关中地区背景点位环境空气PM2.5来源解析与多模型结果对比

为研究关中地区远郊背景点位大气PM_2.5污染来源,于2014年12月-2015年10月在西安市区西南方向约34 km的背景点位（农村区域,108°44'13"E、34°00'53"N）开展样品采集,共获得218个有效样品,对29种化学组分进行了分析,并运用ME2和PMF模型进行同步解析、相互验证.结果表明:ME2和PMF模型各解析出5类因子,分别为二次无机盐、机动车尾气排放、生物质燃烧、煤烟尘和土壤尘.其中,二次无机盐分担率为42.23%~42.74%,是首要贡献源类,机动车尾气排放（22.40%~24.53%）、煤烟尘（14.57%~14.73%）、生物质燃烧（11.88%~13.42%）是另外3种主要贡献源,而土壤尘（6.28%~7.22%）分担率相对较小. 2种模型同步解析大气颗粒物来源对比表明,ME2和PMF模型同步解析结果一致,各源类的日贡献浓度均呈正相关,其中二次无机盐、机动车尾气排放、土壤尘的相关性较强,R2在0.876~0.960之间,表明解析结果可信.      

杭州市冬季环境空气PM2.5中碳组分污染特征及来源

为研究杭州市PM_2.5中碳组分特征,于2013年12月-2014年2月在7个常规点位和2个对照点同步采集PM_2.5样品,分析其污染特征及来源.结果表明:杭州市冬季有机碳（OC）、元素碳（EC）、二次有机碳（SOC）的平均质量浓度分别为（23.7±7.5）（5.0±2.4）和（9.2±4.5）μg/m3,OC/EC[ρ（OC）/ρ（EC）]和SOC/OC[ρ（SOC）/ρ（OC）]的平均值分别为5.3±1.9和0.4±0.2.对照点ρ（OC）、ρ（EC）、ρ（SOC）和OC/EC、SOC/OC分别为常规点位的0.8、0.6、1.2、1.2和1.3倍.采样期间,常规点位和对照点ρ（OC）和ρ（EC）的日均值具有相同的时间变化趋势.对照点ρ（OC）和ρ（EC）的相关性（0.49）低于常规点位（0.61）,对照点PM_2.5中OC和EC的来源差异性更明显.8个碳组分的丰度分析表明,常规点位和对照点PM_2.5中碳组分的来源基本一致,主要来源于道路尘、燃煤、机动车和生物质燃烧.绝对主因子分析法源解析结果表明,杭州市冬季PM_2.5中总碳（TC）的主要来源中,燃煤/汽油车排放/道路尘、柴油车排放和生物质燃烧的分担率为79.1%、13.1%和3.5%.      

机器学习耦合受体模型揭示驱动因素对PM2.5的影响

PM_2.5主要受排放源、大气化学、气象条件等驱动因素的非线性影响,了解驱动因素对PM_2.5浓度的影响十分重要. 本研究基于南开大学大气环境综合观测超级站的逐时在线观测数据,耦合机器学习方法和受体模型,揭示了驱动因素的重要性以及对PM_2.5浓度的影响. 结果表明:① 2018年11月—2020年10月观测地点的PM_2.5浓度范围为3.21~291.80 μg/m3,采暖季PM_2.5浓度和化学组分均高于非采暖季. ②使用受体模型解析PM_2.5的来源及其贡献,发现观测期间二次源的贡献率(44.7%)最高,其他依次为燃煤源(23.6%)、机动车排放源(11.0%)、扬尘源(9.9%)、生物质燃烧源(7.2%),工业源的贡献率(3.6%)最小. ③利用随机森林-SHAP模型量化排放源、大气氧化能力、气象条件等驱动因素对PM_2.5浓度的影响,发现观测期间排放源对PM_2.5浓度的影响程度为54.3%,高于其他驱动因素;气象条件对PM_2.5浓度的影响程度次之,为32.4%;大气氧化能力对PM_2.5浓度的影响程度相对较低,为13.3%. 在采暖季和非采暖季,各驱动因素对PM_2.5浓度的重要性在排序上没有变化,然而驱动因素对PM_2.5浓度的影响程度有所不同. 采暖季排放源对PM_2.5浓度的影响程度高于非采暖季,采暖季大气压对PM_2.5浓度的影响程度低于非采暖季. 研究显示,排放源对PM_2.5的影响相对较大,气象条件和大气氧化能力对PM_2.5浓度的影响也不容忽视.      

总量控制在环境管理中应用

实施大气污染总量控制是法律的要求和市场经济发展的需要，指出容量总量控制是环境质量管理的必然趋势，总量控制研究的核心内容是确定区域允许排放量和制订区域污染综合治理方案，论述了实施总量控制的技术方法和原则，讨论了实施总量控制在社会经济发展中的作用。     

气象因素对环境空气质量达标的影响分析

以天津市为例,分析地面风场、大气层结及天气形势等主要污染气象参量的特征及其与环境空气质量的相关关系;估算高、低污染潜势的天气背景对大气污染物浓度的影响幅度;提出在天气气候分类的基础上,建立气象条件标准化分级,评估气象条件对环境空气质量影响水平的方法。研究表明:天津市采暖季高污染的天气形势出现的频率约为34%,而非采暖季高污染的天气形势出现的频率约为16%,ISCLT3模型模拟结果显示相应于相同的污染源排放数据库由于采暖季和非采暖季气象条件不同引起的SO2全市平均浓度的差异约在10%以上。污染源源强相对稳定的条件下,高污染潜势的天气背景对空气污染的加剧作用大于低污染潜势的天气背景对空气污染的减轻作用。     

基于天津市在线数据评估ISORROPIA-Ⅱ模式结果及气溶胶pH的影响因素

气溶胶酸性与颗粒物性质及二次颗粒物暴发性增长密切相关.气溶胶pH难以直接测量,通常利用热力学模型进行计算.ISORROPIA-Ⅱ是常用热力学模型之一,包括不同的模式和气溶胶状态(forward和reverse模式,stable和metastable状态),研究表明,选择的模式和相态不同,其计算的pH结果也会有差异.且除模式相态选择外,还存在其他因素也会对模型结果产生影响.为探讨在我国典型城市大气污染特征下,ISORROPIA-Ⅱ合适的模式选择以及模型结果的影响因素,本研究利用天津市高时间分辨率在线小时数据,对不同模式和气溶胶状态下的模拟结果进行了分析.结果表明,使用forward模式和metastable状态的pH计算结果较为理想.温度升高,pH、气溶胶水含量、半挥发性组分气溶胶相中浓度占比均降低.RH通过影响气溶胶水含量和半挥发性组分浓度影响气溶胶pH值.阳离子浓度升高均会不同程度地导致pH升高、气相中NH_3浓度升高及HNO_3浓度降低;而阴离子则相反.Ca~(2+)、 SO_4~(2-)、 NO~-_3和NH~+_4对pH影响较大;与 SO_4~(2-)相比,NO~-_3对pH影响较小; NH~+_4对pH的影响存在敏感区,高浓度NH~+_4不会导致pH持续升高.本研究可提高对ISORROPIA-Ⅱ模拟我国城市大气气溶胶pH的理解,为我国开展pH相关的二次生成机制、半挥发性组分气粒分配和污染控制措施等相关研究提供参考.     

基于PMF模型的大气颗粒物多点位来源解析研究

随着环境监测数据空间分辨率的提高,越来越多研究人员选择将大气颗粒物多点位数据合并进行解析.本文通过模拟试验的方法,共设定了三大类八小类情景评估了不同条件下将多点位受体（大气颗粒物）进行解析的结果,同时结合合肥市2014年PM_2.5数据进一步验证多点位数据合并解析的适用性.结果表明：各点位间源贡献时间趋势完全一致时,多点位合并解析并不会使PMF模型的结果变好.各点位间源贡献时间趋势差异明显时,多点位合并解析更易解析出结果.各点位间源贡献时间趋势部分相同时,多点位合并解析的结果整体趋于变好,但是对某些源类的解析可能更差.     

天津市PM_(10)中元素的浓度特征和富集特征研究

为了解天津市大气PM10中元素的浓度水平和污染元素的来源,在天津市布置了7个采样点,获得了风沙季、非采暖季和采暖季19个元素的监测数据。结果表明:Ni、Pb、Cu、Cr是PM10中的主要超标污染元素;K、Ca、Na、Mg、Al、Si、Fe、Ti等8种元素是PM10浓度的主要贡献率元素(92%);19个元素的富集系数风沙季明显低于非采暖季;Co、Cu、Zn、Br、Pb五个元素各季和各站的富集系数均大于10,人为源贡献大于自然源,是环境治理的重点元素。     

乌鲁木齐市重污染期间PM2.5污染特征与来源解析

目前有关我国城市大气重污染期间PM_2.5污染特征及其来源的研究较少,为深入了解典型城市大气重污染期间PM_2.5的污染特征与来源构成,于2013年1月19—30日在乌鲁木齐市采集PM_2.5样品,并依据相关划分标准,确定1月19—28日为重污染天气. 分析了重污染天气下ρ(PM_2.5)及主要化学组成(包括水溶性离子、无机元素和碳组分),运用统计学方法研究了重污染期间PM_2.5的污染特征,并且采用富集因子法和CMB受体模型解析了PM_2.5的来源构成.结果表明:大气重污染期间ρ(PM_2.5)严重超标,其中米东区环境保护局采样点的ρ(PM_2.5)最高,其次是铁路局、市监测站;PM_2.5化学组分以SO₄2-、TC、Si和NO₃-为主,其中二次离子占ρ(PM_2.5)的43.1%;城市扬尘、煤烟尘和二次粒子是环境空气中PM_2.5的主要污染源类,三者在乌鲁木齐市以及米东区的分担率分别为24.7%、15.6%、38.0%和20.8%、28.0%、36.2%,其中二次硫酸盐的分担率在两地更分别达到28.6%和27.0%.