2014年10月北京市4次典型空气重污染过程成因分析

采用数值模拟与观测资料相结合的方式,对2014年10月北京市4次典型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分析. 结果表明,京津冀区域稳定的气象条件是形成空气重污染的主要原因,4次重污染过程大气条件均不利于污染物扩散,表现为大气层结稳定,近地层逆温(平均逆温强度为2.26 ℃/100 m)明显,风速(平均值为1.52 m/s)小,相对湿度(平均值为80.75%)大. 在4次重污染过程中8—11日污染最重,ρ(PM_2.5)日均值平均为264 μg/m3,并且区域输送对北京贡献率最大,平均值为63.75%;24—25日污染程度次之,逆温最强,逆温强度达5.94 ℃/100 m;18—20日重污染中北京ρ(PM_2.5)高值(＞200 μg/m3)区主要集中在该市西北部地区;30—31日污染相对较轻,ρ(PM_2.5)日均值最高只有154 μg/m3. 数值模拟表明,在4次典型重污染过程中,来自南方(包括河北、河南和山西西部等地)的外来污染物输送对北京PM_2.5贡献较大,外来贡献率分别在42.36%~69.12%之间,同时北京本地也存在较强的二次无机盐及有机物转化过程.      

2014年10月太原市一次空气重污染过程分析

采用数值模拟(CAMx)与污染物、气象观测资料相结合的方式,对太原市及周边区域2014年10月6—12日一次典型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分析.结果表明:2014年10月8—10日太原ρ(PM_(2.5))日均值平均为175μg·m~(-3),太原城区约1460km~2的国土面积处于重度污染(ρ(PM_(2.5))150μg·m~(-3))之下,而京津冀约20×104km2的国土面积达到重度污染水平;区域稳定的气象条件是形成重污染的主要原因,重污染过程中大气层结稳定,逆温明显(2.14℃/100m)、风速小(1.91 m·s~(-1))、湿度大(68.13%)、负变压(-0.74 h Pa)、正变温(0.92℃).模拟结果显示,8—10日重污染期间区域输送对太原PM_(2.5)的贡献率在17%~24%之间,太原市PM_(2.5)浓度以本地贡献为主;估算的2014年太原城区PM_(2.5)排放量是其大气环境容量的1.4倍,重污染期间大气环境容量的大幅降低又加剧了空气污染的程度.     

2014年10月北京市一次空气重污染过程分析

采用轨迹模拟与观测资料相结合的方式,对北京市2014年10月6—12日1次典型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分析。结果表明:京津冀区域稳定的气象条件是形成重污染的主要原因,重污染过程中大气层结稳定,平均逆温强度每100 m为3.42℃,平均风速为1.56 m/s,平均湿度为83.13%;重污染过程中10月8—11日污染最重,北京ρ(PM_(2.5))日均值平均为264μg/m~3,且京津冀约20×104km~2国土面积处于重度污染水平;模拟结果显示污染最重的8—11日区域输送对北京PM_(2.5)贡献率在61%~69%;区域输送对北京PM2.5浓度起着更为重要的作用。     

河南省冬季3次重污染过程的数值模拟及输送特征分析

利用WRF-Chem模式模拟2015年11月27日—12月1日、12月5—14日、12月19—25日河南3次重污染过程,结合空气污染资料和ERA-Interim再分析资料,对比分析了这3次重污染过程的开始、持续和结束及污染物的输送特征.结果表明,静稳天气有利于污染的发展持续,3次重污染过程的结束均是由西路冷空气入侵造成的.第1次重污染过程平均风场上的风速均为小风或静风,从湖北到河南南部风向为偏南风;而第2和第3次重污染过程平均风场分别以偏东和偏北风为主.第2和第3次重污染过程中均存在明显的由北向南的污染物输送过程.3次重污染过程中,河南省本地排放对本省PM_(2.5)浓度的平均贡献率最大,而河南省周边区域对河南PM_(2.5)浓度的平均贡献率在这3次过程中不一样,第1次重污染过程,河南南部主要受偏南风影响,湖北对河南PM_(2.5)浓度的平均贡献率最大,为20.7%;第2和第3次重污染过程主要受偏东风影响,安徽和江苏对河南PM_(2.5)浓度的平均贡献率最大,分别为17.7%和18.5%.3次重污染过程中,安阳的主要污染输送源均不相同,分别来自河北、江苏和安徽、本省.     

2018年沈阳市一次空气重污染过程分析

采用数值模拟与观测资料相结合的方式,对沈阳市2018年1-3月发生的1次重污染过程的气象条件、天气形势和潜在来源进行初步分析.结果表明:重污染过程与当地的气象条件密切相关,沈阳市重污染期间的PM2.5和PM10浓度与风速和气温呈负相关,与气压和相对湿度呈正相关.中度、重度及以上污染主要集中于相对湿度为50％～70％条件...     

北京一次混合型重污染过程大气颗粒物元素组分分析

针对北京2013年1月的一次混合型大气重污染过程,于2012年12月31日—2013年1月18日在中国环境科学研究院大气环境研究所楼顶采集了TSP和PM₁₀样品,分析了其中的元素组分. 结果表明,逆温和静稳天气是导致此次大气污染的主要气象条件. 重污染期(2013年1月11—15日)北京大气ρ(TSP)和ρ(PM₁₀)的日均值分别为426.34和363.46 μg/m3,分别是非污染期(2013年1月2—6日)的3.5和3.4倍;而重污染期TSP和PM₁₀中ρ(无机元素)分别为36.38和18.67 μg/m3,是非污染期的2.2和1.6倍,低于颗粒物质量浓度升幅. 元素质量浓度特征和EF(富集因子)分析表明,Na、Mg、Al、K、Ca、Fe的质量浓度之和占总元素质量浓度的90%以上,其EF均小于10,属地壳类元素,重污染期各元素质量浓度未明显升高;Mn、Cr和Ni 3种元素的EF在研究过程中无明显变化;重污染期PM₁₀中w(Cd)(0.05%)、w(Zn)(3.34%)、w(As)(0.22%)、w(Pb)(3.54%)、w(Mo)(0.03%)、w(Sn)(0.14%)和w(Tl)(0.03%)明显升高,并且这7种元素重污染期与非污染期的质量浓度比值和EF都较高,其来源主要为燃煤、移动源、工业源和垃圾焚烧等人为源. 重污染期本地源对TSP和PM₁₀的贡献略有增加.      

沈阳地区一次颗粒物重污染天气过程的气象成因分析

为探究沈阳地区重污染天气成因,文章利用地面、高空气象观测资料、风廓线雷达资料、NECP再分析资料以及大气污染物监测资料,对2019年3月1～6日沈阳地区出现的一次持续性重污染天气过程,探讨了大气污染物质量浓度、地面气象要素变化特征、大气环流配置与外来输送等特征.结果表明,均压场、地面风场弱及辐合、高温高湿是本次重污染天...     

唐山一次冬季重污染过程污染特征及成因分析

选取河北省唐山市2017年12月27~31日一次典型重污染过程,开展其污染特征及成因分析,对污染期间气象要素、大气颗粒物组分特征进行综合研究.结果表明,此次大气重污染过程中PM_2.5平均质量浓度为154μg/m³,重度污染及以上时PM_2.5/PM₁₀为0.7;PM_2.5中SNA质量浓度占比达58.0%,OC/EC的比值为4.1,说明颗粒物二次反应和有机物在此次污染过程有较大贡献;长期均压场以及近地面高湿、小风、逆温的出现导致唐山地区大气层结稳定,加之周边地区区域传输的贡献,是导致此次大气重污染过程的重要影响因素.     

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.     

北京冬季一次重污染过程的污染特征及成因分析

为了研究北京冬季重污染过程的污染特征及形成原因,选取2013年1月9~15日一次典型重污染过程,对污染期间气象要素、大气颗粒物组分特征和天气背景场进行综合研究.结果表明,此次大气重污染过程中PM₁₀和PM_2.5平均质量浓度分别为347.7μg/m³和222.4μg/m³,均超过环境空气质量标准(GB3095-2012)中规定的日均二级浓度限值.重污染时段PM_2.5中NH₄⁺、NO₃^-和SO₄^2-质量浓度之和占PM_2.5质量浓度的44.0%,OC/EC的平均比值为5.44,说明二次无机离子和有机物对此次污染过程中PM_2.5贡献较大.稳定的大气环流背景场、高湿度低风速的地面气象条件和低而厚的逆温层导致北京地区大气层结稳定,加上北京三面环山的特殊地形结构,是造成此次大气重污染过程的主要原因.     

京津冀区域典型重污染过程与反馈效应研究

以京津冀地区2014年10月5~12日一次重污染过程为例,采用飞机AMDAR数据和WRF-Chem模式,分析了大气边界层垂直结构与PM_2.5的时空演变规律,定量研究了气溶胶直接反馈效应对多种气象要素的影响.结果表明：此次重污染过程地域范围广、持续时间长、影响强度大,PM_2.5污染呈带状分布,主要受地面均压场和高空纬向环流形成稳定的大气环流背景场、垂直层风场及逆温共同影响.气溶胶直接反馈效应导致京津冀地区整个时段太阳辐射量降低39.80W/m²,气温下降0.34℃,边界层高度降低36.64m,相对湿度升高0.90%.反馈效应南部地区较北部更显著,污染日强于平均时段和清洁天,气溶胶的辐射反馈作用使得各气象要素均呈现不利于污染物扩散的趋势,造成气溶胶聚集区PM_2.5浓度进一步增加.     

我国大气污染物在排污层的输送特征

为了分析我国大气排污层的基本输送特征,用6年时间收集到的大气排污层的气象资料进行多层次的大气污染物输送场的研究,特别是地面到600m高度大气层的大气排污层。研究结果表明,我国的大气污染物以境内输送或输入为主;在我国范围内普遍存在一个风速极大值区。初步得到大气污染物的输送场时空分布特征,为进一步了解和利用大气排污层规律,合理开发和利用环境资源提供了依据     

新冠肺炎疫情期间天津市重污染天气的边界层特征

为探讨新冠肺炎疫情期间天津市重污染天气成因,利用环境监测、气象常规观测及255 m气象塔梯度观测,结合WRF-Chem模式研究了天津市2020年2月9—13日新冠肺炎疫情期间重污染过程来源及边界层特征。结果表明：水平和垂直扩散条件变差、地面弱气压场和暖湿明显为此次重污染天气的主要特征;重污染天气过程外来源的区域输送率达54.6%;稳定类层结（E类和F类）占比高达67.5%,较为稳定的大气造成大气扩散条件变差,是污染发生的重要气象条件;污染过程逆温率达50.0%,垂直温差、逆温厚度、逆温强度与PM_2.5浓度相关性分别为0.99、0.90和0.56,逆温层的存在是污染过程维持的主要因素。

     

2000~2010北京大气重污染研究

根据北京市环境保护局公布的大气污染数据及气象部门公布的气象资料,用时间序列分析法对空气污染指数大于200的大气重污染做了系统分析.结果表明,北京大气重污染可分为静稳积累型、沙尘型、复合型以及特殊型4个类型,2000~2010年各类型发生次数分别为69、53、23、6次.从季节分布看,北京大气重污染主要集中在春季和秋冬季,其中春季以沙尘型为主,而秋冬季大部分为静稳积累型.从年际变化看,21世纪初期沙尘天气活跃,造成了北京大气重污染的高峰期,2003~2005年大气重污染有所回落,2006年受沙尘天气明显增多及大规模奥运建设的共同影响,北京大气重污染再次出现明显峰值;2007年北京沙尘天气明显减少,但静稳积累型重污染相对突出;2008年奥运减排措施效果显著,全市静稳积累型重污染降至历史最低,其后则呈缓慢上升趋势.大气重污染既呈现区域共性,也受局地环境影响.定陵站大气重污染全部为沙尘型;近年来随着首钢的减产、搬迁,石景山区古城站大气重污染明显减少;而受周边大规模城市建设影响,奥体站大气重污染表现相对突出.     

武汉地区秋冬季清洁与重污染过程的水溶性离子特征研究

利用武汉地区2014年秋、冬季在线离子色谱分析仪Marga监测所得的大气PM_(2.5)中水溶性离子数据和武汉市环境空气质量自动监测的细颗粒物数据,分析了武汉地区秋、冬季重污染和清洁过程的大气污染特征.结果表明,PM_(2.5)是武汉地区秋、冬季大气污染的首要污染物,无论是在清洁还是重污染过程中,NO_3~-、SO_4~(2-)和NH_4~+3种成分都是PM_(2.5)的主要无机成分.重污染过程中PM_(2.5)的平均浓度是清洁过程的4.5倍,而3种主要水溶性离子平均浓度增长至清洁过程的5~6倍,且有着显著的相关性,二次生成水溶性离子的污染已成为武汉秋、冬季大气污染的主要因素.Cl-在重污染过程中的浓度及与PM_(2.5)的相关系数显著增大,表明化石燃料燃烧等过程也对重污染的形成产生了较显著的作用,值得关注的是,K~+在重污染过程中的浓度及与PM_(2.5)的相关系数增大也验证了燃烧过程对重污染起到的贡献.硫氧化率和氮氧化率的分析结果表明,重污染过程中的二次转化要多于清洁过程,可能是非均相反应生成了二次污染的硫酸盐和硝酸盐.线性回归分析的方程系数研究表明,NH_4NO_3和(NH_4)_2SO_4可能是清洁和重污染过程中主要的盐类物质.NO_3~-/SO_4~(2-)的平均质量浓度比说明移动源对武汉地区秋、冬季二次污染的形成和发展已经起到越来越大的作用,特别是重污染过程中的影响更大.     

兰州市大气重污染气象成因分析

兰州市曾经是全国乃至全世界空气污染最严重的城市之一,重度空气污染特征明显.根据兰州市环境保护局公布的大气污染数据及气象局的气象观测数据,采用时间序列法和相关统计方法对兰州市2002—2011年空气污染指数(Air Pollution Index,API)大于200的大气重污染特征进行研究,并探析了其气象学成因.结果表明,静稳型重污染发生天数约占重污染发生总天数的77%,而沙尘型重污染只占23%.静稳型重污染是兰州市最主要的大气重污染类型,它往往存在PM10、SO2和NO2三种污染物同步累积的过程,持续时间长,主要发生在冬季;而沙尘型重污染持续时间短,由于外来高浓度沙尘输送的影响,PM10浓度会急剧升高,而SO2和NO2浓度则会明显下降(SO2、NO2浓度明显低于静稳型重污染),几乎都发生在春季.对它们的成因分析表明:静稳型重污染的气象学成因主要是风速小,稳定能量大,大气环境稳定度大,不利于湍流扩散,本地源污染物持续积累造成;沙尘型重污染气象学成因主要是春季气候干燥,相对湿度低,造成大风沙尘天气,给兰州市输送大量沙尘颗粒形成大气重污染.此研究结果可为兰州市大气重污染的防治提供科学依据.     

天津市夏季重污染天气过程PM2.5输送特征

利用环境监测、气象常规观测、美国国家环境预报中心(NCEP)再分析等资料,采用气溶胶激光雷达和HYSPLIT模式对2018年8月1—2日发生在天津市夏季的一次重污染天气过程进行分析。结果表明:地面弱气压场、低空逆温和偏东暖湿气流的输送为此次重污染形成提供了有利条件;气溶胶激光雷达分析表明,此次污染过程存在明显的水平输送和垂直分布特征,市区PM_2.5浓度升高除与水平输送有关,还与本地低空逆温造成的PM_2.5积累密切相关;HYSPLIT模式后向轨迹追踪研究表明,PM_2.5前期积累爬升阶段,气团主要来自偏南气流,200、500、1 000 m高度气团均有明显沉降,后期气团来向转变为较清洁的偏东暖湿气流,但同时带来大量水汽,造成天津市相对湿度的增加。此次污染过程前期是由于静稳天气形势导致PM_2.5积累,后期主要是天津市各区县之间PM_2.5的输送以及偏东暖湿气流输送水汽导致相对湿度的增加,污染进一步加重。     

Effects of heavy metal pollution on soil microbial biomass

１Ｉｎｔｒｏｄｕｃｔｉｏｎ１．１ＢａｓｉｃｃｏｎｃｅｐｔｏｆｍｉｃｒｏｂｉａｌｂｉｏｍａｓＳｏｉｌｍｉｃｒｏｂｉａｌｂｉｏｍａｓｉｓｄｅｆｉｎｅｄａｓｔｈｅｌｉｖｉｎｇｐａｒｔｏｆｓｏｉｌｏｒｇａｎｉｃｍａｔｅｒ，ｅｘｃｌｕｄｉｎｇｐｌａｎｔｒｏｏｔ...     

典型电子拆解地两种指示生物监测重金属污染的对比研究

利用ICP-MS定量测定了温岭市电子垃圾拆解地区的大灰藓及樟树叶中的12种金属元素的含量,对比分析了两种指示生物对不同金属元素的富集情况.结果显示,不同地区样品中的所有金属含量呈现污染区对照区的趋势,其中苔藓中As、Cr、Mn、Se、V和Cd,樟树叶中Cr、Cu、Ni、Se、Sb和Cd的含量呈现重污染区轻度污染区对照区的趋势.拆解区中樟树叶中除Mn以外的金属总含量(所有金属含量之和)要低于苔藓.除Mn、Cr和Se以外的其它9种金属在苔藓中的含量要显著高于樟树叶中的金属含量(p0.05),但苔藓中金属含量的标准偏差要大于樟树叶.由污染因子(pollution factor)的结果表明苔藓及树叶样品中的金属Sn、Sb及Cd的污染因子最高;另外,研究通过比较树叶样品的不同预处理过程对最终含量测定的影响,发现经超纯水清洗的树叶样品中所有金属浓度要明显低于未经清洗的样品,并且标准偏差较低,数值稳定性好.主成分分析结果表明,Co、Cr、Ni、Pb、Sn及Cd为密切相关的一类元素,主要来源于电子废弃物拆解行为,而Mn、As及Se为第二类元素,主要来源于地质因素.