城市空气质量特征及其影响因素

京津冀及周边地区“2+26”城市为京津冀大气污染传输通道城市,也是我国空气污染最严重的区域之一.针对京津冀及周边地区“2+26”城市,利用中国环境监测总站公布的PM_2.5、PM₁₀、SO₂、NO₂、O₃和CO数据,对2013—2019年京津冀及周边地区“2+26”城市大气污染特征进行分析,并探讨影响其空气质量变化的因素.研究表明:①2013—2019年京津冀及周边地区“2+26”城市空气质量总体向好,2019年ρ（PM_2.5）、ρ（PM₁₀）、ρ（SO₂）、ρ（CO）和ρ（NO₂）比2013年分别下降了50%、41%、79%、49%和20%,ρ（O₃-8 h-90per）（臭氧日最大8 h平均值第90百分位数）比2013年升高了21%.②2013—2019年京津冀及周边地区“2+26”城市重污染天数持续减少,2019年比2013年下降67%,严重污染天数下降尤为明显,降幅达90%.优良天数比例虽然增加,但2016年以后基本稳定在50%左右,没有持续增加的趋势.③ρ（PM₁₀）、ρ（SO₂）、ρ（NO₂）和ρ（CO）的最大值均出现在1月,ρ（O₃-8 h）（臭氧日最大8 h平均值）的最大值出现在6月.ρ（PM_2.5）越高,PM_2.5/PM₁₀和SO₂/NO₂越大,表明二次污染源和燃煤源的贡献越大.④就空间分布而言,ρ（PM_2.5）和ρ（PM₁₀）高值区主要集中在区域中南部太行山脉山前的平原地区,低值区主要集中在区域北部.⑤地理位置、气象条件、产业结构、能耗消耗以及减排政策是影响2013—2019年京津冀及周边地区“2+26”城市空气质量变化的重要因素.研究显示,随着大气污染防治减排措施实施的力度逐渐加大,政策影响已成为京津冀及周边地区“2+26”城市空气质量持续改善的最重要手段.      

山东省AQI、颗粒物和臭氧时空演化特征及关键影响因素识别分析

山东省空气质量存在明显的时空差异,并受气象和社会经济因子等的综合影响.为了解山东省空气质量指数(AQI)以及颗粒物和臭氧(O₃)浓度等时空演化特征,探究颗粒物与O₃浓度之间的协同关系,基于山东省16个地级市2013年12月—2021年12月的AQI和空气污染物(SO₂、NO₂、CO、O₃、PM_2.5和PM₁₀)浓度数据与同期的气象数据、工业及生活污染物(氨氮、SO₂、氮氧化物和烟尘、粉尘等)排放量和社会经济数据,运用R语言和ArcGIS对各地区AQI与PM_2.5和O₃浓度等的时间和空间变化特征及关键影响因素识别分析.结果表明：(1)山东省AQI和空气污染物浓度具有明显的月际、季节和年际变化特征以及地区性差异.鲁东地区各季节空气质量明显优于鲁西地区,呈现由东向西空气污染愈加严重的趋势. PM_2.5浓度呈鲁西地区最高,鲁中、鲁南和鲁北地区次之,鲁东地区...     

京津冀地区NOx和VOCs协同减排成本及减排策略研究

京津冀地区细颗粒物(PM_2.5)浓度改善速度放缓,而臭氧(O₃)污染不断加剧,PM_2.5和O₃的协同控制对于京津冀地区空气质量持续改善十分关键且紧迫. 通过构建京津冀地区城市层面可计算一般均衡模型(CGE),模拟了PM_2.5和O₃的共同前体物—NO_x和VOCs的边际减排成本曲线,进而构建了京津冀地区PM_2.5和O₃协同控制评估模型,确定了在不同空气质量目标下减排成本最小的NO_x和VOCs协同减排方案. 结果表明:减排成本最小的情景下,京津冀各城市PM_2.5和O₃浓度达到《环境空气质量标准》(GB 3095—2012)二级标准限值时;NO_x和VOCs的排放量需较2017年分别降低25%~67%和22%~60%,需要投入的总减排成本为992.9×108元. 研究显示,基于京津冀地区城市政策仿真平台构建的PM_2.5和O₃协同控制评估模型,可为京津冀地区PM_2.5和O₃协同控制方案的制定提供参考.      

对首要污染物所揭示的京津冀环境空气质量状况的认识启迪与对策建议

利用中国环境监测总站发布的实时大气环境监测资料,选择京津冀地区8个城市（北京市、天津市、石家庄市、保定市、唐山市、邢台市、邯郸市和秦皇岛市）57个站点为研究对象,对2015年该地区AQI（环境空气质量指数）及其首要污染物日报和实时报特征进行综合分析与评估.结果表明:①京津冀地区8个城市空气质量等级日报的首要污染物主要是PM_2.5,其中邯郸市以PM_2.5为首要污染物日数占比（即出现日数占全年总天数的比例）最高,为90%;北京市最小,为50%;其余城市在70%左右.以O₃为首要污染物日数占比较高的是北京市和保定市,超过20%;秦皇岛市最小,为2.8%.以NO₂为首要污染物日数占比较高的是秦皇岛市,为10.6%.②京津冀地区8个城市AQI实时报中以O₃为首要污染物的情况最多不超过10%,几乎没有以NO₂为首要污染物的情况;但在AQI日报中,以O₃为首要污染物的日数占比最高的可达26%,以NO₂为首要污染物的日数占比高达11%.③以2015年北京市奥体中心站点为例,当AQI日报仅以NO₂为首要污染物时（23 d）,空气质量等级日报均为良的情况主要发生在1-3月和10-12月;然而同期AQI实时报白天（08:00-16:00）空气质量等级均呈现优、良,而夜晚（16:00以后）ρ（PM_2.5）为中度和重度污染等级;当AQI日报仅以O₃为首要污染物时（55 d）,空气质量等级日报均为良的情况主要发生在4月和7-8月;同期,尽管AQI实时报中ρ（PM_2.5）日变化差异不明显,但ρ（PM_2.5）达到中度和重度污染等级的时段明显增多,且峰值多出现在10:00左右.④导致AQI日报和实时报结果差异的主要原因是在计算实时AQI时颗粒物质量浓度标准仅参考ρ（PM_2.5）和ρ（PM₁₀）24 h限值,这将会导致不确定性及滞后性.研究显示,在全国已有5 a长时间监测数据的基础上,有必要对AQI等内容开展深入研究,以加强对标准及其相关指南和规定的修改与完善工作.      

2019年上海市空气质量特征研究

为了解上海市主要大气污染物浓度水平及其变化规律,该研究依据上海市2019年1月1日-12月31日10个国控点SO₂、NO₂、PM₁₀、PM_2.5、CO和O₃逐时观测资料及对应空气质量指数(AQI),分析了上海地区大气污染的时间变化和空间分异特征。研究结果表明：(1)2019年上海市空气质量总体属Ⅱ级良,首要污染物为PM_2.5、O₃和NO₂。从时间上看,5月空气质量最差,9月空气质量最优。年均AQI呈现春季>冬季>夏季>秋季的特征;(2)从空间分布来看,位于市区的徐汇上师大和杨浦四漂监测站点受到传统工业的影响,空气质量较差,而浦东川沙、浦东张江监测站位于城市边缘,空气质量相对较优。作为清洁对照点的青浦淀山湖AQI值较高,大气质量相对较差,PM_2.5/PM₁₀值较高,表明青浦淀山湖大气环境主要受到细颗粒物的影响,其空气质量是其所属地理位置、湖泊性质和社会发...     

中国臭氧时空分异及热点城市群气象关联特征

基于2018～2020年臭氧的日最大8h滑动平均值(O₃-8h),采用空间自相关分析、暴露风险评估和多元线性回归等方法,研究了全国337个城市O₃的时空分异及其人口加权的暴露风险特征,识别了热点城市群并解析了热点城市群O₃的气象关联特征.结果表明:O₃具有显著的空间聚集特征,其中浓度高于160μg/m³(国家二级浓度限值,GB3095-2012)、超标率高于20%和人口加权暴露风险等级为高的区域主要集中在京津冀城市群(BTH-UA)、中原城市群(CP-UA)和长江三角州城市群(YRD-UA).其次,2018～2020年月均O₃-8h变化呈“M型”分布,各年最高值分别出现在6月、9月和5月,月均ρ(PM_2.5),ρ(NO₂),ρ(SO₂)和ρ(CO-95)均呈现“W型”分布,并且在12月和1月达到最高值,与O₃均呈现明显的负相关关系;月均ρ(PM_2.5     

2014~2016年京津冀沿山城市空气质量首要污染物特征分析

对北京、保定、石家庄、邢台和邯郸这5个京津冀太行山沿山城市2014~2016年空气质量首要污染物进行分析,探讨其空间分布特征和时间变化趋势.结果表明,北京首要污染物由主到次为PM_2.5、O₃-8h、NO₂和PM₁₀,其他4个城市首要污染物排序为PM_2.5、PM₁₀、O₃-8h、NO₂、SO₂和CO.在空间分布上,各城市PM_2.5首要污染物天数比例3 a均值相当（53.3%~58.1%）,但从北向南,5个城市PM₁₀天数比例基本呈上升趋势,而O₃-8h反之.除邯郸PM_2.5首要污染物天数比例逐年明显下降外,其他4个城市的天数比例年际变化幅度较小;2016年石家庄、邢台和邯郸O₃-8h天数比例均显著上升.各城市PM_2.5和O₃-8h首要污染物天数月变化曲线分别呈"W"型和"倒U"型,PM₁₀首要污染物天数在3~5月出现明显高值区.从良至严重污染,各城市PM_2.5和PM₁₀首要污染物天数比例之和随空气质量级别逐级递增,其中PM₁₀天数比例逐级下降,而PM_2.5表现相反;O₃-8h首要污染物天基本出现在良至中度污染级别,且总体上逐级下降;NO₂仅在良级天有较高的天数比例贡献.     

2014—2016年海口市空气质量概况及预报效果检验

本文主要基于CUACE模式在海口市的预报产品,结合2014年3月—2017年2月海口市AQI、PM_2.5、PM₁₀和O₃的实况资料进行预报效果检验.结果表明,①近3年海口市空气质量等级主要以优和良为主,但仍有少部分天数以PM₁₀、PM_2.5和O₃为首要污染物,分别占所有首要污染物天数的27.6%、29.5%和42.9%,其中O₃上升幅度较快.②CUACE模式能较好的模拟出AQI和3类污染物浓度的变化特征,其中PM_2.5的预报值与实测值最为接近,而PM₁₀和O₃普遍偏低.③日平均浓度的预报效果检验表明,PM_2.5的标准误差（RMSE）最小,AQI和PM₁₀次之,O₃最大.3个时次预报平均偏差（MB）和归一化偏差（MNB）均为负值,表明CUACE模式预报的污染要素浓度均偏低于实测值.④海口市空气质量为优等级时,TS评分最高;无首要污染物时,首要污染物预报的TS评分最高,但首要污染物为PM_2.5、PM₁₀或O₃时,TS评分均偏低.     

成都市大气水汽与空气质量关系的研究

为深入分析大气水汽对空气质量的影响,基于2016年成都温江国家气候观象台的气象观测资料和成都市环境监测中心的环境空气质量指数(AQI),首先利用地面气象要素估算出逐时的大气可降水量(PWV),继而结合空气质量指数资料研究了成都地区降水、静稳天气、太阳辐射强度等气象条件对空气质量及其与大气水汽关系的影响.结果表明:在降水条件下,臭氧(O_3)浓度随着PWV的增大而显著减小,PWV与PM_(2.5)、PM_(10)浓度的正相关系数减小,其中对PWV与PM_(10)浓度的相关性影响最大,相关系数减小47.62%.PWV与O_3的负相关系数在春季增大、夏季减小;PWV与PM_(2.5)的正相关系数在秋、冬季减小.当天气处于高静稳指数时,PWV变化对污染物浓度变化的影响更为显著.不同太阳辐射强度下,PWV与O_3的相关性也不同,随着太阳辐射增强,PWV与PM_(2.5)、PM_(10)的相关性从正相关转变为负相关.     

Spatial and temporal variation of particulate matter and gaseous pollutants in 26 cities in China

O3and PM2.5were introduced into the newly revised air quality standard system in February 2012, representing a milestone in the history of air pollution control, and China's urban air quality will be evaluated using six factors(SO2, NO2, O3, CO, PM2.5and PM10) from the beginning of 2013. To achieve the new air quality standard, it is extremely important to have a primary understanding of the current pollution status in various cities. The spatial and temporal variations of the air pollutants were investigated in 26 pilot cities in China from August 2011 to February 2012, just before the new standard was executed. Hourly averaged SO2, NO2and PM10were observed in 26 cities, and the pollutants O3, CO and PM2.5were measured in 15 of the 26 cities. The concentrations of SO2and CO were much higher in the cities in north China than those in the south. As for O3and NO2, however, there was no significant diference between northern and southern cities. Fine particles were found to account for a large proportion of airborne particles, with the ratio of PM2.5to PM10ranging from 55% to 77%. The concentrations of PM2.5(57.5 μg/m3) and PM10(91.2 μg/m3) were much higher than the values(PM2.5: 11.2 μg/m3; PM10 : 35.6 μg/m3) recommended by the World Health Organization. The attainment of the new urban air quality standard in the investigated cities is decreased by 20% in comparison with the older standard without considering O3, CO and PM2.5, suggesting a great challenge in urban air quality improvement, and more eforts will to be taken to control air pollution in China.     

山西省2015年细颗粒物的污染状况和空间分布

大气污染因其对人体健康、生态环境和气候变化的影响而成为全球关注的环境问题,细颗粒物（PM_2.5）是雾霾产生的主要原因之一。为全面掌握山西省细颗粒物的污染状况与空间分布格局,本文运用统计学方法和Arc GIS技术,根据环境空气质量评价技术规范,对2015年山西省57个空气质量指数监测站提供的PM_2.5实时数据进行处理分析。结果表明：山西省PM_2.5的浓度有明显的季节性变化特征,由高到低依次为冬、春、秋、夏;PM_2.5月平均浓度最高值分别出现在1月和12月,且高值中心都位于运城;在空间分布上则表现为南部高于北部。全省11个地市级城市有9个超过国家二级标准,超标指数达到72%。聚类分析结果表明：山西省城市可以分为两大类,一类为产业结构转型良好的城市,如阳泉、朔州、吕梁、大同;另一类为第二产业发展粗放,工业污染严重的区域。     

厦门市环境空气污染时空特征及其与气象因素相关分析

利用2014年3月—2015年2月厦门市18个监测站点实测数据,运用GIS技术、相关分析以及统计分析等方法,进行空气质量指数(AQI)及其污染因子的时空分析,结合厦门市土地利用分类专题图和主要重工业企业分布图进行厦门市环境空气质量状况污染源的分析.结果表明:厦门市首要污染物为PM10,其天数占全年的48%,PM2.5紧随其后占到36%;厦门市空气质量较好时间段主要集中在夏季,其中7月份是厦门市空气质量最好的月份,而厦门市秋冬两季的空气质量较差;AQI与温度相关系数达-0.813,具有极显著负相关性(p0.01),与气压相关系数达0.835,具有极显著正相关性(p0.01),而与风速和相对湿度气象因素相关性都不显著(p0.05);PM2.5、PM10、SO2、NO2、O3污染因子存在明显的空间分布差异,海沧区和集美区南部的空气污染比厦门其他地方明显更为严重;从土地利用图和主要重工业企业的分布图可以看出,污染最为严重的地区土地利用类型主要是建筑用地,而且这些地区还分布着许多钢铁厂和发电站.     

G20峰会期间杭州地区空气质量特征及气象条件分析

利用空气质量和气象要素的监测资料与再分析资料,分析了2016年G20峰会期间(2016年8月10日—9月20日)杭州及周边地区空气质量演变及区域特征,探讨了气象条件对G20峰会期间杭州空气质量的影响.结果表明:G20峰会管控期间,由于机动车排放大幅度降低,杭州NO_2浓度较管控前有所下降,对比周边城市降幅居于首位;而由于不利气象条件的影响,PM_(2.5)、PM_(10)、SO_2、CO和O_3浓度比管控前有不同程度的增长,但增幅相比周边城市较小,说明管控措施对杭州空气质量有一定的改善效果.9月7日管控措施结束后污染反弹现象明显.气象条件对杭州的空气质量有重要影响:在管控前,杭州晴热高温天气有利于O3的生成,偏东风相对洁净,污染传输较少;在管控期,杭州虽受到静稳天气和外来污染传输的影响,但得益于减排应急管控措施的有效实施,NO_2浓度下降幅度最大,其他污染物的增幅也较周边城市偏小;在管控后,气象条件不利于污染物的垂直扩散,受静稳天气和污染源恢复常态的影响,PM_(2.5)、PM_(10)、NO_2、SO_2和CO出现了整个研究时段的最大值,而台风"莫兰蒂"使得杭州PM_(2.5)、PM_(10)和O_3浓度出现了整个研究时段的最低值.     

Variability of PM2.5 and O3 concentrations and their driving forces over Chinese megacities during 2018-2020

Recently,air pollution especially?ne particulate matters (PM_2.5) and ozone (O₃) has become a severe issue in China.In this study,we?rst characterized the temporal trends of PM_2.5and O₃for Beijing,Guangzhou,Shanghai,and Wuhan respectively during 2018-2020.The annual mean PM_2.5has decreased by 7.82%-33.92%,while O₃concentration showed insigni?cant variations by-6.77%-4.65%during 2018-2020.The generalized additive models (GAMs) were ...     

重污染天气应对“绩效分级、差异化管控”措施首次实践效果后评估

为提高重污染天气应对的科学性和精准度,2019年7月生态环境部制定重污染天气应对“绩效分级、差异化管控”措施.为应对9月底至10月初的重污染过程,京津冀及周边共68个城市启动重污染预警,该措施得以首次实践.通过时间序列断点回归方法对该措施效果进行评估发现,空气质量改善存在滞后的现象,SO₂、 NO₂和CO这3个气态污染物改善速度较快,对涉及二次生成的O₃和PM_2.5两个污染物见效速度相对较慢. 10月1日恰逢在北京举办庆祝中华人民共和国成立70周年阅兵式,对10月1日当天进行评估,发现与假如不采取措施的情形相比,重污染应急措施使北京市PM_2.5、 NO₂和CO日均浓度显著下降,下降幅度分别为54.1%、 62.4%和25.8%.如果不采取重污染应急措施,北京10月1日上午可能出现中重度污染,但实际上空气质量保持在良的水平.区域启动预警的68城市PM_2.5、 PM₁₀、 NO₂、 SO     

兰州市高分辨率人为源排放清单建立及在WRF-Chem中应用评估

城市尺度高分辨率人为源大气污染物排放清单是城市空气质量预报预警、污染成因分析和减排措施制定的重要基础数据,目前我国西部地区城市尺度的人为源排放清单研究仍然相对薄弱,能对接于空气质量模式的排放清单更为缺乏.本文整合已发表的清单文献,建立了可对接于空气质量模式的2016年兰州市城市尺度的人为源清单模型（HEI-LZ16）,将之应用于WRF-Chem模式,评估HEI-LZ16的准确性和适用性.结果表明：兰州市2016年人为源排放的SO₂、NO_x、CO、NH₃、VOCs、PM₁₀、PM_2.5、BC和OC总量分别为25642、53998、319003、10475、35289、49250、19822、2476和1482 t·a^-1.在模拟时间内,HEI-LZ16相比于MEIC,O₃和PM_2.5的NME值分别减小了140.2%和28.8%,HEI-LZ16更加准确适用.分析了HEI-LZ16情景下模拟的PM_2.5和O₃时空分布,兰州市臭氧MDA8呈现冬春季城区低而郊区高,夏秋季河谷城区西部及其下风向地区高的分布特征,夏秋季高浓度区的分布受偏东风和光化学反应的共同影响,冬季城区O₃浓度受NO_x排放的抑制作用浓度反而降低.PM_2.5浓度的高值区主要集中在黄河河谷盆地,本研究表明沿白银—兰州黄河河谷盆地走向的西侧存在一个污染物传输通道,其对兰州市环境空气质量具有较大的影响.