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.     

基于CAMx的徐州市2016年冬季PM2.5污染过程及来源分析

徐州地处江苏西北部、华北平原的东南部,为内陆资源型工业城市,近几年来环境监测数据显示,徐州地区大气复合污染问题日益突出,准确模拟大气污染物状况及来源对于空气污染的防治十分关键.2016年1月,徐州市出现了多次持续的重污染天气,研究中以此次污染事件为例,首先基于WRF-CAMx空气质量模型系统对这次细颗粒物污染过程进行全面的模拟与分析,其次利用CAMx-PSAT系统模拟和分析本次污染的区域传输过程.研究结果显示：此次细颗粒物污染中,PM_2.5组成成分以硫酸盐、元素碳、硝酸盐和铵盐为主,分别占月平均浓度的29%、15%、14%、14%;PM_2.5的区域传输贡献中,长距离传输所占比重最大,月平均贡献率达46%,其次为本地源排放,平均贡献率为39%;重污染天气期间,PM_2.5污染主要从西北方向输入,此时长距离传输的影响明显增大.     

哈尔滨市供暖期PM2.5组分特征及来源解析

在哈尔滨市2014年1—3月的供暖期间对城区、郊区及周边农村地区的室内外PM_2.5样品进行了同时采集,分析了样品中碳质组分、水溶性离子及无机元素后,通过颗粒物热力学模型计算了颗粒物原位酸度,并通过基于标记的正矩阵分解（PMF）模型对室内外颗粒物的来源进行了表征.计算结果表明,3个地点室外PM_2.5原位酸度均低于室内,且室内外颗粒物原位酸度均为市区最高.PMF结果表明,哈尔滨市区、郊区及农村地区二次源对室外PM_2.5的贡献均排第3位.交通源对市区及郊区的贡献在16%~20%,对于农村地区则是最弱的影响因素.生物质燃烧是农村地区室内外PM_2.5的首要来源;燃煤和工业排放则是市区室内外PM_2.5的主要来源;工业排放是郊区室外PM_2.5的首要来源,与郊区的石化及金属工业有密切联系.因此,为提升哈尔滨市供暖期的空气质量,在进行农村散煤与生物质燃烧治理,推进农村地区清洁能源利用的同时,应多措并举注重城市交通状况改善和促进燃煤锅炉与工业超低排放技术的升级改造,促进区域协同治理.     

模拟研究咸阳市2016年秋冬季雾霾期间PM2.5来源

基于WRF-CHEM模式模拟研究2016年11月、12月关中地区两次大气重污染事件期间咸阳市本地排放对当地PM_2.5污染水平的贡献以及关中地区主要污染源排放对咸阳市PM_2.5质量浓度的贡献。模式合理地模拟了研究时段内关中地区PM_2.5质量浓度的时空变化特征,较好地再现了大气污染过程。敏感性试验结果表明：秋冬季重污染期间咸阳市本地排放对当地PM_2.5的贡献约为30%,外源输送的贡献高达50%—60%。在关中地区的主要污染源中,居民源是秋冬季咸阳市PM_2.5最主要的来源,在秋冬季的贡献分别为37.4%和60.6%;工业源和交通源对咸阳市秋季PM_2.5的贡献分别为22.1%和11.2%,冬季的贡献分别为15.6%和9.8%;电厂源对秋冬季咸阳市PM2.5的贡献约为2.0%。因此,在秋冬季大气重污染期间,应该主要通过控制居民源排放来减轻咸阳市PM_2.5污染。     

湖北咸宁细颗粒物PM2.5来源

为了解咸宁细颗粒物（PM_2.5）来源,对2019年在湖北咸宁两个环境受体点位采集的不同季节大气中PM_2.5样品中的主要成分和化学元素进行统计研究;通过颗粒物排放源采样建立本地特征源谱,用化学质量平衡（CMB）受体模型解析其来源;通过VOCs离线监测数据分析其中二次气溶胶（SOA）生成关键组分,并对关键组分进行来源解析.结果表明,咸宁市PM_2.5超标情况主要出现在冬季,PM_2.5中主要化学成分以水溶性无机盐和含碳组分为主;一次解析揭示硝酸盐、硫酸盐和铵盐等的二次转化对PM_2.5浓度的贡献最大,总贡献率在45%以上;二次解析揭示工业源、机动车源及电厂对PM_2.5浓度的贡献最大;VOCs对二次有机气溶胶贡献最高的组分为芳香烃,关键组分为苯、甲苯、间/对-二甲苯和乙基苯,对关键组分来源分析发现主要来源为溶剂使用.控制工业排放、机动车排放及调整能源结构是目前控制咸宁PM_2.5的主要途径,同时也要考虑控制溶剂排放的芳香烃.     

中原城市冬季两次重污染形成机制及来源

为揭示郑州市冬季空气污染过程及形成原因,选取郑纺机国控站点为采样点,探讨2019年12月郑州大气污染物浓度和主要气象参数特征,对比不同污染阶段PM_2.5水溶性离子、元素和碳质组分浓度变化,并利用空气质量模型模拟结果,分析采样期间污染源排放与区域传输对采样点PM_2.5质量浓度的贡献.结果表明,采样期间第一次和第二次重污染形成和消散过程略有差异,分别呈现出"缓慢累积、缓慢清除"和"缓慢积累、快速清除"的特征.第一次和第二次重污染时段NO₃^-、SO₄^2-和NH₄⁺质量浓度占PM_2.5比值达到41.5%和46.2%,OC/EC比值分别为4.0和4.5,二次气溶胶颗粒的大量生成是两次重污染形成的主要原因.采样期间本地、东部、南部、西部和北部区域对采样点PM_2.5浓度贡献占比均值分别为58.0%、2.4%、6.7%、6.9%和12.7%,第一次重污染是本地污染物排放和外来源区域传输共同作用的结果,期间西部和南部区域及外来工业源贡献占比有所升高;而第二次重污染则主要受到本地大气污染物累积的影响,期间交通源、扬尘源和燃煤源污染贡献骤增,外部区域对采样点PM_2.5浓度的影响有所减弱.     

2013年1月北京市PM2.5区域来源解析

2013年1月,北京地区经历了多次严重的灰霾天气,细颗粒物污染已成为北京地区所面临的重要问题.了解和掌握北京细颗粒物的污染来源,是解决细颗粒物污染的重要途径,也是制定防治政策的重要依据.通过建立三维空气质量模型系统,对2013年1月20~24日的污染过程进行模拟,并运用PSAT技术探究北京市细颗粒物污染的区域来源.结果表明,本地源排放是北京市PM2.5的主要来源,平均贡献率为34%;河北和天津的平均贡献率分别为26%和4%;京津冀周边地区及模拟边界外的贡献分别为12%和24%.在重污染日,区域传输对北京市PM2.5的影响显著增强,是北京PM2.5污染的主要来源.PM2.5中的硝酸盐主要来自北京市周边地区的贡献,而硫酸盐和二次有机气溶胶呈现远距离传输的特性,铵盐和其他组分则主要来自北京本地的贡献.     

荆州市大气污染物周边源影响域的气候模拟研究

以大气污染物协同控制与精准治理的需求为导向,开展湖北省荆州市大气污染物的来源分析.基于FLEXPART-WRF模式揭示了2008—2017年荆州市PM_2.5周边源"影响域"的季节气候特征,估算了大气污染物区域传输和局地排放的相对贡献,确定出不同季节的大气污染物主要传输通道.结果表明,荆州地区PM_2.5主要"影响域"为湖北、湖南、河南和安徽省.不同季节湖北省外源传输对荆州PM_2.5"影响域"的贡献率分别为春季50.4%、夏季33.9%、秋季42.6%、冬季43.0%和年均45.1%.春季3条区域传输通道分别为北通道（沿南阳盆地-荆州）、东通道（沿长江航道-荆州）以及南通道（沿雪峰山-荆州）;夏季主要为南通道;秋、冬季分别为北通道、东北通道（沿大别山低山丘陵-荆州）及东通道.针对荆州主要3类重污染天气型的典型个例"影响域"分析表明,高压静稳型PM_2.5污染主要来源于本地排放,省内贡献率达87.8%;低压倒槽型PM_2.5污染主要来源于偏南输送和本地累积,省内贡献率达55.0%;冷锋输送型PM_2.5污染主要来源于北路区域传输,省外贡献率达77.2%.对于冬季重污染期间,建议重点围绕荆州本地与省内荆门、襄阳、孝感、天门、潜江、武汉、随州、宜昌及省外常德、南阳、信阳等地开展协作,加强区域间大气污染联防联控.该项研究可为区域大气污染精细化管控与靶向治理提供科学依据.     

2013年1月中国东部地区重污染过程中上海市细颗粒物的来源追踪模拟研究

大气PM_2.5是当前我国城市和区域面临的最突出的大气污染问题,然而PM_2.5及其关键组分污染的来源不清,严重制约了人们对PM_2.5 的科学认知和污染防控的步伐.本研究以2013年1月中国东部地区一次典型重污染过程为研究案例,利用CAMx三维模型中耦合了物种示踪机制的颗粒物来源追踪方法,探讨和揭示了中国东部地区代表性城市上海及周边地区共4个源区(上海、苏南、浙北、大区域)、8类污染源(包括燃烧源、生产工艺过程、流动源、生活面源、挥发源、扬尘源、农业源、天然源)对上海城区大气中PM_2.5及其关键组分包括水溶性无机离子(SO^2-₄、NO^-₃、NH⁺₄)、元素碳(EC)和有机碳(OC)的污染贡献.研究结果表明,2013年1月份中国东部出现严重灰霾污染期间,上海城区PM_2.5的主要区域贡献为上海本地污染源排放累积(PM_2.5浓度贡献平均为55.4%±22.3%)和长距离输送(38.4%±20.0%).上海地区8类主要排放源中,扬尘源贡献均值最大,达到30.7%±31.8%,其次为燃烧源18.2%±15.6%、流动源18.6%±17.5%、挥发类源16.9%±18.0%.对上海市PM_2.5组分的源解析研究发现,燃烧源对细颗粒物中硫酸盐和硝酸盐的浓度贡献最大,其浓度贡献分别达到56.2%和55.9%.铵盐中72.4%来源于挥发类源贡献,元素碳约78.3%来自于交通源贡献.挥发类源排放和流动源是主要的有机气溶胶贡献源,浓度贡献分别为36.2%和32.5%.     

珠三角典型城市大气污染减排措施的PM2.5改善评估研究

评估大气污染减排措施的成效能为空气质量改善政策制定和优化提供科学指导,但大多减排措施评估研究采用敏感性分析方法进行量化,计算效率低且无法考虑不同减排措施之间的相互影响.另外,现有研究大多关注区域减排措施评估,很少针对城市尺度进行评估.基于此,本研究结合基于模式的PSAT源解析技术提出了一种相对较为高效的城市大气污染减排措施的PM_2.5改善评估方法,并以珠三角典型城市为例,定量评估了肇庆市2014—2016年期间实施的16项减排措施对PM_2.5污染的影响.结果发现,肇庆市近年来的本地减排措施有效降低了SO₂、PM_2.5、PM₁₀、NO_x、NH₃和VOCs排放,降幅分别达到25%、14%、13%、11%、9%和4%.根据模型评估,在2016年气象条件下,2014—2016年期间减排措施使肇庆市本地生成PM_2.5浓度下降了16.0%,其中,对浓度下降贡献最为明显的污染源为工业源和生物质燃烧源,关键措施是以煤炭品质提升为代表的燃煤管控和以焚烧区划定为代表的生物质露天焚烧管控,使肇庆本地PM_2.5浓度分别下降了7.2%和2.4%.农牧源、扬尘源和道路移动源等其他源的减排措施也对PM_2.5浓度改善有一定的贡献,但这些源贡献无法抑制活动水平增长带来的排放和贡献浓度的增长,表明这些源仍存在较大的减排潜力,是下一阶段肇庆市PM_2.5防治的重点对象.本研究的评估方法证实了减排措施的有效性,同时也为未来城市空气质量改善提供了科学依据和技术支撑.     

西安市城市降尘和土壤尘PM10和PM2.5中碳组分特征

为研究西安市城市降尘和土壤尘PM₁₀和PM_2.5中碳组分污染特征,丰富大气降尘的成分谱库,于2015年4~5月收集了西安市城区5个点位的城市降尘和周边16个点位的土壤尘样品,通过ZDA-CY01颗粒物再悬浮采样器获得PM₁₀和PM_2.5的滤膜样品,使用Model5L-NDIR型OC和EC分析仪测定了样品中的有机碳（OC）和元素碳（EC）,定量分析了西安市城市降尘和土壤尘PM₁₀和PM_2.5中碳组分特征及其主要来源.结果表明,不同站点降尘PM₁₀和PM_2.5中OC的占比差异较大,分别为6.0%~19.4%和7.6%~29.8%.不同站点降尘PM₁₀和PM_2.5中EC的占比较小,在城市站点的占比分别为0.6%~2.2%和0.2%~3.6%,而在多数外围土壤尘中几乎检测不到EC的存在.PM₁₀中含碳组分的占比为：城市降尘>外部对照>河滩土>土壤尘,PM_2.5中含碳组分的占比为：城市降尘>土壤尘>外部对照>河滩土.不同站点降尘含碳气溶胶均以OC为主,在城市降尘中相对较低,在PM₁₀和PM_2.5中OC占总碳（TC）的比值分别为85.2%~95.3%和87.9%~98.9%;在土壤尘中OC的占比较高,均超过99%.含碳物质主要集中在细颗粒物中.不同城市站点降尘中碳组分的分布具有一致性,不同土壤尘中碳组分的差异较大.城市和土壤降尘中碳组分主要受生物质燃烧、燃煤、汽油车和柴油车尾气等污染源的影响,PM₁₀和PM_2.5中含碳气溶胶的来源贡献率存在差异.     

重污染天气下电力行业排放对京津冀地区PM2.5的贡献

利用CAMx(区域空气质量模型)中的PSAT(颗粒物源示踪技术),分析了重污染天气下分区域、分行业的污染物排放对京津冀地区PM_2.5的贡献,设计了分行业排放的环境影响效率系数(EESCR)计算方法,并对“电能替代”(以电力行业产能替代民用能源消耗)情景方案下的排放进行模拟分析. 结果表明:在重污染天气背景下,电力行业排放对京津冀地区ρ(PM_2.5)的贡献率较低,各地均低于10%,并且区域排放的贡献次序为京津冀以外地区>京津冀其他城市>当地,这与电力行业高架源排放的特征有关,而工业和民用行业对区域排放的贡献次序相反. PM_2.5主要组分和前体物的分行业EESCR计算结果表明,电力行业ESSCR值均在y=1/2x趋势线之下,远低于其他行业,因此优先控制其他行业排放才是改善京津冀地区空气质量的关键.电能替代的情景模拟结果表明,电能替代是有效降低京津冀地区ρ(PM_2.5)的可行方式. 研究显示,充分利用电力行业高架源排放的特点和便于集中处理的行业优势,尽力降低因产能增长带来的排放增量,实施电能替代可成为改善区域空气质量的有效途径之一.      

基于空间插值的西安市重空气污染期间主要污染物时空变化特征及相关性分析

西安市是我国承东启西、连接南北的战略性枢纽城市,但其长期受到重空气污染的影响.基于2018年11月24日-12月3日西安市及其周边7个地级市共38个环境质量监测站点的逐时数据,利用空间插值、趋势分析和相关性分析方法,研究了西安市一次重空气污染期间六大污染物（PM_2.5、PM₁₀、CO、NO₂、SO₂和O₃）的质量浓度时空变化及彼此间的相关关系.结果表明:①IDW（inverse distance weighting,反距加权插值法）和OKri（ordinary Kriging,普通克里格插值法）均能较好地获得西安市空气污染物的时空变化情况,但IDW的插值精度优于OKri,距离指数为7的IDW可以满足西安市空气污染物时空变化模拟的要求.②研究期间,西安市首要污染物为PM_2.5和PM₁₀,二者分别是中度-重度污染及严重-"爆表"污染天气的首要贡献因子.③ρ（PM_2.5）、ρ（PM₁₀）、ρ（CO）、ρ（NO₂）和ρ（SO₂）均呈中部高、两边低,北部高、南部低的空间分布特点,而ρ（O₃）则相反;PM_2.5、PM₁₀、O₃污染程度日趋严重,NO₂污染程度逐渐缓解.④ρ（PM_2.5）、ρ（NO₂）、ρ（CO）之间呈中等正相关,三者在时空变化上具有较高的一致性;ρ（SO₂）与ρ（PM_2.5）、ρ（NO₂）、ρ（CO）均呈弱正相关;ρ（O₃）与ρ（NO₂）、ρ（CO）均呈弱负相关.受扬尘天气和特殊风向及地形共同影响,西安市PM₁₀出现"爆表"现象,导致ρ（PM₁₀）与其他污染物质量浓度之间的相关性不明显.研究显示,距离指数为7的IDW适合西安市空气污染情况时空变化的模拟,重污染天气条件下,西安市ρ（PM_2.5）、ρ（NO₂）、ρ（CO）之间具有较高的同源性,但各污染物间时空变化和相关性关系较复杂.      

2019年西安首场雾霾PM2.5关键特征的综合诊断

通过对WRF-Chem（Weather Research and Forecasting Model Coupled to Chemistry）环境模式模拟资料、HYSPLIT（HYbrid Single Particle Lagrangian Integrated Trajectory Model）前/后向气团轨迹资料、环境站监测资料，以及西安理工大学（Xi''an University of Technology，简称XUT）多波长激光雷达、米散射激光雷达、能见度仪、粒谱仪等观测资料的综合诊断，探讨了2019年1月初发生在西安的雾霾过程（记为首场雾霾）PM_2.5组分、分布及传输特征，旨在为雾霾气溶胶研究提供有益的个例积累.定性、定量双重检验表明，Chem模式较成功复制了此次雾霾气溶胶过程.利用这些可靠的模式数据分析表明，PM_2.5中碳气溶胶的主要组分为有机碳，约占85%，强盛期气溶胶各组分随高度增加均呈递减趋势，各组分近地面浓度最高.通过对两类不同方法获取的消光系数对比分析表明，相比于模式数据，激光雷达数据具有更高的垂直分辨率，因此，更善于描述消光廓线的细节特征.通过对多源资料的综合诊断最终揭示出，"北风涌"是雾霾消散的关键影响因子，沿铜川-西安-山阳一带存在着污染物传输的重要路径，雾霾由此体现出自北向南依次消散的特征.     

西安市PM2.5健康损害价值评估

选取2014、2015、2016年冬季PM_(2.5)(24 h)浓度平均值,采用泊松回归模型评价全市居民连续3 a冬季PM_(2.5)暴露的急性健康损害效应,修正的人力资本法评估过早死亡经济损失,疾病成本法评估住院、患病与门诊经济损失.结果表明,研究时段内(2014、2015、2016年冬季)由PM_(2.5)造成的经济损失约为335.23亿元(95%CI:249.61~369.75)、211.05亿元(95%CI:135.60~268.80)、371.32亿元(95%CI:272.46~411.64),分别约占当年GDP的6.10%(4.54%~6.73%)、3.64%(2.34%~4.63%)、5.91%(4.34%~6.55%);健康经济损失与当年冬季PM_(2.5)浓度均值呈正相关关系;PM_(2.5)污染物对西安市常住人口健康影响显著,影响的病例(2014、2015、2016年)分别约为1 071 338例(95%CI:646 432~1 385 847)、438 273例(95%CI:246 842~599 989)、1 019 503例(95%CI:611 407~1 324 547);对哮喘儿童患者的影响比成人显著,而慢性支气管炎的影响成人比儿童显著.该研究可为西安市实施PM_(2.5)空气质量标准的成本效益分析提供科学的依据,为环境质量的管理提供参考.     

基于受体和化学传输的综合模型解析重庆PM2.5来源

为进一步提高PM_2.5污染源解析的准确性,研究提出一种基于受体和化学传输的综合源解析模型（CTM-RM）,并以重庆冬季一次典型PM_2.5污染过程为例（2019年1月21～27日）开展模型评估与应用.结果表明,观测期间基于CTM-RM获得的模拟误差平方值较CAMx/PSAT低84.58%,PM_2.5及其化学组分浓度的模拟相对误差值较CAMx/PSAT下降15.69%～92.86%;此外,CTM-RM还可以获取重庆市PM_2.5污染源贡献的时空分布特征.观测期间,主城区PM_2.5农业源、工业源、电力源、民用源、交通源和其他源的调整因子R值分别为1.39±0.38、 1.54±0.48、 1.01±0.13、 1.02±0.58、 0.86±0.59和0.58±0.67,各污染源R值的累积分布函数差异明显.民用源和工业源是主城区PM_2.5的主要污染源（46.23%和28.23%）.与其他源不同,污染日交通源贡献率（8.62%）同比清洁日显著上升（P<0.00...     

基于多源数据的西安大气重污染过程案例分析

基于大气污染六要素（PM_2.5、PM₁₀、SO₂、NO₂、CO和O₃）、PM_2.5化学组分数据、地面气象观测数据、微波辐射计数据和大气再分析数据,采用物质平衡和硫/氮氧化速率（SOR/NOR）等方法对2019年1月西安市一次重污染事件过程和成因机制进行综合分析.将该次污染过程划分为累积阶段（P1）、维持阶段（P2）和消散阶段（P3）,本次重污染过程主要是由于不利天气形势叠加反馈效应造成的,P1和P2阶段西安在500hPa都受平直西风气流影响,海平面气压为均压场,等压线稀疏,天气形势稳定,且925hPa以偏东风为主,不利于大气污染扩散.地基微波辐射计可辅助反映气象条件与重污染间的反馈机制,其反演的水汽密度和逆温均与PM_2.5存在显著线性相关关系,相关系数分别为0.86和0.38.反馈机制主要表现为：当污染达到一定程度时产生辐射冷却效应使地面降温,进而导致或加强逆温,混合层高度降低,水汽积聚,高湿条件通过加速二次转化和促进气溶胶吸湿增长使污染进一步维持,因此P2阶段二次无机离子（SO₄^2-+NO₃^-+NH₄⁺,SNA）和"其他"组分对PM_2.5的贡献率较大,分别为43.2%和23.1%,且SOR、NOR和消光系数均在P2阶段达到峰值.NH₄NO₃、有机物（OM）、（NH₄）₂SO₄和元素碳（EC）对消光系数的总贡献率超过85%,但各组分占比排序在每个阶段略有不同.