典型城市臭氧污染源贡献及控制策略费效评估

东莞是珠三角O_3污染最严重的城市,使用RSM/CMAQ(曲面响应模型)法分析了珠三角区域人为排放的NO_x和VOCs对东莞市O_3浓度变化源贡献.2014基准年分析结果表明,扣除模型域外区域传输及天然源排放对O_3本底浓度贡献(41.00%)后,东莞本地VOCs排放对O_3贡献最大(18.50%),珠三角区域NO_x减排率13%时可持续降低东莞市O_3浓度.进一步使用ABa CAS-SE(空气污染控制成本效益与达标评估系统)对2017、2020、2025东莞市3个未来年O_3污染控制情景进行了费效评估.评估结果显示,NO_x和VOCs控制比例相对较低的2017年控制情景人体健康效益/区域控制成本比约为1.1;而控制比例相对较高的2025年东莞O_3达标情景效益成本比仅为0.1.这说明,在高减排率情景下,以末端治理为主的控制措施经济可行性较差,需综合采取产业/能源结构调整、清洁生产等措施实现NO_x和VOCs的大比例减排,实现东莞O_3的稳定达标.今后将进一步研究NO_x和VOCs减排对PM_(2.5)环境浓度及健康效益影响,开展多目标污染物协同控制费效评估.     

臭氧污染动态源贡献分析方法及应用初探

论文创新提出了基于RSM/CMAQ臭氧污染动态源贡献分析方法,并以佛山市顺德区2014年10月为例,分析了不同区域的人为可控源NO_x和VOCs减排情景下(10%、70%和100%)对本地O_3浓度变化的量化贡献.研究结果表明顺德区O_3的人为可控比例约43%,且受区域排放影响非常明显,主导上风向广州排放源总贡献(14%)超过顺德本地贡献(7%).VOCs的减排可有效削减顺德区O_3浓度,当减排力度较小时(12%),若仅控制区域NO_x排放将导致顺德区O_3浓度上升,随着减排力度的加大,区域NO_x的削减贡献会反超VOCs.RSM/CMAQ动态源贡献分析方法可为空气质量管理提供科学决策依据.     

京津冀地区主要排放源减排对PM2.5污染改善贡献评估

研究选取2012年1月和7月作为冬夏两季代表时段,利用CMAQ/2D-VBS模型分析了冬夏两季京津冀地区主要排放源减排30%对改善区域PM_(2.5)污染的效果.结果表明,工业源对PM_(2.5)污染的贡献最大,其次是民用源,但工业源单位减排量贡献低于民用源,交通源和电厂源的整体贡献和单位减排量贡献均较小.工业部门内贡献最大的为钢铁冶金行业,其次是水泥、工业锅炉、炼焦、石灰砖瓦和化工行业.与各部门各物种排放量的比较反映出各排放源贡献大小与其一次PM_(2.5)排放水平高度相关.因京津冀地区冬季NO_x减排对PM_(2.5)形成的促进作用,以及冬季较弱的大气垂直扩散作用,各排放源夏季减排比冬季普遍更有效,交通源、电厂源以及工业源中的水泥、工业锅炉和石灰砖瓦行业夏季减排效果相比冬季优势明显.民用源由于采暖季排放较高而冬季贡献更明显,农业源因秸秆开放燃烧量大,冬季单位减排量贡献十分显著.从同等幅度减排考虑,应将工业源作为控制重点,优先控制其一次PM_(2.5)排放,在部门内进一步重点控制钢铁冶金行业的NO_x和SO_2排放、水泥行业的夏季NO_x排放以及炼焦行业的SO_2和NMVOC排放.民用源排放应着重在冬季采暖期控制.     

不利风向条件下北部湾人为源对海口市PM2.5浓度影响的模拟研究

通过分析2013—2017年海口市风向频率、地面PM_(2.5)浓度及海口市所处北部湾地理位置,确定12月为北部湾对海口市最不利风向时间段.利用中尺度气象模式(WRF,Weather Research Forecast)驱动空气质量模型(CMAQ,Community Multi-scale Air Quality),设置一系列数值模拟情景,深入分析北部湾人为源对海口市PM_(2.5)浓度影响.结果表明:WRF/CMAQ能很好地再现北部湾气象场和PM_(2.5)浓度的时空分布.2013年12月,北部湾人为源对海口市PM_(2.5)平均贡献率约为45.4%,其中约有90%来源于海口市自身人为源,约有10%来源于广东广西片区,海南片区除海口外其余市县贡献可忽略不计.污染时段,北部湾和海口市自身贡献率均下降,平均贡献率分别为40%和36%,表明污染时段海口市PM_(2.5)主要源区不仅来自北部湾.通过分析后向轨迹,发现污染时段均会经过一个关键区——珠三角区域,表明珠三角区域很有可能也是造成2013年12月海口市PM_(2.5)污染的主要源区.清洁时段,北部湾和海口市自身贡献率均上升,平均贡献率分别为52%和48%,表明北部湾对海口市PM_(2.5)浓度影响在清洁时段更显著.因此,北部湾未来产业规划值得关注,因为这些产业很有可能使目前海口市清洁时段变为污染时段,导致空气质量下降.     

南京市秋季细颗粒物及臭氧生成敏感性初探

为考察江苏省南部地区重点排放源对南京市秋季细颗粒物(PM_(2.5))的贡献率及O_3生成敏感性,采用强力法针对特定排放源及污染物设置不同的排放情景,利用化学传输模拟系统Models-3/Community Multi-scale Air Quality(CMAQ)分析模拟区域内不同情景下地表PM_(2.5)及O_3浓度变化。2012年10月,电厂、钢铁和水泥的污染物排放对南京市PM_(2.5)浓度的平均贡献率分别为6.0%、25.5%和15.9%,对国控站点的贡献率分别为7.2%、17.7%和16.2%。钢铁对下风向区域的地表PM_(2.5)浓度的影响显著高于电厂及水泥部门的排放。从不同情境下模拟O_3地表浓度变化结果看出,南京市城区及下风向区域的O_3浓度随VOC排放削减降低,随NO_x排放削减升高,因而判定南京市秋季O_3生成属于VOC控制区。     

区域PM_(2.5)内源外源贡献率的集对分析研究

判断某一地区PM_(2.5)来自内源和外源的比例,是大气污染防治的重要问题。该文以东莞市为例,构建了计算区域PM_(2.5)内源外源贡献率的集对分析方法。清溪地区自身的污染排放少,污染物浓度低;又由于地理、气象等原因,该地PM_(2.5)浓度主要由东莞其他地区污染物传输贡献,受东莞市以外地区影响较小,故清溪站PM_(2.5)浓度能基本反映东莞PM_(2.5)的本底浓度。依据本底浓度,把各污染物组分的浓度分为内源段和内外源混合段后,利用东莞5个监测站点源解析样本可分别构造样本集合A与评价等级集合B。根据B集合对混合段的数据进行集对分析,求出各站点污染物组分的浓度与内源、外源的联系度,即贡献比例。研究表明,内源外源对东莞PM_(2.5)的贡献比例分别为83%和17%,大致符合预期。此法简单有效,为政府控制PM_(2.5)制定污染物减排措施提供参考。     

金华市人为源大气污染物排放清单

该文基于对金华市大气污染排放源的摸底调查,基础数据收集和分析,结合国内外的研究结果,采用"自下而上"为主的排放系数法,建立了2013年金华市人为源大气污染物排放清单。该清单涉及的污染物包括SO_2、NO_x、CO、PM_(10)、PM_(2.5)、VOC和NH_3。人为污染源种类包括电厂源、工业源、移动源、扬尘源、VOC相关源及其他污染源,农业源,居民生活源等。结果表明,金华市2013年大气污染源SO_2排放总量约为3.83万t,NO_x约为7.75万t、CO约为12.50万t、PM_(10)约为4.10万t,PM_(2.5)约为1.88万t、VOC约为7.66万t、NH_3约为2.63万t。从排放源的分担率来看,工业源是金华市大气污染物的最主要的排放源之一,对SO_2、NO_x、CO、PM_(10)和PM_(2.5)的贡献分别达到了67.31%、34.42%、30.39%、53.02%和50.95%。同样,道路移动源的贡献也不容忽视,对NO_x、CO、PM_(10)和PM_(2.5)的贡献分别达到了42.84%、34.13%、3.31%、6.55%。电厂锅炉、道路扬尘、工业溶剂使用、畜禽养殖对不同污染物分别有着重要贡献。电厂锅炉对SO_2、NO_x、CO的排放量分别贡献了29.06%、17.89%、9.73%。道路扬尘对PM_(10)和PM_(2.5)的贡献分别为25.68%和18.01%。工业溶剂对于VOC的贡献为32.65%。NH_3主要来自畜禽养殖,占了66.57%。该人为源大气污染物排放清单可为当地的污染防控提供重要的基础信息。     

廊坊市区主要大气污染源排放清单的建立

通过调研、统计廊坊市区工业、城中村及机动车等资料,结合以往清单文献研究结果及清单编制指南中的排放因子,计算了廊坊市区主要大气污染物的排放量,得到廊坊市区2014年主要大气污染源排放清单.结果显示,2014年廊坊市区工业源(固定燃烧)NO_x、SO_2、NMVOC、CO、PM_(10)、PM_(2.5)排放总量分别为6.4×10~3、1.2×10~4、31、1.0×10~4、7.3×10~2、4.4×10~2t,其中热电行业排污贡献率最高,分别占NO_x、SO_2、CO、PM_(10)、PM_(2.5)工业源(固定燃烧)年排放总量的55%、48%、67%、63%、69%;安次区工业企业对气态污染物贡献较高,广阳区及开发区工业企业对颗粒物排污贡献较大.低矮面源(城中村)NO_x、SO_2、NMVOC、CO、PM10、PM_(2.5)年排放总量分别为1.8×10~2、3.6×10~3、3.0、4.9×10~3、1.5×10~2、72 t.道路移动源CO、HC、NO_x、PM_(2.5)年排放总量分别为2.4×10~4、1.9×10~3、2.2×10~3、44 t,其中小型客车对HC和CO贡献率较高,分别为53%和61%;NO_x年排放总量中26%由重型货车贡献;PM_(2.5)则主要由轻型货车和重型货车贡献,占比分别为39%和21%.     

重庆市都市功能核心区秋季大气污染物时空分布特征

为研究重庆市都市功能核心区大气污染物浓度水平及变化规律,统计分析了2014年9月至2014年11月5个监测站(解放碑、高家花园、杨家坪、新山村和南坪)24 h连续监测PM_(2.5)、PM_(10)、SO_2、NO_2、CO和O_3浓度数据.结果表明,观测期间,大气颗粒物污染严重,5个站点PM2.5日均浓度超标率分别为30.8%、37.4%、38.5%、37.4%和31.9%,5个站点PM10日均浓度超标率分别为23.1%、22.0%、18.7%、19.8%和19.8%;重庆市都市功能核心区细颗粒物(PM_(2.5))污染严重,5个站点PM2.5占PM10比例分别为60.2%、64.6%、64.1%、75.4%和62.8%;PM_(2.5)、PM_(10)、NO_2和CO早晚出现高峰值;SO_2和O_3浓度日变化曲线呈现单峰型,峰值分别出现在中午和午后;降水量、气温和水汽压与PM_(2.5)、PM_(10)、SO_2和NO_2呈显著负相关;相对湿度与O_3呈显著负相关,气温、水汽压和风速与O_3呈显著正相关;CO与相对湿度呈显著正相关;风向也影响着大气污染物浓度的时空分布,南偏西、南偏东和东北偏北风利于PM_(2.5)、PM_(10)、SO_2、NO_2和CO浓度积累,西北风利于PM_(2.5)、PM_(10)、SO_2、NO_2和CO扩散;但西北风控制下利于O_3浓度积累.     

京津冀地区钢铁企业大气污染影响评估

利用京津冀钢铁行业高分辨率排放清单,结合区域具体淘汰产能设备名单,采用空气质量模式CAMx模拟并分析现状和化解产能情景下京津冀地区钢铁行业大气污染物对区域空气质量的贡献情况.结果表明,现状情景下,冬季钢铁企业对整个区域PM_(2.5)、SO_2、NO_x最高浓度贡献比例分别为14.0%、28.7%、43.2%,夏季分别为13.1%、28.7%、53.4%.化解产能情景下京津冀钢铁行业SO_2、NO_x、烟粉尘、PM_(2.5)与2012年排放现状相比,排放量分别下降了10.75%、10.65%、9.75%、9.75%,排口数量下降了11.74%,钢铁企业对京津冀各城市PM_(2.5)、SO_2、NO_x浓度贡献比例均有减少,冬季贡献比例最多减少了1.4%、2.5%、3.1%,夏季贡献比例最多减少了0.9%、2.0%、3.5%.     

关中盆地NO2和SO2对颗粒物污染的协同效应

基于WRF-Chem模式模拟了关中盆地2019年1月2—14日一次颗粒物污染事件,评估了NO_x和SO₂减排及其在颗粒物污染中的协同作用对PM_2.5污染的影响。敏感性实验结果表明：NO_x减排可使PM_2.5中硝酸盐含量下降,但大气中O₃浓度上升,大气氧化能力增强,其他二次组分上升,导致PM_2.5下降不明显;SO₂人为源减排可使硫酸盐质量浓度下降,但由于硫酸盐在PM_2.5中占比较低,当SO₂减排75%时,PM_2.5仅下降1.74%;当减排比例较高时,NO_x和SO₂同时减排更有利于颗粒物污染防治。PM_2.5质量浓度在NO_x和SO₂同时减排75%时比分开减排75%时多下降0.75%,主要是硫酸盐下降所致;对气溶胶含水量进行分析,发现NO_x对气溶胶含水量影响较大,当NO_x减排75%时,气溶胶含水量可下降15.51%;此外,NO_x和SO₂同时减排比分开减排时气溶胶含水量更低,更不利于二次颗粒物生成。     

超低改造下中国火电排放清单及分布特征

本研究基于2018年火电在线监测和环境统计等数据,自下而上编制了中国高分辨率火电行业排放清单,并核算了排放浓度、排放因子和排放量.结果表明超低排放政策效果显著：2018年火电SO₂、NO_x和烟尘平均排放浓度分别为37.57、56.71和7.41mg ·m^-3.比2015年分别下降58.71%、43.12%和60.79%;中国燃煤机组的SO₂、NO_x和烟尘平均排放因子分别为0.30、0.48和0.06 g ·kg^-1,比2015年分别下降55.2%、36.84%和62.5%;中国火电SO₂、NO_x、烟尘和PM_2.5总排放量分别为72.14、118.38、14.90和13.59万t ·a^-1,比2015年分别下降41.32%、19.29%、48.12%和40.39%.     

南昌市固定燃烧点源大气污染物排放清单及特征

大气污染物排放清单是了解区域污染物排放特征、准确模拟空气质量的重要资料,而工业点源是大气污染的重点排放源.通过收集相关活动水平信息和合理的排放因子,采用"自下而上"的方法建立了南昌市2014年点源大气污染物排放清单.结果表明,SO_2、NO_x、CO、PM_(10)、PM_(2.5)和VOC排放总量分别为29576.2、17115.1、25946.6、4689.4、922.9和1190.4 t,其中,金属炼制行业对SO_2、CO和VOC的贡献最高,分别占37.75%、30.59%和38.45%;火电行业是NO_x的主要来源,其贡献率为47%;水泥等建材制造行业对PM_(10)和PM_(2.5)排放贡献最高,分别为26%和25%.根据排放源污染物排放量及地理坐标信息,建立了0.4 km×0.4 km的污染物排放量空间分布特征图,结果表明,南昌市大气污染物排放较为集中,青山湖区北部和新建区北部是SO_2、NO_x、CO和VOC的主要排放区,而PM_(10)和PM_(2.5)的排放量相对分散,并在安义县出现排放高值区.通过将计算结果与统计数据结果进行对比,了解所估算清单的准确程度.对SO_2和NO_x的计算值和统计值进行统计分析,结果显示,NMB(标准化平均偏差)和NME(标准化平均误差)值均小于50%,清单计算精度较高.同时,为了解清单数据质量,对清单的不确定性进行定量分析,结果显示,SO_2和VOC不确定性较低而PM_(10)和PM_(2.5)的不确定性相对较高,清单整体不确定性与其他研究结果相差不大.建议后期研究可以从提升基础数据质量和建立具有区域代表性的排放因子数据库着手,从而减小排放量的不确定性,获得精准可靠的大气污染物清单并应用于空气质量模型预报等更深入的研究.     

兰州市高分辨率人为源排放清单建立及在WRF-Chem中应用评估

城市尺度高分辨率人为源大气污染物排放清单是城市空气质量预报预警、污染成因分析和减排措施制定的重要基础数据,目前我国西部地区城市尺度的人为源排放清单研究仍然相对薄弱,能对接于空气质量模式的排放清单更为缺乏.本文整合已发表的清单文献,建立了可对接于空气质量模式的2016年兰州市城市尺度的人为源清单模型（HEI-LZ16）,将之应用于WRF-Chem模式,评估HEI-LZ16的准确性和适用性.结果表明：兰州市2016年人为源排放的SO₂、NO_x、CO、NH₃、VOCs、PM₁₀、PM_2.5、BC和OC总量分别为25642、53998、319003、10475、35289、49250、19822、2476和1482 t·a^-1.在模拟时间内,HEI-LZ16相比于MEIC,O₃和PM_2.5的NME值分别减小了140.2%和28.8%,HEI-LZ16更加准确适用.分析了HEI-LZ16情景下模拟的PM_2.5和O₃时空分布,兰州市臭氧MDA8呈现冬春季城区低而郊区高,夏秋季河谷城区西部及其下风向地区高的分布特征,夏秋季高浓度区的分布受偏东风和光化学反应的共同影响,冬季城区O₃浓度受NO_x排放的抑制作用浓度反而降低.PM_2.5浓度的高值区主要集中在黄河河谷盆地,本研究表明沿白银—兰州黄河河谷盆地走向的西侧存在一个污染物传输通道,其对兰州市环境空气质量具有较大的影响.     

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.      

2020～2021年新冠疫情期间南京市PM2.5化学组成与来源变化特征

为了解新冠疫情期间极端减排情景下南京市PM_2.5的化学组成和来源变化,对南京市2020年1～3月和2021年6～8月两次疫情管控前后PM_2.5化学组分(水溶性无机离子、碳质组分和无机元素)的小时观测结果进行分析.结果表明,NO^-₃浓度在两次疫情管控期间比管控前分别下降52.9%和43.0%,高于NH⁺₄(46.4%和31.6%)和SO₄^2-(33.8%和16.5%).由于观测点位于交通干道附近,元素碳(EC)的下降幅度(35.4%和20.6%)高于有机碳(OC; 11.1%和16.2%).结合以上丰量组分特征比值的变化,推断疫情管控对交通排放的影响比工业活动更显著.各主要丰量组分浓度在疫情管控前后的连续变化过程表明,来自本地交通排放的NO_x对PM_2.5中NO^-₃的形成有重要贡献,并且是短期内本地PM_2.5...     

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.     

电动汽车普及对江苏冬季大气污染影响的数值模拟

为研究电动汽车普及对空气质量的影响,首先利用机动车排放计算模型MOBILE估算了在电动汽车替代50%小型载客车情景下江苏省的大气污染物排放量,并利用中尺度气象-化学模式(WRF-Chem)模拟和分析了电动车替代前后冬季污染物浓度的变化特征.结果表明,如果用电动汽车替代小型载客车,江苏省13个地级市的CO、NO_x、VOC排放量都有所降低,减排量从地区来看,苏南苏中苏北.电动汽车替代将会造成江苏地区由交通排放引起的CO浓度降低20%～35%,氮氧化物浓度降低10%～30%,减排效果总体上苏南地区好于苏中和苏北地区.交通排放对于SO_2、一次PM_(2.5)和PM_(10)的贡献小,也可能是因为清单低估了交通源对它们的贡献,因此,减排效果不明显.受NO_x影响,交通减排增加了O_3浓度.