不同类型建筑垃圾堆场大气降尘中水溶性离子污染特征

为了解建筑垃圾长期堆放产生的扬尘对大气的影响,选择北京市两个拆迁建筑垃圾堆放场,于2019年夏季、秋季进行降尘连续采样.共收集拆迁原地堆放有效降尘样品11个,异地集中堆放有效降尘样品11个,利用离子色谱法对大气降尘中水溶性离子组分及质量浓度进行分析.结果表明：阳离子中质量浓度最高的是Ca²⁺,其次是K⁺,NH₄⁺浓度最低;阴离子中质量浓度最高的是SO₄^2-,其次是Cl^-,NO₃^-最低,降尘样品呈碱性.建筑垃圾拆迁原地堆放场地Ca²⁺、Mg²⁺、SO₄^2-、Cl^-、Na⁺、NH₄⁺平均浓度高于异地集中堆放场地对应各离子浓度.拆迁原地堆放场地中Ca²⁺、SO₄^2-、Na⁺、Cl^-受局地风向影响较大,空间分布情况与风向扩散趋势大致相同;异地集中堆放场地各离子浓度高值区域分布较原地堆放远,Ca²⁺、K⁺、SO₄^2-、Cl^-、Mg²⁺这5种离子空间分布与次主导风向较为相符.同时,两个场地水溶性离子平均浓度与距建筑垃圾堆放地的距离有一定的关系,采样点在距堆放中心200 m范围之内离子平均浓度最大,总体来说,距离堆放中心近的采样点位离子浓度高于距离较远的采样点位离子浓度.     

北京城区降水对PM2.5和PM10清除作用分析

基于北京市PM_2.5和PM₁₀质量浓度、组分浓度以及降水数据,利用数理统计、相关性分析等方法分别从降水总量、降水时长和降水前颗粒物浓度3个角度研究降水对PM_2.5、PM₁₀的清除作用,同时以一次典型降水过程为例,具体分析降水对颗粒物的影响。结果表明：降水总量的增加有助于促进PM_2.5、PM₁₀的清除,随着降水总量增加,PM_2.5、PM₁₀的平均清除率提高,有效清除的比例增加;连续降水可增强对大气颗粒物的湿清除作用,连续降水达3d可有效降低PM_2.5、PM₁₀浓度;降水对PM_2.5、PM₁₀浓度的清除率和大气颗粒物前一日的平均浓度有较好的正相关性。降水对大气颗粒物的清除可分为清除、回升和平稳3个阶段,各个阶段大气颗粒物的变化趋势不同。降水对于大气气溶胶化学组分和酸碱性的改变具有明显作用,对于大气颗粒物各种组分的清除效果不完全相同。对于大气中OC、NO₃^-、SO₄^2-和NH₄⁺去除率较高,且这4种组分主要以颗粒态形式被冲刷进入降水中,加剧了北京市降水酸化程度。     

2015-2019年成渝城市群臭氧浓度时空变化特征及人口暴露风险评价

近年来O₃污染给人类健康带来了很大威胁.本文利用2015—2019年中国环境监测总站的O₃地表监测数据,通过Global Moran''s I和Getis-Ord G^*指数等方法,分析了成渝城市群O₃浓度的时空变化特征,并利用空间插值和LandScan人口格网分布数据,基于人口暴露风险模型对该地区的O₃人口暴露风险进行了评价.结果表明：①2015—2019年成渝城市群O₃浓度总超标比例为6.9%,年际变化呈先上升后下降趋势,逐月变化呈"双峰型",5月和8月达到峰值,12月最低,季节变化表现为夏季>春季>秋季>冬季,日变化呈"单峰型",8：30左右开始升高,16：00左右达到峰值;②2015—2019年成渝城市群O₃浓度呈现出由成都及周边城市为污染中心向以成都市和重庆市为首尾的"带状"污染空间格局发展的趋势,且空间自相关性较强,逐步形成以成都市和重庆市为双中心的高浓度集聚特征;③2015—2019年成渝城市群平均O₃人口暴露风险指数处于较低风险,但空间分布差异较大,人口暴露高风险地区主要集中于成都市、内江市、自贡市、德阳市、泸州市北部及重庆市主城区,低风险地区主要集中于东西片区、绵阳市北部及成渝城市群边界,中部高风险区域有向西南方向转移的趋势,重庆市南部有高风险向极高风险转化的趋势,同时,成都市和重庆市存在显著的高风险指数集聚特征.     

COVID-19疫情期间京津冀大气污染物变化及影响因素分析

为了应对COVID-19疫情,京津冀地区采取了一系列严格的管控措施,这些措施导致了大气污染物人为源排量的减少,为探究大气污染受人类活动的影响程度提供了时机.将疫情防控分为前期、初期、中期和后期这4个阶段,并结合气象、交通量和工业数据,综合运用数理统计和空间分析方法,得出各时间段大气污染物的变化情况及影响因素,为京津冀地区进一步治理大气污染提出了合理化建议.结果表明：①京津冀三地在疫情防控期总体的AQI值和6项污染物同比2019年均有下降,其中SO₂、PM₁₀和NO₂的降幅较大（分别为26.5%、24.3%和16.9%）;由初期到后期,各污染物（除O₃）总体处于下降趋势;O₃在初期增幅大（76.2%）,中后期增幅放缓.②防控初期北京市的重污染天气是污染物本地积累、二次转化和区域传输共同作用的结果;北京2月份的PM_2.5浓度同比相似气象条件下的2014年2月偏低近6成;若仅考虑人为减排的影响,则各污染物浓度同比2019年均有下降.③防控中后期,随着交通量和工业复工率进一步扩大,各污染物变化趋于平稳或有微升;重工业城市的热异常辐射强度与主要污染物的灰色关联度大于0.6,即控制工业排量仍是治理大气污染的关键.     

国庆前后北京城区PM2.5组分污染及来源特征分析

为探究北京城区国庆前后及国庆期间PM2.5主要组分的污染及来源特征情况,采集2019年9月27日-10月14日北京市大气PM2.5样本,并测定其中碳质气溶胶(OC、EC)及8种水溶性离子(Na+、NH4+、K+、Mg2+、Ca2+、Cl-、NO3-、SO42-)的质量浓度,并分析PM2.5中各化学组分的浓度变化特征、来源特性及气象要素的影响,并对北京市细颗粒物进行源解析和区域传输分析.结果 表明,整个观测期间PM2.5基本呈现"M"型的变化趋势,国庆期间呈现"V"型的变化趋势.国庆期间总碳质气溶胶、水溶性无机离子质量浓度为(14.45±5.87)μg·m-3和(14.97±9.75)μg·m-3,占PM2.5质量浓度的59.7％,各组分质量浓度在国庆期间均有所下降,其中NO3-质量浓度下降最为明显,下降率达53.4％.来源分析结果表明,机动车尾气、燃煤和扬尘是大气PM2.5化学组分的主要来源,其中道路扬尘和建筑扬尘是Ca2+、Mg2+和Na+的主要来源,机动车车尾气排放是碳质气溶胶及二次无机离子的最主要来源.车流量的改变和气象因素与国庆前后PM2.5及其组分变化密切相关,PM2.5及各组分质量浓度在车流量高峰的9月30日和10月6、7日达到峰值,而1-5号移动源贡献减弱和气象要素(降水)导致了最低值的出现.较低的风速及来自于东北、西南方向的污染物输送是观测期间PM2.5较高的重要原因.