污染源减排时刻和减排比例对北京市PM_(2.5)浓度的影响

利用Model-3/CMAQ及京津冀地区高分辨率排放源清单,选取文献[19]中污染峰值当天启动50%污染源削减方案的同时,进一步设置了3种污染源控制方案(峰值当天启动75%源削减;峰值日前1d、2d开始启动25%源削减),比较了峰值日前启动适量减排与峰值日当天启动大幅度减排的效果差异.结果表明:污染峰值当天启动50%、75%减排时,北京市PM2.5浓度下降率分布不均匀,高值区集中于PM2.5浓度高值区,减排后PM2.5浓度分布较减排前均匀.提前1~2d启动25%源削减时,峰值日北京市PM2.5浓度整体下降.城、郊PM2.5下降率均表现为当天减排50%小于提前1d开始减排25%;当天启动减排提高到75%时,城区PM2.5下降率大于提前2d启动25%减排,郊区表现为峰值前2d启动25%削减优于当天减排75%.将峰值前1d、2d启动25%减排分别与当天启动50%、75%减排时北京市峰值日PM2.5浓度下降率相减,北京市绝大部分区域下降率差值为正;峰值前1d、2d启动25%减排分别比峰值日启动50%、75%减排时北京市平均PM2.5多下降4.7μg/m3(6%)、2.9μg/m3(4%).综上所述,在污染峰值来临之前采取适量减排较污染当天才启动大幅度减排更有利于北京市整体空气质量达标.     

空气重污染应急措施对北京市PM2.5的削减效果评估

利用嵌套网格空气质量模式系统(NAQPMS)模拟了2013年1月10~14日一次典型的大气严重污染过程,并利用同期气象和污染物浓度的小时观测数据验证了NAQPMS的模拟结果.敏感性试验结果表明,在重污染期间,当仅实施《北京市空气重污染应急预案(试行)》一级预警中机动车单双号限行措施时,可削减北京PM2.5小时平均浓度4%~10%;当仅实施工业限产减排30%的措施时,可削减北京PM2.5小时平均浓度1%~6%;当同时实施机动车单双号限行和工业限产减排30%的措施时,可削减北京平均PM2.5小时平均浓度6%~12%,并且PM2.5小时浓度与削减率的变化趋势呈反相关,即该措施对污染较轻时段PM2.5浓度削减率高于污染峰值时段;若京津冀地区两市一省同时实施机动车单双号限行和工业限产减排30%的措施时,可削减重污染期间北京小时平均PM2.5浓度20%~35%,且污染严重的区域和时段削减效果更加显著,空气质量可提升一个等级.研究结果表明,当北京发生重污染时,仅靠北京本地限排限产并不能有效减轻PM2.5浓度,若要有效控制北京重污染,应根据污染物区域输送特征,京津冀地区实施大气污染联防联控.     

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.     

首都重大活动与空气重污染应急减排措施效果对比分析

以2015年"9·3"阅兵活动及同年冬季两次空气重污染红色预警为例,针对气象要素及污染物浓度变化特征进行对比分析,对不同减排措施下污染物减排比例估算,并利用WRF-CAMx模型,对减排带来的PM_(2.5)污染改善效果进行了定量评估与对比分析.结果表明,阅兵期间(8月20日至9月4日)PM_(2.5)日均浓度(19.0μg·m~(-3))分别比阅兵前(8月15～19日)和阅兵后(9月5～15日)日均浓度降低了60.0%和48.0%,第一次红色预警期间PM_(2.5)日均浓度(232.3μg·m~(-3))高于第二次红警(216.6μg·m~(-3)),第二次启动重污染红色预警之前的空气质量好于第一次红警.阅兵期间北京及周边省市污染物减排比例普遍大于红警期间,为保障"阅兵蓝"的实现提供了人为可控的有利条件."9·3"阅兵、北京首次及第二次红色预警期间采取污染物应急减排措施情况下,北京PM_(2.5)浓度分别平均降低了32.4%、 17.1%和22.0%.阅兵期间与红色预警相比,PM_(2.5)浓度降低比例较高,归因于更大力度的区域污染物协同减排以及阅兵期间易于污染物扩散的气象条件.污染减排力度、应急控制措施实施时机以及气象条件是可能影响应急污染控制措施污染改善效果的重要因素.     

2016年京津冀地区红色预警时段PM2.5污染特征与浓度控制效果

2016年12月京津冀地区发生一次重污染过程,北京和天津于12月16日20：00至12月21日24：00,河北省（除张家口、承德和秦皇岛）于12月16日00：00至12月22日18：00发布了重污染红色预警.为研究重污染过程与应急措施的控制效果,基于环境监测数据与模型模拟结果对本次重污染过程的污染物浓度、天气形势与气团输送、区域传输和减排效果进行了研究.本次重污染过程中各地市PM_2.5平均浓度均超过200 μg·m^-3,小时均值峰值为834.5 μg·m^-3.重污染期间气象条件非常不利于污染物扩散,低压控制与气团传输加剧了污染过程.各地市平均本地贡献为47.1%,受天气形势影响传输效果存在一定差异.本次红色预警期间京津冀地区PM_2.5浓度平均下降比例为27.6%,减排效果明显.如果提前实施重污染应急措施,可以使PM_2.5下降浓度有一定提升.提前2 d实施可以使PM_2.5浓度平均下降比例增加4.4%,提前3 d以上效果提升不明显.     

中山市一次灰霾天气过程污染物来源数值模拟分析

利用WRF-CMAQ模式对中山市2015年2月一次典型灰霾天气过程进行了数值模拟,并对2月11~12日这一主要污染时段本地和外地污染源的贡献进行了分析和减排评估.WRF-CMAQ模式能很好地模拟出该时段的气象条件、PM_(2.5)浓度以及能见度的变化过程.这次霾污染主要是受弱冷空气影响引起的,广州佛山、中山本地以及广东省外排放源对中山PM_(2.5)浓度的贡献率分别为33%、30%和27%,外地源的贡献相当大.中山本地工业源和农业源对中山PM_(2.5)的贡献分别为13%和8%,而广佛排放源中,工业源和农业源对中山PM_(2.5)的贡献率分别为20%和7%.对中山和广佛地区农业源减排30%、50%和70%后,中山的PM_(2.5)浓度分别下降6%、10%和15%,而对工业排放实施相同幅度的减排后,PM_(2.5)浓度分别下降11%、18%和23%.随着减排力度的增加,减排效率的变化并不明显.减排应在灰霾天气开始加重前实施,在PM_(2.5)浓度达到峰值前后减排的效果最为明显,而当灰霾天气趋于缓解时减排的效果会迅速下降.     

长三角地区重点源减排对PM_(2.5)浓度的影响

应用中尺度天气-化学预报模式WRF-Chem,基于重点源(八大重点行业与交通)一般与强化两组减排情景,针对2013年开展长三角地区重点源减排对PM2.5浓度影响的模拟研究。长三角地区SO2、NOx、PM2.5和NMVOC排放在一般减排情景下分别减少36.3%、26.3%、32.0%、14.6%,强化减排情景下分别减少51.4%、39.6%、37.6%、28.4%。模拟结果表明,两组减排情景下长三角地区国控点PM2.5年均浓度分别下降-1.4~26.7μg·m-3和2.1~32.3μg·m-3,降幅分别为2.7%~23.1%和3.9%~27.5%,二次无机盐中硝酸盐对年均PM2.5浓度的降低贡献最大。PM2.5及二次无机盐浓度变化的季节特征均体现为冬季降幅最小,夏季降幅最大,并且随着减排力度的增强,夏季降幅的进一步降低程度最显著,导致削减效果的季节差异增大。重点源强化减排即可使得上海、江苏夏季PM2.5浓度降低约20%。对大气氧化性的进一步分析表明,减排对四季大气氧化性均有不同程度的增强,加大减排力度后,大气氧化性进一步增强,有利于二次PM2.5的生成,从而阻碍了PM2.5浓度的降低。其中,冬季的阻碍作用最强,导致PM2.5污染改善效果最差。夏季大气氧化性受减排影响较小,从而使得PM2.5污染改善在四季中最有效。此外,春、秋季的阻碍作用也不容忽视。     

2019年10~12月京津冀及周边“2+26”城市重污染减排效果评估

为评估京津冀及周边区域重污染过程期间应急减排措施的效果,基于情景模拟的方法,采用NAQPMS模式和多种观测资料,分析了2019年10~12月期间京津冀及周边区域环境空气质量、重污染过程和气象条件概况,评估了模式24、72和144 h的PM_2.5预报效果,并对应急减排措施的效果和不确定性进行了讨论.结果表明,2019年10~12月京津冀及周边"2+26"城市PM_2.5平均浓度64 μg ·m^-3,同比降低了10 μg ·m^-3;区域性重污染过程4次,受影响城市重污染过程期间PM_2.5平均浓度156 μg ·m^-3."2+26"城市PM_2.5气象条件评估指数（EMI）变化值范围为-15.6%~16.8%,EMI显示北京、天津和石家庄等12个城市气象条件与同期相比变差,变差程度范围为3.2%~16.8%.减排情景模拟分析显示应急减排措施有效减少了区域性重污染过程的发生,污染物峰值浓度降幅明显,未出现区域性严重污染过程.典型重污染期间,北京、石家庄、保定和唐山等城市PM_2.5日均浓度削减2%~9%.区域应急减排措施促使"2+26"城市PM_2.5季度均值分别降低1~3 μg ·m^-3左右,区域性减排效果明显.     

基于数据挖掘算法和数值模拟技术的大气污染减排效果评估

近年来,京津冀地区采取了大量污染减排措施进行大气污染治理,如何客观评估减排效果是目前大气环境领域的研究难点.为准确评估大气污染过程的减排效果,本文利用北京地区常规气象资料、国控站PM_(2.5)浓度资料,遴选了北京地区2018年3月11—14日和2013年3月14—17日两次空气污染过程,计算了大气容量系数、静稳指数,并利用KNN数据挖掘算法和WRF-Chem模式,对比分析了有无减排条件下的PM_(2.5)日均浓度.结果表明:两次空气污染过程的天气形势和局地气象条件较相似,就大气热力和动力的垂直结构来看,2018年空气污染过程比2013年空气污染过程的大气稳定性更强、边界层高度更低、环境容量更小,但PM_(2.5)峰值浓度却显著下降,平均浓度明显降低,PM_(2.5)小时浓度的增长趋势相对平缓,重污染持续时间缩短.KNN数据挖掘算法减排评估结果显示,该方法能够较好地预测PM_(2.5)日均浓度的变化趋势,2018年3月11—14日,在减排和不减排情景下PM_(2.5)日均值分别为171和229μg·m~(-3),减排使得污染过程PM_(2.5)平均浓度下降了25.3%.数值模拟结果与KNN数据分析结论吻合,进一步验证了减排措施的有效性.综合看来,2018年空气污染过程中PM_(2.5)浓度相比历史相似气象条件下的污染过程显著降低,这是长期大力度减排效果的体现.     

2014～2017北京市气象条件和人为排放变化对空气质量改善的贡献评估

2014~2017年北京地区霾日数和污染日数逐年减少,PM2.5、PM10、SO2和NO2年平均质量浓度下降,污染程度缓解,采暖期中的11~12月尤为明显。针对空气质量的显著改善,从气象条件的改善和减排措施两方面进行探讨分析,并结合数值模式和大数据挖掘技术实现气象和排放对大气贡献率的定量化研究,结果表明,2017年与过去3a相比,平均风速增加7.9%,≥3.4m·s-1的风速频次最高(10.6%),≥70%湿度日占比最小(25.1%);其中,采暖期与过去3a同期相比,小风日数减少8.6%、环境容量和通风指数平均增加约11%,边界层高度以3.2%·a-1的速率升高,尤其11~12月各要素改善更显著,且该时段内2014年各因子变化与2017年相似。非采暖期(4~10月)累积降水量558.3mm,仅次于2016年,有利于污染物的清除和湿沉降。利用WRF-CHEM对霾和污染频发的12月进行模拟发现,气象要素的改变导致2017年12月北京PM2.5质量浓度较2014~2016年同期分别降低5%、38%和25%。因缺少政府实际施行的减排方案,无法利用WRF-CHEM量化气象和减排的具体贡献率,因此借助大数据挖掘算法,基于K近邻算法(KNN)和支持向量机(SVM)模型对气象和减排对空气质量改善的贡献进行评估,结果显示2017年减少的霾日和重污染日,65.0%归因于减排的贡献,35.0%归因为气象条件的改善。可见,气象与生态环境部门应继续加强数据开放共享,科学开展气象条件预报与减排评估。     

2015年12月北京市一次重污染过程中PM_(2.5)特征分析

2015年入冬以来京津冀区域重污染频发,综合分析了2015年12月19—26日京津冀及周边地区发生的一次重污染过程中PM_(2.5)分布特征及成因。监测数据显示,2015年12月北京市重污染日共计13 d,累计月均值为151.8μg/m3。在12月19—26日一次重污染过程中,区域污染面积均超过40万km2,北京市单站PM_(2.5)小时均值超过800μg/m3。污染初期北京市南部地区PM_(2.5)浓度明显偏高,且PM_(2.5)极端高值出现在南部站点。污染输送阶段,北京市PM_(2.5)小时浓度在短时内呈爆发式增长,浓度增值是年均值的2~5倍。污染缓解阶段,偏北风作用,浓度明显下降。除了极端不利的天气形势外,区域散煤排放是造成重污染的重要原因;河北省唐山、保定、廊坊、石家庄等城市区域输送加重了污染程度。     

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.     

2014年京津冀地区PM2.5浓度时空分布及来源模拟

采用模式(CAMx)模拟与污染物、气象观测资料相结合的方式,分析了2014年京津冀地区PM2.5时空分布及来源特征.结果表明:PM2.5具有较为明显的时间变化规律,呈秋冬高、春夏低的规律和双峰型分布的日变化特征;重污染日PM2.5高浓度(PM2.5>150μg/m3)主要分布在太行山前的华北平原区,特别是北京、保定、石家庄一线,而太行山、燕山等西部及北部山区PM2.5浓度明显低于平原区;重污染日京津冀地区PM2.5平均浓度在150μg/m3以上的面积约占总面积的73%;重污染日北京、天津、石家庄市的PM2.5外来输送率分别为58%、54%、39%;2014年10月6~12日京津冀地区发生的一次重污染过程中污染物由南向北输送,区域输送对于各地区PM2.5浓度有着十分重要的影响.     

上海市霾期间PM2.5、PM10污染与呼吸科、儿呼吸科门诊人数的相关分析

为了探讨上海市霾期间PM2.5、PM10污染与呼吸科、儿呼吸科日均门诊人数的相关性;对上海市6所大中型医院2009-01-01～2009-12-31期间医院呼吸科、儿呼吸科日门诊人数及霾天PM2.5、PM10的浓度数据运用广义相加泊松回归模型进行统计分析,并进行当日和滞后日的危险度评估.结果发现,在霾发生当日,PM10...     

北京市冬季典型重污染时段PM2.5污染来源模式解析

为了探究近年来北京市PM_2.5污染区域来源规律和重污染累积过程中PM_2.5的生成途径,利用第三代三维空气质量模型CAMx的颗粒物源示踪(PSAT)和过程分析(PA)技术,模拟计算了北京市2013年和2014两次冬季典型重污染时段PM_2.5的源-受体关系和物理、化学过程对PM_2.5的生成贡献. 结果表明:在区域来源贡献中,随着空气污染等级由优升至严重污染,外地PM_2.5贡献率从42.9%升至67.4%,本地贡献率由57.1%降至32.6%,其中外地二次PM_2.5贡献率从20.2%升至39.8%,为北京市重污染时段的主要贡献因子;在外地贡献中,廊坊市、山东省、天津市、唐山市的贡献率较大,分别为3.2%~4.7%、3.8%~7.5%、3.6%~5.8%、2.2%~3.2%. PA分析结果表明:在不利气象条件(持续性的逆温层结)下,南边界的输送在重污染过程中起到了重要作用,对ρ(PM_2.5)增长的贡献速率可达10 μg/(m3·h). 此外,本地化学转化在重污染时段对ρ(PM_2.5)爆发性增长的贡献率也可以达到40.0%,其中特殊天气条件下二次PM_2.5生成贡献的显著增加是造成ρ(PM_2.5)出现峰值的主要原因. 研究显示,随着污染程度的加重,北京市受区域性污染的影响逐渐加大;在重污染过程中,不利气象条件下的本地化学转化与水平输送对近地层ρ(PM_2.5)峰值的出现与维持发挥了重要作用.      

沈阳市大气颗粒物PM(2.5)污染现状分析

利用2011年1～4月沈阳市环境空气中PM2.5自动监测资料进行分析,结果表明,冬季1月和2月污染严重,日均值超标率达到50.0%～64.5%.1天中PM2.5有2个峰值,最大值出现在上午8-9时,次之出现在22时,15时浓度最低.冬季PM2.5污染严重的原因是冬季采暖燃煤量大,污染物排放量大,加之气象扩散条件差导致污...     

广州市与北京市大气能见度与颗粒物质量浓度的关系

为了研究相对湿度(RH)和颗粒物对能见度的影响,于2008年12月11日~2009年8月27日和2008年7月14~2008年9月17日分别在广州和北京对能见度、RH、PM2.5和PM10进行了监测.结果表明,PM2.5和RH是影响能见度的主要因子;在RH￡70%和80%0.05mg/m3时,随着PM2.5降低,能见度变化不明显;当PM2.5<0.05 mg/m3时,随着PM2.5降低,能见度迅速改善.因此,在颗粒物治理的起始阶段,PM2.5下降对能见度的改善效果不很明显;但当PM2.5降低到一定程度后,能见度的改善效果非常显著.