21世纪以来天津细颗粒物气象扩散能力趋势分析

基于高精度的排放源和大气化学模式WRF/chem,在同排放源条件下模拟了2000~2015年天津地区PM_(2.5)质量浓度,根据NECP再分析资料和地面观测相关数据构建细颗粒物气象扩散指数,使用两种方法描述21世纪以来天津地区细颗粒物气象扩散能力变化趋势.研究结果表明:2000~2015年期间天津地区细颗粒气象扩散能力呈现周期性波动,不利气象条件的第一个峰值出现在2003~2004年,第二个峰值为2013~2015年,两个峰值相距11年,在2000~2015年间,天津地区气象扩散能力(主要针对PM_(2.5)影响)年际平均波动4.1%,最大值约为9%,对于大气污染防治目标制定和效果评估,必须考虑气象年际波动的影响;2008~2010年气象条件较有利于细颗粒物扩散,此后逐年转差,在2013~2015年处于历史正距平(不利扩散),从而导致2013~2015年雾霾和重污染天气频发;2015年相比2013年天津细颗粒物气象扩散能力没有明显提高,但PM_(2.5)质量浓度下降29%,大气污染防治措施的有效执行在其中发挥积极作用.     

天津静稳指数建立及在环境气象预报和评估中的应用

基于2014—2015年NCEP再分析资料及天津地区PM_2.5质量浓度数据,构建天津地区静稳指数以期反映大气综合扩散能力,为天津霾、空气质量预报和大气环境气象条件评估提供支撑.研究结果表明：本文构建的静稳指数可作为评估天津地区细颗粒物大气扩散能力的重要指标参数,其建模产品与天津地区PM_2.5质量浓度相关系数为0.62,在评测期间（2016年6月1日—2018年5月31日）,基于EC模式的静稳指数24 h预报产品与天津地区PM_2.5质量浓度相关系数为0.67,1~7 d预报产品与PM_2.5质量浓度相关系数超过0.53,8~10 d预报产品随着时效增加指示能力有所下降,相关系数为0.4左右,但通过显著性检验.对比同期基于GFS资料和WRF/Chem构建的天津中长期环境气象数值模式,其相关系数接近,趋势预报效果相当.同时,由于静稳指数综合了水平风速、混合层高度、相对湿度等多项指标,可以综合反映一个地区大气扩散能力,在大气环境气象条件评估中可发挥积极作用,以同排放源不同气象条件的数值模拟为基准定义细颗粒物大气扩散条件,2013—2018年逐月大气扩散条件同比上年改善的占总样本41%,同比转差的占总样本59%,利用静稳指数对大气扩散条件月同比变化趋势进行判断,识别准确率可达80%.     

2013年西安市大气污染物变化特征及成因分析研究

大气污染日益严重.对2013年西安市13个国控环境空气质量自动监测站的6种污染物项目进行分析,西安市首要大气污染物为细颗粒物（PM2.5）和可吸入颗粒物（PM1o）.二氧化硫、氮氧化物、细颗粒物和可吸入颗粒物污染物呈现出春冬高,夏秋低的趋势,为上抛物线型,相关系数为99％,且表现出污染源高度同源性;而臭氧污染趋势为夏秋高,冬春低,与气温的线性相关系数为96％.燃煤、机动车尾气、建筑扬尘是西安市大气污染三大污染源,大气污染防治必须多主要污染源共抓,不断减少污染物排放.     

基于KZ滤波法分析2015—2021年长三角大气颗粒物趋势变化特征

为了改善空气质量,近年我国实行了一系列有史以来最为严格的管控措施.量化分析排放对大气污染物趋势变化的贡献,是验证大气污染治理成效的重要科学依据.本文基于2015—2021年国家环境空气质量监测数据和欧洲中期天气预报中心ERA5气象再分析资料,利用Kolmogorov–Zurbenko(KZ)滤波法定量评估了人为减排和气象条件对长三角地区15个典型城市大气细颗粒物(PM_2.5)、可吸入颗粒物(PM10)及粗颗粒物(PM_2.5～10)趋势变化的贡献.结果表明,2015—2021年,PM_2.5和PM₁₀污染浓度年均值分别降低了40.92μg·m-3和37.12μg·m-3,下降幅度分别为42%和38%.使用KZ滤波的低通滤波将PM_2.5、PM10和PM_2.5～10的浓度原始时间序列分解为短期分量、季节分量和长期分量,其中短期分量和季节分量在冬季的波动幅度高于其他季节.短期分量对原始时间序列总方差的贡献最大(65%),其次是季节分量(25%),而长期分量的贡献最小...     

广州市大气污染特征及其典型环流形势分析

基于2016—2019年空气质量监测数据、地面气象观测数据和中低层天气形势图,分析了广州市大气污染特征及其典型环流形势特征,揭示了不同环流形势与污染物浓度之间的关系.结果表明：(1)近年来广州市随着细颗粒物污染持续改善,空气质量优良率基本维持在80%及以上,但光化学污染问题逐渐凸显,O₃已成为广州市大气污染的主要污染物.(2)广州市大气污染季节变化明显,主要表现为秋、冬季更易出现大气污染,且多为持续性(≥5 d)污染.(3)经过分型和统计,总结出10种典型500 hPa-850 hPa-地面环流型,分别为台风外围-台风外围-台风外围、副高边缘-反气旋环流-变形高压脊、副高边缘-反气旋环流-冷锋前、副高-偏南气流-均压场、副高-偏东气流-均压场、副高-反气旋环流-均压场、副高边缘-反气旋环流-冷高压脊、西风槽槽后-反气旋环流-变性高压脊、副高-偏南气流-冷锋前、副高边缘-偏南气流-冷锋前.个例分析表明,这10种典型环流型可以概述最主要的广州大气污染环流形势,对空气质量预报有一定的指导作用.     

南京地区典型大气污染过程分析

文章统计分析了南京市近年来大气污染过程总体特征,选择2009-2011年不同类型的3个典型污染过程,分别讨论了其污染特征和影响因素.结果表明:以API值为污染判断指标,近年来南京市91%的污染过程持续时间在4 d以下,秋冬季节长时间污染过程更多。沙尘型污染受北方沙源地、长距离输送气象条件控制,影响范围广;秸秆燃烧型污染PM_(25)/PM_(10)浓度比例高达70%以上,细粒子(PM_(2.5))污染严重,主要受风向控制影响南京及周边局部地区,在降水冲刷或大风等气象条件下随污染源消失而快速消散;秋冬季的持续污染过程主要受气象条件影响,在均压场控制下,边界层呈局地性环流特征,污染物不断累积。     

京津冀中南部污染气象贡献的时空变化特征

基于环境气象评估指数（EMI,environmental meteorology index）,以石家庄、邢台、邯郸、衡水四个京津冀中南部重点城市为研究对象,对2013~2018年的气象条件变化时空分布特征进行分析.结果显示：EMI指数与经过去趋势处理的PM_2.5浓度的相关系数达0.88,说明EMI指数具有较好的可靠性,能够可靠性地应用于大气环境评价和重污染天气过程评估业务;基于气象条件对PM_2.5浓度贡献的定量分析方法,计算得到2013~2018年月度气象条件对PM_2.5浓度变化的贡献率,定量分析不同月份的气象条件变化,可有效评价不同污染程度月份的气象条件影响.此外,该定量方法在重大活动期间气象条件和减排效果评估中得到有效应用;从冬季气象定量贡献的空间分布来看,在京津冀中南部的山前地区形成EMI正距平百分比高值区,除人为排放较高外,恶劣的气象条件是京津冀中南部颗粒物污染严重的重要原因.     

基于地基观测及源清单的2017-2019年德州市秋冬季大气污染防治效果评估

为评估污染减排措施实施效果,基于地基观测及排放清单数据,运用WRF中尺度气象模型和CAMx空气质量模型,对德州市2017-2019年秋冬季大气污染攻坚实施效果进行了评估.结果表明,2017-2018年秋冬季,德州市ρ（PM_2.5）同比下降31.7%,高于京津冀及周边地区平均水平（25.6%）,大气污染攻坚措施成效显著;2018-2019年秋冬季,德州市ρ（PM_2.5）同比增加8.5%,高于京津冀及周边地区平均水平（4.2%）,这与不利气象条件及排放量同比减少有关.观测结果显示,2018-2019秋冬季,德州市PM_2.5中无机组分、一次排放示踪物以及SO₂和CO等气态前体物浓度较上一年度呈下降趋势,ρ（SOA）（SOA为二次有机气溶胶）、ρ（NH₄+）同比有大幅增长,增幅分别为53.8%和19.1%,这与大气中VOCs（挥发性有机物,增加46.5%）及大气氧化性（增加6.4%）的增加密切相关,表明德州市复合型大气污染加剧,PM_2.5防控难度加大.综合气象和减排评估结果可知,2017-2018年秋冬季,气象条件（13.4%）和长效措施（9.4%）是德州市PM_2.5改善的两个主要因素;2018-2019年秋冬季,长效措施减排效果较为有限,减排主要来自预警应急（5.0%）和区域减排（5.2%）,若仅考虑不利气象条件的影响,将导致同比约19.9%的反弹.因此,持续深入推进长效减排措施,降低污染物排放水平,是德州市实现空气质量改善的根本途径.      

西安冬季重污染过程PM2.5理化特征及来源解析

基于单颗粒气溶胶质谱仪（SPAMS）观测数据、颗粒物质量浓度数据和气象要素数据,研究了2017年11月西安市一次重污染过程中细颗粒物的化学组分特征及其成因,并使用正矩阵因子分析法（PMF）对细颗粒进行了来源解析.结果表明,西安市冬季重污染过程中细颗粒物主要类型为有机碳（OC）、元素碳（EC）、混合碳（ECOC）、富钾（K）、钠-钾（Na-K）、有机胺（amine）、矿尘（dust）和重金属（HM）,其主要来源为燃煤（24.9%）,二次（29.3%）,工业（19.3%）,交通（13.3%）,生物质燃烧（5.2%）和扬尘（1.9%）.通过对比分析不同污染过程细颗粒物的理化特征,发现高湿度,低风速的不利气象条件和供暖及工业生产导致的燃煤污染、二次污染,是此次重污染过程的主因.     

南京北郊大气细颗粒物的粒径分布特征

根据2006 年7~12 月南京北郊大气细颗粒物的观测资料,研究了粒径0.01~2.5µm 颗粒物的浓度变化和粒径分布特征.结果表明,该地区大气细颗粒物数浓度比较高,达10⁴ 个/cm³,其中超细粒子(粒径0.01~0.1µm)对总粒子数浓度贡献较大,约占87%.夏、秋、冬季的数浓度谱分布均呈单峰型结构,峰值集中在0.02~0.05µm;大气细颗粒物数浓度在正午太阳辐射最强时达到峰值;降雨对细颗粒物的去除作用明显.夏季的超细粒子浓度最高,可能与高温、高湿的气象条件有关,同时,较强的太阳辐射也使得该季节大气细颗粒物的生成率较高.     

濮阳市秋冬季大气细颗粒物污染特征及来源解析

濮阳市作为京津冀周边地区大气污染传输通道城市之一,秋冬季重污染天气频发,空气污染问题严峻.为了研究濮阳市秋冬季大气细颗粒物污染特征及其主要来源,于2017年10月15日至2018年1月13日在濮阳市3个国控点对PM_(2.5)进行了手工膜采样与化学组分分析,并结合PMF受体模型,开展了细颗粒物来源解析研究.结果表明,濮阳市2017年秋冬季PM_(2.5)平均质量浓度为94. 16μg·m~(-3),濮水河管理处的污染状况最严重,进入采暖季后3站点均表现为重度及严重污染事件频发,轻度污染发生频率降低,重污染发生时NO_2与CO浓度升高明显. PM_(2.5)中的主要组分为水溶性离子(52. 33%)、碳质组分(25. 32%)和地壳元素(0. 08%),NO_3~-的含量高而SO_4~(2-)的浓度水平较低.重污染发生时,PM_(2.5)中水溶性离子、OC、EC和K浓度都出现了明显的升高,而地壳元素浓度降低.采样期间濮阳市的硫氮转化率水平较高,大气氧化性较强,硫氮转化促进了重污染的发生.濮阳市2017年NOx、CO和VOCs排放量较高,来源解析结果表明,濮阳市秋冬季PM_(2.5)主要来源分别为二次无机盐(37%)、工业源(16%)、二次有机气溶胶SOA(14%)、生物质燃烧源(12%)、移动源(9%)、燃煤源(7%)和扬尘源(4%).可见,二次转化在濮阳重污染的形成过程中起到重要作用,要减轻大气细颗粒物污染,需要重点控制工业源、生物质燃烧、移动源和民用散煤燃烧的排放.     

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.     

沈阳市冬季一次典型大气污染过程特征和成因分析

2013年11月18日~25日沈阳地区出现一次典型空气污染过程。采用单颗粒气溶胶质谱仪(SPAMS),并结合气象条件分析了该次污染的成因和细颗粒物的污染特征。结果表明,不利于污染物扩散的气象条件是重污染发生的主要原因,低空排放的积累可能是造成这次污染的又一重要原因。从细颗粒物成分上看,污染过程中有机碳颗粒占比明显增加,有机物污染较为严重,颗粒物间混合加剧;从来源上看,机动车尾气、工业排放和燃煤的占比较高。     

细颗粒物凝并长大技术研究进展

随着各类高效除尘器的开发与改进,目前96%～99%以上质量的粉尘已能被有效去除,但细颗粒物的去除效率较低,逃逸粉尘中细颗粒物占比高。通过预凝并技术使细颗粒物团聚长大进而提高其脱除效率,是目前除尘技术研究的一个重要方向,对大气污染的防治起到关键作用。细颗粒物预凝并按机理可以分为湿法凝并、电凝并、声波凝并、磁凝并、湍流凝并、光凝并和热凝并等。重点针对上述前4种凝并技术,对国内外最新研究进展进行总结与分析讨论,并在此基础上对各凝并技术的发展前景进行展望。     

基于地基太阳光度计观测的长安区气溶胶光学特性变化及其与颗粒物浓度的关系

气溶胶地基观测数据和颗粒物浓度数据的同步定量评估可为了解长安区大气污染的垂直分布特征,制定合理的大气污染控制提供更有效的依据.基于CE-318太阳光度计观测数据,分析了2018年10月～2021年4月西安市长安区月均和季均气溶胶光学特性分布和变化特征,结合近地面颗粒物浓度数据,分析了不同季节、不同污染程度下气溶胶光学厚度（AOD）对颗粒物浓度的响应.结果表明：（1）观测期间长安区AOD季节变化分明：秋季（1.02）>冬季（1.00）>夏季（0.63）>春季（0.47）; AOD月度、年际差异大,2019年AOD（0.51）略高于2020年（0.48）.（2）整个观测期间长安区气溶胶主控模态存在明显的季节、月度差异,从春季到冬季气溶胶主控模态逐渐从粗模态向细模态转变;2019年气溶胶主控模态的季节变化与整个观测时段类似,2020年各季节气溶胶Angstrom波长指数（Angstrom）分布稳定,气溶胶粒子均以粗模态的形式存在;整个观测时段来看长安区气溶胶类型以混合型气溶胶为主.（3）AOD和Angstrom的关系存在明显的季节差异,春季大气污染以粗模态的气溶胶粒子为主导...     

南京市冬春PM_(2.5)和PM_(10)污染特征及影响因素分析

南京2013年冬季至2014年春季多次出现灰霾污染天气过程,防治颗粒物污染刻不容缓,其中细颗粒物(PM_(10))和超细颗粒物(PM_(2.5))所占比例较大。利用南京市环保局空气质量发布平台污染物监测数据和中国天气网站气象要素数据,对冬春季PM_(2.5)和PM_(10)质量浓度的变化特征以及它们与气象条件的关系进行分析。结果表明:南京冬季PM_(2.5)、PM10平均浓度分别为0.0982,0.1536 mg/m3,春季平均浓度分别为0.0673,0.1207 mg/m3。市区和郊区污染程度由高到低依次为:市区>江宁>六合>溧水。南京空气中颗粒物小时平均浓度日变化呈"双峰双谷型"特征。颗粒物与相对湿度、降雨量和风力呈一定的负相关性,与温度呈一定的正相关性,它们共同影响颗粒物质量浓度水平和大气污染状况。     

济源市环境空气质量首要污染物变化分析

基于济源市2015～2018年可吸入颗粒物、细颗粒物、臭氧监测数据,分析了日均值达标率、年均值浓度、首要污染物占总污染天数的比例变化特征,采用Spearman秩相关系数对污染物变化趋势进行了分析。结果表明:济源市可吸入颗粒物、细颗粒物的污染程度都呈现好转趋势;臭氧因子污染程度呈加重趋势,臭氧已成为影响该市环境空气质量的主要污染物。     

大气污染特征研究及臭氧污染个例分析——以深圳市龙华区为例

根据深圳市龙华区观澜子站空气质量监测数据,对龙华区近年来空气质量状况、主要大气污染物浓度时间变化特征、气象条件和污染物浓度相关性,以及典型臭氧(O_3)污染过程进行了分析。结果表明龙华区空气质量以优良为主,空气质量指数(AQI)超标日中,O_3浓度超标天数最多,其次依次是PM_(2.5)、PM_(10)和二氧化氮(NO_2)。PM_(2.5)、PM_(10)和NO_2在秋冬季的浓度最高,春季次之,夏季最低;而O_3浓度则在夏秋季最高,春季次之,冬季最低。除O_3(日间浓度高于夜间浓度)以外,PM_(2.5)、PM10和NO_2晚间浓度高于日间浓度。此外,相关性研究表明,颗粒物污染以细颗粒物为主,O_3(8 h)和NO_2与颗粒物浓度均呈正相关性。由于地域差异的存在,O_3(8 h)和颗粒物浓度的相关性在不同地域表现也不同。同时,大气污染物浓度与气象条件和人为排放源的相关性较高。     

京津冀及周边减排对北京市PM2.5浓度下降评估研究

利用第三代区域空气质量模式CMAQ (Community Multiscale Air Quality)及京津冀地区高分辨的污染源排放清单,基于2011年、2012年和2013年秋冬季美国国家环境预报中心全球再分析资料的气象条件分析,选取2012年10月1日至12月30日作为代表性时段,模拟了PM2.5的浓度变化趋势,同时根据《京津冀及周边地区落实大气污染防治行动计划实施细则》和2012年到2017年污染源减排控制目标,进行了减排效果评估分析.结果显示,模式系统能较好捕捉PM2.5浓度的变化趋势,海淀站和上甸子站观测与模拟值的相关系数分别为0.71和0.63.主要污染源和污染物排放量削减30%~40%后,北京市PM2.5浓度发生了明显降低,海淀站、上甸子站和城六区的平均浓度下降率分别为(24.9±2.3)%,(20.2±2.7)%和(24.8±2.1)%.如果严格执行《京津冀及周边地区落实大气污染防治行动计划实施细则》,在气象条件和2012年相似情况下,到2017年,北京市城区PM2.5年均浓度控制在60μg/m3内的防治目标可以实现.     

基于城市大气环境荷载指数的大气污染排放变率估算

基于地面气象观测资料计算大气自净能力指数ASI,和环境监测站的实测PM_2.5浓度数据,利用城市大气环境荷载指数研究分析了2个时段单位人口的污染物排放率的变化,以及2013年9月~2019年2月京津冀及周边主要城市气象条件和减排措施对空气污染物浓度变化的作用.结果显示：秋冬季节污染物的削减力度明显大于春夏季.2014年秋冬季有74.5%城市实现减排,区域平均减排12.6%,减排初见成效;2017年和2018年秋冬季,京津冀及周边地区持续大幅减排,其中京津冀区域相对基准年分别减排54.0%和47.7%.长治市在2014~2017年秋冬季排放率均高于基准年,直至2018年冬季始实现减排27.6%;石家庄市排放率变化幅度波动较大,2016年冬季相比2014年冬季增加68.2%,今后区域污染物防控需要重点关注以上2个城市.城市大气环境荷载指数能够客观定量反映出典型减排时段的排放率变化方向和幅度,是一种评估气象条件和排放控制措施二者对污染物浓度变化各自作用的简单有效方法.