2015~2018年中国代表性城市PM2.5浓度的城乡差异

选取中国6大城市群中的11座代表性城市为研究区域,将监测站点划分为城区、郊区和乡村站,进而分析各城市间PM_2.5浓度的城乡差异规律.结果表明,同一城市群各城市之间,或同一城市的城区、郊区、乡村站间PM_2.5日变化皆较为相似.京津冀和长三角地区的城市城区PM_2.5浓度最高,高于郊区7.8%~9.7%,高于乡村11.3%~16.9%,而粤港澳大湾区和内陆城市群（成渝、长江中游、关中平原城市群）的城市郊区PM_2.5浓度最高,高于城区2.6%~11.2%,高于乡村16.7%~26.5%.各城市间城乡PM_2.5浓度差值的日变化规律不尽相同,可呈单峰（如上海）或双峰（如杭州）变化,极值可出现在白天（如广州）,亦可在夜间（如深圳）.PM_2.5的排放与传输扩散共同对11城市城乡PM_2.5浓度分布产生影响.     

基于数据分解的AQI的CEEMD-Elman神经网络预测研究

针对Elman神经网络在预测空气质量指数（AQI）时易受到数据非平稳性的影响导致预测趋势良好但准确度较低的问题,提出以互补集合经验模态分解（Complementary Ensemble Empirical Mode Decomposition,CEEMD）为基础的CEEMD-Elman模型.应用CEEMD对AQI序列分解成不同时间尺度上的本征模态函数分量和剩余分量,进而首次将对非平稳的AQI序列的预测研究转化为对多个平稳的本征模态函数分量的研究.分别与Elman单一模型、EMD-Elman模型、BP单一模型及CEEMD-BP模型进行实验对比.结果表明：应用该方法建立的模型的均方误差、平均绝对误差和平均绝对百分比误差分别为4.80、0.71、1.84%,均小于其他模型结果;对应空气质量等级预报正确天数的频率为94.12%.该模型能有效的降低非平稳性对实验预测结果的影响,实现对空气质量等级的准确预报;该研究为进一步预测AQI的走向提供了有效依据,也为政府决策和管理部门制定空气污染控制提供了更充分的参考.     

空冷塔对大气环境温度湿度影响的数值模拟

运用FLUENT建立空冷塔模型进行数值模拟,研究不同出口温度、环境温度和侧风速度下空冷塔与大气环境之间的传热.结果表明：不同出口温度及环境温度对空冷塔与大气环境间的换热有显著影响.其中,当出口温度升高到328K时,空冷塔近地面层空气温度上升6.22K,而其相对湿度由47.7%降至31.78%,空气干燥程度增大;随着环境温度与排气温度间温差增大,换热效果更为显著,表现为冬季空气干燥程度变化最大,春秋次之,夏季最小.不同环境风速对空冷塔与大气环境间换热区域影响显著,其中,当侧风风速为7m/s时,热交换影响区域可达11.17km,且空冷塔近处相对湿度由47.7%降至39.47%.     

农村生活污水处理设施优先控制区域识别与监管策略

选取嘉兴市秀洲区和海宁市为研究对象,以乡镇区划为研究单元,采用综合源强估算法和GIS软件,对处理设施的氨氮（NH₃-N）、总磷（TP）、化学需氧量（COD）排放强度进行定量估算和空间分析.结果表明,秀洲区处理设施的NH₃-N和COD排放强度高于海宁市,而TP排放强度与海宁市差不多.秀洲区内,洪合镇各污染物的排放强度均最高;海宁市内,盐官镇NH₃-N排放强度最高,许村镇TP和COD排放强度最高.采用因子分析法和加权指数法计算排污权重,再结合生态敏感性评价和环境功能区划,筛选出运维和监管优先控制区.秀洲区内,洪合镇、王江泾镇、油车港镇被划分为优先控制区,该优先控制区内处理设施数量占比27.87%,排污权重占比72.42%,通过重点监管17.66%的设施,可监管秀洲区59.98%的污染物排放.海宁市内,长安镇、许村镇、海洲街道、盐官镇、袁花镇被划分为优先控制区,该优先控制区内设施数量占比69.10%,排污权重占比71.23%,通过重点监管16.85%的设施,可监管海宁市43.54%的污染物排放.研究结果可为提高设施的运维监管效率提供技术支撑.     

Morphology and composition of particles emitted from a port fuel injection gasoline vehicle under real-world driving test cycles

Traffic vehicles, many of which are powered by port fuel injection (PFI) engines, are major sources of particulate matter in the urban atmosphere. We studied particles from the emission of a commercial PFI-engine vehicle when it was running under the states of cold start, hot start, hot stabilized running, idle and acceleration, using a transmission electron microscope and an energy-dispersive X-ray detector. Results showed that the particles were mainly composed of organic, soot, and Ca-rich particles, with a small amount of S-rich and metal-containing particles, and displayed a unimodal size distribution with the peak at 600?nm. The emissions were highest under the cold start running state, followed by the hot start, hot stabilized, acceleration, and idle running states. Organic particles under the hot start and hot stabilized running states were higher than those of other running states. Soot particles were highest under the cold start running state. Under the idle running state, the relative number fraction of Ca-rich particles was high although their absolute number was low. These results indicate that PFI-engine vehicles emit substantial primary particles, which favor the formation of secondary aerosols via providing reaction sites and reaction catalysts, as well as supplying soot, organic, mineral and metal particles in the size range of the accumulation mode. In addition, the contents of Ca, P, and Zn in organic particles may serve as fingerprints for source apportionment of particles from PFI-engine vehicles.     

Morphology, composition, and sources of individual aerosol particles at a regional background site of the YRD, China

Aerosol samples were collected at Lin'an, a background site of Yangtze River Delta(YRD).Morphology, size, composition, and mixing state of individual aerosol particles were characterized by transmission electron microscopy(TEM) coupled with energy dispersive X-ray spectroscopy(EDS), and the soluble ions of PM_(1.0) were studied by aerosol mass spectrometer(AMS). The daily average AMS mass concentrations of sulfate, nitrate, and ammonium were about 5.8, 8.6, and 5.6 μg/m~3, respectively. Individual aerosol particles were classified into seven types: S-rich, K-rich, organic matter(OM), soot, fly ash, metal, and mineral. S-rich particles were dominant in all size bins, and 51%(by number) of S-rich particles were internally mixed with other particles. The fraction of organic coating particles was 13.7% in morning, 25.2% in afternoon, and 11% in evening, suggesting that the strong photochemical process during afternoon produced more secondary organic aerosols(SOA) on the surface of inorganic particles. Fly ash and metal particles were abundant during the day, suggesting the influence of emissions from coal-fired power plants and steel plants. The results indicate that the intense industrial emissions in the YRD significantly transported to the background areas. PM_(2.5) concentration may be lower in background air than in urban air but complex mixing state of aerosol particles indicates that the long-range transported particles substantially influenced the background air quality.     

水泥-电力行业的产业共生网络构建及区域案例研究

水泥工业作为工业生态系统的汇,能够多样化地利用其他行业的副产物,这种典型的产业共生模式可以通过减少资源和能源的消耗带来显著的CO₂减排效果.由于产业共生在水泥行业具有一定的普遍性及巨大的CO₂减排潜力,所以对水泥工业产业共生现状的了解与分析就显得尤为重要;而通过对产业共生现状的全面了解,才能对现有水泥行业产业共生的程度进行分析,并以此为参照,对未来不同政策与情景下的CO₂减排潜力进行量化与评估.为实现对产业共生实际情况的模拟,以水泥-电力行业的产业共生为例,采用最优化的方法,提出了一套基于一般统计数据来模拟产业共生实际情况的系统方法,将技术、经济与政策3类不同的决策变量影响纳入模型,以模拟出最接近真实情景的产业共生情况.为验证模型的有效性,对新乡市水泥-电力行业实际的产业共生情况进行分析.结果表明:新乡市水泥-电力行业间存在普遍的产业共生现象,实地调查中有77.8%（21家）的水泥制造企业利用粉煤灰作为水泥制造的原材料.将一般统计数据与实地调查数据对比发现,一般统计数据能较好地反映企业实际物质投入产出情况;利用一般统计数据,模型对新乡市产业共生网络结构模拟的准确率高达92.6%,显示该模型能较为有效地对产业共生的实际情况进行模拟.      

乌鲁木齐市散煤燃烧大气污染物排放清单及时空分布特征

为研究乌鲁木齐市散煤燃烧对大气污染物的贡献情况,根据实地调研收集到的散煤燃烧活动水平数据,利用排放因子法建立2015年乌鲁木齐市散煤燃烧PM_2.5、SO₂和NO_x的排放清单,利用ArcGIS空间分析工具进行空间分布特征分析,使用蒙特卡罗方法进行不确定性分析.结果表明:2015年散煤燃烧排放PM_2.5、SO₂、NO_x分别为1.70×104、4.13×104、2.80×103 t.PM_2.5和SO₂排放的主要贡献区域为乌鲁木齐县,分别占排放总量的27.35%和26.23%,这是由于乌鲁木齐县社区居民和大棚种植耗煤量较大所致;NO_x排放的主要贡献区域为米东区,贡献率高达28.03%,这是因为米东区社区居民所用炉灶为手动炉排层燃炉灶,其排放因子较大所致.空间分布特征表明,污染物主要分布在米东区南部、沙依巴克区北部及乌鲁木齐县中部.不确定性分析表明,村庄、社区、大棚种植、商业和事业单位在95%的置信区间时不确定性分别为-69%~165%、-57%~116%、-68%~171%和-67%~165%.蒙特卡罗预测结果（平均值）高于排放清单的计算结果.研究显示,乌鲁木齐市散煤燃烧对污染物排放贡献较大,并且具有明显的季节性和区域性特征.      

兰州市典型企业VOCs排放特征及反应活性分析

基于兰州市大气VOCs排放清单,选取石化厂、乙烯厂、涂料厂3个典型企业采集VOCs样品,分析其无组织排放特征,并采用MIR（最大增量反应活性）法和LOH（·OH反应速率）法综合评价其化学反应活性,识别各企业的VOCs活性优势物种,同时探究不同企业特征VOCs比值.结果表明:不同排放源φ（VOCs）差异较大,范围为20.8×10-9~6 520.3×10-9.从VOCs物种构成上来看,涂料厂芳香烃占比最高,而石化厂、乙烯厂均以烷烃物种最为丰富,石化厂不同工艺VOCs物种构成略有差异.从活性上看,涂料厂VOCs活性最高,其LOH和OFP（臭氧生成潜势）分别为2 676.9 s-1和72 519.0×10-9,约为其他行业的18~1 000倍,间/对-二甲苯、乙苯、邻二甲苯等物种活性较大;其次为石化厂,其LOH和OFP分别为273.2 s-1和4 039.1×10-9,正戊烷、异戊烷、乙烯、丙烯等物种活性贡献率高,其中柴油工艺对石化厂VOCs活性贡献率最大;乙烯厂的OFP最低,其LOH和OFP分别为4.6 s-1和69.7×10-9,其VOCs活性主要来自乙烯、丙烯、正丁烯等烯烃物种.各工业源BTEX（苯、甲苯、乙苯及3种二甲苯异构体的合称）分布具有一定的差异,对于指示不同VOCs来源有一定的参考价值,但不同源比值的重叠性也表明并非全部VOCs来源可以通过特征物种比值来区分.研究显示,控制工业源特别是涂料与石化工业VOCs的排放有助于控制兰州市O₃的生成.      

2017年兰州市大气污染物输送来源及传输特征模拟分析

利用HYSPLIT后向轨迹模式,结合兰州市AQI（空气质量指数）及常规大气污染物质量浓度数据,模拟研究了2017年1月1日-12月31日以兰州市为受点的大气污染物输送特征.通过聚类分析确定了抵达兰州市气团的主要输送途径和每类路径所对应的污染物质量浓度特征,并利用受体模型PSCF（潜在源贡献因子分析法）和CWT（权重浓度轨迹分析法）,分析了大气污染区域传输对兰州市空气质量的影响,探讨了影响兰州市空气质量的污染物输送来源和可能的潜在源区.结果表明,在影响兰州市的气流轨迹中,污染轨迹多来自兰州市以西和以北方向,污染轨迹约占总轨迹的39.52%,说明外部污染物的输入对兰州市空气质量具有重要影响.其中,第3类轨迹（对应来向为西）的气团对兰州市的空气质量有较大的影响,该类轨迹虽仅占总轨迹的15.21%,但其中污染轨迹数占56.76%,是影响兰州市空气质量的主要传输路径;第4类轨迹（对应来向为东南）的气团最为清洁.研究显示,对兰州市空气质量影响最大的强潜在源区主要分布在青海共和盆地、兰州市本地及周边区域,中等强度潜在源区为内蒙古自治区南部、宁夏回族自治区及甘肃省河西走廊等地区.