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.     

2013-2015年上海市霾污染事件潜在源区贡献分析

统计分析2013-2015年上海市每个月不同空气质量等级天数比重,根据HYSPLIT（Hybrid Single Particle Lagrangian Integrated Trajectory）后向轨迹模型对3年内的12月份影响上海地区的污染气团进行了综合聚类分析和逐年聚类分析.在综合12次严重霾事件的后向轨迹基础上,结合上海实时公布的PM_2.5小时浓度资料,对潜在源贡献因子PSCF（Potential Source Contribution Function）和浓度权重轨迹CWT（Concentration-weighted Trajectory）进行分析与比较,研究重霾期间影响上海PM_2.5质量浓度的潜在源区及不同源区对PM_2.5质量浓度的贡献差异.结果显示,上海市3年期间12月份霾颗粒物外来源主要输送渠道为西北路径和北方路径,源自于西北方向的气团比重占总气团的50.4%,北方向的气团几乎都经过海洋后进入上海地区.影响上海地区PM_2.5质量浓度的潜在源区主要分布在安徽、江苏和山东地区,此外江西北部、浙江北部、河北南部及山西少部分地区也对重霾事件中的污染物颗粒有一定程度的贡献.     

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.     

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.     

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.     

秋冬季区域性大气污染过程对长三角北部典型城市的影响

本文基于空气质量及气象监测数据,运用层次聚类分析法、后向轨迹法、潜在源贡献分析等方法,选取长三角北部地区2018~2019年秋冬季的典型污染过程进行分析,并选取该区域代表性的城市（蚌埠）进行深入分析.结果表明,长三角北部地区大气污染受地面弱气压、高湿、低温和静小风等不利气象条件及传输的影响较大.长三角秋冬季区域性污染具有影响范围广和持续时间长等特征,污染类型主要为区域外传输型与区域内累积型.在EP1和EP2两次污染过程中,长三角北部城市PM_2.5浓度均值分别达到131.6 μg·m^-3和115.4 μg·m^-3,前者污染过程较短,但污染物浓度累积较快造成的污染强度大和范围广.利用PSCF和CWT对PM_2.5潜在源定性和定量分析表明,EP1过程PM_2.5由临沂、徐州、宿迁和连云港等污染轨迹密集区域传输到受体城市蚌埠,CWT值处于80以上,最高可达200以上,区域传输实际浓度值较高;EP2过程PM_2.5浓度受宿迁、宿州和徐州等区域内部邻近城市影响,CWT值处于60以上,最高达160以上,说明研究区域内城市间相互影响较大.因此,秋冬季重污染过程中的跨区域大气污染联动,对于缓解长三角北部区域污染程度尤为重要.     

中国三大城市群PM2.5浓度非线性变化分析

以三大城市群为研究区,基于PM_2.5浓度数据,利用ITA和Beast方法定量分析PM_2.5时间序列的非线性变化过程.结果表明：①三大城市群PM_2.5污染程度下降明显,高浓度区域明显缩小;PM_2.5浓度空间极化程度降低,空间差异缩小.大多数地区的PM_2.5浓度都具有下降的趋势,但变化程度并不相同.京津冀PM_2.5浓度相较于长三角和珠三角,仍处于较高水平.②三大城市群PM_2.5浓度具有冬春季高、夏秋季低的季节变化特征.冬季与夏季PM_2.5浓度差异明显, PM_2.5浓度在夏季的收敛性大于冬季.PM_2.5浓度高的区域下降趋势明显,但珠三角的PM_2.5浓度下降趋势相较于长三角和京津冀不明显.③三大城市群PM_2.5浓度时间序列均具有显著下降趋势,且京津冀>长三角>珠三角;PM_2.5浓度在冬季下降趋势最大.PM_2.5污染等级越高,下降趋势越明显.④京津冀PM_2.5浓度时间序列趋势分量具有两个突变点,季节分量中具有一个突变点;长三角PM_2.5浓度时间序列的趋势分量和季节分量均无突变点;珠三角PM_2.5浓度时间序列的季节分量无突变点,趋势分量具有一个突变点.结果可为区域空气污染治理相关工作的开展提供科学的参考.     

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.     

武汉地区2014年PM2.5时空分布与来源贡献的数值模拟研究

利用耦合了污染源在线追踪模块的化学传输模式NAQPMS （Nested Air Quality Prediction Model System）,结合地面细颗粒物（PM_2.5）的小时观测数据,模拟了2014年1、4、7、10月4个月份武汉地区PM_2.5浓度时空分布特征,量化了本地、武汉城市圈及远距离地区对武汉PM_2.5浓度贡献.研究发现,2014年武汉市PM_2.5年均浓度为85.3 μg·m^-3,污染天（PM_2.5日均值≥75 μg·m^-3）占全年总天数的47.9%.细颗粒物的月均值呈现出季节性特征,即冬季污染最为严峻,1月均值为199.1 μg·m^-3,PM_2.5浓度超标持续一整月;夏季空气质量最好,春秋介于两者之间.模拟的PM_2.5平均浓度在空间上大致呈现"城区高,郊区低"的分布态势.污染物区域来源解析发现,武汉市本地排放源贡献在1月最低,为34.1%,表明外来源贡献对长期灰霾的形成起决定性作用.7月本地源影响最显著（65.7%）,和毗邻城市源（23.1%）一起成为夏季污染物的主要来源.4月和10月本地排放贡献比分别为49.1%和42.1%.4个月份,武汉城市圈对该市PM_2.5浓度的贡献差异不大,范围在20.8%~24.1%.受大尺度天气系统的影响,远距离传输贡献率趋势与本地来源相反,占10.6%~35.3%.研究结果表明污染气团跨界输送对武汉不同季节PM_2.5浓度有重要贡献.在冬季大范围污染背景下,污染物区域大范围协同控制才能有效减缓武汉PM_2.5污染问题;而夏季对本地及近周边城市的减排措施可以有效改善武汉的空气质量.     

京津冀区域典型城市PM2.5污染特征及其成因研究

量化空气质量改善过程中气象条件和减排措施的相对贡献, 有助于科学评估减排措施的实施效果. 本文以2017—2019年京津冀区域13个城市PM_2.5质量浓度为研究对象, 采用主成分分析、系统聚类等方法客观确定各次区域的典型代表城市, 并基于环境气象评估指数（EMI）量化空气质量改善过程中气象条件和减排措施的相对贡献. 结果表明, 京津冀区域PM_2.5浓度整体呈南高北低特征, 高值区集中在河北省南部, 冬季区域PM_2.5浓度显著高于其他季节. 经旋转后的主成分分析可划分出2个主成分, 分别对应河北省中南部地区和京津冀北部地区. 系统聚类将京津冀区域分为3个次区域, 经相似性计算获得次区域典型代表城市为承德、唐山和邢台. 以2017年为基准年开展EMI评估, 结果显示2018年1月承德、唐山和邢台PM_2.5浓度下降, 减排和气象条件均有不同程度的贡献; 不利气象条件是2019年1月承德PM_2.5上涨的主要原因, 排放造成同期唐山PM_2.5浓度上升了52.8%,不利气象条件抵消了邢台减排的效果, 并造成其PM_2.5浓度小幅度增加. 京津冀区域各城市PM_2.5浓度的同步变化, 排放和气象条件对不同城市的贡献仍然存在很大差异, 在京津冀区域内划分次区域具有重要意义.     

2019年秋季海南省4次臭氧污染过程特征及潜在源区分析

基于2019年秋季海南省空气质量和气象监测数据,结合相关分析、HYSPLIT后向轨迹模型、PSCF （潜在源贡献因子）和CWT （浓度权重轨迹）等分析方法对海南省4次O₃污染过程特征及潜在源区进行深入分析.结果表明：①过程1和过程3分别发生在9月21~30日和11月3~11日,持续时间达到了10 d和9 d,ρ（O₃-8h）（最大8 h平均）分别为145.52 μg ·m^-3和143.55 μg ·m^-3.过程2和过程4出现在10月18~21日和11月20~25日,持续时间为4 d和6 d,ρ（O₃-8h）分别为130.79 μg ·m^-3和115.46 μg ·m^-3.②气压偏高,降水偏少,相对湿度偏低,日照时数偏长和太阳辐射偏强,是造成海南省出现O₃污染天气的有利气象条件.偏北风风场控制下有利于O₃-8h浓度上升,不同风速大小会影响海南省O₃-8h浓度高值区分布.③ O₃污染较为严重的过程1和过程3的影响气流发散度较大,有来自内陆地区和东南沿海地区两支气流,而O₃污染较轻的过程2和过程4的影响气流较为集中,多为东南沿海气流.④潜在贡献源区分析表明,浙江省、江西省、福建省和广东省等地是2019年秋季海南省O₃污染外源输送的主要源区,其中珠三角地区和广东省西部WPSCF值和WCWT值分别为大于0.36和大于90 μg ·m^-3.     

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.     

基于后向轨迹模式的豫南地区冬季PM2.5来源分布及传输分析

为研究2017年12月—2018年2月冬季不同来源区域对豫南地区ρ（PM_2.5）的贡献影响及污染特征,利用HYSPLIT-4后向轨迹模式模拟了豫南地区冬季24 h的气团后向轨迹,结合ρ（PM_2.5）在线监测数据进行了聚类分析,研究了以豫南地区为受点的各月份PM_2.5不同轨迹的输送特征,并使用潜在源贡献（PSCF）分析法和浓度权重轨迹（CWT）分析法识别了豫南地区冬季PM_2.5的潜在贡献源区及贡献大小.结果表明:①信阳市空气质量最好,其次为驻马店市,南阳市空气质量最差;南阳市、信阳市和驻马店市ρ（PM_2.5）分别超过GB 3095—2012《环境空气质量标准》二级标准限值（75 μg/m3）的1.5、1.2和1.2倍,ρ（PM_2.5）日变化均呈双峰特征.②后向轨迹聚类分析表明,豫南地区主要受到来自西北和东北方向长距离传输和正南方向较短距离输送的影响.③潜在源区分析表明,除豫南地区及周边市县本地污染贡献外,冀鲁豫交界区域、陕鄂交界区域、陕西省中西部、湖北省东北部和西部、河南省中北部、山东省南部是影响豫南地区ρ（PM_2.5）的主要潜在源区.研究显示,豫南地区PM_2.5污染过程除了与地形条件、本地污染源排放有关外,来自东北、西北传输通道城市的远距离输送和南部的近距离传输也不容忽视.      

成都市一次典型空气重污染过程特征及成因分析

为了研究成都市冬季空气重污染过程的成因,以2015年12月26日—2016年1月6日成都市一次典型重污染天气过程为例,基于HYSPLIT后向轨迹模式结合全球资料同化系统(Global Data Assimilation System,GDAS)气象数据和成都市7个监测站的AQI、PM_(2.5)、PM10、NO2质量浓度数据,使用气象分析、轨迹聚类(Cluster Analysis)、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),分析了此次过程的气象特征、轨迹输送特征和污染物潜在来源分布.结果表明,此次污染天气过程是以PM_(2.5)为主要污染物,其次为PM10、NO2.2015年12月30日14:00左右是此次污染天气过程各站点PM_(2.5)、PM10浓度到达峰值的时刻.缺少北方冷空气南下,四川盆地内空气水平运动弱,以及扩散条件差的静稳天气形势是导致此次大气污染过程成都市污染物累积的原因,而冷空气活动是改善这种天气形势的关键.污染过程辐射逆温层的形成对当时污染物浓度增长有促进作用,但随着每日生消、加强减弱,其并不是最终导致重污染天气形成的关键因素.川东北的广元、绵阳、德阳等地区和成都本地及其南向的眉山、雅安等地区是此次过程主要的潜在源区,这些地区人口较密集,工业较发达,且沿地形走向而分布.     

晋中盆地主要城市冬季PM2.5传输特征分析

对2017～2019年晋中盆地主要城市PM₁₀和PM_2.5逐时浓度资料进行了分析,给出了晋中市和太原市颗粒物浓度主要分布特征;此外利用PM_2.5逐时浓度资料,结合HYSPLIT后向轨迹模型,通过轨迹密度分析（TDA）、轨迹停留时间分析（RTA）和潜在源贡献因子分析（PSCF）,并对PM_2.5逐时浓度资料和对应时刻风向数据进行分析,探讨了晋中盆地主要城市冬季PM_2.5传输特征.结果表明,太原市颗粒物浓度整体水平高于晋中市,月、季变化特征类似,均呈现冬季高,夏季低的特征,最高值出现在1月.晋中市受静稳型天气形势引起的颗粒物污染较受沙尘型天气形势导致的颗粒物污染相较太原市更普遍一些;颗粒物的分布呈现出晋中市中间值较多,太原市高值偏多、低值偏少的特点,冬季为晋中盆地PM_2.5污染高发季节.晋中盆地主要城市冬季PM_2.5传输通道均可分为4类：第一类通道沿太行山横谷传输,第二类通道为偏东南方向传输通道,第一、二类均为近距离传输通道,气团会携带较多...     

华中地区黄冈市一次重度污染期间PM2.5中12种微量元素特征及来源解析

为了给华中地区大气污染防制提供数据和理论支持,于2018年1月13～24日的一次重度污染期间,利用颗粒物中流量采样器采集黄冈市大气PM_(2.5)样品48个,运用电感耦合等离子体质谱仪(ICP-MS)对样品中Li、 Be、 V、 Se、 Sr、 Mo、 Ag、 Ba、 Tl、 Th、 Bi和U这12种元素进行分析,基于正定矩阵因子分析法(PMF)对此次污染来源进行分析,并结合后向轨迹模式中的聚类分析法、潜在源分析法(PSCF)和浓度权重分析法(CWT)分析了黄冈市此次PM_(2.5)外来输送通道及潜在源分布情况.结果表明,此次污染内因是静稳高湿气象条件的出现,外因是污染的输入,总共有5种污染源,分别为燃料燃烧源(10.59%)、地壳源(24.22%)、工业源(3.16%)、燃煤源(47.57%)和交通源(14.45%).主要的气流轨迹类型有两种,短距离传输占比62.50%,长距离传输占37.50%.本次污染贡献较大的区域有湖北的中东部、湖南的东北部、安徽的西南部以及河南的南部等地,华中地区存在南北方向的传输通道.除了本地污染之外,区域传输的影响不容忽视,在秋冬季重污染应急响应期间,各地都需要控制好减排措施,联防联控是治理大气污染的关键.     

上海城区硝基芳香族化合物的化学组成及特征分析

为研究硝基芳香族化合物(NACs)在上海城区大气中的浓度水平、组成特征以及与气态前体物关系,采用大流量采样器采集了2020～2021年上海城区大气细颗粒物PM_2.5冬季39个和夏季46个样品,利用超高效液相色谱-静电场轨道阱高分辨质谱,对其中12个NACs物质进行了定量分析,结合后向轨迹、前体物及气象要素等相关性分析,并对其中含CHON类物质进行分子组成和分类分析.结果表明,冬季ρ(NACs)平均值(17.1 ng·m^-3)是夏季(5.7 ng·m^-3)的3倍,冬季气团主要来自于北方,夏季气团则主要来自于较清洁的东南部海洋.冬季NACs组成中含量最丰富的物种为4-硝基苯酚,夏季则为4-硝基苯酚(清洁天)和4-羟基-3-硝基苯甲酸(污染天),冬、夏两季均表现出昼高夜低的特点.单环和多环芳烃化合物识别和表征的芳环等值数(Xc)以及O/C和H/C值等特征的定性分析结果表明,上海城区冬、夏两季PM_2.5中CHON类化合物主要是芳香族化合物,且在PM_2.5污染天检测到的CHON类化合物的...     

川南自贡市大气颗粒物污染特征及传输路径与潜在源分析

川南自贡市大气颗粒物污染比较严重, 2015～2018年PM_(10)和PM_(2.5)平均浓度分别为(95.42±9.53)μg·m~(-3)和(65.95±6.98)μg·m~(-3),并有明显的下降趋势,冬季PM_(10)和PM_(2.5)浓度远高于其它季节, 1月平均浓度最高,分别为(138.08±52.29)μg·m~(-3)和(108.50±18.05)μg·m~(-3),夏季平均浓度最低.PM_(2.5)与PM_(10)的平均比值为69.12%,冬季比值约为夏季的1.17倍,空气污染以PM_(2.5)为主.采用拉格朗日混合单粒子轨迹模型(HYSPLIT)和全球资料同化系统的GDAS气象数据,对自贡市细颗粒物(PM_(2.5))浓度和逐日72 h后向轨迹进行计算和聚类研究,利用潜在源贡献分析法(PSCF)和浓度权重轨迹分析法(CWT),探讨不同季节影响自贡市PM_(2.5)浓度的潜在源区以及不同源区的污染贡献.结果表明,自贡市近地面四季多受东南风、偏西风和西北风控制,高浓度PM_(2.5)多出现在0～2 m·s~(-1)的低风速区;不同季节、不同输送路径对自贡PM_(2.5)污染影响的差异显著,春季主要受到来自偏西和偏北方向短距离输送气流的影响,夏季污染轨迹主要来自短距离输送的东南气流,秋季主要受来自资阳,经遂宁、重庆和内江的短距离输送气流的影响,冬季除受到资阳、遂宁和内江等周边城市的影响外,还受到来自西藏中部的远距离输送气流影响;除夏季外,自贡市潜在源区主要位于重庆西部与川南交界区域,冬季的主要贡献区范围最广、贡献程度最大,夏季潜在源区范围最小且贡献程度最弱.     

石家庄大气污染物输送通道及污染源区研究

为探索石家庄的区域输送规律,确定主要污染源区,利用HYSPLIT(Hybrid Single Particle Lagrangian Integrater Trajectory)后向轨迹模式和NCEP的GDAS全球气象要素数据,对2013—2016年从不同高度上抵达石家庄地区的逐日72 h气流后向轨迹进行聚类分析,并结合石家庄逐小时颗粒物污染物浓度数据,分析石家庄PM2.5的潜在源贡献因子(WPSCF)和浓度权重轨迹(WCWT).结果表明,(1)石家庄PM2.5浓度具有明显单峰谷日变化,秋冬季与春夏季峰谷值出现时间不同;(2)近地层大气污染输送路径以近距离,移速慢的轨迹为主,轨迹较短的路径所占比例在40%以上.除夏季外,近距离输送路径均存在螺旋转向,在后向48~36 h内轨迹端点到达河北省内,转为东向和南向输送.(3)大气污染输送通道的垂直分布特征表明,输送轨迹中低于500 m高度的轨迹点占28.7%,高于1000 m低于3000 m高度的轨迹点占36.1%,高于3000 m高度的轨迹点占25.3%.低层多以近距离输送为主,高度越高,近距离输送轨迹的频率越低.500 m高度输送通道仍以近距离输送为主,并存在螺旋转向,1500 m高度以上多远距离输送.(4)石家庄PM2.5的主要污染源区范围较小.途径河北中南部、河南北部、山东西部和山西中北部地区的轨迹对石家庄PM2.5的污染贡献最大.     

近3年西双版纳州勐腊县大气污染基本特征及污染原因分析

对西双版纳州生态环境局勐腊分局2017年8月-2020年8月逐日空气质量数据的分析表明,2-4月是勐腊县空气质量指数（Air Quality Index,AQI）频繁达到二级及以上的时段,空气质量分指数（Individual Air Quality Index,IAQI）能够达到二级及以上标准的污染物为PM_2.5、PM₁₀、O₃、SO₂中的一种或几种,PM_2.5、PM₁₀污染较为严重,PM_2.5对空气质量的影响最大,可使空气质量达到重度污染,混合污染出现比例远大于单一污染.2019、2020年3-4月勐腊县轻度及以上连续污染日数超过5 d的5次过程中,4次污染过程的主要潜在源区在勐腊上风方向老挝西北部及泰国与其相邻的区域,权重潜在源贡献因子（Weight Potential Source Contribution Function,WPSCF）大于0.6的区域与同年3、4月泰国西北部、老挝西北部的火点密集区有较好的对应关系,4次污染过程与老挝西北部及泰国与其相邻区域的生物质燃烧关系密切;1次污染过程的主要潜在源区主要在当地,当地建筑施工、交通运输、生物质燃烧和餐饮行业细颗粒物的排放会导致勐腊县空气质量出现明显下降.为验证勐腊县连续污染过程受到了周边国家烧荒的影响,利用逐日气溶胶光学厚度（Aerosol Optical Thickness,AOT）对2020年3月23-4月9日的污染过程进行了个例分析,发现AOT大值区位于勐腊上风方向,高浓度污染物持续稳定地向勐腊传输导致勐腊出现持续重污染.