APEC会议期间天津市PM_(2.5)污染特征研究

为了解APEC会议期间天津市PM_(2.5)污染特征,2014年11月6日-22日在天津市环境监测中心采集PM_(2.5)样品,分析了水溶性离子、无机元素及碳组分含量。结果表明:APEC会议期间,天津市PM_(2.5)浓度水平为81μg/m3,低于会后114μg/m~3;NO_3~-、SO_4~(2-)和NH_4~+等二次离子在PM_(2.5)中所占比重由会议期间的48.12%下降为会后的42.68%,一次离子所占比重由期间的8.84%上升为会后的14.50%,NO_3~-/SO_4~(2-)比值及硫氧化率(SOR)、氮氧化率(NOR)均高于会后。总无机元素浓度及其在PM_(2.5)中的占比均明显低于会后。有机碳(OC)和元素碳(EC)的浓度及在PM_(2.5)中的占比低于会后,但OC/EC比值及二次有机碳(SOC)在OC中所占比重高于会后。说明APEC期间天津市PM_(2.5)中二次反应较为明显,机动车排放对PM_(2.5)的贡献相对突出,城市扬尘得到明显控制。     

APEC期间北京市PM_(2.5)时空分布与过程分析

运用Models-3/CMAQ模式系统,模拟分析了2014年11月3~11日APEC会议期间北京市PM_(2.5)污染的时空分布特征,并利用过程分析工具IPR研究了会期两次短时间污染过程(4日13:00~5日12:00和10日13:00~11日12:00)中各种大气物理化学过程对城区官园和郊区定陵两个代表性站点近地面PM_(2.5)生成的贡献.结果表明,CMAQ模型合理地再现了北京市PM_(2.5)的浓度水平和时间变化.北京地区4日和10日发生不利于污染物扩散的气象条件,导致PM_(2.5)小时浓度出现高值(分别为188,124μg/m~3),但受减排措施和冷高压的作用,PM_(2.5)高值维持时间较短.4日13:00~5日12:00,水平传输是官园和定陵站点PM_(2.5)的主要贡献者,贡献率分别为49.6%和90.9%.此次污染过程北京地区受南部污染传输影响较强.10日13:00~11日12:00,官园站点PM_(2.5)主要来自源排放在本地的积累(78.8%),定陵站点PM_(2.5)主要来自较弱的水平传输(93.9%).此次过程体现出更加明显的局地性污染特征.两次过程中,PM_(2.5)的主要去除途径均为垂直传输.     

APEC期间天津及周边城市PM_(2.5)中水溶离子特征

为考察APEC会议期间颗粒物化学成分特征,在天津市与周边城市北京、石家庄、济南、保定5城市于2014年11月3日至20日同步手动采集PM2.5无机滤膜样品,对离子情况进行对比,结果表明:天津市PM2.5中无机离子组分平均质量浓度为65.4μg/m3,在京津冀城市中居首位,其中,NO-3、Cl-、Na+和K+浓度均为5城市最高。APEC会议之后,除Mg2+外,各项离子浓度均有不同程度上升。APEC会议期间硫氧化率(SOR)、氮氧化率(NOR)、NO-3/SO2-4和NO2/SO2比值均高于会议之后,说明APEC会议期间,离子二次反应较强且污染状况以流动源为主。APEC会议前后,一次离子相关性发生了显著的变化,建筑扬尘得到明显抑制。     

APEC期间京津冀及周边城市PM_(2.5)中化学组分特征

为考察APEC会议期间颗粒物化学成分特征,于2014年11月3-20日在京津冀与周边城市北京、天津、石家庄、济南、保定同步手动采集PM_(2.5)无机滤膜样品,并与会议结束后化学组分进行对比。结果表明:后向轨迹分析发现,APEC期间大气扩散条件整体好于会后,尤其是北京、石家庄气象条件明显好于其他城市。京津冀城市PM_(2.5)浓度在85~99μg/m~3之间,石家庄最高,保定和北京最低;各城市离子含量最高的前3位的均为NO_3~-、SO_4~(2-)和NH_4~+等二次粒子,NO_3~-和SO_4~(2-)比值在1.3~2.6之间,以流动源为主,会后保定、石家庄NO_3~-和SO_4~(2-)比值降至低于1,表现出固定源(燃煤)为主的能源消耗特征;OC/EC比值在3.1~3.7之间,二次反应显著;APEC期间地壳元素极微量浓度明显低于会后,施工建筑、土壤、以及工业排放等综合源类管控有效。     

成都市无车日期间PM_(2.5)污染特征研究

2013年9月20-24日,通过采集成都市无车日前后禁行区域内PM2.5样品,分析样品中主要的可溶性无机离子、碳组分和金属元素,研究无车日期间PM2.5污染特征变化并评估机动车尾气排放对成都市大气污染的影响。结果表明:在无车日期间,可溶性无机离子中二次离子NO3-、SO42-、NH4+的含量分别下降了29.2%、21.6%、20.5%;有车日期间,OC/EC的平均比值为2.64,而无车日OC/EC比值为1.95,表明减少机动车尾气排放有助于减少二次有机碳的转化;PM2.5中Pb、Cs、Ni、Cu、Zn、Cr、As富集因子大,主要来源于人为污染;Pb、Cu和Zn主要来源于机动车,无车日质量浓度分别下降3.7%、16.3%和19.4%。机动车对PM2.5中的二次离子(NO3-、SO42-、NH4+)、碳组分和重金属(Pb、Cu、Zn)均有较大贡献。因子分析表明,机动车排放源对成都市大气污染物细颗粒物PM2.5贡献量达25.8%。     

乌鲁木齐市重污染期间PM_(2.5)污染特征与来源解析

目前有关我国城市大气重污染期间PM2.5污染特征及其来源的研究较少,为深入了解典型城市大气重污染期间PM2.5的污染特征与来源构成,于2013年1月19—30日在乌鲁木齐市采集PM2.5样品,并依据相关划分标准,确定1月19—28日为重污染天气.分析了重污染天气下ρ(PM2.5)及主要化学组成(包括水溶性离子、无机元素和碳组分),运用统计学方法研究了重污染期间PM2.5的污染特征,并且采用富集因子法和CMB受体模型解析了PM2.5的来源构成.结果表明:大气重污染期间ρ(PM2.5)严重超标,其中米东区环境保护局采样点的ρ(PM2.5)最高,其次是铁路局、市监测站;PM2.5化学组分以SO42-、TC、Si和NO3-为主,其中二次离子占ρ(PM2.5)的43.1%;城市扬尘、煤烟尘和二次粒子是环境空气中PM2.5的主要污染源类,三者在乌鲁木齐市以及米东区的分担率分别为24.7%、15.6%、38.0%和20.8%、28.0%、36.2%,其中二次硫酸盐的分担率在两地更分别达到28.6%和27.0%.     

吉林市大气PM_(2.5)污染特征及来源分析

2014年在吉林市设立7个大气PM_(2.5)采样点,分采暖季和非采暖季分别采样分析了吉林市城区大气颗粒物污染特征和可能来源。结果表明:吉林市大气颗粒物以PM_(2.5)为主,PM_(2.5)年均值65μg/m3,超过国家二级标准限值86%,PM_(2.5)/PM10的年平均值为61%;PM_(2.5)中,休闲生活区各个时间段金属元素浓度相对较低,工业混合区浓度较高;非金属离子SO2-4、NH+4、NO-3、Cl-是PM_(2.5)水溶性离子的主要成份,其和占PM_(2.5)质量的13.31%,在采暖期浓度质量全部高于非采暖期;采暖期OC和EC来源基本相同,来源于机动车尾气、燃煤和生物质燃烧等,在非采暖期OC和EC来源差异性较大,主要来源于机动车尾气和工业燃煤等。     

深圳市宝安区PM_(2.5)污染特征及来源分析

利用2015年深圳市宝安区PM_(2.5)监测数据和气象数据进行分析,得出辖区PM_(2.5)年均浓度为38μg/m3,呈夏季低冬季高特征。冬季PM_(2.5)超标天数达15 d,占总超标天数的52%。模型模拟结果表明,辖区PM_(2.5)受本地源的影响约为37%~47%,受周边区域的影响约为53%~63%。按污染源类型来分,宝安区PM_(2.5)受工业企业污染源影响较大,约为49%~59%,受机动车尾气和道路扬尘影响约为25%~35%,受裸土和施工扬尘源影响约为11%~21%。西乡、沙井、松岗子站PM_(2.5)受周边区域影响较大,福永子站PM_(2.5)受本地源影响较大。     

广州市区PM_(2.5)的污染特征

对广州市区PM2.5的污染状况进行了分析,结果表明广州市区的PM2.5呈现冬季浓度较高,夏季较低的季节性特征;PM2.5的日变化呈现出明显的双峰形;与PM10的相关性分析表明,PM2.5与PM10具有良好的线性关系。PM2.5/PM10的值约为0.59,表明广州市区空气中细颗粒物在PM10中的比重大于粗颗粒物,鉴于PM2.5的危害性及所占比例,应重视对其的监测。     

泉州市PM_(10)与PM_(2.5)污染特征研究

基于泉州市区2014年1、4、7、10月的空气质量自动监测数据,分析了PM_(10)与PM_(2.5)污染水平并对其季节变化趋势进行探讨。结果表明,监测期间内,泉州市区PM10日均浓度变化范围为0.025~0.376mg/m3,PM2.5日均浓度变化范围为0.010~0.346mg/m3,PM_(10)与PM_(2.5)的年均日浓度分别为0.067mg/m3和0.034mg/m3。泉州市区大气中的PM_(10)与PM_(2.5)浓度均呈现出明显的季节变化趋势,春冬两季浓度高于夏秋两季。利用HYSPLIT-4模型对PM_(10)与PM_(2.5)浓度出现异常高值的时段进行气团后推轨迹推导,结果显示长距离传输和区域传输在不同时段对本地污染的主导作用不同。     

哈尔滨郊区PM_(2.5)污染来源及特征

利用电感耦合等离子体质谱(ICP-MS)技术和统计学方法研究了哈尔滨市郊区采集的2012-2013年23个PM2.5样品的污染来源及特征。17种与污染源及健康相关的元素含量分布分析表明,冬季和夏季的燃煤、汽车尾气排放对PM2.5的贡献率最显著,且四季中其它污染源也有稳定的贡献率。对PM2.5四季样品中的47种元素进行富集因子分析,结果表明,Zn、Cu、Mo、Cd、Pb、In、Sb、Tl、Bi等9种元素富集因子(EF)值大于10,元素来自于人为源,其他38种元素的EF值小于10,来自土壤或扬尘等自然源;聚类分析表明,人为源元素中In、Bi、Tl、Cd、Pb、Mo、Sb主要来自煤炭燃烧、Cu、Zn主要来源于汽车尾气。     

邯郸市PM_(1.0)、PM_(2.5)污染特征及在线水溶性离子分析

对2014年12月—2015年2月邯郸市大气中PM_(1.0)、PM_(2.5)以及PM_(2.5)中的硝酸根(NO-3)、水溶性有机碳(WSOC)和硫酸根(SO2-4)进行在线监测。结果表明,PM_(1.0)中干性成分(PM_(1.0)_DRY)和包含水分的PM_(1.0)(PM_(1.0)_WET)分别占PM_(2.5)的74.0%和81.4%,PM_(1.0)为PM_(2.5)中的主要组成。利用锯齿型方法估算本地源和区域源对PM_(1.0)、PM_(1.0)~2.5、PM_(2.5)的贡献,得出区域源对PM_(1.0)的贡献为40.6%,明显高于对PM_(1.0)~2.5与PM_(2.5)贡献的32.3%和37.7%,因为PM_(1.0)直径小,在大气中存在时间较长、传输距离远。根据NO-3、WSOC、SO2-4与PM_(1.0)、PM_(1.0)~2.5的相关系数,推断NO-3、WSOC可能在PM_(1.0)生成,而SO2-4可能在PM_(1.0)~2.5中生成。     

徐州市春季PM_(10)及PM_(2.5)污染来源分析

采集了徐州市具有代表性的9个点位的春季环境空气样品,对不同功能区的监测点PM10及PM2.5污染水平及其来源进行了分析。结果表明,徐州市区代表不同功能的监测点污染特征明显,PM10与PM2.5污染主要来源于燃煤(包括电厂、其他工业)等固定源、机动车移动源,并受到工业废气、建筑施工扬尘等的影响。其水溶性离子、金属成分污染水平与其他城市相当,但由于受燃煤电厂的影响,Pb,Mn,As,Cr含量明显高于其它城市。     

连云港市PM_(2.5)污染特征及影响因素分析研究

主要利用连云港市环境监测中心站的大气环境自动监测平台的监测数据,对PM2.5质量浓度的变化特征以及与气象要素的关系分析。结果表明,连云港市的PM2.5质量浓度的变化特征基本上有明显的夏季与非夏季两种季节性特征。在夏季,PM2.5污染程度较轻,而在非夏季,PM2.5污染程度较重;风速与PM2.5质量浓度变化曲线几乎是负相关的。当风速大的时候,利于污染物的扩散;而风速小的时候,容易使得污染物浓度变大;PM2.5质量浓度变化曲线与温度的关系几乎呈现的是正相关性。气温的变化不总是反映空气质量的好坏情况,而逆温却易使污染物浓度升高;PM2.5质量浓度变化曲线与相对湿度的关系呈现的是正相关性;PM2.5质量浓度变化曲线与气压的关系在总体是呈负相关的。     

广安市PM_(2.5)组成特征及污染贡献源分析

基于广安市2017年6月-2018年5月逐日平均国控站点空气质量监测数据,该文对广安市PM_(2.5)组成特征及污染贡献源进行解析。结果表明,监测期间广安市PM_(2.5)主要成分为元素碳(30%)、有机碳(30%)和混合碳(12%);颗粒物首要污染源为燃煤(22%),工艺过程源(19%)、扬尘源(18%)和二次源(18%)贡献率也较高,机动车、生物质和其他源贡献率都较低;工业源(工艺过程和燃煤)、扬尘源和机动车为广安市主要污染来源,不同季节污染源贡献率有所不同,春季扬尘源贡献突出,秋季主要表现为扬尘源、工业源(工艺过程和燃煤)和机动车,夏季和冬季工业源(工艺过程和燃煤)贡献率突出,其次为扬尘源;工业源(工艺过程和燃煤)、机动车、扬尘源、生物质燃烧是春季PM_(2.5)浓度上升的主要原因;夏季则是工业源(工艺过程和燃煤)、机动车、扬尘源;秋季机动车是导致PM_(2.5)升高的主要原因;冬季工业源(工艺过程和燃煤)、扬尘源、生物质燃烧是PM_(2.5)浓度上升的主要原因;污染期间应重点管控工业源(工艺过程和燃煤)、扬尘源和机动车,春季和冬季还应加强生物质燃烧源控制。     

北京市PM_(2.5)污染健康经济效应的CGE分析

为了研究细颗粒物(PM_(2.5))污染对公众健康和经济系统造成的影响,以北京市为例,首先通过暴露-反应关系量化分析PM_(2.5)污染的负面健康效应,从而得到劳动力损失和额外医疗费用,进一步在封闭经济下建立可计算一般均衡(CGE)模型,将劳动力供给变化和额外医疗费用作为传导变量反馈到模型中,模拟PM_(2.5)污染对国民经济系统的外生冲击.结果表明,2013年北京市PM_(2.5)污染造成22247人[95%置信区间(CI):6286~34705]死亡,超过一百万人患病,额外医疗费用约为11.13(95%CI:2.91~18.82)亿元.进一步,负面健康效应导致产业部门总产出损失约239.69(95%CI:85.93~372.05)亿元,地区生产总值(GDP)损失约9.01(95%CI:3.53~13.57)亿元.     

关中地区重污染期间PM_(2.5)输送与来源的模拟研究

本文应用WRF-CHEM模式模拟分析了关中地区2014年2月14日至16日的一次重污染过程。模式模拟了西安地区和宝鸡地区城市大气PM_(2.5)的时间变化和空间分布特征,较好地再现了污染过程。敏感性试验分析表明,关中盆地东部地区(西安市及其周边地区)形成的PM_(2.5)对盆地西部地区(宝鸡市及其周边地区)影响较大,贡献可以达到30%,其主要原因为盆地发生重污染时,盛行东风造成西安市及其周边地区形成的污染物向西输送,影响宝鸡市的空气质量。污染源分析表明,居民生活源是关中盆地在2月份最重要的PM_(2.5)源,贡献超过40%,交通运输源的贡献小于10%。因此在重霾情况下,限行机动车的作用很小。     

合肥城区PM_(10)及PM_(2.5)季节污染特征及来源解析

于2014年4月、8月、10月和12月在合肥市城区采集了大气PM_(10)和PM_(2.5)样品,对PM_(10)和PM_(2.5)的质量浓度及其化学组分(无机元素、含碳组分和水溶性离子)进行了测定.结果显示:合肥城区的PM_(10)和PM_(2.5)的平均质量浓度高达113,83μg/m3,分别超出国家环境空气质量标准年均PM_(10)和PM_(2.5)限值的1.61和2.37倍.不同粒径的颗粒物中主要化学组分含量的高低顺序基本一致,水溶性离子的含量最高,其次为碳组分,无机元素.利用正交矩阵因子分析(PMF)对合肥城区PM_(10)和PM_(2.5)的本地来源进行解析,结果表明:PM_(10)中二次源、燃煤、机动车尾气尘及地壳尘的贡献百分比分别为32.5%、25.9%、15.7%和25.5%;PM_(2.5)中二次源、燃煤、机动车尾气尘及地壳尘的贡献百分比分别为38.8%、25.9%、9.9%和21.7%.利用激光雷达评估合肥市环境中颗粒物PM_(10)的区域传输,四个季节常规贡献率分别为13.4%、12.9%、13.5%和16.4%.     

南京市冬春PM_(2.5)和PM_(10)污染特征及影响因素分析

南京2013年冬季至2014年春季多次出现灰霾污染天气过程,防治颗粒物污染刻不容缓,其中细颗粒物(PM_(10))和超细颗粒物(PM_(2.5))所占比例较大。利用南京市环保局空气质量发布平台污染物监测数据和中国天气网站气象要素数据,对冬春季PM_(2.5)和PM_(10)质量浓度的变化特征以及它们与气象条件的关系进行分析。结果表明:南京冬季PM_(2.5)、PM10平均浓度分别为0.0982,0.1536 mg/m3,春季平均浓度分别为0.0673,0.1207 mg/m3。市区和郊区污染程度由高到低依次为:市区>江宁>六合>溧水。南京空气中颗粒物小时平均浓度日变化呈"双峰双谷型"特征。颗粒物与相对湿度、降雨量和风力呈一定的负相关性,与温度呈一定的正相关性,它们共同影响颗粒物质量浓度水平和大气污染状况。     

北京市PM_(2.5)的研究进展

PM2.5是指大气中动力学直径≤2.5μm的颗粒物,也称为可入肺颗粒物。北京的大气污染是我国在快速发展过程中出现的典型的城市大气环境问题的代表,具有明显的烟煤型污染与光化学污染相结合的复合型污染特征,北京市PM2.5的污染已经相当严重。为了进一步研究北京市PM2.5的特性,对北京市PM2.5的污染特征、化学组成、源解析方面进行探讨,并提出了相应的防治对策。