基于灰关联分析的天津市气溶胶消光特征研究

根据天津市秋季(2006年10月10日～20日)消光系数(bext)、PM2.5、SO2、NOX、NO2、O3质量浓度及相对湿度监测结果,利用灰色关联分析法分析大气消光系数同空气中的几种主要污染要素的相关性。结果表明,与消光系数有关的几种主要指标的灰关联度序为PM2.5NOXRHNO2O3,其中PM2.5与消光系数的灰关联系数达到0.905,远高于其他相关指标。同时对PM2.5和消光系数相关分析表明,监测期间天津市PM2.5质量消光系数为6.04m2/g。     

PM10-PM2.5冲击采样器的研制与开发

在颗粒物研究中,分级采样是一种常用的监测方法,而冲击采样器是颗粒物分级采样的重要仪器.根据斯托克斯数,对PM10-PM2.5冲击采样器设计参数进行了详细分析,并对PM10-PM2.5的捕集效率特征进行了分析.结果表明,PM10-PM2.5冲击采样器具备理想的PM10和PM2.5捕集效率,PM10冲击采样器、PM2.5冲击采样器切割粒径分别为9.94、2.43μm,均在其允许误差范围内.     

南京市一次霾污染过程中水溶性离子分布特征

使用MARGA离子在线分析仪ADI 2080对2017年12月27日~2018年1月5日南京市PM_2.5化学组分进行连续采样分析,结合气象要素和大气环境监测数据,探讨了霾污染过程中水溶性离子的时间分布特征及其来源特征.结果表明：霾日中南京水溶性离子浓度为121.41μg/m³,是洁净日的3.2倍.霾污染过程中水溶性离子平均浓度大小顺序为NO₃^- > SO₄^2- > NH₄⁺ > Cl^- > K⁺ > Ca²⁺ > Mg²⁺,SNA离子占总水溶性离子浓度的91.97%.霾日中水溶性离子日变化均为三峰型,洁净日中Cl^-、SO₄^2-和NH₄⁺的日变化为单峰型,Ca²⁺为双峰型,K⁺、Mg²⁺为三峰型.随着空气污染状况的加重,总水溶性离子在PM_2.5中的占比不断减少,空气质量为优时占比95.93%,严重污染时为63.25%.霾日中随着污染加重,NH₄⁺占总离子的比例稳定在23%左右,SO₄^2-占比缓慢减小,NO₃^-占比不断增大.NOR、SOR的日变化在霾日呈双峰型分布,洁净日则较为平稳.观测期间的水溶性离子主要来源有二次转化、煤烟尘、扬尘以及生物质燃烧.     

天津市PM2.5中二次硝酸盐形成及防控

二次硝酸盐是PM_2.5中的重要二次无机离子组分,为了解PM_2.5中二次硝酸盐的形成及防控途径,基于天津市城区点位2018~2019年高时间分辨率的PM_2.5在线监测数据,对气溶胶颗粒物的离子组分、pH值、NH₃-NH₄⁺和HNO₃-NO₃^-浓度分布以及硝酸铵形成的敏感性进行了研究.结果表明,天津PM_2.5平均浓度为58μg·m^-3,PM_2.5中主要离子组分为NO₃^-、NH₄⁺、SO₄^2-、Cl^-和K⁺,在PM_2.5中的占比分别为18.4%、11.6%、10.3%、3.3%和2.6%,PM_2.5及主要组分浓度均在采暖季高、非采暖季低.气溶胶颗粒物整体呈现弱酸性,平均pH值为5.21,季节分布为春冬季节高、夏秋季节低,日变化趋势表现为早间（00：00~08：00）低,其他时间略高.NH₃和HNO₃的平均浓度水平分别为16.7μg·m^-3和1.2μg·m^-3,NH₃浓度在每年的4~9月相对较高,10月~次年2月浓度相对较低;HNO₃浓度水平月际变化不明显.除夏季外,其他季节NH₃浓度均为早晚较高,其他时段较低;HNO₃浓度整体呈现白天相对略高,晚上相对略低的特点.不同pH值下NH₃与NH₄⁺、HNO₃与NO₃^-的浓度分布呈现明显的非线性关系,早晚NH₄⁺与NO₃^-的浓度均较高,pH值与NH₃和NH₄⁺以及HNO₃与NO₃^-的浓度分布均为非线性.敏感性图表明,2018~2019年天津市硝酸铵的形成主要处于HNO₃敏感区域,部分处于NH₃&HNO₃敏感区域.从季节分布上看,春季、秋季和冬季硝酸铵的形成主要处于HNO₃敏感区域,夏季硝酸铵的形成主要处于HNO₃和NH₃&HNO₃敏感区域.为有效减少天津市PM_2.5中二次硝酸盐的形成,春季、秋季和冬季主要开展HNO₃前体物（NO_x）的控制,夏季主要开展HNO₃前体物（NO_x）和NH₃的协同控制.     

京津冀区域重污染期间PM2.5垂直分布及输送

2016年12月17～19日重污染期间,在天津市武清区高村开展车载系留气球颗粒物浓度垂直观测,并以观测数据为基础,计算了区域内PM_(2.5)传输通量.结果表明重污染过程期间,大气混合层较低,约200 m左右,PM_(2.5)浓度垂直分布特征与混合层高度密切相关,混合层以下,PM_(2.5)浓度较高,垂直变化特征不显著,形成明显的污染层,混合层以上,PM_(2.5)浓度迅速降低并维持在降低水平.观测期间,粒径小于1. 0μm颗粒物浓度较高,粒径大于2. 2μm颗粒物浓度较低,近地层粒径为0. 777μm颗粒物浓度最高.颗粒物浓度粒径谱分布与相对湿度和混合层高度相关,高湿度和低混合层下颗粒物浓度粒径谱分布较宽泛.观测期间,PM_(2.5)在西南方向上的传输通量最高,占总传输通量的63. 3%,其中46～156 m和156～296 m高度之间PM_(2.5)传输通量最高.近地面300 m内PM_(2.5)传输主要以西南方向传输为主,300 m以上传输方向较分散.     

电子废弃物的再循环利用:企业、政府与公众的角色和责任

电子废弃物不仅种类繁多,而且成分复杂,含有多种有毒、有害物质,已成为固体废物中最大的重金属污染源.长期以来,由于对电子废弃物问题缺乏足够认识和有效管理,电子废弃物对人体健康及生活环境可能构成的危害常常被忽视.实现电子废弃物的再循环利用,关键是明确企业、政府和公众在电子产品设计、生产、消费、回收、处置和再利用整个过程中的相关责任.因此,解决电子废弃物的问题,首先要对相关行为主体的角色进行准确定位.     

天津滨海新区环境空气污染特征分析

按时间段对天津滨海新区2006年的S02、N02和PM10监测数据进行统计分析,SO2和PM10时间变化规律呈现典型的单峰型,NO2时间变化规律呈现典型的双峰双谷型.对SO2、NO2和PM10全年时间变化进行了相关性分析并与天津市进行比较.结果表明:滨海新区污染特征有别于天津市整体污染特征.     

城市污染地区与高山清洁地区新粒子生成事件特征分析

在中国复合型污染的大气环境背景下,新粒子生成（New Particle Formation,NPF）是大气颗粒物的重要来源之一,直接影响到空气质量、云物理过程、全球辐射平衡及人类的生产生活.本文通过分析城市污染地区和高山清洁地区新粒子生成天和非新粒子生成天的特征差异, 研究新粒子生成事件的关键影响因素.利用2016年3月12日—4月6日北京的观测资料和2012年9月23日—10月28日黄山的观测资料,分别代表城市污染地区和高山清洁地区进行研究,同时,结合同期气态前体物浓度和气象要素进行详尽的分析.结果表明,观测期间,北京发生新粒子生成事件的频率为42.3%,黄山发生新粒子生成事件的频率为25%,北京的新粒子生成速率J₃和J₁₀、增长速率GR_3~10和GR_10~25及凝结汇分别为3.30~51.39 cm^-3·s^-1和3.37~35.21 cm^-3·s^-1、0.10~2.89 nm·h^-1和1.84~11.16 nm·h^-1及0.030~0.054 s^-1,黄山的新粒子生成速率J₁₀、增长速率GR_10~25及凝结汇分别为0.31~4.32 cm^-3·s^-1、2.95~10.65 nm·h^-1及0.0014~0.040 s^-1,主要受到气态前体物浓度、气象要素和背景颗粒物浓度的 影响.气态硫酸H₂SO₄浓度是北京城市新粒子生成事件发生的限制因素,而非决定因素;黄山新粒子生成天的SO₂浓度是非新粒子生成天的2倍,是黄山新粒子生成事件的主要影响因素.在降水和大风天气后,北京和黄山大气中颗粒物质量浓度较低、太阳辐射强、相对湿度低的静稳条件下有利于新粒子生成事件的发生,此外,高山清洁地区的气态前体物浓度在大风天气后由于跨界输送的影响会显著上升.     

天津市减污降碳协同效应评估与预测

为评估和预测天津市减污降碳协同效应,采用减排量弹性系数法评估减污降碳协同效应,基于STIRPAT模型预测天津市“十四五”期间的减污降碳协同效应,并分情景预测天津市2026~2060年的减污降碳协同效应.结果表明：大气污染当量和温室气体的主要排放源均为工业源;2015~2017年天津市减污降碳协同效应系数范围为0.11~0.26,2013~2014年和2018~2020年天津市的减污降碳协同效应系数均小于0;天津市“十四五”期间减污降碳协同效应系数为0.06;各种情景下,2026~2060年天津市减污降碳协同效应系数均大于0.天津市2011~2020年减污降碳协同效应波动变化,“十四五”时期或可进入减污降碳协同增效阶段.天津市要在2026~2060年实现较高水平的减污降碳协同增效,就需要合理控制城镇化率、人口总数和地区生产总值,增加第三产业比重和高技术比重,持续降低能源强度.     

霾不同发展阶段下污染气体和水溶性离子变化特征分析

为探讨霾不同阶段下大气污染物的变化特征,使用MARGA观测了2018年11月18日～12月7日长三角地区一次区域霾过程中前体污染气体(NH_3、HNO_3、SO_2)和8种水溶性离子浓度.结合环保数据(PM_(2.5)、NO_2、CO、O_3)和气象数据,分析此次区域霾过程的成因、大气污染物的日变化特征以及在霾不同阶段下大气污染物的分布特征.结果表明,此次霾过程中长三角地区主要受到高压脊控制,天气形势稳定,有利于大气污染物累积.霾天时PM_(2.5)、NO_2、NO_3-、SO_24-、NH_4+、Cl-和Na+的浓度分别为(118. 91±39. 23)、(61. 62±26. 34)、(45. 64±16. 01)、(18. 80±8. 02)、(20. 82±7. 16)、(3. 02±2. 25)和(0. 23±0. 22)μg·m-3,分别是干净天的2. 73、1. 63、2. 64、1. 94、2. 50、2. 05和2. 56倍;霾天CO的浓度为(1. 34±0. 39)mg·m-3,是干净天的1. 86倍.不同大气污染物的日变化特征不同.霾不同阶段下大气污染物的分布特征不同.SO_2的浓度在霾发生阶段最高; PM_(2.5)、NO_2、NH_3、CO和SNA的浓度在霾发展阶段最高; O_3、Cl-、Na+和K+的浓度在霾消散阶段最高.SNA在霾不同阶段下对PM_(2.5)的相对贡献可达94%～96%,且在发展阶段的增速最大,增速排序为NO_3- NH_4+ SO_24-. SNA在干净天、发生阶段和发展阶段以NH_4NO_3为主,在消散阶段(NH_4)2SO4为主.此次霾过程主要由NO_3-增长导致,NO_3-在霾发生、发展和消散阶段对PM_(2.5)的相对贡献分别为51. 06%、51. 85%和48. 22%,主要通过气相均相反应生成.