2018年西安市春节期间重污染过程分析

对2018年西安市春节的污染过程、污染来源、不利气象条件及烟花爆竹对PM_(2.5)的贡献4个方面进行分析。结果显示,在该污染过程的污染快速增长期,PM_(2.5)、PM_(10)、SO_2和NO_2浓度峰值分别是污染前期浓度的3.56、1.74、2.28和1.81倍;排放源主要为燃放烟花爆竹,对PM_(2.5)的贡献率为50%以上;不利气象条件为小风、静稳、高湿、逆温、边界层低、倒槽等。污染持续期的排放源除了烟花爆竹燃放还有其他污染源;不利气象条件除了均压场外,其它与快速增长期相似。     

2013-2016年天气形势对北京秋季空气重污染过程的影响

我国北方秋冬季节的空气重污染过程已经成为影响人们生活的重大环境事件,不仅受到公众和科研工作者的广泛关注,也已成为各地各部门政策制订者最为重视的关键问题之一.针对众说纷纭的空气重污染过程的形成机理、治理方案、控制对策等,利用2013-2016年秋季（9-11月）中国环境监测总站公布的逐时空气质量监测数据,重点对北京奥体中心站的空气重污染过程的演变进行了分析.结合中国气象局发布的天气形势分析图,系统地分析了我国4 a来秋冬季节出现大范围空气重污染过程的气候背景.结果表明:秋季我国东北和华北地区出现持续时间长、影响范围广的空气重污染过程,除了排放源的影响之外,天气形势同样起着重要作用. 2013-2016年秋季北京奥体中心的PM_2.5污染状况仍以优良天气为主,其间中度及以上污染的持续时间虽然不长,但其影响[高ρ（PM_2.5）]也不容忽视.秋季北京奥体中心ρ（PM_2.5）日均值超标（二级）日数占25.8%,其中2014年最为严重,超标日数达44 d,占37.4%.通过对空气重污染过程与我国传统节气的对比分析发现,入秋后我国北方首次出现持续48 h以上的空气重污染过程分别是在秋分和寒露两个节气,而最严重的空气重污染过程则出现在寒露和霜降两个节气.从时间序列来看,4 a来北京奥体中心ρ（PM_2.5）没有特别显著的改善,优良时数占60%左右,而中度以上的污染时数则维持在25%左右,但严重污染事件[ρ（PM_2.5）≥ 250 μg/m3]的有效时数则有明显的变化.此外,白天污染物的浓度明显低于夜晚.研究还发现,西伯利亚高压指数的异常偏低往往会导致持续时间长、影响范围广和污染强度强的重度污染事件.      

2013~2014年北京大气重污染特征研究

从污染物浓度的时间变化、空间分布以及大气污染类型等方面,对2013~2014年北京大气重污染过程进行了分析,并初步探讨其影响因素.结果表明:2013~2014年北京共出现大气重污染105d,重污染频率为14.4%.其中,首要污染物为PM_2.5的天数为103d,首要污染物为PM₁₀和O₃各有1d;冬半年重污染天数占全年的76.2%.重污染气象要素特征主要表现为风速小、湿度高、能见度低.重污染日PM_2.5/PM₁₀浓度比值为91.3%,明显高于全年平均水平,表明重污染时颗粒物以细颗粒物为主.北京大气重污染区域分布表现为南高北低,平原高、山区低的总体特征,交通站重污染天数普遍高于市区其它站点.北京大气重污染主要表现为积累型、光化学型、沙尘型以及复合型等类别;其中积累型大气重污染往往伴有区域污染水平的整体升高,PM_2.5组分中NO₃^-、SO₄^2-、NH₄⁺等水溶性二次离子的浓度增幅最为明显;O₃污染在近两年有加重的趋势.     

北京一次混合型重污染过程大气颗粒物元素组分分析

针对北京2013年1月的一次混合型大气重污染过程,于2012年12月31日—2013年1月18日在中国环境科学研究院大气环境研究所楼顶采集了TSP和PM₁₀样品,分析了其中的元素组分. 结果表明,逆温和静稳天气是导致此次大气污染的主要气象条件. 重污染期(2013年1月11—15日)北京大气ρ(TSP)和ρ(PM₁₀)的日均值分别为426.34和363.46 μg/m3,分别是非污染期(2013年1月2—6日)的3.5和3.4倍;而重污染期TSP和PM₁₀中ρ(无机元素)分别为36.38和18.67 μg/m3,是非污染期的2.2和1.6倍,低于颗粒物质量浓度升幅. 元素质量浓度特征和EF(富集因子)分析表明,Na、Mg、Al、K、Ca、Fe的质量浓度之和占总元素质量浓度的90%以上,其EF均小于10,属地壳类元素,重污染期各元素质量浓度未明显升高;Mn、Cr和Ni 3种元素的EF在研究过程中无明显变化;重污染期PM₁₀中w(Cd)(0.05%)、w(Zn)(3.34%)、w(As)(0.22%)、w(Pb)(3.54%)、w(Mo)(0.03%)、w(Sn)(0.14%)和w(Tl)(0.03%)明显升高,并且这7种元素重污染期与非污染期的质量浓度比值和EF都较高,其来源主要为燃煤、移动源、工业源和垃圾焚烧等人为源. 重污染期本地源对TSP和PM₁₀的贡献略有增加.      

2000~2010北京大气重污染研究

根据北京市环境保护局公布的大气污染数据及气象部门公布的气象资料,用时间序列分析法对空气污染指数大于200的大气重污染做了系统分析.结果表明,北京大气重污染可分为静稳积累型、沙尘型、复合型以及特殊型4个类型,2000~2010年各类型发生次数分别为69、53、23、6次.从季节分布看,北京大气重污染主要集中在春季和秋冬季,其中春季以沙尘型为主,而秋冬季大部分为静稳积累型.从年际变化看,21世纪初期沙尘天气活跃,造成了北京大气重污染的高峰期,2003~2005年大气重污染有所回落,2006年受沙尘天气明显增多及大规模奥运建设的共同影响,北京大气重污染再次出现明显峰值;2007年北京沙尘天气明显减少,但静稳积累型重污染相对突出;2008年奥运减排措施效果显著,全市静稳积累型重污染降至历史最低,其后则呈缓慢上升趋势.大气重污染既呈现区域共性,也受局地环境影响.定陵站大气重污染全部为沙尘型;近年来随着首钢的减产、搬迁,石景山区古城站大气重污染明显减少;而受周边大规模城市建设影响,奥体站大气重污染表现相对突出.     

2014年10月上旬北京市大气重污染分析

使用垂直观测、地面观测和PM2.5化学组分观测等手段,对2014年10月上旬北京市一次重污染过程进行分析.结果表明,本次大气重污染发生时北京市近地面后散射激光强度变强,气溶胶消光系数升高,说明污染物在近地面层积累.重污染期间气象要素特征为:风场弱,湿度大,地面受弱气压场控制.从PM2.5浓度变化趋势来看,这次重污染过程大体分为四个阶段:“两个台阶”型的浓度爬升阶段(P1和P2)、高浓度维持阶段(P3)和迅速清除阶段(P4).结合地面观测、遥感反演和PM2.5组分分析可发现,区域传输是导致本次重污染的诱因,其中秸秆焚烧是影响因素之一,随后区域传输和本地污染物排放共同维持并加重了重污染过程.大气氧化剂OX与PM2.5浓度、二次离子浓度均表现出显著正相关性,表明较强的大气氧化性能促进PM2.5浓度增长.     

2014年10月北京市4次典型空气重污染过程成因分析

采用数值模拟与观测资料相结合的方式,对2014年10月北京市4次典型空气重污染过程的大气环境背景、气象条件和形成原因进行了分析. 结果表明,京津冀区域稳定的气象条件是形成空气重污染的主要原因,4次重污染过程大气条件均不利于污染物扩散,表现为大气层结稳定,近地层逆温(平均逆温强度为2.26 ℃/100 m)明显,风速(平均值为1.52 m/s)小,相对湿度(平均值为80.75%)大. 在4次重污染过程中8—11日污染最重,ρ(PM_2.5)日均值平均为264 μg/m3,并且区域输送对北京贡献率最大,平均值为63.75%;24—25日污染程度次之,逆温最强,逆温强度达5.94 ℃/100 m;18—20日重污染中北京ρ(PM_2.5)高值(＞200 μg/m3)区主要集中在该市西北部地区;30—31日污染相对较轻,ρ(PM_2.5)日均值最高只有154 μg/m3. 数值模拟表明,在4次典型重污染过程中,来自南方(包括河北、河南和山西西部等地)的外来污染物输送对北京PM_2.5贡献较大,外来贡献率分别在42.36%~69.12%之间,同时北京本地也存在较强的二次无机盐及有机物转化过程.      

2020年天津市两次重污染天气污染特征分析

为了解2020年天津市两次重污染天气污染特征,基于2020年1～2月高时间分辨率的在线监测数据,对天津市2020年1月16～18日(重污染过程Ⅰ)和2020年2月9～10日(重污染过程Ⅱ)进行分析,结果表明,两次重污染过程均呈现前期区域输送和后期本地不利气象条件叠加双重影响的特点,重污染过程期间平均风速均较低,平均相对湿度接近70%,部分时段接近饱和,边界层高度低于300 m,水平和垂直扩散条件均较差.与重污染过程Ⅰ相比,重污染过程Ⅱ主要污染物浓度和污染程度均降低,尤其是NO₂浓度下降明显,重污染过程Ⅱ北部地区PM_2.5和CO浓度较高.两次重污染过程PM_2.5中化学组分浓度和占比发生明显变化,重污染过程Ⅰ二次无机离子(SO₄^2-、 NO^-₃和NH⁺₄)、 EC和Ca²⁺平均浓度较高,OC和Cl^-平均浓度略低于重污染过程Ⅱ,K⁺...     

北京2011年10月连续灰霾过程的特征与成因初探

选择2011年北京地区灰霾典型发生月——10月,利用在中国环境科学研究院监测的φ(SO₂)、φ(O₃)、φ(NO₂)、φ(CO)、ρ(PM₁₀)、ρ(PM_2.5)、ρ(BC)等数据,对该地区秋季典型灰霾过程特征及成因进行了研究. 在观测期间51.5%的时间内出现了灰霾,其中13.6%属于重度灰霾. 对灰霾期间污染物时间分布特征的分析表明:在灰霾过程中ρ(PM₁)、ρ(PM_2.5)、ρ(PM₁₀)及ρ(BC)较各自月均值的升幅均大于20%,ρ(PM₁)/ρ(PM_2.5)(78.7%)也明显增大.大气能见度的降低与细颗粒物及亚微米颗粒物有直接关系. 对观测期间的气象因素、气体污染物时间序列和颗粒物浓度累积特征的研究表明,10月连续灰霾过程的成因可能是该月频繁出现的鞍型场静稳天气及北京周边地区存在的基数较大的细颗粒物排放源所致.      

天津市2020年冬季重污染过程气溶胶消光特性及其来源

为了解天津市2020年冬季重污染过程气溶胶消光特征,基于2020年1~2月高时间分辨率的在线监测数据,对1月16~18日（重污染过程Ⅰ）、1月26~28日（重污染过程Ⅱ）和2月9~10日（重污染过程Ⅲ）进行气溶胶消光特性及其来源分析.结果表明,3次重污染过程PM_2.5平均浓度分别为（229±52）、（219±48）和（161±25）μg·m^-3,NO₃^-、SO₄^2-、NH₄⁺、OC、EC、Cl^-和K⁺为PM_2.5中主要组分.3次重污染过程气溶胶散射系数（Bsp₅₅₀）和吸收系数（Bap₅₅₀）分别为（1055.65±250.17）、（1054.26±263.22）、（704.44±109.89） Mm^-1和（52.96±13.15）、（39.72±8.21）、（34.50±8.53） Mm^-1,散射效应高于吸收效应.重污染天气下硝酸盐（38.9%~48.8%）、硫酸盐（31.1%~40.7%）和OM （9.9%~21.8%）为PM_2.5中最主要消光成分.3次重污染过程PM_2.5组分对气溶胶消光的贡献发生明显变化,重污染过程Ⅰ,硝酸盐对消光系数的贡献最高;重污染过程Ⅱ,受春节期间烟花爆竹燃放影响,OM对消光系数的贡献升高;重污染过程Ⅲ,交通出行减少但燃煤源排放相对稳定,硝酸盐对消光系数的贡献降低,硫酸盐的贡献升高.来源解析结果显示,重污染天气气溶胶消光的主要来源为二次无机气溶胶（37.1%~42.0%）、燃煤和工业（22.9%~24.2%）、机动车（23.9%~27.2%）、扬尘源（5.0%~6.4%）和烟花爆竹及生物质燃烧排放（3.9%~6.2%）.与重污染过程Ⅰ相比,重污染过程Ⅱ烟花爆竹及生物质燃烧排放对消光系数的贡献升高;重污染过程Ⅲ机动车对消光系数的贡献明显降低;燃煤和工业对消光系数的贡献在3次重污染过程中较接近.后轨迹分析表明,重污染天气期间天津市主要以来自河北的小尺度、短距离以及内蒙古中部的中尺度、中短距离气团传输轨迹为主.     

Photochemical properties and source of pollutants during continuous pollution episodes in Beijing, October, 2011

Beijing sufered from serious air pollution in October, 2011 with the occurrence of three continuous episodes. Here we analyze the pollution status of particulate matter, the relationship between the gaseous pollutants, physical and chemical properties of single particles, and the profile of watersoluble ions in PM2.5during the three episodes. Regional and photochemically aged air masses, which were characterized as having high values of O3and SO2, were hypothesized to have played a dominant role in the first episode. After mixing local air masses with freshly-emitted primary pollutants, the concentration of NOx continued to increase and the size of SO4 2, NO3 and NH4 +in the particle population continued to become smaller. The amount of elemental carbon-rich and organic carbonrich particles in the scaled single particles(0.2–2 μm) and water-soluble K+in PM2.5also increased in the episodes. All the available information suggests that the biomass or fuel burning sources in or around Beijing may have had a huge impact on the last two episodes.     

2014年1月北京市大气重污染过程单颗粒物特征分析

利用在线单颗粒物气溶胶质谱仪(SPAMS)对2014年1月北京市典型大气重污染过程进行了连续监测,分析了具有正负离子质谱信息的颗粒物共2248225个.同时,利用ART-2a神经网络分类方法并结合Matlab统计分析,将具有质谱信息的颗粒物归为10类,分别为:矿尘类颗粒物(Dust)、元素碳颗粒物(EC)、有机碳颗粒物(OC)、元素碳和有机碳混合颗粒物(ECOC)、钠钾颗粒物(NaK)、富钾颗粒物(K)、含氮有机物(KCN)、高分子有机物(MOC,Macromolecular OC)、多环芳烃类颗粒物(PAHs)和重金属类颗粒物(Metal).结合PM_2.5质量浓度数据和HYSPLIT 4.0后向轨迹模型结果,将观测时间段划分为3个典型污染过程和1个清洁过程.结果显示,重污染期间OC、MOC和PAHs为最主要的颗粒物类型.最后,本文还比对分析了污染过程和清洁期间颗粒物的混合状态,结果表明,污染过程中硫酸盐和硝酸盐较清洁期间更容易与碳质颗粒物结合.     

西安冬季重污染过程PM2.5理化特征及来源解析

基于单颗粒气溶胶质谱仪（SPAMS）观测数据、颗粒物质量浓度数据和气象要素数据,研究了2017年11月西安市一次重污染过程中细颗粒物的化学组分特征及其成因,并使用正矩阵因子分析法（PMF）对细颗粒进行了来源解析.结果表明,西安市冬季重污染过程中细颗粒物主要类型为有机碳（OC）、元素碳（EC）、混合碳（ECOC）、富钾（K）、钠-钾（Na-K）、有机胺（amine）、矿尘（dust）和重金属（HM）,其主要来源为燃煤（24.9%）,二次（29.3%）,工业（19.3%）,交通（13.3%）,生物质燃烧（5.2%）和扬尘（1.9%）.通过对比分析不同污染过程细颗粒物的理化特征,发现高湿度,低风速的不利气象条件和供暖及工业生产导致的燃煤污染、二次污染,是此次重污染过程的主因.     

北京APEC期间不同颗粒物源解析方法的结果比较

2014年10月8日~11月25日,在北京城市点位采用颗粒物多组分在线监测技术与单颗粒气溶胶质谱（SPAMS）两种方法测定颗粒物化学组分.基于颗粒物在线多组分监测技术得到的受体数据,采用ME2模型进行解析（OC-ME2）;基于SPAMS的观测数据,采用ART-2a和ME2两种方法进行来源解析.SPAMS-ART2a方法解析得到6种颗粒物污染源,而SPAMS-ME2和OC-ME2均确定了5种来源.每种方法都识别出了扬尘源、机动车尾气、燃煤源、工艺过程源和二次源.结果表明：3种方法的解析结果均显示机动车尾气（25.43%~28.84%）和二次源（22.55%~33.50%）是颗粒物的主要来源,其次是燃煤源（20.16%~21.21%）和工艺过程源（12.01%~15.17%）;不同方法解析出的同种源在对颗粒物（PM）的分担率与贡献时间变化上存在较大的差异,这可能与采样方法、化学分析方法和数据分析方法等有关.对APEC会议期间主要污染源类特征进行研究,3种方法解析结果中的首要污染源均是机动车尾气（29.17%~44.18%）,其贡献均高于非会议期间（23.59%~28.79%）,表明在此期间机动车尾气对颗粒物的产生具有重要影响.     

基于单颗粒气溶胶质谱仪的香河采暖季前后含铅颗粒物的组成特征研究

为了研究粒径在0.2?—?2.0μm的含铅颗粒物的化学组分和粒径分布特征,运用单颗粒气溶胶质谱仪(SPAMS)于2017年10月至2018年1月在河北省香河县开展观测活动.通过自适应神经网络算法(ART-2a)对含铅颗粒物进行命名、合并后,主要分为六类:富钾(Pb-K)、元素碳(Pb-EC)、有机碳元素碳(Pb-OCE...     

Size distribution of chemical elements and their source apportionment in ambient coarse, fine, and ultrafine particles in Shanghai urban summer atmosphere

Ambient coarse particles (diameter 1.8-10 μm), fine particles (diameter 0.1-1.8 μm), and ultrafine particles (diameter < 0.1 μm) in the atmosphere of the city of Shanghai were sampled during the summer of 2008 (from Aug 27 to Sep 08). Microscopic characterization of the particles was investigated by scanning electron microscopy coupled with energy dispersive X-ray spectroscopy (SEM/EDX). Mass concentrations of Si, P, S, Cl, K, Ca, Ti, V, Cr, Mn, Fe, Ni, Cu, Zn, As, Se, Br, Rb, Sr, and Pb in the size-resolved particles were quantified by using synchrotron radiation X-ray fluorescence (SRXRF). Source apportionment of the chemical elements was analyzed by means of an enrichment factor method. Our results showed that the average mass concentrations of coarse particles, fine particles and ultrafine particles in the summer air were 9.38 ± 2.18, 8.82 ± 3.52, and 2.02 ± 0.41 μg/m³, respectively. The mass percentage of the fine particles accounted for 51.47% in the total mass of PM10, indicating that fine particles are the major component in the Shanghai ambient particles. SEM/EDX results showed that the coarse particles were dominated by minerals, fine particles by soot aggregates and fly ashes, and ultrafine particles by soot particles and unidentified particles. SRXRF results demonstrated that crustal elements were mainly distributed in the coarse particles, while heavy metals were in higher proportions in the fine particles. Source apportionment revealed that Si, K, Ca, Fe, Mn, Rb, and Sr were from crustal sources, and S, Cl, Cu, Zn, As, Se, Br, and Pb from anthropogenic sources. Levels of P, V, Cr, and Ni in particles might be contributed from multi-sources, and need further investigation.