南京市大气PM2.5时空分布特征与潜在源区贡献分析

对2017年南京市区7个自动空气质量监测点的PM_(2.5)质量浓度ρ(PM_(2.5))数据进行分析,采用克里金(Kringing)空间插值法、气流运动轨迹聚类、潜在源贡献因子法(PSCF)和浓度权重轨迹分析法(CWT)探讨了四季大气中ρ(PM_(2.5))的时空分布特征和潜在来源。结果显示,四季大气中ρ(PM_(2.5))均值由高到低依次为冬季(65. 54μg/m~3)、春季(41. 70μg/m~3)、秋季(35. 18μg/m~3)和夏季(23. 56μg/m~3),秦淮区四季大气中ρ(PM_(2.5))均最高。春季南京大气中ρ(PM_(2.5))易受黄海海岸和北方大陆性输送气流的影响,来自黄海方向的气流轨迹2贡献比例达51. 65%,对应的ρ(PM_(2.5))为50. 91μg/m~3;夏季南京大气中ρ(PM_(2.5))主要受江苏、东部海洋和南部沿海城市输送气流的影响,其中源自江苏的气流轨迹1对南京大气PM_(2.5)贡献比例最大(33. 64%),气流轨迹对应的ρ(PM_(2.5))为35μg/m~3;秋季南京大气中ρ(PM_(2.5))易受短距离的偏北气流影响,来自山西南部,河南中部、安徽中部的气流轨迹5对应的ρ(PM_(2.5))最高,出现概率(21. 11%)和贡献比例(27. 81%)均较高;冬季南京大气中ρ(PM_(2.5))主要受北方大陆性输送气流影响,来自俄罗斯、蒙古国东部、河北北部、北京、天津、山东中部的长距离气流轨迹4对应的ρ(PM_(2.5))最高,达109. 8μg/m~3,其贡献比例为26. 86%。PSCF和CWT分析发现,安徽、山东、浙江与江苏交界和黄海海岸是影响南京市空气质量的主要潜在源区,此外,湖北、北京、天津以及渤海海岸也是南京大气PM_(2.5)的潜在源区。     

北京城区PM_(2.5)输送途径与潜在源区贡献的四季差异分析

利用HYSPLIT后向轨迹模式和NCEP的GDAS气象数据(2014年5月1日~2015年4月30日),对抵达北京城区的逐小时3日气流后向轨迹按季节聚类,并结合PM_(2.5)质量浓度地基观测数据,分析不同输送途径的空间特征及其对北京城区PM_(2.5)聚集的贡献.利用潜在源贡献作用(PSCF)和浓度权重轨迹(CWT)分析方法,揭示研究期内北京城区不同季节PM_(2.5)的潜在源区分布及其贡献特性.结果表明:北京城区PM_(2.5)输送途径的季节特征明显,不同输送途径对北京城区PM_(2.5)的贡献差异显著.春季贡献源区主要位于中国西部地区、华北及黄淮平原,夏季贡献源区主要位于山东、苏北及黄海地区,秋季主要位于冀南、鲁西、鲁中及苏鲁豫皖交界地区,冬季主要位于冀南、鲁西北、晋北、陕西、内蒙中部及蒙古国南部.来自山东与冀南的气流轨迹四季均对应PM_(2.5)高值;冬春两季来自西北的气流轨迹也对应较高PM_(2.5)值.     

APEC前后北京郊区大气颗粒物变化特征及其潜在源区分析

为分析2014年APE(Asia-Pacific Economic Cooperation)会议前后北京郊区大气颗粒物数浓度和质量浓度的变化特征及其主要影响因素,于当年11月在北京怀柔区中国科学院大学雁栖湖校区教学一楼楼顶利用微量振荡天平(TEOM)、扫描电迁移率颗粒物粒径谱仪(SMPS)和空气动力学粒径谱仪(APS)对大气颗粒物质量浓度和数浓度分布进行连续在线监测;同时结合地面气象参数和HYSPLIT轨迹模式,对颗粒物的来源和传输过程进行聚类、潜在源区贡献因子(PSCF)和浓度权重轨迹(CWT)分析.结果表明,APEC期间(11月5—11日)超细粒子(PM_(0.01～1))数浓度、细粒子(PM_(0.5～2.5))数浓度和粗粒子(PM_(2.5～10))数浓度分别为(17720.1±998.7)、(30.9±3.34)和(0.12±0.01) cm~(-3),比非APEC期间(即11月1—4日和11月12—30日)分别降低了28.8%、58.6%和64.7%;APEC期间ρ(PM_(2.5))为(36.1±2.4)μg·m~(-3),比非APEC期间降低55.5%.PM_(0.5～2.5)数浓度和PM_(2.5～10)数浓度降幅远大于PM_(0.01～1)数浓度,这表明APEC期间的减排措施对于PM_(0.5～2.5)和PM_(2.5～10)的控制效果优于PM_(0.01～1),说明APEC期间对PM_(0.5～2.5)、PM_(2.5～10)数浓度进行了更有效的控制.对北京气流后向轨迹聚类分析发现,来自蒙古国、内蒙古、河北西北部、河北南部方向的气流轨迹对应北京郊区的PM_(0.01～1)数浓度最高,为30593 cm~(-3),来自河北西北部、北京、天津、河北南部方向的气流轨迹对应北京郊区的PM_(0.5～2.5)、PM_(2.5～10)的数浓度及ρ(PM_(2.5))均为最高,分别为190 cm~(-3)、0.65 cm~(-3)、168μg·m~(-3).综合潜在源区贡献因子分析法(PSCF)和浓度权重轨迹分析(CWT)的结果分析发现,观测期间北京PM_(0.01～1)与PM_(0.5～2.5)、PM_(2.5～10)的潜在源区存在明显的区别,其中PM_(0.01～1)数浓度的潜在源区分布区域相对较广,主要分布在内蒙古中部、河北西北部、河北中南部和山西东北部等地区,而PM_(0.5～2.5)和PM_(2.5～10)数浓度的潜在源区分布基本一致,而且区域相对较集中,主要分布在河北北部、山西东北部和河北中南部等地区.APEC期间与非APEC期间ρ(PM_(2.5))的源区贡献因子分析和浓度权重轨迹分析表明,APEC期间ρ(PM_(2.5))的主要源区分布比非APEC期间相对较集中,主要位于北京当地、天津等附近地区,该地区对观测点ρ(PM_(2.5))的贡献值在24～40μg·m~(-3)之间.     

川南自贡市大气颗粒物污染特征及传输路径与潜在源分析

川南自贡市大气颗粒物污染比较严重, 2015～2018年PM_(10)和PM_(2.5)平均浓度分别为(95.42±9.53)μg·m~(-3)和(65.95±6.98)μg·m~(-3),并有明显的下降趋势,冬季PM_(10)和PM_(2.5)浓度远高于其它季节, 1月平均浓度最高,分别为(138.08±52.29)μg·m~(-3)和(108.50±18.05)μg·m~(-3),夏季平均浓度最低.PM_(2.5)与PM_(10)的平均比值为69.12%,冬季比值约为夏季的1.17倍,空气污染以PM_(2.5)为主.采用拉格朗日混合单粒子轨迹模型(HYSPLIT)和全球资料同化系统的GDAS气象数据,对自贡市细颗粒物(PM_(2.5))浓度和逐日72 h后向轨迹进行计算和聚类研究,利用潜在源贡献分析法(PSCF)和浓度权重轨迹分析法(CWT),探讨不同季节影响自贡市PM_(2.5)浓度的潜在源区以及不同源区的污染贡献.结果表明,自贡市近地面四季多受东南风、偏西风和西北风控制,高浓度PM_(2.5)多出现在0～2 m·s~(-1)的低风速区;不同季节、不同输送路径对自贡PM_(2.5)污染影响的差异显著,春季主要受到来自偏西和偏北方向短距离输送气流的影响,夏季污染轨迹主要来自短距离输送的东南气流,秋季主要受来自资阳,经遂宁、重庆和内江的短距离输送气流的影响,冬季除受到资阳、遂宁和内江等周边城市的影响外,还受到来自西藏中部的远距离输送气流影响;除夏季外,自贡市潜在源区主要位于重庆西部与川南交界区域,冬季的主要贡献区范围最广、贡献程度最大,夏季潜在源区范围最小且贡献程度最弱.     

衡阳市冬季PM2.5外来输送特征及潜在源分析

利用HYSPLIT模型的后向轨迹模式,结合GDAS气象数据、衡阳市PM_(2.5)质量浓度数据,分析了衡阳市2015—2017年冬季外来气团后向轨迹分布特征,并运用后向轨迹模式中的聚类分析法、潜在源分析法(PSCF)、浓度权重分析法(CWT),分析了衡阳市冬季PM_(2.5)外来输送通道及潜在源分布情况。结果表明:衡阳市冬季外来气团后向轨迹主要来自偏北方向,移动速度较慢,100 m高度的PM_(2.5)外来输送路径较集中,以近距离输送为主; 500 m高度的输送路径较分散且更长,长距离输送的影响增大。聚类分析显示,来自东北方向的聚类轨迹出现频率最高,该类轨迹移动方向是PM_(2.5)外来输送的主要通道方向。潜在源分析显示,衡阳市冬季PM_(2.5)外来输送以区域输送为主,对浓度影响较大,湘东、湘南、赣西、湘赣交界处、桂东北、豫南地区为PM_(2.5)外来输送的主要潜在源区,湘南、湘东北、赣西地区是高浓度外来输送潜在源区。     

广州市PM2.5污染特征及潜在贡献源区分析

基于NCEP/NCAR全球再分析气象资料和2015-2017年PM_(2.5)浓度,利用HYSPLIT模型研究不同气流轨迹对广州PM_(2.5)浓度的影响,以及污染输送路径和潜在源区空间分布特征。结果表明:(1)广州2015-2017年PM_(2.5)平均浓度为36.5μg/m~3,逐月平均PM_(2.5)浓度1月份最高,为49.3μg/m~3,轻度污染及以上时次比例达15.66%,6月份最低,为20.8μg/m~3,无轻度及以上污染时次。(2)PM_(2.5)平均浓度在不同情景类型下的浓度高低顺序依次为:污染日干季清洁日湿季,其中污染日的PM_(2.5)平均浓度是清洁日的近3倍,干季的PM_(2.5)平均浓度是湿季的1.4倍;不同情景类型下的PM_(2.5)浓度日变化特征基本都在白天时段低(16时最低),晚上时段高(21-22时最高),日变化幅度为污染日干季清洁日湿季。(3)在干季,影响广州的气流轨迹路径主要有5类:东北路径、东南路径、西北路径、西南路径及偏西路径,其中第2类东南路径对广州PM_(2.5)平均浓度的贡献最高;而在湿季,影响广州的气流轨迹路径主要有4类:偏南路径、东南路径、偏北路径及西南路径,其中第3类偏北路径对广州PM_(2.5)浓度的贡献最高。(4)基于潜在源贡献因子和浓度权重轨迹分析法分析表明,广州PM_(2.5)浓度潜在源贡献较大的区域主要集中在广州东部的东莞、惠州、深圳、肇庆、中山等周边地区,该研究可为确定广州污染潜在源贡献区以及区域联防联控提供参考。     

重庆市冬季PM_(2.5)输送特征及污染源地解析

利用全球资料同化系统数据(GDAS)和PM_(2.5)实测浓度数据,使用HYSPLIT模型和Trajstat插件的聚类方法和聚类统计模块对2015年12月-2016年2月间到达缙云山空气质量监测站的28个不同气流高度气流进行聚类分析;结合Arc GIS软件计算气流速度和气流密度,以分析山体对PM_(2.5)跨区域输送的影响;运用潜在源贡献(PSCF)分析法及浓度权重轨迹(CWT)分析缙云山PM_(2.5)潜在源贡献率和轨迹权重浓度。结果表明:重庆主城主要受西部气流影响,主城PM_(2.5)异地源多来自该方向;高大山体会减缓气流运行速度,增大气流轨迹密度,阻碍PM_(2.5)的跨区域传输,PM_(2.5)浓度、输送速度和输送方向等会发生改变,山地城市PM_(2.5)浓度受气流输送影响小于平原城市;铜锣山以西重庆段是缙云山PM_(2.5)的极重要源区,源贡献率达到80%以上,重要源区多在四川与重庆接壤区域,横断山脉部分区域气流潜在源贡献率较高。PM_(2.5)的PSCF和CWT分布区域类似,气流轨迹浓度最大值区多位于极重要源区,随着源区重要性等级的减弱,浓度也逐步降低。     

长沙市冬季重污染过程PM2.5污染特征和潜在源分析

文章针对2019年12月长沙市冬季气象数据和大气污染物质量浓度在线监测数据,分析大气污染特征及气象因素,通过HYSPLIT后向轨迹模型和NCEP的GDAS气象数据对12月及污染过程的3个阶段逐时72 h气流后向轨迹进行聚类,利用潜在源贡献因子(PSCF)和浓度权重轨迹(CWT)揭示长沙市冬季PM_(2.5)的潜在源区及其贡献特征。结果表明:12月长沙市PM_(2.5)平均浓度分别为77.12μg/m~3,其中阶段Ⅱ(185.9μg/m~3)阶段Ⅰ(80.9μg/m~3)阶段Ⅲ(59.1μg/m~3),相关性分析和特征雷达图表明,污染过程以一次颗粒物的排放为主;风速上升过程长沙市PM_(2.5)污染方位由西南方向南方转移,不利气象条件促进了污染过程PM_(2.5)的积累和爆发;聚类分析显示长沙市12月来自湘鄂交界处的轨迹3最频繁,来自福建和广东的轨迹4携带PM_(2.5)浓度最高。阶段Ⅰ偏燃煤型污染显著,受安徽、江西和湖南3个省份的气流轨迹影响;阶段Ⅱ偏二次型污染受福建和广东气流轨迹影响;阶段Ⅲ转变为偏综合型和其他类型污染,与北方气流占比相对阶段Ⅱ上升有关,主要受来自江西和福建交界处的轨迹1影响浓度和占比均为最大;WPSCF和WCWT结果显示,长沙市PM_(2.5)浓度的主要源区位于湖南西南、北部及广东、湖北等地。     

武汉市汉阳区大气污染特征及气象影响分析

为深入了解汉阳区大气污染现状,文章根据2018年12月-2019年11月汉阳区环境空气质量监测点污染物监测数据及同期气象数据,分析了大气污染特征、主要污染过程及气象条件影响。结果表明:汉阳区当前呈现出明显的季节性复合污染特征,春季和秋季PM_(10)、PM_(2.5)、O_3和NO_2等多种首要污染物并存,夏季和冬季则分别以O_3和PM_(2.5)为主;全年主要发生了以PM_(2.5)、O_3和NO_2为首要污染物的3类持续污染过程,PM_(2.5)污染程度最为严重,O_3次之,NO_2较轻;气象因素对污染物浓度具有重要影响,风速与主要污染物浓度均显著负相关,相对湿度主要与O_3显著负相关,温度与PM_(2.5)和NO_2显著负相关,而与O_3显著正相关,气压则和温度完全相反;气团轨迹聚类及潜在源区分析结果显示,汉阳区PM_(2.5)污染的潜在源区主要分布在湖北省中部和东部、江西省北部、山东省西南部以及鲁苏豫皖4省交界地区,O_3污染的潜在源区主要分布在湖北省中部和东部、安徽省西部以及长江三角洲的部分地区,NO_2污染的潜在源区主要分布浙江省西北部、安徽省南部以及长江中游城市群的部分地区。     

2013年12月中国中东部地区严重灰霾期间上海市颗粒物的输送途径及潜在源区贡献分析

2013年12月初中国中东部地区发生了入冬以来最为严重的一次长时间、大范围的高浓度颗粒物污染过程,期间上海市PM10小时浓度最大值超过700μg·m-3,PM2.5最大小时浓度超过600μg·m-3.为研究此次严重灰霾污染期间影响上海的污染气团的主要传输途径,采用HYSPLIT后向轨迹结合聚类分析方法,探讨了本次污染事件中到达上海的主要气团轨迹,结合上海城区在线观测的PM10小时浓度资料,通过计算潜在源贡献因子PSCF和浓度权重轨迹CWT,分析了影响上海2013年12月PM10质量浓度的潜在源区,并探讨了不同源区对上海市PM10质量浓度贡献的差异.结果表明,西北路径和北路径是污染事件中的主要输送通道,在到达上海的气团轨迹中,大陆气团和海洋气团分别占总轨迹的79.6%和20.4%,影响上海的潜在源区除长三角一带的江苏、浙江和安徽等人口密集,工业、重工业和交通污染严重的地区以外,山东、河北、河南等地对于上海城区颗粒物污染亦有一定贡献.研究表明,区域大气污染联防联控乃至跨区域联动对于应对当前频发的重污染态势具有极为重要的意义.     

郑州市冬季大气PM2.5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PM_(2.5)的潜在污染来源和不同潜在源区对郑州市大气PM_(2.5)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PM_(2.5)浓度;郑州市冬季PM_(2.5)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PM_(2.5)污染水平也有着较大的影响和贡献.     

基于LUR/BME的海岸带地区PM_(2.5)时空特性研究

以高程、距海距离、道路、归_化植被指数构建大区域土地利用回归模型LUR,并结合贝叶斯最大熵BME对LUR模型的残差进行时空分析,得到2015年中国沿海部分省市PM_(2.5)的时空分布.交叉验证结果表明在引入BME模型后R~2由0.36提高至0.85,均方根误差RMSE由23.53μg/m~3降低至11.08μg/m~3;整体海岸带地区以长江三角洲为界PM_(2.5)浓度呈现南低北高,且以京津冀及山东内陆区域秋冬季污染最为严重,同时以山东省为例进行各市室外人口空气污染暴露分析,表明沿内陆至近海,人均PM_(2.5)暴露浓度逐步递减,以济南85.5μg/m~3最高,沿海区域烟台,威海等地较低.     

北京冬季严重污染过程的PM_(2.5)污染特征和输送路径及潜在源区

对北京2015年11月26日~12月2日出现的PM_(2.5)严重污染过程进行研究,分析了此次事件的污染特征和气象条件,结合HYSPLIT模型,用聚类方法对研究期间抵达北京的地面(500m)和高空(3000m)逐时72h气流后向轨迹聚类,并分析了地面和高空方向上气流轨迹对北京PM_(2.5)浓度的影响.运用潜在源贡献因子分析法和浓度权重轨迹分析法分别模拟了此次PM_(2.5)的主要潜在源区.结果表明,研究期间,北京PM_(2.5)小时均浓度数值变化较大.低温,高湿度和微风为北京PM_(2.5)严重污染过程的出现创造了适宜条件.不同方向气流轨迹对北京PM_(2.5)的影响在空间上存在显著差异.西北方向气流是影响北京PM_(2.5)浓度的主要气流轨迹,而地面来自南部的气流对北京PM_(2.5)浓度的影响也不能忽视.对北京PM_(2.5)的WPSCF和WCWT分析表明,蒙古国中西部、新疆东部、内蒙古中西部、山西北部、河北和山东北部对北京PM_(2.5)质量浓度贡献分别在0.7,200μg/m3以上,表明这些地区是影响此次北京PM_(2.5)的重要潜在源区.     

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.     

2015年12月气流轨迹对长三角区域细颗粒物浓度和分布的影响

2015年12月中国长三角区域经历了4次高浓度、大范围、长时间的颗粒物污染.本研究基于HYSPLIT后向轨迹模式结合GDAS（Global Data Assimilation System,全球资料同化系统）气象数据和长三角区域15个主要城市的PM_2.5质量浓度数据,利用轨迹聚类、潜在源贡献因子法（Potential Source Contribution Function,PSCF）和浓度权重轨迹法（Concentration-Weighted Trajectory,CWT）分析了2015年12月长三角区域主要气流轨迹方向和重污染过程中细颗粒物的潜在来源分布,探讨了不同污染过程的气象特征和影响气团分布.结果表明,2015年12月长三角区域主要受到来自西北和北方气流影响（B、C、D类）,其出现概率分别为39.5%、20.0%和25.8%;西方内陆（A类）出现概率最低,仅为14.7%.西北内陆方向长距离输送（B类）对长三角区域空气质量影响较大,在此类气团主导下,长三角区域颗粒物（PM_2.5、PM₁₀）质量浓度和气态污染物（SO₂、NO₂、CO）质量浓度平均值分别为90.9、135.1、32.4、54.4和1200 μg·m^-3,且粗颗粒物比重较其它3类聚类高;经过东北海面气团（C类）携带的颗粒物浓度也较高,且PM_2.5/PM₁₀比值最高,可能是其水汽含量较高加剧了污染物的二次生成.PSCF和CWT分析结果表明,污染过程1（12月5-8日）期间,长三角区域PM_2.5浓度主要受内蒙东部、京津冀、山东和江苏东部等地影响;污染过程2（12月10-11日）和污染过程3（12月13-15日）期间,京津冀地区对长三角区域PM_2.5浓度的贡献都较低,污染过程2的主要潜在源区较为集中,主要为内蒙东部、辽宁、山东东部、江苏和上海;而污染过程3的潜在源区较广,内蒙西南地区、甘肃、山西、陕西、河南、河北南部、山东、安徽北部等地及长三角本地对区域PM_2.5浓度均有重要贡献;污染过程4（12月20-27日）持续时间最长,相较前3次污染过程,京津冀地区和西南地区对长三角区域PM_2.5浓度的贡献相对增加.总体来说,2015年12月4次污染过程期间长三角区域PM_2.5污染的潜在贡献源主要集中在华北和华东（长三角）地区,区域性污染和长距离输送对冬季长三角区域空气质量有重要影响.     

某钢厂大气PM_(2.5)污染特征与潜在源区贡献分析

基于2017年全年在某钢厂厂区4个特征点位进行的环境大气PM_(2.5)、PM_(10)和气象参数的在线监测数据,对一年中污染高发/非高发时段钢铁厂厂区内大气颗粒物的浓度水平、粒径分布、日均值变化趋势以及气象因素对浓度的影响进行了分析,并利用大气气团输送模拟及潜在污染源贡献(PSCF)分析探讨了厂区大气PM_(2.5)的外来输送和本地贡献情况。结果表明:2017年全年某钢厂厂区大气颗粒物以细颗粒物为主;4个站点大气PM_(2.5)日均值全年变化趋势一致,污染高发月份质量浓度均值高于非污染高发月份相应值;除2号站可能受到厂区生产活动排放的影响,PM_(2.5)浓度水平略高外,各站点相互间及与周边环境对照点的浓度保持在一致水平,亦未发现明显的污染物输出现象;冬季外来污染源输入对厂区大气PM_(2.5)浓度贡献较显著,其他季节应主要考虑本地排放影响。     

黄山顶夏季气溶胶数浓度特征及其输送潜在源区

利用轨迹聚类方法对2011年6~8月黄山光明顶的气团轨迹进行聚类分组,得到2011年夏季到达黄山顶的主要气团输送轨迹,结合黄山顶的气溶胶数浓度观测资料,分析不同类型输送轨迹与黄山顶积聚模态颗粒物数浓度的关系.利用潜在源贡献因子分析法PSCF(potential source contribution function analysis)定性分析了不同气团背景下黄山顶积聚模态颗粒物数浓度的潜在源区,最后结合浓度权重轨迹分析法CWT(concentration weighted field)定量分析不同潜在源区对黄山顶积聚模态颗粒物数浓度的贡献.结果表明,积聚模态颗粒物(0.5~1μm)数浓度约占0.5~20μm颗粒物数浓度的94.9%;黄山顶6~8月大陆气团的发生频率最高,约43.4%;影响黄山光明顶积聚模态颗粒物数浓度的潜在源区主要来自一些工业发达人口密集的城市群:湖北东部、安徽中部、河南、江西境内、两广交界处、湖南南部以及浙江北部地区.而垂直方向上,来自西北和西南方向高度约2~5km的自由对流层气团对黄山顶积聚模态粒子数浓度贡献较大.     

镇江市四季PM2.5污染特征与潜在源区分析

利用2017年3月1日—2018年2月28日镇江市环境监测站提供的逐时数据,对镇江市PM_(2. 5)污染特征进行分析,并结合HYSPLIT-后向轨迹模型,综合运用轨迹聚类及PSCF、CWT分析方法,计算了不同季节影响镇江城区PM_(2. 5)的主要气流输送路径及镇江市PM_(2. 5)的主要潜在源区。结果表明:镇江市PM_(2. 5)浓度季节分布特征明显,冬季PM_(2. 5)浓度最高,夏季最低。四季PM_(2. 5)浓度日变化均呈两峰一谷型分布,且夜间普遍高于白天,周末高于工作日。四季PM_(2. 5)浓度与NO_2、CO相关系数较高,表明工业排放与交通源可能是镇江市PM_(2. 5)的主要来源。镇江地区气流输送存在显著的季节变化特征:春季西北偏西及东北方向气流轨迹占主要优势;夏季气流主要来自东北、东南及西南方向;秋季以东北及偏东气流为主;冬季西北气流轨迹占绝对优势。镇江四季PM_(2. 5)浓度受本地及周边城市的局地污染输送影响较大,主要潜在源区集中分布在江苏本地及其周边的山东、安徽、浙江、上海等地。春、夏、秋季这些地区对镇江PM_(2. 5)浓度贡献值基本为35～75μg/m~3;冬季该贡献值较大,均在75μg/m~3以上,最高值可达到150μg/m~3以上;同时,冬季受北方污染输送影响,河北、京津冀等地也是主要潜在源区,贡献值为35～75μg/m~3。     

京津冀典型城市冬季工业源排放与PM_(2.5)污染关系

文章研究基于PM_(2.5)样品采集和水溶性离子测定,运用潜在源贡献分析法和WRF-CAMx模式识别分析了北京市和唐山市2017年1月PM_(2.5)的潜在源区和工业源传输矩阵,通过计算单位排放贡献,分析了京津冀典型工业源PM_(2.5)中一次颗粒物、硫酸盐和硝酸盐的区域贡献和分源贡献规律。结果表明,2017年1月北京和唐山PM_(2.5)浓度均高于国家二级标准,SNA占PM_(2.5)的32.85%～53.68%,且在污染时段,SNA及其前体物浓度均有明显提升;两地冬季潜在源主要受来自西北部内蒙古方向的远距离传输以及东南部渤海湾方向的中短距离传输这两部分污染源区的潜在影响,唐山受本地污染影响更大;从传输矩阵来看,北京和唐山的PM_(2.5)工业源外来贡献分别占总浓度的63.87%和8.66%,其中对北京PM_(2.5)浓度贡献较高的区域为唐山和京津冀中部地区,分别贡献了24.78%和21.18%,在污染日时段,受唐山和南部地区的PM_(2.5)传输贡献分别提升了5.27%和3.46%,受西北地区的影响减少了4.34%。对唐山贡献较高的区域为中部地区和东北部地区,为5.07%和2.10%,在污染日时段,外来传输贡献并没有显著波动(低于1%)。二次组分中,硝酸根的传输性最为显著;两地工业外来源单位排放贡献除却其各自周边地区较大以外,其西北传输通道沿线城市(张家口→北京→唐山)的单位排放贡献亦十分显著,且在这一通道上的外来输送,其第2层(非地面排放源)的单位排放贡献明显大于其他地区;从具体工业源来看,对北京市单位排放贡献最大的行业为其他工业源,对唐山则是冶金源。     

青岛市PM_(2.5)重污染天气演变过程分析

运用WRF-CMAQ模式对2016年1月1日~1月7日青岛市的PM_(2.5)重污染天气进行了模拟研究,分析了青岛市PM_(2.5)重污染形成、持续和清除过程的主要影响因素.与观测对比表明,模式能够较好地模拟出青岛市主要气象要素和近地面PM_(2.5)浓度的变化特征.在重污染形成期,持续的西南气流将山东南部、安徽、江苏等地PM_(2.5)及其前体物传输至青岛地区;逆温层的出现及大气边界层高度的降低使得输送至青岛地区的PM_(2.5)在近地面积累,浓度升高.由山东西南部、安徽北部、河南东部等地传输至山东西北部和京津冀地区的PM_(2.5)及其前体物,在重污染持续期沿近地面传输至青岛,加之液相化学过程生成了大量的二次气溶胶,导致PM_(2.5)浓度一直维持在200μg/m~3以上.重污染清除期,风速加大,水平传输作用加强,高浓度的PM_(2.5)污染带向下风向转移.区域传输对此次青岛市PM_(2.5)重污染事件具有重要贡献,3个时期的贡献率分别为87.0%、68.5%和57.6%.