疫情防控期间上海市城郊空气污染特征比较

为比较COVID-19疫情防控期间上海市城郊地区环境空气污染特征,文章对闵行区与奉贤区2个观测点的主要空气污染物进行了研究。基于2019-2021年疫情防控同期,分析4种主要污染物以及气象条件的变化特征,分析结果显示,NO₂受防控措施影响最显著,城郊差异最小。O₃平均浓度比防控前分别上升65%(城区)、21.26%(郊区),城郊差异最明显。2020年防控期相较2019、2021年同期NO_x、PM_2.5、O₃显著下降。气象条件分析结果表明,城区相较于郊区有更多的静稳天气,从而不利于污染物扩散。Spearman相关性分析结果显示,O₃在城区与郊区都属于VOCs控制区,且在城区关系更加显著。采用潜在源贡献因子分析法和浓度权重轨迹分析法对比分析O₃污染区域输送的差异,上海城区O₃污染受上海本地生成贡献、杭州湾地区的气团中距离输送以及浙江沿海城市气团长距离输送综合作用。疫情防控措施导致上海市城郊两地污染物不同程度的减排,有...     

基于TROPOMI的石家庄市NO2柱浓度时空分布及来源分析

为探讨石家庄市NO₂柱浓度时空分布及潜在污染源区，该文利用2019-2021年L2级别的TROPOMI二氧化氮数据、石家庄市8个国控点环境自动监测站的NO₂、O₃、PM_2.5浓度数据和气象要素数据以及全球数据同化系统中的气象数据，对石家庄市NO₂时间变化、空间分布、污染传输通道城市以及潜在源贡献区进行分析。结果表明：石家庄市NO₂浓度年内变化趋势呈“U”型，季节性明显，NO₂浓度冬季(13.33×10¹⁵molec/cm²)>秋季(12.76×10¹⁵molec/cm²)>春季(4.96×10¹⁵molec/cm²)>夏季(4.09×10¹⁵molec/cm²);NO₂浓度空间表现为“主城区高、四周低”的椭圆带状分布，并形...     

2013~2014年北京市NO2时空分布研究

根据2013~2014年北京市NO₂监测数据,对比分析了全年及重污染日NO₂时空分布特征.结果表明:2013年NO₂平均浓度为56μg/m³,2014年北京市NO₂年均浓度为56.7μg/m³.年均及重污染日NO₂月均浓度均呈波浪型分布,日变化呈双峰型分布;空间分布上北部及西部山区NO₂浓度明显低于中心城区及南部地区. NO₂浓度与PM_2.5、CO、NO呈正相关关系,与O₃、OX无明显相关性;全年NO₂光解速率峰值平均在0.105/min左右,重污染日光解速率峰值平均在0.026/min左右;全年及重污染期间,氮氧化速率分别为0.142±0.061、0.190±0.036;高浓度NO₂既有利于O₃生成,又对重污染的形成起到了促进作用;重污染日特定条件下北京市NO₂的两种转化机制以转化为NO₃^-过程为主导.经计算2000~2014年北京市机动车的保有量与NO₂浓度的相关系数R为-0.84,机动车NO_x排放量对北京市NO₂浓度的变化有显著的影响.     

新冠疫情对我国NO2排放影响的时空分析

基于高分辨率的TROPOMI数据,分析了我国疫情爆发期的NO₂空间分布情况,同时对比了疫情同比期和环比期不同地区的变化情况.分析表明,全国范围内NO₂柱浓度的同比下降率和环比下降率分别为40.46%和50.09%,经济发达且人口稠密的城市群,排放量下降较为显著,其中江苏、河南、山东、浙江等NO₂历史排放较高的省份受疫情影响更大.湖北省疫情期的NO₂柱浓度绝对值(1.63×10¹⁵molec/cm²)在中东部省份属于最低位水平,同比和环比下降率也均在50%以上.相对来说,武汉、孝感等周边城市的影响远大于十堰、恩施等西部山区.地基国控站点的NO₂质量浓度也显示了与卫星观测较一致的空间分布和变化趋势,证明了采用“自上而下”的遥感手段,可以对不同区域的大气污染排放强度和社会经济活动水平进行快速评估.     

兰州冬季大气污染来源分析

利用WRF(天气研究与预报模式)输出的高分辨率气象数据驱动HYSPLIT_4.9(混合单粒子拉格朗日轨迹模式),结合PSCF(潜在源贡献因子)和CWT(权重浓度轨迹分析)模拟研究复杂地形下兰州城市尺度大气污染物局地输送特征、潜在源区及其对空气质量的影响. 结果表明:2002—2008年影响兰州城区冬季12月空气质量的轨迹可分为5类,输送类型可分为城区内输送和城区外输送. 第1、3类轨迹出现频率均大于20%且污染轨迹出现频率均大于38%,是污染物的主要输送路径,对应潜在源区为兰州城关区东北部和榆中县东部,这2个源区对ρ(PM₁₀)的影响最大,对ρ(SO₂)的影响最小,对ρ(PM₁₀)、ρ(SO₂)和ρ(NO₂)的贡献分别超过200、80和60 μg/m3. 来自榆中县的第4类轨迹和兰州西固区的第5类轨迹易造成大气重污染,而来自皋兰县的第2类轨迹属于清洁轨迹. 兰州冬季污染既受局地输送的影响,也与地面天气形势密切相关.      

疫情期间“2+26”城市污染减排成效评估

为评估“2+26”城市在疫情期间的减排效果,基于NAQPMS模式和情景模拟的方法,分析了2020年1~3月及疫情前后空气质量特征,对气象、重污染应急减排措施及社会经济活动对空气质量的影响和研究的不确定性进行了分析讨论.结果表明,2020年1~3月,“2+26”城市空气质量级别优良率为59.6%,同比上升10.9%;PM₁₀、PM_2.5、SO₂、NO₂、O₃-8h-90per和CO-95per平均浓度分别为108,76,14,36,109μg/m³和2.3mg/m³.疫情期间（1月24日~3月31日） PM₁₀、NO₂、PM_2.5和CO浓度比疫情前期（1月1~23日）同比降幅明显.气象条件造成沿燕山和太行山城市PM_2.5浓度约上升1%~8%.重污染减排促使区域性污染过程减少了2次,“2+26”城市PM_2.5季度均值降低约6~26 μg/m³.受春节和疫情综合影响,机动车排放量大幅下降,但焦化、火电等重点行业实际污染排放量变化不大,散煤燃烧对空气质量的负面影响增加.     

基于随机森林模型的中国近地面NO2浓度估算

NH₃针对传统近地面NO₂浓度空间模拟过程中NO₂浓度与其影响要素之间关系的复杂非线性机制解释不充分的缺陷,本研究基于随机森林（RF）算法、融合多源地理要素开展了近地面NO₂浓度空间分布模拟研究.以卫星OMI对流层NO₂柱浓度数据和多源地理要素（道路交通、气象因子、土地利用/覆盖、地形高程、人口数量）为输入变量,近地面NO₂浓度为输出变量,利用RF算法构建近地面NO₂浓度反演模型.通过对比地面观测数据与传统土地利用回归模型（LUR）检验RF模型的有效性,基于所构建的最优RF模型在不同时间尺度下模拟分析中国大陆地区近地面NO₂浓度空间分布特征.结果表明：（1）集成多源地理要素的RF回归模型精度高,月均模型整体拟合度R² 0.85,RMSE 6.08μg/m³,交叉验证的R² 0.84,RMSE 6.33μg/m³,显著高于LUR模型（拟合R² 0.53,RMSE 10.48μg/m³,交叉验证的R² 0.53,RMSE 10.49μg/m³）; （2）地面NO₂浓度与预测变量呈现显著的复杂非线性与时间尺度依赖关系,卫星OMI柱浓度对模型影响程度最大,重要性指标IncMSE介于97.40%~116.54%,多源地理特征变量对RF模型同样具有不可忽视的贡献力（IncMSE在23.34%~47.53%之间）;（3）中国大陆地区NO₂污染程度较高,年均模拟浓度为24.67μg/m³,存在明显季节性空间差异,NO₂浓度冬季（31.85μg/m³） > 秋季（24.86μg/m³） > 春季（23.24μg/m³） > 夏季（18.75μg/m³）,呈现以华北平原为高值中心、向外围逐渐减轻的空间分布格局.较已有研究揭示对流层NO₂柱浓度宏观分布特征,本研究对近地面NO₂污染特征的研究成果对于合理制定污染防控策略、降低居民暴露健康损害具有指导意义.     

中国重点城市NO2排放规律与驱动分析

大气成分遥感是监测临近空间全球变化、保障生存空间永续发展的重要手段。NO₂被视为描述人类活动强度的直接指标。掌握中国NO₂的分布及其变化规律,对区域大气污染精细管控和空气质量精准预报有重要意义。该文基于S-5P卫星TROPOMI传感器的对流层NO₂柱浓度的校正数据,并结合地面站点NO₂数据,采用相关性分析、系统聚类分析和K均值聚类分析等方法,划分了中国重点城市NO₂排放类型,分析了城市对流层NO₂柱浓度的年变规律及驱动因素。结果表明：(1)TROPOMI NO₂对流层柱浓度数据与地面站点实测NO₂浓度显著相关,利用TROPOMI NO₂柱浓度数据进行城市排放研究可行;(2)基于聚类分析及机关性分析,结合中国气候带分布将重点城市划分为12个NO₂排放类型;(3)31个重点城市中有25个季节排序规律为冬季>秋季>春季>夏季,NO₂柱浓...     

乌海市中心城区二氧化氮升高成因解析

对乌海市中心城区NO₂浓度的月变化进行分析,发现1月、2月浓度较高,是形成当年较上一年升高的主要原因。通过NO₂污染玫瑰图分析,发现污染物主要来源于东南方向及周边;通过遥感地图分析,发现乌海中心城区二氧化氮污染存在本地排放与周边传输交织;通过皮尔逊相关系数分析,发现污染与工业企业排放有关。建议加强对工业企业污染排放的管控及联防联控。     

常州市冬季大气污染特征及潜在源区分析

为了解常州市冬季大气污染特征,对2013—2015年常州市冬季PM_2.5、PM₁₀、SO₂、NO₂、CO数据进行分析,并结合HYSPLIT 4.9模式研究不同气团来源对常州市各污染物浓度的影响及潜在污染源区分布特征.结果表明,常州市冬季以PM_2.5污染为主,其占冬季首要污染物的90%以上,冬季PM_2.5小时浓度对应的空气质量级别以良和轻度污染出现频次最多,冬季的ρ（PM_2.5）对ρ（PM_2.5）年均值的贡献率高达37.4%,不完全燃烧是颗粒物的一个重要来源.冬季ρ（PM_2.5）、ρ（PM₁₀）、ρ（SO₂）、ρ（NO₂）和ρ（CO）的日变化均呈双峰分布,两个峰值分别出现在交通的早高峰和晚高峰附近.ρ（NO₂）在晚高峰明显大于早高峰,而ρ（SO₂）和ρ（CO）表现为早高峰大于晚高峰.常州市CO/NO_x和SO₂/NO_x的分析结果表明,常州市交通源的贡献明显,点源对常州市的空气质量的影响也较大.1和6 h的ρ（PM_2.5）梯度变化可判识细颗粒物的爆发性增长.冬季常州市受到西北、西和西南等地区的大陆性气流影响较大,其对应的ρ（PM_2.5）、ρ（PM₁₀）、ρ（SO₂）、ρ（NO₂）和ρ（CO）平均值相对较高,且对应的污染轨迹出现概率较大.偏东方向的气流由于移动速度慢,不利于污染物扩散易造成污染累积,导致ρ（PM_2.5）、ρ（SO₂）和ρ（NO₂）相对较高.WPSCF（源区分布概率）高值区（>0.5）集中于从芜湖至上海的长江中下游区域和杭州湾区域.PM_2.5、PM₁₀、SO₂、NO₂和CO潜在源区存在较大差异性,NO₂、SO₂和CO本地化的潜在贡献较PM_2.5和PM₁₀更明显.此外,受船舶等影响海洋源区对NO₂、SO₂和CO的潜在贡献较大.研究显示,长三角区域的大气污染物以本地污染为主,但远距离污染输送贡献也不容忽视.      

长江三角洲冬季电厂排放对大气污染的影响

分析了长江三角洲地区电厂排放的基本特征并利用WRF-Chem模拟冬季大气污染状况,研究了冬季电厂排放主要污染物的特征及其对空气质量的影响,结果显示,长三角电厂排放的主要大气污染物为SO₂、NO_x及PM_2.5,2010年排放量可分别达到826.8、1475.6和137.3Gg,分别占长三角地区人为源总排放量的34%、38%和14%.冬季主要大气污染物（SO₂、NO₂、PM_2.5）浓度高值区分布在南京-上海,杭州-宁波一带.电厂对SO₂浓度贡献量（率）的空间分布与SO₂排放的空间分布较为一致,而NO₂、PM_2.5,其贡献量（率）的高值区主要分布在安徽、浙江和江西的交界处以及浙江省的东海岸.相对SO₂、NO₂,电厂对PM_2.5贡献量（率）较低,各地均在20μg/m³（15%）以下.污染时期电厂排放对模拟的PM_2.5和SO₂贡献率（6.9%、34.2%）较清洁时期（4.9%、20.7%）大,而对于NO₂,清洁和污染时期的贡献量没有明显差别,均在10μg/m³左右.冬季气温低、风速小及边界层高度低的特征不利于低层污染物的扩散,易导致重污染事件的发生.     

中国能源金三角NO2时空格局及其驱动因子

利用臭氧监测仪(OMI)提供的大气污染监测数据,结合产业结构、汽车保有量、国家政策措施等,通过城乡NO₂浓度差异的排放源分析方法提取能源金三角(EGT)地区2005~2019年对流层NO₂垂直柱浓度时空变化特征并探讨影响区域大气NO₂浓度驱动因素.结果表明,EGT煤炭化工源NO₂浓度与第二产业产值增速的相关系数为0.71(P<0.05),说明本文方法所提取的长时序煤炭化工源NO₂浓度能有效地指示产业结构调整和政策措施变化.NO₂浓度从2005~2011年的90.56molc/m²增加至2012~2015年的720.77molc/m²,再下降至2016~2019年的247.36molc/m²,反映EGT经济发展模式经历了从小规模、中污染的点模式逐步发展成大范围、重污染的粗放模式,再到大范围、低污染的精工模式.与京津冀、华中、长三角等地区相比,EGT交通和工业排放对城市源NO₂污染贡献的变化特征进一步反映城镇化水平的发展和产业结构的优化.与OMI相比,高分辨率对流层观测仪(TROPOMI)能在短时序上提供丰富的影像细节信息,且随着观测时长的增加,有望增强长时序大气NO₂污染的精准监测.     

杭州城郊大气二氧化硫和气溶胶浓度演变特征及潜在源分析

基于2018年1月—2019年10月杭州大气成分监测数据,对杭州城、郊大气SO₂和气溶胶的浓度变化特征及其相关性和影响因素进行分析,并探讨不同季节下长距离输送对大气SO₂和PM_2.5浓度的贡献及潜在源区分布.结果表明:杭州城、郊大气SO₂日变化特征均呈单峰型,气溶胶日变化特征均呈双峰型;杭州城区SO₂浓度夏季明显低于其他季节,而郊区SO₂浓度四季无明显差异,气溶胶浓度城区和郊区均为夏季最低;SO₂与气溶胶相关性偏低,城、郊不同粒径的气溶胶之间相关性差异较大;不同季节杭州城区SO₂和PM_2.5受气团输送的影响具有明显差异,杭州城市高浓度SO₂和气溶胶潜在源区主要位于江苏省苏州市、南京市以及浙江省绍兴市、湖州市和杭州市辖区,因而减少或控制这些潜在源区污染物排放将会对杭州大气环境质量改善有积极作用.     

基于甘肃省卫星遥感的对流层NO2时空变化

基于OMI卫星遥感反演的NO₂柱浓度数据,分析了近11a甘肃省对流层NO₂柱浓度的时空变化及相关影响因素,同时利用HYSPLIT模型探究了大气污染物的来源.结果表明：从空间上,NO₂柱浓度呈现出由甘肃东北区向西南区递减趋势,最高值主要分布于庆阳市全境和平凉市少部分地区.从2008~2014年NO₂柱浓度值不断增长至最高值,高值区逐步扩大;2015~2018年NO₂柱浓度值波动变化,呈现出向周围区域递减的趋势,高值区范围缩小;从时间上,2008~2018年对流层NO₂柱浓度整体呈上升趋势,对流层NO₂柱浓度四季均值分布为：夏季>春季>秋季>冬季;NO₂柱浓度每年在6~8月达峰值,9月后开始下降,年内谷值出现在12月份~次年2月份;对研究区NO₂柱浓度的贡献最大的是自然要素.高温、降水有利于土壤排放NO₂,植被覆盖率对NO₂起到一定的消减作用.利用HYSPLIT得出2009~2018年每年7月庆阳市NO₂的外部输送路径,其中主要路径以陕西地区为主.     

哈尔滨冬季积雪中多环芳烃同大气污染物的关系及其潜在源区分析

源于燃烧释放的多环芳烃(PAHs)易于吸附在大气颗粒物上,通过降雪清除效应累积于积雪中,是区域大气污染的良好指示器.于2020年底采集哈尔滨市积雪样本,结合前期逐日大气污染物监测数据(AQI、PM_2.5、PM₁₀、NO₂、SO₂、CO),明确哈尔滨市冬季大气污染类型与污染特征和积雪PAHs空间分布特征与来源,定量解析积雪PAHs同大气污染物的关系,揭示其对大气污染的指示意义,识别哈尔滨市冬季大气污染物的潜在源区.结果表明：研究期内存在3次以PM_2.5为主要污染物的中度污染天气,ρ(PM_2.5)/ρ(PM₁₀)比值表明区域受细颗粒物影响显著,为偏二次污染类型,ρ(NO₂)/ρ(SO₂)和ρ(CO)/ρ(SO₂)比值表明本地固定污染源和外来传输源贡献均呈加强趋势.积雪中Σ16PAHs浓度为1705～7243 ng·L^-1,中高环PAHs浓度属强变异,区...     

利用SCIAMACHY遥感资料研究我国NO2柱浓度及其时空分布

利用SCIAMACHYENVISAT 2003—2009年月均观测数据,结合1∶4 000 000行政区划图,得到了近7 a来我国城市级别NO₂柱浓度的时空分布和变化趋势,并采用Seasonal Mann-Kendall非参数检验方法对各城市的变化趋势进行了显著性分析. 结果表明:我国NO₂分布东高西低,NO₂柱浓度高值区主要分布在京津冀及环渤海区域、长江三角洲北部及广东省等地区. 近7 a来我国北部和中部地区的NO₂增长趋势显著,NO₂柱浓度平均值最高和增速最快的前20个城市主要分布在江苏、山东和安徽等省的二级城市郊县和小城市. 与统计年鉴工业废气排放数据的比较表明,工业废气排放与NO₂柱浓度及其时空分布具有较好的一致性. 这种新的NO₂污染格局应该引起重视并采取有针对性的污染监管措施.      

京津冀区域PM2.5及二次无机组分污染特征研究

选取北京、石家庄和唐山作为京津冀区域典型城市,基于实地样品采集和组分分析结果,探讨PM_2.5组分中二次无机水溶性离子（SNA）浓度变化特征,并利用空气质量模型模拟结果分析重污染前后京津冀地区各类污染源大气污染物排放对PM_2.5和SNA质量浓度的贡献.结果显示：3个城市PM_2.5质量浓度整体呈现逐年下降的趋势,多数情况下SO₄^2-、NO₃^-和NH₄⁺浓度极大值同时出现在冬季,PM_2.5化学组分较为稳定.相对于常规时段,重污染期间SO₄^2-、NO₃^-和NH₄⁺质量浓度明显增加,重污染前一天SNA浓度占PM_2.5比值达到最高.重污染的形成是本地源排放和外来区域传输共同作用的结果,外来源对NO₃^-的贡献整体高于SO₄^2-和NH₄⁺.交通源、居民源和工业源对PM_2.5、SO₄^2-和NO₃^-浓度贡献最高,NH₄⁺主要来自居民源的排放.     

十堰市城区冬季PM2.5污染特征与来源解析

为探讨内陆山区城市湖北省十堰市冬季PM_2.5污染特征及来源构成,于2016年1月12日—2月4日在4个采样点位同步采集PM_2.5样品,分析了无机元素、水溶性离子、有机碳和元素碳的质量浓度.并采集了十堰市主城区城市扬尘、裸露山体尘、建筑水泥尘、燃煤源、机动车尾气、工业源及餐饮油烟源等7类污染源,初步建立十堰市本地的污染源成分谱库,利用统计学方法研究冬季PM_2.5的污染特征,并采用CMB受体模型及“二重源解析技术”分析其来源构成.结果表明:冬季采样期间,十堰市ρ（PM_2.5）平均值达到110.65 μg/m3,超过GB 3095—2012《环境空气质量标准》二级标准24 h浓度限值,并且随空气RH（相对湿度）增加污染加重.城区3个采样点PM_2.5化学组成及特征的空间差异不明显.PM_2.5中ρ（TC）最高,其次是ρ（NO₃-）和ρ（SO₄2-）,与二次反应、机动车尾气、煤燃烧等密切相关.ρ（NO₃-）/ρ（SO₄2-）为1.22,说明机动车尾气的影响较大.二次粒子、燃煤源和机动车尾气是十堰市城区冬季大气PM_2.5的主要来源,贡献率分别为51.2%、10.9%和10.1%.研究显示,十堰市城区冬季ρ（PM_2.5）超过GB 3095—2012二级标准,PM_2.5的污染控制应以二次粒子、燃煤和机动车为主,采取多源控制原则.      

疫情管控期西安PM2.5和O3污染特征及成因分析

基于西安疫情管控期空气监测数据,分析PM_2.5和O₃的时空序列特征,从PM_2.5源解析、O₃前体物VOCs溯源、气象要素和区域传输方向探讨污染成因.结果表明：(1)管控期PM_2.5和O₃分别同比上升20.39%和23.72%,其他参数均下降;与管控前后时期相比,管控期PM_2.5和PM₁₀日均值协同变化趋势减弱,O₃和NO₂此消彼长趋势增强;相比去年同期,PM_2.5小时值升高11～19μg·m^-3,O₃小时值夜间18:00～23:00升幅增大,为10～19μg·m^-3.(2)污染物浓度变化呈现一定的空间聚集协同性;受地形及植被阻滞吸附影响,PM_2.5污染集中在北部,由于城郊NO₂滴定效果弱于城区,表现为南部郊区O₃污染较...     

基于质子转移飞行时间质谱法对苏州市冬季大气VOCs的观测研究

为分析苏州市城区冬季VOCs污染水平、变化特征及污染来源,采用质子转移飞行时间质谱仪（PTR-TOF-MS）进行走航和定点观测.结果表明:①城区中心走航期间总挥发性有机物（TVOC）平均浓度为95.00 μg/m3,环高架快速路走航期间TVOC平均浓度为131.48 μg/m3,定点观测期间TVOC平均浓度为72.85 μg/m3.对比其他城市城区,苏州市城区VOCs污染较轻,环境空气质量处于优良水平（浓度数据基于PTR-TOF-MS所能观测物种）.②走航及定点观测期间平均浓度最高的均为含氧挥发性有机物（OVOC）,城区中心走航区域OVOC占比为35.83%,环高架快速路走航区域OVOC占比为43.33%,定点观测（处于闹市区）期间OVOC占比为33.36%.③观测期间对OFP贡献较大组分为OVOCs、烯烃、芳香烃.结合无机物种定点观测数据发现,VOCs和NO₂的浓度峰值与PM_2.5浓度峰值变化趋势一致.结合VOCs浓度呈早晚高峰的日变化规律,判断机动车尾气可能是VOCs、NO₂、PM_2.5的主要排放源之一.④特征比值法判断观测期间空气老化程度较高,苯系物主要来自交通源和燃料燃烧源.PMF（正矩阵因子分解法）源解析结果表明,VOCs污染源包括溶剂使用源、空气老化和二次形成源、植物源、交通源、工业源,结合非参数风回归模型（NWR）评估污染主要来自定点观测点北方的工业企业以及东南方向的环高架快速行驶的机动车,与走航观测高值点位一致.利用MIR系数法得出5类VOCs来源因子,其OFP贡献率依次为空气老化和二次形成源>溶剂使用源>植物源>交通源>工业源.研究显示,苏州市需加强管控溶剂使用行业的VOCs排放量,倡导在上下班高峰期、周末使用公共交通出行,减少机动车尾气排放,可以有效减少当地O₃生成.