常州市冬季大气污染特征及潜在源区分析

为了解常州市冬季大气污染特征,对2013—2015年常州市冬季PM_2.5、PM₁₀、SO₂、NO₂、CO数据进行分析,并结合HYSPLIT 4.9模式研究不同气团来源对常州市各污染物浓度的影响及潜在污染源区分布特征.结果表明,常州市冬季以PM_2.5污染为主,其占冬季首要污染物的90%以上,冬季PM_2.5小时浓度对应的空气质量级别以良和轻度污染出现频次最多,冬季的ρ（PM_2.5）对ρ（PM_2.5）年均值的贡献率高达37.4%,不完全燃烧是颗粒物的一个重要来源.冬季ρ（PM_2.5）、ρ（PM₁₀）、ρ（SO₂）、ρ（NO₂）和ρ（CO）的日变化均呈双峰分布,两个峰值分别出现在交通的早高峰和晚高峰附近.ρ（NO₂）在晚高峰明显大于早高峰,而ρ（SO₂）和ρ（CO）表现为早高峰大于晚高峰.常州市CO/NO_x和SO₂/NO_x的分析结果表明,常州市交通源的贡献明显,点源对常州市的空气质量的影响也较大.1和6 h的ρ（PM_2.5）梯度变化可判识细颗粒物的爆发性增长.冬季常州市受到西北、西和西南等地区的大陆性气流影响较大,其对应的ρ（PM_2.5）、ρ（PM₁₀）、ρ（SO₂）、ρ（NO₂）和ρ（CO）平均值相对较高,且对应的污染轨迹出现概率较大.偏东方向的气流由于移动速度慢,不利于污染物扩散易造成污染累积,导致ρ（PM_2.5）、ρ（SO₂）和ρ（NO₂）相对较高.WPSCF（源区分布概率）高值区（>0.5）集中于从芜湖至上海的长江中下游区域和杭州湾区域.PM_2.5、PM₁₀、SO₂、NO₂和CO潜在源区存在较大差异性,NO₂、SO₂和CO本地化的潜在贡献较PM_2.5和PM₁₀更明显.此外,受船舶等影响海洋源区对NO₂、SO₂和CO的潜在贡献较大.研究显示,长三角区域的大气污染物以本地污染为主,但远距离污染输送贡献也不容忽视.      

2018年吉林市大气污染物浓度变化及其与气象因素的相关性分析

采用统计学方法、Pearson相关系数法和线性回归法研究分析了2018年吉林市大气污染物SO₂、NO₂、PM₁₀、PM_2.5、CO和O₃浓度的变化特征、污染物浓度之间的相关性以及污染物与气象因素的相关性。结果表明:1）吉林市大气环境中O₃、PM₁₀和PM_2.5日均值超标率分别为1.06%、3.27%和7.14%,颗粒物、O₃及其前体物质为治理重点;CO、SO₂、NO₂、PM₁₀和PM_2.5春、冬季污染较重,夏季污染最轻;大气环境中的污染物浓度随季节、时刻及人类活动发生周期性变化;2）PM₁₀和PM_2.5、PM_2.5和CO、NO₂和CO浓度之间高度相关（相关系数r均>0.8）,并建立了其预测线性模型;3）污染物（O₃除外）浓度与温度、风速和混合层高度呈负相关,与气压呈正相关;降水对SO₂、PM₁₀和PM_2.5浓度具有一定的削减作用,降水后其浓度减少的次数占总降水次数的68.75%、84.38%和78.13%;吉林市污染最严重的颗粒物受气象因素中混合层高度、风速和降水影响较大。该研究成果可为日后吉林市开展大气污染治理、区域大气环境容量测算、空气污染潜势预报等研究提供参考。     

基于CMAQ空气质量模型研究机动车对济南市空气质量的影响

为研究济南市机动车排气对城市区域空气质量的影响,利用环境空气质量监测站点（简称"1号站点"）和路边机动车尾气监测站点（简称"2号站点"）的在线数据,以及基于4种模拟情景的CMAQ空气质量模型预测数据,研究了济南市城市区域大气污染物质量浓度变化规律及不同机动车车型对6种常规大气污染物的贡献.结果表明:①在采暖季,1号站点ρ（PM_2.5）、ρ（PM₁₀）、ρ（NO₂）、ρ（CO）、ρ（O₃）和ρ（SO₂）月均值分别为435 μg/m3、702 μg/m3、84.2 μg/m3、6.8 mg/m3、4.5 μg/m3和92 μg/m3.②2015年12月24日（灰霾天）,1号站点ρ（CO）、ρ（PM_2.5）和ρ（PM₁₀）均明显升高,ρ（SO₂）、ρ（O₃）和ρ（NO₂）均变化不明显.2个监测站点中ρ（NO₂）和ρ（PM₁₀）均呈双峰趋势,2个峰值出现的时间与上、下班高峰期基本一致.除ρ（O₃）和ρ（SO₂）达GB 3095-2012《环境空气质量标准》二级标准外,其他污染物均超过GB 3095-2012二级标准限值,采暖季大气污染特征为颗粒物型污染.③机动车对研究区域NO₂和PM₁₀贡献率较大,其中,小型车对CO、NO₂、PM₁₀和PM_2.5贡献率最大,其贡献率分别为85.7%、50.1%、53.4%和52.8%.机动车排放源能降低空气中ρ（O₃）,其总贡献率为-25.5%,其中大型车、中型车、小型车对O₃的贡献率分别为-8.8%、-2.7%和-8.9%.灰霾天下不同机动车车型对空气中污染物质量浓度的总贡献率均比采暖季大.研究显示,济南市采暖季大气污染特征为颗粒物型污染,机动车排放源对空气中NO₂和PM_2.5有较大贡献.      

包头市大气污染特征及其影响因素

为了解包头市大气污染特征,利用包头市2014年ρ（PM₁₀）、ρ（PM_2.5）、ρ（SO₂）、ρ（NO₂）、ρ（CO）和ρ（O₃）环境空气自动监测数据,结合气象参数,分析了包头市大气污染特征及其影响因素.结果表明:① 包头市春季大气污染以PM₁₀为主,夏季以O₃为主,秋冬两季PM₁₀和PM_2.5均有不同程度污染. ② ρ（PM₁₀）、ρ（PM_2.5）、ρ（SO₂）、ρ（NO₂）的24 h平均值和ρ（O₃）日最大8 h平均值分别有153、76、10、6和3 d超出GB 3095-2012《环境空气质量标准》二级标准限值,ρ（CO）24 h平均值全年达标. ρ（PM₁₀）、ρ（PM_2.5）和ρ（NO₂）年均值分别为GB 3095-2012二级标准限值的2.2、1.6和1.2倍,ρ（SO₂）年均值达标. ③ PM_2.5/PM₁₀（质量浓度比）四季分布为冬季（0.45）>秋季（0.39）>夏季（0.36）>春季（0.27）,年均值为0.37,粗颗粒污染特征明显. ④ SO₂/NO₂（质量浓度比）四季分布为冬季（1.76）>春季（1.15）>秋季（0.82）>夏季（0.75）,年均值为1.12,并且取暖季明显高于非取暖季,说明冬季燃煤取暖对包头市空气质量有重要影响. ⑤ 包头市的严重污染主要有沙尘型和煤烟型2种. ⑥ 系统聚类分析表明,扬尘引起的PM₁₀对包头市环境空气质量有重要的影响,以SO₂和CO为排放特征的燃煤对PM_2.5有较大的贡献.      

保定市大气污染特征和潜在输送源分析

保定市是京津冀地区重要城市之一.为了解保定市大气污染物质量浓度特征和潜在输送源,对保定市国控点2017年1月1日-12月31日PM₁₀、PM_2.5、SO₂、NO₂、O₃、CO等常规大气污染物数据进行分析,并利用TrajStat后向轨迹模型进行区域传输研究.结果表明:①ρ（PM₁₀）、ρ（PM_2.5）、ρ（SO₂）、ρ（NO₂）分别为（138±96）（84±66）（29±23）和（50±24）μg/m3,与2016年相比分别下降5.9%、9.1%、25.5%和13.1%;ρ（CO）较2016年下降了14.0%;ρ（O₃）较2016年增长了25.2%.ρ（PM₁₀）、ρ（PM_2.5）、ρ（NO₂）和ρ（O₃）分别超过GB 3095-2012《环境空气质量标准》二级标准限值的0.97、1.40、0.25和0.34倍,ρ（SO₂）和ρ（CO）未超标.②除ρ（O₃）外,其他污染物质量浓度均呈冬季最高、夏季最低的季节性特征,其中,冬季PM_2.5污染最为严重,春季PM_2.5~10（粗颗粒物）污染严重.③空气质量模型源解析结果显示,保定市ρ（PM_2.5）约60.0%~70.0%来自本地污染源排放.后向轨迹结果表明,在外来区域传输影响中,保定市主要受到西北方向气团（占比为21.7%~60.0%）远距离传输和正南方向气团（占比为34.8%~50.5%）近距离传输的影响.④PSCF（潜在源贡献因子分析法）和CWT（浓度权重轨迹分析法）分析表明,除保定市及周边区县本地污染贡献外,位于太行山东麓沿线西南传输通道的邯郸市、邢台市、石家庄市是影响保定市PM_2.5的主要潜在源区.研究显示,PM_2.5为保定市大气中的主要污染物,并呈冬季高、夏季低的变化特征,其主要来自西北远距离输送和南部近距离传输.      

成都市降水对大气污染物的清除效果分析

成都市受特殊地形和气候条件影响,地面风速小,静风比例高,空气湿度大,大气污染物扩散缓慢,主要靠降水的冲刷和清除作用去除大气污染物.利用2014年5月13日-2017年12月31日成都市逐小时ρ（PM_2.5）、ρ（PM₁₀）、ρ（NO₂）、ρ（O₃）、ρ（CO）、ρ（SO₂）监测数据和同期地面降水量观测数据,分析了降水前污染物质量浓度、小时最大降水量、降水持续时间及累积降水量对大气污染物清除效果的影响.结果表明:①降水对6种大气污染物的清除率随降水前污染物质量浓度的增加而增大,并且汛期降水对大气污染物的清除率大于非汛期降水.②降水对大气污染物起正清除作用,清除率随降水持续时间的增加而增大.③不同降水量对不同污染物的清除效果不同,对PM_2.5、PM₁₀、NO₂、CO和SO₂的清除率随降水量的增加而逐渐增大,对O₃的清除效果相差不大且清除率均较大;小时最大降水量对PM_2.5、PM₁₀、NO₂、O₃、CO、SO₂的清除率平均值分别为29.48%、26.95%、22.02%、26.87%、11.94%、28.75%,累积降水量的清除率平均值分别为31.64%、30.66%、24.38%、26.31%、13.89%、32.91%,其中CO不易溶于水,降水对其清除作用明显小于其他几种污染物.研究显示,降水对大气污染物的清除作用显著,对SO₂、PM_2.5和PM₁₀的清除效果较好,而对CO的清除效果较差.      

兰州市空气污染对儿童呼吸疾病的影响

探讨兰州市空气污染对不同性别和年龄的儿童呼吸疾病就诊人数的影响以及季节性变化.通过收集2013~2017年兰州市空气污染物PM_2.5、PM₁₀、SO₂、NO₂、CO和O₃8h浓度数据、气象数据及3家三甲医院儿童呼吸疾病门诊资料,采用广义相加模型（GAM）控制星期几效应、气象因素、假期效应等混杂因素,分析空气污染物浓度与儿童呼吸系统疾病日门诊量的关系及滞后效应.研究期间,兰州市3家三甲医院儿童呼吸系统疾病日门诊量平均为387人次,范围1~1413人次.单污染物模型结果显示,PM_2.5、NO₂、SO₂、CO均在累积滞后一天（lag01）时效应量达到最大值,其浓度每增加10μg/m³（CO单位为1mg/m³）,儿童呼吸系统疾病就诊人次的超额危险度（ER）及95%可信区间（95% CI）分别为0.245%（95% CI：0.127%~0.363%）,0.568%（95% CI：0.327%~0.808%）,1.661%（95% CI：1.022%~2.302%）,2.245%（95% CI：1.610%~2.883%）;PM₁₀和O₃8h在各滞后天数均无统计学意义.对不同性别、年龄、季节分析发现,性别分层中PM_2.5对女童的影响略高于男童,NO₂、SO₂和CO的影响男童略高于女童;年龄分层发现PM_2.5、NO₂和CO的影响6~14岁组大于0~5岁组,SO₂的影响0~5岁组大于6~14岁组;季节分层中PM_2.5、NO₂、SO₂和CO对门诊量的影响只在冬季有意义,PM₁₀和O₃8h在各个季节均无意义.双污染物模型结果显示,分别调整其他5种污染物后,PM₁₀和O₃8h对儿童呼吸系统疾病门诊量的增加均无统计学意义;调整PM₁₀和O₃8h后,其他污染物呼吸系统疾病门诊量的增加均有统计学意义.兰州空气污染物（PM_2.5、NO₂、SO₂、CO）与呼吸系统疾病门诊量密切相关,并且SO₂和CO浓度增加更易增加儿童呼吸系统疾病的发病风险.性别、年龄和季节对空气污染物和呼吸系统疾病门诊就诊人次的关系有影响.     

陕甘宁地区城市空气质量特征及影响因素分析

利用历史观测数据来探究短时间内AQI（空气质量指数）的起伏变化,有助于制定空气污染防治措施,对区域环境经济的协调发展具有重要意义.为研究陕西省、甘肃省和宁夏回族自治区（简称"陕甘宁地区"）2015-2017年空气质量特征,对3 a的AQI及评价体系中6项污染物（PM_2.5、PM₁₀、O₃、NO₂、SO₂、CO）质量浓度特征进行研究.通过数理统计对29个监测站点32 910个样本数据进行整理,采用克里金法分析AQI及6项污染物质量浓度的时空变化特征.结果表明:①空间上,陕甘宁地区西南部污染较轻,陕西省中部关中平原、宁夏回族自治区北部及甘肃省河西走廊西北部污染较严重.ρ（O₃）高值集中分布在研究区西北部地区,ρ（CO）、ρ（NO₂）高值集中分布在东部地区,ρ（PM_2.5）、ρ（PM₁₀）分布特征与AQI分布特征相似,ρ（SO₂）高值集中分布在北部地区.②时间上,3 a的AQI平均值为88,AQI季节性变化呈冬季（108）>春季（88）>秋季（78）>夏季（74）的规律.③通过数理统计对污染物质量浓度月变化特征分析发现,ρ（O₃）夏季最高,峰值为140.3 μg/m3,春秋次之,冬季最低;ρ（PM_2.5）、ρ（PM₁₀）、ρ（SO₂）、ρ（NO₂）和ρ（CO）均为冬季最高,其最高值分别为83.7 μg/m3、155.9 μg/m3、72.6 μg/m3、52.1 μg/m3、2.04 mg/m3.④相关性分析表明,AQI与自然因素中的平均气温、平均降水量和气压的相关系数分别为-0.859、-0.903和0.620,平均气温、平均降水量与AQI均呈极显著负相关（P < 0.01）,气压与AQI呈显著正相关（P < 0.05）.DEM（数字高程模型）地形起伏度分析发现,地形起伏度级别越大,AQI越小.社会经济因素中,AQI受工业企业数的影响最大,相关系数为0.634.研究显示,自然因素对陕甘宁地区空气质量的影响大于社会经济因素的影响,气象条件对空气污染的扩散起重要作用.      

2017—2020年武汉市大气污染物时空分布特征研究

为进一步了解武汉市大气污染时空分布特征,对2017—2020年武汉市主要大气污染物(PM_2.5、PM₁₀、SO₂、CO、NO₂和O₃)进行了空间插值分析、时间变化分析以及与气象要素的相关性分析。结果表明：武汉市近4年环境空气质量达标率为72.98%。PM_2.5、PM₁₀、SO₂、CO和NO₂具有“冬高夏低”的“V”形特征,O₃呈“夏高冬低”的变化趋势。武汉市年均质量浓度超标的大气污染物主要有PM_2.5和PM₁₀,但其年均质量浓度均呈下降趋势,而O₃是年均质量浓度唯一处于上升状态的大气污染物,今后应重点关注颗粒物与臭氧污染。PM_2.5、PM₁₀、SO₂、CO和NO₂主要集中在武昌区、蔡甸区、青山区、江汉区、江岸区,而O<...     

云浮市2018—2020年颗粒物和臭氧污染特征及污染案例研究

为探究云浮市颗粒物和臭氧(O₃)污染特征,利用多元统计分析方法分析了云浮市2018—2020年6项环境空气污染物浓度、气象因子等监测数据,并对2020年12月25—29日冬季PM_2.5和O₃污染过程进行了研究. 结果表明:①PM_2.5、PM₁₀、NO₂、CO月均浓度呈夏季低、冬季高的变化特征;O₃-8 h第90百分位数呈夏秋季高、冬春季低的变化特征. ②PM₁₀、PM_2.5和CO小时浓度日变化呈波浪型变化特征,PM_2.5、CO小时浓度最大值均出现在09:00,PM₁₀小时浓度最大值出现在02:00. O₃、SO₂小时浓度日变化呈单峰型变化特征,O₃、SO₂小时浓度最大值分别出现在16:00、10:00. NO₂小时浓度日变化呈单谷型变化特征,最小值出现在14:00. ③PM_2.5-10、SO₂、NO₂、O₃小时浓度与PM_2.5小时浓度均呈正相关,说明PM_2.5-10、SO₂、NO₂、O₃与PM_2.5具有一定程度的同源性. O₃小时浓度与NO₂、CO小时浓度呈负相关,且O₃小时浓度与NO₂小时浓度相关性更强. 夏秋季NO₂、CO、O₃、PM_2.5小时浓度与气温的相关性比冬春季的更强. SO₂、PM₁₀、PM_2.5、O₃小时浓度均与湿度呈负相关,其中O₃小时浓度与湿度的相关性最强,相关系数为?0.586. ④2020年12月25—29日云浮市城区PM_2.5污染受到静稳天气影响,O₃污染与28日午后太阳高温辐射以及来自珠三角地区O₃污染气团的输入影响有关. 利用ART-2a对该时段采集的颗粒物进行成分分析,得到K、EC、OC、ECOC、HM、LEV、Na、SiO₃这8种单颗粒物. 整个时段EC、OC、ECOC谱图中都存在明显的硫酸盐峰和硝酸盐峰. PM_2.5小时浓度与硫酸盐离子、硝酸盐离子、硅酸盐离子、铵离子、氯离子的数量均呈显著正相关,二次反应和老化过程对PM_2.5污染有显著影响. 研究显示,云浮市PM_2.5和O₃复合污染防控需要关注本地污染物变化特征和排放源影响,也需关注外来污染气团特别是来自珠三角地区污染气团输入的影响.      

重污染天气应对“绩效分级、差异化管控”措施首次实践效果后评估

为提高重污染天气应对的科学性和精准度,2019年7月生态环境部制定重污染天气应对“绩效分级、差异化管控”措施.为应对9月底至10月初的重污染过程,京津冀及周边共68个城市启动重污染预警,该措施得以首次实践.通过时间序列断点回归方法对该措施效果进行评估发现,空气质量改善存在滞后的现象,SO₂、 NO₂和CO这3个气态污染物改善速度较快,对涉及二次生成的O₃和PM_2.5两个污染物见效速度相对较慢. 10月1日恰逢在北京举办庆祝中华人民共和国成立70周年阅兵式,对10月1日当天进行评估,发现与假如不采取措施的情形相比,重污染应急措施使北京市PM_2.5、 NO₂和CO日均浓度显著下降,下降幅度分别为54.1%、 62.4%和25.8%.如果不采取重污染应急措施,北京10月1日上午可能出现中重度污染,但实际上空气质量保持在良的水平.区域启动预警的68城市PM_2.5、 PM₁₀、 NO₂、 SO     

基于多源数据的西安大气重污染过程案例分析

基于大气污染六要素（PM_2.5、PM₁₀、SO₂、NO₂、CO和O₃）、PM_2.5化学组分数据、地面气象观测数据、微波辐射计数据和大气再分析数据,采用物质平衡和硫/氮氧化速率（SOR/NOR）等方法对2019年1月西安市一次重污染事件过程和成因机制进行综合分析.将该次污染过程划分为累积阶段（P1）、维持阶段（P2）和消散阶段（P3）,本次重污染过程主要是由于不利天气形势叠加反馈效应造成的,P1和P2阶段西安在500hPa都受平直西风气流影响,海平面气压为均压场,等压线稀疏,天气形势稳定,且925hPa以偏东风为主,不利于大气污染扩散.地基微波辐射计可辅助反映气象条件与重污染间的反馈机制,其反演的水汽密度和逆温均与PM_2.5存在显著线性相关关系,相关系数分别为0.86和0.38.反馈机制主要表现为：当污染达到一定程度时产生辐射冷却效应使地面降温,进而导致或加强逆温,混合层高度降低,水汽积聚,高湿条件通过加速二次转化和促进气溶胶吸湿增长使污染进一步维持,因此P2阶段二次无机离子（SO₄^2-+NO₃^-+NH₄⁺,SNA）和"其他"组分对PM_2.5的贡献率较大,分别为43.2%和23.1%,且SOR、NOR和消光系数均在P2阶段达到峰值.NH₄NO₃、有机物（OM）、（NH₄）₂SO₄和元素碳（EC）对消光系数的总贡献率超过85%,但各组分占比排序在每个阶段略有不同.     

2013年成都财富论坛期间空气质量状况分析研究

利用2013年5月20日-6月20日成都市区7个环境质量监测站点可吸入颗粒物(PM₁₀)、细颗粒物(PM_2.5)、SO₂、NO₂、CO和臭氧的实测资料及地面气象观测资料,对成都举办财富全球论坛期间及前后的空气质量变化特征和成因进行分析.结果表明,由于市政府采取交通管制措施,使机动车尾气排放的NO₂浓度与财富论坛前后相比降幅达27.2%;财富论坛期间臭氧前体物质浓度的降低,使地面臭氧日均浓度在相同太阳日辐射值下与财富论坛前后相比较低;对城区扬尘控制和周边重污染企业限产停产,分别对PM₁₀和SO₂的排放起到了明显的削减作用;后向轨迹分析表明市区SO₂浓度累积与来自东南部低空的气团有关.当相对湿度小于60%时颗粒物容易吸湿增长,而当相对湿度大于60%时降雨概率增大,颗粒物容易被清除.综合分析,成都市区财富论坛期间空气质量改善是政府减排举措的有效实施和较好的气象条件共同作用的结果.     

Spatial and temporal variation of particulate matter and gaseous pollutants in 26 cities in China

O3and PM2.5were introduced into the newly revised air quality standard system in February 2012, representing a milestone in the history of air pollution control, and China's urban air quality will be evaluated using six factors(SO2, NO2, O3, CO, PM2.5and PM10) from the beginning of 2013. To achieve the new air quality standard, it is extremely important to have a primary understanding of the current pollution status in various cities. The spatial and temporal variations of the air pollutants were investigated in 26 pilot cities in China from August 2011 to February 2012, just before the new standard was executed. Hourly averaged SO2, NO2and PM10were observed in 26 cities, and the pollutants O3, CO and PM2.5were measured in 15 of the 26 cities. The concentrations of SO2and CO were much higher in the cities in north China than those in the south. As for O3and NO2, however, there was no significant diference between northern and southern cities. Fine particles were found to account for a large proportion of airborne particles, with the ratio of PM2.5to PM10ranging from 55% to 77%. The concentrations of PM2.5(57.5 μg/m3) and PM10(91.2 μg/m3) were much higher than the values(PM2.5: 11.2 μg/m3; PM10 : 35.6 μg/m3) recommended by the World Health Organization. The attainment of the new urban air quality standard in the investigated cities is decreased by 20% in comparison with the older standard without considering O3, CO and PM2.5, suggesting a great challenge in urban air quality improvement, and more eforts will to be taken to control air pollution in China.     

2015—2017年天水市大气污染物变化特征及来源分析

据天水市2015-2017年大气污染物（SO₂、NO₂、CO、O₃、PM_2.5和PM₁₀）的监测数据及气象资料,分析了天水市大气污染物的浓度变化特征,并利用排放源清单和HYSPLIT模型对污染物来源进行了解析.结果表明：①天水市空气质量有所下降,总体优良率达84.9%.SO₂、NO₂、CO均达标,污染物以颗粒物和O₃为主.②一次污染物SO₂、NO₂、CO、PM_2.5和PM₁₀浓度具有相似的季节变化和日变化特征,冬季最高,夏季最低,日变化呈早晚双峰型.二次污染物O₃夏季浓度最高,冬季最低,日变化呈单峰型.③天水市空气质量主要受污染物的本地排放和外来输送的影响,本地民用和工业部门对SO₂、CO、PM_2.5和PM₁₀的贡献最大,交通和工业部门对NO_x的分担率最高,民用部门是CO的最大排放源;西北和东部气流是污染物外来的最主要输送路径.此外,污染物在城市大气中的稀释、扩散和转移也受当地气象因素（气温、降水、风向等）的影响.     

利用多元线性回归方法评估气象条件和控制措施对APEC期间北京空气质量的影响

气象条件对大气污染物的扩散和传输有重要影响,准确分离和定量气象因素对空气质量的影响是评估大气污染控制政策有效性的前提.本研究利用APEC会议期间及前后(2014-10-15～2014-11-30)北京城区朝阳观测站点SO_2、NO、NO_2、NO_x、CO、PM_(2.5)、PM_1和PM_(10)以及气象因素的观测数据,采用多元线性回归分析方法,定量评估了气象条件和空气污染控制措施对APEC期间北京空气质量的影响.在假定排放条件不变的情况下,基于气象因素参数建立的预测污染物浓度的多元线性回归模型模拟效果较为理想,决定系数R~2在0. 494～0. 783之间.控制措施使得APEC控制期SO_2、NO、NO_2、NO_x、CO、PM_(2.5)、PM_1和PM_(10)浓度分别降低48. 3%、53. 5%、18. 7%、40. 6%、3. 6%、34. 8%、28. 8%和40. 6%,气象因素使得APEC控制期SO_2、NO、NO_2、NO_x、CO、PM_(2.5)、PM_1和PM_(10)浓度分别降低1. 7%、-2. 8%、18. 7%、4. 5%、18. 6%、27. 5%、30. 6%和35. 6%.气象因素和控制措施共同作用使得APEC控制期北京空气质量得到了明显改善.控制措施对SO_2和氮氧化物浓度的下降起主导作用,气象因素对CO浓度的下降起主导作用,气象因素和控制措施对颗粒物浓度降低的贡献相当.本研究还利用相对权重方法研究了气象因素对污染物浓度影响的贡献,结果表明影响不同污染物浓度的决定性气象因素不同.     

2010年广州亚运期间空气质量与污染气象条件分析

利用2010年11月4日～12月10日广州地区NO2、O3、SO2、PM、能见度实测资料,区域空气污染指数RAQI及大气输送扩散特征参数,分析广州亚运期间空气质量与气象条件变化特征.结果表明,亚运期间空气质量比亚运前后好,能见度比亚运前后大,PM1和PM2.5浓度比亚运前后小,能见度与PM1和PM2.5有较好的反相关;亚运期间NO2和SO2日均值和小时均值均达到国家一级标准,PM10日均值和O3小时均值均满足国家二级标准,污染物得到较好的控制;广州地区SO2受本地源和外地源远距离输送叠加影响,NO2受本地源影响较大;广州周边城市NO2、SO2和PM10有向广州输送的潜势,而广州O3有向其周边城市扩散的潜势;亚运期间污染气象条件比亚运前后有利,亚运期间污染物浓度降低得益于政府实施的减排措施及良好的气象条件.     

G20峰会期间杭州地区空气质量特征及气象条件分析

利用空气质量和气象要素的监测资料与再分析资料,分析了2016年G20峰会期间(2016年8月10日—9月20日)杭州及周边地区空气质量演变及区域特征,探讨了气象条件对G20峰会期间杭州空气质量的影响.结果表明:G20峰会管控期间,由于机动车排放大幅度降低,杭州NO_2浓度较管控前有所下降,对比周边城市降幅居于首位;而由于不利气象条件的影响,PM_(2.5)、PM_(10)、SO_2、CO和O_3浓度比管控前有不同程度的增长,但增幅相比周边城市较小,说明管控措施对杭州空气质量有一定的改善效果.9月7日管控措施结束后污染反弹现象明显.气象条件对杭州的空气质量有重要影响:在管控前,杭州晴热高温天气有利于O3的生成,偏东风相对洁净,污染传输较少;在管控期,杭州虽受到静稳天气和外来污染传输的影响,但得益于减排应急管控措施的有效实施,NO_2浓度下降幅度最大,其他污染物的增幅也较周边城市偏小;在管控后,气象条件不利于污染物的垂直扩散,受静稳天气和污染源恢复常态的影响,PM_(2.5)、PM_(10)、NO_2、SO_2和CO出现了整个研究时段的最大值,而台风"莫兰蒂"使得杭州PM_(2.5)、PM_(10)和O_3浓度出现了整个研究时段的最低值.     

兰州盆地人为源大气污染物网格化排放清单及其空间分布特征

基于所搜集的兰州盆地各类人为污染源排放大气污染物的活动水平数据及其排放因子,采用"自下而上"的方法建立了2009年兰州盆地(石油化工城市)1 km×1 km的7种(类)大气污染物网格化排放清单,并对其来源和空间分布特征进行了分析研究.结果显示:2009年兰州盆地NOx、SO_2、VOCs、CO、PM_(10)、PM_(2.5)和NH3的排放总量分别为1.2×10~5、8.8×10~4、4.3×10~4、4.1×10~5、9.6×10~4、4.2×10~4和1.4×10~4t;工业燃烧排放是兰州盆地NO_x和SO_2的主要贡献源,分别占其总排放量的85.70%和52.55%;工业非燃烧过程排放是VOCs的最大贡献源,占总排放量的81.25%;工业点源和工业非燃烧过程排放是CO的两大贡献源,分别占其总排放量的33.97%和28.32%;PM_(10)和PM_(2.5)主要来源于工业非燃烧过程,贡献分别为51.09%和55.12%;氮肥使用和禽畜养殖是NH_3排放最大的贡献源,分别占其总排放量的39.20%和30.70%.空间分布特征表现为:以工业源为主要排放源的NO_x、SO_2、VOCs、CO、PM_(10)、PM_(2.5)主要分布在工业和人口最为集中的兰州盆地市区一带,NH_3的排放则主要集中在榆中县和皋兰县交界的农村地区.同时,还对2014年工业燃烧源和道路移动源的7种(类)大气污染物排放量进行了估算,并与2009年进行了排放比较研究.结果表明,2014年工业污染源的7种(类)污染物排放量与2009年相比平均增幅不高,最高不超过30%,但移动源污染物排放量却大幅增加,增幅将近1倍.此外,基于排放因子及活动水平的不确定性,本研究对排放清单的结果进行了不确定性分析,并通过蒙特卡罗模拟对各污染物的排放量进行了评估.本排放清单的建立,不仅填补了兰州盆地大气污染物网格化排放清单的空白,还可为兰州盆地大气污染物排放清单更新、区域环境过程、大气复合污染成因及大气污染预警技术等相关研究提供基本方法手段及基础数据.     

气候变化对浙江省大气污染的影响

开展气候变化对大气污染影响的研究有利于加深对大气污染形成机理的认识.利用1996-2015年浙江省大气成分、气象观测资料,分析气候变化对大气污染的影响.结果表明,近20 a来浙江省呈年高压天气日数增多、年均气温升高、降水集中及年均净辐射、日照时数、风速、气温日较差和水汽蒸发量都下降的气候变化事实.气候变化引起大气污染扩散能力下降,1996-2015年杭州市和浙江省年均大气扩散指数分别下降了0.55和0.81,降幅分别达35.71%和42.69%.大气扩散指数与ρ（PM₁₀）、ρ（PM_2.5）及年霾日数之间呈显著负相关,当大气扩散指数增大时,大气颗粒物浓度和年霾日数均下降,反之亦然.杭州市大气扩散指数与ρ（PM₁₀）、ρ（PM_2.5）之间的相关系数分别为0.73和0.76.杭州市和浙江省大气扩散指数与年霾日数之间的相关系数分别达到0.77和0.78,T检验值则分别为28.88和30.81,说明由气候变化引起的大气扩散能力改变是影响大气污染的重要原因,但不同大气成分受气候变化的影响程度不同.影响ρ（PM₁₀）的关键气候要素是降水量、风速及相对湿度等,影响ρ（PM_2.5）的主要是辐射、气温,影响ρ（SO₂）的主要是气温,影响ρ（NO₂）及ρ（NO₃-）、ρ（NH₄+）的主要是辐射.总体来说,浙江省近20 a的气候变化事实可能有利于促进ρ（PM₁₀）、ρ（PM_2.5）、ρ（NO₂）及ρ（O₃）等上升,促进ρ（SO₂）、ρ（NO₃-）、ρ（SO₄2-）、ρ（NH₄+）等下降.