典型西南工业城市春冬季PM2.5来源与潜在源区分析——以柳州市为例

为了揭示柳州城区春冬季PM_2.5的来源及其潜在源区分布和贡献,利用2018年24h自动监测数据和气象数据对柳州市大气污染物浓度变化特征进行了分析,并且使用后向轨迹模型（HYSPLIT）对春冬季柳州市PM_2.5逐日72h气流后向轨迹和前向轨迹进行聚类分析,同时结合潜在源贡献因子分析法（WPSCF）和轨迹浓度权重法（WCWT）对其潜在源区和浓度贡献进行了分析.结果显示,（1）在研究期内,不利的主导风向和工业区布局导致研究区PM_2.5在春冬季污染较严重,且工业源和交通源是其主要本地来源;（2）春冬季PM_2.5高值主要来源于西北和东南方向,其中,西北向PM_2.5主要来源于本地排放,且浓度在空间上呈现西高东低的趋势;（3）春季后向轨迹PM_2.5浓度整体大于冬季,春冬季中对柳州市PM_2.5影响最大轨迹均来自东部的短距离输送,而来自西北的气流轨迹输对PM_2.5贡献最低.春冬季柳州市大气PM_2.5通过气流传输对贵州地区大气环境有较大影响;（4）春季,柳州市PM_2.5的主要潜在源区分布在广西东南部、广东中西部、南海沿岸海域、湖南中部、江西西北部、湖北东部及安徽西北部;冬季,主要分布在广西东南部、广东西南部和南海沿岸海域.     

长江水体营养盐输入及对长江口海域营养盐浓度和结构的影响

根据2011—2014年共12次长江大通站的调查数据,分析了长江水体中溶解无机氮（DIN）、活性磷酸盐（PO₄-P）和活性硅酸盐（SiO₃-Si）浓度的季节变化规律并估算了各项营养盐入海通量,比较分析了自1960s以来通过长江输入的各项营养盐通量变化及对长江口海域营养盐浓度和结构的影响。结果表明,长江水体中DIN浓度夏秋高、冬春低,而PO₄-P浓度则呈现秋冬高、春夏低的变化特点,SiO₃-Si浓度与总悬浮颗粒物浓度显著相关,但无明显季节变化。DIN、SiO₃-Si通量与长江径流变化一致,呈现夏季高、冬季低的变化特征;PO₄-P通量则呈现秋季高、冬季低的变化特征。自1960s以来,DIN和PO₄-P通量均呈上升趋势,2010s较1960s分别增加9.5倍和3.6倍,而SiO₃-Si通量呈下降趋势,2010s较1960s减少0.6倍;导致长江口海域DIN和PO₄-P年均浓度分别升高4.5和0.8倍,SiO₃-Si年均浓度则下降0.6倍,氮磷比升高两倍,硅氮比和硅磷比分别降低0.9和0.8倍,这可能是导致近60 a来长江口海域赤潮发生面积增加和硅藻比例减少的原因之一。     

降水和风对大气PM2.5、PM10的清除作用分析

对合肥2015—2017年的降水、风和PM_(2.5)、PM_(10)浓度观测数据统计研究发现,降水对PM_(2.5)、PM_(10)有一定的清除作用,尤其在秋冬季节.秋冬季节小雨、中雨分别导致PM_(2.5)和PM_(10)浓度降低23.1%、40.4%和32.0%、63.7%.雨日PM_(2.5)/PM_(10)比例上升8.4%,表明降水对PM_(10)清除作用更显著.降水前后PM_(2.5)浓度变化与降水前PM_(2.5)浓度、降水强度、降水时长密切相关.当降水强度大于4 mm·h~(-1)或PM_(2.5)初始浓度高于115μg·m~(-3)时,降水对PM_(2.5)产生明显清除作用;而降水强度小于1 mm·h~(-1)或PM_(2.5)初始浓度低于115μg·m~(-3)时由于吸湿增长作用极易造成PM_(2.5)浓度反弹升高;且持续3 h以上雨强介于1～4 mm·h~(-1)的降水也对PM_(2.5)产生清除作用.降水前后PM_(10)浓度变化与初始浓度密切相关,而与雨强相关性较弱.当PM_(10)初始浓度大于50μg·m~(-3),降水就对PM_(10)产生明显清除作用,且PM_(10)初始浓度越高,降水后PM_(10)浓度下降越多.风速大于2 m·s~(-1)可显著降低PM_(2.5)浓度,因此,当风速大于4 m·s~(-1)时合肥较少出现中度及以上污染,但易造成地面起尘,使PM_(10)浓度不降反升.合肥冬季严重污染主要出现在西北风向,夏季中度以上污染天气较少,主要出现在风速低于3 m·s~(-1)的东南风向.     

我国中部地区大气CO2柱浓度时空分布

基于日本GOSAT及美国AIRS反演数据产品,对我国中部六省大气CO₂时空分布特征进行研究,结果表明：由GOSAT反演的中部地区2010~2013年大气CO₂年均柱浓度由389.36×10^-6增长到396.52×10^-6,年均绝对增长率达2.39×10^-6/a,呈现出冬春季高值、夏秋季低值的季节变化特征,其柱浓度年均值及去长期趋势后的月均值均略低于长三角地区,高于京津冀和东三省地区;其CO₂柱浓度高值区集中在湖南、江西及周边一带,年均绝对增长率为2.01×10^-6,其柱浓度年均值及去长期趋势后的月均值与长三角地区相当,略低于京津冀和东三省地区,由于受地面源汇影响较小,其与GOSAT反演结果相反,可能是由于AIRS反映了对流层中层大气状况,而GOSAT则更多地反映了近地面层大气CO₂变化.     

兰州地区大气臭氧时空变化及影响因素研究

本文采用OMI臭氧遥感数据,结合甲醛垂直柱浓度、气象数据以及经济数据,分析了2005~2015年兰州地区臭氧柱浓度时空变化格局,并探索了影响臭氧的新气象因子,总结达到臭氧污染的日照、气压等气象条件,确定影响臭氧柱浓度的主要人为源并确定其限域。结果表明:1)2005~2015年夏季柱浓度值最高,冬季、秋季次之,春季最低;夏季波动幅度最大,其余三季波动幅度较小且平稳。2)11年中,臭氧柱浓度具有较大的波动。2005年至2010年快速增长到最高值331.997 DU。2010年之后,臭氧柱浓度缓慢下降,2014年起有回升趋势。3)OMI遥感数据具有较高的可靠性,并根据AQI的线性关系划分了臭氧柱浓度的污染等级。结果指示了11年大气臭氧空间变化,2005~2009年5年间研究区全区空气质量一直处于良,2010年全区轻度污染,后两年污染逐渐减弱,2013~2015年全区恢复至良。4)根据兰州发展的趋势以及周边城市的关系,划分了兰州经济圈及功能区,并结合臭氧柱浓度空间分布图得出臭氧污染与经济特征的密切关系。5)正弦模型拟合后臭氧柱浓度变化趋势呈不明显的周期性,说明臭氧的人为来源贡献较大。6)创新探索影响臭氧污染的新气象因子(日照、气压等参数),并确定其重要人为源限域。     

应用计算机模拟的大气环境污染物浓度分析研究

大气环境污染物浓度的分析,对提高大气环境质量具有重要意义。利用计算机模拟软件对大气环境污染物浓度的分析过程进行模拟还原,分为网格划分与构建边界条件两部分。以某市2017年9月6日至2017年10月7日的监测数据为模拟数据,并通过这些数据构建大气环境污染物浓度分析模型,对当前大气环境中污染物的浓度进行分析,得出污染源与大气环境污染物程度成正相关性,依据环境污染物浓度数据分析的结果,从两方面对大气污染物浓度的分析结果进行验证,并提出大气环境污染控制的措施。     

北京市近地层气象要素与大气细菌浓度分布规律的调查研究

以1998年10月的观测资料为例,分析了北京市某地气象要素的变化规律以及该地区大气细菌浓度的分布特征,对两者之间的相互关系进行了初步探讨,发现一天内气象要素及细菌浓度均是周期变化,且两者有一定的相关性。     

深圳市几种空气污染物浓度日变化特征分析

通过对深圳市2002年8月至2003年8月五种空气污染物浓度日变化特征、相互关系及不同天气条件下的变化,与人们活动的关系等进行分析,试图找出深圳空气污染的主要成因及变化规律,为环境规划决策提供科学依据。