广州市交通干线附近细颗粒污染特征

利用中山大学大气环境监测平台数据,对广州市交通干线附近的ρ(PM2.5)和ρ(PM1)进行了统计学分析,以研究交通干线附近细颗粒污染特征及变化规律.结果表明:2008-2012年广州市PM25超标严重,但ρ(PM2.5)有所下降.受季节性污染源及气象因素影响,广州市夏季ρ(PM2.5)平均值为42 μg/m3,明显低于春、秋、冬三季.ρ(PM2.5)在工作日与周末差异明显,周末明显高于工作日,而ρ(PM1)在工作日与周末差异不明显.ρ(PM2.5)与ρ(PM1)日变化趋势基本一致,整体上呈白天低、夜晚高,上午低、下午高的特征.ρ(PM2.5)日变化呈单峰,19:00左右达到最大值(53 μ.g/m3);而ρ(PM1)呈双峰变化,在20:00左右达到高峰值(43μg/m3),上午09:00左右也有一小峰值(37 μg/m3).ρ(PM2.5)和ρ(PM1)的相关性较好,R(相关系数)为0.94,PM1是PM25的主要构成颗粒,所占比重平均值为0.65.ρ(PM2.5)和ρ(PM1)均与交通流量存在相关性,在白天和夜晚变化趋势相一致,但交通流量白天与ρ(PM2.5)更为密切,夜晚则与ρ(PM1)更为密切.     

非珠三角机动车尾气控制措施协同效果评估

广东非珠三角机动车保有量的大量增长带来了交通尾气污染物和CO_2的高强度、集中性排放,严重影响空气质量以及碳排放治理工作。因此,迫切需要设计更加高效可行的碳减排政策来控制交通尾气污染物以及CO_2的排放。该文基于平均行驶里程法预测了非珠三角地区2015-2020年5种污染物(CO、VOCs、NO_x、PM_(2.5)和CO_2)在不采取专门控制措施情景下的排放量,并根据现有经济、技术和政策规划设计了5种减排情景,计算不同减排情景下的减排量,定量分析了不同减排情景对多污染物的协同控制效应及其成本效益。研究表明:(1)在不采取专门的控制措施下,2015-2020年污染物排放量持续增长,2020年CO_2排放量将达到5 488.6×10~4t,相比2014年增长了141%;(2)在各类减排情景下,污染物排放量呈现不同程度的削减(VOC_S除外),其中,2020年提高燃油品质对NO_x(削减率37%)和CO(削减率41%)的削减率最高;(3)提高排放标准对CO_2和PM_(2.5)的协同控制效应最好,公交优先对CO_2和NO_x的协同控制效应最好;(4)综合考虑对各污染物的减排效果,提高排放标准成本效益最优,对空气污染物和CO_2的平均减排率为29%,平均单位成本为0.13元/g。研究显示,由于低费效比及其对多污染物的协同控制效应好,提高排放标准在研究中是最优的污染物减排措施。     

广州高峰期典型公交车站候车人群颗粒物暴露特征分析

为探究城市居民在不同用地类型公交车站候车时的颗粒物暴露情况,使用Grimm Aerosol 11-A便携式气溶胶光学粒径谱仪对广州市12个典型公交车站的颗粒物暴露水平进行平行监测.结果表明,12个公交车站的PM1、PM2.5和PM10平均暴露质量浓度分别为32.82 μg/m2、49.00 μg/m2和125.46 μg/m2;海港型黄埔区的公交车站颗粒物平均暴露质量浓度高于中心城区海珠区,尤其是工业型车站,而海珠区暴露质量浓度最高的车站类型是住宅型.不同公交车站颗粒物粒径分布相似,均集中在积聚模态,为0.25～1 μm,其中海珠区PM1暴露更突出,而黄埔区则以医疗型和工业型为代表,粗粒径颗粒物暴露更为严重.不同用地类型公交车站与总人群暴露剂量及暴露质量浓度规律存在差异,受人群出行需求影响,暴露质量浓度高的工业型车站表现出低水平的总人群暴露剂量,而海珠区总人群暴露剂量最高为住宅型和文娱型车站,黄埔区总人群暴露剂量最高为医疗型车站.公交车站以成人为出行主体,占比达总候车人群的80％以上,其暴露剂量也最高,为总暴露剂量的74％～99％.中心城区海珠区的老人总暴露剂量高于儿童,而海港型黄埔区则在医疗型、文娱型和住宅型车站表现出相反的规律.     

2014年冬季珠三角区域典型城市PM2.5污染时空关联特征

为探讨冬季珠江三角洲（下称珠三角）区域污染物的空间传输延迟性及其与气象、地理的关联性,利用2014年12月1日-2015年1月9日天气图、珠三角区域4个典型城市——韶关、广州、深圳、香港的地面气象数据及ρ（PM_2.5）,采用时间序列、相关性分析等方法,分析了2014年冬季各城市大气ρ（PM_2.5）变化关联特征以及受天气过程的影响.结果表明:在研究时段内,受11次冷空气南下和3次西南暖湿气流控制的典型天气过程影响,4个典型城市的ρ（PM_2.5）小时均值、日均值的时间序列变化趋势具有一致性,并且4个城市间的ρ（PM_2.5）相关性均呈现深圳与香港>广州与深圳>韶关与广州的现象.在冷空气南下的典型天气过程中,4个城市ρ（PM_2.5）小时均值存在显著相关,其中,韶关与广州的相关系数为0.84,广州与深圳的相关系数为0.80,深圳与香港的相关系数为0.92;4个城市间ρ（PM_2.5）变化存在一定的滞后现象,其中,广州较韶关延迟4 h,深圳较广州延迟3 h,香港较深圳延迟1 h;而在西南暖湿气流控制的典型天气过程中,4个城市间ρ（PM_2.5）变化的关联特征不明显.研究显示,冬季珠三角区域污染物在典型冷空气南下过程中存在较明显的空间传输延迟特征,并且各典型城市间浓度变化相关性较显著.      

基于车辆身份检测数据的单车排放轨迹研究

为实现单车层面的动态排放轨迹追踪,基于电警式卡口产生的逐秒过车记录数据建立了车辆排放轨迹计算方法,通过提取动态轨迹中的运行参数及机动车保有量数据库中的技术参数,并结合排放模型计算了2018年5月10日~6月9日安徽宣城市中心城区123条路段上共133,906辆车的44,672,343条轨迹的排放数据.研究结果显示,出租车是CO的重要排放来源且交通兴趣点附近路段排放强度较高;公交车和重型货车是NO_x的重要排放来源,公交车工作日NO_x排放总量达1.3kg,约为重型货车的7.5倍,且路线固定、排放分布随发车班次周期循环;轻型货车排放路线多围绕货运需求且多为昼间行驶,而重型货车多选择凌晨出行;通勤类私家车工作日昼出夜归,路线固定且往返过程各污染物排放量均较稳定.对于全路网,CO、VOCs的高排放强度区域多集中于中心路网,NO_x、PM则多分布于外围路网.     

2012-2014年广州能见度变化特征及与PM2.5关系研究

根据广州市2012年1月-2014年4月的大气能见度,PM2.5、O3、SO2、NO2、NOx、CO等大气污染物,以及气象要素的实时监测资料,分析了近年来广州市大气能见度变化特征,探究了能见度与大气污染物、气象要素之间的关系,并对PM2.5、相对湿度等主要因素对能见度的综合影响进行定量分析,并基于以上综合分析建立了高精度的能见度统计模型.结果表明:2012年1月-2013年12月广州市大气能见度呈好转趋势,到2013年能见度年均值约为13.01 km,为1973-2007年平均水平的约1.2倍;广州市大气能见度及灰霾日频率季节特征明显,其中春、冬季节是低能见度时期,也是灰霾多发季节,灰霾日频率达到50％左右;PM2.5、相对湿度为近年影响广州市能见度的主要因子,相关系数分别达-0.556、-0.335 (p ＜0.01).研究表明,最终所建立的多函数拟合统计模型对能见度模拟效果较好,相关系数达到0.90(p＜0.01),平均绝对误差、平均相对误差、均方根误差分别为1.281 km、13.3％、1.767 km.     

气象参数对基于BP神经网络的PM2.5日均值预报模型的影响

建立了基于BP神经网络的PM2.5质量浓度预报模型,对广州市5个监测点2012年6月-2013年5月的PM2.5质量浓度日均值进行预报,分析了总体预报误差、不同风速和降雨量下的预报误差,以及天气预报误差对PM2.5质量浓度预报误差的影响.结果表明,BP神经网络模型对5个站点的PM2.5预报结果稳定,平均相对误差为29.71％.在有利于PM2.5扩散的气象条件下预报误差较大,风速较大时与风速较小时预报误差的差异高达15％,而不同降雨量情况下的预报误差较相近.修正天气预报后,各站点的预报误差平均降低了4.67％.这表明可从空气质量数据质量等方面人手改进模型.     

广州市中心城区公交车站颗粒物污染暴露特征及影响因素分析

为探究超大城市居民在中心城区公交车站候车的颗粒物暴露情况,使用Grimm Aerosol 11-A型便携式气溶胶光学粒径谱仪对广州市越秀区和天河区共7个典型公交车站的颗粒物污染暴露进行平行监测.结果表明:①各公交车站的平均PM₁、PM_2.5和PM₁₀暴露浓度分别为（33.35±15.96）（46.97±22.94）和（89.70±67.07）μg/m3,休息日公交车站的暴露浓度约为工作日的2倍,高峰期颗粒物暴露浓度略高于平峰期.②候车乘客数、道路车流量和相对湿度是影响PM₁、PM_2.5暴露浓度的主要因素,纯电动公交车停靠次数虽对细颗粒物暴露浓度无明显贡献,但其制动、轮胎与路面摩擦以及扬尘产生的粗粒径排放成为PM₁₀污染的主要因素之一.③粗粒径模态（1~10 μm）颗粒物是颗粒物浓度的主要贡献源,其浓度占比高达63%,但数浓度占比不足1%;而积聚模态（0.25~1 μm）颗粒物数浓度占比在99%以上,部分车站积聚模态颗粒物质量浓度占比超过40%,说明细颗粒污染严重.④单位时间内公交车站候车乘客PM₁、PM_2.5和PM₁₀总暴露剂量分别为（241.80±82.85）（342.59±112.11）和（681.17±226.89）μg/h,表现出工作日高于休息日、工作日高峰期高于平峰期、休息日高峰期低于平峰期的特征,部分车站（如DF和LS站）老人总暴露剂量占比超过40%,成为公交车站主要暴露对象之一.研究显示,广州市中心城区公交车站颗粒物暴露特征时空差异明显,道路车流量、相对湿度、候车乘客数和公交车停靠次数是影响颗粒物暴露浓度的主要因素.      

基于车辆身份检测数据的车辆出行排放知识图谱研究

为实现个体车辆出行、排放行为的精细表征与挖掘,基于宣城市中心城区全量个体车辆的出行轨迹、技术参数、排放轨迹等多维交通大数据,以表征个体车辆出行过程的排放信息为主线,设计并构建车辆出行排放知识图谱.研究表明：①知识图谱直观地表征了“车辆-道路-出行-排放”信息的时空关联,可实现个体车辆在不同日期、不同时段、不同路段等多尺度出行特征的精细挖掘.以某辆小型客车为例,检索发现周一、周三出行主要连接的小时实体都为7：00、8：00和17：00,周五、非工作日出行连接的小时实体具有明显的随机性;周一、周三出行所连接的道路实体较少且基本一致,在宣水路、昭亭北路、昭亭南路的出行里程之和占比为63%~68%,周五、非工作日出行连接的道路实体则较为分散.②通过出行信息类、排放信息类实体的关联检索,可实现个体车辆出行排放时空特征的精细辨识和溯源分析.示例车辆的检索结果表明：周一车辆的CO日排放量为1.2g,是周六的2.5倍,同时在早高峰时段（7：00）,车辆出行在交通繁忙路段时,伴随低水平车速,排放强度相对较高.