北京平原和延庆地区山谷风异同及对污染的影响

在一定的地形与天气条件下,山谷风环流是影响山地和平原气溶胶污染的主要气象因素之一.本研究基于2015~2019年京津冀地区生态环境监测数据和多源气象数据,对比分析了北京平原和延庆地区山谷风异同,结合典型污染事件揭示了山谷风不同阶段对PM_2.5浓度的影响机制.经分析发现,观象台山谷风为偏西南风转偏东北风,延庆站为偏东南风转偏东北风,随着污染等级加重,山谷风强度减弱17.7%~32.4%;观象台风速2~6 m·s^-1时,最大为SE风向PM_2.5浓度83μg·m^-3,东南风浓度高于西南;延庆站风速2~6 m·s^-1时,偏东南方向浓度高于其他风向20~40μg·m^-3,谷风阶段PM_2.5浓度高于近5年均值10~12μg·m^-3.以2015年3月5~8日重污染事件为例,山谷风的影响作用主要体现在谷风时段东南风的高湿性及区域传输作用,延庆站3月6~7日谷风阶段PM_2.5浓度上升100~130μg·m^-3;山风时段逆温发展至1000 m,观象台和延庆站露点先后抬升18℃左右,延庆站露点峰值滞后观象台2 h,高湿环境下PM_2.5浓度小幅上升.同时,3月6~7日延庆站400 m高度和玉渡山站热力梯度逐渐减小,山谷风分别减小8%和6%,局地环流减弱可能与边界层和高浓度气溶胶双向反馈机制有关.     

2016年10～11月期间北京市大气颗粒物污染特征与传输规律

本研究采用气溶胶化学组分在线监测仪（ACSM）对北京地区2016年10月15日~11月15日期间非难熔性PM₁（NR-PM₁）化学组分进行实时连续在线观测,探讨了NR-PM₁化学组分的演变特征;运用潜在源贡献分析（PSCF）法和气象-空气质量模式（WRF-CAMx）识别了北京PM_2.5潜在污染源区和传输路径,揭示了PM_2.5净传输通量的垂直分布特征.结果表明,北京秋季NR-PM₁和PM_2.5质量浓度分别为（59.16±57.05）μg·m^-3和（89.82±66.66）μg·m^-3,其中NR-PM₁平均占PM_2.5的（70.31±22.28）%.整个观测期间,有机物（Org）、硝酸盐（NO₃^-）、硫酸盐（SO₄^2-）、铵盐（NH₄⁺）和氯化物（Chl）分别占NR-PM₁总质量浓度的（42.75±11.35）%、（21.27±7.72）%、（19.11±7.08）%、（12.19±2.64）%和（4.68±3.24）%,不同化学组分的日变化特征存在明显差异.对北京秋季NR-PM₁污染影响较大的潜在源区主要集中在河北南部、河南东北部及山东西部,重污染期间保定、北京南部及廊坊等城市对NR-PM₁贡献较大.WRF-CAMx模拟结果表明,PM_2.5总的净传输通量呈现出显著的垂直分布特征.整个观测期间,毗邻城市主要向北京输入PM_2.5,净通量最大出现在海拔600~1000 m;而重污染前期外来源输送PM_2.5主要位于高空,直到污染最严重的11月5日,PM_2.5转为近地面传输,说明高空和近地面传输是影响北京秋季PM_2.5重污染形成的重要因素.同时鉴别出了两种传输路径,即西南-东北方向（保定→北京→承德）和西北-东南方向（张家口→北京→廊坊北→天津）.     

燃煤电厂区域颗粒物及颗粒物汞分布特征研究

对东南沿海平原地区某燃煤电厂不同方位距离的9个采样点进行为期9个月的大气颗粒物采集,以PM_2.5、PM₁₀为对象,研究了颗粒物与颗粒物汞的时空分布,探讨了燃煤电厂排放对周边大气颗粒物与颗粒物汞分布的影响.结果表明：①本研究区PM_2.5平均浓度为78.10 μg·m^-3,其中颗粒物汞平均浓度为294.88 pg·m^-3;PM₁₀平均浓度为114.48 μg·m^-3,其中颗粒物汞平均浓度为363.41 pg·m^-3,均高于海内外众多城市.②冬季颗粒物、碳组分及颗粒物汞的浓度远高于春、夏、秋三季,冬季燃煤量大、逆温等气象因素及远距离污染物传输均造成当地冬季颗粒物累积.③大气颗粒物汞浓度随距电厂距离的增加先增加后降低,最大浓度范围为电厂W-NW方向1.3~2.5 km处.④各采样点均受到多种污染源共同影响,以燃煤尘为主,餐饮油烟、机动车尾气、生物质燃烧和扬尘次之,燃煤电厂对周边区域环境大气可吸入颗粒物主要影响区域为W-NW方向1.3~2.5 km.     

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.     

减排背景下成都大气PM2.5碳质组分特征

近年来,国务院颁布的《大气污染防治行动计划》和《打赢蓝天保卫战三年行动计划》对我国空气质量的全面改善起到了重要作用,然而,当前鲜有对四川盆地两大政策实施效果进行评估以及对政策实施后PM_2.5化学组分新特征的针对性研究.2017年和2020年分别是两大污染减排政策实施效果评估的关键时期,为对两时期成都市大气PM_2.5及其中碳质组分特征进行全面了解,分别于2016年10月至2017年7月和2020年12月在成都市区进行了PM_2.5的连续采样,并对其中有机碳（OC）和元素碳（EC）进行了分析.结果表明：①2016~2017年成都市ρ（PM_2.5）平均值为（114.0±76.4）μg·m^-3,最高值出现在冬季,可达（193.3±98.5）μg·m^-3,是浓度最低季节春季［（73.8±32.3）μg·m^-3］的2.6倍,而这种严重的冬季污染在2020年出现了明显改善,对应的ρ（PM_2.5）为（96.0±39.3）μg·m^-3,降幅达50.3%.②2016~2017年ρ（OC）和ρ（EC）的平均值分别为（21.1±16.4）μg·m^-3和（1.9±1.3）μg·m^-3,分别占PM_2.5的质量分数为18.5%和1.7%;ρ（OC）季节变化特征为：冬季［（40.6±21.5）μg·m^-3］>秋季［（17.0±7.0）μg·m^-3］>夏季［（14.4±3.9）μg·m^-3］>春季［（12.6±6.0）μg·m^-3］,而各季节ρ（EC）水平接近（1.3~2.4 μg·m^-3）;二次有机碳（SOC）是OC的重要组成,可占OC的质量分数为44.5%.相比2016年冬季,2020年冬季ρ（OC）降至（19.2±9.1）μg·m^-3,降幅达52.7%,EC则升高了26.1%.③随污染加重,各碳质组分及其贡献变化趋势各异,相比2016年冬季,2020年冬季OC随污染加重贡献更加趋于稳定,而SOC占比升高更为明显,二次有机组分贡献不容忽视.④各季节气团来向和污染物潜在源区均呈现出了明显差异;与2016年冬季相比,虽然2020年冬季主要气团来向未发生明显变化,但各轨迹对应的污染物浓度均出现了大幅降低,且污染物潜在源区向东部区域扩展明显.     

城区与郊区PM2.5污染及传输特征差异性

基于云高仪激光雷达、飞机AMDAR数据和常规站点等多源观测数据,并与数值模拟（CAMx-PSAT模型）相结合,以京津冀典型城市——北京城区与郊区（密云）和石家庄城区与郊区（平山）为案例研究区域,对城区和郊区边界层高度差异（ΔPBLH）、地面PM_2.5浓度差异（ΔSurf_PM_2.5）、高空PM_2.5浓度差异（ΔVert_PM_2.5）和传输通量强度及高度分布特征差异进行分析.结果表明,由于人为热源、短波辐射和热力湍流等因素,导致城区年均边界层高度（PBLH）较郊区高8%~29%,且不同季节下城区PBLH月均较郊区高2%（石家庄4月）~47%（北京7月）.由于人为排放、逆温和大气湍流等共同作用,在0~1260 m之间等高度城区年均ρ（PM_2.5）较郊区高0.1（石家庄）~29.7（北京）μg ·m^-3,随高度增加而减小.城区年均总净通量强度远大于郊区,城区表现为流出,郊区表现为流入,是由于城区低压和郊区高压,形成城郊热力环流.北京城区和郊区与周边的年均总净通量强度之和（44.77 t ·d^-1）大于石家庄（34.44 t ·d^-1）.受风速和PM_2.5浓度的影响,在0~1260 m之间,城区和郊区与周边的净通量随离地高度的增加通量强度呈现明显增大趋势,其中1月城区和4月郊区与周边的传输交换对环境影响最为明显.不同季节下城区和郊区最大净通量的强度差异明显,两者相差2.23~4.48倍;但最大净通量强度的高度特征差异较小,主要位于611~1260 m.     

泰安市夏季PM2.5中正构烷烃和糖类化合物的化学组成及其来源

为探讨泰安市夏季PM_2.5中正构烷烃和糖类的化学组成及其来源,于2016年7~8月进行PM_2.5样品采集,对泰安市正构烷烃及糖类进行分析,并利用主成分分析-多元线性回归模型（PCA-MLR）和后向轨迹模型对污染物进行来源解析.结果表明,2016年泰安市夏季PM_2.5质量浓度为（37.2±11.5）μg·m^-3,是我国环境空气质量一级标准（GB 3095-2012,35μg·m^-3）的1.1倍.其中,正构烷烃质量浓度为（83.3±34.7）ng·m^-3,碳优势指数（CPI）为1.83,植物蜡烷烃贡献率（% WaxC_n）为34.7%~69.4%,表明植物蜡是泰安市夏季正构烷烃的主要来源.糖类化合物的质量浓度为（73.4±46.6）ng·m^-3,其中左旋葡聚糖、半乳聚糖和甘露聚糖是主要的糖类组分,分别占糖类化合物总浓度的64.0%、7.1%和6.3%,表征生物质燃烧对泰安市糖类具有重要贡献.由PCA-MLR模型结果表明,泰安市夏季PM_2.5中正构烷烃和糖类化合物主要来自植物蜡、化石燃料燃烧和生物质燃烧.后向轨迹分析表明,泰安市夏季正构烷烃和糖类污染物主要来自山东本地源和南方内陆地区.     

2017年秋季长春市PM2.5中多环芳烃的污染来源及健康风险评价

本研究采集了长春市2017年秋季大气中的PM_2.5样品共30个,采用气相色谱质谱仪（GC-MS）分析了样品中17种多环芳烃（polycyclic aromatic hydrocarbons,PAHs）的浓度和组成特征,运用比值法和主成分分析法确定PAHs的污染来源,并通过计算苯并（a）芘等效致癌浓度和终身致癌超额危险度进行健康风险评估.结果表明,长春市秋季PM_2.5平均质量浓度为（50.84±12.23）μg·m^-3,有机碳（OC）和元素碳（EC）含量分别为（17.07±5.64）μg·m^-3和（1.33±0.75）μg·m^-3,占PM_2.5总量的37%;PAHs总浓度为（15.69±5.93）ng·m^-3,以中高环数的PAHs为主,占总PAHs的84.26%;长春市秋季大气中PAHs主要来源于机动车尾气排放（44.48%） > 煤燃烧（29.16%） > 生物质燃烧（26.36%）,本地交通（汽油车）排放是主要污染源;苯并（a）芘等效致癌平均浓度在1.55~5.38 ng·m^-3之间,总致癌等效平均浓度为（6.44±1.53）ng·m^-3,总体处于轻微污染水平;通过呼吸摄入PAHs对成年女性健康危害最大,其次是成年男性和儿童,但所有人群的终身致癌风险值均未超过1×10^-6,其健康风险处于可接受水平.     

成都城区PM2.5季节污染特征及来源解析

于2009—2010年各季节典型月在成都城区采集了大气PM_2.5样品,对PM_2.5的质量浓度及其主要化学成分(含碳组分、水溶性无机离子和元素)进行了测定. 结果显示:成都城区PM_2.5平均质量浓度高达(165.1±85.1)μg·m^-3,是国家环境空气质量标准年均PM_2.5限值的4.7倍. OC、EC和水溶性二次离子(SO₄^2-,NO₃^-和NH₄⁺)的平均浓度分别为(22.6±10.2)μg·m^-3,(9.0±5.4)μg·m^-3和(62.8±44.3)μg·m^-3,分别占PM_2.5浓度的13.7%、5.5%和38.0%. PM_2.5及其主要化学成分浓度季节特征明显,即秋冬季高于春夏季. 利用正交矩阵因子分析(PMF)对成都城区PM_2.5的来源进行解析,结果表明,土壤尘及扬尘、生物质燃烧、机动车源和二次硝酸盐/硫酸盐的贡献率分别为14.3%、28.0%、24.0%和31.3%. 就季节变化而言,生物质燃烧源贡献率在四个季节均维持在较高水平;土壤尘及扬尘的贡献率在春季显著提高;机动车源的贡献率在夏季中表现突出;而二次硝酸盐/硫酸盐的贡献率在秋冬季中则最为显著.     

太原市大气PM2.5中水溶性离子的季节污染特征及来源分析

为探究当前空气质量持续改善背景下重污染地区大气PM_2.5和水溶性无机离子（WSⅡs）的污染特征和季节变化,于2019年在太原市采集了四季PM_2.5样品.结果表明,2019年太原市PM_2.5年均质量浓度为（65.50±30.44）μg·m^-3,水溶性离子浓度的季节特征为：冬季（39.81 μg·m^-3） > 秋季（33.05 μg·m^-3） > 春季（20.50 μg·m^-3） > 夏季（19.62 μg·m^-3）.WSⅡs以二次离子SNA为主,占总离子浓度的76.90%±10.51%,且随着PM_2.5污染加重,SNA的比重显著升高.其中,SO₄^2-和NO₃^-在秋、冬季的浓度最高,这与气态污染物排放增加和二次转化程度的升高（硫氧化率SOR>0.30,氮氧化率NOR>0.10）有关;NH₄⁺、Cl^-和K⁺在冬季的浓度最高,是其他季节的1.2~7.9倍,可能归因于冬季燃煤和生物质燃烧活动的增加;由于春季风速较高,受土壤扬尘的影响,Ca²⁺和Mg²⁺的比重在春季显著增加为20.2%.春季和夏季为贫氨状态,而秋、冬季为富氨状态,且硝酸盐颗粒物在高湿度条件下的吸湿增长比硫酸盐更为显著.太原市大气PM_2.5中水溶性离子主要来源于二次生成、燃煤、生物质燃烧和土壤扬尘.     

两湖盆地襄阳地区PM2.5重污染过程区域传输的观测和模拟分析

两湖盆地位于华中地区,横跨湖北、湖南两省,海拔高度低于200 m.襄阳为华中地区两湖盆地的“风口”,PM_2.5污染严重.为认识襄阳地区大气环境变化特征,对其2016年1月的大气污染过程进行研究分析,研究气象条件对PM_2.5浓度的影响.结果表明：冷空气南下入侵对两湖盆地襄阳地区产生PM_2.5重污染有重要驱动作用.强风是驱动大气污染物区域传输的主要因素,受东亚冬季风影响,上风方的PM_2.5跨区域传输到下风方两湖盆地,导致襄阳地区的PM_2.5污染水平上升.基于FLEXPART-WRF模式,定量估算了2016年1月襄阳地区4次PM_2.5重污染过程的区域传输贡献,估算发现4次大气重污染过程的外源贡献率均高于50.0%,最高达80.3%,体现了大气污染物区域传输对两湖盆地大气重污染事件的主导作用.两湖盆地襄阳地区PM_2.5污染主要潜在源来自东北路径,以华北平原为主.     

2011年春季辽宁一次沙尘天气过程及其对不同粒径颗粒物和空气质量的影响

利用2011年5月11—12日辽宁沙尘天气过程的相关资料,分析了沙尘天气对不同粒径颗粒物及空气质量的影响及此次沙尘过程的天气成因.结果表明:沙尘天气发生前后可吸入颗粒物PM₁₀、PM_2.5和PM₁的浓度变化很大,沈阳、鞍山、本溪和丹东4城市PM₁₀、PM_2.5的小时浓度最大值都增大了1.5~20倍;粗粒子PM_(2.5~10)的数量浓度分别增加了30~41倍,质量浓度分别增加了27~30倍;细粒子PM_(1~2.5)的质量浓度分别增加了30~35倍,数量浓度分别增加了15~30倍;微粒子的数量浓度和质量浓度各城市表现不同,沈阳微粒子的数量浓度和质量浓度最大值增大了3倍和5倍,而鞍山PM₁的数量浓度和质量浓度分别减少了50%和10%.受蒙古气旋的影响内蒙古地区产生大风降温天气,大风将内蒙古地区的沙尘带到高空并随西风带向东移动进入辽宁,由于辽宁地区风速比较小,造成了辽宁大部分地区的浮尘天气,并对辽宁各地空气质量造成了严重影响,除丹东外辽宁其他13个城市空气质量都达到了轻微污染到重度污染的级别,铁岭、阜新、沈阳和抚顺的污染指数分别超过了300,达到了重度污染的级别.     

邯郸市大气颗粒物污染特征的监测研究

使用振荡天平颗粒物在线监测仪连续监测了邯郸市PM₁₀和PM_2.5浓度,分析了2012年7月31日—12月2日4个月内PM₁₀、PM_2.5的浓度水平、时变规律和PM_2.5/PM₁₀的变化情况.结果表明,监测时段内PM₁₀和PM_2.5的日均浓度平均值分别为208.4 μg·m^-3和99.1 μg·m^-3,是国家二级标准的1.4倍和1.3倍;浓度超标的天数占总观测天数的61.6%和60.0%,其污染程度与北京、天津相当,属污染较严重的地区.PM_2.5/PM₁₀在19.3%~89.8%之间周期性波动,平均值为49.4%,接近北方城市的平均水平.PM₁₀和PM_2.5的浓度变化具有很好的正相关性;日均值在4个月中呈现明显的周期性变化和月际波动,10、11月的PM₁₀和PM_2.5浓度变化剧烈且大大高于8、9月份.PM₁₀和PM_2.5浓度一天中小时均值的变化呈同步的双峰型分布,最高值出现在9:00和20:00左右,最低值出现在15:00~17:00之间.本研究系统分析了夏秋季节邯郸市大气颗粒物污染状况,以期为当地颗粒物污染的控制提供科学依据.     

基于车载雷达探测的一次华北冬季重污染天气成因研究

基于车载微脉冲气溶胶激光雷达、多普勒风廓线激光雷达和扭转拉曼廓线激光雷达的中山大学环境气象综合观测车,于2018年12月18日-22日在河北省望都县PM_2.5重污染期间开展定点观测.结合地面PM_2.5浓度和气象要素观测资料,对本次污染过程的成因展开分析.本次重污染过程日均PM_2.5浓度为163.2μg·m^-3,PM_2.5浓度的日变化特征明显,表现为白天PM_2.5浓度降低,傍晚至次日早晨PM_2.5浓度升高.气溶胶激光雷达观测结果发现,污染期间,700 m高度以下存在明显的消光系数高值区;夜间存在明显的消光系数高值区分层现象,气溶胶消光系数高值区出现高度可达1700 m.本次PM_2.5重污染过程受静稳边界层气象条件和高空气溶胶输送、沉降共同影响.在污染时段内,大气边界层低层小风持续,近地面和大气低层逆温和同温层频发,静稳边界层条件不利于PM_2.5的输送和扩散;此外,夜间高空气溶胶伴随强西风带出现...     

2013年1月邯郸市严重霾天气的污染特征分析

利用河北工程大学大气环境监测站点的PM₁₀、PM_2.5、SO₂和NO_x在线监测数据,并结合能见度、湿度数据,对邯郸市2012年12月1日到2013年1月31日的大气污染状况进行分析,特别是2013年1月持续发生的霾天气,以探讨严重霾污染的过程特征.结果表明,2013年1月,SO₂与NO_x的平均浓度分别为225.3 μg·m^-3和217.8 μg·m^-3,PM₁₀和PM_2.5的平均浓度分别为328.5 μg·m^-3和229.4 μg·m^-3,均超过新颁布的环境空气质量标准,是2012年12月平均浓度的1.4~3.5倍.重污染过程分析结果显示,污染峰值附近几天内PM₁₀、PM_2.5的时均浓度变化无明显规律.累积阶段的PM_2.5/PM₁₀在0.42~0.52之间,峰值前后上升并超过0.70,扩散阶段PM_2.5/PM₁₀降到0.70以下,且呈波动式变化.当PM_2.5/PM₁₀小于0.40时,能见度基本位于2~18 km之间;当PM_2.5/PM₁₀在0.40~0.60之间时,能见度在0.7~8 km之间;当PM_2.5/PM₁₀大于0.60时,能见度分布于2 km以下.     

2013年1月宁波市PM_(2.5)污染的形成过程与传输规律

为了深入认识宁波市冬季细颗粒物(PM2.5)的污染特征和主要影响因素的作用规律,利用Models-3/CMAQ模式系统对2013年1月宁波市的PM2.5污染形成过程进行了模拟分析.结果表明,宁波市PM2.5的重点污染区主要分布在市区、北部地区及东部沿海,除了受到局地污染源排放的影响外,对比非污染的情况,大气输入和气溶胶生成作用的增强是引起PM2.5污染的主导因素,其中水平传输过程对PM2.5浓度升高的贡献最为突出.气溶胶过程的贡献在近地面(0~80 m)最显著,随着高度升高而逐渐减弱.硝酸盐在局地二次生产的细颗粒物中占主要份额(~70%).对于硫酸盐,局地二次生成所占的比例很低,主要来自宁波局地排放和宁波以外地区的大气传输(贡献比例分别为44%和40%).宁波市的PM2.5污染主要受到来自北向沿岸气团(占比54%)、西北向大陆气团(占比21%)和西向局地气团(占比25%)的传输影响.在西北方向短距离区域传输的作用下PM2.5浓度最高;在我国中东部大范围灰霾天气的影响下,西北向和北向的长距离传输作用也会导致宁波地区的PM2.5污染.     

成都平原大气颗粒物中无机水溶性离子污染特征

为探讨成都平原大气颗粒物中水溶性离子的污染特征,识别水溶性离子的组成、分布和时空变化,有针对性地控制重污染和灰霾天气,于2013年8月~2014年7月,在成都平原的5个监测点位共采集1 476个颗粒物样品,应用离子色谱法对PM10和PM_(2.5)中8种无机水溶性离子(SO_4~(2-)、NO_3~-、NH_4~+、K~+、Na~+、Ca~(2+)、Mg~(2+)、Cl~-)进行测量.结果表明在观测期间,PM_(2.5~10)和PM_(2.5)中无机水溶性离子总量分别为11.35μg·m-3和36.93μg·m-3,分别占ρ(PM_(2.5)~10)和ρ(PM_(2.5))的37.8%和46.6%;其中二次离子(SO_4~(2-)、NO_3~-和NH~+4,SNA)约占各自水溶性离子总量的81.1%和89.9%.水溶性离子质量浓度冬季最高,春秋季相当,夏季最低.ρ(SO2-4)/ρ(PM_(2.5))夏秋季较高,而ρ(NO_3~-)/ρ(PM_(2.5))冬季最高,夏季最低.SNA、Cl~-、K~+大多分布在PM_(2.5)中,Ca~(2+)和Mg~(2+)主要分布在PM_(2.5~10)中.PM_(2.5)基本呈中性,水溶性离子主要以(NH_4)_2SO_4、NH_4NO_3、KNO_3、NaCl、KCl等形式存在.ρ(NO_3~-)/ρ(SO_4~(2-))揭示固定源依然是PM_(2.5)的主要来源.硫氧化速率(SOR)和氮氧化速率(NOR)年均值分别为0.31和0.13,SOR夏季最高,NOR冬季最高,二者变化趋势相反.成都平原PM_(2.5)呈区域性复合污染特征,SNA是造成ρ(PM_(2.5))增加的主导因素.     

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.     

基于模型模拟的成都市PM2.5污染来源解析

在建立成都市大气污染物排放清单的基础上,采用源开关敏感性分析法,设置8个排放情景,基于WRF-CMAQ模型模拟分析了2015年1、4、7和10月这4个典型代表月份的大气污染传输和不同行业对成都市PM_(2.5)污染贡献.结果表明成都市PM_(2.5)污染较重,特别是1月达到130μg·m~(-3)以上;浓度的高值集中在中心城区,且与周边城市PM_(2.5)污染连接成片.由于气团比较稳定,大气污染物的区域传输能力较弱,成都市PM_(2.5)污染以本地源的贡献为主,占比为61%.从行业贡献来看,移动源、扬尘源和生活源对成都市PM_(2.5)年均浓度贡献率分别为29%、26%和24%,是影响PM_(2.5)污染的主要污染源,下一步应强化对这3类源的污染控制.