哈尔滨市秸秆焚烧大气污染负荷估算方法研究

本文针对近些年哈尔滨秋末冬初大气污染程度增加的溯源问题,基于静风污染气象及降雪对秸秆焚烧的影响等基本假设,采用箱式模型和优化拟合的方法对秸秆焚烧产生污染物的源强及其负荷进行了估算.通过对2015年和2017年典型时段数据的优化拟合得到降雪前重污染天气下PM₁₀排放源强分别为20.16、21.83 μg·m^-2·s^-1,CO的排放源强分别为149.32、138.65 mg·m^-2·s^-1;降雪后重污染天气下PM₁₀排放源强分别为15.98、7.09 μg·m^-2·s^-1,CO的排放源强分别为122.91、89.21 mg·m^-2·s^-1.由降雪前后各污染物的源强差得到2015年和2017年秸秆焚烧产生的PM₁₀的排放源强分别为4.18、14.74 μg·m^-2·s^-1,负荷分别为20.73%、67.52%;CO的排放源强分别为26.41、49.44 mg·m^-2·s^-1,负荷分别为17.69%、35.66%.本文为相关清单的研究提供了一种客观的校核方法,具有重要的社会、环境及现实意义.     

中国集成电路制造行业VOCs排放特征及控制对策

中国电子信息产业发展迅速,集成电路等电子器件产量不断增加.在集成电路制造的过程中,大量有机溶剂的使用导致VOCs的产生和排放,从而对大气环境造成影响.为掌握集成电路制造行业VOCs的排放特征,系统分析了其工艺流程和产排污环节,分析了行业废气收集和治理现状,通过对典型企业VOCs的排放监测,获得VOCs排放水平;采用排放因子法核算行业VOCs历史排放量,并基于行业排放特征及减排潜力分析,提出了相应的污染防治对策.结果表明：在集成电路制造中,VOCs排放环节主要集中在光刻、清洗、去胶等过程,1 m²集成电路产量约使用87 g有机溶剂,VOCs产生量较大;通过采取高效的VOCs治理技术,集成电路制造行业有组织排放水平较低,平均浓度为2.1 mg·m^-3,但厂界无组织排放浓度相对较高,平均浓度为0.78 mg·m^-3,接近国家标准的排放限值.根据排放量核算结果,2011—2016年中国集成电路制造行业VOCs排放量呈逐年上升的趋势,主要受产量增加而相应污染控制技术水平提升有限的影响,无组织排放量比重大,占排放总量的38.1%~45.1%.     

富营养化巢湖沉积物溶解性有机质光谱时空分布特征及其环境意义

通过紫外吸收光谱（UV-vis）和三维荧光光谱（3D-EEMs）,研究典型富营养化湖泊巢湖沉积物溶解性有机质（DOM）光谱时空分布特征.结果表明,巢湖表层沉积物DOM的a（254）含量为13.1~101.7 m^-1,平均值为（32.2±16.2）m^-1.其中,夏季沉积物a（254）的含量（（46.6±25.6）m^-1）要显著高于其它季节,且湖心区a（254）平均值和变异性均小于湖滨区.表层沉积物DOM的S_275~295值从春季到冬季上随时间呈明显上升趋势.沉积物DOM荧光强度在夏季最高,在垂直剖面上总体呈下降趋势.DOM组分以酪氨酸类蛋白质和溶解性微生物产物为主,各组分在空间分布上无明显差异.巢湖沉积物DOM荧光指数（FI）为2.56~4.89,腐殖化指数（HIX）为0.57~6.78,生物源指数（BIX）为0.31~1.54.巢湖沉积物DOM主要来自于生物源,藻的生长循环会显著影响富营养化湖泊沉积物DOM的来源和性质.     

基于遥感尾气监测的柴油车气态污染物排放因子计算方法研究

采用遥感尾气测试系统实测了柴油车在实际道路工况下的CO、HC和NO排放特征,修正了排放因子的计算方法,并与车载排放测试系统（PEMS）实测结果进行了验证,获得了实测车辆的CO、HC和NO排放因子.测试结果显示,在各种遥感监测的工况下柴油车尾气中均含有较高浓度的氧气,未考虑氧气影响的燃烧方程反演获得的各污染物体积浓度计算值与PEMS实测值的偏差较大,且氧气浓度越大,偏差越大.经过氧气修正的燃烧方程反演计算的尾气浓度与PEMS实测值吻合度大幅提升,适用于实际工况下遥感检测车辆尾气的反演计算.修正算法得到CO、HC和NO的排放因子离散性较小,精确度较高,可以为量化柴油车尾气排放贡献提供科学依据.     

基于稳定氢同位素的太原市大气单环芳烃来源

采集太原市城北和城南区域环境空气和5类污染源挥发性有机物样品,测定样品中典型单环芳烃稳定氢同位素（δD）组成,基于同位素质量平衡原理计算单环芳烃从源到环境空气受体的δD初始混合值,探讨单环芳烃来源.结果表明,柴油挥发源、溶剂挥发源、汽油挥发源（97^#）、汽油挥发源（95^#）、机动车尾气（97^#）、机动车尾气（95^#）和民用燃煤源中单环芳烃δD范围依次为：（-138.7‰~-115.5‰）、（-147.0‰~-121.0‰）、（-150.8‰~-117.6‰）、（-131.8‰~-113.8‰）、（-171.2‰~-120.0‰）、（-138.9‰~-102.7‰）和（-168.3‰~-142.3‰）,民用燃煤源中单环芳烃δD显著贫重氢同位素（D）组成,机动车尾气源与汽油挥发源中苯的δD相比显著贫D,可用于探索污染物转化过程;城北和城南环境空气中δD范围为（-131.7‰~-115.1‰）和（-131.9‰~-74.9‰）,δD初始混合值为-138.4‰和-173.9‰,体现了其来源差异.     

金属表面涂装行业VOCs排放特征及排放系数

对比了浙江省2014和2018年金属表面涂装企业的有机废气排放及治理情况,分析了该行业涂料及稀释剂的使用、主要污染因子,测算了溶剂型、水性涂料的挥发性有机物（VOCs）产生系数和排放系数.结果表明：2018年VOCs治理水平明显高于2014年,水性涂料使用企业比例由18%上升至36%,纯溶剂型企业由82%下降至64%;金属表面涂装行业的主要排放污染物为二甲苯、丁醇、乙酸乙酯、乙酸丁酯、甲苯、丙二醇、乙苯、苯乙烯等8种有机物.溶剂型和水性涂料的VOCs产生系数分别为0.72和0.31kg/kg;溶剂型和水性涂料2014年VOCs排放系数为0.64和0.29kg/kg,2018年为0.48和0.21kg/kg.     

乌鲁木齐市气溶胶光学厚度时空分布特征及潜在来源分析

依据2009年1月—2019年7月MODIS/AQUA C6.1 MYD04_L2 气溶胶光学厚度（Aerosol Optical Depth, AOD）日数据,在宏观视角下对乌鲁木齐市AOD时空分布特征进行分析,利用后向轨迹模式（Hybrid Single Particle Lagrangian Integrated Trajectory,HYSPLIT）和潜在源贡献作用分析方法（Potential Source Contribution Function, PSCF）讨论气溶胶运输的季节性变化,并揭示研究不同季节对AOD影响较为明显的潜在源空间分布.结果表明：①乌鲁木齐市AOD呈显著的季节性差异,四季均值依次为：春季（0.328） > 夏季（0.310） > 秋季（0.273） > 冬季（0.137）,AOD高值区主要集中在市区.②AOD年内呈双峰分布,峰值分别对应为4月（0.402）和8月（0.346）;10 a间AOD呈弱下降趋势,其中2014年最高（0.316）,2017年最低（0.235）,AOD均值为0. 276.③春季和冬季乌鲁木齐市气团输送主要来自中亚地区,夏季和秋季则来自于天山周边地区;AOD主要潜在源区为乌鲁木齐市及其周边地区,对乌鲁木齐市空气质量具有显著影响.     

DOC+CDPF对国III重型柴油货车实际道路排放的影响

利用便携式车载排放测试系统（PEMS）对2辆加装氧化催化转化器（DOC）和催化型柴油颗粒捕集器（CDPF）与否的国III重型柴油货车进行实际道路排放测试.结果表明,2辆改造重型柴油车的CO、THC、固态颗粒物粒数（SPN）和黑碳（BC）实际道路排放因子分别为（1.31±0.37）g/（kW×h）、（0.20±0.03） g/（kW×h）、（7.13×10¹⁰±5.27×10¹⁰）个/（kW×h）和（0.69±0.06）mg/（kW×h）,相对于原始排放（拆除DOC+CDPF）分别降低52.48%、55.69%、99.91%和99.22%.从低速、中速到高速,CO和THC减排比例呈现上升趋势,然而运行工况对SPN和BC减排比例则无显著影响.加装DOC+CDPF会导致NO₂在NO_x中的占比升高,且从低速、中速到高速涨幅依次增大,但对NO_x无明显减排效益,其排放因子为9.53~9.83g/（kW×h）,远高于实验室排放限值.     

Regulated emission characteristics of in-use LNG and diesel semi-trailer towing vehicles under real driving conditions using PEMS

On-road driving emissions of six liquefied natural gas(LNG) and diesel semi-trailer towing vehicles(STTVs) which met China Emission Standard IV and V were tested using Portable Emission Measurement System(PEMS) in northern China.Emission characteristics of these vehicles under real driving conditions were analyzed and proved that on-road emissions of heavy-duty vehicles(HDVs) were underestimated in the past.There were large differences among LNG and diesel vehicles, which also existed between China V vehicles and China IV vehicles.Emission factors showed the highest level under real driving conditions, which probably be caused by frequent acceleration, deceleration, and start-stop.NOx emission factors ranged from 2.855 to 20.939 g/km based on distance-traveled and 6.719–90.557 g/kg based on fuel consumption during whole tests, which were much higher than previous researches on chassis dynamometer.It was inferred from tests that the fuel consumption rate of the test vehicles had a strong correlation with NOx emission, and the exhaust temperature also affected the efficiency of Selected Catalytic Reduction(SCR) aftertreatment system, thus changing the NOx emission greatly.THC emission factors of LNG vehicles were 2.012–10.636 g/km, which were much higher than that of diesel vehicles(0.029–0.185 g/km).Unburned CH_4 may be an important reason for this phenomenon.Further on-road emission tests, especially CH_4 emission test should be carried out in subsequent research.In addition, the Particulate Number(PN) emission factors of diesel vehicles were at a very high level during whole tests, and Diesel Particulate Filter(DPF)should be installed to reduce PN emission.     

武当山夏季颗粒物数浓度谱分布特征及气团来源影响研究

为研究大气边界层中上层大气颗粒物的数浓度谱分布特征及气团来源的影响,于2018年6月利用3080型SMPS粒径谱仪对武当山14.6~660 nm颗粒物数浓度谱进行观测,分析和探讨了其数浓度谱分布及日变化特征,并结合后向轨迹、潜在源贡献因子法（PSCF）与浓度权重轨迹分析法（CWT）探讨对武当山颗粒物数浓度影响较大的外源输送路径和贡献源区.结果表明:①武当山大气颗粒物主要以爱根模态为主,平均数浓度为2 500个/cm3,积聚模态、核膜态平均数浓度分别为2 265、359个/cm3,3种模态数浓度分别占总数浓度的48.79%、44.21%、7.01%.②在新粒子生成日,核膜态数浓度于10:00开始上升,11:00—17:00的核膜态数浓度相对较高,约2 000个/cm3.新粒子生成日ρ（SO₂）与ρ（O₃）的日变化趋势均与核模态数浓度较为相似,表明SO₂和O₃参与光化学反应后的产物（硫酸及有机物）有利于新粒子的生成与增长.新粒子生成日风速、温度均大于非新粒子生成日,但相对湿度较低.③在东部及局地气团影响下大气颗粒物主要以积聚模态为主,数浓度分别为2 311和2 596个/cm3;核模态、爱根模态数浓度在受西北气团影响时最大,数浓度分别为806和3 078个/cm3.④潜在源区分析表明,影响武当山积聚模态数浓度的主要源区为十堰市本地及襄阳市,二者贡献值在840个/cm3以上.研究显示,武当山颗粒物主要以爱根模态为主,颗粒物数浓度日变化主要受大气边界层发展及山谷风的影响,较高的ρ（SO₂）与ρ（O₃）以及高温、低湿及较大的风速均有利于新粒子的生成,周边城市的区域性传输对武当山颗粒物的影响较大.