近周边电厂源对北京市采暖期间SO2的贡献分析

应用中尺度气象模式(MM5)与区域多尺度空气质量模型(CAMx)的耦合模型系统,模拟研究了2005年采暖期间近北京地区电厂源排放对北京市空气质量的影响;采用SO₂贡献来源识别技术筛选了对北京市空气质量影响大的区域电厂源. 结果表明:近北京地区电厂源对北京市ρ(SO₂)的影响从南到北呈递减趋势,其对北京城区、北京全市ρ(SO₂)月均贡献值分别为6.97和6.40 μg/m3;影响北京城区ρ(SO₂)的电厂排放源主要来自张家口、唐山、天津、石家庄、廊坊和衡水等地区,占ρ(SO₂) 总贡献值的83.2%;为缓解北京采暖期间SO₂污染压力,应首先控制和削减张家口、天津、唐山、石家庄地区SO₂排放量大的电厂源.      

深圳市SO2污染来源及其特征分析

以珠江三角洲地区2004年SO₂源排放清单、国家级气象站及深圳市气象站气象资料和空气质量监测数据为基础, 采用基于扩散模式的污染源解析技术对深圳市SO₂污染来源进行研究. 利用非稳态气象和空气质量(CALPUFF)模拟系统,模拟外来污染源及深圳市局地污染源排放扩散行为,定量计算2类污染源对深圳市SO₂浓度的贡献率,并分析其时空变化特征. 结果表明:珠江三角洲地区2004年SO₂排放总量为72.9×104 t, 深圳市局地排放量约4.65×104 t;深圳市SO₂污染是由局地污染源和外来污染源排放共同作用的结果, 对SO₂的贡献率分别约为75%和25%, 表明局地污染源排放是深圳市SO₂污染的最主要来源.      

珠江三角洲地区工业排放变化对SO2和NOx及其二次污染物浓度的影响

在2000年珠江三角洲工业排放清单基础上,利用2003年工业能源消耗量,结合文献和实测排放系数,建立了珠江三角洲2003年工业排放清单. 比较2个工业排放清单发现,2003年珠江三角洲SO₂,NO_x的工业总排放量比2000年分别增加60%与50%;排放增加主要在东莞、佛山、广州和珠海. 利用在线大气化学模式(WRF-Chem)分别对2个工业排放清单进行数值模拟,结果表明: ρ(SO₂),ρ(NO_x)变化趋势与污染源排放的变化有较好的对应关系,ρ(SO₂)在东莞、广州和佛山增加最多,最大增值分别为180,150和150 μg/m3;ρ(NO_x)增加最多的地区也在东莞、广州和佛山,最大增值分别为60,30 和30 μg/m3. SO₄2－与NO₃－和一次污染物的高值中心不对应且变化趋势有差异,表明二次污染物的分布不仅受排放影响,同时也受污染物输送与转化的影响.      

MM5/WRF气象场模拟差异对CMAQ空气质量预报效果的影响

评估了为公共多尺度空气质量模式(CMAQ)提供气象输入场的第五代NCAR/Penn State中尺度 (MM5) 模式与天气研究和预报(WRF)模式模拟的多种气象要素的准确性;比较了2个模式提供的气象场对华北地区SO₂和NO₂源同化反演效果及其质量浓度预报的差异;分析了相对湿度和边界层高的变化对ρ(SO₂),ρ(NO₂)预报的影响及其物理机制.结果表明:WRF模式模拟的各气象要素准确性优于MM5模式,其中MM5模式对相对湿度和边界层高度的模拟值与实测值的偏差较明显,而WRF模式的模拟值与实测值较接近;相对湿度和边界层高度参数是影响CMAQ空气质量预报的关键气象要素,这2个参数的变化对ρ(SO₂)和ρ(NO₂)的预报有显著影响,因此,对2个参数的改进可显著减小预报误差;ρ(SO₂)模拟误差减小的主要原因是垂直输送和质量调整过程对ρ(SO₂)的贡献减小;而ρ(NO₂)模拟误差减小的主要原因是化学反应过程对ρ(NO₂)的贡献明显减小.      

利用轨迹模式研究上海大气污染的输送来源

利用HYSPLIT4模式和全球资料同化系统(GDAS)气象数据,计算了2010年12月─2011年11月期间抵达上海的气流后向轨迹. 结合聚类方法和上海ρ(SO₂)、ρ(NO₂)、ρ(PM₁₀)数据,分析了各季节不同类型气流轨迹对污染物浓度的影响,利用引入权重因子后的潜在源贡献算法分析了不同季节PM₁₀和NO₂潜在WPSCF(源区分布概率)特征. 结果表明:上海气流输送季节变化特征明显. 冬、春和秋季,上海较易受到来自西北、西南等区域的大陆性气流影响,受沙尘或人为污染排放的影响相对较大,ρ(PM₁₀)、ρ(SO₂)和ρ(NO₂)平均值相对较高,分别为162、74和53μg/m3. 夏季上海主要受较清洁的海洋性气流影响,ρ(PM₁₀)、ρ(SO₂)和ρ(NO₂)相对较低,分别为47、19和36μg/m3. 上海PM₁₀和NO₂的WPSCF分布特征类似,在冬、春和秋季,WPSCF高值(0.2~0.4)主要集中在江苏南部,河南、安徽等地的带状区域也有一定贡献,说明这些区域是上海这2种污染物的潜在源区. 夏季WPSCF的分布较为集中,上海以外区域值基本小于0.1,说明外来污染输送的贡献较小.      

兰州冬季大气污染来源分析

利用WRF(天气研究与预报模式)输出的高分辨率气象数据驱动HYSPLIT_4.9(混合单粒子拉格朗日轨迹模式),结合PSCF(潜在源贡献因子)和CWT(权重浓度轨迹分析)模拟研究复杂地形下兰州城市尺度大气污染物局地输送特征、潜在源区及其对空气质量的影响. 结果表明:2002—2008年影响兰州城区冬季12月空气质量的轨迹可分为5类,输送类型可分为城区内输送和城区外输送. 第1、3类轨迹出现频率均大于20%且污染轨迹出现频率均大于38%,是污染物的主要输送路径,对应潜在源区为兰州城关区东北部和榆中县东部,这2个源区对ρ(PM₁₀)的影响最大,对ρ(SO₂)的影响最小,对ρ(PM₁₀)、ρ(SO₂)和ρ(NO₂)的贡献分别超过200、80和60 μg/m3. 来自榆中县的第4类轨迹和兰州西固区的第5类轨迹易造成大气重污染,而来自皋兰县的第2类轨迹属于清洁轨迹. 兰州冬季污染既受局地输送的影响,也与地面天气形势密切相关.      

中国硫沉降数值模拟

采用致酸污染物长距离传输模型ATMOS,对我国2002年排放的SO₂所产生的S沉降分布进行了数值模拟研究.分别将模式输出的ρ(SO₂),SO₄2-湿沉降量与实际监测地面层的ρ(SO₂),降水中SO₄2-湿沉降量进行相关性分析;对我国总S沉降、地面层ρ(SO₂)分布,以及S干、湿沉降分布特点等模拟结果进行详细分析.在此基础上,得到模拟各网格的总S沉降数值,将其与相应的S沉降临界负荷值进行比较,获得95%保证率(RAINS-Asia)下我国1°×1°S沉降超临界负荷分布图.为控制我国的S沉降,对各省SO₂减排的形势进行分析,并提出具体要求.      

济南市大气燃煤污染诊断

根据对济南市大气环境质量的分析,通过多源数值模式的模拟试验,导出不同污染源类型对污染物浓度的贡献率,作出大气SO₂污染来源分析,得出如下结果:济南市SO₂浓度空间分布表现为2个高中心的特点,主要由中架源与低矮源共同作用造成的;低矮源与中架源SO₂排放量之和约占排放总量的1/3,对SO₂浓度贡献之和占主要地位;高架源污染物排放量大,但对整个研究区域的质量浓度贡献较小,如果考虑城市污染对周边的影响,高大的污染源应引以重视;防治和规划济南市SO₂污染最主要的是对中架源和低矮源加以控制.      

甘肃省冬季颗粒物浓度的数值模拟

颗粒物浓度的数值模拟能够反映颗粒物的空间分布特征,对于防治大气颗粒物污染具有一定意义.利用MEIC清单和第二次全国污染源普查（简称“二污普”）数据统计的甘肃省工业源、电力源、农业源、民用源和交通源五类源的主要污染物排放量,分析了污染源排放的空间分布特征,利用WRF-Chem模式模拟了甘肃省2019年1月PM₁₀和PM_2.5浓度,将模拟结果与甘肃省33个环境空气质量国控监测点颗粒物日均监测数据进行对比,检验WRF-Chem模式模拟的性能,进一步分析了甘肃省颗粒物浓度的空间分布特征.结果表明:①甘肃省SO₂、NO_x、PM₁₀、PM_2.5、VOCs、NH₃和CO在1月的排放量分别为2.12×104、2.96×104、2.97×104、2.43×104、3.18×104、1.27×104和3.04×105 t,除NH₃外,其他污染物排放高值主要分布在兰州市、嘉峪关市等工业发达地区.②33个环境空气质量国控监测点模拟与监测的PM₁₀和PM_2.5浓度的相关系数分别为0.544和0.597,颗粒物的模拟值与监测值有较好的相关性;WRF-Chem模式模拟结果显示,PM₁₀和PM_2.5浓度高值分布在兰州市,次高值分布在天水市和庆阳市,甘南藏族自治州以及河西地区颗粒物浓度较低,这是甘肃省工业布局、扩散条件和地形条件综合作用的结果.研究显示,WRF-Chem模式可以较好地模拟甘肃省区域颗粒物浓度时空分布特征.      

基于气流轨迹聚类的大气污染输送影响

基于中尺度气象预报模式(MM5)、混合单粒子拉格朗日积分(HYSPLIT)轨迹模式模拟和K均值聚类算法,利用气流轨迹聚类判断不同尺度大气输送型对城市空气的质量影响. 采用MM5模式对2006年珠江三角洲地区四季代表月(1,4,7,10月)的气象场进行了模拟,将模拟结果输入到HYSPLIT模式中,以计算广州市上空气团每日逐时的12 h后向轨迹;利用K均值聚类算法按轨迹移动方向和速度将各月气流轨迹线聚为有代表性的5类,计算各类输送型出现时段广州市ρ(PM₁₀₎和ρ(SO₂)的平均值. 结果表明,珠江三角洲地区低层大气输送季节性变化明显,按输送特征及其对城市污染物浓度的影响差异,可将输送型分为局地输送、城市间输送和远距离输送3类. 结合污染源排放清单得出的污染源空间分布,分析结果表明,广州市大气污染较重时段主要受特殊气象条件和珠江三角洲地区周边城市排放源的影响,本地源排放与周边城市污染物输送的叠加使大气污染加重.      

区域贸易隐含碳排放和SO_2排放的投入产出分析——以江苏为例

区域碳排放责任划分和污染治理必须考虑空间转移问题,才能制定公平可行的减排和治理方案。中国区域产业结构和消费模式不同,区域间贸易往来密切,需要对贸易品中隐含的碳排放和污染排放进行估算。论文采用多区域投入产出模型,计算了江苏基于生产者角度和消费者角度的碳排放和SO_2排放,对各部门贸易中隐含的碳排放和SO_2排放进行了估算,并对隐含碳排放和SO_2排放流入最高的4个部门和最终需求中碳排放和SO_2排放的流入来源进行了分析,结果发现江苏属于碳排放和SO_2排放净流入区域,净流入碳排放17.87 Mt C,净流入SO_2排放9.05×104t。金属冶炼及压延加工业、化学工业、电力和热力的生产和供应业以及建筑业输入贸易中隐含的碳排放和SO_2排放都较大,未来江苏产业结构调整面临较大压力。     

华北地区典型机场清单建立及空气质量影响

基于利用AMDAR数据确定大气混合层高度进而对飞机不同工作状态下的时间进行修正的计算方法，核算了2017年华北地区6座典型机场大气污染物排放量.结果显示，6座机场NO_x、CO、VOC、SO₂与PM_2.5的排放总量分别为21504.2，7074.8，1424.0，1283.6和323.2t.飞机源NO_x、CO、VOC与SO₂的排放量远高于机场内其他污染源，而对PM_2.5的排放贡献相差较小.HC与CO的排放主要集中在滑行阶段，占比分别为90.6%与90.2%，而NO_x、SO₂与PM_2.5的排放主要集中在爬升阶段，排放占比分别为58.9%、38.7%和43.5%.6座机场1月份污染物排放量较低，在8月份达到峰值.基于本研究建立的天津滨海国际机场大气污染物排放清单，利用WRF-CAMQ模型研究机场排放对周边区域PM_2.5浓度的影响.结果表明机场区域小时最大贡献浓度为3.24μg/m³；距离机场5km处的年均贡献浓度与小时最大贡献浓度分别为0.08和2.84μg/m³.     

山东省AQI、颗粒物和臭氧时空演化特征及关键影响因素识别分析

山东省空气质量存在明显的时空差异,并受气象和社会经济因子等的综合影响.为了解山东省空气质量指数(AQI)以及颗粒物和臭氧(O₃)浓度等时空演化特征,探究颗粒物与O₃浓度之间的协同关系,基于山东省16个地级市2013年12月—2021年12月的AQI和空气污染物(SO₂、NO₂、CO、O₃、PM_2.5和PM₁₀)浓度数据与同期的气象数据、工业及生活污染物(氨氮、SO₂、氮氧化物和烟尘、粉尘等)排放量和社会经济数据,运用R语言和ArcGIS对各地区AQI与PM_2.5和O₃浓度等的时间和空间变化特征及关键影响因素识别分析.结果表明：(1)山东省AQI和空气污染物浓度具有明显的月际、季节和年际变化特征以及地区性差异.鲁东地区各季节空气质量明显优于鲁西地区,呈现由东向西空气污染愈加严重的趋势. PM_2.5浓度呈鲁西地区最高,鲁中、鲁南和鲁北地区次之,鲁东地区...     

2015年海南省火电行业大气环境影响研究

基于火电企业在线监测数据、环境统计数据、排污许可及火电排放清单等，分析各统计口径下的海南火电大气污染物排放量差异，并基于在线监测数据分析海南省火电排放时间变化规律.分别设置现状、排污许可及超低排放3种情景，采用CALPUFF模型分析3种情景下火电厂对海南大气环境的影响.结果显示，不同统计口径下火电厂各污染物排放量差异较大，最大差值可达到5.65倍；在时间维度上，海南省火电行业污染物排放量月际分布较平稳，每月污染物排放量约占全年的7%~10%，24h变化呈现明显“两峰两谷”特征.在大气环境影响方面，火电企业大气SO₂、NO_x、PM_2.5、PM₁₀浓度分布总体呈现西部高东部低的趋势.现状情景下火电企业对各城市年均浓度影响范围为SO₂ 0.001~0.015μg/m³、NO_x 0~0.01μg/m³、PM₁₀ 0.001~0.006μg/m³、PM_2.5 0~0.003μg/m³，最高浓度基本出现在东方市、临高县.火电厂对大气环境的影响程度为许可情景>现状情景>超低情景，执行排污许可时火电厂排放PM₁₀和NO_x对各城市均值年均浓度较现状情景分别增加50%和38%；全面实施超低排放后，火电厂对大气环境影响有明显改善，SO₂和PM_2.5对各城市均值年均浓度较现状情景分别降低57%和69%.     

中国钢铁行业排放清单及大气环境影响研究

自下而上建立2018年中国高分辨率钢铁企业大气污染物排放清单（HSEC,2018）,定量模拟中国钢铁企业2018年和未来年情景下排放各种大气污染物对环境的影响情况.结果表明：2018年,中国钢铁行业共排放SO₂、NO_x、PM₁₀、PM_2.5、PCDD/Fs、VOCs、CO、BC、OC、EC、氟化物分别为29.02万t、66.57万t、28.73万t、11.69万t、2.24kg、89.21万t、4057.49万t、0.45万t、0.61万t、0.06万t、0.88万t,焦化、烧结、球团、高炉4个铁前工序是中国钢铁行业大气污染物主要排放环节,中国钢铁行业对各省份SO₂、NO_x、PM_2.5年均浓度贡献比例平均值分别为2.85%、3.37%、1.54%;未来年,中国钢铁企业SO₂、NO_x、PM₁₀排放量分别为4.94万t、7.58万t、4.11万t,分别下降了82.98%、88.61%、85.69%,中国钢铁行业对各省份SO₂、NO_x、PM_2.5年均浓度贡献比例平均值分别为0.31%、0.22%、0.02%.     

南京市重点工业源对城市空气质量影响的数值模拟

运用南京大学空气质量数值预报系统,对2005年1月6─7日南京典型天气条件形成的污染过程进行数值模拟,计算分析了重污染发生时的城市污染气象环境和影响因子,同时针对该城市重点工业源区对城市主要空气污染物浓度分布的贡献做了分析.结果表明:重污染状况发生在长时间逆温条件下,尤以6日23:00—7日04:00时逆温最强(强度可达1.25　℃/hm,逆温层厚200　m),此时风速较小,同时在市区出现较强的气流辐合,在这种气象条件下, NO₂,SO₂和PM₁₀的质量浓度最高.南京市相对封闭的宁镇丘陵地形以及受东郊紫金山的影响,也是造成主城区重污染的重要影响因子之一.南京市城北工业区与主城区毗邻而且污染物排放量较大,在冬季主导风向为东北风时对主城区污染物的浓度具有显著贡献.      

苏州市人为源氨排放清单及其分布特征

通过调研分析苏州大市范围内的农业、工业、生活及交通等相关活动水平数据,采用排放因子法建立了2013年苏州市人为源氨排放清单. 结果表明:2013年苏州市人为源氨排放总量为22 020.18 t,排放强度为3.06 t/km2;畜禽养殖、工业源、氮肥施用是苏州市氨排放的主要来源,排放量分别为8 080.99、7 103.50、4 841.23 t,共占氨排放总量的90.94%. 其中,工业源的氨排放分担率为32.25%,高于全国平均值,火电行业和化肥制造行业的氨排放占工业源排放总量的90.14%,烟气脱硝过程的氨逃逸值得关注;在畜禽源中,肉鸡和生猪是最大的氨排放源,二者排放量分别占畜禽养殖氨排放总量的42.59%和37.14%. 太仓、张家港、常熟依次为苏州市氨排放量和排放强度最大的3个地区,共占氨排放总量的69.02%,苏州市区氨排放量位列第四但排放强度最低. 空间分布特征表明,苏州市东北部氨排放较集中,中部排放量较小,周边地区特别是沿江县级市的排放量较大. 研究显示,氨排放清单的建立可为苏州市氨排放控制提供基础数据.      

河谷城市大气环境容量的研究

科学核算大气环境容量,对于合理确定污染物总量控制指标,进而实施大气污染管控措施、治理区域大气污染问题有重要意义.以河谷城市兰州市中心城区为研究区域,利用WRF模式模拟了研究区域的边界层高度及混合层平均风速,并根据地形条件,从污染气象角度给出了扩散单元面积,利用A值法（A为地理区域性总量控制系数）计算兰州市中心城区SO₂、NO_x及VOCs的大气环境容量;同时,将兰州市中心城区2016年SO₂和NO_x的排放总量与SO₂和NO_x的环境容量进行对比,结合区域环境质量监测资料说明大气环境容量设置的合理性.结果表明:①兰州市中心城区的A值具有季节性变化特征,其在春、夏两季较大,在秋、冬两季较小,春、夏两季A值较大的主要原因是边界层高度及边界层内的平均风速较大,而冬季则相反.②兰州市中心城区SO₂、NO_x和VOCs的大气环境容量分别为4.05×104、1.81×104和5.44×104 t/a.③2016年SO₂的实际年排放量（1.62×104 t）未超过大气环境容量限值（4.05×104 t）,尚有余量（2.43×104 t）,这与兰州市2016年4个环境空气质量监测点ρ（SO₂）年均值均达到GB 3095-2012《环境空气质量标准》二级标准的现状一致;NO_x的实际年排放量（3.16×104 t）已超过大气环境容量限值（1.81×104 t）,无环境容量（-1.35×104 t）,这与兰州市2016年4个环境空气质量监测点ρ（NO_x）年均值均超过GB 3095-2012二级标准值的现状一致.研究显示,采用A值法计算的兰州市大气环境容量符合区域污染扩散特征.      

深圳市典型混合功能区PM2.5源解析研究

为精准识别深圳市典型商业、居住与工业混合功能区的PM_2.5污染来源,选取深圳市北部地区5个点位于2017年9月~2018年8月全年进行PM_2.5的样品采集和组分分析,利用优化的多元线性引擎模型（ME-2）对其主要来源及其时空变化特征进行探索.结果显示,研究区域研究时段的大气PM_2.5年均浓度为29.0μg/m³,解析出了SO₂二次转化（19.9%）、机动车（15.1%）、生物质燃烧（11.2%）等10种来源,其中SO₂二次转化、生物质燃烧、NO_x二次转化、VOCs二次转化、工业排放、老化海盐和远洋船舶源具有显著的区域传输特征,而机动车源、燃煤和扬尘具有本地源特征,受到局地排放的影响较大.重污染天气下机动车源、NO_x二次转化、工业排放及生物质燃烧源的增加最为显著,加强这些源的控制是此类混合功能区PM_2.5污染精细化防治的关键.