中国近地面NO_2污染分布特征及其社会经济影响因素分析

基于2017年中国NO_2环境监测站点数据,综合运用全局莫兰指数(Global Moran's I)和热点分析(Getis-Ord G_i~*)方法对中国NO_2污染空间分布特征进行分析,并应用地理加权回归模型(GWR)探讨NO_2污染空间分布的社会经济影响因素。结果表明,(1)2017年,NO_2质量浓度年均值为31.28μg·m~(-3)。NO_2浓度分布在东西方向上大致以胡焕庸线为界,东部地区高于西部地区;南北方向上大致以长江为界,北部地区高于南部地区。(2)NO_2的季节变化规律为冬季秋季春季夏季。秋冬季节,NO_2高污染区由京津冀、河南、陕西等地扩大至山西中部、新疆东南部以及内蒙古的包头、呼和浩特、乌兰察布等地区,其高值与中高值区域面积占比之和分别为13.47%与24.00%,显著高于春夏季。(3)NO_2质量浓度存在以京津冀及周边河南、山西等地区为主的高值集聚,低值区主要分布在在云南、西藏、广西、海南一带。(4)利用地理加权回归模型(GWR)分析NO_2的空间分布与社会经济因素之间的关系,经计算调整后的R~2为0.74,该模型能解释NO_2空间分布的74%,拟合效果较好。在该模型中,城镇化率、森林覆盖率、第二产业占比以及人均电力消费量对NO_2质量浓度影响较大,城镇化率和第二产业占比与NO_2质量浓度呈正相关关系,森林覆盖率和人均电力消费量与NO_2质量浓度呈负相关关系。另外,城镇化率是对NO_2影响最显著的因素,城镇化率的提高对NO_2的影响程度由西向东逐渐递减。(5)NO_2与人均私家车保有量的相关系数r为0.403,华北、东南沿海、东三省及西部新疆、西藏地区,人均私家车保有量与NO_2空间分布情况基本一致,河南、陕西、湖北以及川渝地区则出现了人均私家车保有量与NO_2质量浓度不匹配的情况。     

天津市采暖季PM2.5组分消光特性及来源分析

为了解天津市采暖季细颗粒物组分对能见度的影响、明确消光组分来源,对天津市2017年采暖季大气PM_2.5样品进行了为期一月的连续采集,并测定水溶性离子、有机碳和元素碳的含量,通过修正IMPROVE方程研究了细颗粒物消光特性,并采用主成分分析—多元线性回归模型(PCA-MLR)对其来源进行解析,同时应用潜在源贡献因子(PSCF)和浓度权重轨迹(CWT)明确PM_2.5质量浓度的潜在污染源区域。结果表明,OC、EC以及SNA(NO3^?、NH₄⁺、SO₄^2?)的生成和积累对于能见度的下降具有重要影响,且能见度随SOR和NOR二次转化程度的升高而下降;2017年天津市采暖季日均消光系数为(294.56±262.89)Mm^?1,其中OM(34.86%)、硝酸盐(22.84%)、硫酸盐(11.59%)和EC(11.54%)为主要消光组分,硝酸盐和硫酸盐的增加对于能见度的下降起主要影响作用;根据PCA分析结果可知,天津市采暖季PM_2.5中的碳组分和水溶性离子主要来源于燃煤、生物质燃烧(68%),受扬尘(22%)和海盐(8%)的影响较小;区域传输分析结果表明天津市采暖季PM_2.5污染源潜在区域主要分布在河北中西部、河南北部、山西北部和内蒙古中部、西部。     

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。     

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.     

石家庄市采暖季PM2.5碳组分昼夜污染特征及来源分析

为探究2017年石家庄市采暖季昼夜PM_2.5中碳组分的污染及来源特征,选取2017年11月30日-2018年1月22日时间段分别采集石家庄白天（8：00-20：00）、夜晚（20：00-翌日8：00）的PM_2.5样品,分析PM_2.5组分中OC和EC昼夜间的浓度变化特征、来源特性,SOC的估算及影响因素,并对石家庄市碳质气溶胶进行源解析和区域传输分析.结果表明,①采样期间白天PM_2.5、OC和EC的平均质量浓度分别为（110.6±71.6）、（39.9±20.4）和（9.3±3.6）μg·m^-3,夜间平均质量浓度分别为（128.5±75.3）、（64.7±36.5）和（13.6±6.0）μg·m^-3,PM_2.5、OC和EC质量浓度均呈现出夜间质量浓度高于白天的特征.②燃煤和机动车尾气排放在增加了一次有机碳（POC）和元素碳（EC）的本底质量浓度的同时,产生的CO、NO₂、SO₂等气体污染物又促进了光化学反应,两者协同作用下促进了SOC质量浓度的生成和积累.根据估算,SOC、SOC/OC值在夜间高于白天,白天较强的太阳辐射和光化学活性是SOC转化的主导因素,夜间气态有机前体物浓度是SOC转化的主导因素.③采样期间昼夜间OC、EC的相关性较好,其来源具有较好的同源性.大气PM_2.5碳质气溶胶主要来自燃煤、汽油车和柴油车尾气排放混合源,夜间柴油车污染源对碳质气溶胶的贡献率较白天更为明显.④后向轨迹结果表明,石家庄市严重污染期间颗粒污染物浓度变化主要受到低空东北方向气团的影响,PM_2.5以及OC、EC质量浓度的变化和周边地区的污染物输送有关.     

北京建筑垃圾堆放场春季降尘量与源距离关系探讨

以北京某建筑垃圾堆放场为研究对象,通过在建筑垃圾堆放场2.5 km范围内放射式布点,于2019年4月对降尘进行监测,探究了建筑垃圾堆放对环境空气中降尘的影响。结果表明:监测范围内降尘量普遍高于北京市同期降尘月平均水平。建筑垃圾堆≤150 m范围内降尘量最高,平均值为75.09 t/（km2·30 d）;随着与建筑垃圾堆距离的增大,150~500 m范围内降尘量数值仍偏高,但有明显的下降趋势,平均值为32.53 t/（km2·30 d）;在距离>500 m后,降尘量数值变化趋于平缓。建筑垃圾对降尘的主要影响范围在半径500 m内,受主导风向控制,建筑垃圾堆东北部受影响明显较大。     

基于LUR模型的2019年北京地区PM2.5与PM10浓度空间分异模拟

在城市区域内,空气污染物的浓度在小范围内存在显著差异,而离散的地面监测点分布不均匀,且监测范围有限,无法满足污染物暴露评估等研究的需求.本研究基于GIS空间分析和多元逐步回归的模型构建的方法,建立了土地利用回归（LUR）模型,并模拟了北京市2019年PM_2.5和PM₁₀浓度的空间分布特征.选择土地覆盖数据、气象数据（风速、降水、温度）和植被覆盖度数据等预测变量,以研究区34个监测站点为中心建立0.1~5 km共7个系列缓冲区,表征不同尺度下各变量对PM_2.5和PM₁₀浓度的影响.研究结果表明：①进入PM_2.5回归模型中的变量有：年均风速、温度、降水量和周围中等植被覆盖、耕地和不透水面的面积;进入PM₁₀回归模型中的变量有：年均风速和周围中等植被覆盖的面积.两个模型的调整R²分别为0.829和0.677,模型精度较高.②抑制污染物浓度的变量,影响力随着空间范围扩大而增强;使污染物浓度增加的变量,影响力随着空间范围缩小而增强.③浓度模拟结果显示,PM_2.5和PM₁₀在西北部山区浓度较低,南偏东的城区浓度较高,并且向南有逐渐增加趋势.4植被覆盖度这一变量不仅进入了上述两个方程,且影响力都强于其他土地利用类型,故以后的模型改进应该考虑植被覆盖度这一因素.     

北京2019年国庆假日及随后一个星期PM2.5中金属元素来源分析

2019年10月1—14日,采集了北京五环内14份城区大气PM_2.5样品。用微波消解-电感耦合等离子体质谱法（ICP-MS）测试了样品中15种金属元素的质量浓度。结果表明：2019年国庆假日（10月1—7日）及随后一个星期（10月8—14日）,北京五环内城区PM_2.5中15种金属元素的质量浓度总和分别为7 206、8 025.4 ng/m³。2个时段Na、K、Ca、Al占比较高,4种元素的质量浓度之和分别占元素总质量浓度的88.9%、83.5%。富集因子分析表明：2个研究时段内,北京城区Se、Cd均呈高度富集状态,受人为污染影响最大。根据因子分析结果以及各类污染源的标识元素判断,2个时段内,PM_2.5中的金属元素均来自地壳（土壤尘和建筑尘）、生物质燃烧、机动车排放、燃煤和工业排放的混合源。潜在源因子分析结果表明：国庆假日北京城区Se、Cd、Pb、Cr主要来源于河北、山东两省中部地区的区域性输送,Zn和Cu主要来源于北京周边工业排放源和城区机动车排放源;国庆假日之后,北京城区Se、Zn、Cd、Pb、Cr、Cu除受廊坊-天津-唐山污染带的区域性传输影响外,还受北京周边燃煤源、工业排放源及本地机动车排放源的共同影响。