三江平原地貌因子及其主要环境地质问题

地貌因子有其不可替代的作用和功能,是决定环境的主要因子,是生态地质环境中最积极最活跃的主导支力条件;是生态平衡的重中之重;是生态地质环境的基础,并影响其它因子或成份.如地貌因子或成份发生了变化,其它因子或成份就会发生一系列连锁反应;地貌因子发生变化或失去平衡,其它因子也会发生变化或失去平衡.文本论述了三江平原地貌特征,详细地分析了地貌的作用,阐明了有关地貌的主要环境地质问题.     

基于OMI数据的东南沿海大气臭氧浓度时空分布特征研究

基于臭氧监测仪(OMI)卫星反演数据,对2005—2018年东南沿海5省区域大气臭氧柱浓度数据进行提取及分析,探讨其时空分布格局及影响因素.结果表明:①在时间变化上,14年间,该区域大气臭氧柱浓度整体呈先上升后下降的趋势,2005—2013年臭氧柱浓度持续升高,最高值为324.52 DU,高值区不断向南部区域扩大;2013—2018年臭氧柱浓度呈下降趋势,最低值为228.27 DU,但在2017、2018年略有上升.②在空间分布上,臭氧柱浓度自北向南逐渐降低,高值区集中分布在江苏及浙江省北部;低值区集中于福建省南部及广东省大部分地区.③在季节变化上,大体呈现出春夏季高于秋冬季,高值区在春夏季交替出现,秋季略高于冬季,但差异不明显.④稳定性分析表明:研究区臭氧柱浓度整体呈现中部分散、南北部集聚、差异较显著的分布格局.⑤自然因素中,风向、气温均呈现显著正相关,江淮地区的梅雨季节(降水)及华南地区的台风和暴雨也起到显著作用.⑥人文因素中,臭氧柱浓度与地区生产总值、各产业生产总值及机动车保有量均表现出正相关,其中,臭氧柱浓度与第二产业的相关度最高.另外,臭氧柱浓度与NO_x排放量表现出显著相关性.VOC_s对臭氧柱浓度的影响中,工业源是主控因素,交通源和居民源次之,电厂源对臭氧柱浓度的影响最弱.这进一步说明臭氧浓度的变化受到了诸多因素的综合影响,但气温、NO_x及VOC_s的排放是臭氧浓度变化的主导因素.     

北京南部城区PM2.5中碳质组分特征

为了解《大气污染防治行动计划》实施后北京市大气PM_2.5中碳质组分特征,于2017年12月至2018年12月在北京污染较重的南部城区进行了PM_2.5连续采样,对其中的有机碳（OC）和元素碳（EC）进行了全面研究.结果表明,北京大气PM_2.5、OC和EC浓度变化范围分别为4.2~366.3、0.9~74.5和0.0~5.5 μg ·m^-3,平均浓度分别为（77.1±52.1）、（11.2±7.8）和（1.2±0.8）μg ·m^-3,碳质组分（OC和EC）整体占PM_2.5的16.1%.OC质量浓度季节特征表现为：冬季[（13.8±8.7）μg ·m^-3] > 春季[（12.7±9.6）μg ·m^-3] > 秋季[（11.8±6.2）μg ·m^-3] > 夏季[（6.5±2.1）μg ·m^-3],EC四季质量浓度水平均较低,范围为0.8~1.5 μg ·m^-3.二次有机碳（SOC）年均质量浓度为（5.4±5.8）μg ·m^-3,四季贡献比例范围为45.7%~52.3%,年均贡献为48.2%,凸显了二次形成的重要贡献.随污染加重,尽管OC和EC贡献比例均降低,但浓度水平却成倍升高,OC和EC浓度在严重污染天分别是空气质量为优天的6.3和3.2倍.与非供暖时段相比,供暖时段PM_2.5、OC和SOC浓度分别增加了14.4%、47.9%和72.1%,体现了OC对供暖季PM_2.5污染的重要贡献.PSCF分析表明,位于北京西南的山西省和河南省部分区域是PM_2.5和OC的主要潜在源区,且PM_2.5潜在源区更为集中;EC的PSCF高值（>0.7）区域较少,主要位于北京南部,如山东省和河南省部分地区,且北京市及周边地区贡献明显.     

典型西南工业城市柳州市核心区大气污染物时空分布与气象因素研究

为研究柳州市核心区大气污染物浓度时空变化规律与气象因素之间的关系,统计分析了2018年全年研究区内6个自动监测站点PM_(2.5)、PM_(10)、SO_2、NO_2、O_3和CO的浓度监测数据和气象站气象数据,并对28次超标日污染物来源进行了解析.结果显示:①核心区颗粒污染物污染较为严重,且以PM_(2.5)为主的细颗粒污染物仍为柳州市主要的大气污染物;各污染物月均浓度季节差异显著,除NO_2外柳州大气污染物浓度下降明显,指示柳州市多项节能减排综合整治措施成效显著;PM_(2.5)、PM_(10)、CO受早晚高峰期影响,浓度日变化均呈双峰型;NO_2在不同季节峰型不同,作为O_3前体物其浓度日变化与O_3相反,呈现"早峰午谷"的变化趋势.②通过对污染物浓度插值发现,由于核心区主要工商业区位于西部且处于主导风向下风向,故PM_(2.5)和SO_2浓度西北高、东南低,PM_(10)、NO_2和CO浓度西南高、东北低;核心区东部的山区为O_3生成带来大量前体物,使O_3浓度东南高、西北低.③由于气候特征,核心区春、夏季主要气象因素均为降水量;秋季的主要气象因素是风速,风速与污染物的负相关关系表明了风的扩散效应;冬季大部分污染物与气象因素的相关性不显著,表明人为因素对污染物的影响大于气象因素;核心区大气污染物主要来源于局地排放和区域传输,且南北主导风向对大气污染影响最大.④HYSPLIT模型结果指示柳州超标日大气污染物主要来自于珠三角地区,且陆源颗粒物浓度普遍比海洋源高,来自南部的远距离输送气流颗粒物含量最低,表明远距离输送为影响颗粒物传播的主要原因.     

京津冀大气污染的时空分布与人口暴露

经济的快速发展和城市化导致京津冀地区的空气质量不断恶化,已经引起学术界广泛的关注.为了揭示近年来京津冀地区大气污染状况,本研究基于中国空气质量在线监测分析平台发布的PM_(2.5)、PM_(10)、SO_2、CO、NO_2和O_3_8 h_max长期监测数据,采用统计学的方法分析了2014—2018年京津冀13个市这6种污染物的时空变化特征,结合各城市人口数据,评估了在此背景下该地区PM_(2.5)和O_3_8 h_max的人口暴露风险.结果表明:京津冀地区PM_(2.5)、PM_(10)、SO_2、CO和NO_2近年来整体上呈下降趋势,而O_3_8 h_max则呈上升趋势.总体而言,PM_(2.5)、PM_(10)、SO_2、CO和NO_2表现为冬季最高、春秋季次之、夏季最低的特征,而O_3_8 h_max则表现为夏季春季秋季冬季的特点,并在月变化上呈倒"V"型,从1月份开始逐渐上升,在6月份达到峰值,而后又逐渐下降.空间上,PM_(2.5)、PM_(10)、SO_2、CO和NO_2呈现南高北低的分布特征,而O_3_8 h_max在2014—2016年呈现北高南低的分布特征,但在2017—2018年则呈现南高北低的分布特点.此外,京津冀北部地区PM_(2.5)的来源主要是一次气溶胶,而二次气溶胶是中部地区PM_(2.5)的主要来源.除秦皇岛、承德和张家口外,其他城市细粒子在颗粒物中占的比重较大.随着近年来PM_(2.5)浓度的降低,暴露于高浓度的PM_(2.5)中的人口比例逐年减少,但距离年平均浓度限值还相差很远.除2014年外,暴露在O_3浓度超标情况下的人口在2015—2017年逐渐上升.     

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%.