长沙市人为源大气污染物排放清单及特征研究

根据收集的长沙市人为源活动水平数据,建立了该地区2014年1 km×1 km人为源大气污染物排放清单.结果显示,2014年长沙市SO_2、NO_x、CO、PM_(10)、PM_(2.5)、BC、OC、VOCs和NH_3排放总量分别为53.5×10~3、78.3×10~3、284.6×10~3、102.3×10~3、42.1×10~3、4.0×10~3、7.2×10~3、64.2×10~3、27.1×10~3t.化石燃料固定燃烧源为最大的SO_2排放贡献源,道路移动源是主要的NO_x贡献源,CO排放主要来自化石燃料固定燃烧源和道路移动源,长沙市VOCs的最大贡献源是溶剂使用源,PM_(10)、PM_(2.5)最主要的排放源是扬尘源,BC最大的排放贡献源为化石燃料固定燃烧源,生物质燃烧源是最大的OC贡献源,NH_3排放主要来源于畜禽养殖和农业施肥.空间分布结果显示,长沙市NH_3的排放在宁乡县、望城区、长沙县、浏阳市分布较多,主要呈现片状分布.其他污染物排放高值区则主要分布在中心城区、工业区及道路分布区域.     

兰州盆地人为源大气污染物网格化排放清单及其空间分布特征

基于所搜集的兰州盆地各类人为污染源排放大气污染物的活动水平数据及其排放因子,采用"自下而上"的方法建立了2009年兰州盆地(石油化工城市)1 km×1 km的7种(类)大气污染物网格化排放清单,并对其来源和空间分布特征进行了分析研究.结果显示:2009年兰州盆地NOx、SO_2、VOCs、CO、PM_(10)、PM_(2.5)和NH3的排放总量分别为1.2×10~5、8.8×10~4、4.3×10~4、4.1×10~5、9.6×10~4、4.2×10~4和1.4×10~4t;工业燃烧排放是兰州盆地NO_x和SO_2的主要贡献源,分别占其总排放量的85.70%和52.55%;工业非燃烧过程排放是VOCs的最大贡献源,占总排放量的81.25%;工业点源和工业非燃烧过程排放是CO的两大贡献源,分别占其总排放量的33.97%和28.32%;PM_(10)和PM_(2.5)主要来源于工业非燃烧过程,贡献分别为51.09%和55.12%;氮肥使用和禽畜养殖是NH_3排放最大的贡献源,分别占其总排放量的39.20%和30.70%.空间分布特征表现为:以工业源为主要排放源的NO_x、SO_2、VOCs、CO、PM_(10)、PM_(2.5)主要分布在工业和人口最为集中的兰州盆地市区一带,NH_3的排放则主要集中在榆中县和皋兰县交界的农村地区.同时,还对2014年工业燃烧源和道路移动源的7种(类)大气污染物排放量进行了估算,并与2009年进行了排放比较研究.结果表明,2014年工业污染源的7种(类)污染物排放量与2009年相比平均增幅不高,最高不超过30%,但移动源污染物排放量却大幅增加,增幅将近1倍.此外,基于排放因子及活动水平的不确定性,本研究对排放清单的结果进行了不确定性分析,并通过蒙特卡罗模拟对各污染物的排放量进行了评估.本排放清单的建立,不仅填补了兰州盆地大气污染物网格化排放清单的空白,还可为兰州盆地大气污染物排放清单更新、区域环境过程、大气复合污染成因及大气污染预警技术等相关研究提供基本方法手段及基础数据.     

广西工业源大气污染物排放清单及空间分布特征研究

大气污染物排放清单是了解区域污染物排放特征的重要资料,而工业源是大气污染的重点排放源.研究根据收集的工业企业活动水平数据,选择合理的计算方法和排放因子,建立了广西2016年工业源大气污染物排放清单.结果表明,2016年广西工业源SO_2、NO_x、CO、PM_(10)、PM_(2.5)、VOCs排放总量分别为20.7×10~4、21.6×10~4、147.5×10~4、48.4×10~4、25.7×10~4、34.7×10~4 t.其中,电厂和非金属矿物制品业对SO_2、NO_x、PM_(2.5)和VOCs的贡献最高.除此之外,黑色金属冶炼是SO_2、NO_x和PM_(2.5)的主要贡献源;有色金属冶炼是PM_(2.5)的主要贡献源;农副食品加工业是VOCs的主要贡献源.根据排放源污染物排放量及地理坐标信息,建立了污染物排放量空间分布特征图.结果显示,广西工业企业SO_2和NO_x排放主要集中在百色、柳州、防城港和贵港市;颗粒物排放主要集中在贵港、柳州和百色市;VOCs排放主要集中在柳州、贵港和崇左市.研究建立的排放源清单结果具有一定的不确定性,建议进一步完善基础研究.     

四川省人为源大气污染物排放清单及特征

在收集四川省各城市人为污染源活动水平数据基础上,基于自下而上和自上而下结合的清单构建方法,选取排放因子并结合GIS技术,建立了该地区2015年1 km×1 km人为源大气污染物排放清单.结果表明,2015年四川省人为源SO_2、NO_x、CO、PM_(10)、PM_(2.5)、BC、OC、VOCs和NH_3排放量分别为444.9×10~3、820.0×10~3、3 773.1×10~3、1 371.6×10~3、537.5×10~3、28.7×10~3、53.1×10~3、923.6×10~3和988.0×10~3t.电厂和工业锅炉等燃煤排放贡献了95%以上的SO_2,移动源、化石燃料燃烧源和工艺过程源分别贡献了54%、23%和20%的NO_x,以钢铁和建材制造为主的工艺过程源分别贡献了20%的PM_(10)和34%的PM_(2.5),以道路扬尘为主的扬尘源分别贡献了60%的PM_(10)和35%的PM_(2.5),生物质燃烧分别贡献了33%的BC和51%的OC,以机械加工、建筑装饰、电子设备制造、印刷和家具等行业为主的溶剂使用源贡献了46%的VOCs,NH_3主要来自畜禽养殖和氮肥施用等农业部门排放,分别占总排放量的70%和25%.污染物空间分布结果显示,四川省各项大气污染物主要集中分布于人口最为密集,农业和工业均较为发达的四川盆地和攀枝花部分区域,其中,以成都、德阳和绵阳为代表的成都平原城市群为四川盆地内的主要排放高值区域.所建立的排放清单存在一定不确定性,后续研究中应针对活动水平数据获取的不足开展数据收集工作,加强排放贡献较大典型污染源的排放因子本地化研究工作,逐步完善四川省大气污染物排放清单,为四川省复合型大气污染研究和防治提供科学支撑.     

南京市工业源大气污染物排放清单的建立

通过收集整理南京市工业源活动水平,采用"自下而上"的方法建立了2014年南京市工业源大气污染物排放清单。清单结果显示,2014年南京市工业源SO_2、NO_x、PM_(2.5)、PM_(10)、CO、VOCs和NH_3的一次排放总量分别为6.70、14.45、4.97、7.06、83.03、14.47和0.07万t。电力生产是SO_2和NO_x的主要排放源,占工业源总排放量的40%以上,钢铁行业是PM_(2.5)、PM_(10)和CO的主要排放源,均占55%以上,VOCs排放主要来自石化化工,贡献了约62.6%的工业源排放。工业重点源空间分布结果显示,南京市重点源排放主要集中于长江沿岸一带的2个园区:南京化学工业园区和南京经济技术开发区。该研究建立的排放清单具有一定的不确定性,建议后续研究加强大气污染物排放系数的研究,进一步完善大气污染物排放清单,为该市大气污染预报预警和污染控制措施的制定提供重要基础数据。     

辽宁省人为源大气污染物排放清单及特征研究

为全面评估辽宁省关键大气污染物排放状况,系统收集和整理全省基础活动水平信息,采用排放因子法建立了该省2012年人为源大气污染物排放清单.结果显示,2012年辽宁省SO_2、NO_x、CO、PM10、PM_(2.5)、BC、OC及NH_3排放总量分别为1434.8×10~3、1632.3×10~3、6682.9×10~3、1529.9×10~3、1087.8×10~3、74.5×10~3、176.1×10~3t及880.4×10~3t.BC和OC最大贡献源为生物质燃烧源,排放集中分布在辽宁中、西部;NH_3主要来自畜禽养殖与化肥施用,排放高值区位于辽宁中部农业畜牧业发达地区;其他污染物主要来自固定燃烧源和工艺过程源,集中分布在辽宁中部城市群以及大连金州区、甘井子区和普兰店区.大连、沈阳是SO_2、NO_x、NH_3和颗粒物主要排放城市,鞍山和本溪由于钢铁行业发达,成为CO排放量最大的城市.基于卫星观测获得的NO_2垂直柱浓度对NO_x排放空间分布进行评估,两者相关性系数为0.57(p0.01).辽宁省级排放清单与国家尺度排放清单在一定程度存在差异,主要原因在于采用的活动水平和污染物控制效率的不同,基于详细本地化污染源信息建立的省级排放清单可以较好地反映实际情况.建议完善点源排放特征信息并加强本地化测试,进一步降低省级排放清单不确定性.     

南昌市移动源排放清单研究

根据收集的南昌市移动源活动水平数据,采用合适的估算方法、排放因子和GIS技术,建立了南昌市2007—2014年移动源排放清单,并对2014年移动源清单进行了空间化处理与分析,空间分辨率为1 km×1 km.结果表明,2007—2014年南昌市移动源共向大气排放CO、HC、NO_x、PM_(2.5)、PM_(10)、SO_2分别为18.26×10~4、5.07×10~4、18.46×10~4、0.99×10~4、1.08×10~4、3.31×10~4t.其中,2014年移动源向大气中排放的这6种污染物总量分别为2.14×10~4、0.76×10~4、1.97×10~4、0.08×10~4、0.09×10~4、0.55×10~4t.道路移动源中,汽油小型客车是CO、HC和SO_2最大的贡献源,排放量分别占机动车排放总量的55.1%、78.5%和56.1%;柴油重型货车是NO_x、PM_(2.5)和PM_(10)排放贡献率最大的车型,分别占43.2%、40%和40%.非道路移动源中,小型拖拉机对CO、HC、NO_x、PM_(2.5)和PM_(10)的贡献率均较大,分别占非道路移动源排放总量的29.9%、26.9%、23.4%、29.5%和29.8%;SO_2排放主要来源于船舶,占非道路移动源SO_2排放总量的45.1%.高污染排放集中的区域,主要是青山湖区、西湖区和东湖区.     

恩施州大气污染物排放量估算及清单构建

该文通过污染源现场调查和部门资料收集,结合全国第二次污染源普查和湖北省污染源自动监控综合管理系统,以2017年为基准年,对恩施州大气污染物排放量进行了估算,并建立了恩施州1 km×1 km大气污染源排放清单,研究分析了清单结果和普查结果的差异。结果显示,2017年恩施州人为源SO_2、NO_x、CO、VOCs、PM_(10)、PM_(2.5)、BC、OC和NH_3排放总量分别为12 702.26、19 610.04、168 721.49、16 709.92、17 382.89、10 789.67、3 593.30、5 848.86和43 778.37 t;天然源挥发性有机物(BVOCs)排放总量为159 239.47 t。其中,固定燃烧源是SO_2、CO、PM_(10)、PM_(2.5)、BC和OC主要来源,移动源是NO_x和VOCs的主要来源,NH_3的主要来源是农业源,PM_(10)、PM_(2.5)排放主要来自扬尘源。阔叶林和针叶阔叶混交林对天然源排放贡献较大。空间分布上,污染物排放主要集中在恩施市、利川市和巴东县。对比清单结果和普查结果,SO_2和VOCs排放量估算较普查结果高,NO_x排放量估算与普查结果相差不大。     

金华市人为源大气污染物排放清单

该文基于对金华市大气污染排放源的摸底调查,基础数据收集和分析,结合国内外的研究结果,采用"自下而上"为主的排放系数法,建立了2013年金华市人为源大气污染物排放清单。该清单涉及的污染物包括SO_2、NO_x、CO、PM_(10)、PM_(2.5)、VOC和NH_3。人为污染源种类包括电厂源、工业源、移动源、扬尘源、VOC相关源及其他污染源,农业源,居民生活源等。结果表明,金华市2013年大气污染源SO_2排放总量约为3.83万t,NO_x约为7.75万t、CO约为12.50万t、PM_(10)约为4.10万t,PM_(2.5)约为1.88万t、VOC约为7.66万t、NH_3约为2.63万t。从排放源的分担率来看,工业源是金华市大气污染物的最主要的排放源之一,对SO_2、NO_x、CO、PM_(10)和PM_(2.5)的贡献分别达到了67.31%、34.42%、30.39%、53.02%和50.95%。同样,道路移动源的贡献也不容忽视,对NO_x、CO、PM_(10)和PM_(2.5)的贡献分别达到了42.84%、34.13%、3.31%、6.55%。电厂锅炉、道路扬尘、工业溶剂使用、畜禽养殖对不同污染物分别有着重要贡献。电厂锅炉对SO_2、NO_x、CO的排放量分别贡献了29.06%、17.89%、9.73%。道路扬尘对PM_(10)和PM_(2.5)的贡献分别为25.68%和18.01%。工业溶剂对于VOC的贡献为32.65%。NH_3主要来自畜禽养殖,占了66.57%。该人为源大气污染物排放清单可为当地的污染防控提供重要的基础信息。     

六盘水市大气污染物变化特征及排放清单

为了分析贵州省六盘水市大气污染物浓度变化及排放清单,该文系统收集和整理2015-2018年大气污染物浓度观测资料和2015年排放清单。分析表明:2015-2018年,六盘水市环境空气优良率逐年增加,且在2018年达到98.2%。PM_(2.5)日均浓度有97 d超过国家环境空气质量二级标准(75μg/m~3)(GB 3095-2012),其中最大浓度为167μg/m~3;PM10有16 d超过二级标准(150μg/m~3);O_(3-8 h max)、NO_2、SO_2和CO日均浓度和年均浓度未超标。PM_(2.5)和PM_(10)年均浓度逐年降低,但PM_(2.5)在2015-2017年超标,浓度分别为42.6、40.7和40μg/m~3;PM10年均浓度在2016年和2017年超标,浓度分别为73.0和70.3μg/m~3。2015年六盘水市PM_(2.5)、PM_(10)、SO_2、NO_x、CO和VOCs排放总量分别为5.78万t、10.89万t、16.64万t、14.23万t、37.42万t和3.32万t。化石燃料固定燃烧源是PM_(10)、PM_(2.5)、SO_2、NO_x和CO的最大排放源。     

基于快速聚类方法分析常州市区PM2.5的统计特性

运用统计方法研究常州市区2013~2014年6个国控点六项基本污染物(SO_2、NO_2、CO、O_3、PM_(2.5)和PM_(10))月平均浓度变化,结果表明,除O_3外,其它五项污染物月平均浓度夏季较低冬季较高.颗粒物与风速之间的关系为PM_(2.5)浓度随风速的升高一直降低,PM_(10)随风速的升高浓度先降低后升高.采用快速聚类分析(k-means)并运用SWV和DIV指数对六项基本污染物进行分类,得到4个样本分类.与依据颗粒物化学成分或粒径谱对PM进行源解析方法不同,本研究更多是从PM_(2.5)与其它污染物相关关系以及污染程度等角度按照欧式距离进行分类.不同类中PM_(2.5)来源明显不同,类1中PM_(2.5)与化石燃料燃烧排放密切相关,类2与O_3密切相关,类3与城市不完全燃烧排放、区域灰霾污染密切相关,类4可以归类于城市"背景"类.快速聚类分析结果也表明常州市区PM_(2.5)有着复杂的来源.     

安徽省大气污染物时空分布特征及演化规律

在区域复合型大气污染逐渐常态化之下,联防联控治理的新模式已成为解决区域性大气污染的根本途径和有效措施.利用2015年冬季（2015年11月8日—2016年1月20日）、2016年冬季（2016年11月8日—2017年1月20日）安徽省16个城市大气污染物（NO₂、SO₂、CO、O₃、PM₁₀、PM_2.5）浓度数据,结合耦合协调度模型、探索性空间数据分析和障碍度模型,分析大气污染物的时空格局特征,描述其演变规律和总体走向,诊断区域大气污染物中的首要障碍因子.结果表明:①安徽省大气污染物浓度水平具有时间波动性和空间非均衡性,NO₂、O₃、PM₁₀和PM_2.5指数水平表现为递增态势,整体呈现“两高一低”,即皖北高（0.050 3）、中部地区高（0.050 1）和皖南低（0.040 5）的态势,年际变化呈增长趋势,空间分异度变化较大;②安徽省大气污染物耦合度较高,基本维持在拮抗阶段（2015年冬季和2016年冬季耦合度年均值分别为0.480、0.479）,皖北呈增加态势,而中、南部城市主要呈略微降低趋势;包括极度失调和严重失调两种类型（2015年冬季和2016年冬季协调度平均值分别为0.114、0.123）;③安徽省内各城市大气污染物在全省范围内热、冷点分布迥异,2015年冬季和2016年冬季主要经历了聚拢（NO₂、O₃向中部城市聚拢）和北迁（PM₁₀、PM_2.5往北迁）两个过程.研究显示,结合安徽省大气污染物障碍度测量分析,优化和量化区域大气污染物中的首要障碍因子,可为有效开展地区大气污染的防控治理及区域联动提供有利保障.      

福建省4种主要乔木枝叶燃烧含碳物质排放特性分析

森林可燃物燃烧释放的大量含碳物质对大气环境和生态系统碳平衡具有重要影响,揭示森林可燃物燃烧的含碳物质排放特性具有重要的科学意义.运用自主设计的生物质燃烧系统,模拟福建省4种主要乔木树种——马尾松、杉木、樟树、桉树的枝、叶燃烧,分析其在不同燃烧状态（阴燃、明燃）下含碳气体（CO、CO₂、C_xH_y）和PM_2.5的排放因子（分别以EF_CO2、EF_CO、EF_CxHy、EF_PM2.5表示）及PM_2.5中的碳质组分之间的差异性.结果表明,马尾松、杉木、樟树、桉树燃烧排放的含碳气体、PM_2.5的排放因子及PM_2.5的碳质组分在不同燃烧状态下差异较大,阴燃时EF_CO2、EF_CO、EF_CxHy、EF_PM2.5平均值在分别为（1 400.7±76.5）（297.6±16.2）（25.2±3.9）（23.9±4.3）g/kg,明燃时分别为（1 582.8±73.2）（253.6±16.1）（17.2±3.7）（8.4±2.8）g/kg,除CO₂外其他多为阴燃显著高于明燃.针叶树种（杉木、马尾松）枝、叶在阴燃时EF_PM2.5高于阔叶树种（樟树、桉树）,而明燃时差异相对较小.PM_2.5中OC（有机碳）、EC（元素碳）、TC（OC+EC）的质量分数阴燃时分别为45.6%、12.0%、57.6%,明燃时分别为42.9%、17.6%、60.5%.EF_OC/EF_PM2.5、EF_EC/EF_PM2.5、EF_OC/EF_EC在两种燃烧状态下具有不同的特征,其特征值可作为区分不同燃烧源或不同燃烧状态的指标;EF_OC/EF_PM2.5在明燃和阴燃时差异不大,平均值分别为0.49、0.46;EF_EC/EF_PM2.5明燃显著高于阴燃,平均值分别为0.18、0.12;4种乔木的枝、叶燃烧的EF_OC/EF_EC明燃低于阴燃,平均值分别为2.59和4.01.在两种燃烧状态下OC与PM_2.5的排放因子均呈显著相关.研究显示,不同燃烧条件以及不同燃料燃烧对排放含碳物质具有显著影响.      

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。     

Comprehensive and high-resolution emission inventory of atmospheric pollutants for the northernmost cities agglomeration of Harbin-Changchun, China: Implications for local atmospheric environment management

Using a bottom-up estimation method, a comprehensive, high-resolution emission inventory of gaseous and particulate atmospheric pollutants for multiple anthropogenic sectors with typical local sources has been developed for the Harbin-Changchun city agglomeration (HCA). The annual emissions for CO, NOx, SO₂, NH₃, VOC_S, PM_2.5, PM₁₀, BC and OC during 2017 in the HCA were estimated to be 5.82 Tg, 0.70 Tg, 0.34 Tg, 0.75 Tg, 0.81Tg, 0.67 Tg, 1.59 Tg, 0.12 Tg and 0.26 Tg, respectively. For PM₁₀ and SO₂, the emissions from industry processes were the dominant contributors representing 54.7% and 49.5%, respectively, of the total emissions, while 95.3% and 44.5% of the total NH₃ and NOx emissions, respectively, were from or associated with agricultural activities and transportation. Spatiotemporal distributions showed that most emissions (except NH₃) occurred in November to March and were concentrated in the central cities of Changchun and Harbin and the surrounding cities. Open burning of straw made an important contribution to PM_2.5 in the central regions of the northeastern plain during autumn and spring, while domestic coal combustion for heating purposes was significant with respect to SO₂ and PM_2.5 emissions during autumn and winter. Furthermore, based on Principal Component Analysis and Multivariable Linear Regression model, air temperature, relative humidity, electricity and energy consumption, and the urban and rural population were optimized to be representative indicators for rapidly assessing the magnitude of regional atmospheric pollutants in the HCA. Such indicators and equations were demonstrated to be useful for local atmospheric environment management.     

基于遥感资料的北京大气污染治理投资对降低PM_(2.5)的效能分析

采用北京市环境监测中心35个站点的PM2.5监测数据及MODIS Terra的大气气溶胶光学厚度L3 C051产品数据,分季度建立北京市PM2.5历史浓度遥感估算模型.结合北京大气污染物(PM10、PM2.5、SO2、NO2)年均浓度数据,对北京市2001—2012年间用于工业废气污染治理投资累计额进行了效能分析.研究表明,北京市工业废气污染治理投资对于改善大气PM10、SO2、NO2均有显著贡献,但其对于大气PM2.5污染的治理效果并不明显.可能原因包括PM2.5排放源的复杂性、相关治理措施对PM2.5的针对性、经济增长导致的区域PM2.5源排放持续增长及区域外排放的持续影响等.因此,需要采取专门的有针对性的治理措施,建立健全大气污染治理技术和激励机制,控制工业燃煤及城市交通排放,削减本地及周边源排放,以有效改善北京地区大气PM2.5污染状况.     

阜新市MODIS AOD与大气PM_(2.5)浓度相关性研究

利用卫星遥感MODIS数据研究区域大气PM_(2.5)浓度分布是环境管理的有效方法。获取美国国家航空航天局MODIS L1B1KM数据,采用暗目标法反演阜新市大气气溶胶厚度AOD数据;提取阜新市5个大气监测站点位2014年3月至5月、2015年3月至4月期间PM_(2.5)浓度数据进行相关性分析,建立PM_(2.5)浓度-AOD之间的线性、一元二次、对数函数、幂函数及指数函数5种相关性模型;引用湿度影响因子建立大气PM_(2.5)浓度订正模型,采用PM_(2.5)浓度订正模型、Peterson模型分别订正PM_(2.5)浓度及AOD标高,应用阜新市环保局5个监测点位2014年6~12月、2015年5~12月期间PM_(2.5)的月平均浓度进行模型检验。对比分析订正后的5种相关性模型拟合优度,检验结果表明:订正方法提高了PM_(2.5)浓度-AOD相关性;线性相关性模型R2为0.633 6,相对误差为12.41%,相对其他4种模型相对误差较小。利用阜新市大气AOD预测PM_(2.5)浓度具有良好环境指示意义。     

西宁市生物质燃烧源大气污染物排放清单

本研究根据调查的西宁市生物质燃烧源活动水平数据,采用排放因子方法,建立了 2018年西宁市生物质燃烧源9种大气污染物的排放清单,并分析了清单的时空分布特征和不确定性.结果表明,西宁市2018年生物质燃烧源CO、NOx、SO2、NH3、VOCs、PM2.5、PM10、BC 和OC 的排放量分别为 11 718.34、604.41、167.80、209.72、1 617.97、2 054.04、2 135.04、281.07和 1 224.78 t.秸秆露天焚烧 CO、NOx、VOCs、PM2.5、PM10、BC 和OC 的排放对生物质燃烧源的排放贡献率最高;其中,秸秆露天焚烧NOx、VOCs和CO的贡献率分别为72.35％、63.94％和53.18％.户用生物质炉NH3和SO2的排放对生物质燃烧源的贡献率最大,分别为41.49％和42.05％.生物质燃烧源大气污染物排放地区分布不均衡,主要集中于大通县和湟中区.生物质燃烧源9项污染物的排放量在1、2、3、10、11和12月较大,占比在5％～33％.蒙特卡罗模拟结果表明,在95％置信区间下,不确定度最高的是森林和草原火灾的PM2.5排放,不确定度为-26.71％～29.78％.     

2019年元旦前后石家庄市重污染过程PM2.5污染特征及来源解析

2018年12月30日至2019年1月15日石家庄市发生了连续的灰霾天气,出现12个重污染天,首要污染物均为PM_2.5.本文从污染演变、时空分布、组分分析、污染来源和气象因素等多方面展开分析探讨污染成因.结果表明,PM_2.5主要成分为二次无机离子（65.4%）,主要来源为燃煤（24.4%）和工业工艺源（23.7%）.随污染加剧SO₄^2-占比和二次无机源贡献均大幅增加.先后受来自偏南-东南和偏西-西南方向低空气团及特殊地形、静稳高湿、近地逆温等不利气象条件影响,燃煤、工业和机动车尾气等一次源产生的污染物在太行山前快速积累,气态污染物二次转化和颗粒物吸湿增长推高PM_2.5,硫酸盐暴发式增长加剧污染发生.建议重污染应急响应期间在确保各项减排措施落实到位情况下,加强二次无机组分前体物SO₂、NO_x及NH₃排放源的管控,并重点关注SO₂排放源（散煤等）,同时加强市区东北方向新乐、无极、深泽、晋州和行唐区县大气排放源管理,减少局地传输影响.