基于系统聚类方法划分中国PM2.5防治区域

中国各城市细颗粒物(PM_(2.5))环境空气质量差异较大,呈现明显的区域污染特征。合理划分PM_(2.5)污染防治区域、开展区域性大气环境管理,是改善区域空气质量的重要途径。根据2015年全国108个重点城市大气PM_(2.5)的日均浓度数据,使用系统聚类方法对各城市的PM_(2.5)全年污染变化特征进行分析,从而划分出不同防治区域。依据聚类分析的3项原则,综合比较4种不同聚类方法及结果,最后提出可以划分出8个PM_(2.5)污染防治区域:a赣鄂湘接壤地区(长株潭及周边城市),b成渝及周边地区,c粤桂地区,d闽浙沿海城市群,e东三省地区,f长三角地区,g山东及周边地区,h京津冀、山西中北部、陕西关中城市群。     

重庆主城区春季大气PM10及PM2.5中多环芳烃来源解析

于2012年春季采集了重庆主城区和缙云山共6个环境采样点的大气PM₁₀、PM_2.5样品,同步采集了燃煤尘、机动车尾气尘、施工机械尾气尘、船舶尾气尘、餐饮油烟尘、生物质燃烧尘及土壤尘等7类污染源,采集到有效受体样品139个、有效源样品233个,使用GC-MS分析样品中18种PAHs的质量浓度(ρ),分析了PM₁₀、PM_2.5上载带PAHs的污染特征,并分别运用比值法、主成分分析法及CMB(化学质量平衡)受体模型法对PM₁₀、PM_2.5中的PAHs进行来源解析,所得源解析结果较为一致. 结果表明:重庆主城区大气PM₁₀、PM_2.5中ρ(PAHs)较低,ρ(PAHs)分别为22.03~31.71、19.02~29.92 ng/m3,其中位于工业区新山村采样点的ρ(PAHs)最高. PM₁₀载带的PAHs有86%~99%集中在PM_2.5中,说明PAHs主要富集在PM_2.5中. 重庆主城区大气PM₁₀、PM_2.5载带的PAHs主要来自机动车尾气尘和燃煤尘的贡献,这2类源对PM₁₀的贡献率分别为25.89%、32.80%;而在PM_2.5中,机动车尾气尘的贡献率较高,可达62%左右.      

辽宁西南典型城市冬季大气细颗粒物水溶性无机离子污染特征及来源解析

本研究于2018年12月3日-2019年1月1日在辽宁省西南典型城市葫芦岛市和朝阳市分别布设3个城区采样点,在区域传输点龙屯水库布设1个采样点,采集大气细颗粒物PM2.5样品(n=201).使用离子色谱检测样品中的Na+、Mg2+、Ca2+、K+、NH4+、SO42-、F-、Cl-和NO3-的质量浓度.观测期间PM2....     

减排措施对大气颗粒物粒径分布特征的影响——基于2022年北京冬奥会前后的观测

为研究2022冬奥会期间减排措施对北京大气颗粒物粒径谱分布特征的影响,于2021年12月1日～2022年3月28日使用扫描电迁移率粒径谱仪(SMPS)对粒径为3～660nm的大气颗粒物的数浓度谱分布进行了实时监测,结合气态污染物和气象参数,对比分析冬奥会前后新粒子生成(NPF)日和非新粒子生成日的颗粒物数浓度及粒径分布特征.结果表明,大气颗粒物数浓度随减排措施的加强而降低,冬奥会期间(2022年2月1～20日)颗粒物平均数浓度、表面积浓度和体积浓度相较于其他时期分别降低了约4.0%～33.3%、17.1%～41.1%和11.7%～41.2%,体现了冬奥会期间本地排放降低和区域污染减少协同控制的影响.在NPF日,冬奥会期间的积聚模态颗粒物数浓度降低约15.3%～25.1%.超细颗粒物数浓度从冬奥会前(12078cm^-3)到冬奥会后(20600cm^-3)持续上升,主要受到了高浓度的O₃和气态硫酸、高太阳辐射强度、低NO₂浓度和凝结汇等有利成核条件的影响.在非NPF日,限排期间颗粒物数浓度下降4.4%～5...     

中国城市PM2.5空气质量改善分阶段目标研究

中国城市细颗粒物(PM_(2.5))空气质量达标率低,且城市间的污染程度差异较大。为了整体改善PM_(2.5)空气质量,需要针对不同污染程度的城市,制定分阶段改善目标加以考核和管理,研究探讨了城市PM_(2.5)空气质量改善目标体系及不同污染程度城市各阶段目标值。首先运用文献综述法、国内外对比分析法梳理评述了WHO、欧美等发达国家PM_(2.5)的空气质量标准和达标要求,提出中国城市PM_(2.5)空气质量改善的考核目标体系,包括PM_(2.5)浓度目标值或下降率、严重污染天数上限、达标天数下限等指标。通过历史数据分析法研究了2000—2013年美国、日本一些城市和2013—2016年中国74个环保城市PM_(2.5)年均浓度的变化趋势,推论出中国城市PM_(2.5)年均浓度年均下降5%~8%是可能实现的;结合环境保护部及各省市PM_(2.5)污染防治规划,提出PM_(2.5)空气质量改善目标的设定原则和达标天数的回归计算方法;以2014年114个城市PM_(2.5)年均浓度为基数,计算得出不同污染程度城市2020、2025、2030年PM_(2.5)年均浓度年下降率和达标天数的目标值。     

重庆市颗粒物中元素分布特征及来源分析

2012年在重庆市6个采样点采集PM10和PM2.5样品,采用电感耦合等离子体质谱仪(ICP-MS)和电感耦合等离子光谱仪(ICP-OES)对样品中Na、Mg、Al、K、Ca、Ti、V、Cr、Mn、Fe、Co、Ni、Cu、Zn、As、Cd、Pb共17种元素含量进行测定,在此基础上对各元素浓度分布特征进行分析,并采用富集因子法(以Al元素为参比元素)和主因子分析法定性分析其污染的主要来源。结果表明,除Al、Ca、Co外,其他与人类活动相关的各元素更容易富集于PM2.5上。Zn、As、Pb、Cd在PM10和PM2.5中极强富集,表明重庆市燃煤、城市交通、工业等污染严重。大渡口和沙坪坝站点PM10和PM2.5中各元素的污染程度相对偏高,南坪、缙云山、巴南、茶园4个采样点各元素的污染程度相对偏低。主因子分析结果表明,土壤尘、建筑尘、燃煤工业尘、道路尘是重庆市PM10和PM2.5的主要来源。     

典型“组群式”城市夏季大气颗粒物中水溶性离子化学特征及来源

为探究典型“组群式”城市——淄博市夏季大气颗粒物中水溶性离子化学特征及来源,于2016年8月对淄博市6个城市点（桓台、张店、临淄、淄川、博山、周村）、2个郊区点（沂源、高青）及1个清洁对照点（鲁山）同步进行PM_2.5和PM₁₀采样,分析了大气颗粒物质量浓度及9种水溶性离子的空间分布特征,并利用主成分分析方法探讨了PM_2.5和PM₁₀中水溶性离子的主要来源.结果表明:①淄博夏季各点位（清洁对照点除外）PM_2.5和PM₁₀质量浓度日均值范围分别为57.2~112和77.4~163 μg/m3,空间分布特征表现为城市点>郊区点>清洁对照点;各点位PM_2.5/PM₁₀（质量浓度之比）在0.61~0.80之间,表明淄博夏季大气颗粒物污染以PM_2.5为主.②水溶性离子在PM_2.5和PM₁₀中占比分别为53.3%和48.5%,其中二次无机离子分别占总离子浓度的91.4%和83.7%,表明大气颗粒物主要以二次离子为主,并且主要富集在PM_2.5中;PM_2.5中∑阴离子/∑阳离子（摩尔浓度之比）为1.07,PM₁₀中该比值为0.87,说明PM_2.5接近中性,而PM₁₀呈弱碱性.③淄博夏季各点位离子来源具有一定的空间差异性,城市点、郊区点与清洁对照点间的CD（分歧系数）均高于0.2,而城市点间CD值低于0.2,说明城市点位间的水溶性离子的化学性质较为相似.④主成分分析表明,淄博夏季大气PM_2.5中的水溶性离子可能主要来源于工业源、生物质锅炉、燃煤、二次源、道路尘及建筑尘,而PM₁₀中的离子主要来源于道路尘、建筑尘、海盐及二次源.研究显示,淄博市颗粒物污染严重,具有明显的空间分布特征,水溶性离子来源复杂,应采取分区、多源控制的污染防治对策.      

菏泽市秋冬季PM2.5水溶性离子化学特征分析

为深入研究菏泽市秋冬季PM_2.5中水溶性离子污染特征,于2017年10月15日-2018年1月31日对菏泽市3个监测点同步进行PM_2.5的采集和分析,分析探讨了不同污染程度下ρ（PM_2.5）及水溶性离子化学特征.结果表明:①菏泽市秋冬季PM_2.5呈区域污染特征.②整个观测期间,ρ（PM_2.5）范围为26.72~284.10 μg/m3,平均值为103.27 μg/m3,其中水溶性离子对ρ（PM_2.5）贡献率较大,为44.65%~49.87%;SNA（NO₃-、NH₄+、SO₄2-的统称）的占比较高,SNA占总水溶性离子质量浓度的86.88%,说明二次气溶胶为菏泽市大气PM_2.5中的重要组成部分.③SNA三角图解和水溶性离子相关性结果表明,采样期间大气中NO₃-、SO₄2-可能以NH₄NO₃、（NH₄）₂SO₄形式存在;ρ（Cl-）与ρ（K+）相关性较高（清洁天和污染天的相关系数分别为0.79和0.81）,由此推测Cl-与K+具有同源性,二者主要源于生物质燃烧.④重度及以上污染天的SOR（硫氧化率）和NOR（氮氧化率）分别为0.54和0.37,分别是清洁天的2.08和2.06倍;轻/中污染天的SOR和NOR分别为0.37和0.29,分别是清洁天的1.42和1.61倍.随着污染程度的加重,SO₂和NO₂向SO₄2-和NO₃-的二次转化增强.重污染日SOR、NOR和相对湿度均大于清洁天和轻/中度污染天,而温度则未表现出相似的变化趋势,说明非均相反应是菏泽市秋冬季SO₄2-和NO₃-形成的重要原因.研究显示,菏泽市污染呈区域性污染特征,二次气溶胶是菏泽市大气PM_2.5的重要组成部分,污染天ρ（NO₃-）、ρ（SO₄2-）、ρ（NH₄+）均与相对湿度呈显著正相关（P < 0.05）,均与温度呈负相关,表明在污染天高湿低温对SO₂、NO₂转化为SO₄2-、NO₃-有推动作用.      

北京市典型城区PM_(2.5)中正构烷烃的污染特征与来源

2013年6月在北京及华北平原大城市空气污染联合观测期间,使用大流量PM2.5采样仪分昼、夜采集北京市典型城区环境空气中PM2.5样品,利用GC-MS技术对PM2.5中正构烷烃的污染水平、分布特征与来源进行分析,并且结合后向轨迹分析了远距离传输的影响.结果表明:观测期间ρ(PM2.5)为29.73~275.30μgm3,PM2.5中ρ(总正构烷烃)为50.33~143.49 ngm3.PM2.5中正构烷烃质量浓度随碳数分布呈单峰-后峰型和双峰-后高型2种;Cmax(主峰碳数)为C29或C31;CPI(碳优势指数)为1.34~6.66;LMWHMW〔ρ(C14~C24正构烷烃)ρ(C25~C36正构烷烃)〕为0.10~0.31.观测期间PM2.5中正构烷烃主要来自高等植物蜡,并且主要来自温带植物;其次来自化石燃料和生物质的不完全燃烧.观测期间来自北京市南向气团轨迹出现概率最高,影响最为突出,其次为来自东南沿海方向和内蒙古中西部方向的气团轨迹.     

大气臭氧浓度升高对农作物产量的影响

大气O₃浓度升高对农作物产量的影响是评估大气O₃造成农作物减产及经济损失的基础. 分别在北京和广东东莞建立OTC(田间开顶式气室)系统,开展大气O₃对大田冬小麦和水稻的影响研究,在整个生长期对作物进行O₃熏蒸,计算O₃暴露量,获得冬小麦和水稻产量与O₃暴露量之间的响应关系. 结果表明:东莞水稻临界水平(以AOT40计,AOT40为大于40nL/L的小时平均φ(O₃)与40nL/L差值的累计值)为4.95μL/(L·h),而北京冬小麦为2.44μL/(L·h). 根据我国已有农作物O₃暴露量-产量响应关系计算可知,我国水稻和冬小麦的AOT40分别为4.950~9.506和2.280~3.858μL/(L·h),水稻对O₃的敏感性从我国北方到南方呈逐渐增加态势,但冬小麦对O₃敏感性并无明显的地域变化规律. 在大田环境大气φ(O₃)条件下,东莞水稻相对产量损失为2.70%〔AOT40=2.68μL/(L·h)〕,北京冬小麦的相对产量损失为12.85%〔AOT40=6.72μL/(L·h)〕. 我国农作物生长环境多样,作物种类繁多,需要继续开展试验研究来建立本地化O₃暴露量-产量响应关系,用于合理评估区域农作物产量损失.