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.     

杭州富阳地区2015—2018年冬季不同天气形势下PM2.5传输路径和潜在源区分析

利用2015—2018年杭州市富阳地区国控站污染数据、自动站和GDAS气象资料及对海平面气压场进行天气分型的基础上,使用HYSPLIT模型、潜在源贡献因子（WPSCF）分析法和浓度权重轨迹（WCWT）分析法,研究富阳地区冬季污染现状及不同天气形势下PM_2.5的输送路径与潜在源区分布特征.结果表明,2015—2018年富阳地区冬季PM_2.5浓度持续较高且变化趋势不明显,污染区域输送问题不容忽视.通过天气分型得到该地区冬季主要受高压、高压前部、高压底部、L型高压、低压和低压前部6种天气形势影响,其中,高压和高压底部控制下PM_2.5浓度均值较高,分别为65 μg·m^-3和58 μg·m^-3.对各天气形势下气团轨迹聚类分析得到,高压和高压前部控制下污染气团主要来自山东、江苏等地,高压底部和L型高压控制下污染气团主要来自内蒙古、辽宁等地,低压和低压前部控制下污染气团主要来自浙江中部、东南部地区.不同天气形势下WPSCF和WCWT得到的分布特征类似,高压控制下潜在源区分布范围最广,位于浙江西南部、东北部、上海和江苏东南部地区,其次为高压底部控制,潜在源区位于浙江中东部、东北部和上海地区,高压前部、L型高压、低压和低压前部的潜在源区范围较小,基本位于浙江、江苏南部和上海等地.     

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.     

北京与成都大气污染特征及空气质量改善效果评估

近年来我国空气质量持续改善,大气颗粒物浓度明显降低.为探究气象条件和减排措施对细颗粒物（PM_2.5）浓度的相对贡献,选取两个典型代表城市——北京和成都,对比分析两城市所处的地理环境条件、污染排放以及气象扩散条件.结果表明,北京与成都2013~2018年重污染天数及污染过程显著减少,SO₂和PM_2.5浓度降幅明显,与2013年相比,两城市2018年SO₂浓度的降幅分别为77.8%和70.9%,PM_2.5浓度分别降低了42.7%和48.5%.冬季PM_2.5浓度下降速率最大,每年分别以13.5μg·m^-3和14.1μg·m^-3的速率降低.2013~2018年成都较北京风速偏小,温度偏高约3℃,静小风日数偏多,冬季静小风频率高,混合层高度、大气容量指数以及通风系数明显偏小,大气扩散条件较差.综合静稳天气指数（SWI）和环境气象指数（EMI）结果表明北京大气扩散条件优于成都,但近几年的变化程度有所不同.2014~2018年两城市的EMI呈减小趋势,2018年成都地区EMI降幅最显著,气象条件明显好转.与2014年相比,2018年北京与成都全年大气污染减排对PM_2.5浓度的贡献分别为33.5%和24.0%,气象条件的贡献分别为7.2%和11.1%;冬季减排贡献分别为31.7%和32.5%,气象条件的贡献比全年的大.     

2015～2016年北京市3次空气重污染红色预警PM2.5成因分析及效果评估

北京市空气重污染应急指挥部分别于2015年12月7日18：00、12月18日07：00和2016年12月15日13：00发布了3次空气重污染红色预警.为了厘清3次红色预警的成因差异,评估应急措施在应对空气重污染的有效性,本文基于北京市环境和气象监测数据,分析了红色预警期间PM_2.5浓度、气象条件、天气形势及气团传输.3次预警期间均受污染物二次转化影响,但造成高浓度PM_2.5的原因主要为气象条件影响.第1、第2次预警期间,地面受均压场控制,区域传输分别受西南和南部气团影响,第3次预警地面受大范围低压场控制,受西南传输及局地气团叠加影响.第3次红色预警期间北京市PM_2.5污染最为严重,PM_2.5平均小时浓度最高为273.6 μg·m^-3,是前两次预警的1.2倍和1.3倍.此外,结合各污染源减排量,采用WRF-CMAQ模式对第3次红色预警应急措施效果进行评估,结果表明：应急措施实施后,污染物日平均减排量为678.4 t,PM_2.5质量浓度平均下降了79.1 μg·m^-3,平均下降比例为26.9%.应急措施中增加燃煤源及加大交通源和其他源控制、预警启动时间提前及区域间联防联控有效缓解了PM_2.5浓度加重趋势.     

南京市不同功能区冬季大气PM2.5分布特征及其来源解析

2016年12月-2017年1月,在南京市4类典型功能区（农业区、住宅区、交通干道区、工业区）各选两点,共采集了大气PM_2.5样品32套,测定并分析了其质量浓度、9种水溶性离子（WSIs）、有机碳（OC）以及元素碳（EC）的含量.观测期间,南京市冬季PM_2.5的平均浓度为104.5 μg·m^-3,分布特征为：工业区（116.6 μg·m^-3）>农业区（104.3 μg·m^-3）>住宅区（100.1 μg·m^-3）>交通干道区（96.9 μg·m^-3）;WSIs、OC和EC的平均浓度（/PM_2.5）分别为：53.4 μg·m^-3（51.1%）、11.8 μg·m^-3（11.3%）、8.2 μg·m^-3（7.8%）.农业区和住宅区受WSIs污染较严重且NOR、SOR较高,而工业区和交通干道区的OC、EC污染较严重且SOC/OC较高.进一步运用PMF模型解析,南京市冬季PM_2.5来源为：二次源（37.3%）、工业源（31.2%）、交通源（16.4%）、建筑尘（7.9%）和燃煤源（7.2%）.最后,本文收集了自2000年起南京市冬季大气PM_2.5浓度及其污染来源研究,总体而言,近年来南京冬季大气PM_2.5浓度呈下降趋势,其主要污染源比重也发生了较大变化,燃煤贡献有所下降,而工业和交通排放逐渐上升,且二次污染贡献逐渐突出.今后,控制二次污染源将成为南京市大气PM_2.5治理的重中之重.     

基于SOA转化机制的沧州市重点企业秋冬季大气污染模拟

基于沧州市2016年排放清单筛选出120家重点企业,采用重新编译代码后的CALPUFF空气质量模型,模拟了2017年秋冬季不同程度污染天气下120家重点企业PM_2.5、PM₁₀、SO₂、NO₂及二次生成硫酸盐、硝酸盐、二次有机气溶胶（SOA）的污染情况.结果表明,120家重点企业PM_2.5、PM₁₀、SO₂和NO₂秋冬季平均模拟浓度占平均观测浓度的比例分别为：3.3%、5.7%、5.6%和2.9%;一次排放的PM₁₀主要集中在沧州市西南部和东南部,二次转化的SOA、硫酸盐和硝酸盐主要集中在主城区和东南部;PM_2.5中SOA平均占比约为27.3%,重污染时段比例上升为29.0%;PM_2.5中烷烃气溶胶、甲苯气溶胶、二甲苯气溶胶和多环芳烃（PAH）气溶胶占比分别为：12.1%、6.0%、7.0%和2.2%.120家重点企业精细化模拟结果显示,重污染天气以上120家重点企业的PM_2.5贡献浓度为3.02μg·m^-3,占沧州市"三年作战计划"要求2018年下降浓度（6.00μg·m^-3）的50%;PM_2.5浓度贡献较大的企业包括某石油化工股份有限公司沧州分公司（0.41μg·m^-3）、某碳素有限公司（0.29μg·m^-3）、某石化股份有限公司聚海分公司（0.26μg·m^-3）、沧州某肥业有限公司（0.23μg·m^-3）、沧州某大化有限责任公司（0.19μg·m^-3）等,主要位于新华区、沧县和渤海新区.本研究可为开展秋冬季每一家重点企业的错峰生产和应急减排提供科学依据.     

2013-2014年河南省PM2.5浓度及其来源模拟研究

随着城市化和工业化水平的逐渐提高,河南省的空气污染问题也日益严重.利用嵌套网格空气质量模式（NAQPMS）,数值模拟了2013年7月-2014年6月年河南省大气细颗粒物及其前体物（NO₂、SO₂、PM₁₀、PM_2.5）的地面浓度,并量化了其主要来源.结果表明：模式能够较好地再现污染物的时空演化特征.整体来讲,河南省PM_2.5的高值区集中在中部和北部地区,呈现冬季高、夏季低的特点.在线源解析模拟发现,河南省不同地区PM_2.5的来源有所不同,中西部地区主要来自于本地,而在东部和北部地市,来自周边省份的区域输送更为显著,其贡献达到40%～50%,且在PM_2.5浓度的高值区更为明显.就行业贡献而言,居民源、工业源和机动车排放是河南省PM_2.5浓度的主要来源,其浓度贡献分别为23.7 μg·m^-3（贡献比例24%,下同）、20.6 μg·m^-3（21%）和21.3 μg·m^-3（22%）,电厂、农牧业和地面扬尘的浓度贡献分别为7.0 μg·m^-3（7%）、8.7 μg·m^-3（9%）和17.8 μg·m^-3（18%）.受居民源影响最大的地区是河南中东部和北部地市,其贡献达到PM_2.5浓度的27%、27%和25%.工业源影响最大的地区集中在太行山南部地市,其浓度贡献为26.4 μg·m^-3（24%）,在其他地市的贡献为17%～23%.机动车对河南东部影响最为显著,其浓度贡献为22.9 μg·m^-3（24%）.电厂和农畜牧业对全省PM_2.5的贡献分布比较均匀,分别为6%～9%和8%～10%.分析不同浓度下的PM_2.5来源,发现工业源和扬尘贡献随PM_2.5浓度增加逐渐降低,而居民源和机动车排放的贡献则有所增加,在PM_2.5浓度高于100 μg·m^-3期间,达到22%和20%.     

石家庄市采暖季PM2.5碳组分昼夜污染特征及来源分析

为探究2017年石家庄市采暖季昼夜PM_2.5中碳组分的污染及来源特征,选取2017年11月30日-2018年1月22日时间段分别采集石家庄白天（8：00-20：00）、夜晚（20：00-翌日8：00）的PM_2.5样品,分析PM_2.5组分中OC和EC昼夜间的浓度变化特征、来源特性,SOC的估算及影响因素,并对石家庄市碳质气溶胶进行源解析和区域传输分析.结果表明,①采样期间白天PM_2.5、OC和EC的平均质量浓度分别为（110.6±71.6）、（39.9±20.4）和（9.3±3.6）μg·m^-3,夜间平均质量浓度分别为（128.5±75.3）、（64.7±36.5）和（13.6±6.0）μg·m^-3,PM_2.5、OC和EC质量浓度均呈现出夜间质量浓度高于白天的特征.②燃煤和机动车尾气排放在增加了一次有机碳（POC）和元素碳（EC）的本底质量浓度的同时,产生的CO、NO₂、SO₂等气体污染物又促进了光化学反应,两者协同作用下促进了SOC质量浓度的生成和积累.根据估算,SOC、SOC/OC值在夜间高于白天,白天较强的太阳辐射和光化学活性是SOC转化的主导因素,夜间气态有机前体物浓度是SOC转化的主导因素.③采样期间昼夜间OC、EC的相关性较好,其来源具有较好的同源性.大气PM_2.5碳质气溶胶主要来自燃煤、汽油车和柴油车尾气排放混合源,夜间柴油车污染源对碳质气溶胶的贡献率较白天更为明显.④后向轨迹结果表明,石家庄市严重污染期间颗粒污染物浓度变化主要受到低空东北方向气团的影响,PM_2.5以及OC、EC质量浓度的变化和周边地区的污染物输送有关.     

2015年北京市两次红色预警期间PM2.5浓度特征

利用北京市及周边地区大气污染物监测数据,综合分析了2015年北京市两次空气重污染红色预警期间PM_2.5浓度变化特征并初步评估了减排措施对PM_2.5浓度的影响.结果表明:第1次红色预警期间,北京市PM_2.5平均最高小时浓度出现在12月9日19:00,为282μg·m^-3,单站最高小时值出现在京东南市界永乐店站,浓度达496μg·m^-3.第2次红色预警期间,PM_2.5全市平均最高小时浓度出现在12月22日20:00,为421μg·m^-3;单站最高小时值出现在京西南市界琉璃河站,浓度达831μg·m^-3.两次红色预警累积持续时间均呈现出南部站 > 城区站 > 北部站的特征,且第2次红色预警期间PM_2.5浓度南北差异明显大于第1次,PM_2.5平均浓度在150μg·m^-3以上的面积明显大于第1次,第2次红色预警期间重污染面积可达总面积的93%.两次预警期间气象条件均不利于污染物的扩散,均存在不同程度的二次转化和区域输送现象,极端气象条件是重污染形成的外因,区域污染物排放量大才是导致重污染形成的内因.初步评估结果显示红色预警应急措施实施后,北京市PM_2.5环境浓度下降约20%~25%,减排效果显著.     

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.     

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.     

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.     

天津PM10和NO2输送路径及潜在源区研究

利用HYSPLIT模型和全球资料同化系统(GDAS)气象数据,用聚类方法对2012年12月~2013年11月期间抵达天津的逐日72h气流后向轨迹按不同的季节进行归类.并利用相应的PM10和NO2浓度日监测数据,分析了不同季节气流轨迹对天津污染物浓度的影响.运用潜在源贡献(PSCF)因子分析法和浓度权重轨迹(CWT)分析法分别模拟了不同季节PM10和NO2潜在PSCF和CWT.结果表明,不同方向气流轨迹对天津PM10和NO2潜在源区分布的影响存在显著差异.天津PM10和NO2日均浓度最高值对应的气流轨迹均集中在冬、春和秋季等来自内陆的西北气流;夏季影响天津的气流轨迹主要来自西北和东南方向,对天津PM10和NO2的日均浓度贡献较小.天津PM10和NO2的PSCF与CWT分布特征类似,最高值主要集中在天津本地以及邻近的河北省和山东省,是天津这两种污染物主要潜在源区.     

天津夏季郊区VOCs对臭氧生成的影响

挥发性有机物是O₃重要的前体物之一,在O₃生成方面起着决定性作用.为研究天津郊区VOCs特征及其对O₃生成的作用,利用SyntechSpectras GC955在线监测系统监测天津市津南区54种VOCs的浓度,并结合最大增量活性因子计算VOCs的臭氧生成潜力.结果表明,2018年7月津南区VOCs总浓度为（32.33±23.77）μg·m^-3,其中烷烃质量浓度最高,芳香烃和烯烃次之,炔烃最低,丙烷、乙烯和甲苯分列VOCs质量浓度的前3位.观测期间TVOC的OFP为107.81 μg·m^-3,烯烃对OFP的贡献最大,为55.80%,乙烯、异戊二烯和甲苯分列OFP贡献率的前3位.后向轨迹分析表明,不同来向和性质的气团下TVOC及其OFP不同.VOCs/NO_x体积分数比值估算表明,观测期间O₃生成对VOCs较为敏感.乙苯/间,对-二甲苯和乙烷/乙炔等特定物种对浓度比值的变化表明,3次O₃污染过程均伴随VOCs的老化过程.     

阿克达拉大气本底站黑碳浓度特征和潜在源

利用阿克达拉大气本底站2011~2017年黑碳气溶胶（BC）逐小时质量浓度资料和同期气象数据,采用后向轨迹聚类分析、潜在来源贡献函数法（PSCF）和浓度权重轨迹分析法（CWT）,研究了阿克达拉站BC不同时间尺度浓度特征和潜在源区.结果表明：阿克达拉站2011~2017年BC呈波动下降趋势,BC清洁程度较高;BC浓度呈春冬高,夏秋低的季节变化特征,春季（398.85±189.35） ng/m³>冬季（389.89±105.94） ng/m³>夏季（272.07±90.07） ng/m³>秋季（269.52±68.07） ng/m³,自然因素为BC浓度变化的主要原因;日变化特征表现为白天低、夜间高,基本呈单峰分布;阿克达拉站BC潜在源随季节变化差异明显,后向轨迹,WPSCF和WCWT分析都表明,春季潜在源集中于俄罗斯南部与新疆交界处的阿尔泰山北麓,秋季潜在源为新疆北疆经济带,冬季BC多受境外排放源影响.BC污染控制需要区域环境合作,实现联防联治,尤其是加强跨境污染源监测工作.     

Characteristics of size distributions and sources of water-soluble ions in Lhasa during monsoon and non-monsoon seasons

To understand the physical and chemical characteristics, particle size distribution and sources of size-separated aerosols in Lhasa, which is located on the Tibetan Plateau (TP), six sizes of aerosol samples were collected in Lhasa in 2014. Ca²⁺, NH₄⁺, NO₃^?, SO₄^2?and Cl^? were the dominant ions. The ratio of cation equivalents (CE) to anion equivalents (AE) for each particle size segment indicated that the atmospheric aerosols in Lhasa were alkaline. SO₄^2? and NO3^? could be neutralized by Ca²⁺, but could not be neutralized by NH₄⁺, according to the [NH₄⁺]/[NO₃^??+?SO₄^2?] and [Ca²⁺]/[NO₃^??+?SO₄^2?] ratios. Mobile sources were dominant in PM_0.95–1.5, PM_1.5–3 and PM_3–7.2, while stationary sources were dominant in the other three size fractions according to the [NO₃^?]/[SO₄^2?] ratios. The particle size distribution of all water-soluble ions during monsoon and non-monsoon periods was characterized by a bimodal distribution due to the different sources and formation mechanisms, and it was revealed that different ions had different sources in different seasons and different particle size segments by combining particle size distribution with correlation analysis. Source analysis of aerosols in Lhasa was performed using the Principal component analysis (PCA) for the first time, which revealed that combustion sources, motor vehicle exhaust, photochemical reaction sources and various types of dust were the main sources of Lhasa aerosols. Furthermore, Lhasa''s air quality was also affected by long-distance transmission, expressed as pollutants from South Asiaand West Asia, which were transmitted to Lhasa according to backward trajectory analysis.     

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.     

兰州市冬夏季大气PM2.5化学组分特征及来源分析

于2019年冬季（1月）和夏季（7月）对兰州市大气PM_2.5进行了连续采集,并结合同时期的气象资料分析了PM_2.5化学组分（有机碳、元素碳、水溶性离子）特征及来源.结果表明,冬季OC浓度为11.58~45.42 μg·m^-3,EC浓度为3.25~13.90 μg·m^-3,夏季OC、EC浓度分别为8.42~23.08、2.85~7.93 μg·m^-3,OC浓度总体高于EC,在PM_2.5中占到了更高的比重.冬季平均OC/EC为3.24,夏季平均OC/EC为2.75,表明有二次气溶胶SOC生成,且机动车排放与冬季燃煤供暖为其主要污染源.冬季OC和EC相关系数为0.94,夏季为0.66,夏季相关系数较低表明其污染来源较冬季复杂.SO₄^2-、NO₃^-、NH₄⁺、Ca²⁺是大气PM_2.5中最重要的4种水溶性离子,这4种离子在冬季和夏季分别占到总水溶性离子的84.56%和90.16%,占PM_2.5的45.6%、14.5%.主成分分析法、后向轨迹及浓度权重结果表明,兰州市PM_2.5主要的污染源除了受本地化石燃料燃烧、机动车尾气、生物质燃烧排放、土壤和建筑粉尘的影响外,还可能受到内蒙古高原和新疆塔克拉玛干沙漠等地远距离传输的影响.     

福建沿海海岛大气颗粒物中有机氯农药的区域背景及污染特征

为了研究沿海海岛背景区大气OCPs（有机氯农药）污染特征,于福建东山岛采集大气颗粒物样品,分析其中20种OCP化合物的质量浓度及可能来源.结果表明:东山岛大气颗粒物中ρ（总OCPs）为0.05~13.24 pg/m3,平均值为（3.21±2.78）pg/m3.其中,ρ（HCH）（HCH为六六六）最高,占ρ（总OCPs）的50.2%,其次是ρ（甲氧DDT）（甲氧DDT为甲氧滴滴涕）、ρ（DDT）（DDT为滴滴涕）和ρ（异狄氏剂）,而ρ（氯丹）、ρ（硫丹）、ρ（艾氏剂）和ρ（狄氏剂）均较低.ρ（总OCPs）季节性变化特征明显,表现为春季>冬季>夏季.OCPs分子标志分析显示,冬季和春季东山岛存在林丹新源的输入,夏季存在DDT新源的输入,而氯丹和硫丹主要以历史残留为主.与其他区域相比,东山岛大气颗粒物中ρ（总OCPs）明显低于城市、工业、农业、郊区、陆地背景区以及欧洲沿海背景区,总体处于较低水平.按功能区分化,OCPs的污染特征表现为城市、工业和农业区域>郊区、陆地背景区>海洋背景区.气团后向轨迹分析显示,春季ρ（总OCPs）较高可能受到北方陆地污染气团来源的影响,而夏季ρ（总OCPs）较低主要受到洁净海洋气团来源的影响.研究显示,福建沿海海岛背景区域大气中OCPs受污染源影响较小,其赋存状态处于较低水平.