排放和气象对疫情前后武汉不同类型点位大气污染物的影响

采用随机森林算法剥离了排放和气象对6种大气污染物(SO₂、 NO₂、 CO、 PM₁₀、 PM_2.5和O₃)浓度的贡献,识别了疫情前后武汉市中心城区、郊区、工业区、三环线交通点和城市背景点这5种类型点位的大气污染物浓度变化.结果表明,与管控前相比,管控期间PM_2.5/CO、 PM₁₀/CO和NO₂/CO分别减小了10.8～21.7、 9.34～24.7和14.4～22.1倍,表明排放对PM_2.5、 PM₁₀和NO₂贡献减小;O₃/CO增加了50.1～61.5倍,表明二次生成增加明显.解除管控后排放对各类污染物的贡献均增加.管控期间,受一些不可间断工序的运行影响,工业区PM_2.5降幅最小(20.5%).与管控期间相比,解除管控后居民生活、交通出行和工业生产等基本恢复,使5种类型站点PM_2.5     

新冠肺炎疫情对咸阳市空气质量的影响

利用机器学习模型控制气象因素影响,定量分析了疫情期间污染源减排对咸阳空气质量的影响.结果表明,与未发生疫情情景相比,疫情期间咸阳PM_2.5、PM₁₀、SO₂、NO₂和CO浓度分别下降19.3%、26.0%、13.4%、60.1%和9.1%,NO₂降幅最大,SO₂和CO降幅较小,O₃浓度不降反而上升50.9%.在一次排放和二次生成前体物都下降的情况下,PM_2.5降幅低于预期,O₃浓度不降反升,反映出PM_2.5和O₃治理的复杂性,暗示了剩余污染源对咸阳空气质量影响较大,而停产限产政策（与疫情影响类似）对咸阳空气质量改善有限,未来应重点关注散煤和生物质燃烧、热力生产和供应、原油加工及石油制品制造等剩余污染源的治理.     

2015—2021年南京市大气污染特征及污染个例研究

探究细颗粒物(PM_2.5)和臭氧(O₃)污染的时间变化特征,阐明PM_2.5和O₃复合污染过程中不同阶段环境空气污染物及气溶胶粒径分布的详细演变过程,对南京及长三角地区的大气污染防治具有重要指导意义.本文使用2015—2021年南京市环境空气污染物小时浓度数据,分析了该地区多年大气污染演变过程,并选取2015年10月12—17日时间段作为复合污染典型个例,对其生消过程和内在机理进行了详细分析.结果表明：(1)2015—2021年南京市各种大气污染物的变化特征具有明显差异. PM_2.5、PM₁₀和SO₂浓度的年下降率分别为8.9%、6.2%和15.4%,O₃浓度变化较小. CO浓度在2016年达峰后以每年7.6%的速率下降.NO₂浓度在2015—2019年呈增加趋势.(2)2015—2021年污染特征发生较大变化,由PM_2.5为主导变为由O₃为主导的大...     

福州2017—2021年环境空气质量变化特征及新冠疫情对其变化的影响

基于福州市2017—2021年大气常规污染物(PM₁₀、PM_2.5、SO₂、NO₂、CO和O₃)小时观测数据，探讨了不同时间尺度(年度、季度、新冠疫情前后)福州主要污染物变化特征.结果表明：2017—2021年福州市6种大气常规污染物年均浓度整体上均呈下降趋势，年均下降率最大的是NO₂(10.3%)，其次是SO₂(8.3%).由于复杂的生成机制及较高的温度和较强的太阳辐射，福州春季、夏季和秋季O₃浓度较高且差异不大.除O₃外，其他污染物具有显著季节变化特征(春季>冬季>秋季>夏季).5年间福州空气污染物日均浓度变化幅度趋于平稳，全年大气环境状况愈加优良.新冠疫情发生期间(2020—2021)福州空气质量指数(AQI)年均下降率是疫情前(2017—2019)的2.2倍，疫情管控期间相较管控前PM₁₀、PM_2.5、NO₂     

泉州市2017-2021年大气污染特征及新冠疫情的影响

该文基于2017-2021年泉州市6项主要污染物(PM₁₀、PM_2.5、NO₂、SO₂、CO和O₃)监测数据及空气质量指数(AQI)数据，分析讨论了泉州大气污染的年际和季节变化特征以及常态化新冠疫情管控对泉州环境空气质量的影响，以期为泉州大气污染的进一步治理提供科学参考。结果表明，泉州2017-2021年PM₁₀、PM_2.5、NO₂、SO₂和CO的年均浓度整体上均呈现下降趋势，年均下降率最大的是SO₂(15.8%)，其次是NO₂和CO(9.3%和8.1%),O₃污染相对突出但浓度变化范围显著减小，泉州的整体大气污染波动趋于平稳。泉州的PM₁₀、NO₂、SO₂、CO和O₃污染浓度最高的季节均为春季，春季为泉州的主要污染季节。新冠疫情管控期间，...     

2018年吉林市大气污染物浓度变化及其与气象因素的相关性分析

采用统计学方法、Pearson相关系数法和线性回归法研究分析了2018年吉林市大气污染物SO₂、NO₂、PM₁₀、PM_2.5、CO和O₃浓度的变化特征、污染物浓度之间的相关性以及污染物与气象因素的相关性。结果表明:1）吉林市大气环境中O₃、PM₁₀和PM_2.5日均值超标率分别为1.06%、3.27%和7.14%,颗粒物、O₃及其前体物质为治理重点;CO、SO₂、NO₂、PM₁₀和PM_2.5春、冬季污染较重,夏季污染最轻;大气环境中的污染物浓度随季节、时刻及人类活动发生周期性变化;2）PM₁₀和PM_2.5、PM_2.5和CO、NO₂和CO浓度之间高度相关（相关系数r均>0.8）,并建立了其预测线性模型;3）污染物（O₃除外）浓度与温度、风速和混合层高度呈负相关,与气压呈正相关;降水对SO₂、PM₁₀和PM_2.5浓度具有一定的削减作用,降水后其浓度减少的次数占总降水次数的68.75%、84.38%和78.13%;吉林市污染最严重的颗粒物受气象因素中混合层高度、风速和降水影响较大。该研究成果可为日后吉林市开展大气污染治理、区域大气环境容量测算、空气污染潜势预报等研究提供参考。     

基于环境监测数据的大气重污染应急减排措施效果评估

我国自2013年起对重点区域逐步开展重污染天气应对工作,以削减大气重污染峰值、减缓重污染的发生和发展.为更客观地评估重污染天气应急减排措施的效果,基于环境监测数据对应急效果评估开展方法学研究,通过对洛伦兹曲线内涵的拓展,提出污染物高位累积浓度占比的概念,并以PM_2.5、PM₁₀、SO₂、NO₂四种污染物为研究对象,评估重污染天气应急措施减排效果,同时将评估结果与空气质量模型模拟结果进行相互辅证.结果表明:2016年和2017年秋冬季（当年10月1日-翌年3月31日）"2+26"城市PM_2.5、PM₁₀、SO₂、NO₂高位累积浓度占比较2015年同期均有所下降,降幅为0.43%~3.80%;PM_2.5、PM₁₀高位累积浓度占比降幅相对SO₂、NO₂大,其中,2016年和2017年秋冬季PM_2.5高位累积浓度占比较2015年同期降幅均为2.23%,PM₁₀高位累积浓度占比较2015年同期降幅分别为1.89%、3.80%.研究显示,应急措施在"2+26"城市范围内对PM_2.5、PM₁₀、SO₂、NO₂起到了较显著的重污染削峰作用,其中,应急措施对PM_2.5、PM₁₀等颗粒物重污染削峰效果优于SO₂、NO₂等气态污染物.      

兰州市空气污染对儿童呼吸疾病的影响

探讨兰州市空气污染对不同性别和年龄的儿童呼吸疾病就诊人数的影响以及季节性变化.通过收集2013~2017年兰州市空气污染物PM_2.5、PM₁₀、SO₂、NO₂、CO和O₃8h浓度数据、气象数据及3家三甲医院儿童呼吸疾病门诊资料,采用广义相加模型（GAM）控制星期几效应、气象因素、假期效应等混杂因素,分析空气污染物浓度与儿童呼吸系统疾病日门诊量的关系及滞后效应.研究期间,兰州市3家三甲医院儿童呼吸系统疾病日门诊量平均为387人次,范围1~1413人次.单污染物模型结果显示,PM_2.5、NO₂、SO₂、CO均在累积滞后一天（lag01）时效应量达到最大值,其浓度每增加10μg/m³（CO单位为1mg/m³）,儿童呼吸系统疾病就诊人次的超额危险度（ER）及95%可信区间（95% CI）分别为0.245%（95% CI：0.127%~0.363%）,0.568%（95% CI：0.327%~0.808%）,1.661%（95% CI：1.022%~2.302%）,2.245%（95% CI：1.610%~2.883%）;PM₁₀和O₃8h在各滞后天数均无统计学意义.对不同性别、年龄、季节分析发现,性别分层中PM_2.5对女童的影响略高于男童,NO₂、SO₂和CO的影响男童略高于女童;年龄分层发现PM_2.5、NO₂和CO的影响6~14岁组大于0~5岁组,SO₂的影响0~5岁组大于6~14岁组;季节分层中PM_2.5、NO₂、SO₂和CO对门诊量的影响只在冬季有意义,PM₁₀和O₃8h在各个季节均无意义.双污染物模型结果显示,分别调整其他5种污染物后,PM₁₀和O₃8h对儿童呼吸系统疾病门诊量的增加均无统计学意义;调整PM₁₀和O₃8h后,其他污染物呼吸系统疾病门诊量的增加均有统计学意义.兰州空气污染物（PM_2.5、NO₂、SO₂、CO）与呼吸系统疾病门诊量密切相关,并且SO₂和CO浓度增加更易增加儿童呼吸系统疾病的发病风险.性别、年龄和季节对空气污染物和呼吸系统疾病门诊就诊人次的关系有影响.     

南京城区冬季大气污染特征

为探究南京城区冬季主要大气污染物浓度变化规律,运用南京市空气自动监测站的φ(CO)、φ(O₃)、φ(NO₂)、φ(SO₂)、ρ(PM_2.5)和ρ(PM₁₀)逐时资料,结合同期气象数据,分析了2014年冬季(2014年12月—2015年2月)南京城区大气污染浓度水平和变化特征,探讨2015年春节期间在实施减排措施下气象条件对空气质量的影响.结果表明:① 观测期φ(CO)日均值和φ(O₃)小时均值未超过GB 3095—2012《环境空气质量标准》二级标准限值;ρ(PM_2.5)、ρ(PM₁₀)、φ(NO₂)、φ(SO₂)日均值分别超标44%、38%、34%、2%;ρ(PM_2.5)、ρ(PM₁₀)最大日均值分别为231和283 μg/m3,分别是GB 3095—2012二级标准限值的3.1、1.9倍. ② 日变化分析显示,φ(CO)与φ(NO₂)呈早晚双峰型变化,与早晚交通高峰源排放有关;φ(O₃)呈明显的单峰型,在午后出现峰值;φ(SO₂)呈单峰型且夜间浓度低于白天;ρ(PM_2.5)和ρ(PM₁₀)为双峰型变化,峰值出现在10:00和22:00左右. ③ 南京地区污染物周末浓度整体高于工作日,其中周末φ(CO)、φ(NO₂)和ρ(PM_2.5)显著高于工作日,“周末效应”显著. ④ 2015年春节期间,南京实施减排措施后,即使在不利的气象条件下,污染物浓度也未出现明显升高,说明减排措施有效削弱了污染源的排放,是保持南京地区良好空气质量的重要因素.      

2013-2021年长沙市城区PM2.5浓度变化特征及归因分析

根据2013-2021年长沙市城区10站点大气污染物监测数据,综合采用Daniel趋势检验和Kolmogorov-Zurbenko滤波方法,文章探讨了长沙市城区PM_2.5浓度时空分布规律及气象因素、减排措施影响。结果显示：2013-2021年长沙市空气质量呈持续改善趋势,达标天数累计增加107 d,优良率累计提高了29.3个百分点;PM_2.5年均浓度累计下降48.2%,除O₃外的其他各项污染物浓度呈现明显的下降趋势,通过Daniel显著性检验;城区SO₂、NO₂、PM_2.5、PM₁₀、CO年均浓度变化速率为3.1、2.3、5.1、5.5、61.4μg/(m³·a)。空间分布上,PM_2.5年均浓度的空间分布结构具有鲜明的特征,北部地区较低,中心城区和东南部地区较高,浓度梯度特征明显。与2013年相比,2021年各站点PM_2.5年均浓度原始数据累计降幅在38.5%～48.0...     

河南省18个城市大气污染物分布特征、区域来源和传输路径

河南省大气污染严重且与周边区域污染传输及交互影响明显,以2017年1、4、7和10月为研究对象,将河南省内18个地市的排放源分别标记,并应用于WRF-CMAQ溯源模型进行模拟.污染物分布结果表明,由于排放和气象的共同影响,河南省PM_2.5、NO₂和SO₂浓度表现为冬季最高,夏季最低.O₃-8h浓度的季节变化则为夏季最高,春季次之,冬季最低.不同季节间污染物浓度差距较大,河南省PM_2.5、NO₂和SO₂冬季浓度平均值分别是夏季的4.17、4.12和6.24倍,而O₃-8h在夏季的浓度是冬季的2.24倍.由于PM_2.5、NO₂和SO₂与一次排放关系密切且具有一定的同源性,这3种污染物的高值分布为北高南低,季节趋势较为一致.而O₃-8h季节分布差异较大,夏季气象条件有助于O₃的生成,O₃-8h高值主要分布于河南省东北区域;冬春秋季由于气象条件的抑制和NO_x的消耗O₃-8h高值主要分布在河南省的南部.传输结果表明,冬季省外传输和天然源对河南省PM_2.5、O₃-8h、NO₂和SO₂浓度的贡献率都是最大的,分别为36.20%~72.32%、77.96%~96.08%、49.45%~78.80%和59.05%~88.85%.在仅考虑本地排放和省内传输时,夏季河南省内各市的排放对本地4种污染物浓度的贡献率均为最高;春季省内传输对各市PM_2.5和O₃-8h浓度的贡献率较大,分别为25.63%~74.69%和30.21%~80.01%,冬季省内传输对各市NO₂和SO₂浓度的贡献率较大,分别为26.02%~76.96%和20.30%~82.34%.河南省内PM_2.5、NO₂和SO₂的传输路径相似,冬季多由北向南传输,春季多由西向东,西南向东北传输,夏季多由西南向东北传输,秋季多由北向南传输,但PM_2.5的传输更加复杂.而O₃-8h传输路径与其他3种较为不同,特别是在秋季O₃-8h由西南向东北的传输路径明显.     

长三角地区火电行业主要大气污染物排放估算

以2012年为基准年,利用排放因子法估算了长三角地区火电行业主要大气污染物(SO2、NOx、烟尘、PM10、PM2.5)排放.其中,SO2、NOx、烟尘、PM10、PM2.5的排放量分别为473 238、1 566 195、587 713、348 773、179 820 t.对于SO2和NOx,300 MW以上机组的贡献分别为85%和82%;烟尘、PM10和PM2.5方面,100 MW以下的机组贡献占比分别为81%、53%和40%.地区贡献方面,由大到小依次为江苏、浙江和上海.另通过对上海地区多家电厂不同等级机组污染排放数据进行统计计算,得出上海地区300 MW以上等级机组的污染物排放因子,对比分析可知,上海地区火电厂污染物排放因子水平总体较低.假设长三角地区火电行业同等级机组均与现在上海地区机组排放水平相当,则行业排放SO2可削减55.8%~65.3%,NOx可以削减50.5%~64.1%,烟尘可以削减3.4%~11.3%.若能提高较小等级机组的发电技术和污染控制水平,各污染物排放削减量可进一步提高.然而,根据长三角地区实际污染情况,应综合因素考虑火电行业削减排放,以促进区域空气质量不断改善.     

乌鲁木齐市散煤燃烧大气污染物排放清单及时空分布特征

为研究乌鲁木齐市散煤燃烧对大气污染物的贡献情况,根据实地调研收集到的散煤燃烧活动水平数据,利用排放因子法建立2015年乌鲁木齐市散煤燃烧PM_2.5、SO₂和NO_x的排放清单,利用ArcGIS空间分析工具进行空间分布特征分析,使用蒙特卡罗方法进行不确定性分析.结果表明:2015年散煤燃烧排放PM_2.5、SO₂、NO_x分别为1.70×104、4.13×104、2.80×103 t.PM_2.5和SO₂排放的主要贡献区域为乌鲁木齐县,分别占排放总量的27.35%和26.23%,这是由于乌鲁木齐县社区居民和大棚种植耗煤量较大所致;NO_x排放的主要贡献区域为米东区,贡献率高达28.03%,这是因为米东区社区居民所用炉灶为手动炉排层燃炉灶,其排放因子较大所致.空间分布特征表明,污染物主要分布在米东区南部、沙依巴克区北部及乌鲁木齐县中部.不确定性分析表明,村庄、社区、大棚种植、商业和事业单位在95%的置信区间时不确定性分别为-69%~165%、-57%~116%、-68%~171%和-67%~165%.蒙特卡罗预测结果（平均值）高于排放清单的计算结果.研究显示,乌鲁木齐市散煤燃烧对污染物排放贡献较大,并且具有明显的季节性和区域性特征.      

基于WRF-Chem和EMI指数的新冠肺炎疫情期间沈阳市大气污染物浓度变化原因分析

利用2015—2020年沈阳市空气质量监测数据、地面气象观测资料、环境气象评估指数（EMI）产品、NCEP再分析资料及WRF-Chem数值模式,分析新冠肺炎疫情防控期间沈阳市主要大气污染物和气象要素的变化情况,研究空气质量对污染物减排和气象要素变化的响应.结果表明：疫情防控导致沈阳市PM_2.5、PM₁₀和NO₂质量浓度下降,但O₃质量浓度小幅增加;PM_2.5和NO₂对人为减排的响应更敏感;防控期内沈阳市气象条件有利于污染物的清除,气象条件使PM_2.5质量浓度下降16.37%,防控减排措施导致PM_2.5质量浓度下降22.96%;在疫情防控的背景下,不利的气象条件和污染物排放的突然增加共同造成重污染天气发生,其中不利气象条件的贡献大于排放增加的贡献;减排措施对防控期间重污染天气过程污染物峰值浓度有明显的削弱作用.     

基于机器学习算法的新冠疫情管控对河南省空气质量影响的模拟分析

全国各地为了减少新冠疫情对社会和人民生活的影响,采取了必要的防疫防控措施,这些措施对空气质量的变化产生了重要的影响,此外空气质量的变化与气象条件也存在很大的关系.通过对河南省疫情前（1月1~26日）和疫情管控期（1月27日~2月29日）这两阶段的空气质量分析对比发现,整个河南省除了O₃浓度上升了69.64%外,PM_2.5、PM₁₀、SO₂、CO和NO₂分别降低了36.89%、34.18%、19.43%、29.85%和58.51%;通过机器学习算法中的长短期记忆型网络（LSTM）模拟显示,气象条件引起污染物浓度的降幅大部分在15%~30%之间;人为排放减少引起的污染物浓度的降幅大部分在6%~40%之间.O₃在疫情期间上升过程中,气象条件和人为排放两种因素分别占了34.84%和34.81%.结果表明,疫情管控期间,河南省空气质量总体上有所改善,但是也有重污染发生,其中O₃的浓度对于疫情管控减排的影响不明显,呈负相关,需要进一步探索引起臭氧浓度上升的原因,以此帮助政府合理控制臭氧等前体污染物的减排比例.     

厦门湾空气质量对新冠疫情管控的响应

通过对厦门湾城市群在COVID-19封锁前后6周内（2020-01-11~2020-02-21）的空气污染物浓度变化进行分析,以确定影响本区域空气质量的主要人为污染源.在春节假期与封锁叠加期间,SO₂、NO₂、CO、PM₁₀和PM_2.5浓度相比于节前1周的下降幅度分别为6%~22%、53%~70%、34%~48%、47%~64%和53%~60%,而O₃浓度变化没有一致的规律性;与2018~2019年历史同期相比,PM_2.5、PM₁₀、CO和NO₂的下降幅度更大,但SO₂的下降幅度相当;在复工复产后,NO₂的反弹幅度最大（38%~138%）,远高于SO₂（2%~42%）,显示交通源相对于固定源更易受到疫情管控的影响;春节后风速增大和降水增多也为SO₂、NO₂和PM的下降提供了正向影响.利用反距离插值权重法,得到管控前后厦门湾城市群不同污染物的空间分布变化特征,显示NO₂浓度高值区的变化与交通源高度相关,CO和SO₂空间分布特征保持稳定,复工后PM_2.5和PM₁₀在人口与路网密集区变化不明显,而在工地相对集中区域有明显上升,O₃空间分布的低值区与NO₂的高值区具有较好的空间匹配性,显示NO₂对O₃滴定作用明显,可为进一步O₃污染减排措施的制定提供参考.     

Application of AERMOD on near future air quality simulation under the latest national emission control policy of China：A case study on an industrial city

Air quality model can be an adequate tool for future air quality prediction, also atmospheric observations supporting and emission control strategies responders. The influence of emission control policy (emission reduction targets in the national "China’s 12th Five-Year Plan (2011-2015)") on the air quality in the near future over an important industrial city of China, Xuanwei in Yunnan Province, was studied by applying the AERMOD modeling system. First, our analysis demonstrated that the AERMOD modeling system could be used in the air quality simulation in the near future for SO2 and NOx under average meteorology but not for PM10. Second, after evaluating the simulation results in 2008 and 2015, ambient concentration of SO2, NOx and PM10 (only 2008) were all centered in the middle of simulation area where the emission sources concentrated, and it is probably because the air pollutions were source oriented. Last but not least, a better air quality condition will happen under the hypothesis that the average meteorological data can be used in near future simulation. However, there are still heavy polluted areas where ambient concentrations will exceed the air quality standard in near future. In spatial allocation, reduction effect of SO2 is more significant than NOx in 2015 as the contribution of SO2 from industry is more than NOx. These results inspired the regulatory applications of AERMOD modeling system in evaluating environmental pollutant control policy     

兰-白城市群主要大气污染物网格化排放清单及来源贡献

甘肃兰-白城市群为我国西北地区重要的重工业基地,大气污染物排放总量较大.研究高空间分辨率的污染物排放清单对于区域空气质量预报预警、减排方案模拟研究及大气污染防治等具有重要的科学意义.本文以兰州和白银为主要研究区域,基于研究区域污染源排放及统计年鉴等数据资料,建立了兰（2015年）-白（2016年）城市群7种（类）主要大气污染物网格化排放清单,并对其空间排放特征以及排放源贡献进行了详尽地讨论分析.结果表明,兰-白城市群7种主要污染物年排放量分别为：NO_x 2.22×10⁵ t、NH₃ 4.53×10⁴ t、VOCs 7.74×10⁴ t、CO 5.62×10⁵ t、PM₁₀ 4.95×10⁵ t、PM_2.5 1.91×10⁵ t和SO₂ 1.37×10⁵ t.其中CO的排放量最大,NH₃的排放量最小.本清单与北大和清华MEIC清单对比结果表明,交通源排放3个清单一致性较高,CO排放总量和其工业源排放与北大和清华MEIC清单排放源相差30%~40%,推测原因主要为清单计算过程中排放因子、分辨率和数据年份的差异.本清单网格化空间分布显示除NH₃外的其他6种（类）污染物,排放主要集中在市区,排放源中工业非燃烧过程源均为最大贡献占比,NH₃的主要贡献源是氮肥的施用及禽畜排放,其污染分布受耕地分布等因素影响较大.因此,减少工业非燃烧过程源、整合优质高效电力供应、使用清洁能源、严格控制工地扬尘、工业粉尘和做好城区绿化等,能有效地降低兰-白城市群NO_x、VOCs、CO、PM₁₀、PM_2.5和SO₂这6种（类）主要污染物的排放.NH₃的减排则主要可从控制氮肥的使用及减少禽畜排放两方面考虑.本研究还利用蒙特卡洛法分析了排放清单的不确定性,NH₃的不确定性最大为-31%~30%,CO的不确定性最小为-18%~16%,清单整体可信度较高.     

广东省火电污染物排放特征及其对大气环境的影响

采用物料衡算及排放因子法建立了2012年广东省火电大气污染物排放(下称火电排放)清单,并运用WRF/SMOKE/CAMx模型分析火电排放对大气环境质量的影响. 结果表明:SO₂、NO_x、CO、PM₁₀、PM_2.5、VOCs和NH₃排放量分别为269 408、539 565、301 257、135 920、65 050、18 790、1 949 t. 300 MW以上的机组对火电排放的贡献较大,但125 MW以下的机组单位煤耗污染物排放较高. 春季、夏季、秋季、冬季火电排放所占比例分别为27.1%、25.4%、24.0%和23.5%,24 h排放呈“三峰三谷”特征;排放量较大的城市为广州、佛山、东莞、江门、汕头、潮州和梅州,不同区域火电排放贡献率顺序为珠三角 (46.2%~52.3%)>广东省东部(26.9%~34.3%)>广东省西部(11.9%~14.4%)>广东省北部(5.5%~10.0%). 8月火电排放对珠三角城市ρ(SO₂)、ρ(NO₂)月均值的贡献率较高,分别为17.0%、11.1%,其次为10月、4月、1月,其影响集中于火电厂所在城市及下风向区域,对不同城市的贡献差异性较大,具有局地特征;火电排放10月对ρ(PM₁₀)、ρ(PM_2.5)月均值贡献率(9.1%、10.6%)较高,其次为8月、4月和1月,影响区域更广,对不同城市的贡献差异较小,呈现区域性特征.      

2010年广州亚运期间空气质量与污染气象条件分析

利用2010年11月4日～12月10日广州地区NO2、O3、SO2、PM、能见度实测资料,区域空气污染指数RAQI及大气输送扩散特征参数,分析广州亚运期间空气质量与气象条件变化特征.结果表明,亚运期间空气质量比亚运前后好,能见度比亚运前后大,PM1和PM2.5浓度比亚运前后小,能见度与PM1和PM2.5有较好的反相关;亚运期间NO2和SO2日均值和小时均值均达到国家一级标准,PM10日均值和O3小时均值均满足国家二级标准,污染物得到较好的控制;广州地区SO2受本地源和外地源远距离输送叠加影响,NO2受本地源影响较大;广州周边城市NO2、SO2和PM10有向广州输送的潜势,而广州O3有向其周边城市扩散的潜势;亚运期间污染气象条件比亚运前后有利,亚运期间污染物浓度降低得益于政府实施的减排措施及良好的气象条件.