邯郸市PM2.5-O3复合污染特征及相互影响研究

本研究在河北工程大学监测站点开展了大气中56种VOCs、NO_x以及气象参数的长期在线监测,结合2013—2019年国控站的在线监测数据,对邯郸市PM_2.5-O₃复合污染特征进行分析.结果表明,邯郸市2013—2019年复合污染天数波动较大,近几年呈现增加趋势,且集中在每年的春夏季.2013—2017年复合污染天数峰值均出现在6月,2018年和2019年出现在3月和4月.气象因素分析结果表明,温度、湿度和气压对邯郸市复合污染影响较明显,当温度为21.0~29.0℃、湿度较高、气压偏低的条件下,更容易发生复合污染,而风速对邯郸市复合污染影响较小.对PM_2.5与O₃相互作用分析发现,冬季高浓度PM_2.5对O₃有抑制作用,夏季PM_2.5浓度不超标时,O₃浓度随其升高而上升,PM_2.5浓度超标后变化趋势相反,当PM_2.5浓度大于125 μg·m^-3时不再出现PM_2.5-O₃复合污染.虽然近年来PM_2.5、SO₂和NO₂浓度下降,但二次转化率依然较高甚至有加强趋势.利用VOCs/NO_x值分析邯郸市O₃生成敏感性,结果显示邯郸市春冬季属于VOCs控制到NO_x控制的过渡区,夏秋季属于NO_x控制区,且复合污染日VOCs/NO_x值（6.3）最小,清洁日（9.3）最大.复合污染时NO₃^-和OC浓度较高,OC/EC值与其他污染日相比最大,说明复合污染时二次污染严重,有效治理PM_2.5-O₃复合污染必须减排能同时形成O₃和二次有机气溶胶的高活性有机物.     

基于WRF-Chem的长三角地区PM2.5和O3污染协同控制研究

以PM_2.5和O₃浓度超标为表征的区域性大气复合污染已成为当前我国大气污染的主要问题,严重影响到经济的发展和社会的和谐,探究PM_2.5与O₃的协同控制近年来成为大气污染防控的热点.本文基于WRF-Chem模式,结合气象、大气污染物观测数据及MEIC排放清单等数据,依据不同比例的NO_x和VOCs减排量,设计了36组减排情景,模拟了长三角地区PM_2.5和O₃复合污染时段的空气质量状况.同时,利用综合经验动力学（CEKMA）方法,综合考虑NO_x和VOCs减排的边际效益成本和环境健康效益,评估了长三角地区NO_x及VOCs减排对PM_2.5和O₃大气污染控制的影响.最后,定性并定量地研究两者的协同关系及协同减排效果,给出了该区域在复合污染情景下的先侧重VOCs、后侧重NO_x减排的协同优化路径,采取先减少NO_x排放约70%（或60%）且减少VOCs排放约10%（或20%）,再削减剩余VOCs及NO_x排放量的方案,减排的环境空气质量改善效率可以分别达到最优路径的90%（或80%）以上,而等比例同时减排NO_x和VOCs对区域空气质量的改善反而是效果不佳的 减排方案之一.研究方法和结论对区域大气环境的综合治理具有重要的应用价值,对我国其他地区的大气污染防治及相关研究也具有借鉴意义.     

珠江三角洲大气光化学氧化剂(Ox)与PM2.5复合超标污染特征及气象影响因素

基于粤港澳珠江三角洲区域空气监测网络12个监测子站的大气污染物数据,梳理2013~2017年大气光化学氧化剂O_x（NO₂+O₃）与PM_2.5质量浓度的变化趋势.O_x+PM_2.5复合超标污染定义为NO₂和PM_2.5质量浓度日平均值以及O₃浓度日最大8 h平均值（O₃ MDA8）同时超过二级浓度限值,分析了不同类型站点复合超标污染的时空分布特征以及气象因素影响.结果表明,2013~2017年珠三角PM_2.5年均质量浓度由（44±7）μg·m^-3下降至（32±4）μg·m^-3,实现PM_2.5连续3 a达标.O_x年均质量浓度由2013年（127±14）μg·m^-3下降至2016年（114±12）μg·m^-3,2017年反弹至（129±13）μg·m^-3,O₃浓度上升明显（10 μg·m^-3）.以O₃为首要污染物的污染过程占比由2013年33%增多至2017年78%,多个城市同时发生污染的区域特征明显.研究时段内O_x+PM_2.5复合超标污染事件共发生60次,主要在城区站点（78%）和郊区站点（22%）.秋季发生复合超标污染天数最多（52%）,是因为强太阳辐射有利于臭氧生成,大气氧化性增加,进而促进了PM_2.5二次生成.造成珠三角复合超标污染的天气形势主要为高压出海型（43%）、高压控制型（30%）和热带低压型（27%）.就具体气象因素而言,气温在20~25℃且相对湿度在60%~75%的范围内时,复合超标污染事件发生占比最高（22%）.在O₃重污染过程中,夜间高湿和低风速使得NO₂和PM_2.5浓度显著上升,日间高温加剧了复合超标污染.     

冬季PM2.5中无机水溶性离子与大气相对湿度的相关性

依托河北省灰霾污染防治重点实验室,对2019年11月26日—12月31日石家庄市大气PM_2.5中的NO₃^-和SO₄^2-进行连续在线观测,研究NO₃^-和SO₄^2-与环境空气相对湿度的相关性,解析冬季发生PM_2.5重污染天气的RH阈值.观测期间,RH为10%~60%时,NO₃^-的浓度与RH呈显著正相关,为PM_2.5中浓度最高的无机水溶性离子.RH超过70%后,NO₃^-与RH呈负相关,NO₃^-浓度和NOR开始下降.SO₄^2-浓度与RH在整个湿度区间均呈正相关.RH低于50%时,SO₂向SO₄^2-的转化以气相反应为主.RH高于50%以后,颗粒物达到潮解点,SO₂的主要反应转入液相,转化速率加快,SO₂液相反应贡献逐渐增加至64.6%.RH超过70%后,SO₄^2-成为PM_2.5中浓度最高的无机水溶性离子.RH超过PM_2.5潮解点以后,NO₃^-和SO₄^2-大量合成,推高PM_2.5环境浓度,易于形成重污染天气.     

夏季渤海NOx、O3、SO2和CO浓度观测特征

利用2000-08～2000-09渤海海上观测资料,初次揭示了渤海污染物浓度的时间变化特点,分析了光照、天气等因素对NO_x、O₃、SO₂和CO气体浓度的影响.SO₂浓度比较稳定,浓度平均值在0.006 mg·m^-3左右.O₃浓度变化主要受辐射影响.在弱天气形势下,CO和NO_x浓度分别在2.5～3.5 mg·m^-3.和0.1 mg·m^-3左右,台风天气会造成浓度在短时间内的剧烈增长.文中还简要说明了渤海大气污染与陆地污染的差异,评价了渤海夏季的空气质量.     

硫酸铵和硝酸铵对镇江市大气PM2.5理化性质的影响

近年来,无机盐尤其是硝酸盐对我国大气PM_2.5的贡献日益凸显,而其如何影响颗粒物的重要理化性质尚待深入研究.于2021年1~12月期间,在镇江市开展了连续观测,获得了大气PM_2.5中硫酸铵［（NH₄）₂SO₄）］和硝酸铵（NH₄NO₃）浓度,系统讨论了二者对颗粒物消光、吸湿增长和酸度的影响.结果表明,2021年镇江市ρ［（NH₄）₂SO₄］和ρ（NH₄NO₃）的年均值分别为（6.5±4.5）μg ·m^-3和（15.0±13.3）μg ·m^-3,对PM_2.5浓度的平均贡献率分别为（20.5±18.2）%和（34.5±18.4）%;PM_2.5的总消光系数为（224.5±194.2） Mm^-1,其中NH₄NO₃的贡献率为（40.1±20.9）%,（NH₄）₂SO₄为（19.1±10.8）%;（NH₄）₂SO₄和NH₄NO₃是PM_2.5吸湿增长的主要贡献者,在污染条件下NH₄NO₃对颗粒物液态水的贡献率为（53.8±13.4）%~（61.6±14.6）%;NH₄NO₃是未来镇江市能见度和空气质量改善的关键污染物,但削减NH₄NO₃前体物可能会导致颗粒物酸度增加,尤其对春冬季节颗粒物酸度的影响较为明显.研究结果对理解空气质量变化及二次影响具有重要意义,并对镇江市空气质量的持续改善提供了重要参考.     

天津市PM2.5中二次硝酸盐形成及防控

二次硝酸盐是PM_2.5中的重要二次无机离子组分,为了解PM_2.5中二次硝酸盐的形成及防控途径,基于天津市城区点位2018~2019年高时间分辨率的PM_2.5在线监测数据,对气溶胶颗粒物的离子组分、pH值、NH₃-NH₄⁺和HNO₃-NO₃^-浓度分布以及硝酸铵形成的敏感性进行了研究.结果表明,天津PM_2.5平均浓度为58μg·m^-3,PM_2.5中主要离子组分为NO₃^-、NH₄⁺、SO₄^2-、Cl^-和K⁺,在PM_2.5中的占比分别为18.4%、11.6%、10.3%、3.3%和2.6%,PM_2.5及主要组分浓度均在采暖季高、非采暖季低.气溶胶颗粒物整体呈现弱酸性,平均pH值为5.21,季节分布为春冬季节高、夏秋季节低,日变化趋势表现为早间（00：00~08：00）低,其他时间略高.NH₃和HNO₃的平均浓度水平分别为16.7μg·m^-3和1.2μg·m^-3,NH₃浓度在每年的4~9月相对较高,10月~次年2月浓度相对较低;HNO₃浓度水平月际变化不明显.除夏季外,其他季节NH₃浓度均为早晚较高,其他时段较低;HNO₃浓度整体呈现白天相对略高,晚上相对略低的特点.不同pH值下NH₃与NH₄⁺、HNO₃与NO₃^-的浓度分布呈现明显的非线性关系,早晚NH₄⁺与NO₃^-的浓度均较高,pH值与NH₃和NH₄⁺以及HNO₃与NO₃^-的浓度分布均为非线性.敏感性图表明,2018~2019年天津市硝酸铵的形成主要处于HNO₃敏感区域,部分处于NH₃&HNO₃敏感区域.从季节分布上看,春季、秋季和冬季硝酸铵的形成主要处于HNO₃敏感区域,夏季硝酸铵的形成主要处于HNO₃和NH₃&HNO₃敏感区域.为有效减少天津市PM_2.5中二次硝酸盐的形成,春季、秋季和冬季主要开展HNO₃前体物（NO_x）的控制,夏季主要开展HNO₃前体物（NO_x）和NH₃的协同控制.     

2013年1月华北地区重霾污染过程SO2和NOx的CMAQ源同化模拟研究

以2006年中国地区的INTEX-B排放清单为基础,采用CMAQ模式污染源同化方法,反演更新了2013年1月重霾污染过程华北地区的SO₂和NO_x排放源;应用WRF-CMAQ模式以及2006年INTEX-B初始排放源和2013年1月改进的排放源,分别模拟了1月9-15日和28-31日两次持续重霾污染过程的SO₂和NO₂浓度,并与华北地区47个环境监测站点实测值进行对比,重点分析了基于初始源和同化反演源的模拟效果及其改进原因;本文亦采用2012年清华大学编制的东亚地区MEIC排放清单评估了SO₂和NO_x同化反演源的合理性.分析结果表明:①CMAQ模式污染源同化方法可适用于重霾污染过程,即采用同化反演源模拟的SO₂、NO₂浓度时空变化特征与实测值较一致,而且可反映SO₂、NO_x排放源强的动态变化特征;②基于同化反演源的SO₂、NO₂浓度模拟效果明显优于2006年INTEX-B排放源,其时间变化趋势与实测值较一致,而且可模拟重霾污染过程SO₂、NO₂浓度的峰值;③采用反演源模拟的SO₂、NO₂浓度空间区分布特征与实测值较一致,而且可较好反映重污染区的极值分布特征;④经污染源同化改进后SO₂、NO₂模拟浓度与实测值的相关系数有所提高,误差明显减小;SO₂的改进效果略优于NO₂,这与污染源对两种污染物浓度的影响差异有关;⑤初始源中SO₂、NO_x排放源的空间分布和强度与2012年清华大学编制的排放源强差异较大,而同化反演源的空间分布和强度均接近于上述2012年排放源,较好反映出重点地区的高污染源分布特征.本文研究结果将为改进重霾污染过程的空气质量预报、减小自下而上建立的排放源清单不确定性、评估SO₂、NO_x等排放源的影响效应以及不同气象条件下区域排放源的动态调控等提供新技术途径和研究思路.     

天津市夏秋季O3-PM2.5复合污染特征及气象成因分析

天津市PM_2.5-O₃复合污染主要发生在夏秋季,本研究筛选出2017年夏季一次和秋季两次典型PM_2.5-O₃复合污染过程,系统分析污染物变化特征,探究天气形势和主要气象因子的影响.结果表明,3次污染过程PM_2.5与O₃呈现不同程度的正相关性（日均值相关系数达到0.34~0.78）,O₃与PM_2.5中硫酸盐和有机碳日均浓度存在较为一致的变化趋势.与非复合污染日相比,复合污染日无机盐占PM_2.5组分的比重增加,增长率为1.9%~7.3%;而碳组分占比减小.复合污染过程发生时,天津地区处于低压槽前或高压后部,近地面弱的偏南风辐合造成较差的大气扩散条件,导致大气污染物的累积.研究结果发现,夏季和秋季PM_2.5-O₃复合污染过程需要适宜的气象条件,温度阈值分别为25~35℃和20~30℃,相对湿度分别为40%~70%和55%~100%.夏秋季复合污染过程关键无机组分及其形成机制有所差异.夏季,日间O₃等强氧化剂对SO₂的气相氧化过程和夜间高湿条件（大约60%）下液相化学反应可能是主导的化学机制,硫酸盐增长率为8.2%.秋季高湿环境（≥80%）不仅促进SO₂向硫酸盐转化,秋季第一次复合污染过程硫酸盐增长4.7%,也促进夜间N₂O₅水解反应等,秋季第二次复合污染过程硝酸盐增长6.0%,两种机制成为秋季复合日PM_2.5显著增长的关键机制.本研究揭示了驱动天津市PM_2.5-O₃复合污染过程发生的适宜气象条件、PM_2.5关键化学组分及其化学过程,为复合污染的成因及协同控制提供了参考.     

基于NARX神经网络的PM2.5/10浓度值预测模型——以咸阳市两寺渡监测站为例

PM_2.5和PM₁₀（记为PM_2.5/10）对空气质量和人类健康有着严重威胁,日益引起国内外的关注,并成为大气污染控制工程中最重要的部分。基于陕西省咸阳市两寺渡监测站的污染物（PM_2.5、PM₁₀、NO₂、NO、NO_x、CO）和相关气象参数的监测数据,建立起基于非线性有源自回归神经网络的预测模型,并分别针对不同预测时间段确定最优网络结构,从而实现了对未来6小时、12小时以及24小时PM_2.5/10浓度的有效预测。实验结果表明：（1）NARX神经网络模型可对未来24小时内的PM_2.5/10污染物浓度进行较为准确的预测;（2）对于PM_2.5/10未来6小时的预测能力优于对12小时、24小时的预测;（3）预测值偏高或偏低的结果与前后时间段内的气象因素及其他污染物浓度变化情况也具有相关性。     

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.     

京津冀地区主要排放源减排对PM2.5污染改善贡献评估

研究选取2012年1月和7月作为冬夏两季代表时段,利用CMAQ/2D-VBS模型分析了冬夏两季京津冀地区主要排放源减排30%对改善区域PM_(2.5)污染的效果.结果表明,工业源对PM_(2.5)污染的贡献最大,其次是民用源,但工业源单位减排量贡献低于民用源,交通源和电厂源的整体贡献和单位减排量贡献均较小.工业部门内贡献最大的为钢铁冶金行业,其次是水泥、工业锅炉、炼焦、石灰砖瓦和化工行业.与各部门各物种排放量的比较反映出各排放源贡献大小与其一次PM_(2.5)排放水平高度相关.因京津冀地区冬季NO_x减排对PM_(2.5)形成的促进作用,以及冬季较弱的大气垂直扩散作用,各排放源夏季减排比冬季普遍更有效,交通源、电厂源以及工业源中的水泥、工业锅炉和石灰砖瓦行业夏季减排效果相比冬季优势明显.民用源由于采暖季排放较高而冬季贡献更明显,农业源因秸秆开放燃烧量大,冬季单位减排量贡献十分显著.从同等幅度减排考虑,应将工业源作为控制重点,优先控制其一次PM_(2.5)排放,在部门内进一步重点控制钢铁冶金行业的NO_x和SO_2排放、水泥行业的夏季NO_x排放以及炼焦行业的SO_2和NMVOC排放.民用源排放应着重在冬季采暖期控制.     

NOx和/或NH3气氛下SO2在高岭土表面非均相转化的实验研究

利用自制气溶胶反应器研究了NO_x和/或NH_3气氛下SO_2在高岭土表面的非均相转化过程,应用扫描电镜(SEM)对高岭土颗粒物形貌进行了表征.结果表明:高岭土颗粒表面的SO_2非均相转化致使其成分和形貌产生了较大变化.相同实验条件下,SO_2转化的协同作用程度由高到低依次为NH_3、NO_x/NH_3和NO_x气氛,相对湿度40%、有光照条件下,SO_2转化量增幅最高可分别达125%、75%和50%.所有气氛下,协同作用在无光照时在高相对湿度(40%~70%)区间更为突出,有光照时其显著性则体现在低相对湿度(20%~40%)区间.SO_2、NO_x、NH_3三者共存时,在高岭土颗粒表面发生的非均相反应过程既有协同作用又存在竞争反应.     

2020～2021年新冠疫情期间南京市PM2.5化学组成与来源变化特征

为了解新冠疫情期间极端减排情景下南京市PM_2.5的化学组成和来源变化,对南京市2020年1～3月和2021年6～8月两次疫情管控前后PM_2.5化学组分(水溶性无机离子、碳质组分和无机元素)的小时观测结果进行分析.结果表明,NO^-₃浓度在两次疫情管控期间比管控前分别下降52.9%和43.0%,高于NH⁺₄(46.4%和31.6%)和SO₄^2-(33.8%和16.5%).由于观测点位于交通干道附近,元素碳(EC)的下降幅度(35.4%和20.6%)高于有机碳(OC; 11.1%和16.2%).结合以上丰量组分特征比值的变化,推断疫情管控对交通排放的影响比工业活动更显著.各主要丰量组分浓度在疫情管控前后的连续变化过程表明,来自本地交通排放的NO_x对PM_2.5中NO^-₃的形成有重要贡献,并且是短期内本地PM_2.5...     

承德市大气污染源排放清单及典型行业对PM2.5的影响

以承德市为研究对象,基于拉网式实地调查,获得了该地区2013年各类典型行业污染源详细的活动水平数据,以大气污染物排放清单编制指南为参考,辅以排放因子研究的系统梳理,建立了2013年承德市各行业区县分辨率大气污染源排放清单,并结合人口、路网、土地利用等数据进行了1 km×1 km网格分配.在此基础上建立气象-空气质量模型系统(WRFCAMx),应用颗粒物来源识别技术(PSAT),选取2013年典型季节代表月1、4、7、10月,针对承德市电力、建材、冶金等典型行业对PM_(2.5)的影响进行了定量评估.结果表明,2013年承德市SO_2、NO_x、TSP、PM_(10)、PM_(2.5)、CO、VOCs、NH_3的总排放量分别为81 134、72 556、368 750、119 974、51 152、1 281 371、170 642、81 742 t.工业源是SO_2、NO_x、CO、VOCs的主要排放源,分别占总排放量的89.5%、51.9%、82.5%和45.6%,NO_x的主要排放源还包括道路移动源和非道路移动源,分别占总排放量的26.7%和10.8%;TSP、PM_(10)、PM_(2.5)的主要排放源是无组织扬尘,分别占总排放量的76.7%、65.6%、46.5%;畜禽养殖、化肥施用是NH_3的主要排放源,分别占总排放量的67.1%、15.8%.数值模拟结果表明,无组织扬尘、其他行业、冶金、锅炉行业对环境PM_(2.5)影响较大,浓度贡献分别为23.1%、20.6%、13.3%和11.2%,制定具体控制措施时应得到重点关注.     

太原市“十四五”规划大气污染防治政策的CO2协同效益评估

为量化评估太原市“十四五”大气污染防治政策的减污降碳协同效益,使用京津冀温室气体-空气污染相互作用与协同模型（GAINS-JJJ）,模拟评估13项大气污染防治措施的减排潜力,CO₂的协同减排效益.2025年政策情景下一次PM_2.5、PM₁₀、SO₂、NO_x、VOCs和NH₃分别减排1.8（5%,相对于基准情景减排比例,下同）、2.5（2%）、3.7（16%）、20.0（27%）、13.6（15%）和0.0 kt（0%）,CO₂减排9.0 Mt（13%）,CH₄排放增加203.3 kt（相对于基准情景增加25%）.SO₂、NO_x与VOCs减排主要发生在电力、工业燃烧与溶剂使用部门,CO₂减排主要发生在工业燃烧部门,CH₄排放量增加是由于煤矿开采活动水平升高.限制“双高”行业的能源消耗,严禁新增产能以及可再生能源发电比例提升措施的CO₂协同减排效益最高.VOCs具有优异协同减碳效益.建议太原市进一步推进终端电气化政策,同时需加大提升电力行业清洁能源比重和可再生能源发电的消纳能力.     

基于遥感资料的北京大气污染治理投资对降低PM_(2.5)的效能分析

采用北京市环境监测中心35个站点的PM2.5监测数据及MODIS Terra的大气气溶胶光学厚度L3 C051产品数据,分季度建立北京市PM2.5历史浓度遥感估算模型.结合北京大气污染物(PM10、PM2.5、SO2、NO2)年均浓度数据,对北京市2001—2012年间用于工业废气污染治理投资累计额进行了效能分析.研究表明,北京市工业废气污染治理投资对于改善大气PM10、SO2、NO2均有显著贡献,但其对于大气PM2.5污染的治理效果并不明显.可能原因包括PM2.5排放源的复杂性、相关治理措施对PM2.5的针对性、经济增长导致的区域PM2.5源排放持续增长及区域外排放的持续影响等.因此,需要采取专门的有针对性的治理措施,建立健全大气污染治理技术和激励机制,控制工业燃煤及城市交通排放,削减本地及周边源排放,以有效改善北京地区大气PM2.5污染状况.     

京津冀地区钢铁行业污染物排放清单及对PM2.5影响

以京津冀地区为研究区域,采取自下而上的方法,建立京津冀地区钢铁行业细化至焦化、烧结和球团、炼铁、炼钢、轧钢等工序的多污染物排放清单.清单估算结果显示,2015年京津冀地区钢铁行业SO₂、NO_x、TSP、PM₁₀、PM_2.5、CO、VOC的排放量分别为38.82、27.23、79.19、53.15、38.68、823.38、26.53万t,其中烧结和球团工序是最主要的污染物排放工序（17.0%~72.0%）,其次为炼铁工序（4.6%~42.4%）和轧钢工序（3.5%~35.7%）.采用具有污染物来源示踪功能的双层嵌套气象-空气质量模型系统（WRF-CAMx）耦合模型模拟京津冀地区钢铁行业污染物排放对区域大气PM_2.5浓度的影响.模拟结果显示：钢铁行业在春夏秋冬这4个季节对京津冀地区PM_2.5浓度贡献率分别达到14.0%、15.9%、12.3%、8.7%.各地市中,钢铁行业对唐山市PM_2.5影响最大,年均PM_2.5浓度贡献率高达41.2%,其次为秦皇岛市、石家庄市、邯郸市,年均PM_2.5浓度贡献率分别达到19.3%、15.3%、15.1%.     

2019年元旦前后石家庄市重污染过程PM2.5污染特征及来源解析

2018年12月30日至2019年1月15日石家庄市发生了连续的灰霾天气,出现12个重污染天,首要污染物均为PM_2.5.本文从污染演变、时空分布、组分分析、污染来源和气象因素等多方面展开分析探讨污染成因.结果表明,PM_2.5主要成分为二次无机离子（65.4%）,主要来源为燃煤（24.4%）和工业工艺源（23.7%）.随污染加剧SO₄^2-占比和二次无机源贡献均大幅增加.先后受来自偏南-东南和偏西-西南方向低空气团及特殊地形、静稳高湿、近地逆温等不利气象条件影响,燃煤、工业和机动车尾气等一次源产生的污染物在太行山前快速积累,气态污染物二次转化和颗粒物吸湿增长推高PM_2.5,硫酸盐暴发式增长加剧污染发生.建议重污染应急响应期间在确保各项减排措施落实到位情况下,加强二次无机组分前体物SO₂、NO_x及NH₃排放源的管控,并重点关注SO₂排放源（散煤等）,同时加强市区东北方向新乐、无极、深泽、晋州和行唐区县大气排放源管理,减少局地传输影响.     

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.