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.     

基于PSCF与CWT模型的乌鲁木齐市大气颗粒物源区分析

利用MeteoInfoMap软件和GDAS全球同化气象数据,对乌鲁木齐市2014—2019年四季72 h气团后向轨迹进行聚类分析.同时,结合小时PM_2.5和PM₁₀浓度数据,运用潜在源贡献因子分析法（PSCF）和浓度权重轨迹分析法（CWT）分析了乌鲁木齐市颗粒物不同季节潜在源区及其对研究区颗粒物浓度的贡献.结果表明：①影响乌鲁木齐市大气质量的气团轨迹可分为长、短两支,短支气流主要来自研究区及周边城市,对研究区颗粒物浓度贡献大;②长支气流输送距离较远,主要来自哈萨克斯坦、俄罗斯等国家,对研究区颗粒物浓度贡献小;③影响乌鲁木齐市PM_2.5浓度的主要潜在源区是吐鲁番地区、巴音郭楞蒙古自治州、伊宁市和阿克苏地区;④潜在源区分布呈现显著季节变化特征,冬季潜在源区分布广、贡献度高,而夏季源区分布狭窄、贡献度低,春季和秋季源区分布与贡献特征介于两者之间.     

铁岭市2015—2018年大气颗粒物PM2.5潜在源区分析

了解大气污染物的潜在源区分布对制定污染物减排措施至关重要.本文采用HYSPLIT模型,模拟出抵达铁岭市地区72 h的主要气流轨迹,结合铁岭市2015—2018年PM_2.5逐小时浓度数据资料,采用CWT方法（concentration-weighted trajectory method）对铁岭市PM_2.5潜在源区浓度进行了分析,在此基础上,提出了PCWT方法（percentage concentration-weighted trajectory method）,对铁岭市地区PM_2.5潜在源区浓度占比及传输过程进行了定量分析.研究表明,铁岭市PM_2.5来源呈现出不同的季节特征：春季PM_2.5主要来源于铁岭市西北和南部地区,夏季PM_2.5主要来源于铁岭市南部地区,秋季PM_2.5主要来源于铁岭市西北部及东北部地区,冬季PM_2.5主要来源于铁岭市西北部及铁岭市周边地区.铁岭市PM_2.5主要来源于3个方向,其中来自铁岭西北方向的源区贡献值4年平均占比27.36%、东北方向占18.51%、西南方向占15.73%;铁岭及周边城市、吉林省松嫩平原、科尔沁沙地以及辽宁中部城市群、环渤海湾地区是铁岭市PM_2.5的主要国内源区;俄罗斯、蒙古、朝鲜是铁岭市PM_2.5的主要国外源区,且近几年有增加趋势.研究成果对建立铁岭市生态环境管控分区,制定有效防治大气污染措施有重要的科学支撑作用.     

太行山两侧污染物传输对横谷城市气溶胶的影响分析

利用2017~2019年太行山横谷城市阳泉PM₁₀和PM_2.5逐时浓度资料和对应时刻风速风向数据,结合HYSPLIT后向轨迹模型通过聚类分析、潜在源贡献因子和浓度权重轨迹方法分析了横谷城市气流输送特征及对阳泉市气溶胶的影响,并进一步探讨了太行山两侧大气污染物的交换特征.阳泉市气溶胶日变化为单峰单谷型,冬季最高值出现在10：00~11：00,其他季节多在09：00,最小值均在15：00~16：00;月际变化呈1月最高、8月最低.受横谷地形影响,地面风向以偏东风和偏西风频率最高;除小风天气外,春秋季偏西风引起的沙尘天气和冬季偏东风输送也会引起阳泉气溶胶浓度升高;后向轨迹结合污染特征显示,各季节污染轨迹占比为春季26.2%、秋季36.4%和冬季33.7%,主要分布在阳泉的西南和东南区域,冬季在东北区域也有分布;山脉两侧均存在显著的细颗粒物传输,而起源或途经太行山西侧的轨迹粗颗粒物输送亦相对较多;污染轨迹中偏西气流输送对PM₁₀超标率影响更大,偏东气流则主要影响PM_2.5的超标率.不同季节阳泉市气溶胶主要污染潜在源区存在差异,春季为西南和东南两区域;秋季为西南及偏南区域,冬季主要位于偏南和偏东方向区域,山西东南部及与河南北部交界区域是主要的污染贡献源区,太行山两侧通过井陉通道进行大气污染物的相互传输过程显著,其中东向西的PM_2.5传输影响更显著.     

北京、石家庄2017—2018年PM2.5与SNA组分特征及典型重污染分析

基于北京、石家庄2017、2018年的1月和7月PM_2.5样品采集,研究两地采暖期、非采暖期及典型重污染过程的PM_2.5、SNA污染特征及二次转化特征.应用TrajStat模型,结合浓度权重轨迹分析法（CWT）,分析两地PM_2.5气流输送路径以及潜在源区.利用WRF-CAMx模式定量分析两地重污染月份（2017年1月）PM_2.5、硫酸盐及硝酸盐的区域传输贡献.结果表明, 2017年1月北京和石家庄均存在重污染过程,两年1月石家庄市PM_2.5浓度均高于北京; SNA占PM_2.5所有组分的34.11%~51.68%,对PM_2.5浓度有重要贡献,其中北京NO₃^-浓度最高,石家庄SO₄^2-浓度最高, SO₄^2-/NO₃^-夏季高于冬季;北京SOR高于石家庄,石家庄NOR高于北京,重污染期间两城市硫酸盐、硝酸盐、铵盐质量浓度、SOR与NOR明显升高;两地冬季气流主要受俄罗斯、蒙古、内蒙戈壁等地区的西北方向远距离输送影响,另外北京两年冬季均存在西南传输通道,石家庄重污染期间受冀南和鲁西北重工业城市群潜在贡献较高,两市夏季受东南季风影响,污染轨迹多来自渤海湾和山东等地区; 2017年1月,北京、石家庄PM_2.5受周边区域传输贡献分别为33.80%、22.54%,其中河北南部分别贡献14.86%, 17.21%,二次离子中NO₃^-的传输作用比SO₄^2-更加突出.从PM_2.5本地源来看,北京主要来源为移动源和扬尘源,分别占比43.30%、20.10%,石家庄为工业、燃煤和扬尘,分别占比26.40%、24.82%、22.50%.     

2013-2015年上海市霾污染事件潜在源区贡献分析

统计分析2013-2015年上海市每个月不同空气质量等级天数比重,根据HYSPLIT（Hybrid Single Particle Lagrangian Integrated Trajectory）后向轨迹模型对3年内的12月份影响上海地区的污染气团进行了综合聚类分析和逐年聚类分析.在综合12次严重霾事件的后向轨迹基础上,结合上海实时公布的PM_2.5小时浓度资料,对潜在源贡献因子PSCF（Potential Source Contribution Function）和浓度权重轨迹CWT（Concentration-weighted Trajectory）进行分析与比较,研究重霾期间影响上海PM_2.5质量浓度的潜在源区及不同源区对PM_2.5质量浓度的贡献差异.结果显示,上海市3年期间12月份霾颗粒物外来源主要输送渠道为西北路径和北方路径,源自于西北方向的气团比重占总气团的50.4%,北方向的气团几乎都经过海洋后进入上海地区.影响上海地区PM_2.5质量浓度的潜在源区主要分布在安徽、江苏和山东地区,此外江西北部、浙江北部、河北南部及山西少部分地区也对重霾事件中的污染物颗粒有一定程度的贡献.     

武汉市2014-2017年大气污染物分布特征及其潜在来源分析

利用武汉市2014—2017年大气污染物（SO₂、NO₂、CO、O₃、PM_2.5和PM₁₀）和气象要素的观测数据,分析了大气污染物的变化特征及其影响因素.使用HYSPLIT模式计算了影响武汉市的主要气团类型,并利用潜在源区贡献（PSCF）和浓度权重轨迹（CWT）分析方法,揭示了研究期内武汉市不同大气污染物的潜在源区分布及其贡献特性.结果表明,武汉市2014—2017年空气质量逐年好转,SO₂、O₃、PM_2.5和PM₁₀的浓度呈逐年下降的趋势,但NO₂和CO的浓度先下降后上升.2017年SO₂、O₃、PM_2.5、PM₁₀、NO₂和CO的浓度分别为9.6、50.8、52.7、89.2、47.5 μg·m^-3和1.1 mg·m^-3,分别比2014年降低了64.3%、23.0%、24.7%、18.8%、3.5%和5.9%.大气污染物存在显著的季节变化和月变化.大气污染物在四个季节中日变化类似,SO₂和O₃均为单峰型分布,NO₂、CO、PM_2.5和PM₁₀均为双峰型分布.武汉市空气污染以PM_2.5为主,随着污染程度的加剧PM_2.5/PM₁₀的值逐渐增大,在空气质量为严重污染时,PM_2.5/PM₁₀高达90%,比空气质量为优时高了31.34%.局地气团（45%）和来自山西、陕西和河南一带的西北气团（12.1%）下大气污染物浓度较高.大气污染物的潜在源区贡献（WPSCF）和浓度权重轨迹（WCWT）的较大值主要集中在武汉市本地及其周边地区,局地污染对武汉市大气污染物的贡献较大,但不同大气污染物受到排放源分布和停留时间等影响其WPSCF和WCWT的分布范围不同.     

基于AOD数据与GWR模型的2016年新疆地区PM2.5和PM10时空分布特征

PM_2.5与PM₁₀的时空分布特征及其相关性是大气颗粒物研究的主要内容,传统方法是基于监测站点数据进行分析,难以揭示PM_2.5与PM₁₀时空分布的区域特征.为此,本文利用地理加权回归模型估算了2016年新疆地区PM_2.5与PM₁₀的月均浓度,在此基础上对区域尺度的PM_2.5与PM₁₀浓度特征进行分析.结果表明：地理加权回归相较最小二乘回归的拟合精度更高,PM_2.5和PM₁₀的决定系数分别为0.93和0.96,且误差较小;PM_2.5和PM₁₀年均浓度分别为70.88 μg·m^-3和194.53 μg·m^-3,说明大气颗粒物污染严重,且空间分布呈西南高、东北低的特征;PM_2.5和PM₁₀季节浓度均为春季最高,夏季最低;PM_2.5月均浓度2月最高,9月最低,PM₁₀月均浓度3月最高,8月最低;PM_2.5与PM₁₀年均浓度的相关系数r为0.95,相关性较高;PM_2.5/PM₁₀冬季最高为51%,其余季节小于50%,说明冬季PM_2.5对大气颗粒物污染贡献率较高,其余季节则以可吸入颗粒物中的粗颗粒贡献为主.     

基于卫星观测的中三角地区吸收性气溶胶的时空演化解析

基于臭氧检测仪（Ozone Monitoring Instrument,OMI）的遥感数据,利用ArcGIS10.2对2005—2020年中三角地区（湖北省、湖南省、江西省）紫外吸收性气溶胶指数（Ultraviolet Aerosol Index,UVAI）的时空变化进行分析,结合气溶胶颗粒物（PM_2.5、PM₁₀）和气态污染物（CO）数据,利用HYSPLIT（Hybrid Single-Particle Lagrangian Integrated Trajectory model）方法研究主要污染城市气溶胶颗粒物的来源与传输路径,通过核密度估计法、相关性分析、聚类分析,研究其影响因素.结果表明：①在空间分布上,中三角地区吸收性气溶胶的高值区集中在襄阳市北部、孝感市 东部、武汉市西部;在时间分布上,2008年UVAI最低,2014年达到最大值;季节分布具有明显变化,2005—2020年吸收性气溶胶指数季均值为冬季＞春季＞秋季＞夏季.②UVAI与人口增长率、第二产业产值占总产值的比重呈正相关性,与节能环保预算支出呈显著负相关（p<0.05）. 不同的土地利用方式也是影响吸收性气溶胶空间分布的原因：UVAI低值分布地区的林地密度较高,而城乡、工矿、居民用地密度高的地区 吸收性气溶胶指数均较高.③结合气流输送情况与PM_2.5、PM₁₀、CO数据可知,来自湖北省武汉市与麻城市交界的近距离气流携带的气溶胶 颗粒物（PM_2.5、PM₁₀）及远距离气流所携带的碳质污染物（CO）,会对中三角地区吸收性气溶胶产生影响.④以襄阳市、武汉市为受点城市,对其进行潜在源贡献因子分析（PSCF）：2020年襄阳市冬季UVAI的潜在源区主要集中在河南省南部与湖北省东北部地区;2020年武汉市冬季UVAI的潜在源贡献因子（WPSCF）高值区主要分布在湖北省东部、江西省西北部、湖南省东北部.     

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.     

Identification of long-range transport pathways and potential sources of PM2.5 and PM10 in Beijing from 2014 to 2015

Trajectory clustering, potential source contribution function (PSCF) and concentration-weighted trajectory (CWT) methods were applied to investigate the transport pathways and identify potential sources of PM_2.5 and PM₁₀ in different seasons from June 2014 to May 2015 in Beijing. The cluster analyses showed that Beijing was affected by trajectories from the south and southeast in summer and autumn. In winter and spring, Beijing was not only affected by the trajectories from the south and southeast, but was also affected by trajectories from the north and northwest. In addition, the analyses of the pressure profile of backward trajectories showed that backward trajectories, which have important influence on Beijing, were mainly distributed above 970 hPa in summer and autumn and below 950 hPa in spring and winter. This indicates that PM_2.5 and PM₁₀ were strongly affected by the near surface air masses in summer and autumn and by high altitude air masses in winter and spring. Results of PSCF and CWT analyses showed that the largest potential source areas were identified in spring, followed by winter and autumn, then summer. In addition, potential source regions of PM₁₀ were similar to those of PM_2.5. There were a clear seasonal and spatial variation of the potential source areas of Beijing and the airflow in the horizontal and vertical directions. Therefore, more effective regional emission reduction measures in Beijing''s surrounding provinces should be implemented to reduce emissions of regional sources in different seasons.     

荆州市大气污染物周边源影响域的气候模拟研究

以大气污染物协同控制与精准治理的需求为导向,开展湖北省荆州市大气污染物的来源分析.基于FLEXPART-WRF模式揭示了2008—2017年荆州市PM_2.5周边源"影响域"的季节气候特征,估算了大气污染物区域传输和局地排放的相对贡献,确定出不同季节的大气污染物主要传输通道.结果表明,荆州地区PM_2.5主要"影响域"为湖北、湖南、河南和安徽省.不同季节湖北省外源传输对荆州PM_2.5"影响域"的贡献率分别为春季50.4%、夏季33.9%、秋季42.6%、冬季43.0%和年均45.1%.春季3条区域传输通道分别为北通道（沿南阳盆地-荆州）、东通道（沿长江航道-荆州）以及南通道（沿雪峰山-荆州）;夏季主要为南通道;秋、冬季分别为北通道、东北通道（沿大别山低山丘陵-荆州）及东通道.针对荆州主要3类重污染天气型的典型个例"影响域"分析表明,高压静稳型PM_2.5污染主要来源于本地排放,省内贡献率达87.8%;低压倒槽型PM_2.5污染主要来源于偏南输送和本地累积,省内贡献率达55.0%;冷锋输送型PM_2.5污染主要来源于北路区域传输,省外贡献率达77.2%.对于冬季重污染期间,建议重点围绕荆州本地与省内荆门、襄阳、孝感、天门、潜江、武汉、随州、宜昌及省外常德、南阳、信阳等地开展协作,加强区域间大气污染联防联控.该项研究可为区域大气污染精细化管控与靶向治理提供科学依据.     

海口市PM_(2.5)和PM_(10)来源解析

以海口市为例,研究了我国典型热带沿海城市——海口市环境空气颗粒物的污染特征和主要来源.2012年春季和冬季在海口市区4个采样点同步采集了环境空气中PM10和PM2.5样品,同时采集了多种颗粒物源样品,并使用多种仪器分析方法分析了源与受体样品的化学组成,建立了源化学成分谱.使用CMB(化学质量平衡)模型对海口市大气颗粒物进行源解析.结果表明:污染源贡献具有明显的季节特点,并存在一定的空间变化.冬季城市扬尘、机动车尾气尘、二次硫酸盐和煤烟尘是海口市PM10和PM2.5中贡献较大的源,在PM10和PM2.5中贡献率分别为23.6%、16.7%,17.5%、29.8%,13.3%、15.7%和13.0%、15.3%;春季机动车尾气尘、城市扬尘、建筑水泥尘和二次硫酸盐是海口市PM10和PM2.5中贡献较大的源,在PM10和PM2.5中贡献率分别为27.5%、35.0%,20.2%、14.9%,12.8%、6.0%和9.5%、10.5%.冬季较重的颗粒物污染可能来自于华南内陆地区的区域输送,特别是,本地排放极少的煤烟尘和二次硫酸盐受区域输送的影响更为显著.     

福州市区冬春季PM2.5污染特征与来源差异性分析

基于福州市区2015年2月—2016年1月间的大气PM_(2.5)监测数据,综合运用HYSPLIT后向轨迹模式、潜在源贡献因子法(WPSCF)与浓度权重轨迹分析(WCWT)等方法,探讨了福州市区冬、春季PM_(2.5)污染特征和典型污染过程成因,总结了气象因子和污染来源的季节性差异.研究期间,冬、春季是福州市区PM_(2.5)污染的主要季节,福州市区不同类型站点的PM_(2.5)浓度在冬、春季污染发生时均呈现出整体升高的特点,但浓度日变化却存在季节性差异,冬季无显著日变化,春季则表现为单峰单谷特征.福州市区春季主要受锋前暖区和高压后部等天气系统影响,大气扩散条件差,PM_(2.5)极易在不利的气象条件下累积,福建沿海地区是其PM_(2.5)污染的主要潜在源区;冬季污染易受高压天气系统作用,盛行偏北风,长江三角洲地区的污染物输入会对福州市区空气质量产生较大影响,长江三角洲、浙江东南沿海、福建北部是其PM_(2.5)污染的主要潜在源区.     

天津市PM2.5浓度时空分布特征及重污染过程来源模拟分析

天津市多发生以PM_2.5为首要污染物的重污染事件,明确ρ（PM_2.5）时空分布特征及重污染过程来源对PM_2.5的综合治理意义深远.利用天津市2014-2017年环境资料和2016年气象资料,结合WRF-Chem模式研究了天津市ρ（PM_2.5）时空分布特征及重污染过程来源.结果表明:①自2014年以来,天津市ρ（PM_2.5）呈逐年下降趋势.②ρ（PM_2.5）月变化曲线呈"U"型分布,呈冬春季高、夏秋季低的季节性特征;ρ（PM_2.5）日变化呈双峰型分布,主峰值出现在08:00-09:00,次峰值出现在21:00-翌日00:00.③各季节天津市ρ（PM_2.5）空间分布不同,春季、夏季、秋季和冬季高值中心分别位于天津市西南部的静海区、中心城区北部的北辰区、西部的武清区及北部的蓟州区.④WRF-Chem模式模拟的天津市秋冬季污染物来源结果表明,本地源贡献率为56%,外来源输送贡献率为44%,其中以河北省和山东省的输送为主.2016年12月16-22日天津市一次重污染过程的模拟结果表明,天津市本地源贡献率为49.6%,河北省、北京市和山东省的外来源输送贡献率分别为32.2%、7.0%和2.2%.污染前期,不利气象条件和外来源输送造成天津市ρ（PM_2.5）聚集并形成重度污染;污染持续过程中,本地源贡献率逐渐增大并占主导地位.研究显示,近年来天津市ρ（PM_2.5）呈下降趋势,并有明显的空间分布特征.      

南京冬季一次重霾污染事件PM2.5区域传输收支分析

利用WRF-Chem模式对2015年12月21—23日南京一次重霾污染过程进行模拟.基于合理的模拟评估,采用大气传输通量计算法,着重分析了此次霾污染过程中模拟的南京地区PM_(2.5)的传输收支特征,以及周边地区大气污染物传输对南京市PM_(2.5)变化的贡献.结果表明,此次霾污染过程中,本地源与外来源区域传输共同影响着南京市的空气质量.PM_(2.5)的跨区域传输是此次重霾污染发生和消亡的重要因素.在霾污染事件的形成维持阶段,南京地区是作为周边地区PM_(2.5)的接收区,大气污染物主要由南京的西边界输入,大气污染物的外源输入是南京PM_(2.5)污染的主要贡献来源,占南京PM_(2.5)污染的84%.在霾污染事件的消亡阶段,南京地区则是作为周边地区PM_(2.5)的源,大气污染物主要由南京的东边界持续向外输出.     

苏锡常地区PM2.5污染特征及其潜在源区分析

利用2014年12月—2015年11月苏锡常地区国控大气环境质量监测站发布的逐时数据,分析了研究区PM_(2.5)浓度的季节变化和空间分布特征,并利用HYSPLIT模型分析了大气污染物的输送路径及苏锡常地区PM_(2.5)的潜在源区.结果表明,苏锡常地区PM_(2.5)浓度日均值变化趋势基本一致,均呈现冬季高、夏季低的规律.PM_(2.5)浓度四季空间差异显著,不同监测站之间的差异较小.四季PM_(2.5)浓度与其它污染物之间相关性显著.单位面积污染物排放量与空气质量分布的空间错位,表明该地区PM_(2.5)污染与区域性污染物迁移有较大关系.苏锡常地区气流后向轨迹季节变化特征明显,冬、春、秋季的气流主要来自西北内陆地区,夏季气流以东南和西南方向输入居多.聚类分析表明,来自内陆的污染气流和来自海洋的清洁气流是苏锡常地区两种主要输送类型,外源污染气流不仅直接输送颗粒物,还贡献了大量的气态污染物.山东南部、江苏西部、安徽东部、浙江北部及江西西北地区对苏锡常冬季PM_(2.5)浓度贡献较大,春、夏、秋季的潜在源区主要分布在苏锡常本地和周边城市.     

兰州市PM2.5中多环芳烃的污染特征和来源解析

为了明确兰州市PM_2.5中16种多环芳烃（PAHs）的污染特征和来源,采集了兰州市4个季节的PM_2.5样品,运用气相色谱-质谱联用仪（GC-MS）对PAHs的浓度进行了分析,利用正定矩因子分解法（PMF）、聚类分析和潜在源因子分析法（PSCF）对PAHs的来源进行解析.结果表明,兰州市PM_2.5中ρ（PAHs）均值为：冬季［（118±16.2） ng·m^-3］>秋季［（50.8±21.6） ng·m^-3］>春季［（22.2±8.87） ng·m^-3］>夏季［（4.65±1.32） ng·m^-3］.相关性分析表明,兰州市PM_2.5和TPAHs均与温度呈现极显著的负相关性,与气压呈现极显著的正相关性,与风向、风速和相对湿度的相关性较差.各环PAHs在4个季节的占比相似,其中4环和5环的PAHs占比为最大,其次为6环和2~3环.兰州市PM_2.5中PAHs的主要来源在春夏季为工业排放和生物质及天然气燃烧,秋季工业排放占主导地位,冬季主要为燃煤排放,交通排放在4个季节的贡献比较稳定.聚类分析和PSCF计算结果表明,来自蒙古国、新疆东北部和青海等地的气流对兰州市环境空气质量有重要的影响.     

郑州市冬季大气PM2.5传输路径和潜在源分析

针对郑州市2017年12月~2018年2月的冬季气象数据和大气污染物质量浓度在线监测数据,分析了气象条件对颗粒物浓度的影响.通过混合型单粒子拉格朗日综合轨迹(HYSPLIT)方法模拟了郑州市冬季48 h的气流后向轨迹,同时进行了聚类分析,并使用潜在源贡献因子(PSCF)方法和浓度权重轨迹(CWT)方法分析了郑州市冬季PM_(2.5)的潜在污染来源和不同潜在源区对郑州市大气PM_(2.5)浓度的贡献.结果表明,低风速、高湿度和较少的降水是造成颗粒物污染严重的重要气象因素;超过60%的后向轨迹来自西北方向,其次是来自京津地区的轨迹占比为25.6%,而来自南边和东边的轨迹只占7.5%和6.1%,但对应着较高的PM_(2.5)浓度;郑州市冬季PM_(2.5)的潜在源区主要是北部的京津冀传输通道城市,包括焦作、开封、新乡、鹤壁、濮阳、安阳、邯郸和邢台,此外,相邻省份包括山西省、湖北省和安徽省部分区域对郑州市大气PM_(2.5)污染水平也有着较大的影响和贡献.     

重庆市冬季PM_(2.5)及气态污染物的分布特征与来源

利用重庆市大气污染物监测站2013年冬季(2013年11月—2014年1月)的实测数据,分析PM2.5及相关气态污染物(SO2、NO2、O3)的时空特征,并采用轨迹聚类与PSCF(潜在源贡献因子)分析污染物来源.结果表明:除ρ(O3)以外,其他3种污染物质量浓度的月际变化趋势基本一致,均呈12月升高、1月降低的特征;污染物空间分布不均,其中ρ(PM2.5)和ρ(NO2)在工业区和人口密集区较高,ρ(SO2)南高北低,ρ(O3)城区低于郊区.ρ(SO2)、ρ(NO2)与ρ(PM2.5)均呈显著正相关,其中ρ(SO2)与ρ(PM2.5)的R(相关系数)在城、郊区分别为0.71、0.65,ρ(NO2)与ρ(PM2.5)在城、效区的R分别为0.73、0.56;而ρ(O3)与ρ(PM2.5)未表现出显著相关.ρ(SO2)、ρ(NO2)与ρ(PM2.5)的相关性高低可在一定程度上说明二次气溶胶的污染程度,ρ(O3)与ρ(PM2.5)的相关性受到PM2.5来源和污染程度的影响.轨迹分析结果显示,重庆市2013年冬季主要受东北方向气流影响;聚类分析表明,重庆市11月没有表现出明显的PM2.5外来输送特征,但12月和1月的PM2.5外来输送特征明显,并且不同方向的气流污染物浓度差异也较大.PSCF分析发现,重庆市冬季PM2.5、SO2、NO2、O3主要来源于本地和周围城市局地传输,同时还受南宁、贵阳、遵义、达州等地的影响.