江苏省二氧化碳减排政策对空气质量改善增益

碳排放达峰和空气质量达标是当前大气环境研究的热点问题.利用排放因子法建立2010~2019年江苏省城市级温室气体排放清单,进一步结合温室气体-大气污染物协同关系分析和WRF-Chem空气质量模型模拟,量化不同碳减排情景下空气质量改善的协同增益.结果表明,2010~2019年江苏省CO₂年均排放量为701.74~897.47 Mt,其中苏州、徐州和南京排放量最高（91.19~182.12 Mt ·a^-1）,扬州、宿迁和连云港排放量最低（13.19~32.54 Mt ·a^-1）,大部分城市CO₂排放呈持续上升趋势.能源活动为CO₂排放的主要来源,贡献率占比近90%,工业生产过程贡献率约10%.依据减排侧重点的不同设计3类CO₂减排情景,分别为全部门协同减排、优先能源减排和优先工业减排,每类减排情景包含不同的CO₂减排力度（10%、20%和40%）.情景模拟结果指出,以2017为基准年,全部门协同、优先能源和优先工业减排中PM_2.5年均浓度下降幅度分别为6.7~21.1、3.1~12.0和3.4~14.3 μg ·m^-3.全部门协同减排对PM_2.5污染改善最为显著,在全部门减排情景为40%下,除徐州和宿迁外其它城市PM_2.5年均浓度值均能达到国家Ⅱ级标准（35 μg ·m^-3）.PM₁₀、SO₂、NO₂和CO的变化响应与PM_2.5类似,但O₃污染在优先能源和优先工业情景下呈现出不同程度的上升趋势.     

基于积尘负荷的西安市铺装道路扬尘排放研究

近年来城市颗粒物污染问题日渐突出,严重影响着人们的环境幸福指数和对美好环境的期待.道路扬尘作为城市扬尘的重要组成部分,对颗粒物污染的贡献不容小觑.在此背景下,采用积尘负荷法采集西安市快速路、主干道、次干道、支路等4种类型25条道路的道路扬尘样品,并分析采样速率、采样次数等因素对采样效率的影响.在此基础上,计算得到西安市各类型道路的平均积尘负荷,结合车流量、车重、道路长度,通过《扬尘源颗粒物排放清单技术指南》中的公式计算得到各种类型道路TSP、PM₁₀、PM_2.5的排放系数及排放量.结果显示：采样速率为1.0 m²·min^-1,采样次数为两次可满足采样要求.不同类型道路积尘顺序为：支路（4.18 g·m^-2）>次干道（2.80 g·m^-2）>快速路（1.49 g·m^-2）>主干路（1.34 g·m^-2）;道路积尘TSP、PM₁₀、PM_2.5的平均排放系数分别为6.066、1.542和0.447 g·km^-1.快速路和主干路的扬尘排放系数较小,支路的扬尘排放系数次之,次干路的扬尘排放系数较大.采用Monte Carlo方法对TSP、PM₁₀和PM_2.5的排放量进行不确定性分析,在95%的概率分布范围下,三者定量不确定性均为-16.88%~17.96%.     

辽宁省2000~2030年机动车排放清单及情景分析

机动车排放已经成为城市地区大气污染的主要来源.基于COPERT模型和ArcGIS技术,建立了2000~2030年辽宁省机动车排放清单,分析6类污染物（CO、NMVOC、NO_x、PM₁₀、SO₂和CO₂）排放的总体趋势与空间演变特征,同时以2016年为基准年,基于情景分析法设置8类控制措施情景并评估不同控制措施对污染物的减排效果.结果表明2000~2016年,机动车的CO、NMVOC、NO_x和PM₁₀排放量呈现先增后降的趋势,SO₂排放量呈现波动变化,而CO₂排放量则呈现持续增长态势.轻型载客车和摩托车是CO和NMVOC排放的主要贡献车型,重型载客车和重型载货车是NO_x和PM₁₀的主要排放源,SO₂和CO₂则主要是由轻型载客车排放.辽宁省中部及南部机动车排放量明显高于辽东和辽西.从城市层面来看,排放主要集中在沈阳市和大连市.情景分析表明,实施更加严格的排放标准可以增强减排效果,且升级排放标准的时间越提前减排效果越好.综合情景将实现减排最大化,强化综合情景对CO、NMVOC、NO_x、PM₁₀、CO₂和SO₂的削减率达到了30.7%、14.3%、81.7%、29.4%、12.3%和12.1%.     

京津冀及周边地区秋冬季大气污染物排放变化因素解析

基于大气污染源排放清单技术方法,定量分析2016~2017年秋冬季"跨年霾"至2019~2020年秋冬季"疫情霾"期间京津冀及周边地区主要大气污染物排放量变化,解析大气污染防治政策实施带来的减排和疫情造成的活动水平下降对主要污染物排放的贡献,并利用空气质量模型模拟分析不利气象条件下措施减排和疫情影响对空气质量改善的贡献.结果表明,从"跨年霾"（2016-12-16~2017-01-14）至"疫情霾"（2020-01-22~2020-02-14）该区域主要大气污染物排放量大幅下降50%左右,不利气象条件下,区域PM_2.5平均浓度可削减40%以上.措施减排主要来自火电、钢铁等重点工业行业提标改造和工业锅炉、民用燃煤等燃煤源治理,对SO₂和PM_2.5排放量的削减贡献较大,贡献率分别为67.1%和53.4%;疫情主要影响移动源和轻工业活动水平,对NO_x和VOCs排放量的削减贡献较大,贡献率分别为71.9%和68.2%.措施减排对区域空气质量改善贡献突出,有效抑制了重污染过程的强度和范围.在"跨年霾"的不利气象条件下,措施减排使区域PM_2.5平均浓度下降26%,重度及以上污染天数减少44%.受疫情影响,区域PM_2.5平均浓度继续下降24%,重污染持续时间和范围进一步缩减.     

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%.     

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.     

2013-2017年珠江三角洲主要大气污染控制措施减排效果评估

自2013年《大气污染防治行动计划》发布以来,珠江三角洲（PRD）地区实施了严格的大气污染防控政策,在全国率先实现PM_2.5浓度连续3年达标,然而,已实施的控制措施对污染物的减排效果尚不清楚.因此,本研究通过广泛收集2013—2017年珠三角地区大气污染源活动水平数据与控制措施,建立2013—2017年实际控制与未控制情景的污染物趋势排放清单,对主要控制措施的减排效果进行了量化.结果表明,2013—2017年珠三角地区SO₂、NO_x、PM₁₀、PM_2.5和VOCs 5种污染物排放分别下降了55%、24%、55%、54%和10%.相比于未控制情景,实际控制情景下2017年5种污染物分别实现61%、40%、68%、70%和41%的减排.在各类管控措施中,工业提标对5种污染物减排分别贡献了39%、46%、66%、69%和25%;销号整治对VOCs减排贡献最大（32%）,对其它污染物减排贡献约10%;清洁能源改造主要对SO₂和PM减排有所贡献,其中,煤改气、低硫煤、低硫油对SO₂减排有主要贡献（均为15%左右）,低灰分煤对PM₁₀（12%）和PM_2.5（19%）减排有较大贡献;机动车提标、淘汰黄标车对NO_x（22%、17%）和VOCs（23%、12%）减排有较大贡献.本研究可为珠三角和其它地区针对不同大气污染物科学制定防控政策与措施提供基础数据和科学支撑.     

郑州市公交车队电动化减污降碳环境效益

公交车队电动化是道路交通部门实现减污降碳的重要手段,评估当前公交车队电动化减排成效,对推进大中型城市公交全面电动化具有重要参考意义.基于燃料生命周期法分析了郑州市公交车队电动化前后CO₂和污染物排放特征,并评估了不同电动化情景下的车队排放.结果表明,本轮电动化使公交车队燃料生命周期内CO₂和PM_2.5排放量分别增长32.6%和42.6%,CO、NO_x和VOC排放量下降了28%,34%和25%.优化发电结构对于电动化过程中的CO₂及PM_2.5减排尤为重要,在全面电动化和发电结构优化的最佳情景下,CO₂、CO、NO_x、VOC和PM_2.5减排可达38.7%、80.1%、84.4%、92.2%、30.2%.在全面电动化进程中,应优先对中长里程线路车辆进行电动化替换,此外,插电混动天然气车型的纯电动化替换对减排利弊兼有,同步推进车队替换和电力结构调整进程才能实现减污降碳协同增效.     

华东地区2000-2014年间秸秆燃烧排放PM2.5时空动态变化

秸秆燃烧释放大量细小颗粒物（Fine Particulate Matter）,对大气环境、生态系统和人类健康有重要影响.该研究基于2000-2014年中国华东地区农作物产量统计数据,估算各区域秸秆产量及室内外农作物秸秆燃烧总量.并运用排放因子法,估算15年间华东地区农作物秸秆燃烧PM_2.5排放总量.研究结果表明,华东地区秸秆产量及燃烧总量分别为：2033.2 Mt和32678.59 Wt,PM_2.5的排放总量为851.95 Wt.此外,PM_2.5排放在时间和空间上不均衡.卫星火点监测数据显示,农田秸秆燃烧密集区域主要分布在山东南部、安徽北部、江苏和浙江东北部及上海市大部分地区;单位网格PM_2.5最大的排放量多集中在山东、安徽北部、江苏中部和北部、浙江东北部和上海区域.时间序列上,山东、江苏和安徽呈显著增长趋势,上海、福建和浙江呈显著降低趋势.稻谷、小麦、玉米、豆类和油菜秸秆燃烧对污染物PM_2.5的贡献率分别为32.45%、30.18%、18.95%、3.77%和14.65%.农作物秸秆燃烧释放PM_2.5与工业粉尘的排放比变化趋势表明山东、安徽和江苏总体呈上升趋势;上海、福建和浙江总体保持平稳趋势.通过对华东地区农作物秸秆燃烧释放PM_2.5的时空变化研究,为更好的揭示秸秆燃烧对区域环境的影响提供数据支持.     

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.     

我国钢铁工业一次颗粒物排放量估算

针对我国钢铁工业生产工艺以及颗粒物控制技术的分类,建立了一个细化到排放节点的自下而上的颗粒物排放模型.结合我国钢铁工业各地区活动水平以及颗粒物控制技术分布的历史变化趋势分析,利用此模型计算了2006—2012年我国钢铁工业一次颗粒物的排放系数和排放量.模型计算结果显示,2006年以来,我国钢铁工业颗粒物控制水平不断提高,PM_(2.5)、PM_(2.5)~10和PM10的排放系数分别降低了21.2%、19.3%和19.0%.钢铁工业一次颗粒物排放量在2006—2011年间持续增长,2011年TSP排放量为602×104t,PM10排放量为200×104t,PM_(2.5)排放量为124×104t;2012年排放量出现下降,TSP排放量为561×104t,PM10排放量为187×104t,PM_(2.5)排放量为116×104t.2012年我国钢铁工业一次PM_(2.5)排放量中的有组织排放占39.5%,无组织排放占60.5%;除加严有组织源管控之外,减少颗粒物无组织排放,对于钢铁工业颗粒物排放控制也非常重要.我国钢铁工业颗粒物排放量分布不均衡,河北、山东、江苏、辽宁、山西5个省的排放超过全国总排放的50%.     

Can further mitigation of ammonia emissions reduce exceedances of particulate matter air quality standards?

Several studies point out the importance of agricultural emissions to particulate matter (PM) concentrations, and particularly of NH₃ emissions to PM_2.5. Our study used three different chemical transport models (CHIMERE, EMEP and LOTOS-EUROS) to quantify the reductions of PM_2.5 and PM₁₀ concentrations due to reductions of NH₃ emissions beyond the Gothenburg Protocol (GP), as well as due to the GP alone compared to 2009. Simulations of PM_2.5 and PM₁₀ concentrations using 2009 meteorology were undertaken for five emission scenarios: 2009 emissions (as the reference simulation), GP emissions in 2020, and further 10%, 20% and 30% NH₃ emission reductions in EU27 beyond the GP. The modelling results for the scenarios with further 10%, 20% and 30% NH₃ agriculture emission reductions in EU27 beyond the GP show that the reduction achieved in PM concentrations is not linear with the emission reductions. In fact, the results from the study show that the impact of ammonia emissions reduction is significantly more efficient when the emission reduction rises. Moreover, based on the evaluation on 2009, the modelling study shows that the expected impact of ammonia emissions on the formation of particulate ammonium was underestimated by all models. This would imply that the role of ammonia on PM concentration and exceedances of PM_2.5 and PM₁₀ limit values is likely to be even larger than quantified in this study. This study shows that the implementation of the emission reductions imposed by the revised GP for 2020 will not suffice to achieve compliance with PM limit values everywhere in Europe; hence further European and local measures may be considered. NH₃ emissions from agriculture can be further reduced with the implementation of proven and feasible measures (substitution of fertilizers, improved storage of manure, way fertilizer injections, etc., …), in order to reduce PM concentrations and their impacts on human health across Europe.     

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.     

四川省大气固定污染源排放清单及特征

根据收集到的四川省电厂、工业及民用部门的活动水平数据,采用合理的估算方法和排放因子,建立了四川省2010年大气固定污染源排放清单.结果表明:12010年四川省固定源共排放SO₂ 84.1万t、NO_x 44.9万t、CO 318.8万t、PM₁₀ 44.1万t、PM_2.5 25.5万t、VOC 17.9万t;2电厂和工业过程是固定源排放的主要贡献源;3燃煤是固定燃烧排放的主要贡献源,煤矸石、焦炭、天然气对污染物的贡献也不容忽视,水泥、钢铁、轻工业制造是本地区主要的工业过程排放源;4宜宾、成都及攀枝花是固定源污染物的主要贡献城市,约占四川省总排放量的20%~40%;5电厂、能源工业燃烧清单的不确定性主要来自排放因子,而工业过程涉及排放源种类繁多且复杂,排放测试研究较少,不确定性较高.     

2013年1月中国东部地区重污染过程中上海市细颗粒物的来源追踪模拟研究

大气PM_2.5是当前我国城市和区域面临的最突出的大气污染问题,然而PM_2.5及其关键组分污染的来源不清,严重制约了人们对PM_2.5 的科学认知和污染防控的步伐.本研究以2013年1月中国东部地区一次典型重污染过程为研究案例,利用CAMx三维模型中耦合了物种示踪机制的颗粒物来源追踪方法,探讨和揭示了中国东部地区代表性城市上海及周边地区共4个源区(上海、苏南、浙北、大区域)、8类污染源(包括燃烧源、生产工艺过程、流动源、生活面源、挥发源、扬尘源、农业源、天然源)对上海城区大气中PM_2.5及其关键组分包括水溶性无机离子(SO^2-₄、NO^-₃、NH⁺₄)、元素碳(EC)和有机碳(OC)的污染贡献.研究结果表明,2013年1月份中国东部出现严重灰霾污染期间,上海城区PM_2.5的主要区域贡献为上海本地污染源排放累积(PM_2.5浓度贡献平均为55.4%±22.3%)和长距离输送(38.4%±20.0%).上海地区8类主要排放源中,扬尘源贡献均值最大,达到30.7%±31.8%,其次为燃烧源18.2%±15.6%、流动源18.6%±17.5%、挥发类源16.9%±18.0%.对上海市PM_2.5组分的源解析研究发现,燃烧源对细颗粒物中硫酸盐和硝酸盐的浓度贡献最大,其浓度贡献分别达到56.2%和55.9%.铵盐中72.4%来源于挥发类源贡献,元素碳约78.3%来自于交通源贡献.挥发类源排放和流动源是主要的有机气溶胶贡献源,浓度贡献分别为36.2%和32.5%.     

Influence of different weather events on concentrations of particulate matter with different sizes in Lanzhou, China

The formation and development of weather events has a great impact on the diffusion, accumulation and transport of air pollutants, and causes great changes in the particulate pollution level. It is very important to study their influence on particulate pollution. Lanzhou is one of the most particulate-polluted cities in China and even in the world. Particulate matter (PM) including TSP, PM_>10, PM_2.5-10, PM_2.5 and PM_1.0 concentrations were simultaneously measured during 2005-2007 in Lanzhou to evaluate the influence of three kinds of weather events - dust, precipitation and cold front - on the concentrations of PM with different sizes and detect the temporal evolution. The main results are as follows: (1) the PM pollution in Lanzhou during dust events was very heavy and the rate of increase in the concentration of PM_2.5-10 was the highest of the five kinds of particles. During dust-storm events, the highest peaks of the concentrations of fine particles (PM_2.5 and PM_1.0) occurred 3 hr later than those of coarse particles (PM_>10 and PM_2.5-10). (2) The major effect of precipitation events on PM is wet scavenging. The scavenging rates of particles were closely associated with the kinds of precipitation events. The scavenging rates of TSP, PM_>10 and PM_2.5-10 by convective precipitation were several times as high as those caused by frontal precipitation for the same precipitation amount, the reason being the different formation mechanism and precipitation characteristics of the two kinds of precipitation. Moreover, there exists a limiting value for the scavenging rates of particles by precipitation. (3) The major effect of cold-front events on particles is clearance. However, during cold-front passages, the PM concentrations could sometimes rise first and decrease afterwards, which is the critical difference in the influence of cold fronts on the concentrations of particulate pollutants vs. gaseous pollutants.     

基于LMDI分解方法的河北省PM2.5排放驱动因素分析

研究了河北省1990—2015年PM_(2.5)的排放总量及各个产业部门的排放量分布,并应用LMDI模型对五大部门PM_(2.5)排放变化的驱动因素进行了较全面的分解分析,以找出每个部门中PM_(2.5)排放变化的关键驱动因素.同时,通过对原始数据的整理分析和模型计算,结果发现:①工业、生活消费、农业部门是河北省PM_(2.5)排放的三大来源.其中,工业部门是PM_(2.5)排放的最主要贡献部门,占PM_(2.5)总排放量的70%;生活消费部门的贡献位居第二,占比约24%.②对于生产端,经济规模总量扩张是PM_(2.5)排放量增加的最主要原因;能源利用效率的提高和污染治理工艺水平的改进使得各部门的排放强度减弱,明显缓解了PM_(2.5)的排放增长,部门经济结构的优化也可带来明显的减排效应.③对于消费端,人均收入的提高促进了PM_(2.5)排放的增加,倡导绿色消费模式可以有效减缓PM_(2.5)排放.根据以上结论,本研究通过找到各部门存在的问题,为河北省大气污染治理提供参考和借鉴.     

滨海城市气溶胶中颗粒态汞的分布特征

与气溶胶颗粒相结合的汞,即颗粒态汞,不仅对人体健康及生态环境产生一定的危害,而且在汞的生物地球化学过程扮演重要角色.以我国东南滨海城市厦门市为研究对象,采集郊区、居民区、旅游区、工业区和背景区四季(2008年10月～2009年8月)的PM2.5、PM10和TSP样品,基于塞曼原子吸收法的俄罗斯LumexRA-915+汞分析仪对大气不同粒径颗粒物中颗粒态汞进行了测试.结果表明,厦门市大气不同粒径颗粒物中汞的含量均表现为冬、春两季的浓度明显高于夏、秋两季;春、夏、秋、冬四季细颗粒物(PM2.5)中的含量分别为(51.46±19.28)、(42.41±12.74)、(38.38±6.08)和(127.23±33.70)pg/m3.不同粒径颗粒物中汞主要分布在PM2.5中,占到颗粒物态汞的42.48%～67.87%,表明细粒子富集汞的能力较强.不同功能区颗粒态汞的浓度分布趋势为背景区居民区旅游区工业区郊区,说明颗粒态汞浓度的空间分布特征与采样点的环境功能密切相关.总体而言,滨海城市大气颗粒态汞含量较低;PM2.5对颗粒态汞的富集明显高于PM10和TSP,表明对颗粒态汞的控制应集中在细颗粒物污染上.     

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.     

安阳市典型工业源PM2.5排放特征及减排潜力估算

为探究安阳市PM_(2. 5)排放特征,通过现场调查对安阳市工业源活动水平和控制技术信息进行收集,采用合理的估算方法、排放因子,建立了安阳市2016年工业源PM_(2. 5)排放清单,并利用地理信息系统(GIS)技术进行空间分配.基于典型行业超低排放改造和煤炭压减要求设置3种情景,估算了2020年安阳市工业源PM_(2. 5)减排潜力.结果表明,安阳市2016年工业源PM_(2. 5)排放总量为81 071. 13 t;有色冶金、钢铁和建材行业是安阳市PM_(2. 5)主要贡献源,分别占总排放量的45. 43%、25. 74%和18. 00%;安阳市各乡镇排放差异突出,PM_(2. 5)排放主要集中在市区及林州市和安阳县,且以安阳市区排放量最为突出,而安阳市区的4个辖区的排放强度差异更为巨大;通过设定不同控制情景,估算2020年安阳市PM_(2. 5)减排潜力分别为398. 72、11 623. 87和14 072. 27 t,分别占2016年工业源排放总量的0. 49%、14. 34%和17. 22%.可见,安阳市PM_(2. 5)具有较大减排潜力,超低排放改造和煤炭压减对安阳市PM_(2. 5)减排具有重要意义.