秦巴山地西部地区2015—2018年大气污染物变化特征及潜在来源分析

为了研究我国南北过渡带西部地区大气污染物变化特征，选取了秦巴山地西部陇南市2015-2018年大气主要污染物监测资料和气象数据，分析了各污染物的浓度水平、变化特征及与气象条件的关系，并利用HYSPLIT后向轨迹模式分析了该地区污染物潜在来源（WPSCF和WCWT）.结果表明：4年来，秦巴山地西部地区空气环境质量较好，空气质量优良率达94.24%，6项大气污染物SO₂、NO₂、CO、O₃、PM_2.5、PM₁₀平均浓度分别为19.02、23.35、701.41、83.11、30.57、56.50 μg·m^-3，均未超过国家二级标准.PM₁₀是该地区首要污染物中天数最多的，达94 d.污染物SO₂、NO₂、CO、PM_2.5和PM₁₀的季节变化和日变化特征具有较好一致性，呈"U"型变化，O₃呈单峰型，在夏季和午后浓度到达高值.颗粒污染物PM₁₀、PM_2.5与气态污染物SO₂、NO₂、CO均呈现较好正相关，气温、降水量和风速风向对污染物浓度有较大的影响.该地区冬季空气质量明显差于其他季节，颗粒物浓度主要受供暖期化石燃料燃烧和外来气流的影响.     

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.     

临沂市区主要大气污染物的污染特征及其对居民健康的影响

大气污染是全球性的公共环境健康问题.本研究基于临沂市区2015年6种大气污染物（PM_2.5、PM₁₀、SO₂、NO₂、CO、O₃）的逐日监测数据,分析了污染物的污染特征及其与气象因子的相关性,通过构建广义相加模型,模拟分析了单个污染物与居民呼吸、循环系统疾病门诊人次的暴露-反应关系.结果表明,PM_2.5和PM₁₀是临沂市区首要大气污染物,NO₂和SO₂次之,O₃和CO浓度较低;除O₃外,其它5种污染物之间呈显著正相关,与风速、温度、相对湿度3个气象因子呈负相关,浓度水平冬季高、夏季低;O₃与温度呈显著正相关.对于呼吸系统疾病,单个污染物每增加10 μg·m^-3（CO每增加0.1 mg·m^-3）的最大效应情况是：PM₁₀、SO₂、NO₂、CO均在当天（lag0）使得门诊人次分别增加0.36%、1.77%、1.29%、0.69%,PM_2.5和O₃分别在累积滞后6 d（lag05）和单日滞后3 d（lag3）使得门诊人次分别增加0.6%和1.07%;对于循环系统疾病,单个污染物每增加10 μg·m^-3（CO每增加0.1 mg·m^-3）的最大效应是：PM_2.5、PM₁₀均在累积滞后5 d（lag04）使得门诊人次分别增加0.72%、0.80%,SO₂、NO₂均在累积滞后6 d使得门诊人次分别增加3.55%、3.54%,CO和O₃则分别在当天和单日滞后3 d使得门诊人次分别增加0.77%、1.39%.对于呼吸、循环系统疾病,PM_2.5、PM₁₀、CO、O₃对男性的影响均大于女性,SO₂则反之;NO₂对男性呼吸系统和女性循环系统影响较大.大气污染物对少年（7~17岁）呼吸系统和对中年（41~65岁）循环系统影响较大.临沂市区6种大气污染物存在不同程度的污染,对居民呼吸、循环系统疾病均有不同程度的影响,且存在性别和年龄的差异.     

基于土地利用回归模型的北京市2013-2019年大气污染时空变化分析

在近年来大力控制大气污染的背景下,通过历史观测数据分析污染物的时空变化特征,有助于总结以往控制的成效,并为制定下一阶段措施提供科学依据.本研究基于北京市大气环境质量监测站点2013—2019年数据,分析了6种常规大气污染物（PM_2.5、NO₂、O₃、PM₁₀、SO₂、CO）的时间变化趋势,并构建了2013和2019年PM_2.5、NO₂和O₃ 3种主要污染物的土地利用回归模型（Land use regression model, LUR）,对它们详细的空间分布及变化特征进行了分析.结果表明,污染物浓度在过去7年中发生了重大变化,除O₃增长,其余5种污染物下降明显.不同城区间的差异在迅速缩小,污染物浓度在空间上趋于均匀.PM_2.5呈明显的南高北低,城区NO₂浓度显著高于郊区和山区,O₃在主城区尤其是道路附近浓度较低.约50%的区域PM_2.5下降30 μg·m^-3以上,约40%的区域NO₂下降幅度为5~15 μg·m^-3,道路附近O₃升幅在20 μg·m^-3以内.研究结果揭示出北京市及其周边地区大气污染治理近年来取得了卓有成效的成绩,但同时也面临着O₃浓度升高的新挑战.     

厦门湾空气质量对新冠疫情管控的响应

通过对厦门湾城市群在COVID-19封锁前后6周内（2020-01-11~2020-02-21）的空气污染物浓度变化进行分析,以确定影响本区域空气质量的主要人为污染源.在春节假期与封锁叠加期间,SO₂、NO₂、CO、PM₁₀和PM_2.5浓度相比于节前1周的下降幅度分别为6%~22%、53%~70%、34%~48%、47%~64%和53%~60%,而O₃浓度变化没有一致的规律性;与2018~2019年历史同期相比,PM_2.5、PM₁₀、CO和NO₂的下降幅度更大,但SO₂的下降幅度相当;在复工复产后,NO₂的反弹幅度最大（38%~138%）,远高于SO₂（2%~42%）,显示交通源相对于固定源更易受到疫情管控的影响;春节后风速增大和降水增多也为SO₂、NO₂和PM的下降提供了正向影响.利用反距离插值权重法,得到管控前后厦门湾城市群不同污染物的空间分布变化特征,显示NO₂浓度高值区的变化与交通源高度相关,CO和SO₂空间分布特征保持稳定,复工后PM_2.5和PM₁₀在人口与路网密集区变化不明显,而在工地相对集中区域有明显上升,O₃空间分布的低值区与NO₂的高值区具有较好的空间匹配性,显示NO₂对O₃滴定作用明显,可为进一步O₃污染减排措施的制定提供参考.     

北京2015年大气细颗粒物的空间分布特征及变化规律

近年来,随着雾霾事件的频发,人们逐渐提高了对雾霾的关注度,PM_2.5作为其首要污染物对大气能见度及人体健康造成了严重影响.因此,本文利用2015年北京12个环境监测站点的PM_2.5、PM₁₀、NO₂、SO₂、CO和O₃的浓度数据和气象数据,综合研究了北京2015年大气细颗粒物的空间变化特征及分布规律.同时,利用空间差异率（COD）统计方法评估了不同地区细颗粒物浓度的差异程度,并结合2015年2次特殊事件（春节和阅兵）,对大气污染特征及其与排放源控制的关系进行了深入对比分析.结果发现,重污染天气集中发生在秋冬季,且污染程度高、持续时间长.城区PM_2.5浓度比郊区高约12 μg·m^-3.东城区与对照区差异最大,COD值为0.24;东城区与西城区差异最小,COD值为0.05.春、夏、秋季颗粒物PM_2.5、PM₁₀浓度日变化较为平稳,在中午有所升高,冬季颗粒物质量浓度明显呈现出夜间高于日间的污染模式.近3年PM_2.5与PM₁₀保持显著的相关性,但PM_2.5/PM₁₀比值呈降低趋势.阅兵期间采取的空气质量管控措施和气象要素共同作用导致PM_2.5浓度下降约72%,市中心的首要污染物为NO₂,郊区首要污染物为O₃和PM₁₀.春节期间烟花燃放对PM_2.5的瞬时贡献量很大,对比春节假期和非假期2个阶段的大气污染特征发现,人口和机动车减少及餐馆暂停营业并没有使北京局地空气质量得到明显改善.该研究结果提示在进行PM_2.5控制的同时也要对O₃浓度有所关注,同时也进一步支撑了北京空气质量改善需要京津冀协同控制这一重要结论.     

2017年厦门金砖会晤期间气象因素与管控措施对空气质量的影响

2017年厦门金砖会晤期间采取了大气污染临时管控措施,使AQI小时值和日均值均达到了双优的预期目标.本文根据管控措施实施的前、中、后阶段,厦门及周边城市大气污染物浓度的变化,对气象因素和人为因素的影响分别进行分析.结果发现,气态污染物对临时管控措施的敏感性最强,SO₂和NO₂的降幅（39.9%和25.6%）明显高于PM_2.5和PM₁₀的降幅（5.5%和4.8%）,台风外围带来的大风和降水可显著改变大气污染物的周期性变化规律.大气PM_2.5组成及SO₂/NO₂、SO₄^2-/NO₃^-、OC/EC和WSOC/OC等比值变化显示机动车（尤其是柴油货车）是本地区大气污染物的重要来源.控制变量分析显示,厦门金砖会晤期间气象因素对颗粒物和NO₂削减的贡献更大（20.3%）,而临时管控措施对SO₂的削减效果更明显（23.2%）,且有一半以上（51%~64%）的大气污染物来自外来源输送.     

成都市冬季相对湿度对颗粒物浓度和大气能见度的影响

利用成都市城区2015年12月的连续在线观测数据,如相对湿度（RH）、能见度、颗粒物（PM₁₀、PM_2.5和PM₁）浓度、气态污染物（SO₂和NO₂）浓度以及PM_2.5中SO₄^2-和NO₃^-浓度,探讨RH对颗粒物浓度和大气能见度的影响.结果表明,高颗粒物浓度和高RH协同作用导致低能见度事件.观测阶段,PM_2.5在PM₁₀中的平均比重为64%,表明成都市冬季细颗粒物污染严重;随着RH增加,PM_2.5/PM₁₀显著增加,表明高RH会加重细颗粒物污染.随着PM_2.5浓度增加,能见度呈幂指数下降;在相同PM_2.5浓度下,RH越高,能见度越低.当颗粒物浓度较低时,RH对能见度的影响作用较强;当颗粒物浓度较高时,大气消光主要由PM_2.5浓度控制,RH对能见度的影响减弱.当RH大于70%时,硫氧化率（SOR）和氮氧化率（NOR）的均值分别从0.27和0.11（RH小于40%）增长至0.40和0.19,表明较高RH对二次硫酸盐和硝酸盐的生成有显著的促进作用,二次硫酸盐和硝酸盐单独或协同影响空气质量.     

2014年APEC会议期间北京市空气质量分析

为研究区域性大气污染物减排措施对北京市空气质量的影响,结合地面观测的气象数据、能见度、常规污染物浓度和PM_2.5化学组分,对APEC会议期间北京市的空气质量进行分析.结果表明,APEC期间的11月4日和8-10日两个过程,大气污染物扩散条件较不利,易出现污染过程.APEC期间,密云、榆垡、昌平、奥体中心和西直门北大街5个站点SO₂、NO₂、O₃、PM₁₀和PM_2.5平均浓度分别为(8.0±8.0)、(37.4±21.6)、(36.0±22.5)、(67.7±43.4)和(48.6±42.2) μg·m^-3.与近5年同期(PM_2.5为去年同期)相比,SO₂、NO₂、PM₁₀和PM_2.5日均浓度分别下降了61.5%、40.8%、36.4%和47.1%,O₃日均浓度上升了101.8%.从污染物日变化规律来看,减排措施的环境效果在大气污染物扩散条件较有利的时段体现的更明显.在APEC期间,PM_2.5浓度在前半夜保持平稳,未出现积累峰值.与秋季非APEC期间相比,PM_2.5中大部分组分浓度均有明显下降,二次离子组分降幅尤为明显.同时,本文测算了APEC期间减排措施的"净环境效益",发现减排措施使得SO₂、NO₂、PM₁₀和PM_2.5浓度分别降低了74.1%、48.0%、66.6%和64.7%,O₃浓度上升了189.2%.与10月份的大气污染过程相比,同样在不利气象条件下,实施减排措施后PM_2.5浓度峰值明显降低,积累速度明显减缓.     

2020年初疫情管控对山东省空气质量影响的模拟

利用2020年初新冠疫情对人类生产、生活的一次自然冲击及由此导致的大气污染状况变化,研究了空气质量对污染物减排及气象因素的响应关系.通过对疫情管控前（1月15~23日）和疫情控制关键期（1月24日~2月7日）这2个阶段空气质量对比分析发现,疫情期间山东省除O₃浓度上升外,PM₁₀、PM_2.5、NO₂、SO₂及CO浓度分别降低72.6 μg·m^-3、47.4 μg·m^-3、25.6 μg·m^-3、3.0 μg·m^-3和0.5 mg·m^-3;降幅分别为45.86%、41.24%、58.00%、17.71%和31.40%;RAMS-CMAQ模拟显示,疫情期气象扩散条件改善导致的PM₁₀、PM_2.5、NO₂、SO₂和CO浓度改善幅度为26.04%、33.03%、28.35%、43.27%和23.29%,人为减排造成的各污染物浓度降低幅度为19.82%、8.21%、29.65%、-25.56%和8.12%.疫情期间O₃浓度上升20.51%,气象因素和人为活动的影响分别占10.47%和10.04%.结果表明一次污染物对减排响应更敏感,二次污染物对减排响应有一定时滞性且受气象因素影响更显著,臭氧浓度对污染物减排线性响应关系不明显,总体呈负相关,说明臭氧的控制需探索科学的污染物减排比例.     

北京大气中BTEX的观测分析与研究

采用二步深冷浓缩与气相色谱/质谱联机对北京大气中的苯类物质(BTEX) 进行了长期连续观测.最近4年观测数据表明:日变化有双峰和3峰变化,冬、春季呈现与交通高峰期吻合的双峰变化,即上午08:00至10:00和下午17:00前后各出现一个高值;秋季日变化中,夜间22:00出现第3峰值;夏季日变化呈3峰型,最大峰值在正午前后.2000～2002年BTEX月平均总浓度为(44.1±24.5) nmol/mol(碳单位),季变化峰值出现在夏季.年际变化趋势中,北京大气BTEX的总平均浓度从 1999 年到2002年大幅度下降.     

北京城区和郊区本底站大气污染物浓度的多时间尺度变化特征

利用北京城区海淀宝联站(HD)和上甸子本底站(SDZ)2005—2012连续8年的大气污染物(PM_(2.5)、O3、NO2、SO_2和CO)浓度观测数据进行统计分析,揭示北京城区和郊区主要污染物浓度变化特征、超标情况及其差异.主要结论如下:1连续8年北京城区、郊区PM_(2.5)浓度整体呈缓慢下降趋势,但污染水平仍较高.海淀宝联站和上甸子本底站的PM_(2.5)年均浓度从奥运前3年(2005—2007)的平均值87.1μg·m-3和53.4μg·m-3分别下降到奥运后5年(2008—2012)的平均值67.7μg·m-3和42.1μg·m-3.奥运后5年两站PM_(2.5)年均浓度变化不大,其中城区维持在66~70μg·m-3的高浓度水平.城区PM_(2.5)浓度为3级以上的超标日在四季的发生频率相当,4级和5级以上的超标日则多发生在秋、冬季;各季平均日变化趋势均为双峰双谷型,上下班交通高峰期对PM_(2.5)浓度日变化有重要影响.2城区站O3年均浓度前5年(2006—2010)逐年下降,之后浓度开始回升,而本底站O3年均浓度在此期间变化不大,近6年(2007—2012)维持在72.4~76.3μg·m-3.城、郊O3平均日变化均呈单峰型,其中上甸子站峰值出现时刻晚于城区海淀宝联站.32005—2012年北京城区其它气态污染物浓度(NO2、SO_2和CO)总体均呈缓慢下降趋势,但在2012年浓度有所反弹,城区站气态污染物在秋、冬季的平均浓度均显著高于春、夏季.     

北京市BTEX的污染现状及变化规律分析

2008年10～2009年10月,利用前级浓缩-气相色谱/质谱法,对北京市大气中5种苯系物BTEX（苯、甲苯、乙苯、间、对二甲苯、邻二甲苯）的组成及浓度变化进行了采样分析研究.结果表明,北京市大气BTEX平均浓度为13.9～44.0μg.cm-3,其中甲苯的含量最高,苯次之,邻二甲苯含量最低,与国外城市和地区相比北京大气中BTEX浓度较低,研究发现北京市BTEX主要来自机动车排放,城市燃煤和工业溶剂挥发也是BTEX的重要来源.一年的观测结果表明,BTEX春、夏季节浓度较高,秋季浓度较低,季节性排放源的变化是BTEX季节变化的主要原因,同时也不能忽视温度和大风等天气因素对BTEX浓度的影响.受交通排放和边界层高度的影响,BTEX类化合物的日变化形式为夜晚高于白天,呈双峰形,日最低浓度出现在14：00前后.     

2010年中国大气氮沉降特征分析

利用区域空气质量模式Models-3/CMAQ对我国2010年的氮沉降特征进行了模拟分析.结果表明,2010年我国氮沉降总量约为7.6′ 103Gg,化学组成上以NHx-N(包括NH3、NH4+中的氮)沉降为主,平均占到2/3以上.夏季氮沉降量最高,冬季最低.干沉降为氮沉降的主要途径(约占62%),主要为气态含氮污染物的贡献,湿沉降的氮则主要来自颗粒态的铵盐和硝酸盐.我国氮沉降的空间分布具有东高西低、地区间差异显著的特征,高沉降通量区域主要集中在华北平原、四川盆地、华中的中南部、两广以及东北部分地区.加强对氨排放的管理和控制,同时重视东部沿海的发达地区的氮氧化物排放,对减少氮沉降具有重要意义.     

腾冲台数字化水温资料的初步分析

通过系统整理分析腾冲台数字化水温资料,总结出水温的正常动态类型：年动态为平稳—上升型;月动态类型为平稳—起伏型;日动态多为随机起伏型,伴随阶变stepped change（或脉冲突跳sudden jump of Impulse Type）.对水温数据进行均分差的简单处理,发现滇西及滇缅交界地区发生的中强以上地震震前资料均有显著的异常变化,为使用腾冲台水温资料进行识别及捕捉地震短临异常分析预测地震提供参考依据.     

典型城市污水中对羟基苯甲酸酯的污染特征

对羟基苯甲酸酯(parabens)作为防腐剂、防霉剂和杀菌剂等被广泛应用于食品、化妆品和药品中.近年来的研究表明,该类化合物能够在地表水体中检出,对水生生态环境存在潜在的危害.本研究于2016年秋季和冬季,对哈尔滨某典型城市污水处理厂进水进行了24 h连续采集,对6种parabens的质量浓度和4种常规水质指标进行了分析.结果表明,parabens普遍存在于城市污水中,对羟基苯甲酸甲酯、对羟基苯甲酸乙酯和对羟基苯甲酸丙酯是主要目标物,总有机碳、总溶解固体和酸碱度与parabens的浓度具有相关性;城市污水中parabens的质量浓度具有明显的日变化趋势,但是季节差异性不大.本研究结果为城市污水处理系统中parabens的深入研究和污染控制提供了重要理论依据.     

Trend and seasonal variations of atmospheric CH4 in Beijing

The atmospheric CH4 in Beijing is still increasing, even though its increasing rate has significantly decreased from 1.76 ％/a during 1985-1989 to 0.50 ％/a during 1990-1997. The seasonal variation of CH4 concentration showed a double-peak pattern, one peak appearing in winter and the other in summer. It is evident that the annually seasonal variations of atmospheric CH4 in Beijing are different. From 1986 to 1997, the atmospheric CH4 increased by 185 ppbv, 37％ and 21％ of which were due to the increase in winter and in summer, respectively. After 1993, the annually seasonal increasing rate of CH4 concentration in summer (due to emission from biogenic sources) is negative while the increasing rate in winter (due to emission from non-biogenic sources) is positive about 25 ppbv/a. As a result, the increase of CH4 emission from non-biogenic sources in winter is the major reason that caused theannually seasonal increasing rate from 1993 to 1997. The biogenic sources in Beijing are shrinking while the non-biogenic ones (such as fossil fuel combustion) are enlarging.     

安徽寿县黑碳气溶胶浓度观测分析研究

为了研究中国东部典型乡村黑碳气溶胶浓度变化特征,利用2015年11月—2018年11月安徽寿县国家观象台污染物浓度及常规气象观测数据对该地区黑碳气溶胶浓度变化特征及其影响因子进行讨论.结果表明,3年间寿县黑碳气溶胶年平均浓度逐年递减,分别为2.84、2.10和1.31μg·m~(-3).季节变化特征显示,该地区冬季观测结果最高,为3.95μg·m~(-3),是夏季的2.9倍.日变化特征显示,日最大浓度值在春、夏、秋三季通常出现在6:00—10:00,而冬季则出现在20:00.从观测结果的日变化幅度来看,冬季的日变化幅度最大,日较差为1.53μg·m~(-3),春、夏两季次之,秋季最小,为0.48μg·m~(-3).由于人为活动影响小,寿县地区黑碳气溶胶的周末效应不明显.此外,统计结果表明,风向风速对该地黑碳气溶胶浓度的影响最大,西北风天气条件下观测结果通常较高,而其余气象因子的影响相对较小.     

邯郸市黑碳气溶胶浓度变化及影响因素分析

根据2013年3月—2017年2月邯郸市河北工程大学站点的黑碳气溶胶、PM2.5、大气污染物的小时浓度数据及常规气象数据,对邯郸市黑碳浓度的时间变化特征及影响因素进行分析.结果表明,4年来邯郸市黑碳浓度呈逐年下降的趋势:与2013年相比,2014—2016年黑碳气溶胶浓度分别下降了5%、16%、24%;邯郸市黑碳气溶胶浓度的季节变化趋势基本一致且季节变化特征明显,冬季黑碳气溶胶浓度最高,秋季次之,春夏两季最低,其中,冬季平均浓度分别是春、夏、秋季的2.07、2.77、1.49倍;其日变化呈单峰单谷状,且4个季节的日变化趋势相同,峰值均出现在6:00—8:00,谷值均出现在14:00—15:00.黑碳与PM2.5的相关系数r为0.860,相关性显著,说明黑碳气溶胶和PM2.5的来源大部分是一致的;风速和风向对黑碳气溶胶浓度也有影响,黑碳气溶胶浓度随风速增加而降低;4个季节高频风向为南-西南方向,且该风向下黑碳气溶胶浓度均较高,冬季南-西南风向下的黑碳浓度最高;应用后向轨迹对研究时段内4段重污染期间的气流轨迹进行模拟发现,邯郸市黑碳气溶胶浓度较高的主要原因是本地源排放和近距离传输,远距离传输贡献较小.     

北京大气中CFC-11的浓度观测与变化趋势

近几年大气中CFC的浓度在人类活动的影响下发生了迅速变化,考虑到CFC浓度变化对平流层臭氧和全球变暖的影响,采用两步深冷冻浓缩自动进样系统,配以气相色谱/质谱联机对北京大气中的CFC-11进行了连续观测.结果表明,1999～2003年CFC-11的浓度季节变化均呈单峰形态,峰值出现在7～8月,月平均浓度最高值为1149.5±531.9×10^-12(体积分数);谷值出现在春季的3～5月份,月平均浓度最低值为487.5±131.5×10^-12(体积分数);北京大气中CF-11年平均浓度在观测时间段内呈先上升后下降的趋势,其中1995～1998年增长较快,平均增长率为17.9%,1999年后呈缓慢下降趋势,平均下降率为10.7%,平均浓度是Mauna Loa全球基准观测站观测到大气本底CFC-11浓度的3～5倍.