河北南部城市臭氧和VOCs的污染特征及传输贡献

“十四五”时期是河北南部城市（石家庄、邢台和邯郸）退出空气质量综合指数排名后10位的关键阶段.基于2020年4~10月南部城市的15个国家环境质量监测站臭氧（O₃）逐时数据和3个挥发性有机物（VOCs）组分监测站的逐时数据及同期气象资料,采用时空演替、O₃生成潜势（OFP）、后向轨迹模式和空间统计模型进行分析.结果表明：①南部城市4~10月O₃变化呈倒"U"型分布,空间呈南高北低的格局,6月O₃污染最重,其ρ（O₃）依次为：邢台（233.8 μg ·m^-3）>邯郸（225.2 μg ·m^-3）>石家庄（224.8 μg ·m^-3）,O₃与温度和风速呈正相关、与湿度和VOCs呈反相关;②4~10月ρ（TVOC）依次为：邢台（274 μg ·m^-3）>石家庄（266 μg ·m^-3）>邯郸（218 μg ·m^-3）,烯烃和芳香烃的总OFP占比均超过一半;③南部城市O₃污染轨迹具有空间方向性和关联性,经过石家庄到邢台的轨迹ρ（O₃）均值（198.92 μg ·m^-3）最高,经过邯郸到达邢台的O₃污染轨迹频数最多;④南部城市传输贡献上,邢台对石家庄的O₃传输贡献率最高（27.39%）,邯郸对邢台的VOCs传输贡献率最高（32.76%）.     

COVID-19疫情期间北京市两次重霾污染过程大气污染物演变特征及潜在源区分析

新冠肺炎疫情（COVID-19）期间,执行了严格居家隔离措施,人为排放源急剧降低,但北京仍出现了两次持续重霾污染过程.本研究使用北京市大气污染物、气溶胶数浓度和气象要素数据,结合气团轨迹模式（HYSPLIT）,计算了潜在源贡献因子（PSCF）和浓度权重轨迹（CWT）,分析了两次重霾污染过程中大气污染物的演变特征及其潜在源区贡献.结果表明,COVID-19期间居家隔离措施对PM_2.5和黑碳（BC）的日变化特征影响较大,对CO、NO₂、SO₂和O₃的日变化影响较小.两次重霾污染过程首要污染物均是PM_2.5,污染过程1主要是以局地污染为主,污染过程2以局地污染和外来输送为主.不同过程下气溶胶数浓度谱分布均为单峰型分布,峰值位于0.3 μm,在污染过程中主要是0.2~0.5 μm粒径气溶胶数浓度增加,是干净日的3.3~13.6倍.不同过程中BC_liquid对BC的贡献为64.8%~85.1%.BC_liquid的浓度为：污染过程2（5.04 μg ·m^-3）>污染过程1（3.20 μg ·m^-3）>干净日（疫情前,2.31 μg ·m^-3）>干净日（疫情,0.76 μg ·m^-3）.不同过程中PM_2.5和BC的PSCF和CWT分布特征不同.PM_2.5的PSCF高值区在干净日（疫情前）和干净日（疫情）主要分布在北京的西南方和西部,权重浓度超过30 μg ·m^-3;在污染过程1和污染过程2主要分布在北京及其周边地区和西南部,权重浓度均超过90 μg ·m^-3.BC的PSCF高值区在干净日（疫情前）、干净日（疫情）和污染过程1主要分布在北京及其周边地区,权重浓度分别超过2.4、0.9和4.5 μg ·m^-3;在污染过程2中分布在北京西南部,权重浓度超过5μg ·m^-3.     

德州市夏季臭氧敏感性特征及减排方案

近年来德州市臭氧污染频发,2018年夏季（6~8月）,德州市发生了严重臭氧污染事件,臭氧日最大8 h浓度值超标天数达60 d,超标率65%,3个月平均值为176 μg ·m^-3,最高达262 μg ·m^-3.本研究利用WRF-CAMx耦合的HDDM模块,分析期间德州臭氧敏感性特征及减排方案.结果表明,在空间上,德州市中心城区为VOCs控制区,而郊区为NO_x与VOCs协同控制区.在时间上,VOCs敏感值每日为正值,但dO₃_V₅₀在6月（城区18.7 μg ·m^-3,郊区19.7 μg ·m^-3）和8月（城区15.3 μg ·m^-3,郊区16.4 μg ·m^-3）高于7月（城区13.0 μg ·m^-3,郊区11.8 μg ·m^-3）,NO_x敏感值城区呈正负交错,郊区大部分为正值,并与VOCs敏感值接近.对于城区减排方案应考虑以仅VOCs削减为优先,而郊区由于NO_x和VOCs对臭氧减排效果相当,建议以NO_x：VOCs=1：1为优.     

珠江三角洲大气光化学氧化剂(Ox)与PM2.5复合超标污染特征及气象影响因素

基于粤港澳珠江三角洲区域空气监测网络12个监测子站的大气污染物数据,梳理2013~2017年大气光化学氧化剂O_x（NO₂+O₃）与PM_2.5质量浓度的变化趋势.O_x+PM_2.5复合超标污染定义为NO₂和PM_2.5质量浓度日平均值以及O₃浓度日最大8 h平均值（O₃ MDA8）同时超过二级浓度限值,分析了不同类型站点复合超标污染的时空分布特征以及气象因素影响.结果表明,2013~2017年珠三角PM_2.5年均质量浓度由（44±7）μg·m^-3下降至（32±4）μg·m^-3,实现PM_2.5连续3 a达标.O_x年均质量浓度由2013年（127±14）μg·m^-3下降至2016年（114±12）μg·m^-3,2017年反弹至（129±13）μg·m^-3,O₃浓度上升明显（10 μg·m^-3）.以O₃为首要污染物的污染过程占比由2013年33%增多至2017年78%,多个城市同时发生污染的区域特征明显.研究时段内O_x+PM_2.5复合超标污染事件共发生60次,主要在城区站点（78%）和郊区站点（22%）.秋季发生复合超标污染天数最多（52%）,是因为强太阳辐射有利于臭氧生成,大气氧化性增加,进而促进了PM_2.5二次生成.造成珠三角复合超标污染的天气形势主要为高压出海型（43%）、高压控制型（30%）和热带低压型（27%）.就具体气象因素而言,气温在20~25℃且相对湿度在60%~75%的范围内时,复合超标污染事件发生占比最高（22%）.在O₃重污染过程中,夜间高湿和低风速使得NO₂和PM_2.5浓度显著上升,日间高温加剧了复合超标污染.     

2006~2015年北京市不同地区O3浓度变化

对2006~2015年北京市定陵、官园、琉璃河和前门这4个站点的O₃连续监测数据进行分析,探讨其浓度水平、变化趋势、时间变化规律以及和前体物、气象要素的关系.结果表明,定陵站十年平均浓度水平最高（65.2 μg·m^-3）,其次为琉璃河（53.4 μg·m^-3）、官园（49.6 μg·m^-3）和前门（40.4 μg·m^-3）.定陵O₃浓度呈下降趋势［0.5 μg·（m³·a）^-1］,而官园［0.9 μg·（m³·a）^-1］、琉璃河［0.3 μg·（m³·a）^-1］和前门［0.3 μg·（m³·a）^-1］均呈上升趋势.从月变化来看,各站点O₃浓度最高值均出现在6~8月,出现频次最高的为7月（17次）,平均月均浓度为99.8 μg·m^-3;最低值均出现在11、12月和1、2月,出现频次最高的为1月（14次）,平均月均浓度为16.6 μg·m^-3.从日变化来看,近年来O₃浓度峰值出现的时间明显提前,近3年峰值均在15：00~16：00出现,提前了1~2 h.2015年定陵站O₃重污染天数达到11 d,比2013年增加了10 d,表明近年来夏季北京下风向山区的O₃重污染状况愈发严重.与前体物的相关性分析表明,定陵站O₃浓度与NO₂浓度呈正相关,其余站点两者浓度均呈负相关,暗示定陵站O₃生成的前体物控制区可能为NO₂控制区,而其他站点为VOCs控制区.与气象要素的相关性分析表明,O₃浓度与温度呈正相关关系,与湿度和气压呈负相关关系,温度对O₃浓度的影响最大,其次是气压和湿度.当日最高温度超过30℃,相对湿度介于30%至70%之间时,北京市O₃日最大8 h滑动平均浓度超过200 μg·m^-3的概率较高,空气质量级别会达到轻度至中度污染的级别.     

京津冀臭氧污染特征、气象影响及基于神经网络的预报效果评估

基于生态环境监测和气象观测数据,分析了2016~2020年京津冀13个城市臭氧（O₃）浓度特征,讨论了O₃污染高发月份日最高温度（T_max）、日均地面气压（p）、日均地面相对湿度（RH）和日均地面风速（v）等气象要素对O₃-8h浓度和O₃-8h超标情况的影响规律,并采用AQI级别预报准确率、O₃浓度范围预报准确率和O₃级别预报准确率等方法,评估了基于神经网络的O₃统计预报效果.结果表明,2016~2020年期间京津冀13城市ρ（O₃-8h-90per）分别为157.4、177.2、177.3、190.6和175.6μg·m^-3,区域臭氧浓度5a上升了11.6%,2016~2019年期间总体呈波动上升趋势,2020年环比下降;2020年与2016年相比,除北京、张家口和承德略有下降外,其他10个城市ρ（O₃-8h-90per）上升了6~45.5μg·m^-3.O₃-8h月均值呈现"两头低,中间高"现象,ρ（O₃-8h）在4~9月的月均值超过了100 μg·m^-3,在6月最高,为158.10 μg·m^-3.城市O₃-8h超标率范围为8.6%~19.2%,97.8%的O₃-8h超标情况发生在4~9月.区域尺度上O₃-8h浓度与日最高温度相关性最强,当T_max在25~28℃区间时,所有城市开始出现O₃-8h超标.O₃-8h浓度与日均地面气压呈负相关关系;当RH在60%以下时,大部分城市O₃-8h浓度随相对湿度上升缓慢增长;当RH在61%~70%以上时,大部分城市O₃-8h浓度随日均相对湿度上升而下降.O₃-8h超标时的地面主导风向主要为偏南风,大部城市O₃-8h浓度高值易集中出现在2~3m·s^-1及以下低风速区间.OPAQ统计模式提前1~9 d预报相关系数范围为0.72~0.86,AQI级别预报平均准确率为67%~86%,O₃-8h浓度范围预报平均准确率为63%~84%.在O₃-8h超标情况多发的4~9月,模式对O₃轻度污染和O₃-8h超标情况提前3 d预报准确率分别为69%和66%,可为O₃-8h超标管控提供参考依据.     

郑州市臭氧污染变化特征、气象影响及输送源分析

基于环境空气质量和气象在线监测数据,研究了郑州市近地面臭氧（O₃）污染的年际变化、空间差异及气象影响,并分析了O₃传输路径和潜在源区.结果表明,2014~2018年郑州市近地面O₃污染超标时间跨度增加,城区站点O₃日最大8 h滑动平均值（MDA8）第90%分位呈显著上升趋势（P<0.05）,增长速率为15.50 μg·（m³·a）^-1;O₃月变化呈"M"型,峰值出现在夏季;日变化呈单峰型,峰值出现在15：00~16：00,农村站点O₃日峰值浓度（130.94 μg·m^-3）最高;气温（T）>23℃、相对湿度（RH）<65%和风速（WS）为2.0~4.0 m·s^-1及风向在东南和东北方向时城市站点易发生高浓度O₃污染.各影响因子和O₃浓度的多元线性回归分析表明,T和RH是城市和工业站点的主控因子,T和WS是城市交通和郊区站点的主控因子;不同季节后向轨迹聚类分析和O₃潜在来源差异明显,春夏季大气传输路径以正南及东北方向近距离慢移速的轨迹为主,秋冬季以西北方向远距离快移速的轨迹为主;夏季高O₃浓度主要受本地生成和河北、山东及安徽等地传输影响.     

北京市城区夏季VOCs变化特征分析与来源解析

精细化的挥发性有机物（VOCs）组分特征和来源分析,可以为科学有效地进行臭氧（O₃）污染防控提供支持.利用2020年夏季7~8月北京城区点位监测的小时分辨率VOCs在线数据,分析高O₃浓度时段和低O₃浓度时段环境受体中VOCs化学特征和臭氧生成潜势（OFP）,并利用正定矩阵因子分解（PMF）模型进行精细化源解析.结果表明,观测期间监测点φ［总大气挥发性有机物（TVOCs）］平均值为12.65×10^-9,高O₃时段和低O₃时段φ（TVOCs）平均值分别为13.44×10^-9和12.33×10^-9,OFP分别为107.6μg·m^-3和99.2μg·m^-3.观测期间O₃生成受VOCs控制,芳香烃的反应活性最高,对OFP贡献排名前三的组分均为异戊二烯、甲苯和间/对-二甲苯.低O₃时段环境受体中VOCs的主要来源包括汽车排放（26.4%）、背景排放（15.7%）、溶剂使用（13.0%）、汽修（12.8%）、二次生成源（9.7%）、生物质燃烧（6.1%）、印刷行业（5.7%）、液化天然气（LNG）燃料车（5.5%）和植被排放（5.0%）,其中背景排放、二次生成和印刷行业源在近年来北京VOCs源解析研究中少有讨论.高O₃时段汽修源和二次生成源贡献分别较低O₃时段上升了3.4%和2.6%,汽车排放仍是北京城区最主要的VOCs贡献源.植被排放源从07：00开始上升,在午后达到最高;背景排放源的贡献变化较小;汽车排放和LNG燃料车排放源呈现早晚高峰特征,下午时贡献相对较低.     

张掖市城区大气细颗粒物PM2.5的化学组成及来源解析

为研究张掖市城区大气细颗粒物（PM_2.5）的污染特征和来源,于2020年9月至2021年7月在张掖市城区的河西学院和湿地博物馆2个采样点进行了PM_2.5样品采集,对PM_2.5浓度、化学组成（水溶性无机离子、碳质组分和元素）和来源进行分析.结果表明,河西学院和湿地博物馆两个采样点的年均ρ（PM_2.5）分别为（73.7±31.8）μg·m^-3和（68.1±33.3）μg·m^-3,季节浓度均值均呈现春季>冬季>秋季>夏季的变化.河西学院采样点的二次水溶性无机离子（SO₄^2-、NO₃^-和NH₄⁺）年均值高于湿地博物馆.河西学院采样点的ρ（OC）和ρ（EC）分别为（9.6±5.7）μg·m^-3和（2.9±1.6）μg·m^-3,湿地博物馆采样点的年均ρ（OC）和ρ（EC）分别为（9.2±5.8）μg·m^-3和（2.5±1.3）μg·m^-3,河西学院的含碳组分在各季节均高于湿地博物馆.河西学院和湿地博物馆两个采样点的年均二次有机碳（SOC）在OC中的质量分数分别为49.4%和43.7%,表明张掖市存在较为严重的二次污染.河西学院和湿地博物馆两个采样点的元素浓度年均值分别为（6.0±3.5）μg·m^-3和（5.8±3.9）μg·m^-3,受到人为源的影响,Zn、Ca、Al和Fe等元素浓度水平相对较高.正定矩阵因子分解模型（PMF）结果表明,张掖城区PM_2.5的主要贡献源为二次气溶胶（28.0%）、交通源（25.8%）、扬尘源（15.2%）、燃煤源（14.0%）、生物质燃烧和垃圾焚烧源（12.5%）和工艺过程源（4.5%）.     

石家庄市挥发性有机物和臭氧的污染特征及源解析

为研究石家庄市挥发性有机物（VOCs）的化学特征和污染来源,于2017年3月至2018年1月取3个国控点进行环境VOCs的罐采样及分析,并结合臭氧（O₃）及气象数据进行相关性分析,采用正交矩阵因子模型（PMF）开展溯源解析;为确定夏季O₃的污染周期,利用小波分析研究其时序特征.结果表明,石家庄市采样期间VOCs浓度为（137.23±64.62）μg·m^-3,以卤代烷烃（31.77%）、芳香烃（30.97%）和含氧VOCs（OVOCs,23.76%）为主.采样期间VOCs的季节变化为：冬季（187.7 μg·m^-3） > 秋季（146.8 μg·m^-3） > 春季（133.24 μg·m^-3） > 夏季（107.1 μg·m^-3）,空间特征呈自西向东逐渐增加的格局.监测期内O₃与VOCs、NO₂呈显著负相关,与温度、日照时数、风速和能见度呈正相关.在夏季O₃≤ 160 μg·m^-3时,6月应关注气温开始上升后4~5 d的气象条件变化,而7~8月需关注7~8 d后的气象变动.PMF溯源解析了6个VOCs的来源,依次为：汽油车排放源（24.78%）、柴油车排放源（24.69%）、溶剂使用源（18.64%）、化工生产排放源（11.87%）、区域背景（10.84%）及制药工业生产排放源（9.17%）;其中汽油车和柴油车排放源的O₃生成潜势（OFP）贡献（54.98%）超过一半.因此,石家庄市夏季O₃削减的关键是控制交通及工艺过程源的排放.     

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.     

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.     

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.     

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.