运城市PM2.5时空分布特征和潜在源区季节分析

基于2019年3月～2020年2月环境空气质量监测数据,分析了运城市PM_2.5污染的时空分布特征,并利用HYSPLIT后向轨迹模型和聚类分析等方法探讨不同季节运城市PM_2.5污染的输送路径和潜在源区.结果表明,运城市ρ(PM_2.5)冬季最高(111.24μg·m^-3),夏季最低(30.02μg·m^-3),PM_2.5/PM₁₀秋冬季均大于0.6,表明运城市秋冬两季颗粒物污染以细颗粒物为主;空间上ρ(PM_2.5)年均值呈现北部和中部高、东部和西部低的分布特征,高值区PM_2.5与SO₂、 NO₂和CO呈显著强相关,表明本地排放对高值区ρ(PM_2.5)影响较大,春季和冬季最高值分别位于河津市(58.50μg·m^-3)和稷山县(142.33μg·m^-3),夏季最高值位于南部的平陆县(36.92...     

太原市大气PM2.5季节传输路径和潜在源分析

为了研究太原市大气PM_2.5不同季节的传输路径和污染源区,利用HYSPLIT后向轨迹模型和NCEP的GDAS全球气象要素数据,对2017~2018年不同季节太原市逐日48h气流后向轨迹进行聚类分析,同时结合小时污染物质量浓度数据,分析不同季节太原市PM_2.5的潜在源贡献因子（WPSCF）和浓度权重轨迹（WCWT）.结果表明,太原市PM_2.5的质量浓度在季节上呈现冬季（77.56μg/m³） > 秋季（69.89μg/m³） > 春季（63.78μg/m³） > 夏季（45.51μg/m³）的变化趋势.PM_2.5与SO₂、NO₂和CO之间存在明显的同源性和二次转化过程.春、秋和冬季大气传输路径主要以西和西北方向近距离、慢移速的轨迹为主,夏季以南和东方向轨迹为主.PM_2.5潜在源区季节变化明显：夏季主要受太原本地和晋中地区的影响;春、秋和冬季主要受陕西中北部、吕梁、临汾和晋中等地的影响.     

2015~2021年景洪市PM2.5的传输路径及潜在源区

分析2015~2021年景洪市大气污染特征,识别日均PM_2.5浓度超过国家空气质量二级标准所在月(超标月)。利用混合单粒子拉格朗日积分轨迹模型计算景洪市PM_2.5超标月的逐日72h后向轨迹,并结合景洪市PM_2.5浓度,通过聚类、潜在源区贡献因子和浓度权重轨迹因子等分析方法,识别景洪市日均PM_2.5超标月的主要传输路径和潜在源区。结果表明:景洪市2~5月为日均PM_2.5超标月;景洪市2~5月PM_2.5的传输主要来自其西向、西南和南向,且中短距离和低空传输对应高PM_2.5浓度;景洪市PM_2.5源区主要位于缅甸中部、老挝西北部和泰国北部;通过归一化处理浓度权重轨迹因子可知,景洪市2~5月PM_2.5传输的源区主要来自缅甸,贡献41%~50%,其次为泰国和老挝,分别为21%~27%和5%~12%。基于2015~2021年2~5月中南半岛火点数分布及与景洪市PM_2.5浓度相关性分析,进一步揭示影响景洪市PM_2.5的主要排放源为缅甸生物质开放燃烧。研究可为景洪市建立跨境区域联防联控措施以及未来气候变化研究提供指导。     

邯郸市大气PM2.5时空分布及季节性潜在源分析

为研究大气污染防治攻坚战后邯郸最新大气环境污染情况,选取2022年3月—2023年2月邯郸市环境空气污染物浓度数据,借助Kriging插值分析模拟了邯郸市PM_2.5浓度的时间和空间变化趋势,并利用HYSPLIT气团后向轨迹模型进行聚类分析,探究邯郸市不同季节PM_2.5污染的传输路径及潜在源区分布.结果表明,邯郸市PM_2.5浓度呈现出明显的季节差异性,最高平均浓度出现在冬季(75.13μg·m^-3),秋、春次之,最低则出现在夏季(27.64μg·m^-3),同时,PM_2.5/PM₁₀在秋冬季均高于0.55,说明邯郸市秋冬季主要以细颗粒物污染为主.PM_2.5污染年均值空间分布呈现出“东部、中部自北向南高,西部低”的特点,污染高值区PM_2.5与PM₁₀、CO、NO₂、SO₂均呈显著正相关关系,与O₃呈负相关关系,...     

郑州市冬季大气PM2.5传输路径和潜在源分析

针对郑州市2017年12月~2018年2月的冬季气象数据和大气污染物质量浓度在线监测数据,分析了气象条件对颗粒物浓度的影响.通过混合型单粒子拉格朗日综合轨迹(HYSPLIT)方法模拟了郑州市冬季48 h的气流后向轨迹,同时进行了聚类分析,并使用潜在源贡献因子(PSCF)方法和浓度权重轨迹(CWT)方法分析了郑州市冬季PM_(2.5)的潜在污染来源和不同潜在源区对郑州市大气PM_(2.5)浓度的贡献.结果表明,低风速、高湿度和较少的降水是造成颗粒物污染严重的重要气象因素;超过60%的后向轨迹来自西北方向,其次是来自京津地区的轨迹占比为25.6%,而来自南边和东边的轨迹只占7.5%和6.1%,但对应着较高的PM_(2.5)浓度;郑州市冬季PM_(2.5)的潜在源区主要是北部的京津冀传输通道城市,包括焦作、开封、新乡、鹤壁、濮阳、安阳、邯郸和邢台,此外,相邻省份包括山西省、湖北省和安徽省部分区域对郑州市大气PM_(2.5)污染水平也有着较大的影响和贡献.     

不同季节肇庆市PM2.5和O3污染特征及潜在源区分析

为定量化评估不同地区对肇庆市污染物输送影响,分析了2014—2018年肇庆市ρ（PM_2.5）和ρ（O_{3-8 h}）（O_{3-8 h}为O₃日最大8 h滑动平均值）的变化特征,并基于HYSPLIT模式计算不同季节后向气流轨迹,通过聚类分析、潜在源贡献因子和浓度权重轨迹方法对肇庆市外来污染物的输送路径和潜在源区进行分析.结果表明:①2014—2018年肇庆市ρ（PM_2.5）年均下降3.3 μg/m3,2016年开始ρ（PM_2.5）最大值逐年增大.ρ（PM_2.5）日变化呈双峰型,峰值分别出现在上、下班高峰期后.2016年起ρ（O_{3-8 h}）年均增加4.4 μg/m3,成为肇庆市首要空气污染物.ρ（O₃）日变化呈单峰型,于15:00—16:00达到峰值.②PM_2.5和O₃污染分别在冬季和秋季较严重,超标日分别达20.6和15.0 d.ρ（PM_2.5）与风速相关性最高,ρ（O_{3-8 h}）与日照时数和相对湿度相关系数均较高.③春、夏两季影响肇庆市的气流近80%来自南部海面和东北方向,秋、冬两季85%以上气流源自偏东和偏北方向,肇庆市PM_2.5和O₃污染除受本地排放影响外,还有来自珠三角、广东省北部及其东部沿海、江西省等地区的输送贡献.研究表明,肇庆市PM_2.5和O₃污染均较严重,区域联防联控需重点关注广东省中东部城市的外来输送影响.      

2015~2019年日照市PM2.5长期变化特征及其潜在源区分析

利用2015~2019年山东省日照市PM_2.5质量浓度和气象要素的小时数据,对日照市PM_2.5季节污染特征和日照市海陆风特征进行了分析,并基于HYSPLIT模式计算了5年逐日02：00、08：00、14：00和20：00（BTC）的48h后向轨迹,不仅通过轨迹聚类分析和潜在源区分析探讨了日照市不同季节PM_2.5主要传输路径和其轨迹污染特征及其潜在源区分布和贡献,也分析了海陆风对日照市污染物的影响.结果表明：日照市PM_2.5呈现冬季最高、夏季最低的分布特征,监测站点颗粒物浓度在偏西北风影响下较高.日照市不同季节主要输送路径存在差异：春季主要受到偏东和偏北方向气流影响;夏季在副热带高压影响下主要受到来自海上的较为清洁的偏东气流影响;秋季主要受到西北和偏东气流影响;冬季主要受西北和偏北气流影响.整体而言,不同季节受偏西至偏南气流影响时,日照市对应的PM_2.5浓度较高.日照市海陆风春秋季多,夏冬季少;在海陆风影响下,日照市PM_2.5污染和臭氧污染呈现不同的分布特征,且在不同PM_2.5污染等级下,PM_2.5浓度日变化特征也与其在非海陆风日的日变化有所差异.污染潜在源区分析结果表明,日照市最主要的潜在源区位于山东省临沂市、潍坊市、青岛市和江苏省连云港市.     

不同污染等级下阳泉市PM2.5传输特征和潜在源区分析

利用2020~2022年阳泉市的PM_2.5监测数据、NCEP数据及对应时刻天气形势分析的气象资料,采用 HYSPLIT4 后向轨迹模式,引入多站潜在源贡献因子分析法（MS-PSCF）和轨迹密度分析法（TDA）,对阳泉市PM_2.5传输通道和潜在源区分区域、分级别研究. 结果表明：①阳泉市PM_2.5污染主要集中在阳泉和平定,盂县相对较轻,阳泉和平定的不同污染等级天数占比及PM_2.5浓度的平均值和最高值均要明显比盂县高,PM_2.5分布特征与本地特殊地形密切相关. ②小风天气下不同污染等级PM_2.5污染次数最多、PM_2.5浓度最高;东西向区域输送对阳泉和平定PM_2.5污染次数和PM_2.5浓度影响明显,且偏东风贡献显著;盂县中度以上天气以本地污染源影响为主. ③中度以上污染天气生成维持的地面形势主要有4种,暖低压型（22%）、高压前部（底部）型（54%）、高压后部型（14%）和均压场型（10%）,高压前部（底部）型是造成PM_2.5浓度升高的主要地面形势;高空形势主要有2种,平直西风气流型（78%）和西北气流型（22%）,平直西风气流型是造成PM_2.5浓度升高的主要高空形势. ④MS-PSCF和TDA分析法得出的PM_2.5不同污染等级的传输通道和潜在源区结果具有一致性,PM_2.5主要传输通道为东北、东南和西北通道,东北和东南通道为短距离传输,是造成PM_2.5浓度增加的主要路径,西北通道与西北沙尘传输通道一致,属于长距离传输;PM_2.5主要的污染潜在源区位于河北中西部与东南部、河南东北部及其与山东西南部交界处、山西东南部.     

苏锡常地区PM2.5污染特征及其潜在源区分析

利用2014年12月—2015年11月苏锡常地区国控大气环境质量监测站发布的逐时数据,分析了研究区PM_(2.5)浓度的季节变化和空间分布特征,并利用HYSPLIT模型分析了大气污染物的输送路径及苏锡常地区PM_(2.5)的潜在源区.结果表明,苏锡常地区PM_(2.5)浓度日均值变化趋势基本一致,均呈现冬季高、夏季低的规律.PM_(2.5)浓度四季空间差异显著,不同监测站之间的差异较小.四季PM_(2.5)浓度与其它污染物之间相关性显著.单位面积污染物排放量与空气质量分布的空间错位,表明该地区PM_(2.5)污染与区域性污染物迁移有较大关系.苏锡常地区气流后向轨迹季节变化特征明显,冬、春、秋季的气流主要来自西北内陆地区,夏季气流以东南和西南方向输入居多.聚类分析表明,来自内陆的污染气流和来自海洋的清洁气流是苏锡常地区两种主要输送类型,外源污染气流不仅直接输送颗粒物,还贡献了大量的气态污染物.山东南部、江苏西部、安徽东部、浙江北部及江西西北地区对苏锡常冬季PM_(2.5)浓度贡献较大,春、夏、秋季的潜在源区主要分布在苏锡常本地和周边城市.     

南京市大气PM2.5时空分布特征与潜在源区贡献分析

对2017年南京市区7个自动空气质量监测点的PM_(2.5)质量浓度ρ(PM_(2.5))数据进行分析,采用克里金(Kringing)空间插值法、气流运动轨迹聚类、潜在源贡献因子法(PSCF)和浓度权重轨迹分析法(CWT)探讨了四季大气中ρ(PM_(2.5))的时空分布特征和潜在来源。结果显示,四季大气中ρ(PM_(2.5))均值由高到低依次为冬季(65. 54μg/m~3)、春季(41. 70μg/m~3)、秋季(35. 18μg/m~3)和夏季(23. 56μg/m~3),秦淮区四季大气中ρ(PM_(2.5))均最高。春季南京大气中ρ(PM_(2.5))易受黄海海岸和北方大陆性输送气流的影响,来自黄海方向的气流轨迹2贡献比例达51. 65%,对应的ρ(PM_(2.5))为50. 91μg/m~3;夏季南京大气中ρ(PM_(2.5))主要受江苏、东部海洋和南部沿海城市输送气流的影响,其中源自江苏的气流轨迹1对南京大气PM_(2.5)贡献比例最大(33. 64%),气流轨迹对应的ρ(PM_(2.5))为35μg/m~3;秋季南京大气中ρ(PM_(2.5))易受短距离的偏北气流影响,来自山西南部,河南中部、安徽中部的气流轨迹5对应的ρ(PM_(2.5))最高,出现概率(21. 11%)和贡献比例(27. 81%)均较高;冬季南京大气中ρ(PM_(2.5))主要受北方大陆性输送气流影响,来自俄罗斯、蒙古国东部、河北北部、北京、天津、山东中部的长距离气流轨迹4对应的ρ(PM_(2.5))最高,达109. 8μg/m~3,其贡献比例为26. 86%。PSCF和CWT分析发现,安徽、山东、浙江与江苏交界和黄海海岸是影响南京市空气质量的主要潜在源区,此外,湖北、北京、天津以及渤海海岸也是南京大气PM_(2.5)的潜在源区。     

我国室内空气细颗粒物污染现状与防控对策

从浓度水平、化学成分、变化规律和健康危害4个方面调研了我国室内空气细颗粒物(PM_2.5)的污染现状。结果表明:我国城市和农村都存在不同程度的室内PM_2.5污染现象,部分城市室内PM_2.5浓度均值高达(764±71)μg/m ³,化学成分中镉、砷等重金属元素和苯并(a)芘(BaP)超标严重。分析了我国室内空气细颗粒物防控面临的挑战,主要包括:大气污染严重,广大农村家庭以固体燃料为主,传统生活方式不易改变,公众认知程度有待提高。结合我国实情,分别从城市民宅、办公室、学校教室、医院、餐厅和农村室内角度提出了分场所的室内PM_2.5污染防控对策。     

合肥市PM2.5和PM10中元素组成特征及重污染成因分析

通过对合肥市2018年大气PM_(2.5)和PM_(10)样品的采集,结合对样品中无机元素的测试分析,研究了PM_(2.5)和PM_(10)中的元素组成特征,并根据合肥市重污染天气和非污染天气下大气颗粒物中元素组成的差异性分析,探讨了合肥市重污染天气的主要污染物来源与成因.结果表明,本研究所检测的16种元素中,Si、Al、Mg和Ca这4种地壳元素在重污染天气的质量浓度较非污染天气低,可能是重污染状况下的静风天气引起的地面扬尘减少所造成的; S、Na、K、Cl、Ti、Fe、P、Cu和Ni等元素在重污染天气的质量浓度较非污染天气高,其中S元素的增幅最大,在重污染天气所占的比重和富集因子也大大提升,表明燃煤排放源是合肥地区重污染天气的主要污染成因;重金属元素含量低、富集因子大,其主要来源可能为垃圾焚烧、机动车和工业排放.     

成都市PM2.5和O3复合污染特征及相互作用研究

基于2015—2020年成都市国控环境监测站点逐时大气污染物监测数据,将其分为3类站点（城区、交通、背景站点）,研究不同季节、不同污染水平下,各类站点细颗粒物（PM_2.5）和臭氧（O₃）复合污染特征及相互作用.结果表明：①成都各类站点的PM_2.5超标天数和PM_2.5年平均浓度总体呈下降趋势,背景站点浓度明显小于城区站点和交通站点;O₃年际变化趋势呈波动性,且交通站点和背景站点的变化波动强于城区站点.②各类站点PM_2.5与O₃相关性在O₃污染期（4—8月）和PM_2.5污染期（11—次年1月）均存在显著差异,且二者在不同季节甚至呈现相反的相关性,总体趋势为夏季PM_2.5-O₃的相关性趋于正相关,冬季趋于负相关.③O₃污染期,各类站点二次PM_2.5的浓度和贡献率随光化学水平的升高而增加,而一次PM_2.5日变化幅度差异不大,表现出明显的O₃和PM_2.5协同增长现象.④PM_2.5污染期,PM_2.5与O₃之间并不是简单的线性关系,不同PM_2.5污染程度下,各类站点O₃浓度变化率昼夜波动趋势基本相同,均在12：00—13：00达到峰值,在18：00达到谷值;且随着PM_2.5浓度的增加,O₃浓度变化率峰值/谷值波动范围亦随之增加.     

北京市交通扬尘PM2.5排放清单及空间分布特征

为建立一种自下而上的交通扬尘PM_2.5排放清单方法,对北京市不同区域、不同类型道路的路面积尘负荷进行了采样和实验室分析,对各类路网的道路车流量和车辆类型进行了调查和统计,建立了北京市道路交通扬尘PM_2.5排放清单,并对其空间分布进行了分析. 结果表明:北京市城区快速路、主干道、次干道、支路和胡同的交通扬尘PM_2.5排放因子分别为(0.05±0.03)(0.09±0.05)(0.11±0.05)(0.16±0.14)和(0.27±0.20)g/(km·辆),相应各类型道路的交通扬尘PM_2.5排放强度分别为(7.21±4.66)(5.27±3.03)(3.34±1.49)(2.84±2.49)和(0.54±0.40)kg/(km·d);郊区高速路、国道、省道、县道、乡道和城市道路的交通扬尘PM_2.5排放因子分别为(0.10±0.03)(0.50±0.33)(0.39±0.37)(0.41±0.41)和(0.65±0.31)(0.19±0.08)g/(km·辆),各类型道路交通扬尘的PM_2.5排放强度分别为(3.82±1.31)(10.00±6.58)(3.93±3.74)(1.64±1.63)(0.65±0.31)和(0.74±0.32)kg/(km·d). 北京市道路交通扬尘PM_2.5的年排放量为13 565 t,从空间分布上看,郊区交通扬尘PM_2.5年排放量、单位道路长度排放量以及排放因子均高于市区,而城区单位行政区面积的交通扬尘PM_2.5排放量高于远郊区县. 从交通扬尘PM_2.5排放的空间分布特征看,在继续加强城区交通扬尘控制的同时,应采取措施控制远郊区县公路的扬尘排放. 自下而上的交通扬尘PM_2.5排放清单提高了排放的时空分辨率,能够识别路网中高排放的区域和路段,为交通扬尘总量管理和减排目标考核提供了一种技术手段.      

“2+26”城市大气重污染下PM2.5来源解析

基于区域大气环境模拟系统RegAEMS开发了大气污染物来源解析模块APSA，以京津冀及周边"2+26"城市为研究对象，模拟2017年12月26日~2018年1月2日该地区一次PM_2.5重污染过程，对PM_2.5进行区域和行业来源解析.结果表明：本次污染持续时间长、影响范围广、污染程度重，"2+26"城市PM_2.5小时最大值为201~507μg/m³，RegAEMS可较好模拟出PM_2.5时空分布；区域来源解析表现为外围区域对"2+26"边界城市影响较大，贡献为15.3%~57.5%，"2+26"中部城市受外围区域影响较小，贡献为0.3%~8.4%，区域传输特征明显，受近地面风场影响较大；行业来源表现为区域内生活源、工业源贡献较大，分别为26.6%~45.8%、16.4%~37.8%，交通源占比13.0%~35.9%.本文研究表明RegAEMS可以实现重污染过程PM_2.5的数值模拟和来源解析，在大气污染精准管控方面具有较好应用前景.     

武汉军运会前后大气PM2.5化学组分和来源

基于第七届世界军人运动会前后武汉大气细颗粒物(PM_2.5)及其化学组分的在线监测数据,分析了管控前、管控期和管控后PM_2.5的质量浓度和化学组分,并通过PMF结合后向轨迹的聚类分析和浓度权重轨迹开展来源解析.研究揭示了军运会前后武汉市PM_2.5对本地和周边区域管控措施的响应,可为PM_2.5的区域精准防控提供依据.在减排措施影响下,管控期间ρ(PM_2.5)为(31.3±12.0)μg·m^-3,比管控前降低14.7%;而二次组分有明显生成,其中硫酸盐、硝酸盐和铵盐(SNA)质量浓度升高25.6%.管控后由于湿度降低和西北气团的影响,SNA的质量浓度降低36.9%,矿质元素的质量浓度升高4.7倍.源解析表明管控前后机动车尾气的整体贡献率变化不显著(P<0.05).管控期工业排放和燃煤贡献分别较非管控期降低68.1%和43.7%,二次源贡献上升89.5%.由于并未针对机动车尾气采取大规模控制,管控期NO^-₃和NO<...     

汾渭平原典型污染城市PM2.5来源分布及传输分析

基于后向轨迹模式（HYSPLIT）和美国国家环境预报中心的GDAS数据（2019年3月—2020年2月）,模拟了临汾市冬季24 h的气团后向轨迹按季节的聚类,研究了不同来源区域对临汾市PM_2.5的主要污染来源和污染传输通道,阐明了PM_2.5不同轨迹传输的季节特征,结合潜在源贡献（PSCF）分析法和浓度权重轨迹（CWT）分析法,解析了不同污染源区对临汾市的污染贡献强度。结果表明：临汾市PM_2.5污染主要集中在冬季,春秋季次之,夏季最低;通过气团后向轨迹聚类分析发现,沿汾河流域西南与西北方向是大气污染主要传输通道;潜在源贡献和浓度权重轨迹分析发现,临汾市境内、洪洞县、尧都区、襄汾县污染贡献强度较大,周边城市榆林、运城、焦作对临汾市有所影响。

     

北京冬季PM2.5中有机气溶胶的化学特征和来源解析

为探讨北京冬季大气细颗粒物（PM_2.5）中有机气溶胶的浓度水平、分布特征和来源变化,对2016年11月10日~12月10日采集的北京大气PM_2.5样品进行气相色谱-质谱测定,定量了129种颗粒有机物（POM）,约占有机物总量的（9.3±1.2）%.其中含量最高的是糖类,仅左旋葡聚糖即可占到定量有机物的18%,其次是正构烷酸、正构烷烃、二元羧酸和多环芳烃.根据POM示踪物的变化特征,分析了供暖和生物质燃烧传输对北京冬季有机气溶胶的影响.相比于非供暖期间,供暖期间化石燃料示踪物藿烷的质量浓度及在有机物中的占比都明显升高,各组分间的分布也更加趋向于燃煤排放的特征.正构烷烃主峰碳数和奇偶分布的变化,反映了化石燃料贡献增强的影响.生物质燃烧示踪物左旋葡聚糖的浓度权重轨迹（CWT）模型结果表明,北京周围区域的秸秆燃烧污染会通过传输影响北京的有机气溶胶组成.利用分子示踪-化学质量平衡（MM-CMB）模型对2016年北京冬季有机碳（OC）进行了来源解析,并与2006年的结果进行比较,以定量10年间各污染来源贡献发生的变化.2016年与2006年相比,机动车对有机气溶胶贡献明显增加,燃煤和木材燃烧的贡献则大幅度降低,餐饮排放的贡献也不容忽视.因此,控制机动车和餐饮源的排放对改善北京冬季PM_2.5污染问题至关重要.