北京市交通环境监测点大气污染特征分析

研究分析了2013—2017年北京市交通环境点位大气污染物浓度分布特征,结果发现:交通监测点NO、NO_2与PM_(2.5)浓度时间变化特征与城区总体状况基本一致,与交通环境密切相关的NO_2浓度采暖季高于非采暖季,重污染日期间交通监测点峰值浓度也明显偏高;周末交通监测点NO浓度在5:00—23:00低于工作日4.9%～32.1%,周末NO_2浓度在7:00—23:00低于工作日0.7%～7.4%,NO_x浓度周末偏低与车流量降低密切相关;重大活动期间空气质量减排措施实施后,北京市作为区域NO_2浓度高值区中心明显消失,PM_(2.5)浓度分布梯度减小,本地减排效果明显。     

2013年北京市PM2.5重污染日时空分布特征研究

根据2013年北京市环境保护监测中心监测的PM2.5数据,系统分析了北京市重污染日PM2.5污染的时空分布特征,并利用克里格插值初步统计了全年和重污染日PM2.5不同浓度区间的国土面积。2013年全市PM2.5年均浓度为89.5μg/m3,重污染日平均浓度为218μg/m3,重污染日主要集中在冬季;PM2.5年均浓度呈现明显的南高北低梯度分布特征,而重污染日空间分布较均匀,南部及城六区存在明显的高污染区,平均浓度在180μg/m3以上;2013年北京市重污染日PM2.5平均浓度为150~250μg/m3,其对应的国土面积约为12 656 km2,PM2.5平均浓度在250μg/m3以上的国土面积约为883 km2,而全年无PM2.5平均浓度在150μg/m3以上所对应的国土面积。     

中国SO_2排放对日本SO_2浓度及硫沉降的影响

利用相关文献及来自酸沉降网的中、日两国各观测站点的SO2监测资料,分析了近十年来中国SO2的污染现状、趋势及排放量对下风向日本各观测站点SO2浓度及硫沉降量的影响。结果表明,通过文献分析可知,2001—2009中国的SO2年均质量浓度分布在40~50μg/m3,总体呈下降趋势;中国部分城市的SO2年均浓度与中国SO2排放量的相关性总体高于日本各观测站点的SO2年均浓度与中国SO2排放量的相关性,中国的SO2排放对日本各观测站点的SO2年均浓度影响总体较小;情景模拟分析发现,中国SO2排放量对日本各观测站点SO2年均浓度的贡献率在7.5%~44.0%,平均贡献率为22.6%;中国SO2排放量对日本各观测站点硫沉降的贡献率在8%~41%,平均贡献率为22.1%。     

2014年北京市城区臭氧超标日浓度特征及与气象条件的关系

根据2014年1~12月北京市环境保护监测中心监测的O₃浓度数据,综合探讨了北京市O₃的时空分布及与其气象条件的关系.结果表明:2014年北京市全年O₃小时平均浓度约为56.18 μg·m^-3,O₃超标日小时平均浓度约为148.05 μg·m^-3且超标日主要集中在5~9月;超标日O₃日变化呈现单峰型分布,06:00或07:00为低谷,15:00、16:00左右达到峰值;超标日O₃浓度在09:00~23:00明显高于夏季同时间段浓度平均;空间分布上中心城区站点O₃浓度相对较低,而城区西部植物园站点浓度最高;统计的2014年北京市O₃超标日地面形势场3种类型高压类、低压类、均压类各占16%、36%、48%;超标日O₃浓度与气压、湿度、能见度呈负相关关系,与风速、温度呈正相关关系; 2014年5月29日~6月1日北京市发生的一次O₃重污染过程是由本地光化学污染及区域输送造成的,区域输送对北京市O₃浓度有着十分重要的影响.     

2013年1月北京市一次空气重污染成因分析

采用数值模式与观测资料相结合的方式,对北京市2013年1月9日至15日一次空气重污染过程的大气环境背景、气象条件和形成原因进行了初步分析.结果表明,重污染过程期间10日至14日PM2.5平均值为323μg·m-3;重污染过程与当地气象条件密切相关,稳定的大气环流形势为污染的持续提供了大气环流背景,风速较小、湿度较大、边界层较低、持续逆温是造成重污染的主要原因;重污染过程中区域输送对北京PM2.5贡献率在53%~69%之间且存在明显的二次转化,区域输送起着更为重要的作用;气象条件对持续性重污染的形成和破坏起到了关键性的作用,因此需要加强对重污染预警预报研究,以有效预防和控制空气重污染.     

2013年北京市细颗粒物时空分布特征研究

根据2013年北京市PM2.5监测数据,系统分析了北京市PM2.5污染的时空分布特征,并利用克里格插值统计了四季PM2.5不同浓度区间的国土面积。结果显示:2013年全市PM2.5年均浓度为89.5μg/m3,超过年均35μg/m3的国标1.56倍;PM2.5浓度由高到低的季节依次是冬季、春季、秋季和夏季;空间分布上PM2.5呈现明显的南北梯度分布特征;2013年PM2.5平均浓度达标对应的国土面积占比夏季最大为73%,冬季最小为22%。     

2014年京津冀地区PM2.5浓度时空分布及来源模拟

采用模式(CAMx)模拟与污染物、气象观测资料相结合的方式,分析了2014年京津冀地区PM2.5时空分布及来源特征.结果表明:PM2.5具有较为明显的时间变化规律,呈秋冬高、春夏低的规律和双峰型分布的日变化特征;重污染日PM2.5高浓度(PM2.5>150μg/m3)主要分布在太行山前的华北平原区,特别是北京、保定、石家庄一线,而太行山、燕山等西部及北部山区PM2.5浓度明显低于平原区;重污染日京津冀地区PM2.5平均浓度在150μg/m3以上的面积约占总面积的73%;重污染日北京、天津、石家庄市的PM2.5外来输送率分别为58%、54%、39%;2014年10月6~12日京津冀地区发生的一次重污染过程中污染物由南向北输送,区域输送对于各地区PM2.5浓度有着十分重要的影响.     

中国东部春季一次强冷锋活动空气污染输送过程分析

利用CMAQ(4.7.1)和HYSPLIT后向轨迹模式,结合长岛和洪泽湖站点污染物观测数据,对2011年3月31日—4月3日影响我国东北部地区的一次典型强冷锋天气空气污染过程进行模拟分析,验证表明模式能较好地模拟此次强冷锋过程. 由结果可知,此次强冷锋前后污染物浓度呈先升后降又上升的现象. 在冷锋移动过程中,锋前出现一条高浓度污染带,锋面将污染物抬升至800～500 hPa的高度,使污染物在对流层中层快速向西太平洋传输;冷锋对当地污染物的去除不仅有水平方向的推动作用,还会使污染物向高空输送. 锋面过后污染物浓度急剧降低,冷锋对长岛站点SO₂、O₃、NO_x、PM_2.5的清除率分别为90.87%、34.10%、50.56%、72.69%,对洪泽湖站点则分别为82.53%、50.45%、65.11%、36.80%. 锋面过去1~2 d后,高压控制天气形势下污染物再次开始积累、浓度回升. 冷锋前后污染物形成一个“积累—锋前抬升—高空平流输送—锋后大风清除—积累”的循环.      

烟花爆竹燃放对北京大气污染物和水溶性无机离子的影响

为了解春节期间烟花爆竹燃放对北京大气污染物和PM_2.5中水溶性无机离子贡献的影响,采用浓度特征对比、相关性分析等方法,对2011年2月1日-3月1日期间的PM₁₀、气态污染物、PM_2.5中水溶性无机离子浓度等在线数据进行了分析.结果表明:烟花爆竹的燃放会在短时间内加重PM₁₀颗粒物污染,集中燃放期（含除夕、春节、正月初五、元宵节）ρ（PM₁₀）和φ（SO₂）（分别为232μg/m3和40.2×10-9）是非集中燃放期（63μg/m3和16.0×10-9）的3.7和2.5倍,燃放烟花爆竹对ρ（PM₁₀）和φ（SO₂）的小时贡献率分别达到56.8%和35.6%;但对φ（CO）、φ（NO）、φ（NO₂）无显著影响.而观测期间由其他因素导致的污染期ρ（PM₁₀）和各气态污染物小时体积分数有所增加,分别是非集中燃放期的3.0~8.3倍.燃放烟花爆竹对PM_2.5中ρ（Mg2+）、ρ（K+）、ρ（Cl-）的影响最大,分别为非集中燃放期的65.0、31.6、6.9倍,贡献率分别为88.6%、87.2%、65.8%. ρ（Mg2+）、ρ（K+）与ρ（Cl-）在集中燃放期表现出较高的相关性（R>0.9）.污染期ρ（SO₄2-）、ρ（NO₃-）、ρ（NH₄+）明显升高,分别为非集中燃放期的3.8、16.4、8.3倍,同时高于集中燃放期（分别为2.7、2.5、2.1倍）.集中燃放期PM_2.5中主要以NH₄HSO₄、NH₄NO₃、KNO₃、KCl、NH₄Cl、MgCl₂等形式存在.集中燃放期硫氧化物转化率（SOR）高于非集中燃放期和污染期,而氮氧化物转化率（NOR）则是污染期最高.研究显示,燃放烟花爆竹对ρ（PM₁₀）及PM_2.5中ρ（Mg2+）、ρ（K+）、ρ（Cl-）影响最大,污染期各离子浓度均有大幅升高,NOR在污染期的高值是导致ρ（NO₃-）升高的重要原因.      

基于环境监测数据的APEC会议空气质量保障环境改善效果评估

在简要回顾APEC期间的空气质量情况的基础上,从多方面较系统的分析了APEC期间北京市空气质量的变化特征,包括各项污染物浓度水平的同比分析、不同区域不同类别站点小时浓度的百分数分布及变化情况分析、污染物日变化规律变化特征分析、空气质量改善效果的空间分布特征分析、颗粒物组分变化特征分析、污染来源解析模型、数值污染模型等方法,力求从多个方面深入了解APEC控制措施对北京市污染水平、污染特征造成的影响,并利用组分、模型等方法定性定量的评估主要空气质量影响因素、不同的污染控制措施对APEC期间空气质量改善的作用及贡献。结果表明,APEC期间,北京市空气质量得到明显改善,空气质量基本处于优良级别,各项污染物浓度大幅下降,APEC污染控制期各项污染物的百分位数浓度与无控制期出现明显分离特征,污染物的日变化低浓度持续时间更长且增长更缓慢。