不同排放源对华东地区PM2.5影响的数值模拟

使用中尺度气象-化学耦合模式WRF-Chem针对MEIC源清单中五大部门来源（工业源、电力源、民用源、交通源和农业源）对华东地区PM_2.5的影响进行了模拟研究,主要得到以下结论：春夏秋季PM_2.5约40%~60%来源于工业源,冬季由于采暖供热燃用大量散烧煤,导致民用源对PM_2.5的贡献最大,在山东、安徽和江苏省等高值区贡献率超过50%;农业源、电力源和交通源对PM_2.5影响的季节差异不大,农业源贡献约20%~30%,交通源和火电源贡献约10%.因此冬季需主要控制民用源排放,春夏秋季主要控制工业源排放,其次是农业源排放.一次PM_2.5在工业、电力和民用源贡献的PM_2.5中所占比例可达50%~60%;NO₃^-和NH+4在交通源贡献的PM_2.5中总比例可达53%,在农业源中总比例高达93%;由于模式对SO₄^2-模拟偏低,SO₄^2-在工业源和电力源贡献的PM_2.5中占比约5%~15%;OC对来自民用源的PM_2.5有30%的贡献,BC对来自交通源的PM_2.5有15%的贡献;Na⁺和Cl^-对PM_2.5的贡献在各大来源中均低于3%.     

银川市冬季PM2.5重污染特征、来源与成因分析

近年来银川市冬季重污染过程频发,为明确银川市冬季PM_2.5重污染的特征,分析其主要来源及成因,于2016年12月-2017年1月在银川市选取3个采样点开展PM_2.5的样品采集与化学组分分析,利用CMB（化学质量平衡）模型对银川市冬季PM_2.5进行来源解析,对比分析了重污染日与非重污染日污染特征的差异.结果表明:①银川市冬季重污染日ρ（PM_2.5）[（181±33.6）μg/m3]是非重污染日的2.1倍;重污染日和非重污染日的ρ（NO₃-）/ρ（SO₄2-）均小于1,表明燃煤仍是银川市冬季PM_2.5的重要来源.银川市冬季PM_2.5中ρ（SOC）为（14.4±7.34）μg/m3,约占ρ（OC）的65.2%.②与非重污染日相比,重污染日人为源无机元素As、Pb、Cd和Zn质量浓度在ρ（PM_2.5）中的占比分别升高33.2%、18.4%、9.8%和2.9%,表明银川市冬季重污染主要受人为源贡献影响.③源解析结果表明,燃煤源、机动车尾气源、二次离子源和扬尘源是银川市PM_2.5的主要污染源,与非重污染日相比,重污染日机动车尾气源的贡献率明显降低.研究显示,银川市冬季重污染受人为源污染物排放的影响较大,燃煤源是银川市冬季PM_2.5的重要来源.      

基于模式模拟的苏皖鲁豫交界区典型月份PM2.5来源解析

基于WRF-Chem模式模拟分析了2019年1月、7月苏皖鲁豫交界区本地排放对PM_2.5污染水平的贡献以及不同污染源对PM_2.5浓度和化学组分的贡献.结果表明：WRF-Chem模式合理地模拟了研究时段内苏皖鲁豫交界区PM_2.5的空间分布特征,PM_2.5的化学组分中冬季NO₃^-含量最高,夏季SO₄^2-含量最高.在不同的污染源中,民用源是冬季苏皖鲁豫交界区PM_2.5最主要的来源,贡献约为35.87%,农业源和工业源对PM_2.5的贡献分别为28.71%、22.17%;工业源是夏季苏皖鲁豫交界区PM_2.5最主要的来源,贡献达到50.57%,电力源、农业源和民用源的贡献分别为18.05%、15.14%和12.22%.从各污染源对PM_2.5污染贡献量的小时变化上看,工业源和民用源对冬季PM_2.5贡献量呈现明显的双峰双...     

基于在线监测的南京仙林PM2.5组分特征与来源解析

为了研究南京市PM_2.5的污染特征及来源贡献,于2018年3月至2019年2月在南京仙林地区进行PM_2.5组分的在线监测,运用PMF和CMB受体模型,开展PM_2.5的来源解析.结果表明,观测期间南京市PM_2.5平均质量浓度为54.3μg/m³,其中冬季平均浓度76.4μg/m³.PM_2.5的主要组分为NO₃^-（21.3%~30.8%）、SO₄^2-（18.9%~23.5%）、NH₄⁺（14.3%~16.2%）.从全年平均来看,PMF模型得到的PM_2.5解析结果为：二次无机气溶胶（54.9%）、燃煤源（17.4%）、二次有机气溶胶（7.4%）、机动车排放源（7.1%）、工业源（4.9%）、扬尘源（4.8%）、其他源（3.4%）;CMB模型得到的PM_2.5解析结果为：硝酸盐（33.0%）、硫酸盐（24.0%）、燃煤源（16.4%）、机动车排放源（8.4%）、二次有机气溶胶（7.1%）、扬尘源（5.7%）、其他源（2.9%）、工业源（2.4%）.不同季节PM_2.5来源有所差异,夏冬季二次无机气溶胶占比大于春秋季,春冬季燃煤占比最大,二次有机气溶胶在秋季占比最大.结合2017年南京市大气污染源排放清单,对二次气溶胶贡献进行再解析,得到南京仙林地区PM_2.5主要贡献来自燃煤源（PMF：34.14%,CMB：33.82%）,机动车排放源（PMF：27.33%,CMB：29.33%）以及工业源（PMF：26.76%,CMB：24.77%）.可见,影响南京仙林地区PM_2.5的污染源主要来自燃煤源、机动车排放源和工业源,基于在线组分监测、利用PMF和CMB模型得到的PM_2.5源解析结果具有较好的一致性.     

武汉冬季大气PM2.5小时分辨率源贡献识别及潜在影响域分析

冬季是我国大气细颗粒物(PM_2.5)污染较为严重的时段,武汉市PM_2.5受到明显的区域传输影响.本研究基于小时分辨率PM_2.5组分观测数据,采用受体模型,解析武汉冬季大气PM_2.5各类源的实时贡献.结合轨迹聚类和浓度权重,识别影响各类源的传输路径和潜在源区.武汉冬季大气平均ρ(PM_2.5)为（75.1±29.2）μg·m^-3.观测期间共有两次污染过程,第一次污染过程主要受西北方向气团影响,水溶性离子升高是PM_2.5呈现高值的主要原因,ρ（NH⁺₄）、ρ（NO^-₃）和ρ（SO■）分别是清洁时段的1.6、 1.7和2.1倍;第二次污染过程则以正东方向气团为主,二次有机组分有明显的生成.对武汉冬季大气PM_2.5贡献最大的是二次源（34.1%）,其次是机动车尾气（23.7%）、燃煤（11.5%）、道路尘（10.9%）、钢铁冶炼（8.7...     

山东省大气细颗粒物来源解析的研究现状与展望

对目前公开发表的39项山东省PM_2.5源解析研究进行了梳理与总结,综述了山东省各地级市PM_2.5源解析的研究现状和进展,概括了其时空分布特征,并对其影响因素进行了分析.结果表明,受体模型法是山东省PM_2.5源解析工作中使用最多的方法;二次源（（36.1±8.5）%）是山东省PM_2.5的首要贡献源,其次是尘源（（18.4±8.6）%）,燃煤源（（18.2±7.0）%）和机动车源（（17.7±11.7）%）;不同年间济南市和青岛市PM_2.5源解析结果表明,近年来二次源和机动车源的相对贡献有所增加.对山东省PM_2.5源解析提出了几点展望：不同地区宜采用统一或有地区针对性的源解析技术;亟需综合源清单或空气质量模型等解析分摊二次源贡献,区分本地源与区域传输贡献,提供更为精细的源解析结果;加强长期及多地同步观测,以了解该地区PM_2.5及其来源的时空与历史变化趋势.     

沈阳市PM2.5污染组分特征及其来源解析

为了解沈阳市空气细颗粒物的污染特征及主要来源,于2015年2月、5月、8月和10月在沈阳市采集PM_2.5样品,对PM_2.5质量浓度及其化学组分（无机元素、含碳组分和水溶性离子）进行测定.结果显示,采样期间沈阳市PM_2.5平均质量浓度为69 μg/m³,是《环境空气质量标准》（GB 3095-2012）年均二级标准限值（35 μg/m³）的2.0.水溶性离子在PM_2.5中的含量最高,其次为碳组分、无机元素.富集因子结果表明：沈阳市富集因子值最高的元素来自于燃煤、交通污染、工业排放等污染源.正交矩阵因子分析（PMF）结果表明：PM_2.5结果中燃煤源、二次源、工业源、扬尘源和交通源的贡献比分别为33.4%、27.2%、16.7%、11.5%、11.2%.     

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.      

北京市冬季典型重污染时段PM2.5污染来源模式解析

为了探究近年来北京市PM_2.5污染区域来源规律和重污染累积过程中PM_2.5的生成途径,利用第三代三维空气质量模型CAMx的颗粒物源示踪(PSAT)和过程分析(PA)技术,模拟计算了北京市2013年和2014两次冬季典型重污染时段PM_2.5的源-受体关系和物理、化学过程对PM_2.5的生成贡献. 结果表明:在区域来源贡献中,随着空气污染等级由优升至严重污染,外地PM_2.5贡献率从42.9%升至67.4%,本地贡献率由57.1%降至32.6%,其中外地二次PM_2.5贡献率从20.2%升至39.8%,为北京市重污染时段的主要贡献因子;在外地贡献中,廊坊市、山东省、天津市、唐山市的贡献率较大,分别为3.2%~4.7%、3.8%~7.5%、3.6%~5.8%、2.2%~3.2%. PA分析结果表明:在不利气象条件(持续性的逆温层结)下,南边界的输送在重污染过程中起到了重要作用,对ρ(PM_2.5)增长的贡献速率可达10 μg/(m3·h). 此外,本地化学转化在重污染时段对ρ(PM_2.5)爆发性增长的贡献率也可以达到40.0%,其中特殊天气条件下二次PM_2.5生成贡献的显著增加是造成ρ(PM_2.5)出现峰值的主要原因. 研究显示,随着污染程度的加重,北京市受区域性污染的影响逐渐加大;在重污染过程中,不利气象条件下的本地化学转化与水平输送对近地层ρ(PM_2.5)峰值的出现与维持发挥了重要作用.      

台州市市区环境空气中PM2.5的多模型联用来源解析

为对台州市市区环境空气中PM_2.5的主要来源进行全面分析,运用CMAQ(空气质量模型)模型中的ISAM源追踪算法,计算了台州市本地各类污染源及外来源对PM_2.5的贡献,同时基于CMB模型的初步源解析结果,利用CMAQ模型解析二次前体物排放源的贡献,得到CMB-CMAQ联用模型的源解析结果,综合分析CMAQ模型和CMB-CMAQ联用模型解析结果最终获得台州市市区空气中PM_2.5的贡献源数据.结果表明:①CMAQ模型和CMB-CMAQ联用模型解析结果均表明,台州市市区PM_2.5本地源中首要贡献源为工业源,两个模型中工业源贡献率分别为20.13%和26.94%,其次为扬尘源(贡献率分别为16.98%、19.37%)和道路移动源(贡献率分别为16.44%、18.14%).②CMB-CMAQ联用模型解析结果中工业源、扬尘源和道路移动源的贡献率均高于CMAQ模型解析结果,而外来源和电力源的贡献率均低于CMAQ模型解析结果.③CMAQ模型和CMB-CMAQ联用模型综合分析分配结果表明,外来源、工业源、扬尘源、道路移动源是对区域中PM_2.5贡献较大的4个污染源,贡献率分别为26.10%、22.38%、16.09%、15.07%.研究显示,台州市市区环境空气中PM_2.5污染呈以工业源、扬尘源为主,道路移动源污染突出的复合型污染特征,加强这三类源的排放管理对于台州市市区PM_2.5污染防治具有重要意义.      

基于重庆本地碳成分谱的PM2.5碳组分来源分析

为了解重庆主城PM2.5中碳组分特征和来源,2012-05-02~2012-05-10日在商业区、工业区和居民区进行了PM2.5采样.利用TOR方法分析了8种碳组分,对3个不同功能区大气环境PM2.5以及燃煤尘、尾气尘(机动车尾气、船舶尾气、施工机械尾气)、生物质燃烧尘、餐饮油烟尘这6类源PM2.5中的8种碳组分进行了特征分析.在源的碳成分谱基础上,利用化学质量平衡(CMB)模型得到重庆本地PM2.5的碳来源指示组分,利用因子分析法解析出各类源对不同功能区内PM2.5碳组分的贡献率.结果表明,重庆地区燃煤尘、机动车尾气尘、船舶尾气尘、施工机械尾气尘、生物质燃烧尘、餐饮油烟尘的OC/EC值分别为6.3、3.0、1.9、1.4、12.7和31.3.EC2、EC3的高载荷指示柴油车尾气排放,OC2、OC3、OC4、OPC的高载荷指示燃煤排放,OC1、OC2、OC3、OC4、EC1指示汽油车尾气排放,OC3指示餐饮业排放,OPC指示生物质燃烧排放.商业区OC/PM2.5为17.4%,EC/PM2.5为6.9%,估算得到,二次有机碳(SOC)/OC为40.0%;工业区OC/PM2.5为15.5%,EC/PM2.5为6.6%,SOC/OC为37.4%;居民区OC/PM2.5为14.6%,EC/PM2.5为5.6%,SOC/OC为42.8%.工业区PM2.5中碳组分的主要来源为燃煤和汽油车尾气、柴油车尾气;商业区PM2.5中碳组分的主要来源为汽油车尾气、柴油车尾气和餐饮业油烟;居住区PM2.5中碳组分的主要来源为汽油车尾气、餐饮业油烟、柴油车尾气.     

2013年1月中国东部地区重污染过程中上海市细颗粒物的来源追踪模拟研究

大气PM_2.5是当前我国城市和区域面临的最突出的大气污染问题,然而PM_2.5及其关键组分污染的来源不清,严重制约了人们对PM_2.5 的科学认知和污染防控的步伐.本研究以2013年1月中国东部地区一次典型重污染过程为研究案例,利用CAMx三维模型中耦合了物种示踪机制的颗粒物来源追踪方法,探讨和揭示了中国东部地区代表性城市上海及周边地区共4个源区(上海、苏南、浙北、大区域)、8类污染源(包括燃烧源、生产工艺过程、流动源、生活面源、挥发源、扬尘源、农业源、天然源)对上海城区大气中PM_2.5及其关键组分包括水溶性无机离子(SO^2-₄、NO^-₃、NH⁺₄)、元素碳(EC)和有机碳(OC)的污染贡献.研究结果表明,2013年1月份中国东部出现严重灰霾污染期间,上海城区PM_2.5的主要区域贡献为上海本地污染源排放累积(PM_2.5浓度贡献平均为55.4%±22.3%)和长距离输送(38.4%±20.0%).上海地区8类主要排放源中,扬尘源贡献均值最大,达到30.7%±31.8%,其次为燃烧源18.2%±15.6%、流动源18.6%±17.5%、挥发类源16.9%±18.0%.对上海市PM_2.5组分的源解析研究发现,燃烧源对细颗粒物中硫酸盐和硝酸盐的浓度贡献最大,其浓度贡献分别达到56.2%和55.9%.铵盐中72.4%来源于挥发类源贡献,元素碳约78.3%来自于交通源贡献.挥发类源排放和流动源是主要的有机气溶胶贡献源,浓度贡献分别为36.2%和32.5%.     

福州市区冬春季PM2.5污染特征与来源差异性分析

基于福州市区2015年2月—2016年1月间的大气PM_(2.5)监测数据,综合运用HYSPLIT后向轨迹模式、潜在源贡献因子法(WPSCF)与浓度权重轨迹分析(WCWT)等方法,探讨了福州市区冬、春季PM_(2.5)污染特征和典型污染过程成因,总结了气象因子和污染来源的季节性差异.研究期间,冬、春季是福州市区PM_(2.5)污染的主要季节,福州市区不同类型站点的PM_(2.5)浓度在冬、春季污染发生时均呈现出整体升高的特点,但浓度日变化却存在季节性差异,冬季无显著日变化,春季则表现为单峰单谷特征.福州市区春季主要受锋前暖区和高压后部等天气系统影响,大气扩散条件差,PM_(2.5)极易在不利的气象条件下累积,福建沿海地区是其PM_(2.5)污染的主要潜在源区;冬季污染易受高压天气系统作用,盛行偏北风,长江三角洲地区的污染物输入会对福州市区空气质量产生较大影响,长江三角洲、浙江东南沿海、福建北部是其PM_(2.5)污染的主要潜在源区.     

重庆市冬季PM_(2.5)及气态污染物的分布特征与来源

利用重庆市大气污染物监测站2013年冬季(2013年11月—2014年1月)的实测数据,分析PM2.5及相关气态污染物(SO2、NO2、O3)的时空特征,并采用轨迹聚类与PSCF(潜在源贡献因子)分析污染物来源.结果表明:除ρ(O3)以外,其他3种污染物质量浓度的月际变化趋势基本一致,均呈12月升高、1月降低的特征;污染物空间分布不均,其中ρ(PM2.5)和ρ(NO2)在工业区和人口密集区较高,ρ(SO2)南高北低,ρ(O3)城区低于郊区.ρ(SO2)、ρ(NO2)与ρ(PM2.5)均呈显著正相关,其中ρ(SO2)与ρ(PM2.5)的R(相关系数)在城、郊区分别为0.71、0.65,ρ(NO2)与ρ(PM2.5)在城、效区的R分别为0.73、0.56;而ρ(O3)与ρ(PM2.5)未表现出显著相关.ρ(SO2)、ρ(NO2)与ρ(PM2.5)的相关性高低可在一定程度上说明二次气溶胶的污染程度,ρ(O3)与ρ(PM2.5)的相关性受到PM2.5来源和污染程度的影响.轨迹分析结果显示,重庆市2013年冬季主要受东北方向气流影响;聚类分析表明,重庆市11月没有表现出明显的PM2.5外来输送特征,但12月和1月的PM2.5外来输送特征明显,并且不同方向的气流污染物浓度差异也较大.PSCF分析发现,重庆市冬季PM2.5、SO2、NO2、O3主要来源于本地和周围城市局地传输,同时还受南宁、贵阳、遵义、达州等地的影响.     

哈尔滨市供暖期PM2.5组分特征及来源解析

在哈尔滨市2014年1—3月的供暖期间对城区、郊区及周边农村地区的室内外PM_2.5样品进行了同时采集,分析了样品中碳质组分、水溶性离子及无机元素后,通过颗粒物热力学模型计算了颗粒物原位酸度,并通过基于标记的正矩阵分解（PMF）模型对室内外颗粒物的来源进行了表征.计算结果表明,3个地点室外PM_2.5原位酸度均低于室内,且室内外颗粒物原位酸度均为市区最高.PMF结果表明,哈尔滨市区、郊区及农村地区二次源对室外PM_2.5的贡献均排第3位.交通源对市区及郊区的贡献在16%~20%,对于农村地区则是最弱的影响因素.生物质燃烧是农村地区室内外PM_2.5的首要来源;燃煤和工业排放则是市区室内外PM_2.5的主要来源;工业排放是郊区室外PM_2.5的首要来源,与郊区的石化及金属工业有密切联系.因此,为提升哈尔滨市供暖期的空气质量,在进行农村散煤与生物质燃烧治理,推进农村地区清洁能源利用的同时,应多措并举注重城市交通状况改善和促进燃煤锅炉与工业超低排放技术的升级改造,促进区域协同治理.     

The comparison of source contributions from residential coal and low-smoke fuels,using CMB modeling,in South Africa

D-grade residential coal is being widely used as a fuel source for heating and cooking by most of the lower-income urban communities in South Africa. Emissions from residential coal combustion have been a major cause of elevated air pollution levels in the industrialized areas of South Africa. The adverse health effects resulting from exposure to residential coal combustion emissions have been a major public concern for many years. To address this, the Department of Minerals and Energy of South Africa conducted a macro-scale experiment in the township of Qalabotjha during the winter of 1997 to assess the technical and social benefits of combusting low-smoke fuels.This paper reports the PM_2.5 and PM₁₀ chemical mass-balance (CMB) source apportionment results from Qalabotjha during a 30-day sampling period, including a 10-day period when a large proportion of low-smoke fuels was combusted. Though emission rates of D-grade coal and low-smoke fuels may vary, their chemical abundances are too similar to be separated in CMB calculations. The source apportionment study confirmed that residential coal combustion is by far the greatest source of air pollution, accounting for 62.1% of PM_2.5 and 42.6% of PM₁₀ at the three Qalabotjha sites. Biomass burning is also a major source, accounting for 13.8% of PM_2.5 and 19.9% of PM₁₀. Fugitive dust is only significant in the coarse particle fraction, accounting for 11.3% of PM₁₀. Contributions from secondary ammonium sulfate are three–four times greater than from ammonium nitrate, accounting for 5–6% of PM mass. Minor contributions (less than 1%) were found for power plant fly ash, motor vehicle exhaust, and agricultural lime. Average PM_2.5 and PM₁₀ mass decreased by 20 and 25%, respectively, from the D-grade coal combustion period (days 1–10) to the majority of the low-smoke fuel period (days 11–20). Relative source contribution estimates (SCE) were quite similar among the three sampling periods for PM_2.5, and were quite different for PM₁₀ during the second period when 14% higher residential coal combustion and 9% lower biomass burning source contributions were found.     

烟花爆竹集中燃放的大气细颗粒物(PM2.5)成分图谱

烟花爆竹燃放是大气细颗粒物（PM_2.5）来源的途径之一.以泉州城区春节期间为例,研究烟花爆竹燃放对大气细颗粒物的影响,服务大气污染的特殊污染源管理.结果表明,烟花爆竹集中燃放时段,SO₂、PM₁₀和PM_2.5浓度明显升高,尤以PM_2.5的升高最为显著,城区PM_2.5日均浓度峰值约为年均值的4倍,涂山街点位PM_2.5小时浓度峰值约为城区年均值的21倍;燃放高峰期Al、Mg、Ba、Cu、Sr等烟花爆竹的特征元素占比迅速上升,Al⁺、Mg⁺、Ba⁺、Cu⁺间的小时数浓度高度相关;监测期间泉州城区细颗粒物主要污染源是烟花爆竹燃放和生物质燃烧,贡献占总颗粒物的一半以上,燃煤和工业工艺源的比例相对较低,均低于10.0%;集中燃放时段大气细颗粒物浓度高达0.578 mg·m^-3,此时的烟花源的贡献比例也提升到58.2%;污染过程分析表明PM_2.5浓度与烟花源的占比、数浓度的变化趋势具有趋同性.以上结果说明烟花爆竹的集中燃放是春节期间泉州大气环境恶化的主要原因.     

双级虚拟撞击采样器应用于固定污染源PM10和PM2.5排放测量

为贯彻落实《大气污染防治行动计划》,环境保护部指导各地开展大气污染源排放清单编制工作,其中包括固定源PM_(10)和PM_(2.5)的排放清单.但目前国内尚无固定源PM_(10)和PM_(2.5)标准采样方法.本研究提出了适合我国固定源PM_(10)和PM_(2.5)测量的双级虚拟撞击采样方法,开发了相应的分级采样系统,并用该方法对各类固定源进行了现场测试.测试结果表明,所测试的煤粉炉电厂的烟囱入口PM_(2.5)质量浓度为(0.93±0.03)mg·m~(-3),PM_(10)质量浓度为(1.13±0.11)mg·m~(-3).所测试的垃圾焚烧电厂的烟囱排放口PM_(2.5)质量浓度为(3.3±0.65)mg·m~(-3),PM_(10)质量浓度为(6.9±0.86)mg·m~(-3).所测试的大型循环流化床发电厂的烟囱排放口PM_(2.5)质量浓度为(0.59±0.04)mg·m~(-3),PM_(10)质量浓度为(1.12±0.16)mg·m~(-3).所测试的钢铁转炉的烟囱排放口PM_(2.5)质量浓度为(0.15±0.04)mg·m~(-3),PM_(10)质量浓度为(0.43±0.15)mg·m~(-3).     

2013年1月北京市PM2.5区域来源解析

2013年1月,北京地区经历了多次严重的灰霾天气,细颗粒物污染已成为北京地区所面临的重要问题.了解和掌握北京细颗粒物的污染来源,是解决细颗粒物污染的重要途径,也是制定防治政策的重要依据.通过建立三维空气质量模型系统,对2013年1月20~24日的污染过程进行模拟,并运用PSAT技术探究北京市细颗粒物污染的区域来源.结果表明,本地源排放是北京市PM2.5的主要来源,平均贡献率为34%;河北和天津的平均贡献率分别为26%和4%;京津冀周边地区及模拟边界外的贡献分别为12%和24%.在重污染日,区域传输对北京市PM2.5的影响显著增强,是北京PM2.5污染的主要来源.PM2.5中的硝酸盐主要来自北京市周边地区的贡献,而硫酸盐和二次有机气溶胶呈现远距离传输的特性,铵盐和其他组分则主要来自北京本地的贡献.     

中国主要背景区域冬季大气PM2.5中非极性有机化合物组成及来源解析

本研究于2019年12月至2020年1月在5个区域大气本底站：临安、金沙、龙凤山、上甸子和瓦里关,同步采集了PM_2.5样品,分析了其中的非极性有机物：多环芳烃、正构烷烃和藿烷类化合物。结果表明,上甸子和龙凤山的多环芳烃平均浓度显著高于其他站点,分别为35.2±25.6 ng/m³和27.5±16.8 ng/m³;藿烷类物质的浓度在上甸子和临安出现高值,分别为2.72±1.78 ng/m³和2.47±0.990 ng/m³;正构烷烃浓度以临安最高,为86.7±40.6 ng/m³。对各站点多环芳烃和藿烷类化合物采用比值法,正构烷烃采用主峰碳数（C_max）、碳优势指数（carbon preference index,CPI）和植物蜡贡献率（% Wax C_n）,结合主成分分析-多元线性回归模型（PCA/MLR）综合进行源解析。结果显示采样期间除瓦里关外,其余站点燃烧源均以化石燃料源为主,贡献率分别为临安（94.9%） > 金沙（75.3%） > 龙凤山（74.7%） > 上甸子（62.5%） > 瓦里关（35.6%）。后向轨迹聚类分析（HYSPLIT）和潜在源贡献因子分析法（PSCF）表明各站点主要受到外来传输气团的影响,并查明了各站点的潜在污染源区。对背景站点的研究表明,东北地区和京津冀地区PM_2.5中非极性有机物来源相似,京津冀地区的生物质燃烧源贡献率高于东北地区;长江中下游地区化石燃料贡献率显著高于生物质燃烧;华中地区燃煤和交通排放源排放贡献率均低于长江三角洲地区;青藏高原地区生物质燃烧贡献率远高于其他地区。