降水对西宁市大气污染物浓度的影响分析

文章利用西宁市区2013~2014年逐日空气污染日平均浓度资料和日平均降水资料,分析了西宁市区大气污染物浓度的分布和不同等级降水对SO_2、NO_2、PM_(10)、PM_(2.5)污染物浓度的清除能力。结果表明,西宁市空气质量以二级为主,二级天数占样本总数的57.8%;西宁市大气中的首要污染物是PM_(10)和PM_(2.5);降雨、降雪对污染物浓度具有稀释作用;不同等级的降雪量对4种污染物的稀释作用不同,降雪量在0.5mm以下时对污染物浓度的清除作用较弱甚至出现反弹现象,降雪量≥5.0mm时对4种污染物的清除能力最强;降雨量越大,对各项污染物的清除作用越明显,日降水量≥10.0mm对4种污染物的清除率达到了29.54%~57.57%;清除能力表现为SO_2PM_(10)PM_(2.5)NO_2的特征;连续降雪比连续降雨更有利于空气质量的改善;降雨等级不同时,AQI指数级别不变的天数居于首位的均为PM10;降雪量为0.6~1.0mm、1.1~1.9mm、≥5.0mm时,AQI指数级别不变的天数居于首位的是PM2.5;无论降雪还是降雨,PM_(10)和PM_(2.5)级别下降天数明显大于上升天数,尤其以PM2.5明显。     

气象因素对成都市主要大气污染物影响的非参数分析

通过获取2014年成都市大气污染物和气象因素的在线监测数据,分析大气污染物的时间变化规律,并采用Spearman秩相关系数来分析污染物逐日浓度和气象因素的相关性。结果显示,SO_2、NO_2、CO、PM_(10)和PM_(2.5)夏季浓度最低,冬季最高,O_3则夏季最高,冬季最低;受秸秆露天焚烧影响,5月各污染物浓度均出现一个小高峰。温度和风速均与O_3显著正相关,与其他污染物显著负相关;大气压则相反;相对湿度与各污染物均显著负相关,但在严重污染时与颗粒物显著正相关。     

高密市环境空气污染物浓度变化特征

基于2014—2018年高密市大气监测数据,分析了SO_2、NO_2、PM_(10)、PM_(2.5)浓度的变化特征及成因,对四项污染物及降雨量进行了相关性分析,利用GM(1,1)模型对高密市未来空气质量进行了预测。结果表明,2014—2018年高密市环境空气中SO_2、NO_2、PM_(10)、PM_(2.5)年际变化呈现出逐年下降趋势;污染物月均值变化均为冬春季浓度高,夏秋季浓度低;通过相关性分析发现,环保政策对高密市空气质量总体改善起到了决定性作用,自然地理因素对高密市大气污染物月均值的变化影响明显。     

我国部分地区大气污染现状及其分布特征

收集2014—2016年我国部分地区环保部常规监测的6项大气污染物浓度,重点分析了我国东北、华北、华东、华中、西部地区经济快速发展城市空气污染的状况及分布特征。结果表明:除O_3外,其余污染物浓度均下降,SO_2二级达标率持续上升。各污染物区域性分布显著,北方比南方污染重。东部O_3污染严重;PM_(10)、CO浓度在华北地区最高;SO_2浓度在东北、华北最高;PM_(2.5)、NO_2浓度在华中、华北最高。华北地区大气污染严重,华东PM及SO_2污染最轻。     

秦皇岛空气污染特征及其与气象因素的关系

利用国控站点空气监测数据和气象数据,对2016年秦皇岛市空气污染特征及其与气象因素的关系进行了分析。结果表明:2016年秦皇岛市NO_2、PM_(10)和PM_(2.5)浓度未达到国家二级标准限值,污染物浓度季节变化规律明显,SO_2峰值出现在1月,O_3峰值出现在5月,PM_(10)、PM_(2.5)、NO_2和CO浓度峰值均出现在12月。污染物在西南偏西风时污染程度较高。PM_(10)、PM_(2.5)、SO_2、CO浓度受风速影响较小,NO_2、O_3浓度受风速影响较大。颗粒物浓度受湿度影响较大,随湿度增加而增大。     

乌鲁木齐大气污染物变化特征及综合评价

随着经济发展和城市化速度加快,大气污染已经成为区域性环境问题,基于2001～2018年乌鲁木齐市城市空气质量监测数据,选取SO_2、NO_2、PM_(10) 3种常规大气监测污染物作为乌鲁木齐大气环境体系评价指标,利用AHP层次分析法,建立大气污染物层次构造模型,对乌鲁木齐市大气环境质量作出综合评价。结果表明:乌鲁木齐市大气2001～2014年期间环境质量为三级,2015～2018年环境质量为二级,大气污染物权重排序为:煤改气前PM_(10)SO_2NO_2,煤改气后PM_(10)NO_2SO_2,说明乌鲁木齐市大气颗粒物占主要作用,"煤改气"能源结构调整使SO_2的浓度也有所降低,大气污染类型从以前的煤烟型污染向复合型污染逐渐转化。各年度大气质量优劣依次为2014～2018呈现逐年变好的趋势,2001～2013年有升高也有降低交替存在,整体评价与乌鲁木齐市环境质量状况公报公布的一致。表明大气环境质量改善趋势较明显,研究成果为探索乌鲁木齐市大气环境治理提供重要依据。     

成都市空气质量预报系统的应用及预报效果评估

介绍了成都市空气质量预报系统的模式设置和排放源处理,并评估其对2017年2月成都市的气象要素和PM_(10)、PM_(2.5)、SO_2、NO_2小时浓度的24小时预报效果。结果表明,系统能较好的预报成都市主要气象要素的逐小时变化情况,平均气温、气压和相对湿度的相关系数均在0.72以上,但对累积降水的预报效果仍需优化;系统能合理的反映各污染物的时空分布,PM_(10)和PM_(2.5)的预报效果达优秀水平,但存在不同程度的高估;NO_2的预报值与实况值的时间变化趋势一致性最高,空间分布对应较好,但模式预报对其存在一定程度的低估;对SO_2有显著的高估,但其空间分布模拟效果最佳。优化源的空间分配,及时更新源排放清单,同时针对不同排放源提高小时尺度排放清单分辨率可能是未来提高成都市空气质量预报系统预报准确率的有效途径。     

成都市城区大气污染特征及其假日效应研究

对成都市城区O_3、SO_2、NO_X、CO、PM_(2.5)、PM_(10)、苯和甲苯进行了为期一年的在线观测。结果表明:成都市超标最严重的为NO_X,年平均质量浓度为(100. 9±61. 5)μg/m3,超标天数为119 d。PM_(2.5)、PM_(10)、CO和NO_X的浓度均为冬季最高; O_3春夏季高而冬季低; SO_2浓度冬季相对较高但总体水平较低。春、夏、秋季成都市大气中苯系物的主要来源为机动车,冬季则是机动车源和燃烧源的综合贡献。O_3日变化呈"单峰型"; NO、苯和甲苯都在上午出现峰值; NO_2与PM_(10)、PM_(2.5)均呈现出"双峰双谷"型日变化; CO也为双峰型日变化。各大气污染物浓度没有明显"周末效应",但"长假效应"显著。     

京津冀地区重点耗煤行业大气污染物排放清单研究

本研究通过京津冀地区各行业的年度煤炭消费量确定火电行业、钢铁行业和焦化行业为重点耗煤行业,以在线监测数据、污染源调查(现场调研、环评、验收)数据、排放因子数据为基础,自下而上建立了2013年京津冀地区重点耗煤行业大气污染物排放清单,分析研究了SO_2、NO_x和PM_(10)的排放量与污染贡献分布情况,掌握了京津冀地区重点耗煤行业大气污染物排放现状,为大气污染物减排提供数据基础。研究表明,2013年京津冀火电、钢铁焦化行业共排放SO_2 72.35万t、NO_x 131.99万t、PM_(10) 30.36万t。     

NAQPMS模型预报合肥、蚌埠和芜湖空气质量的效果评估

评估了NAQPMS模式预报的合肥、蚌埠和芜湖2017年3月1日—2018年2月28日PM_(2.5)、PM_(10)和O_3地面浓度及预报准确率,发现模式对物种的预报能力依次为:O_3 PM_(2.5)PM10;对城市的预报能力依次为:合肥芜湖蚌埠。模式对PM_(2.5)和PM_(10)的预报能力在春季较弱,对O_3的预报全年均较强。整体而言,评估地区的空气质量以优良为主,等级准确率在秋季最高,冬季最低,年均值为69%;首要污染物以PM_(2.5)、O_3、PM_(10)和NO_2为主,其准确率在冬季最高,春季最低,年均值为62%。     

乌鲁木齐大气污染“周末效应”特征及其变化趋势分析

利用乌鲁木齐市主城区内四个国控环境空气质量自动监测站点2015—2019年的小时数据,对乌鲁木齐城区大气污染物"周末效应"情况及演变趋势进行研究,并对其产生的原因进行简要分析。研究结果表明:乌鲁木齐大气环境中PM_(10)、PM_(2.5)、SO_2呈现出明显的"负周末效应"现象,工作日PM_(10)、PM_(2.5)、SO_2浓度分别较周末高出2.2%、3.5%和0.5%。臭氧(O_3)呈现明显的"正周末效应",周末臭氧浓度较工作日高出3.5%。周末臭氧前体物CO、NO、NO_2浓度较工作日分别低3%、5.9%、2.2%,均呈现明显的"负周末效应"现象。近五年乌鲁木齐市各主要大气污染物"周末效应"偏差呈现逐渐减小的趋势,并在整体上呈现出由"负周末效应"向"正周末效应"转变的趋势。     

不同工况下细颗粒物分级捕集效率的研究

在模拟不同工况条件(入口粉尘浓度、入口风量)下,采用荷电低压冲击系统(ELPI)测试电袋复合除尘器对细颗粒物的分级捕集效率。实验发现:随着入口粉尘浓度的增加,PM_(1.0)、PM_(2.5)及PM_(10)的捕集效率呈现增大的趋势;随着系统风量的增大,PM_(1.0)、PM_(2.5)及PM_(10)的捕集效率呈现下降趋势,工况条件的变化对粒径较小的颗粒物的影响更为明显,会显著改变其捕集效率。     

秦皇岛市环境空气质量状况及污染防治对策

2015—2017年秦皇岛市环境空气质量有所好转,SO_2、CO、PM_(10)和PM_(2.5)污染程度呈现下降趋势,NO_2和O_3污染程度呈现上升趋势,主要污染物为PM_(10)和PM_(2.5)。秦皇岛市大气污染的主要因素有工业废气、机动车尾气、扬尘和燃煤等,是典型的复合型污染。建议通过加强工业污染源治理、强化机动车尾气治理、推进扬尘治理、加强燃煤锅炉治理、推广清洁能源、完善大气预警应急体系等污染防治对策来改善秦皇岛市环境空气质量。     

碳中和目标下的北京城市道路移动源CO2和大气污染物协同减排效应研究

为实现2060年碳中和目标,研究北京城市道路移动源CO_2和大气污染物(CO、NO_x、PM_(2.5))的协同减排效应。本文以2016年为基准年,建立CO_2和大气污染物排放量的LEAP模型,设计三种政策情景,预测到2060年各类污染物排放量,并通过减排效应坐标系分析和减排弹性系数法研究不同措施下CO_2和大气污染物的协同减排效应。结果显示,综合政策情景的减排作用最好,且协同减排效应最显著,但在2060年无法实现碳中和目标;单一措施情景下,严格排放标准措施的协同减排效果有限,但对各污染物的减排协同性最优,推广公共交通减排协同性次之,发展新能源车辆措施具有较好的协同减排效果,但对CO_2—CO和CO_2—PM_(2.5)的减排协同度较差。对此,本文提出应加快推动交通能源结构转型,在新能源车取代燃油类机动车的同时,要不断减少天然气类车型的比例,尽可能实现"电能+新能源汽车"的零排放能源结构;还要加严机动车排放标准限值以加强CO_2和大气污染物的减排协同度;制定相应的机动车CO_2和大气污染物协同排放限值标准目标,构建CO_2与大气污染物排放协同管理体系等建议。     

香港地区不同类型站点大气污染变化特征对比研究

选取香港环境保护署设立的5个代表性站点(可归类为路边站、一般站及背景站)2016年的监测结果,对获取的各类污染物(PM_(2.5)、PM_(10)、NO_2、NO_X、SO_2、O_3)浓度变化特征进行对比研究,结果表明:(1)三类站点颗粒物及SO_2浓度年均值差异较小,体现了其区域性的污染特性,NO_2与NO_X年均值均为路边站一般站背景站,而O_3则相反,路边站最低而背景站最高;(2)各类站点PM_(2.5)与PM_(10)季节差异表现为夏季最低而冬季最高,O_3最低值也出现在夏季;(3)三类站点大气污染物日变化特征差异显著,路边和一般站NO_2与NO_X日变化表现为"早晚双峰"型,背景站变化幅度较小;路边站、一般站颗粒物日变化表现为单峰型,峰值出现在晚间22∶00,背景站变化幅度较小;O_3在路边站和一般站呈现双峰型变化,而在背景站为单峰型,峰值出现在下午15∶00左右;(4)所有站点PM_(2.5)、NO_X及O_3"假日效应"明显,具体表现为:PM_(2.5)和O_3浓度在假日全天浓度高于工作日;路边站和一般站的NO_X浓度在假日0∶00~8∶00时段高于工作日,其余时间均低于工作日。     

新疆“乌-昌-石”区域空气质量变化特征分析

《自治区打赢蓝天保卫战三年行动计划(2018-2020)》将"乌-昌-石"重点区域作为主战场,其空气质量受到广泛关注。通过收集2018～2020年"乌-昌-石"区域空气质量数据,分析区域及所辖城市主要大气污染物浓度的时空分布特征和变化趋势。结果显示:2018～2020年"乌-昌-石"区域空气污染具有明显的时间和空间分布特征。2018～2020年"乌-昌-石"区域污染物PM_(10)、PM_(2.5)、NO_2和SO_2的年均浓度呈波动下降的趋势,CO和O_3的年均浓度呈小幅度波动上升的趋势;优良天数比例呈波动上升趋势。6种污染物质量浓度年内分布特征为单峰型分布,PM_(2.5)、PM_(10)、SO_2、NO_2、CO峰值在1～2月,O_3峰值在7月;五个地区的优良天数比例年内变化规律基本一致,均呈现倒"U"型曲线,1～2月污染最重,优良天数比例为22.60%～21.40%,12月次之,为38.70%。PM_(2.5)质量浓度在空间分布上呈现阜康最高、乌鲁木齐市最低,NO_2质量浓度分布为乌鲁木齐市最高、昌吉市和石河子市较高、其余地区较低,O_3质量浓度最大的地区为石河子市、其余地区均较低。     

天津市河东区空气质量状况分析及其污染防治对策

以相关空气质量数据为基础,对天津市河东区2016年空气质量状况进行了研究,分析大气环境中PM_(10)、PM_(2.5)、SO_2、NO_2、O_3等污染因子的污染时间和污染来源,分析结果表明,河东区空气质量受季节性影响较为严重,工业扬尘和机动车尾气等构成了大气污染物的主要来源。据此,从政府、企业以及民众等角度提出污染防治对策。     

南充市主要农作物秸秆露天焚烧大气污染物产生量

秸秆焚烧产生的污染物是大气污染物来源的重要组成部分,只有掌握了秸秆焚烧产生的污染物量才能为大气污染防治工作提供科学依据。利用相关数据计算,分析,得到了南充市2015年秸秆焚烧产生的重要污染物的量,南充市农作物秸秆焚烧产生的CO量最大,其次是VOCs,PM_(10),PM_(2.5),NOx,SO_2,NH_3,分别为27 944.5吨,5 466.6吨,4 921.5吨,4 824.6吨,1 743.4吨,358.9吨,334.7吨。     

空气污染物的时空演化及社会经济驱动因素研究——以长江三角洲地区为例

本文以2006—2015年长江三角洲城市群为研究对象,分析该地区不同部门因能源消费而产生的典型污染物排放量,然后利用LMDI模型,对空气污染进行社会经济驱动因素分析。结果表明:该地区CO_2、SO_2、PM_(2.5)与PM_(10)等空气污染物排放量均呈现先快速增长后缓慢减少的趋势,排放的峰值多出现在了2013年,而NO_x则一直保持增长的趋势。其中,电力与工业部门是空气污染物的主要排放源,但对排放量贡献呈减少趋势,生活部门与交通部门污染物排放量则逐步增长,尤其是对PM_(2.5)与PM_(10)排放量的贡献不可忽视。人口与经济增长对污染物排放量起到了正向拉动作用,经济因素的驱动作用最为明显,其效应值呈现先小幅增加后大幅下降的趋势,能源效率与能源结构有抑制作用,其对污染物排放的效应值仅次于经济因素,而能源结构变化的效应很小。     

巴中市城区PM_(2.5)污染特征及时空变化规律分析

利用巴中市城区一个自然年(2016年3月1日~2017年2月28日)的空气质量数据,分析了巴中市城区PM_(2.5)的污染特征和时空变化规律。结果表明,PM_(2.5)日均浓度对数值接近正态分布特征,PM_(2.5)与其他主要大气污染物都具有显著的相关关系。CO、NO_2是主要的相关因素,与PM_(2.5)的相关系数都高达0.7以上。PM_(2.5)浓度表现为冬季秋季春季夏季,这与首要污染物是PM_(2.5)的天数占比以及PM_(2.5)与PM_(10)相关系数的季节变化一致,反映了PM_(2.5)呈现出以冬季污染最重,春、秋季污染中等,夏季污染最小的季节特征。PM_(2.5)与PM10的浓度比值表现为冬季秋季夏季春季。各个站点的PM_(2.5)变化趋势一致,相互之间浓度差异小且比较均衡,巴中中学站点的PM_(2.5)浓度无论在任何季节都高于其他站点,苏山坪站点在冬季的PM_(2.5)浓度明显低于其他站点,表明PM_(2.5)污染具有明显的区域性特征,与人类活动强度相关的局地污染对PM_(2.5)污染具有一定影响。