重点煤电基地大气污染物扩散对京津冀的影响

基于排放源清单,采用空气质量模式CAMx模拟现状情景下,鄂尔多斯、宁东与锡林格勒排放污染物扩散对京津冀地区的影响.结合3地区已批复环境影响报告、规划环评与战略环评等污染物排放数据,估算未来情景下3地区能源基地污染物排放对京津冀的影响.结果表明：现状情景下,3地区排放的PM_2.5、SO₂与NO_x对京津冀的贡献浓度范围分别为0.079~1.134,0.012~0.633,0.008~0.852μg/m³,冬季对京津冀地区的影响要高于夏季,对京津冀地区冬季的平均贡献浓度值为0.710,0.339与0.413μg/m³,影响较大的京津冀城市为衡水市、石家庄市、邢台市、邯郸市与保定市;未来情景下3地区能源基地排放的PM_2.5、SO₂与NO_x对京津冀城市浓度贡献范围分别为0.049~0.773,0.003~0.176,0.008~0.731μg/m³,冬季平均贡献浓度值为0.475,0.096与0.357μg/m³.     

中国钢铁行业大气环境影响

本研究基于2015年在线监测等数据,分析中国钢铁行业主要工序(烧结和球团)排口烟气浓度情况,自下而上建立了2015年中国高时空分辨率钢铁行业大气污染物排放清单(HSEC, 2015),使用CAMx模型,定量模拟钢铁行业排放对区域大气污染物浓度贡献.结果表明, 2015年中国钢铁行业共排放SO_2、NO_x、PM_(10)、PM_(2.5)、PCDD/Fs、VOCs、CO、BC、OC、EC和F分别为37.48万t、 72.05万t、 33.48万t、 15.03万t、 1.91 kg、 84.29万t、 3 478.85万t、 0.64万t、 0.83万t、 0.08万t和0.77万t.从区域角度:上海和天津钢铁行业单位面积污染排放强度最大,对区域大气污染贡献比例较高.从工序角度:2015年烧结和球团烟气排口月平均浓度降低.从污染物角度:2015年钢铁行业排放NO_x对区域污染物浓度贡献最大,NO_x具有较大的减排潜力.     

不同模式对珠三角地区细颗粒物污染模拟效果对比评估

运用CAMxv5.4、CMAQv4.7.1、CMAQv5.0.2(AEOR5)和CMAQv5.02(AEOR6)模拟2013年12月珠三角地区空气质量,并对比评估不同模式、不同模式版本、不同气溶胶机制在PM_(2.5)模拟上的表现.各模式在PM_(2.5)的模拟上均表现良好,呈现出合理且相似的时空特征,在市区和非超标时段CAMx模式表现最优,而在郊区和超标时段则不存在表现最优的模式.CMAQ系列模式在市区和郊区、超标时段和非超标时段均表现相似,CMAQ4模式表现均优于CMAQ5系列模式,而CMAQ5AE6模式在反映PM_(2.5)的浓度水平的能力上强于CMAQ5AE5模式,但在重现PM_(2.5)小时浓度变化趋势的能力上却劣于CMAQ5AE5模式.边界条件是不同模式PM_(2.5)模拟差异的主要来源之一,且在超标时段边界条件对PM_(2.5)模拟效果的影响大于非超标时段.此外,CAMx模式与CMAQ5AE5模式之间硫酸盐、硝酸盐和有机颗粒的差异导致了其PM_(2.5)模拟表现上差异,CMAQ4模式与CMAQ5AE5模式之间硫酸盐、硝酸盐和铵盐等无机盐组分的差异是导致其PM_(2.5)模拟差异的主要原因,硝酸盐和铵盐的差异是CMAQ5AE5模式与CMAQ5AE6模式之间PM_(2.5)模拟差异的主要因素.     

中国煤炭消费对PM2.5污染的影响研究

国务院颁布的《大气污染防治行动计划》明确提出制定国家煤炭消费总量中长期控制目标,到2017年,煤炭占能源消费总量比重降低到65%以下,然而煤炭消费对PM_(2.5)污染的贡献到底多大,这是当前亟待研究的科学问题。为定量分析煤炭消费对我国PM_(2.5)污染的影响,本研究首先计算了2012年煤炭消费产生的大气污染物排量,然后利用CAMx空气质量模型,分别采用组分分析法和情景模拟法两种方法研究了煤炭消费对全国PM_(2.5)污染的影响。组分分析法研究表明,煤炭消费对全国PM_(2.5)年均浓度的贡献率约为61%,其中煤炭直接燃烧、煤炭相关行业的贡献率分别约为37%、24%;情景模拟法研究表明,煤炭消费对全国PM_(2.5)年均浓度的贡献率约为56%。因此,我国由于煤炭消费对全国PM_(2.5)年均浓度的贡献率为56%~61%。     

Applying model simulation and photochemical indicators to evaluate ozone sensitivity in southern Taiwan

Ozone sensitivity was investigated using CAMx simulations and photochemical indicator ratios at three sites (Pingtung City, Chao- Chou Town, and Kenting Town) in Pingtung County in southern Taiwan during 2003 and 2004. The CAMx simulations compared fairly well with the hourly concentrations of ozone. Simulation results also showed that Pingtung City was mainly a volatile organic compounds (VOC)-sensitive regime, while Chao-Chou Town was either a VOC-sensitive or a NOx-sensitive regime, depending on the seasons. Measurements of three photochemical indicators (H2O2, HNO3, and NOy) were conducted, and simulated three transition ranges of H2O2/HNO3 (0.5–0.8), O3/HNO3 (10.3–16.2) and O3/NOy (5.7–10.8) were adopted to assess the ozone sensitive regime at the three sites. The results indicated that the three transition ranges yield consistent results with CAMx simulations at most times at Pingtung City. However, both VOC-sensitive and NOx-sensitive regimes were important at the rural site Chao-Chou Town. Kenting Town, a touring site at the southern end of Taiwan, was predominated by a NOx-sensitive regime in four seasons.     

北京市冬季典型重污染时段PM2.5污染来源模式解析

为了探究近年来北京市PM_2.5污染区域来源规律和重污染累积过程中PM_2.5的生成途径,利用第三代三维空气质量模型CAMx的颗粒物源示踪(PSAT)和过程分析(PA)技术,模拟计算了北京市2013年和2014两次冬季典型重污染时段PM_2.5的源-受体关系和物理、化学过程对PM_2.5的生成贡献. 结果表明:在区域来源贡献中,随着空气污染等级由优升至严重污染,外地PM_2.5贡献率从42.9%升至67.4%,本地贡献率由57.1%降至32.6%,其中外地二次PM_2.5贡献率从20.2%升至39.8%,为北京市重污染时段的主要贡献因子;在外地贡献中,廊坊市、山东省、天津市、唐山市的贡献率较大,分别为3.2%~4.7%、3.8%~7.5%、3.6%~5.8%、2.2%~3.2%. PA分析结果表明:在不利气象条件(持续性的逆温层结)下,南边界的输送在重污染过程中起到了重要作用,对ρ(PM_2.5)增长的贡献速率可达10 μg/(m3·h). 此外,本地化学转化在重污染时段对ρ(PM_2.5)爆发性增长的贡献率也可以达到40.0%,其中特殊天气条件下二次PM_2.5生成贡献的显著增加是造成ρ(PM_2.5)出现峰值的主要原因. 研究显示,随着污染程度的加重,北京市受区域性污染的影响逐渐加大;在重污染过程中,不利气象条件下的本地化学转化与水平输送对近地层ρ(PM_2.5)峰值的出现与维持发挥了重要作用.      

中国钢铁行业排放清单及大气环境影响研究

自下而上建立2018年中国高分辨率钢铁企业大气污染物排放清单（HSEC,2018）,定量模拟中国钢铁企业2018年和未来年情景下排放各种大气污染物对环境的影响情况.结果表明：2018年,中国钢铁行业共排放SO₂、NO_x、PM₁₀、PM_2.5、PCDD/Fs、VOCs、CO、BC、OC、EC、氟化物分别为29.02万t、66.57万t、28.73万t、11.69万t、2.24kg、89.21万t、4057.49万t、0.45万t、0.61万t、0.06万t、0.88万t,焦化、烧结、球团、高炉4个铁前工序是中国钢铁行业大气污染物主要排放环节,中国钢铁行业对各省份SO₂、NO_x、PM_2.5年均浓度贡献比例平均值分别为2.85%、3.37%、1.54%;未来年,中国钢铁企业SO₂、NO_x、PM₁₀排放量分别为4.94万t、7.58万t、4.11万t,分别下降了82.98%、88.61%、85.69%,中国钢铁行业对各省份SO₂、NO_x、PM_2.5年均浓度贡献比例平均值分别为0.31%、0.22%、0.02%.     

降雨对长三角区域PM2.5浓度的影响

利用WRF-CAMx模式分析首届中国国际进口博览会(简称进博会)期间一次降雨过程对长三角地区PM2.5浓度影响,结果表明,降雨量分布区域与因降雨造成的PM2.5浓度减少量分布区域并不完全一致,湿沉降量受降雨量、PM2.5浓度和风速等多个因素共同影响。数值模拟结果表明,降雨导致浓度下降幅度排前5位的组分分别是有机气溶胶、硫酸盐、硝酸盐、铵盐和细颗粒原生气溶胶,下降幅度分别为44. 28%、16. 55%、11. 55%、9. 53%和5. 23%。结合观测资料和数值模式模拟结果可知,首届进博会期间上海本地减排和周边区域协同控制作用使PM2.5日均质量浓度降低33. 23μg/m3,因降雨引起的湿沉降作用使上海市PM2.5质量浓度降低15. 88μg/m^3。     

基于CAMx的徐州市2016年冬季PM2.5污染过程及来源分析

徐州地处江苏西北部、华北平原的东南部,为内陆资源型工业城市,近几年来环境监测数据显示,徐州地区大气复合污染问题日益突出,准确模拟大气污染物状况及来源对于空气污染的防治十分关键.2016年1月,徐州市出现了多次持续的重污染天气,研究中以此次污染事件为例,首先基于WRF-CAMx空气质量模型系统对这次细颗粒物污染过程进行全面的模拟与分析,其次利用CAMx-PSAT系统模拟和分析本次污染的区域传输过程.研究结果显示：此次细颗粒物污染中,PM_2.5组成成分以硫酸盐、元素碳、硝酸盐和铵盐为主,分别占月平均浓度的29%、15%、14%、14%;PM_2.5的区域传输贡献中,长距离传输所占比重最大,月平均贡献率达46%,其次为本地源排放,平均贡献率为39%;重污染天气期间,PM_2.5污染主要从西北方向输入,此时长距离传输的影响明显增大.     

北京市PM_(2.5)组分SO_4~(2-)浓度的时空分布及来源分析

采用观测与数值模拟相结合的方法并查阅大量文献,系统分析了北京市SO_4~(2-)时空分布、转化及来源特征,结果表明:近年来北京市SO_4~(2-)年均浓度在8.85~25.13μg/m3;2013年北京市SO_4~(2-)浓度整体呈现出重污染日>冬季>春、秋季>夏季的特征,日变化上SO_4~(2-)浓度呈现双峰型分布,空间分布上SO_4~(2-)浓度呈南北梯度分布特征;2013年北京市SOR年均值在0.36~0.44,重污染日SOR平均值在0.40~0.46;2013年北京市年均SO_4~(2-)本地、外来源、背景及边界条件分别贡献34%、57%、9%;重污染日SO_4~(2-)本地、外来源、背景及边界条件分别贡献18%、77%、5%;外来源对北京市SO_4~(2-)浓度起着更为重要的作用。