广州市PM_(2.5)中含碳有机物的来源分析

通过对广州市城区PM_(2.5)的质量浓度和含碳气溶胶的组分连续1 a的采样分析,获得了广州地区PM_(2.5)中含碳气溶胶的年变化特征,对广州市PM_(2.5)中有机碳OC的来源和烃类有机物的主要来源进行了分析。结果表明,化石燃料燃烧和汽车尾气污染对广州市PM_(2.5)中含碳有机物的贡献较大,植物排放对春秋季PM_(2.5)有一定的贡献,而夏季则同时受到植物源和人为源的污染;采用散点图法和比值-比值法对多环芳烃的来源进行了分析,机动车排放对低环数PAHs(Flu、Pyr)的贡献较大,生物质燃烧对高环数PAHs(Bghi P、Icd P)具有显著贡献,而且存在一定的光化学老化,而藿烷和EC主要来自机动车排放源;广州市PM_(2.5)中有机碳OC的主要来源为机动车排放、燃煤排放、生物质燃烧、餐饮油烟、二次形成和其他来源,冬季分别贡献15.3%、20.5%、8.0%、11.5%、14.9%和29.8%。     

广东省气象与源排放因素对PM_(2.5)浓度影响的数值模拟研究

为更好地区分大气污染物浓度变化中气象与源排放因素的影响,使用中尺度气象模型WRF和三维空气质量模型CAMx,通过固定源清单的方法模拟研究了广东省各地区不同时期气象因素对PM_(2.5)浓度变化的影响,并结合实测的PM_(2.5)浓度变化,计算出源排放因素对PM_(2.5)浓度的贡献。结果表明:相对于2014年,2015年广东省夏季的气象条件不利于PM_(2.5)浓度的下降,春季和秋季的气象条件有利于PM_(2.5)浓度的下降,就全年各季度平均而言,珠江口附近地区气象条件较有利于PM_(2.5)浓度的下降;源排放变化对肇庆市、韶关市和揭阳市等城市PM_(2.5)浓度变化有较强的削减作用,可使其浓度下降30%以上,显示这些城市的减排工作较为有效,深圳市、珠海市、东莞市、中山市与顺德区等市(区)PM_(2.5)污染改善主要是由于有利的气象条件的影响,源排放变化对珠海市和湛江市等城市污染起加剧的作用,表明不利的源排放变化抵消了部分有利气象条件对PM_(2.5)污染的改善作用,应加强对这些地区源排放的控制。     

西安市的PM_(2.5)污染特征分析研究

分析和掌握大气中PM_(2.5)的污染特征,对控制PM_(2.5)的排放和改善空气质量具有十分重要意义。依据西安市连续2年多的空气质量监测数据,对AQI监测指标进行相关性分析,还从季节平均、月平均和日平均变化分析了PM_(2.5)随时间的分布特征,并应用MATLAB软件依据griddata插值算法绘制出了PM_(2.5)的空间分布图,直观地显示了PM_(2.5)污染在空间上的分布特征,突出了污染治理的重要季节和重点地区。研究结果表明:空气质量指数中的6项指标之间存在一定的相关性,PM_(2.5)与PM10的相关性最大,且PM_(2.5)污染呈季节性变化,春季污染最为严重,其次是冬季和秋季,夏季污染最轻;西安市的PM_(2.5)污染主要来源于燃烧、扬尘、尾气排放等过程,污染区域呈现北高南低的特征,污染源除人为源以外,周边污染扩散迁移也有较大影响。     

天津市PM_(2.5)在线源解析成分特征谱库构建研究

根据天津市颗粒物源解析结果,选取扬尘、燃煤、机动车尾气、工业生产、生物质燃烧及餐饮油烟等典型PM_(2.5)排放源,利用单颗粒气溶胶质谱仪开展天津市PM_(2.5)在线源解析成分特征谱库的构建研究。应用自适应共振理论神经网络分类算法(ART-2a)对采集的数据进行分析,确定了天津市PM_(2.5)的成分谱特征。通过对PM_(2.5)源谱离线与在线组分测试结果的相关性分析,得出各类污染物在线源解析源谱具有较好的代表性,能够定性反映各类污染源的基本信息,可作为在线源解析受体样品进行匹配的依据使用。     

餐饮行业细颗粒物(PM2.5)排放测算方法:以上海市为例

以上海市餐饮企业为例,研究了餐饮企业PM_(2.5)排放特征以及排放测算方法.按照单位灶头、单位时间、单位就餐人次这3种计算基准,获得了不同类型餐饮企业PM_(2.5)的排放因子,并在此基础上结合2014年上海市餐饮企业活动水平测算了PM_(2.5)的排放清单.结果表明,餐饮企业排放PM_(2.5)的浓度范围0.1~1.8 mg·m~(-3),甚至超过国家饮食业标准中关于油烟1mg·m~(-3)的排放限值;PM_(2.5)中OC质量贡献超过50%,OC/EC比值的变化范围为58.8~752.3,平均值为128.4,可作为餐饮排放的示踪特征.企业规模是影响餐饮企业PM_(2.5)排放因子的重要因素.按照灶头活动、餐饮作业时间以及就餐人次这3种方法计算得出的餐饮企业PM_(2.5)排放因子均表明,大型、中型企业明显高于小型和微型企业(食堂、快餐).基于上述3种排放因子,计算2014年上海PM_(2.5)排放量相对一致,表明本研究获得基于3种活动水平的排放因子比较可靠,未来可应用于其他城市餐饮企业排放清单的核算.     

北京市典型排放源PM_(2.5)成分谱研究

为了建立和完善北京市PM_(2.5)本地化源谱,对北京市11类排放源PM_(2.5)进行采集,并测定其26种组分,分析了不同排放源源谱的组分特征.结果表明,在有组织排放源中,燃煤电厂PM_(2.5)中OC和Si含量很高,占PM_(2.5)的质量分数分别为8.56%和6.19%(平均值),而供热/工业锅炉排放PM_(2.5)中则是SO_4~(2-)(占48.38%)和OC(11.0%)比例最高,水泥窑炉PM_(2.5)中OC(7.12%)、Ca(4.81)和Si(4.41%)占有较大比例;垃圾焚烧排放的PM_(2.5)中Si、Ca、K和SO_4~(2-)均较高,分别占8.15%、9.36%、7.17%和6.79%,且Cl~-含量(2.5%)高于其他所有源,生物质燃烧源PM_(2.5)中OC(21.7%)、Si(6.75%)、Ca(6.15%)较为丰富,餐饮源PM_(2.5)中OC(19.44%)、SO_4~(2-)(5.76%)和K(3.11%)含量均较高;无组织开放源中,道路扬尘和土壤风沙PM_(2.5)化学组分含量变化较为一致,均是Si(分别为16.8%和9.3%)和OC(分别为8.89%和6.61%)最高,建筑水泥尘PM_(2.5)中Ca(17.46%)含量高于其他源;流动排放源PM_(2.5)中OC、EC比例最高,其中,重型柴油车的OC(29.79%)与EC(26.5%)排放比例相当,而轻型汽油车OC排放占有绝对优势(占75%).本文通过对比国内外部分排放源PM_(2.5)成分谱的差异,指出不同区域相同源类排放的PM_(2.5)化学组分差异较大,在应用受体模型中的化学质量平衡模型(CMB)判断受体颗粒物来源时,应基于本地的排放源成分谱,以避免较大的误差.     

基于曲面响应建模的PM2.5可控人为源贡献解析

以东莞市PM_(2.5)重污染月份为例,使用强力法(Brute Force)和RSM/CMAQ曲面响应模型法分别解析了珠三角地区人为源排放对东莞PM_(2.5)的贡献,以及区域传输的可控人为源SO_2、NO_x和一次颗粒物(PM)在不同控制比例下(25%、50%、75%和100%)对东莞PM_(2.5)的累积浓度贡献.强力法研究结果表明,2014年1月珠三角地区人为源二次转化对东莞市PM_(2.5)的贡献(约58.10%)大于一次PM排放贡献(约41.90%),其中,人为源NH_3排放贡献最大,约占总量的21.66%.RSM/CMAQ动态源贡献结果显示,东莞市PM_(2.5)的人为可控源排放贡献(SO_2、NO_x和一次PM)占比为82.17%,受本地排放影响较大,且叠加区域排放的影响;一次PM减排对PM_(2.5)环境浓度的贡献高于仅减排SO_2和NO_x.在减排比例较低时,一次PM减排可有效削减东莞市PM_(2.5)浓度;随控制比例加大,二次前体物(SO_2和NO_x)减排对东莞市PM_(2.5)浓度削减率的影响加大.进一步使用HYSPLIT模式和轨迹聚类分析方法研究了2014年1月东莞市PM_(2.5)污染传输过程.结果显示,该时段共有6条长、短距离污染传输路径,污染物主要来自东莞市东、东北及东南方向,途经其上风向区域(惠州、深圳和广州等)传输至东莞;惠州是各主导上风向出现频率最高的城市,因而其区域传输对东莞PM_(2.5)的贡献也较大,深圳次之.     

不同土地类型的土壤扬尘特征与控制技术

城市环境大气颗粒物污染对城市环境和居民健康产生了一定危害和影响,而PM_(2.5)、PM_(10)超标是导致污染的重要因素,因此从源头上控制城市扬尘污染对提升城市环境大气质量具有重要意义。该研究以河北秦皇岛市为研究城市,分析了城市扬尘的PM_(10)、PM_(2.5)、降尘量和降尘粒径分布等特征。研究表明:研究区的土壤扬尘污染季节变化特征明显,荒地、河滩和耕地的PM_(10)、PM_(2.5)浓度在春季最高,其次为秋季和冬季,夏季最低。受土地类型影响排放强度大小为:荒地>河滩>耕地,其降尘量分别为5.05、1.96和1.36 t/(km~2·30 d),土壤扬尘降尘粒径在0～1μm没有分布,集中分布在10～50μm;对荒地进行植被覆盖试验可知,最佳播种量为18 g/m~2,植被3个月左右可完成建植,对土壤扬尘的有效控制率可达到79%。     

阳泉市秋冬季PM2.5化学组分及来源分析

采集了阳泉市城区2017年10月15日～2018年1月23日PM_(2.5)样品,分析了优良天和污染天PM_(2.5)及其化学组分特征,并利用富集因子分析法(EF)和正定矩阵因子分析法(PMF)对PM_(2.5)进行来源分析.结果表明,采样期间污染天二次无机离子(SO_4~(2-)、 NO~-_3和NH~+_4)在PM_(2.5)中的比例为23.83%,是优良天的2.43倍,污染天二次无机污染严重,污染天人为源相关的元素Cd、 Sb、 Sn、 Cu、 Pb、 Zn和As富集程度大于优良天;主要的污染源对PM_(2.5)的贡献分别是燃煤29.26%、扬尘23.83%、机动车19.34%、二次源16.01%和工业源11.57%,其中,污染天机动车排放对PM_(2.5)的贡献20.57%,高于优良天时17.82%,而燃煤源的贡献23.04%明显低于优良天时33.75%,静稳天气时机动车排放对PM_(2.5)贡献较优良天上升,燃煤源对PM_(2.5)贡献有下降.因此,阳泉市在秋冬季应加强对燃煤、扬尘源的控制,同时进一步加强对机动车的控制,以减少污染期间机动车的贡献.     

应用WRF/Chem模拟河南冬季大气颗粒物的区域输送特征

基于WRF/Chem模式,设置多组区域排放源的情景实验定量估算河南、京津冀、山东、山西、安徽和江苏、湖北6个区域人为源排放对河南省2015年12月PM_(2.5)和PM_(10)浓度贡献率,并结合气象资料研究3个代表性城市的污染输送特征.结果表明:河南省冬季PM_(2.5)和PM_(10)主要来源为本省排放,平均贡献率分别为54.83%、61.32%.区域污染输送对河南颗粒物的贡献也占有很大比例,京津冀、安徽和江苏、山东、山西以及湖北对PM_(2.5)平均贡献率分别为11.95%、11.69%、7.95%、7.40%、4.30%,对PM_(10)平均贡献率分别为10.42%、10.03%、7.00%、6.89%、3.80%.PM_(2.5)外来输送率比PM_(10)要高,表明细颗粒物比粗颗粒物更易跨区域长距离输送.冬季长持续时间的污染过程大多受静风或小风控制,省内污染贡献最大,过程结束时伴随着大风,周边区域的污染贡献有所增加.不同城市的颗粒物来源与其地理位置、风速、风向等气象条件密切相关.区域污染来源具有复杂性,改善河南省空气质量是需要整个区域共同面对和解决的问题.     

基于互联网大数据的成都餐饮源细颗粒物排放空间分配研究

餐饮过程排放的废气正成为大城市大气污染的重要来源之一.根据成都市2013年排放清单更新的研究成果,综合运用本地化的餐饮排放因子、排放活动水平的调查成果和成都市统计年鉴的统计数据等信息,对成都市餐饮源的PM_(2.5)排放总量进行了估算,其结果为4740 t·a~(-1).为了对区域的餐饮废气排放进行空间分配,本文抓取了互联网兴趣点POI信息.通过这些信息,对成都市的社会餐饮、学校食堂餐饮和家庭餐饮的空间来源进行了表征,对成都市生活源中餐饮污染物排放的空间分布规律进行了探索,并提出了新的餐饮源高分辨空间分配方法.结果表明,基于POI空间分配的2013年成都餐饮源单位面积年排放强度均值为0.29 t·km~(-2)·a~(-1),主城区均值为3.47 t·km~(-2)·a~(-1),全市的排放量分布区间为0~35.7 t·km~(-2)·a~(-1).互联网POI信息可以作为研究城市餐饮源空间分布的重要数据来源,在实际应用上更适于表征社会餐饮点源污染.     

基于模型模拟的成都市PM2.5污染来源解析

在建立成都市大气污染物排放清单的基础上,采用源开关敏感性分析法,设置8个排放情景,基于WRF-CMAQ模型模拟分析了2015年1、4、7和10月这4个典型代表月份的大气污染传输和不同行业对成都市PM_(2.5)污染贡献.结果表明成都市PM_(2.5)污染较重,特别是1月达到130μg·m~(-3)以上;浓度的高值集中在中心城区,且与周边城市PM_(2.5)污染连接成片.由于气团比较稳定,大气污染物的区域传输能力较弱,成都市PM_(2.5)污染以本地源的贡献为主,占比为61%.从行业贡献来看,移动源、扬尘源和生活源对成都市PM_(2.5)年均浓度贡献率分别为29%、26%和24%,是影响PM_(2.5)污染的主要污染源,下一步应强化对这3类源的污染控制.     

京津冀典型城市冬季工业源排放与PM_(2.5)污染关系

文章研究基于PM_(2.5)样品采集和水溶性离子测定,运用潜在源贡献分析法和WRF-CAMx模式识别分析了北京市和唐山市2017年1月PM_(2.5)的潜在源区和工业源传输矩阵,通过计算单位排放贡献,分析了京津冀典型工业源PM_(2.5)中一次颗粒物、硫酸盐和硝酸盐的区域贡献和分源贡献规律。结果表明,2017年1月北京和唐山PM_(2.5)浓度均高于国家二级标准,SNA占PM_(2.5)的32.85%～53.68%,且在污染时段,SNA及其前体物浓度均有明显提升;两地冬季潜在源主要受来自西北部内蒙古方向的远距离传输以及东南部渤海湾方向的中短距离传输这两部分污染源区的潜在影响,唐山受本地污染影响更大;从传输矩阵来看,北京和唐山的PM_(2.5)工业源外来贡献分别占总浓度的63.87%和8.66%,其中对北京PM_(2.5)浓度贡献较高的区域为唐山和京津冀中部地区,分别贡献了24.78%和21.18%,在污染日时段,受唐山和南部地区的PM_(2.5)传输贡献分别提升了5.27%和3.46%,受西北地区的影响减少了4.34%。对唐山贡献较高的区域为中部地区和东北部地区,为5.07%和2.10%,在污染日时段,外来传输贡献并没有显著波动(低于1%)。二次组分中,硝酸根的传输性最为显著;两地工业外来源单位排放贡献除却其各自周边地区较大以外,其西北传输通道沿线城市(张家口→北京→唐山)的单位排放贡献亦十分显著,且在这一通道上的外来输送,其第2层(非地面排放源)的单位排放贡献明显大于其他地区;从具体工业源来看,对北京市单位排放贡献最大的行业为其他工业源,对唐山则是冶金源。     

“2+26”城市一次污染过程PM2.5化学组分和来源解析研究

"2+26"城市颗粒物污染严重,城市间相互影响显著,开展该区域大气颗粒物组分特征及来源解析的研究,能够为大气污染精细化管控及城市间协同控制提供科学支撑.本文对"2+26"城市2016年12月16—23日一次颗粒物污染过程中的PM_(2.5)组分数据进行了分析,使用空气质量模式CAMx-PSAT对PM_(2.5)的来源进行了解析.结果表明,本次污染过程中阳泉的PM_(2.5)最高日均浓度为137μg·m~(-3),达到中度污染;长治、太原和滨州的PM_(2.5)最高日均浓度分别为235、188、226μg·m~(-3),达到重度污染;其余城市的PM_(2.5)最高日均浓度值超过250μg·m~(-3),达到严重污染.PM_(2.5)中含量最多的4种组分为OC、NO~-_3、SO■、NH~+_4,平均占比分别为19.38%±4.37%、18.20%±3.14%、16.83%±3.55%、10.35%±1.64%,NO~-_3的占比高于SO■;Cl、Cd、Sn、Cu、Zn、As、Se、Pb和S元素的富集因子大于100,主要来自于人为排放,部分城市的Cd和As元素浓度超标,所有城市的Cr元素浓度均超标;各城市的OC/EC比值为4.96～11.60,说明有明显的二次有机颗粒物生成.模拟结果显示,PM_(2.5)本地排放贡献为10%～47%,外地贡献为15%～68%,"2+26"城市以外区域的贡献为14%～53%;民用源、工业源、农业源、交通源、电力源的贡献分别为43.70%±5.94%、29.29%±4.93%、9.68%±1.09%、9.19%±1.69%、6.27%±1.37%.本研究表明,针对颗粒物主要组分OC、NO~-_3、SO■、NH~+_4的前体物,开展民用源和工业源的减排及城市间的协同控制,才有可能达到理想的区域PM_(2.5)控制效果.     

2018年西安市春节期间重污染过程分析

对2018年西安市春节的污染过程、污染来源、不利气象条件及烟花爆竹对PM_(2.5)的贡献4个方面进行分析。结果显示,在该污染过程的污染快速增长期,PM_(2.5)、PM_(10)、SO_2和NO_2浓度峰值分别是污染前期浓度的3.56、1.74、2.28和1.81倍;排放源主要为燃放烟花爆竹,对PM_(2.5)的贡献率为50%以上;不利气象条件为小风、静稳、高湿、逆温、边界层低、倒槽等。污染持续期的排放源除了烟花爆竹燃放还有其他污染源;不利气象条件除了均压场外,其它与快速增长期相似。     

深圳城市大气PM2.5中金属元素的在线测量与来源特征

大气PM_(2.5)中很多金属元素危害人体健康,且具有源示踪性,因此,开展PM_(2.5)中金属在线监测对污染来源分析和大气污染防治有着重要意义.本研究于2017年4—5月使用美国Cooper环境空气多金属在线监测仪对深圳城市大气PM_(2.5)中金属元素进行连续观测.与同步离线采样测量的金属数据进行比对表明,10种元素(K、Zn、Cu、Mn、Fe、V、Ni、Ti、Pb、Cr)呈现良好的相关性,因而用于后续分析.观测期间大气PM_(2.5)的平均浓度24.8μg·m~(-3),其中10种金属元素总浓度为0.72μg·m~(-3),占比2.9%.Mn、Fe、Cu、Zn和Ti的浓度日变化显示了日间高、夜间低的特征,表明受到本地人为源的显著影响;而K、Pb、Cr浓度日变化无明显波动,说明受区域传输影响较大;Ni与V日变化趋势一致,主要来源为船舶排放.主成分因子分析结果表明,观测期间PM_(2.5)中金属污染来源主要为交通和扬尘源、工业排放/废物燃烧和船舶污染,方差贡献依次为54.3%、19.8%和8.8%.     

泰安市环境受体PM_(2.5)组分特征与来源解析

为了明确泰安市环境受体PM_(2.5)的污染特征和主要来源,该研究于2015年春、冬季在泰安市区采集了环境受体中PM_(2.5)样品,分析了PM_(2.5)及其化学组分特征,建立了源化学成分谱,基于化学质量平衡(CMB)模型对泰安市环境受体PM_(2.5)进行了来源解析,利用后轨迹分析了PM_(2.5)的区域传输路径。结果表明:PM_(2.5)及其化学组分与污染源贡献都具有明显的季节特征。春季,机动车尘是PM_(2.5)的首要贡献源类,分担率为19.11%;其次为二次硫酸盐、扬尘和煤烟尘,分担率分别为18.07%、16.08%、10.53%。冬季,煤烟尘为首要的污染源类,分担率为16.32%;机动车源和城市扬尘对PM_(2.5)的分担率比春季低,分别为11.99%和13.42%。后轨迹分析表明,春季PM_(2.5)可能受来自内蒙古等地的土壤风沙尘的长距离运输影响;冬天可能受来自蒙古、河北、山东周边等地燃煤源的长距离运输的影响。     

兰溪市PM2.5中有机物的组成特征、季节变化及来源研究

为更好地理解我国中小城市地区大气细颗粒物的污染特征,利用大流量采样器采集了浙江中部典型内陆城市-兰溪市近郊和市区两个站点2016年四个季节的PM_(2.5)样品,测定了碳质气溶胶的含量,利用气相色谱/质谱联用仪(GC/MS)分析了正构烷烃、藿烷、多环芳烃和长链脂肪酸等弱极性有机物的组成.结果表明,兰溪PM_(2.5)中有机碳的年均浓度为9.7μg·m~(-3),有机物中正构烷烃、藿烷、多环芳烃和脂肪酸的年均浓度分别为40.8、2.0、21.0和168 ng·m~(-3).同系物分布特征表明,化石燃料燃烧是兰溪PM_(2.5)中正构烷烃的主要来源,但植物蜡也有重要贡献;藿烷的组成及其季节变化显示兰溪PM_(2.5)中的藿烷主要来源于机动车排放,但冬季存在明显的燃煤贡献;基于BeP/(BeP+BaP)、IcdP/(IcdP+Bg P)等特征比值分析,兰溪PM_(2.5)中的多环芳烃主要来源于机动车尾气和煤炭/生物质燃烧的混合贡献,冬季燃煤贡献较高;兰溪夏季多环芳烃的老化程度较低,表明兰溪夏季PM_(2.5)以本地排放新鲜颗粒为主,外来输送的影响较小;脂肪酸的浓度和组成说明餐饮排放对市区PM_(2.5)的影响较大.研究结果为大气PM_(2.5)的来源解析提供了重要的基础信息.     

基于WRF-CMAQ模式的抚顺市大气污染数值模拟研究

为探究抚顺市大气污染特征,该项研究应用气象模式WRF耦合空气质量模式CMAQ对抚顺市2016年大气细颗粒物的时空分布特征及主要来源进行分析。建立了抚顺市3×3 km网格化污染源清单,清单显示抚顺市的大气污染物排放以工业为主,SO_2、NO_x、TSP排放量分别达到2.14×10~4t、1.97×10~4t、3.29×10~4t,排放高值网格集中在市区内。数值模拟结果显示,抚顺市PM_(2.5)污染总体呈现"西高东低"的趋势,高值区出现在以新抚区、望花区、东洲区、顺城区为中心的城区地带。1月抚顺市的PM_(2.5)污染最重,高值区浓度在60μg/m~3以上。1月ρ(PM_(2.5))贡献最大的源为居民源(21.6%)与供暖源(20.7%);4月贡献最大的源为居民源(25.0%),钢铁源(16.5%)与移动源(11.7%)占比其次;7月钢铁源与移动源对抚顺市ρ(PM_(2.5))贡献分别为17.8%与15.1%;10~月居民源的贡献达到33.4%,远超过其它源类的贡献。     

火葬场场所PM2.5和VOCs排放特征及控制对策分析

火葬场遗体火化和祭品焚烧过程中会产生有害大气污染物,导致场所内PM_(2.5)和VOCs排放浓度较高,进而影响周边大气环境质量和人体健康.为探究火葬场场所PM_(2.5)和VOCs浓度水平及其化学组分特征,对国内11家火葬场场所的PM_(2.5)进行样品采集和监测,分析其浓度水平及组分,并对火化车间VOCs进行采样和分析,从而识别了火葬场场所PM_(2.5)和VOCs及其化学组分的排放特征,在此基础上提出相应的控制对策.结果表明:由于焚烧设备密闭性较差及污染控制程度低且废气低空排放,导致火葬场场所PM_(2.5)浓度较高,火化车间PM_(2.5)的平均排放浓度可达670μg·m~(-3),厂界PM_(2.5)的平均排放浓度为305μg·m~(-3),远高于环境空气浓度水平;火葬场场所PM_(2.5)化学组分中有机物占比较高,火化车间VOCs的主要化学组分为烯烃、烷烃、苯及苯系物.为降低火葬场场所的污染浓度,应加强焚烧设备的运行和维护,减少无组织排放,遗体火化机和祭品焚烧炉应安装高效的烟气净化装置,提升污染物的去除效率,保护周边环境和人体健康.