济南市四季PM_(10)、PM_(2.5)输送来源及其传输过程

利用HYSPLIT模型计算出济南市2012年全年逐日72 h的气流后向轨迹。对四季的气流轨迹做聚类分析得到抵达济南市的5种轨迹类型,结合PM10、PM2.5的日均浓度资料,计算潜在源的贡献作用和浓度权重轨迹,得到影响济南市四季PM10和PM2.5浓度的潜在源区以及不同潜在源区,对济南市四季的PM10和PM2.5浓度的贡献。结果表明:四季PM10的潜在源区和PM2.5的潜在源区分布大体相同。四季的PM10和PM2.5的潜在源区都包括济南市的周边地区,该区域对济南市日均的ρ(PM10)和ρ(PM2.5)的贡献分别在0.1、0.06 mg/m3以上。春季,2种污染物的潜在源区为江苏北部源区。夏季,其污染物潜在源区为山东省南部源区与江苏北部源区。秋季,2种污染物的潜在源区主要分布在河北南部、河南东部、江苏北部等地区;冬季,其污染物潜在源区主要分布在津冀鲁交界地区、河南东部、安徽北部等地区。     

杭州市临平地区PM2.5和PM10污染特征分析研究

利用TEOM 1405-F和TEOM 1405颗粒物实时监测仪,研究了2013年12月至2014年5月临平地区PM2.5和PM10质量浓度实时变化特征,并结合气象五参数观测资料,对影响大气颗粒物分布特征的因素进行了分析,研究结果发现:冬季PM2.5和PM10的日均质量浓度明显大于春季,冬季PM2.5日均质量浓度范围为17.0 ～ 349.1 μg/m3,PM10日均质量浓度范围为18.8～516.9μg/m3,春季PM2.5日均质量浓度范围为20.4～167.6μg/m3,PM10日均质量浓度范围为38.2 ～243.3μg/m3;通过线性回归分析发现PM25和PM10存在较好的线性关系,说明PM10相对固定的受到PM2.5的影响,且污染物来源稳定;冬季PM2.5和PM10日均质量浓度存在三峰值波动状态,而春季PM2.5和PM10日均质量浓度存在双峰值波动状态;较大的风速、较高的气压和降水对于颗粒物的清除效果明显.     

云南宣威燃煤室内可吸入颗粒物质量浓度变化特征

应用中流量采样器TSP-PM10-PM2.5对我国肺癌高发区宣威地区6个乡村19家农户进行采样,运用滤膜称重法来分析不同燃料类型室内及相应室外的大气颗粒物质量浓度特征.结果显示,各村庄室内、室外PM10质量浓度比值(I/O)变化范围为1.74~2.87,说明室内PM10污染主要由室内污染源引起;做饭时段室内PM10污染比其他时段严重,尽管烟囱可以将大量的污染物排出室外,但室内颗粒物的质量浓度依然较高.室内PM10质量浓度依燃料类型从高到低依次为块煤用户>型煤用户>燃柴用户>用电用户,室内PM2.5质量浓度依燃料类型从高到低表现为块煤用户>燃柴用户>用电用户;块煤、型煤用户的室内PM10的质量浓度平均值(442.49μg/m3、399.14μg/m3)超过国家室内空气质量标准日均值150μg/m3,污染严重;燃柴和用电用户室内PM10的质量浓度平均值(145.50μg/m3、119.91μg/m3)低于国家室内空气质量标准日均值150μg/m3,污染较轻.块煤用户PM2.5质量浓度日均值(132.58μg/m3)超过2012年2月29日环境保护部发布的环境空气质量标准二级标准75μg/m3,而燃柴和用电户PM2.5的质量浓度(55.24μg/m3、65.02μg/m3)均低于环境空气质量标准二级标准75μg/m3,说明块煤用户室内细颗粒污染较重,用电和燃柴用户室内细颗粒物污染相对较轻.     

郑州市冬季大气PM_(2.5)传输路径和潜在源分析

针对郑州市2017年12月~2018年2月的冬季气象数据和大气污染物质量浓度在线监测数据,分析了气象条件对颗粒物浓度的影响。通过混合型单粒子拉格朗日综合轨迹(HYSPLIT)方法模拟了郑州市冬季48 h的气流后向轨迹,同时进行了聚类分析,并使用潜在源贡献因子(PSCF)方法和浓度权重轨迹(CWT)方法分析了郑州市冬季PM2.5的潜在污染来源和不同潜在源区对郑州市大气PM2.5浓度的贡献。结果表明,低风速、高湿度和较少的降水是造成颗粒物污染严重的重要气象因素;超过60%的后向轨迹来自西北方向,其次是来自京津地区的轨迹占比为25.6%,而来自南边和东边的轨迹只占7.5%和6.1%,但对应着较高的PM2.5浓度;郑州市冬季PM2.5的潜在源区主要是北部的京津冀传输通道城市,包括焦作、开封、新乡、鹤壁、濮阳、安阳、邯郸和邢台,此外,相邻省份包括山西省、湖北省和安徽省部分区域对郑州市大气PM2.5污染水平也有着较大的影响和贡献。     

南京市大气中PM10、PM2.5日污染特征

于2001年秋季(11月)、夏季(8月)对南京市五大典型功能区的大气颗粒物(PMl0、PM2.5)进行了监测研究。结果发现，南京市颗粒物污染严重，PMl0、PM2．5的超标率分别达到了65％、85％；颗粒物浓度季节变化大，11月污染物浓度明显大于8月，PMl0、PM2．5分别相差l68.44μg／m^3、190．1μg／m^3；PMl0中PM2．5比重较大，大约为75．9％，对人体健康潜在危害大。     

银川市PM2.5的输送路径及潜在源解析

基于2015~2017年银川市PM_2.5逐小时质量浓度和同期气象数据,采用气流后向轨迹聚类分析法、潜在来源贡献函数法（PSCF）和浓度权重轨迹分析法（CWT）研究银川市PM_2.5的输送路径及潜在源分布.结果表明：2013~2018年银川市大气PM_2.5质量浓度呈先升高后下降的趋势,其中2016年PM_2.5浓度年均值最高（54.25±20.91）μg/m³;在四季变化中,冬季PM_2.5浓度最高（75.11±29.21）μg/m³,夏季最低（31.83±7.09）μg/m³.聚类分析表明西北方向气流是银川市四季PM_2.5主要的输送路径,在春、秋、冬3季PM_2.5均为西北长距离输送路径;而在夏季,短距离输送气流是PM_2.5主要的输送方式.PSCF与CWT分析表明,冬季PM_2.5潜在源区范围最大,主要集中在西北-东南走向的潜在贡献源区带,包括新疆中东部、青海省北部、河西走廊地区、内蒙古西南部、甘肃省南部以及宁夏西北部;春、秋两季PM_2.5潜在源区主要位于新疆东部与甘肃省交界区域、甘肃省东南部、湖北北部、陕西西南部以及重庆北部;夏季的潜在源区范围最小,主要集中在新疆东部与甘肃交界区域.在PM_2.5重污染天气期间,其主要来源于西北方向气流,潜在源区主要分布在新疆东部与甘肃交界区域、内蒙古西南部与甘肃交界区域以及甘肃中南部地区.因此,在实施防风固沙的基础上,加强区域环境合作,实施大气污染联合防治,可以有效缓解银川乃至京津冀地区的大气污染.     

北京大气气溶胶中有机碳及可萃取有机卤素污染物

研究了2002年5月～2003年4月北京城区大气中PM2.5和PM10中有机碳(OC)及可萃取有机卤素污染物(EOX)的浓度.结果表明,PM10和PM2.5的年均值分别为172.8μg/m3和110.9μg/m3,分别是美国年均值标准(PM10, 50μg/m3; PM2.5, 15μg/m3)的3.5倍和7.4倍,说明污染相当严重;PM2.5与PM10中OC的月均浓度分别为9.1～33.9μg/m3和13.1～46.2μg/m3,冬季大气中OC的浓度最高,夏季最低; PM2.5中OC和EOX的百分含量高于PM10,细粒子更易于富集有机污染物; PM2.5和PM10中EOX的含量顺序为EOCl>> EOBr(EOI),约有73%～88%和69%～91%的EOX为EOCl,大气中的有机卤素污染物主要为有机氯污染物;PM2.5中OC与EOX的含量变化趋势一致,细颗粒物中OC对EOX的含量起到了控制作用,PM10中OC对EOX的含量影响有限.     

EPA关于细颗粒物的新标准继续引发争议

十余年来,EPA关注的环境空气中的重点污染物始终是细颗粒物(PM2.5)和臭氧,但是关于它们的标准始终存在争议.2006年9月21日EPA仍然宣布PM2.5的标准为年平均值15μg/m3,并把日最大容许值从1997年的65μg/m3下调为35μg/m3.卫生和环境团体认为新的细颗粒物限值不足以保护人群健康,特别是吸入细颗粒物后引起的心血管影     

皖南地区铜陵市大气颗粒物污染特征及潜在源研究

利用2018年3月—2021年2月环境和气象数据对皖南地区铜陵市大气颗粒物的污染特征和潜在贡献源进行了系统性研究.铜陵市大气颗粒物污染具有明显的季节变化特征,冬季污染物浓度最高,PM_2.5和PM₁₀平均为（60.3±31.0）μg·m^-3和（89.2±42.2）μg·m^-3.计算发现PM_2.5/PM₁₀超过0.5,铜陵市的大气颗粒物污染问题与细颗粒物关系密切.后向轨迹聚类分析表明铜陵市大气颗粒物的输送路径具有季节性差异.春季以西北、东北和西南方向气流为主,占比83.73%;夏季以东南和南部方向气流为主,占比82.90%;秋季以东北气流为主,占比51.00%;冬季则是以北方和西北气流为主,占比69.81%.其中,冬季气流轨迹所对应的PM_2.5和PM₁₀的浓度最高,平均为59.7和92.0μg·m^-3;夏季最低,平均为23.8和43.8μg·m^-3.潜在源贡献因子（WPSC...     

北京市2009年8月大气颗粒物污染特征

为研究2008年8月北京奥运会1a之后北京市大气颗粒物的污染特征,于2009年8月对北京市大气颗粒物PM10、PM2.5样品进行采集,测量其质量浓度并对其中的水溶性离子组分进行分析.研究发现2009年8月北京市大气颗粒物PM10、PM2.5质量浓度日均值分别为176.9μg/m3和102.5μg/m3.PM10质量浓度比2008年观测值上升了180%,比2007年降低了10%; PM2.5质量浓度比2008年观测值上升了126%,比2007年上升了31%.水溶性离子是大气颗粒物的重要组分,分别占PM10和PM2.5质量浓度的43%和61%.对比发现,污染天气条件下PM2.5/PM10和NO3-/SO42-比值升高,移动源是北京地区主要的污染物来源.风向风速和降水等天气条件对颗粒物质量浓度有很大影响,其中0.5~1.0m/s的东南风条件下大气颗粒物污染最为严重.     

沈阳市冬季一次严重污染天气过程成因分析

为探讨沈阳市冬季重污染天气的初步成因。以2013年1月11日~16日沈阳市发生的一次严重污染天气为例,利用中国气象局的MICAPS系统和美国的HYSPLT模式,从污染形成的天气背景、污染物扩散受地形的影响情况以及外来污染物输送的气流轨迹等几方面综合分析,从而探讨此次严重污染过程的成因:长白山小高压和西部倒槽双重系统的控制下,地面吹东北风,风速较小,湿度大,不利于污染物的水平扩散;有较强接地逆温存在时,不利于污染物的垂直扩散,导致近地面污染物累积;受来自于北部和东北部低层气流的影响,将内蒙古、辽宁东北部的污染物携带到沈阳地区汇聚。     

太原市大气PM2.5季节传输路径和潜在源分析

为了研究太原市大气PM_2.5不同季节的传输路径和污染源区,利用HYSPLIT后向轨迹模型和NCEP的GDAS全球气象要素数据,对2017~2018年不同季节太原市逐日48h气流后向轨迹进行聚类分析,同时结合小时污染物质量浓度数据,分析不同季节太原市PM_2.5的潜在源贡献因子（WPSCF）和浓度权重轨迹（WCWT）.结果表明,太原市PM_2.5的质量浓度在季节上呈现冬季（77.56μg/m³） > 秋季（69.89μg/m³） > 春季（63.78μg/m³） > 夏季（45.51μg/m³）的变化趋势.PM_2.5与SO₂、NO₂和CO之间存在明显的同源性和二次转化过程.春、秋和冬季大气传输路径主要以西和西北方向近距离、慢移速的轨迹为主,夏季以南和东方向轨迹为主.PM_2.5潜在源区季节变化明显：夏季主要受太原本地和晋中地区的影响;春、秋和冬季主要受陕西中北部、吕梁、临汾和晋中等地的影响.     

2019年秋冬季京津冀与周边地区污染传输特征分析

本研究结合大气环境观测数据,应用潜在源分析法(PSCF)和浓度权重轨迹分析法(CWT),以及基于WRF-CMAQ模式的传输矩阵和传输通量计算方法,研究分析了2019年秋冬季京津冀典型城市的大气污染特征与成因,量化评估了京津冀地区与周边省份之间的PM_2.5传输贡献.结果表明,京津冀地区冬季较秋季污染严重,且重污染时段PM_2.5浓度均与相对湿度呈显著的正相关,和风速呈显著的负相关;京津冀典型城市北京、天津和石家庄的潜在源区主要分布在京津冀本地、山西、内蒙古中部地区和山东地区,这与CWT结果基本吻合.京津冀各省域的PM_2.5以本地排放贡献为主,北京、天津和河北的本地贡献率范围为54.33%~66.01%,京津冀受区域外传输的贡献率范围为0.11%~26.54%.传输通量结果表明,冬季PM_2.5的传输主要受高空西北气流的作用,尤其清洁天气,高风速驱动清洁气团流入;秋季则主要受低空东南气流作用;传输通量呈现出显著的垂直分布特征,高空区域传输作用更为活跃,传输通量的流入/流出以及垂直分布与污染级别和RH呈现非线性响应关系,主导风向变化导致重污染前的传输效应明显大于重污染期间,高湿环境的传输效应明显小于低湿环境.     

京津冀及周边减排对北京市PM2.5浓度下降评估研究

利用第三代区域空气质量模式CMAQ (Community Multiscale Air Quality)及京津冀地区高分辨的污染源排放清单,基于2011年、2012年和2013年秋冬季美国国家环境预报中心全球再分析资料的气象条件分析,选取2012年10月1日至12月30日作为代表性时段,模拟了PM2.5的浓度变化趋势,同时根据《京津冀及周边地区落实大气污染防治行动计划实施细则》和2012年到2017年污染源减排控制目标,进行了减排效果评估分析.结果显示,模式系统能较好捕捉PM2.5浓度的变化趋势,海淀站和上甸子站观测与模拟值的相关系数分别为0.71和0.63.主要污染源和污染物排放量削减30%~40%后,北京市PM2.5浓度发生了明显降低,海淀站、上甸子站和城六区的平均浓度下降率分别为(24.9±2.3)%,(20.2±2.7)%和(24.8±2.1)%.如果严格执行《京津冀及周边地区落实大气污染防治行动计划实施细则》,在气象条件和2012年相似情况下,到2017年,北京市城区PM2.5年均浓度控制在60μg/m3内的防治目标可以实现.     

广州市PM_2.5和PM_1.0质量浓度变化特征

文章报道了2005年干季和2006年湿季广州市大气细粒子PM2.5和PM1.0质量浓度的实时监测情况。监测结果表明:干季监测点PM2.5日均质量浓度在11.8～164.0μg/m3之间,总平均值为81.7μg/m3;湿季日均质量浓度在19.9～121.2μg/m3之间,总平均值为57.7μg/m3。干季PM1.0日均质量浓度变化范围为14.9～129.1μg/m3,总平均值为59.4μg/m3;湿季日均质量浓度在11.9～86.7μg/m3之间,总平均值为52.9μg/m3。对比发现,PM1.0总平均质量浓度在干、湿季相差很小,且与湿季PM2.5总平均质量浓度也相差不大,显示PM1.0具有相对固定成因来源且基本不受季节变化影响,而且湿季PM2.5的组成主要由PM1.0大气细粒子构成。干季PM2.5和PM1.0质量浓度日变化特征呈明显夜间高、白天低的特点,质量浓度的最大值都出现在晚上21:00左右;湿季由于雨水频繁,没有明显的日变化特征。气象分析表明,干季大气细粒子质量浓度主要受冷空气影响,而湿季主要受降雨影响。     

北京市区春夏PM2.5和PM10浓度变化特征研究

通过对北京市2012年3月～6月PM2.5和PM10实时数据的整理和分析,结果表明,北京市区大气中细颗粒物PM2.5和可吸入颗粒物PM10浓度日变化趋势基本相同,PM2.5和PM10存在显著或极显著的正相关关系;3月～6月,PM2.5浓度随季节变化逐渐升高,PM10的浓度随季节变化先升高后减小;3月～6月PM2.5与PM10日平均浓度分别为62.77μg/m3和133.88μg/m3,分别为国家二级标准的83.69%和89.25%。     

北京地区大气颗粒物输送路径及潜在源分析

利用TrajStat软件和全球资料同化系统数据,计算了2005~2016年北京市逐日72h气流后向轨迹,采用聚类分析方法,结合北京同期PM_2.5逐日质量浓度数据,分析北京市年及四季后向气流轨迹特征及其对北京市颗粒物浓度的影响,运用潜在源贡献因子分析法（PSCF）和浓度权重轨迹分析法（CWT）,探讨研究时期内不同季节影响北京市颗粒物质量浓度的潜在源区以及不同源区对北京颗粒物质量浓度的贡献.结果表明,就全年而言,西北输送气流占总轨迹的比例最高,达59.97%,且其输送距离最远、输送高度最高、移速最快.输送高度最低、距离最短、移速最慢的东南气流占比次之,为27.64%,东北气流占比最低为12.40%,其移速和输送距离介于前两者之间.主要污染轨迹来自山东、河北,其次为来自俄罗斯、蒙古国和内蒙古荒漠戈壁地区的西北气流.PSCF和CWT分析发现,蒙中、晋中、冀西南、豫北及鲁西是影响北京PM_2.5的主要潜在区域.而不同季节、不同输送路径对北京PM_2.5污染影响的差异显著,春季主要受来自蒙晋交界区域的短距离输送气流影响,潜在源区位于冀南、鲁西、豫东和皖西北地区,夏季污染轨迹来自鲁、晋地区,潜在源区为豫东北、皖北和苏北地区;秋季主要受来自冀南地区的短距离气流影响,潜在源区为晋北、冀南、豫北和鲁西地区,冬季主要受来自蒙古国中西部和蒙中地区的远距离输送气流影响,潜在源区主要在冀南、鲁西、豫北、晋和蒙西地区.     

哈尔滨市一次大气污染过程及潜在源分析

本研究以2018年12月10~13日哈尔滨市一次严重的空气污染事件为研究对象,分析了此次污染过程的概况、成因以及污染的潜在源区.结果表明：此次空气污染过程以PM_2.5影响为主,污染类型由10日00：00~11日17：00的偏燃煤型发展为11日17：00~13日15：00的二次气溶胶复合污染,最终在13日15：00后稳定为偏燃煤型.从天气形势和风速风向分析可知此次10~13日的污染过程与不利气象扩散条件也是密不可分的.模拟的48h后向轨迹经过聚类分析主要分为4类,大部分来自内蒙古、吉林等方向,70.83%的轨迹PM_2.5超标,表明来自这些方向的污染气团对哈尔滨市的空气质量影响较大;而通过对模拟的48h后向轨迹进行PSCF、CWT分析,发现哈尔滨的WPSCF和WCWT分布特征类似,WPSCF和WCWT的高值主要集中在哈尔滨本地的双城、巴彦、阿城、吉林省的中部、西部地区等地区,以及大庆、绥化等地区,说明这些区域都是哈尔滨市PM_2.5的潜在源地.     

汾渭平原秋冬季PM2.5化学组分特征及其来源

汾渭平原是我国空气污染最严重的区域之一,2018年被列为重点区域. 本研究针对汾渭平原11城市开展PM_2.5化学组分连续观测,分析PM_2.5浓度和主要化学组分的时空分布规律,并利用PMF模型解析PM_2.5污染来源. 结果表明:①2018—2019年秋冬季汾渭平原11城市ρ(PM_2.5)平均值为(101.4±65.4)μg/m3,是京津冀及周边地区“2+26”城市的1.1倍. 临汾市ρ(PM_2.5)最高(216.8 μg/m3),是汾渭平原的2.1倍. ②2018—2019年秋冬季汾渭平原PM_2.5的主要化学组分是有机物、硝酸根离子、地壳物质和硫酸根离子,其中地壳物质占比是京津冀及周边地区的1.6倍. ③受污染物排放、气象条件以及地理位置的影响,汾渭平原PM_2.5中有机物、硝酸根离子、地壳物质、硫酸根离子、铵根离子和氯离子的空间分布具有明显的差异性. ④随着污染的加重,硝酸根离子、硫酸根离子和氯离子在PM_2.5中的占比均逐渐增加,地壳物质、元素碳、微量元素等与一次排放相关的组分占比随污染加重逐渐减少,表明污染期间燃煤源管控仍需进一步加严,而对扬尘源和机动车等污染源的管控起到了良好的效果. ⑤重污染过程期间,相对湿度增加、风速减小是影响PM_2.5浓度上升的客观因素,二次组分以及与燃煤源和生物质燃烧源有关的化学组分的增长是影响PM_2.5浓度上升的重要原因,二次源和燃烧源是PM_2.5的主要来源. 研究显示,汾渭平原秋冬季PM_2.5污染较重,尤其需要关注燃烧源的管控.