菏泽市大气醛酮类化合物污染特征分析

为探究菏泽市大气醛酮类化合物污染特征,分析菏泽市2022年5—9月大气醛酮类化合物监测结果,计算臭氧生成潜势,同时利用相关系数法和比值法分析醛酮污染物可能来源。研究表明：菏泽市大气主要的醛酮类化合物为甲醛、乙醛和丙酮;臭氧生成潜势贡献较大的主要是甲醛和乙醛;菏泽市大气醛酮类化合物中甲醛、乙醛、丙酮有强相关性,三者可能有相同来源,其中甲醛和乙醛浓度比为1.07,符合城市大气特征,即主要受人为源的影响。     

成都春季大气臭氧污染过程VOCs特征分析

2020年4月28日～5月6日成都出现了一次近5年来春末夏初时段污染时间最长,污染程度最重的臭氧污染过程.为了解该污染过程中VOCs对成都臭氧的贡献,通过采用数理统计、臭氧生成潜势(OFP)等方法,对成都市城区VOCs进行分析.结果表明,成都市城区污染前与污染后VOCs体积分数均低于污染中VOCs体积分数. VOCs日变化呈双峰性,分别出现在早高峰时段及凌晨.污染前、污染中、污染后臭氧生成潜势(OFP)浓度值分别为110.5、199.0、93.3μg/m³.间/对二甲苯、乙烯、甲苯和邻二甲苯为绝对优势物种.通过分析整个污染过程VOCs特征,为成都春季臭氧污染防治提供技术支撑.     

廊坊市O3骤增(降)过程VOCs浓度变化及臭氧生成潜势分析

为了解廊坊市夏季O₃骤增骤降污染天气过程中VOCs浓度及臭氧生成潜势的变化特征,统计分析2016年～2020年夏季廊坊市区监测所得的53种VOCs质量浓度数据和近地面臭氧(O₃)浓度数据,并采用臭氧生成潜势方法估算VOCs对O₃生成的贡献进行分析。结果表明:整个污染过程及不同时段,烷烃类总质量浓度最大,占比在62%～65%之间,其次是烯/炔烃类和芳香烃类,而烯/炔烃类的臭氧生成潜势(OFP)最大,高浓度阶段其百分比(OFP^*)较骤增前、骤降后高6.5和3.8个百分点,其次是烷烃或芳香烃。O₃骤增骤降污染整个过程及不同阶段,VOCs质量浓度最大的前十物种中烷烃类占有5～7种,OFP前十位中烯/炔烃占有5～6种,两种统计中相同物种有9个,OFP^*前十VOCs物种相对固定,前7位以烯/炔烃为主,反-2-丁烯最高。控制或减少反-2-丁烯等重要烯/炔烃类VOCs物质的排放,可有效控制廊坊O₃的生成,降低O₃污染程度。通过研...     

株洲市臭氧污染状况及相关气象因子分析

采用2013年1～12月空气质量自动监测数据对株洲市臭氧污染现状及相关气象因子进行分析。结果表明:监测期间全年臭氧日最大8 h平均浓度一级标准值达标率达到71.8%,全年超标率为1.6%,超标主要出现在季节变换时期。臭氧日最大8 h平均浓度的月均值变化呈"M"型,浓度高值持续时间长。日变化规律较强,且不同季节变化特征略有差别。臭氧浓度与气温有正相关性,相关系数为0.612;与湿度和云量有负相关性,且臭氧与湿度负相关性较明显,相关系数为0.731。     

滕州市木石镇秋季大气VOCs污染特征及来源解析

使用大气挥发性有机物(VOCs)在线连续自动监测系统,对滕州市木石镇2019年11月环境空气中VOCs进行观测,并分析了VOCs的浓度状况、组成特征、光化学影响和来源。结果表明：观测期间,木石镇大气中TVOC平均体积分数为(32.75±28.96)×10^-9,各物种体积分数从大到小顺序依次为烷烃>烯烃>OVOC>芳香烃>卤代烃>乙炔>含硫化合物;日变化规律呈双峰型,峰值在6:00～7:00时与0:00～1:00时出现。大气VOCs的平均臭氧生成潜势(OFP)为102.02×10^-9,烯烃对臭氧生成潜势贡献率最大,为69.5%;乙烯、丙烯、正丁烯、萘和1,3-丁二烯等是臭氧生成潜势较高的物种。对OH自由基消耗速率(L_OH)贡献最大的为烯烃,其次为芳香烃,两者贡献率占到76.8%。VOCs对二次气溶胶(SOA)浓度的贡献值为0.85μg/m³,其中芳香烃对SOA生成贡献占比为92.8%,对SOA生成贡献最大的前5个物种为萘、甲苯、苯、乙苯、间/对二甲苯。利用PMF模型...     

营口市臭氧污染变化特征和相关分析

基于2015—2021年营口市环境空气质量监测数据,分析了营口市臭氧污染变化特征及与其他污染物、气象要素之间的相关性。结果表明：营口市臭氧浓度于2015—2016年下降,2017—2018年上升且于2018年达到峰值,2019—2021年持续稳定下降;月变化呈单峰特征,1月起快速上升,5月达到峰值,6—10月缓慢下降,11—12月快速下降;日变化亦呈单峰变化特征,09:00起开始上升,16:00达到峰值,随后下降,08:00达到最低值。臭氧与其他污染物之间呈负相关,与气象要素之间呈正相关,其与二氧化氮、氮氧化物、一氧化氮、温度相关性较强。     

2019年8～9月江苏省重点工业园区挥发性有机物污染特征及管控效果评估

为研究2019年江苏省一次专项管控期间VOCs浓度的变化情况,于8月13日～9月30日在13个设区市重点工业园区开展VOCs连续观测,分析江苏省工业园区VOCs浓度现状及分布特征,对各市工业园区管控期间VOCs的减排效果进行评估并给出相应对策建议。结果表明:VOCs是江苏省臭氧生成的主要前体物,13个设区市典型工业园区VOCs体积浓度为26.2×10^-9,呈现“南高北低”态势,烷烃、烯烃、炔烃和芳香烃物种对臭氧生成贡献的占比分别为16.7%、44.0%、0.6%和39.1%;管控有效减缓了臭氧浓度上升的幅度,但不同地区对臭氧的生成贡献较大的物种不同,建立优先控制物种数据库,既达到调控目的,又减少对社会经济的影响。     

2019年夏季苏北内陆城市典型臭氧污染过程分析

2019年6月上旬,宿迁市经历连续臭氧污染过程.基于宿迁市中心城区大气国控站点常规监测数据、气象观测数据、VOCs在线监测数据,分析污染期间宿迁市臭氧变化特征、主要来源、主控因子和控制对策.结果表明,臭氧污染期间,宿迁市中心城区臭氧主要来源于本地排放和区域污染传输,气象条件是臭氧生成的重要原因,臭氧初始浓度较高也是发生...     

成都市污染源VOCs排放与O3污染相关性分析

挥发性有机物(VOCs)是形成细颗粒物(PM_2.5)、臭氧(O₃)等二次污染物的重要前体物,随着工业化和城市化的快速发展,以臭氧为特征的区域性复合型大气污染日益突出,为研究成都市污染源VOCs排放情况,根据成都市最新污染源普查数据,我们针对成都市工业源、农业源、移动源和生活源,采用监测数据法和系数法核算了成都市VOCs排放量,行业分布、地区分布,并结合各地区大气臭氧污染情况进行了相关性分析。经过统计分析,工业源和移动源为成都市主要VOCs排放源,工业源VOCs排放量位居前3位的行业分别为家具制造业、石油、煤炭及其他燃料加工业及印刷和记录媒介复制业,VOCs原辅材料使用量及VOCs排放量最多的是胶黏剂,移动源VOCs排放主要为机动车排放。成都市各地区VOCs排放量及臭氧年均值空间分布整体表现为西北高东南低,22个区(市)县VOCs排放量与大气臭氧日均值超标率正相关,15个区(市)县呈现出明显相关性,指数曲线较线性拟合程度较好,存在非线性关系。7个区(市)县VOCs排放与大气臭氧日均值超标率拟合程度较差,呈现出较弱的相关性。     

信阳市臭氧污染天气的气象条件特征分析

信阳臭氧污染近年来呈现多发频发的趋势，为研究气象要素对信阳臭氧污染形成的的作用，利用2014～2018年信阳4个国控站的臭氧监测资料，国家气象站5年基本气象观测资料以及高空、地面实况天气图资料，通过person相关性分析研究了信阳市臭氧污染特征及其与气象条件的关系，结果表明：(1)2014～2018年信阳市臭氧污染呈波动上升态势。月变化呈现“双峰”分布的特征，4～6月、9月为臭氧污染的多发时段。日变化则表现为“单峰”分布的特征。(2)分析了信阳市臭氧污染与14时气温、相对湿度、风向风速、边界层高度以及云量等气象条件的关系，总结了信阳市臭氧污染的天气形势、影响系统及气象条件概念模型，当500 hPa为高空低槽后部的西北气流或高压脊(西太平洋副热带高压),或宽广低槽前部的西南气流，地面处于变性高压、入海高压后部或弱低压带(鞍型场)影响下，发生臭氧污染的可能性较大。为信阳市臭氧污染的预报和防治，提供了较为客观、有效的参考依据。     

攀枝花市区及盐边县城区城市臭氧污染状况研究

攀枝花市区臭氧污染负荷逐年上升,盐边县城区近年来臭氧污染负荷均高于20%,臭氧污染已成为影响城市空气质量的重要因素。对2017年1月~2020年2月攀枝花市区和盐边县城区臭氧污染物浓度时空变化规律和相关性进行了研究,并结合攀枝花各地太阳能和天气网记录的气象数据,统计了太阳辐射强度、紫外线辐射强度、日最高气温、日平均风向、季节气候等气象要素与出现臭氧污染的概率。研究表明,攀枝花市区和盐边县城区两地春、夏季较易出现臭氧污染,春季臭氧浓度持续高值时数最多,夏季臭氧浓度持续高值影响时数次之,两地臭氧污染物浓度变化有极强相关性。此外,臭氧浓度与气象条件密切关系,当紫外辐射强度大于30W/m²时,臭氧污染的几率为5%~8%,最高日气温值29℃~36℃之间时易出现臭氧污染,攀枝花市区臭氧污染受西向气流影响最重,盐边县城区臭氧污染受南向气流影响最重,盐边城区臭氧污染主要受攀枝花市区影响。根据臭氧污染物浓度时空变化规律和气象条件,开展区域臭氧前体物排放调控,将有效改善地区环境空气质量。     

浅析攀枝花市2015～2017年气象要素对空气污染的影响

利用2015～2017年攀枝花市污染因子和气象要素实测数据,运用GIS技术、相关分析以及统计分析等方法,分析攀枝花市空气污染因子和气象要素的时空特征及相关性。结果表明:攀枝花市首要污染物为PM₁₀,其次是NO₂;秋冬以PM₁₀和NO₂污染为主,春夏PM₁₀和O₃为主。不同季节,各气象要素对本地空气质量的影响程度及空间分布存在明显差异。弄弄坪一带PM_2.5和SO₂、CO浓度偏高,市中心炳草岗一带PM₁₀、O₃和NO₂浓度偏高。结合本地发展规划和实际情况,根据气象要素分析,为攀枝花市分区分季节的防污减排决策提供气象参考。     

气温和湿度在泸州市城区对臭氧浓度预测的运用研究

气温和湿度均为影响臭氧生成的要素,通过分析泸州市国控点数据,找出气温和湿度与臭氧浓度的关系,从而建立气温和湿度为变量的臭氧浓度预测模型.选取2019年泸州市主城区的气温和湿度数据,将气温按日最高温(Tmax)、日最低温(Tmin)和日平均气温(Tmean)划分,将湿度按四季划分,分别统计其与臭氧浓度的相关性.发现臭氧浓...     

大连市中心区O3污染特征分析

本文采用2007年大连市环境自动监测数据,分析了城市中心区O3的污染特征。结果表明：O3质量浓度的最大值出现在午后15：00—17：00,比太阳辐射强度最大值的出现时间滞后2h左右;O3质量浓度的季节性变化十分显著,春夏季较高,秋季次之,冬季最低;汽车尾气是近地面O3污染的主要原因。     

秦皇岛市气候变化对农业气象灾害的影响

40多年来秦皇岛市气候发生了明显的变化，致使农业气象灾害增加：第一，冬暖、倒春寒、春末高温等灾害频次增多，冬季低温冻害频次和程度减少；第二，冬旱、春旱、秋旱、秋冬连旱、冬春连旱增多，伏旱次数明显减少，盛夏洪涝频次减少；第三，低温连阴雨、高温干旱、干热风等灾害在频次和程度上均发生明显变化。因此，秦皇岛农业生产防灾减灾的重点和方法也适当调整。     

广元市房建施工扬尘排放清单研究

为了研究广元市房建施工扬尘排放特征,通过调研获取了广元市2010 ～2019年间的房建工地施工面积、抑尘措施及控制效率,按照自下而上的方法建立了房建施工扬尘排放清单,分析了2019年广元市房建施工扬尘的时空分布特征,并采用CALPUFF对广元市利州区某房建工地的排放进行了模拟.结果 表明:(1) 2010 ～2019年...     

大气降尘中多环芳烃的分布特征及源解析

为探讨大气降尘中多环芳烃的污染水平和来源的解析,于2008年冬、春、夏、秋四个季节采集了北京昌平地区大气降尘样品,采用超声抽提方法,使用GC/MS测定了样品中PAHs的含量。结果表明,冬、春、夏、秋四个季节样品中多环芳烃总量分别为18.6μg/g、17.3μg/g、15.1μg/g和11.0μg/g,单体化合物均值分别为1.04μg/g、0.96μg/g、0.84μg/g和0.61μg/g。与其他城市监测结果比较可知:昌平地区大气降尘中PAHs含量相对较低。使用多种方法对降尘中的PAHs来源进行解析,结果表明:化石燃料燃烧在不同季节中的贡献相对稳定,燃煤在冬季为多环芳烃主要来源之一,在其他季节贡献相对较低。     

Allocating anthropogenic pollutant emissions over space: application to ozone pollution management

An inventory of volatile organic compound (VOC) and nitrogen oxides (NOx) emissions is an important tool for the management of ground-level ozone pollution. This paper has two broad aims: it illustrates the potential of a geographic information system (GIS) for enhancing an existing spatially-aggregated, anthropogenic emissions inventory (EI) for Tucson, AZ, and it discusses the ozone-specific management implications of the resulting spatially-disaggregated EI. The main GIS-related methods include calculating emissions for specific features, spatially disaggregating region-wide emissions totals for area sources, and adding emissions from various point sources. In addition, temporal allocation factors enable the addition of a multi-temporal component to the inventory. The resulting inventory reveals that on-road motor vehicles account for approximately 50% of VOC and NOx emissions annually. On-road motor vehicles and residential wood combustion are the largest VOC sources in the summer and winter months, respectively. On-road motor vehicles are always the largest NOx sources. The most noticeable weekday vs. weekend VOC emissions differences are triggered by increased residential wood combustion and increased lawn and garden equipment use on weekends. Concerning the EI's uncertainties and errors, on-road mobile, construction equipment, and lawn and garden equipment are identified as sources in the most need of further investigation. Overall, the EIs spatial component increases its utility as a management tool, which might involve visualization-driven analyses and air quality modeling.     

运用机器学习方法预测空气中臭氧浓度

臭氧(O_3)浓度变化与天然源、移动源和点源的排放量存在某些隐含的关联。根据臭氧浓度变化的特性,基于污染源在线排放数据、气象监测数据以及空气质量监测数据构造特征,运用机器学习方法进行逐小时臭氧浓度预测。该方法不仅充分利用了臭氧浓度变化时序数据,而且考虑了气象条件变化对污染物浓度变化的影响,最重要的是将点源排放氮氧化物这一臭氧生成的重要前体物纳入模型考虑。在金砖国家领导人厦门会晤前后(2017年8月31日至9月9日),运用该方法对厦门市溪东、洪文、鼓浪屿和湖里中学四个大气自动监测站的臭氧小时浓度平均值进行滚动预报,比较准确地模拟出臭氧浓度的日周期性变化,同时对峰值和低谷能够进行较为有效的捕捉和刻画。按照《环境空气质量标准》(GB3095—2012)臭氧日最大八小时浓度平均值进行评价,四个站点均取得了90%的预报等级准确率。     

Ground-level ozone in the Pearl River Delta and the roles of VOC and NO(x) in its production

In many regions of China, very rapid economic growth has been accompanied by air pollution caused by vehicle emissions. In one of these regions, the Pearl River Delta, the variations of ground-level ozone and its precursors were investigated. Overall, the ambient concentrations of NO(2) increased quickly between 1995 and 1996, but then slightly decreased due to stringent nitrogen oxide (NO(x)) emission controls. Nonetheless, ambient NO(2) levels in the Pearl River Delta remained high. The regional average concentrations of volatile organic compounds (VOCs) were 290 ppbC in summer and 190 ppbC in autumn. Local emissions and long-distance transportation of pollutants play important roles in the regional distribution of VOCs. Ambient O(3) production is significant in urban areas and also downwind of cities. The relative incremental reactivities (RIRs), determined by an observation-based model, showed that ground-level ozone formation in the Guangzhou urban area is generally limited by the concentrations of VOCs, but there are also measurable impacts of NO(x).