西安市PM_(2.5)污染源位置确定的模型应用研究

针对空气中PM2.5污染物的传播问题,以西安市的情况为实例,合理考虑风力等天气和季节因素的影响,建立能够刻画该地区PM2.5的发生和演变规律的有风高斯点源扩散数学模型,代入相关数据后,利用MATLAB软件求解出PM2.5污染源由一区扩散到另一区的浓度,最后由综合的各区总浓度得出PM2.5污染源的位置,并与该市实际检测到PM2.5数据进行对比分析。结果表明,确定的位置比较准确,该方法能为城市污染治理提供参考。     

唐山市大气环境中PM_(10)和PM_(2.5)污染特征分析

利用2013年唐山市全年六个监测点的PM10和PM2.5的24小时连续监测数据,分析了唐山市大气中PM10和PM2.5的浓度时间变化特征,讨论了两者之间的相关性。     

嘉兴市春季一次持续雾霾过程中气象条件与污染物变化特征分析

2015年5月17~20日嘉兴市发生了一次持续性雾霾过程,本研究根据5月17~22日污染气体(O_3、SO_2、NO_2和CO)、PM_(10)、PM_(2.5)、10 nm~10μm气溶胶数浓度、气象要素及边界层探空数据,分析了这次过程的成因及其不同污染物的变化特征.结果表明,副高位置北抬、均压场结构、地面静小风和边界层中逆温层为这次雾霾过程的发生和维持提供了水汽、动力和热力条件.这次雾霾过程包含1次降雨和2次雾过程(雨雾和辐射-平流雾).雾霾过程中NO_2、CO、PM_(10)和PM_(2.5)的浓度较高,SO_2和O_3的浓度较低.强降雨对PM_(10)、PM_(2.5)和SO_2清除作用较大,弱降雨会加重污染过程.雨雾的发展过程中,PM的浓度持续积聚;辐射-平流雾过程中,PM浓度先快速下降然后再增加.不同过程中气溶胶数浓度谱均为单峰型分布,但是谱型差异较大,干净天、降雨、雾霾过程、雨雾和辐射-平流雾过程中气溶胶数浓度谱峰值分别位于20~30 nm、100 nm、30~60nm、120 nm和90 nm.表面积浓度谱在干净天、降雨、雾霾和雨雾过程中均为三峰型分布,辐射-平流雾为四峰型分布.     

双级虚拟撞击采样器应用于固定污染源PM10和PM2.5排放测量

为贯彻落实《大气污染防治行动计划》,环境保护部指导各地开展大气污染源排放清单编制工作,其中包括固定源PM_(10)和PM_(2.5)的排放清单.但目前国内尚无固定源PM_(10)和PM_(2.5)标准采样方法.本研究提出了适合我国固定源PM_(10)和PM_(2.5)测量的双级虚拟撞击采样方法,开发了相应的分级采样系统,并用该方法对各类固定源进行了现场测试.测试结果表明,所测试的煤粉炉电厂的烟囱入口PM_(2.5)质量浓度为(0.93±0.03)mg·m~(-3),PM_(10)质量浓度为(1.13±0.11)mg·m~(-3).所测试的垃圾焚烧电厂的烟囱排放口PM_(2.5)质量浓度为(3.3±0.65)mg·m~(-3),PM_(10)质量浓度为(6.9±0.86)mg·m~(-3).所测试的大型循环流化床发电厂的烟囱排放口PM_(2.5)质量浓度为(0.59±0.04)mg·m~(-3),PM_(10)质量浓度为(1.12±0.16)mg·m~(-3).所测试的钢铁转炉的烟囱排放口PM_(2.5)质量浓度为(0.15±0.04)mg·m~(-3),PM_(10)质量浓度为(0.43±0.15)mg·m~(-3).     

上海典型持续性PM2.5重度污染的数值模拟

本研究针对2013年1月23~24日的上海PM_(2.5)持续重污染过程,采用WRF-Chem大气化学模式以及PM_(2.5)质量浓度、能见度、气象要素等地面实测资料相结合的方式,揭示了造成上海冬季PM_(2.5)持续性重污染的一类"天气学必要成因",即一次弱冷空气活动过程导致了两种不利污染天气条件——"弱气压场(静稳形势)"和"弱冷空气扩散(输送形势)",两者先后影响上海造成PM_(2.5)浓度持续上升.主要过程如下:首先弱冷空气影响之前,上海处在不利的局地气象扩散条件下,受弱气压场控制10 h后本地PM_(2.5)质量浓度达到重度污染水平,之后夜间稳定边界层(地面静风和低层逆温)使得PM_(2.5)重度污染维持了7h,期间PM_(2.5)平均质量浓度为172.4μg·m~(-3).后期弱冷空气影响上海,虽然改善了局地扩散条件但是同时产生了明显的周边污染物输送,使得本地PM_(2.5)质量浓度升高并达到峰值(280μg·m~(-3)),继续加重污染水平,期间PM_(2.5)平均质量浓度为213.6μg·m~(-3).WRF-Chem模拟结果进一步表明,整个污染过程周边区域输送对上海PM_(2.5)平均贡献率为23%,其中两个阶段周边区域输送的平均贡献率分别为17.2%和32.2%,可见在不同的污染天气条件下周边污染源的贡献存在显著差异,因此可以根据对污染天气类型的预判制定应急减排方案.     

京津冀地区主要排放源减排对PM2.5污染改善贡献评估

研究选取2012年1月和7月作为冬夏两季代表时段,利用CMAQ/2D-VBS模型分析了冬夏两季京津冀地区主要排放源减排30%对改善区域PM_(2.5)污染的效果.结果表明,工业源对PM_(2.5)污染的贡献最大,其次是民用源,但工业源单位减排量贡献低于民用源,交通源和电厂源的整体贡献和单位减排量贡献均较小.工业部门内贡献最大的为钢铁冶金行业,其次是水泥、工业锅炉、炼焦、石灰砖瓦和化工行业.与各部门各物种排放量的比较反映出各排放源贡献大小与其一次PM_(2.5)排放水平高度相关.因京津冀地区冬季NO_x减排对PM_(2.5)形成的促进作用,以及冬季较弱的大气垂直扩散作用,各排放源夏季减排比冬季普遍更有效,交通源、电厂源以及工业源中的水泥、工业锅炉和石灰砖瓦行业夏季减排效果相比冬季优势明显.民用源由于采暖季排放较高而冬季贡献更明显,农业源因秸秆开放燃烧量大,冬季单位减排量贡献十分显著.从同等幅度减排考虑,应将工业源作为控制重点,优先控制其一次PM_(2.5)排放,在部门内进一步重点控制钢铁冶金行业的NO_x和SO_2排放、水泥行业的夏季NO_x排放以及炼焦行业的SO_2和NMVOC排放.民用源排放应着重在冬季采暖期控制.     

基于增强回归树的城市PM2.5日均值变化分析:以常州为例

利用2014年12月至2015年11月常州市区6个国控监测站空气污染物浓度逐时数据,分析了PM_(2.5)浓度季节变化特征,采用增强回归树模拟分析了PM10、4种气态污染物和7个气象因子对ρ(PM_(2.5))日变化的贡献.结果表明,常州市区PM_(2.5)污染季节差异明显,冬季污染严重且持续时间长,夏季污染较轻.四季ρ(PM_(2.5))空间分布特征存在一定差异,但各季内不同监测站差异较小.增强回归树对ρ(PM_(2.5))日均值进行模拟和验证得到,训练数据的相关性为0.981,交叉验证的相关性为0.957.此外,模拟值与实测值的标准化平均偏差为1.80%,标准化平均误差为10.41%,可见模型拟合效果较好.PM10、气态污染物、气象因子和区域输送及扩散这4种影响类型对全年ρ(PM_(2.5))日均值差异的贡献率分别为23.4%、28%、36.2%和12.6%,表明在对ρ(PM_(2.5))日均值差异的影响上,气象因子二次形成一次源区域输送及扩散.在对ρ(PM_(2.5))日均值差异贡献率大于5%的因子中,ρ(PM_(2.5))日均值与PM10、相对湿度、CO和O3正相关,与温度、SO2和混合层高度负相关,与大气压和NO2关系较复杂.区域输送及扩散方面,东南风向、偏西风向和偏北风向等上风向周边城市的污染物输送对常州市区PM_(2.5)污染存在较大的负面影响.     

基于距离相关系数和支持向量机回归的PM2.5浓度滚动统计预报方案

针对目前空气质量统计预报方法存在的主要缺陷,本文提出了距离相关系数和支持向量机回归相结合的统计预报方案DC-SVR.利用淮安市2013年1—12月PM_(2.5)观测资料和常规气象观测资料,首先在选入预报当日气象要素的基础上,增加选取前期污染物和气象要素作为预报因子,再采用距离相关系数分季节从预报因子中筛选出重要预报因子,最后采用支持向量机回归对PM_(2.5)浓度值进行逐日滚动统计预报.研究发现,淮安地区气温和气压对PM_(2.5)的距离相关性要高于其他气象要素,夏秋季PM_(2.5)与气象要素的距离相关性较春冬季好.基于距离相关系数和支持向量机回归建立DC-SVR模型,PM_(2.5)的试预报值和实测值的全年相关系数高达0.76,平均偏差仅为1.13μg·m~(-3),平均绝对误差为23.47μg·m~(-3).通过与支持向量机回归、人工神经网络的统计预报效果对比,DC-SVR模型有效降低预报因子维数且能自适应选取最佳参数,预报精度显著优于其他3种统计预报方案,可为业务化预报提供参考.     

重庆市主城区大气细颗粒物污染特征与来源解析

重庆市主城区大气细颗粒物(PM_(2.5))浓度从1990s的100μg·m~(-3)下降至当前的约70μg·m~(-3),但仍高于环境标准限值.为探讨重庆市主城区PM_(2.5)化学组成与来源特征,于2012—2013年在渝北区大气超级站利用四通道采样仪连续采集了颗粒物样品,分析了其中水溶性离子、碳质组分和无机元素含量.采样期间,重庆市主城区大气PM_(10)和PM_(2.5)的年日均浓度分别为103.9和75.3μg·m~(-3),扩散条件不利的冬季,细颗粒物污染较为严重.受静稳天气影响的1月和2月,受沙尘影响的3月,及二次转化显著的6月是重庆市细颗粒物污染较重的月份.重庆市PM_(2.5)组成以有机物(OM,30.8%)为主,其次为硫酸盐(SO_4~(2-),23.0%)、硝酸盐(NO_3~-,11.7%)、铵盐(NH_4~+,10.9%)、地壳物质(Soil,8.2%)、元素碳(EC,5.2%)、K~+(1.1%)、Cl~-(1.0%)和微量元素(Trace,0.6%).较高的SO_4~(2-)浓度和逐步上升的[NO_3~-]/[SO_4~(2-)]比值反映了重庆市燃煤污染较重,同时机动车污染比例逐步增加.采用主因子分析/绝对主因子得分法解析了重庆城区细颗粒物5类主要来源是:二次粒子(41.7%)、燃煤(15.6%)、建筑/道路尘(12.4%)、土壤尘(11.0%)和工业尘(10.4%),通过各污染源季节变化及与其他结果对比,该源解析结果能够较可靠反映重庆市细颗粒物的来源信息.     

PM2.5和SO2复合暴露对大鼠心脏病理学及炎症因子表达的影响

将雄性SD大鼠分为对照组、1.5 mg·kg~(-1)PM_(2.5)组、5.6 mg·m-3SO_2组及1.5、6、24 mg·kg~(-1)PM_(2.5)和5.6 mg·m-3SO_2联合作用组.采用HE染色法、荧光实时定量PCR和ELISA等方法测定各组大鼠心脏组织病理学变化和炎症因子IL-1β、IL-6、TNF-α、i NOS基因表达及NO含量.结果表明,与对照组相比,SO_2(5.6 mg%m-3)或PM_(2.5)(1.5 mg·kg~(-1))单独作用没有引起明显的心肌细胞损伤,而PM_(2.5)和SO_2共同作用导致不同程度的心肌排列紊乱,细胞间隙增大及炎症细胞浸润和出血,比SO_2(5.6 mg%m-3)或PM_(2.5)(1.5 mg·kg~(-1))单独作用有严重的病理学损伤.1.5mg·kg~(-1)PM_(2.5)和SO_2引起4个基因表达和NO水平的变化与对照组相比没有统计学意义,而PM_(2.5)和SO_2联合处理引起大鼠心脏炎症因子表达水平比对照组显著增高,同时与SO_2组或PM_(2.5)组相比也有显著升高.提示在本实验条件下,相比于PM_(2.5)(1.5 mg·kg~(-1))和SO_2(5.6 mg·m-3)单独作用,二者复合暴露能引起心脏组织病理损伤和炎症因子高表达,这可能是PM_(2.5)和SO_2引发心脏疾病的重要机制.