石家庄大气污染物输送通道及污染源区研究

为探索石家庄的区域输送规律,确定主要污染源区,利用HYSPLIT(Hybrid Single Particle Lagrangian Integrater Trajectory)后向轨迹模式和NCEP的GDAS全球气象要素数据,对2013—2016年从不同高度上抵达石家庄地区的逐日72 h气流后向轨迹进行聚类分析,并结合石家庄逐小时颗粒物污染物浓度数据,分析石家庄PM2.5的潜在源贡献因子(WPSCF)和浓度权重轨迹(WCWT).结果表明,(1)石家庄PM2.5浓度具有明显单峰谷日变化,秋冬季与春夏季峰谷值出现时间不同;(2)近地层大气污染输送路径以近距离,移速慢的轨迹为主,轨迹较短的路径所占比例在40%以上.除夏季外,近距离输送路径均存在螺旋转向,在后向48~36 h内轨迹端点到达河北省内,转为东向和南向输送.(3)大气污染输送通道的垂直分布特征表明,输送轨迹中低于500 m高度的轨迹点占28.7%,高于1000 m低于3000 m高度的轨迹点占36.1%,高于3000 m高度的轨迹点占25.3%.低层多以近距离输送为主,高度越高,近距离输送轨迹的频率越低.500 m高度输送通道仍以近距离输送为主,并存在螺旋转向,1500 m高度以上多远距离输送.(4)石家庄PM2.5的主要污染源区范围较小.途径河北中南部、河南北部、山东西部和山西中北部地区的轨迹对石家庄PM2.5的污染贡献最大.     

石家庄市空气颗粒物污染与气象条件的关系

利用2013—2014年石家庄市环境监测中心PM_(2.5)、PM_(10)逐时监测资料、同期的石家庄市地面气象观测站常规观测资料以及环境监测梯度站2013年1月各层PM_(2.5)和PM_(10)逐时观测资料,分析了PM_(2.5)、PM_(10)质量浓度的时空分布特征及与气象要素的相关关系。结果表明:石家庄市PM_(2.5)与PM_(10)的质量浓度及两者的比值均为冬季和秋季较高;在水平分布上,PM_(2.5)与PM_(10)的平均质量浓度为市区西部高于东部;在垂直分布上,随着高度的增加,PM_(2.5)和PM_(10)平均质量浓度先上升后下降;PM_(2.5)与PM_(10)的质量浓度与相对湿度呈正相关,其中PM_(2.5)的质量浓度与相对湿度相关性更高;PM_(2.5)与PM_(10)的质量浓度与风速呈负相关,随着风速的增大,PM_(2.5)与PM_(10)的平均质量浓度呈下降的趋势,但当风速大于5 m/s时,PM_(10)的质量浓度随着风速增大而上升,出现扬尘污染,总体来讲,刮西北风时PM_(2.5)与PM_(10)的质量浓度较高,刮东南风时PM_(2.5)与PM_(10)的质量浓度较低,这与风向和风速的日变化有关;PM_(2.5)与PM_(10)的质量浓度与降水呈负相关,随着降水的增加,PM_(2.5)与PM_(10)的平均质量浓度呈下降的趋势。     

石家庄市一次大气重污染过程的边界层特征和成因分析

针对石家庄市2015年12月5—14日出现的重污染过程,利用石家庄市逐日地基微波辐射计、风廓线雷达、地面气象观测资料以及同期的污染物观测资料,分析了重污染过程期间大气边界层温度、湿度、风变化特征及对PM_(2.5)的影响,采用Hysplit后向气团轨迹模式对污染来源进行分析。此次重污染以局地排放为主要形成源,期间冷空气势力弱,地面日平均风速均在1.5 m/s以下,日平均相对湿度均在70%以上,风速小、湿度大,稳定的大气环流形势为重污染提供了持续稳定的大气环境背景。逆温形成及快速增厚导致重污染开始,逆温层平均厚度为683 m,逆温层厚、强、不易消散,导致重污染持续时间长、污染重。近地面小风层厚(平均700 m左右),通风能力弱,导致污染物难以稀释扩散。同时近地层湿度大、厚度厚,使得PM_(2.5)更容易形成和积累,对重污染加重起到了促进作用。     

基于高分辨率MARGA数据分析石家庄PM2.5成分谱特征

利用MARGA离子在线分析仪ADI 2080于2014年8月21日~9月23日在石家庄市气象局楼顶开展了PM2.5组分连续观测试验,结合气象、环境监测资料对其进行了相关分析,结果表明:8种气溶胶水溶性离子质量浓度总和与石家庄市PM2.5浓度保持高度一致,二次离子SO42-、NH4+、NO3-占水溶性离子总和的88.4%,是石家庄PM2.5的主要组分,SO42-质量浓度在水溶性离子中所占比例最大,随气温的升高而增加,随湿度的增大有所下降,NO3-则相反,随湿度的增大所占比例增加明显;能见度随水溶性离子质量浓度增加呈幂函数快速下降,二次离子SO42-、NH4+、NO3-质量浓度与盛行风向和工业区布局、太行山地形有关,浓度最大的风向为东北风,最小的为偏西风;SO42-、NO3-的气态前体物SO2、NO2气相、液相转化率SOR、NOR均随着湿度增大而增大,SOR与湿度关系更密切,NOR受辐射影响日变化呈单峰型;Ca2+做为建筑材料的标识元素,干燥的晴天及偏西风影响下质量浓度较大,在该种天气型下需注意控尘.     

“2+26”城市一次污染过程PM2.5化学组分和来源解析研究

"2+26"城市颗粒物污染严重,城市间相互影响显著,开展该区域大气颗粒物组分特征及来源解析的研究,能够为大气污染精细化管控及城市间协同控制提供科学支撑.本文对"2+26"城市2016年12月16—23日一次颗粒物污染过程中的PM_(2.5)组分数据进行了分析,使用空气质量模式CAMx-PSAT对PM_(2.5)的来源进行了解析.结果表明,本次污染过程中阳泉的PM_(2.5)最高日均浓度为137μg·m~(-3),达到中度污染;长治、太原和滨州的PM_(2.5)最高日均浓度分别为235、188、226μg·m~(-3),达到重度污染;其余城市的PM_(2.5)最高日均浓度值超过250μg·m~(-3),达到严重污染.PM_(2.5)中含量最多的4种组分为OC、NO~-_3、SO■、NH~+_4,平均占比分别为19.38%±4.37%、18.20%±3.14%、16.83%±3.55%、10.35%±1.64%,NO~-_3的占比高于SO■;Cl、Cd、Sn、Cu、Zn、As、Se、Pb和S元素的富集因子大于100,主要来自于人为排放,部分城市的Cd和As元素浓度超标,所有城市的Cr元素浓度均超标;各城市的OC/EC比值为4.96～11.60,说明有明显的二次有机颗粒物生成.模拟结果显示,PM_(2.5)本地排放贡献为10%～47%,外地贡献为15%～68%,"2+26"城市以外区域的贡献为14%～53%;民用源、工业源、农业源、交通源、电力源的贡献分别为43.70%±5.94%、29.29%±4.93%、9.68%±1.09%、9.19%±1.69%、6.27%±1.37%.本研究表明,针对颗粒物主要组分OC、NO~-_3、SO■、NH~+_4的前体物,开展民用源和工业源的减排及城市间的协同控制,才有可能达到理想的区域PM_(2.5)控制效果.     

石家庄一次沙尘气溶胶污染过程及光学特性

为掌握沙尘气溶胶远距离输送特征及其规律,对2015年4月15日影响石家庄空气质量的沙尘天气背景、污染特征进行了分析,利用HYSPLIT-4模式分析了沙尘气溶胶的后向轨迹,并利用微脉冲激光雷达和太阳光度计CE318监测资料分析了沙尘气溶胶的垂直分布和光学特性演变,与大风无沙尘沉降另一过程进行了对比,探讨了沙尘沉降对消光系数的影响,估算了沙尘沉降对地面PM₁₀浓度的贡献.结果表明:来自蒙古国的沙尘气溶胶以西北路径远距离输送沉降是导致石家庄PM₁₀浓度骤升的主要因素;沙尘沉降对消光系数和地面PM₁₀浓度具有重要贡献;气溶胶快速沉降时间与冷锋过境、冷空气下沉相一致;微脉冲激光雷达监测到整个沙尘气溶胶输送沉降过程,沉降之前沙尘气溶胶主要分布在1500~3000m高空,气溶胶消光系数随高度上升而增大,输送飘浮空中到沉降持续时间较长,为沙尘污染预警提供了"强信号"特征;气溶胶光学厚度随沙尘到达明显上升,浑浊度较高,粒径偏大,地面能见度随气溶胶光学厚度呈幂指数递减.     

石家庄市极端气温指数变化特征及城市化影响

利用石家庄市16个县气象站和石家庄市区气象站(简称石家庄站)1972-2012年的逐日最高、最低气温资料,采用线性趋势、Mann-Kendall突变检验方法分析了石家庄市极端气温指数的时空演变特征及城市化对石家庄站极端气温指数趋势变化的影响。结果表明:石家庄市极端高温事件多发中心位于石家庄站及西南部地区,极端低温事件多发中心位于东北部地区;大部分站点极端低温事件呈减少的变化趋势,而极端高温事件则呈增多的变化趋势。在年代际变化上,石家庄市的冷夜日数和冷昼日数总体上呈减少的趋势,而暖夜日数和暖昼日数则呈明显增多的趋势。除了冷昼日数突变不明显外,其它极端气温指数均在1990年前后发生了突变。城市化使得石家庄站冷夜日数和冷昼日数显著减少,暖夜日数和暖昼日数显著增多,四季中春季的冷昼日数和暖昼日数城市化影响最明显,夏季的暖夜日数城市化影响最明显,而冷夜日数的城市化影响在冬季最明显,且夜间和白天极端气温指数城市化影响程度存在明显差异,这可能与城市热岛效应的非对称性有关。     

“2+26”城市大气重污染下PM2.5来源解析

基于区域大气环境模拟系统RegAEMS开发了大气污染物来源解析模块APSA，以京津冀及周边"2+26"城市为研究对象，模拟2017年12月26日~2018年1月2日该地区一次PM_2.5重污染过程，对PM_2.5进行区域和行业来源解析.结果表明：本次污染持续时间长、影响范围广、污染程度重，"2+26"城市PM_2.5小时最大值为201~507μg/m³，RegAEMS可较好模拟出PM_2.5时空分布；区域来源解析表现为外围区域对"2+26"边界城市影响较大，贡献为15.3%~57.5%，"2+26"中部城市受外围区域影响较小，贡献为0.3%~8.4%，区域传输特征明显，受近地面风场影响较大；行业来源表现为区域内生活源、工业源贡献较大，分别为26.6%~45.8%、16.4%~37.8%，交通源占比13.0%~35.9%.本文研究表明RegAEMS可以实现重污染过程PM_2.5的数值模拟和来源解析，在大气污染精准管控方面具有较好应用前景.