WEPS模型下天津郊区风蚀尘对城区空气质量的影响

为了模拟天津市郊区地表风蚀起尘对城区空气质量影响,以美国风蚀预报系统(WEPS)为基础,并对其进行二次开发,本地化风文件、其他气象要素文件、土壤文件以及管理文件.循环计算每个起尘地块不同季节的蠕移质+跃移质平均损失量、悬移质平均损失量及PM10平均损失量.结果表明,2009年冬季,单位地块的起尘量与总起尘量均大于其他季节;冬季,指向中心城区蠕移+跃移量、悬浮量及PM10各区总起尘量较其他季节大.春季,总起尘量来自东方向最大;夏季,来自西方向最大;秋季,来自西方向最大;冬季,来自北方向最大.一年中,来自北方向的PM10最多,达9.67×104t,而冬季占81.7%.可见,位于城区北面的郊区尤其在冬季对城区空气质量的影响最大.     

中国机动车排放清单的建立

以中国2002年各省统计年鉴中关于机动车及道路信息的数据为基础,并根据COPERTⅢ模型计算出的2002年中国各省区各种机动车类型在城区、郊区和高速公路3种行驶工况下的排放因子,应用GIS技术建立了40km×40km的高空间分辨率的中国机动车排放源清单.结果表明,2002年中国机动车排放CO、NO_x、NMVOC和PM₁₀的排放总量分别为2 815×10⁴、305×10⁴、461×10⁴和111×10⁴t,主要来源于摩托车和汽油小客车的排放.污染物排放量的空间分布显示出其排放集中于经济发达地区,10.8%、2.2%、9.7%和5.3%的国土面积分别排放了84%的CO、55%的NMVOC、48%的NO_x和48%的颗粒物,并呈现出东部高于西部、沿海高于内地的趋势,其中长江三角洲、珠江三角洲和京津地区的排放相对较强.     

北京大气PM2.5载带金属浓度、来源及健康风险的城郊差异

为探究北京地区大气PM_2.5载带金属在城区和郊区污染特征、来源及其健康风险的差异,于2017年6~11月采集海淀和大兴两地的PM_2.5日样本,分析PM_2.5及其载带的13种金属浓度.利用PMF源解析方法对13种金属元素来源进行分析,并采用健康风险评价方法对其中9种金属的健康危害进行评估.结果表明,城区PM_2.5及Cr、Co、Mn和Ni等10种金属浓度与郊区均有显著差异（P<0.05）.源解析结果发现,城区和郊区均可解释为4个源,但来源略有不同,占比亦有差异.城区的为机动车源（51.2%）、燃煤来源（19.1%）、扬尘来源（19.3%）和燃油来源（10.4%）;郊区的为机动车源（47.9%）、燃煤来源（22.6%）、扬尘来源（20.2%）和电镀来源（9.3%）.健康风险评价结果表明,城郊各金属HQ值均小于1,均不存在非致癌风险.城区中Ni和Pb,郊区中Cd、Co、Ni和Pb可忽略致癌风险,而城区的As（2.77×10^-5）、Cd（2×10^-6）、Co（1.76×10^-6）和Cr（Ⅵ）（7.88×10^-6）,郊区的As（8.34×10^-6）和Cr（Ⅵ）（4.94×10^-6）的R值介于10^-6与10^-4之间,具有一定的致癌风险.     

成都城区PM2.5季节污染特征及来源解析

于2009—2010年各季节典型月在成都城区采集了大气PM_2.5样品,对PM_2.5的质量浓度及其主要化学成分(含碳组分、水溶性无机离子和元素)进行了测定. 结果显示:成都城区PM_2.5平均质量浓度高达(165.1±85.1)μg·m^-3,是国家环境空气质量标准年均PM_2.5限值的4.7倍. OC、EC和水溶性二次离子(SO₄^2-,NO₃^-和NH₄⁺)的平均浓度分别为(22.6±10.2)μg·m^-3,(9.0±5.4)μg·m^-3和(62.8±44.3)μg·m^-3,分别占PM_2.5浓度的13.7%、5.5%和38.0%. PM_2.5及其主要化学成分浓度季节特征明显,即秋冬季高于春夏季. 利用正交矩阵因子分析(PMF)对成都城区PM_2.5的来源进行解析,结果表明,土壤尘及扬尘、生物质燃烧、机动车源和二次硝酸盐/硫酸盐的贡献率分别为14.3%、28.0%、24.0%和31.3%. 就季节变化而言,生物质燃烧源贡献率在四个季节均维持在较高水平;土壤尘及扬尘的贡献率在春季显著提高;机动车源的贡献率在夏季中表现突出;而二次硝酸盐/硫酸盐的贡献率在秋冬季中则最为显著.     

北京市大气PM10和PM2.5中有机物的时空变化

2005年四季在北京市不同功能区9个采样点采集大气PM₁₀和PM_2.5样品,并对其中有机物污染水平、分布特征及不同功能区PM₁₀和PM_2.5中有机物的相关性进行了探讨.结果表明,市区PM₁₀和PM_2.5中有机物年均值分别为41.39 μg/m³和34.84 μg/m³,是对照区十三陵的1.44倍和1.26倍;冬季有机物污染最严重,分别为春季的1.15、 1.82倍,秋季的2.06、 2.26倍,夏季的4.53、 6.26倍.不同季节PM_2.5与PM₁₀中EOM的比值超过0.60, 并呈现一定季节差异.各功能区有机污染表现出工业区(商业区)＞居民区(交通区、对照区)的变化趋势,且不同功能区PM_2.5中EOM对PM₁₀中EOM的影响程度各异.有机组分的年均值有非烃＞沥青质＞芳烃＞饱和烃的变化规律,而污染源的季节性排放是造成有机物组分季节变化的主要原因.     

2013年1月邯郸市严重霾天气的污染特征分析

利用河北工程大学大气环境监测站点的PM₁₀、PM_2.5、SO₂和NO_x在线监测数据,并结合能见度、湿度数据,对邯郸市2012年12月1日到2013年1月31日的大气污染状况进行分析,特别是2013年1月持续发生的霾天气,以探讨严重霾污染的过程特征.结果表明,2013年1月,SO₂与NO_x的平均浓度分别为225.3 μg·m^-3和217.8 μg·m^-3,PM₁₀和PM_2.5的平均浓度分别为328.5 μg·m^-3和229.4 μg·m^-3,均超过新颁布的环境空气质量标准,是2012年12月平均浓度的1.4~3.5倍.重污染过程分析结果显示,污染峰值附近几天内PM₁₀、PM_2.5的时均浓度变化无明显规律.累积阶段的PM_2.5/PM₁₀在0.42~0.52之间,峰值前后上升并超过0.70,扩散阶段PM_2.5/PM₁₀降到0.70以下,且呈波动式变化.当PM_2.5/PM₁₀小于0.40时,能见度基本位于2~18 km之间;当PM_2.5/PM₁₀在0.40~0.60之间时,能见度在0.7~8 km之间;当PM_2.5/PM₁₀大于0.60时,能见度分布于2 km以下.     

兰溪市PM2.5中水溶性离子的组成特征及季节变化

为探索浙江省中部地区大气细颗粒物（PM_2.5）中水溶性离子的组成特征及其季节变化,采集了兰溪市市区和近郊两个站点2016年4个季节的PM_2.5样品,利用双通道离子色谱对水溶性无机离子（Cl^-、NO₃^-、SO₄^2-、Na⁺、NH₄⁺、K⁺、Ca²⁺、Mg²⁺）进行了定量分析.结果表明,兰溪PM_2.5中离子总浓度存在明显的冬季高、夏季低的季节变化趋势,年均值为21.19 μg·m^-3,约占PM_2.5质量的45%;SO₄^2-、NO₃^-和NH₄⁺是水溶性离子中最主要的组分,年均浓度分别为8.11、5.92、3.87 μg·m^-3.Cl^-和NO₃^-浓度的季节变化最为显著,冬/夏浓度比接近10,其半挥发特性是导致兰溪PM_2.5中离子组成呈现季节变化的重要原因.兰溪PM_2.5中NO₃^-/SO₄^2-比值的冬季平均值为1.18,说明流动源对兰溪PM_2.5有很大贡献;夏季（以及春、秋季）时NO₃^-/SO₄^2-比值较低,且与PM_2.5浓度呈负相关,与矿物尘结合的硝酸根离子的较大贡献可能是导致夏季PM_2.5浓度较低时NO₃^-/SO₄^2-比值较高的主要原因.阴阳离子平衡、相关性及主成分分析（PCA）结果表明,矿物尘对兰溪市PM_2.5的酸度及离子赋存状态有较大影响;冬季及春、秋季兰溪的PM_2.5具有一定的酸性;NO₃^-和SO₄^2-主要与NH₄⁺结合,但部分可能与钙等其他组分结合;Cl^-和K⁺主要来源于生物质燃烧,但K⁺的年均浓度仅为0.31 μg·m^-3,说明生物质燃烧对兰溪PM_2.5的贡献不大.     

烟花爆竹集中燃放的大气细颗粒物(PM2.5)成分图谱

烟花爆竹燃放是大气细颗粒物（PM_2.5）来源的途径之一.以泉州城区春节期间为例,研究烟花爆竹燃放对大气细颗粒物的影响,服务大气污染的特殊污染源管理.结果表明,烟花爆竹集中燃放时段,SO₂、PM₁₀和PM_2.5浓度明显升高,尤以PM_2.5的升高最为显著,城区PM_2.5日均浓度峰值约为年均值的4倍,涂山街点位PM_2.5小时浓度峰值约为城区年均值的21倍;燃放高峰期Al、Mg、Ba、Cu、Sr等烟花爆竹的特征元素占比迅速上升,Al⁺、Mg⁺、Ba⁺、Cu⁺间的小时数浓度高度相关;监测期间泉州城区细颗粒物主要污染源是烟花爆竹燃放和生物质燃烧,贡献占总颗粒物的一半以上,燃煤和工业工艺源的比例相对较低,均低于10.0%;集中燃放时段大气细颗粒物浓度高达0.578 mg·m^-3,此时的烟花源的贡献比例也提升到58.2%;污染过程分析表明PM_2.5浓度与烟花源的占比、数浓度的变化趋势具有趋同性.以上结果说明烟花爆竹的集中燃放是春节期间泉州大气环境恶化的主要原因.     

邯郸市大气颗粒物污染特征的监测研究

使用振荡天平颗粒物在线监测仪连续监测了邯郸市PM₁₀和PM_2.5浓度,分析了2012年7月31日—12月2日4个月内PM₁₀、PM_2.5的浓度水平、时变规律和PM_2.5/PM₁₀的变化情况.结果表明,监测时段内PM₁₀和PM_2.5的日均浓度平均值分别为208.4 μg·m^-3和99.1 μg·m^-3,是国家二级标准的1.4倍和1.3倍;浓度超标的天数占总观测天数的61.6%和60.0%,其污染程度与北京、天津相当,属污染较严重的地区.PM_2.5/PM₁₀在19.3%~89.8%之间周期性波动,平均值为49.4%,接近北方城市的平均水平.PM₁₀和PM_2.5的浓度变化具有很好的正相关性;日均值在4个月中呈现明显的周期性变化和月际波动,10、11月的PM₁₀和PM_2.5浓度变化剧烈且大大高于8、9月份.PM₁₀和PM_2.5浓度一天中小时均值的变化呈同步的双峰型分布,最高值出现在9:00和20:00左右,最低值出现在15:00~17:00之间.本研究系统分析了夏秋季节邯郸市大气颗粒物污染状况,以期为当地颗粒物污染的控制提供科学依据.     

可吸入颗粒物生物活性及其微观特征分析

采用质粒DNA评价法研究了2004年春季北京市区和郊区上甸子(本底区)PM₁₀的生物活性.结果表明,郊区上甸子2个PM₁₀的TD20值(引起20%质粒DNA损伤所需要的颗粒物剂量)分别为53μg·mL^-1和<50μg·mL^-1,市区2个PM₁₀的TD20值分别为125μg·mL^-1和100μg·mL^-1,说明郊区PM₁₀的生物活性明显高于市区.同时利用高分辨率场发射扫描电镜(FESEM)和图像分析技术,从PM₁₀微观特征上进行了生物活性差异的原因分析,认为其原因有:①上甸子PM₁₀中以细颗粒物为主,在0～0.7μm粒度范围内的细颗粒物的数量百分含量明显高于市区PM₁₀,而表面积则在0～1.0μm的范围内高于市区;②市区PM₁₀中以粒度较大的矿物颗粒物为主,而上甸子PM10则以生物活性较大的烟尘为主,数量百分含量高达58.8%.因此PM₁₀质量浓度并非评价可吸入颗粒物健康效应的唯一指标,颗粒物的粒度分布和类型可能在其生物活性中起重要作用.     

天津郊区土壤风蚀源PM10排放清单不确定性分析

运用课题组自主开发的空气颗粒物风蚀源排放清单构建模型软件（PMEI-WES）,估算2016年天津市郊区土壤风蚀源颗粒物排放清单.采用蒙特卡罗模拟,分析了主要气象参数和土壤参数输入不确定性对排放量的影响,量化排放清单的不确定性.结果表明：2016年天津市郊区土壤风蚀源PM₁₀排放总量为22025.1731t.风速是影响排放量的最主要参数,排放量随风速增加呈指数增长,土壤碳酸钙与排放量呈正相关关系,土壤有机质与排放量呈负相关关系.排放总量95%概率范围为（15237.7581t,37434.8873t）,不确定度为（-37.48%,53.60%）;90%概率范围排放量为（16111.8606t,36104.7554t）,不确定度为（-33.89%,48.14%）.各区排放量不确定度大小与风速误差大小最显著.土壤参数对不确定度极值的影响较大.     

京津冀燃煤工业和生活锅炉的技术分布与大气污染物排放特征

燃煤工业和生活锅炉(下称燃煤锅炉)是京津冀地区大气污染控制的重点,分析其污染物排放特征对燃煤锅炉的污染控制具有重要意义. 对京津冀地区燃煤锅炉的容量、锅炉种类、除尘方式、实际除尘效率等技术分布信息进行了统计,在此基础上建立了基于技术分布信息的2012年京津冀地区燃煤锅炉大气污染物排放清单,并分析了技术特征对燃煤锅炉大气污染物排放的影响. 结果表明:京津冀地区燃煤锅炉以10 t/h及以下的小容量锅炉为主,主要炉型为层燃炉,除尘方式以湿式除尘及多管旋风除尘为主;2012年京津冀地区燃煤锅炉的SO₂、NO_x、颗粒物、PM₁₀和PM_2.5排放量分别为90.81×104、30.88×104 、31.46×104、14.64×104和8.07×104 t,排放主要集中于10 t/h及以下和35 t/h以上的锅炉;天津、石家庄、保定、唐山是锅炉污染物排放量最大的城市;供热、食品、化工、造纸是燃煤锅炉排放最集中的行业. 京津冀地区不同城市锅炉的容量及行业分布差异明显,各城市对燃煤锅炉应因地制宜采取天然气替代、集中供热等措施,以控制燃煤锅炉的污染物排放.      

基于前体物多情景排放的兰州市2030年夏季臭氧预测

近年来,兰州市夏季臭氧污染问题日渐凸显,已成为影响当地环境空气质量达标的首要污染因子和制约环境空气质量持续改善的突出短板.解决臭氧污染问题需结合城市经济发展的实际情况定量评估前体物减排量并提出切实可行的减排对策,为环境管理的中长期规划提供科学依据.在2015年本地排放清单的基础上,通过情景分析法预测了兰州市2030年3种梯度城市发展与污染控制情景下臭氧的两类主要前体物氮氧化物（NO_x）和挥发性有机物（VOCs）的排放量,利用WRF-Chem模型对不同情景下的2030年夏季臭氧污染程度进行了数值模拟,分析了臭氧浓度与生成敏感性的时空变化情况,并提出了兰州市臭氧前体物的总量控制参考和针对不同行政区的减排对策建议.结果表明,3种不同的城市发展与污染控制情景下兰州市2030年NO_x排放量为4.57×10⁴～12.14×10⁴ t, VOCs排放量为5.30×10⁴～7.69×10⁴ t, NO_x排放可通过调整能源结构,加强末端治理和限制机动车...     

基于观测数据的石家庄交通干线附近臭氧光化学敏感性分析

为确定石家庄东部郊区交通干线附近O₃生成光化学敏感性,利用2019年1月1日—2020年10月31日在线观测的NO_x、NO_y和O₃等数据计算并分析了O₃生成效率(OPE)及O₃光化学敏感性的NO_x临界浓度.结果表明:1交通干线附近O₃光化学敏感性存在季节差异,春季主要受VOCs控制,整体OPE为2.6±0.3,夏、秋季节主要受NO_x与VOCs协同控制,整体OPE分别为5.3±0.4和5.1±0.8;2NO_x体积分数>11×10^-9时,O₃生成主要为VOCs控制;NO_x体积分数介于6×10^-9~11×10^-9时,O₃生成主要受VOCs与NO_x协同控制;NO_x体积分数<6×10^-9时,O₃生成主要为NO_x控制;3O₃生成敏感性存在日变化特征,10:00之前O₃生成主要受VOCs控制,10:00—11:00是O₃生成由VOCs控制转变为VOCs和NO_x协同控制的过渡时段,12:00之后O₃生成主要由VOCs和NO_x协同控制,且午后14:00—16:00之间NO_x对O₃控制比例凸显.因此,石家庄O₃治理不但要重视NO_x与VOCs排放源的协同管控,尤其午后还需要对NO_x排放源进行分时段精细化管控.     

珠江流域河流碳输出通量及变化特征

研究河流碳运移对于研究全球碳循环以及探讨河流对全球气候变化的响应机制具有重要意义.2012年4月和7月选取珠江主流及支流11个代表性断面,分析悬浮颗粒物和碳组分的空间分布和季节变化,同时选取博罗、石角和高要这3个主控断面,对珠江流域的碳通量和侵蚀模数进行了估算.结果表明,珠江流域悬浮颗粒物(TSS)、颗粒有机碳(POC)以及溶解有机碳(DOC)随雨季的到来而质量浓度升高,西江上游TSS和POC的质量浓度增加显著;珠江流域河流碳的4种组分中,溶解无机碳(DIC)的所占质量分数最高,且西江、北江的DIC质量浓度明显高于东江;西江、北江和东江河流中外源POC分别占78%、72%和26%,三大支流的POC均受上游C3植物的影响;珠江流域的TSS、总碳(TC)、POC、颗粒无机碳(PIC)、DOC、DIC、以及颗粒碳(TPC)、总有机碳(TOC)的入海通量分别为134×1012、12.69×1012、2.50×1012、1.01×1012、1.13×1012、8.05×1012、3.51×1012和3.65×1012g·a-1,对应的侵蚀模数分别为:309×106、28.98×106、5.75×106、2.27×106、2.56×106、18.4×106、8.02×106和8.31×106g·(km2.a)-1.与全球主要河流碳侵蚀模数相比,珠江流域河流DOC、POC和TOC的侵蚀模数均高于全球平均值.     

成都市道路移动源排放清单与空间分布特征

以成都市为例开展了路网、交通流、道路行驶工况和机动车保有量等数据的收集工作,运用自下而上的方法,基于实测校正和本地化的IVE模型计算了不同区域机动车在高速路、主干道、次干道和支路的排放因子,应用GIS技术建立了1 km×1 km的成都市高时空分辨率道路移动源排放清单.结果表明,2016年成都市道路移动源CO、VOCs、NO_x、SO_2、PM_(10)和NH_3排放量分别为4.2×10~5、4.5×10~4、7.2×10~4、0.4×10~3、1.1×10~4和6.2×10~3t.CO排放主要贡献车型为小型客车、中型客车和大型客车,VOCs排放主要源于小型客车和摩托车,NOx和SO2排放主要产生于小型客车和重型货车,PM10排放主要贡献车型为重型货车,NH3排放主要由小型客车贡献.污染物排放量空间分布呈现出由城市中心向卫星城市、远郊区递减趋势,中心城区和二圈层区域路网密集,排放呈片状分布,三圈层则呈带状分布.排放清单机动车技术分布数据可靠性较高,而交通流数据和排放因子存在一定不确定性.     

交通与气象因子对不同粒径大气颗粒物的影响机制研究

为了研究北京市气象因子与车流量、车速等交通因子对PM2.5、PM10浓度水平的影响,在市区三环主路及居民区选取了28个采样点,采集滞尘量,PM2.5、PM10浓度、车速、车流量、温度、湿度、风速等数据.通过3个月的滞尘质量分析,得出交通源对空气质量的影响是显著的,其中三环主道路两侧采样点和远离交通源对照点滞尘均值分别为0.284 g和0.016 g.再由道路口与居民区对比实验(局部实验)得出,居民区采样点测得的PM2.5和PM10浓度均低于道路口颗粒物浓度,差值均值分别为101 074 n·(cf)-1和15 386 n·(cf)-1,同时PM2.5白天浓度一般低于夜间.最后结合最佳子集预测模型分析得出,PM2.5和PM10受到湿度和温度的影响最大,车速、车流量、风速次之,其中车速、车流量、低风速对颗粒物PM2.5的影响比对PM10的影响更为显著.     

中国农业面源污染物排放量计算及中长期预测

利用第一次全国污染源普查数据,计算了我国内地31个省市自治区农业面源污染排放量,在此基础上,预测了2010—2030年农业面源污染情况.结果表明,2007年,我国农业面源污染的污染物总排放量为1057×104t,其中,COD排放量为825.9×104t,总氮为187.2×104t,总磷为21.6×104t,氨氮为22.4×104t.如果不加大对面源污染的治理力度,2020年前我国农业面源污染有加剧的趋势.在高排放情景下,2030年农业面源污染中COD排放量可能上升到1466.5×104t,面源污染需引起高度重视.目前,东部沿海地区是我国农业面源污染的主要排放区,但未来我国农业面源污染排放的空间分布可能趋于均衡.     

我国钢铁工业一次颗粒物排放量估算

针对我国钢铁工业生产工艺以及颗粒物控制技术的分类,建立了一个细化到排放节点的自下而上的颗粒物排放模型.结合我国钢铁工业各地区活动水平以及颗粒物控制技术分布的历史变化趋势分析,利用此模型计算了2006—2012年我国钢铁工业一次颗粒物的排放系数和排放量.模型计算结果显示,2006年以来,我国钢铁工业颗粒物控制水平不断提高,PM_(2.5)、PM_(2.5)~10和PM10的排放系数分别降低了21.2%、19.3%和19.0%.钢铁工业一次颗粒物排放量在2006—2011年间持续增长,2011年TSP排放量为602×104t,PM10排放量为200×104t,PM_(2.5)排放量为124×104t;2012年排放量出现下降,TSP排放量为561×104t,PM10排放量为187×104t,PM_(2.5)排放量为116×104t.2012年我国钢铁工业一次PM_(2.5)排放量中的有组织排放占39.5%,无组织排放占60.5%;除加严有组织源管控之外,减少颗粒物无组织排放,对于钢铁工业颗粒物排放控制也非常重要.我国钢铁工业颗粒物排放量分布不均衡,河北、山东、江苏、辽宁、山西5个省的排放超过全国总排放的50%.