城市地区PM_(2.5)周末效应的初步研究

本文利用2014年全国78个城市497个环境监测站的实时观测数据,分析了2014年颗粒物(PM_(2.5)和PM_(10)和污染气体(包括SO_2、NO_2、CO和O_3)的分布特征并初步探讨了城市地区周末与工作日PM_(2.5)浓度的变化规律。2014年78个城市PM_(2.5)年均浓度值为71.9μg·m~(-3),华北地区PM_(2.5)年均浓度值在80~120μg·m~(-3),长三角地区PM_(2.5)的年均值在40~60μg·m~(-3)。污染气体相对于颗粒物更多的受到当地排放的影响。发现典型城市地区如北京、上海、广州、成都和西安等存在周末污染物浓度比工作日低的"PM_(2.5)周末效应",其中北京的周末效应最明显,对北京的周末效应进行初步分析发现周末与工作日机动车排放的变化是导致北京周末效应的主要原因。     

典型城市冬季PM_(2.5)水溶性离子污染特征与传输规律研究

选取北京和石家庄两个监测点,于2014年冬季进行了PM_(2.5)样品采集,分析研究了PM_(2.5)及水溶性离子组分污染特征,并应用WRF-CAMx模型对采样时段进行了模拟,分析了观测期间PM_(2.5)和二次离子组分区域传输贡献情况.结果表明,采样期间北京PM_(2.5)质量浓度为(116.6±87.0)μg/m~3.水溶性离子质量浓度为(45.3±40.6)μg/m~3.其中SO_4~(2-)、NO_3~-和NH4+质量浓度分别为(13.3±13.6)μg/m~3、(14.8±15.1)μg/m~3和(9.1±7.2)μg/m~3;石家庄污染水平高于北京,PM_(2.5)浓度为(267.7±166.7)μg/m~3.总水溶性离子、SO_4~(2-)、NO_3~-和NH4+质量浓度分别(111.8±104.3)μg/m~3、(36.6±36.5)μg/m~3、(28.5±29.3)μg/m~3和(25.5±29.8)μg/m~3.两处采样点SOR与NOR分别为0.12、0.10(北京)和0.11、0.14(石家庄),冬季大气氧化性相对较弱,非均相氧化是主要二次转化原理.数值模拟结果显示,北京、石家庄城区1月PM_(2.5)受区域传输贡献分别为28.1%和28.3%,高浓度时段外来源贡献有所上升.二次离子中两地NO_3~-传输作用均强于SO_4~(2-).     

沈阳市采暖期与非采暖期空气PM2.5污染特征及来源分析

为了研究沈阳市采暖期与非采暖期空气PM_(2.5)污染特征及来源,于2015年1月29日～2016年1月26日在沈阳市采集PM_(2.5)有效样品113组,并分析了其载带的水溶性离子、碳组分及元素组分.结果表明,采样期间沈阳市PM_(2.5)质量浓度均值为66μg·m~(-3),其中31. 0%的样品超过《环境空气质量标准》(GB 3095-2012)日均值二级标准(75μg·m~(-3)),采暖期PM_(2.5)的平均浓度和超标率(90μg·m~(-3)、68. 6%)明显高于非采暖期(51μg·m~(-3)、31. 4%).采样期间21种元素(除了Mg、Ti、Ca、Fe、Si)、水溶性离子(除Ca~(2+)以外)和OC、EC质量浓度均呈现出采暖期高于非采暖期的趋势;[NO_3~-]/[SO_4~(2-)]比值表明非采暖期受移动源影响明显增加,燃煤等固定源仍是采暖期PM_(2.5)的主要来源,PM_(2.5)中水溶性离子是固定源和移动源共同作用的结果;氮氧化率(NOR)和硫氧化率(SOR)分析得到NO_x二次转化程度较弱,SO_2二次转化程度较强,特别是在非采暖期;富集因子结果表明EF值较高的元素主要来自燃煤、交通污染和工业排放. PM_(2.5)组分重构质量与实测质量呈现较好的相关性,采暖期和非采暖期PM_(2.5)中主要组分均为有机物(OM 28. 0%、23. 1%)、矿物尘(MIN 14. 5%、26. 0%)和SO_4~(2-)(15. 1%、19. 9%),PM_(2.5)受二次粒子、燃烧源和扬尘源影响较大.     

2014年北京市PM2.5质量浓度分析及比对研究

本研究选择污染严重的北京作为研究区域,自2013年12月起至2014年12月,通过设在北五环中国环境科学研究院(CRAES)内的定点监测,获得375天有效平行样品(T和Q)。统计结果表明,2014年北京市PM_(2.5)质量浓度从优良水平的6.9μg/m~3到极重污染的422.1μg/m~3,年均浓度值在100μg/m~3左右。T组和Q组线性相关,但T/Q并非定值,冬季最高,R~2=0.974,对应T/Q=1.014,可能由于冬季污染程度较重,滤膜性能差异可忽略。除春季外,其它三季的PM_(2.5)都是T组>Q组,与石英膜的纤维结构不够致密有关。以T组质量浓度数据为准,与国控监测点奥体中心点公报的日均PM_(2.5)进行比对,结果显示二者基本同步,在春冬季呈现较高的污染浓度,在夏季最低。在严重污染时(PM_(2.5)>250.0μg/m~3),在线监测可能低估PM_(2.5)而T组能更客观地记录实际污染状况。统计2014年全年污染等级分布,4~8月份基本未出现重度污染,而在冬季采暖期10~12月份,优良天数不足50%。综合分析风速、相对湿度对PM_(2.5)质量浓度的影响,证实冬季取暖燃煤和无风、高湿、逆温的静稳天气是霾频发的主要原因。     

全球大气硫循环及区域交叉影响

二氧化硫和硫酸盐是硫的重要存在形式,是影响环境空气质量的重要大气污染物.硫酸盐气溶胶是影响全球气候变化的重要大气组分,大气中的硫酸盐气溶胶生命周期短,其浓度空间差异大、时间变化显著.在区域尺度乃至全球尺度研究其迁移转化和区域交叉影响,具有十分重要的科学意义.本研究以2010年SO_2全球排放清单为基础,应用国际通用大气化学模式(Mozart-4),模拟全球大气硫的迁移转化及其季节变化和空间分布特征,并分析全球不同区域间的交叉影响.结果表明:1SO_2柱浓度全球年均值为424.73μg S·m~(-2),中东及南亚最高,达3629.27μg S·m~(-2),南美最低,为181.06μg S·m~(-2).2硫酸盐柱浓度全球年均值为1572.86μg S·m~(-2),东亚年均硫酸盐柱浓度最高,达4556.58μg S·m~(-2),南美最低,为1014.33μg S·m~(-2).3冬季SO_2柱浓度高于其他春夏秋3季,夏季硫酸盐柱浓度高于冬季,主要是由于冬季低温使SO_2不易转化为硫酸盐.4硫酸盐表现出明显的全球迁移特征,全球各区域间交叉影响显著.东亚的净输出量最大,达4.01 Tg S·a~(-1).非洲、中亚及俄罗斯硫酸盐柱浓度的外源影响比例分别高达80.54%和73.00%.     

天津冬季一次重污染过程颗粒物中水溶性离子粒径分布特征

为研究天津冬季重污染天气过程中颗粒物水溶性离子的粒径谱分布及二次离子生成机制,于2014年1月利用Anderson撞击式分级采样器在中国气象局天津大气边界层观测站内采集颗粒物样品,并使用离子色谱仪分析Na~+、NH_4~+、K~+、Mg~(2+)、Ca~(2+)、Cl~-、NO_3~-、SO_4~(2-)等8种水溶性无机离子(TWSII).结果表明,采样期间PM_(2.5)和PM_(10)质量浓度均值分别为(138±100)μg·m~(-3)和(227±142)μg·m~(-3),粗、细粒子中TWSII的平均浓度分别为(34.07±6.16)μg·m~(-3)和(104.16±51.76)μg·m~(-3).细粒子中SO_4~(2-)、NO_3~-和NH_4~+这3种离子的浓度远高于其他离子,且相关性较好,粗粒子中NO_3~-、SO_4~(2-)、Cl~-浓度较高.随着污染程度加剧,细粒子中TWSII浓度增加明显,粗粒子中则变化不大.水溶性离子的粒径谱分布显示,SO_4~(2-)以单模态分布,优良天峰值出现在0.43~0.65μm,NO_3~-在优良日呈现三模态分布,峰值分别出现在0.43~0.65、2.1~3.3和5.8~9.0μm,NH_4~+呈双模态分布,优良日峰值出现在0.43~0.65μm和4.7~5.8μm,污染日3种二次离子峰值均以0.65~1.1μm的单模态分布为主,与三者之间的热动力平衡过程有关.细粒子中NH_4~+除与SO_4~(2-)和NO_3~-结合外,还与部分Cl~-结合,粗粒子中NH_4~+全部与NO_3~-和SO_4~(2-)结合后,剩余的NO_3~-和SO_4~(2-)与其他阳离子结合.     

太原市城区重污染天特征及大气污染防治建议

对太原市2014年重污染天大气污染物浓度变化和时间、空间分布特征进行了分析,全年太原市城区有28个重度以上污染天,首要污染物为细颗粒物,集中出现于采暖期和10月。重污染期间,冬季PM_(2.5)、PM_(10)、SO_2、NO_2、CO浓度之间显著正相关,但均与O3显著负相关;主要超标因子PM_(2.5)、PM_(10)、SO_2浓度与风速(2.0 m/s以上时)显著负相关,与气压(P)总体负相关,与相对湿度(RH)总体正相关。重污染天城区大气污染物浓度空间分布南北差异明显、南部高于北部,聚类分析结果显示,城区北部远郊的南寨和上兰有类似污染特征,城区中部尖草坪、桃园、小店、金胜等点具有类似颗粒物污染特征,污染物分布主要与区域地形、风向、污染源分布特征有关。基于重污染天特征,该项研究提出了减缓太原市大气污染的建议。     

京津冀地区不透水表面扩张对PM_(2.5)污染的影响研究

基于2000年、2003年、2006年、2009年、2014年的遥感影像提取不透水表面数据以及相应年份的PM_(2.5)质量浓度估算值.以不透水表面覆盖率(ISC)为城市化指标来分析城市化对PM_(2.5)质量浓度的影响,分别从城市、县区尺度探讨城市扩张对PM_(2.5)污染时空分布及演变的影响机制,定量研究二者相互关系;以京津冀地区为例,其ISC从2000年的0.7%增长到2014年的1.5%,而PM_(2.5)浓度从45.7μg/m~3飙升到77.3μg/m~3.根据2000与2014年的PM_(2.5)浓度差值,把京津冀地区划分为轻度(0~9.9μg/m~3)、中度(10~29.9μg/m~3)、重度(30~49.9μg/m~3)、严重(50~77μg/m~3)污染区域,相应的不透水表面增长率分别为43.3%、110.5%、165.5%和208.3%.严重污染区域位于北京-廊坊-天津-唐山(沿高速公路G1)和北京-保定-石家庄-邢台-邯郸(沿高速公路G4),伴随着较高的不透水面增长率(208.3%).同时,在2000~2014年期间,京津冀地区ISC空间分布与PM_(2.5)污染空间分布高度一致,以太行山和燕山山脉为界的东南地区的不透水表面增长率为160.0%,显著高于西北地区的增长率50%,同时东南地区的PM_(2.5)浓度增长值45.5μg/m~3也显著高于西北地区的17.0μg/m~3.此外,把京津冀地区174个乡镇按照其ISC划分为5个级别:松散型(0~4.9%)、轻度紧凑型(5%~9.9%)、紧凑型(10%~14.9%)、密集型(15%~24.9%)、高度密集型(25%),乡镇数量分别为42、35、52、34、11,对应的PM_(2.5)浓度均值分别为(42.7±10.5)、(79.9±11.9)、(95.6±15.4)、(99.1±10.8)、(115.3±9.2)μg/m~3.其中松散型乡镇的空气质量较好,而严重雾霾笼罩在高度密集型的乡镇中.结果表明当乡镇ISC为5%和25%时,对区域PM_(2.5)质量浓度带来剧烈的增长.当ISC5%时,PM_(2.5)浓度发生了激烈增长,其比5%的乡镇高了87.2%.当ISC25%时,其PM_(2.5)浓度飙升到(115.3±9.2)μg/m~3,大约是5%乡镇的3倍.结论表明,在城市化进程中,不透水表面扩张对PM_(2.5)污染的加剧带来严重影响,不透水表面扩张应该成为城市空气污染一个不可忽视的影响因素之一.     

抚顺市2014年环境空气质量污染特征及原因分析

根据抚顺市环境空气质量监测数据,对2014年抚顺市空气质量污染特征及原因进行了分析。结果表明:抚顺市空气中首要污染物为细颗粒物,在时间分布上主要污染指标PM2.5、PM10、SO2、NO2浓度采暖期高于非采暖期,夏季O3污染最重;在空间上西部望花区污染最重,东部的水库污染相对较轻。     

济南市大气污染物时空变化及预测分析

大气污染影响生产生活和人体健康,了解大气污染物时空分布特征及污染源是大气污染治理的基础和前提。基于济南市2014-2018年空气质量实时监测数据,主要污染物浓度数据和气象要素数据,运用相关分析法和BP神经网络预测模型,分析了济南市大气污染物时空分布特征及污染物来源,并对济南市6种主要污染物进行预测。结果表明:在时间维度上,空气质量呈逐年好转趋势,季节上则表现出冬季污染最严重,夏季最轻,采暖期污染物浓度远远高于非采暖期的特点;从日变化看,上下班高峰段是污染最严重时段。在空间维度上,城市外围污染较为严重,市区污染相对较轻。在污染物成分上,PM₁₀逐渐成为颗粒物污染的主体。通过济南市污染物浓度预测结果,分析未来3年内污染物浓度变化情况,进一步提出合理优化的污染治理方案来改善济南市大气污染状况。