北京市燃煤源排放控制措施的污染物减排效益评估

为分析北京市燃煤源排放控制措施的污染物减排效益,基于MEIC（中国多尺度排放清单模型）,采用情景分析法,评估了北京市电厂能源清洁化与末端治理、燃煤锅炉改造和城区平房区居民采暖改造等措施的污染物减排效益.结果表明,相对于无控情景,2013年北京市电厂能源清洁化与末端治理减少PM_2.5、PM₁₀、SO₂和NO_x排放量为1.28×104、2.10×104、5.13×104和4.98×104 t,分别占无控情景的85%、86%、87%、74%;北京市燃煤锅炉改造减少PM_2.5、PM₁₀、SO₂、NO_x排放量为1.09×104、2.68×104、11.64×104和5.81×104 t,分别占无煤改气情景的83%、89%、83%、83%;北京市老旧平房区的居民采暖改造减少PM_2.5、PM₁₀、SO₂和NO_x排放量分别为630、870、2 070和790 t,均占无煤改电情景的8%.研究显示,北京市从1998年开始采取的各种减排措施有效地减少了污染物的排放,对北京市空气质量改善具有重要意义.      

利用多元线性回归方法评估气象条件和控制措施对APEC期间北京空气质量的影响

气象条件对大气污染物的扩散和传输有重要影响,准确分离和定量气象因素对空气质量的影响是评估大气污染控制政策有效性的前提.本研究利用APEC会议期间及前后(2014-10-15～2014-11-30)北京城区朝阳观测站点SO_2、NO、NO_2、NO_x、CO、PM_(2.5)、PM_1和PM_(10)以及气象因素的观测数据,采用多元线性回归分析方法,定量评估了气象条件和空气污染控制措施对APEC期间北京空气质量的影响.在假定排放条件不变的情况下,基于气象因素参数建立的预测污染物浓度的多元线性回归模型模拟效果较为理想,决定系数R~2在0. 494～0. 783之间.控制措施使得APEC控制期SO_2、NO、NO_2、NO_x、CO、PM_(2.5)、PM_1和PM_(10)浓度分别降低48. 3%、53. 5%、18. 7%、40. 6%、3. 6%、34. 8%、28. 8%和40. 6%,气象因素使得APEC控制期SO_2、NO、NO_2、NO_x、CO、PM_(2.5)、PM_1和PM_(10)浓度分别降低1. 7%、-2. 8%、18. 7%、4. 5%、18. 6%、27. 5%、30. 6%和35. 6%.气象因素和控制措施共同作用使得APEC控制期北京空气质量得到了明显改善.控制措施对SO_2和氮氧化物浓度的下降起主导作用,气象因素对CO浓度的下降起主导作用,气象因素和控制措施对颗粒物浓度降低的贡献相当.本研究还利用相对权重方法研究了气象因素对污染物浓度影响的贡献,结果表明影响不同污染物浓度的决定性气象因素不同.     

Impact of energy structure adjustment on air quality: a case study in Beijing, China

Energy consumption is a major cause of air pollution in Beijing, and the adjustment of the energy structure is of strategic importance to the reduction of carbon intensity and the improvement of air quality. In this paper, we explored the future trend of energy structure adjustment in Beijing till 2020, designed five energy scenarios focusing on the fuel substitution in power plants and heating sectors, established emission inventories, and utilized the Mesoscale Modeling System Generation 5 (MM5) and the Models-3/Community Multiscale Air Quality Model (CMAQ) to evaluate the impact of these measures on air quality. By implementing this systematic energy structure adjustment, the emissions of PM₁₀, PM_2.5, SO₂, NO _x , and non-methane volatile organic compounds (NMVOCs) will decrease distinctly by 34.0%, 53.2%, 78.3%, 47.0%, and 30.6% respectively in the most coalintensive scenario of 2020 compared with 2005. Correspondingly, MM5-Models-3/CMAQ simulations indicate significant reduction in the concentrations of major pollutants, implying that energy structure adjustment can play an important role in improving Beijing’s air quality. By fuel substitution for power plants and heating boilers, PM₁₀, PM_2.5, SO₂, NO _x , and NMVOCs will be reduced further, but slightly by 1.7%, 4.5%, 11.4%, 13.5%, and 8.8% respectively in the least coal-intensive scenario. The air quality impacts of different scenarios in 2020 resemble each other, indicating that the potential of air quality improvement due to structure adjustment in power plants and heating sectors is limited. However, the CO₂ emission is 10.0% lower in the least coal-intensive scenario than in the most coal-intensive one, contributing to Beijing’s ambition to build a low carbon city. Except for energy structure adjustment, it is necessary to take further measures to ensure the attainment of air quality standards.     

基于达标约束的南京市环境空气质量情景模拟

以2030年南京市6项污染物达标为约束,在2015年大气污染物排放清单基础上,利用CMAQ模型分析了PM_(2.5)对南京本地不同前体物排放的敏感性,通过情景分析预测排放清单,模拟了4种减排情景的空气质量变化,最终获得达标约束下大气污染物总量控制指标.模拟结果显示,减少一次颗粒物PPM (primary particulate matter)排放对降低大气中的PM_(2.5)浓度最为有效;在周边地区减排的基础上,本地减少PPM排放对PM_(2.5)年均浓度下降的相对贡献可达88%,其次为NH_3、NOx、SO_2与VOCs减排,其相对贡献分别为10. 3%、5. 5%、3. 2%与0. 5%;相比2015年,4种情景下南京市主要大气污染物减排比例在22%～53%,未来控制活动水平对减排SO_2、NH_3与CO较有效,而NOx和VOCs末端治理方面还有较大空间;将SO_2、NOx、PM10、PM_(2.5)、BC、OC、CO、VOCs及NH_3的排放量分别控制在2. 43×104、8. 47×10~4、9. 42×10~4、3. 74×10~4、0. 19×10~4、0. 30×10~4、26. 56×10~4、13. 08×10~4及1. 50×10~4t以内时,预计南京市6项污染指标可以达到国家环境空气质量二级标准.     

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.     

廊坊市区主要大气污染源排放清单的建立

通过调研、统计廊坊市区工业、城中村及机动车等资料,结合以往清单文献研究结果及清单编制指南中的排放因子,计算了廊坊市区主要大气污染物的排放量,得到廊坊市区2014年主要大气污染源排放清单.结果显示,2014年廊坊市区工业源(固定燃烧)NO_x、SO_2、NMVOC、CO、PM_(10)、PM_(2.5)排放总量分别为6.4×10~3、1.2×10~4、31、1.0×10~4、7.3×10~2、4.4×10~2t,其中热电行业排污贡献率最高,分别占NO_x、SO_2、CO、PM_(10)、PM_(2.5)工业源(固定燃烧)年排放总量的55%、48%、67%、63%、69%;安次区工业企业对气态污染物贡献较高,广阳区及开发区工业企业对颗粒物排污贡献较大.低矮面源(城中村)NO_x、SO_2、NMVOC、CO、PM10、PM_(2.5)年排放总量分别为1.8×10~2、3.6×10~3、3.0、4.9×10~3、1.5×10~2、72 t.道路移动源CO、HC、NO_x、PM_(2.5)年排放总量分别为2.4×10~4、1.9×10~3、2.2×10~3、44 t,其中小型客车对HC和CO贡献率较高,分别为53%和61%;NO_x年排放总量中26%由重型货车贡献;PM_(2.5)则主要由轻型货车和重型货车贡献,占比分别为39%和21%.     

Application of AERMOD on near future air quality simulation under the latest national emission control policy of China：A case study on an industrial city

Air quality model can be an adequate tool for future air quality prediction, also atmospheric observations supporting and emission control strategies responders. The influence of emission control policy (emission reduction targets in the national "China’s 12th Five-Year Plan (2011-2015)") on the air quality in the near future over an important industrial city of China, Xuanwei in Yunnan Province, was studied by applying the AERMOD modeling system. First, our analysis demonstrated that the AERMOD modeling system could be used in the air quality simulation in the near future for SO2 and NOx under average meteorology but not for PM10. Second, after evaluating the simulation results in 2008 and 2015, ambient concentration of SO2, NOx and PM10 (only 2008) were all centered in the middle of simulation area where the emission sources concentrated, and it is probably because the air pollutions were source oriented. Last but not least, a better air quality condition will happen under the hypothesis that the average meteorological data can be used in near future simulation. However, there are still heavy polluted areas where ambient concentrations will exceed the air quality standard in near future. In spatial allocation, reduction effect of SO2 is more significant than NOx in 2015 as the contribution of SO2 from industry is more than NOx. These results inspired the regulatory applications of AERMOD modeling system in evaluating environmental pollutant control policy     

基于WRF-Chem模拟的玉溪市大气环境容量精细估算

云南高原的清洁大气环境及其潜在变化是一个值得深入研究的大气环境问题.本文选择云南高原重要工业城市—玉溪作为研究区域,基于中尺度空气质量模式WRF-Chem,开展玉溪市的大气环境容量模拟估算.同时,以2015年冬、春、夏、秋季主要大气污染物模拟为基础,采用以我国环境空气质量标准(GB3095—2012)为约束目标的WRF-Chem模拟迭代大气环境容量算法,设置3 km的精细分辨率,计算得到2015年玉溪市一次PM_(10)、一次PM_(2.5)、SO_2、NO_x和CO的大气环境容量分别为1.284×10~4、0.854×10~4、1.917×10~4、1.796×10~4和51.556×10~4t·a~(-1).最后,研究了整个玉溪市区域和城区大气环境容量的季节变化特征,结果发现,各污染物冬季大气环境容量最小,除PM_(2.5)外的污染物均在春季大气环境容量最大.玉溪市城区剩余容量占全市的比例均在40%左右,反映了工业发展和城市化带来的大气环境的城乡差异及可能的环境变化效应.     

北京市控制大气污染四期紧急措施环境有效性分析

对北京市控制大气污染的四期紧急措施进行量化,分别计算出各项控制措施实施后的排放削减量,建立排放清单.采用空气质量模型,模拟了紧急措施实施的各阶段市区内一次大气污染物SO₂、NO_x和PM10浓度的时空分布情况,分析和评价了四期紧急措施的环境有效性.结果表明,四期紧急措施对SO₂和NO_x的控制效果较好,PM10的环境浓度下降不明显.     

太原市居民生活燃煤大气污染物排放清单研究

为了科学计算居民生活燃煤对大气污染物排放的贡献率,建立了太原市居民生活燃煤的大气污染物排放清单.利用高分辨率遥感卫星影像、DEM（数字高程模型）和GIS（地理信息系统）对太原市平房空间分布及面积进行了解译,得到2016年太原市平原、山区、城乡区域平房面积.对平原农村、山区农村、城中村典型区域进行实地调查,统计不同区域户均平房面积和生活燃煤使用量,估算得到了平原农村、山区农村、城中村的生活燃煤使用量.结合相关文献测算的排放因子,计算太原市居民生活燃煤散烧的PM₁₀、PM_2.5、SO₂、NO_x、VOCs、CO、OC、EC排放总量.结果表明:2016年太原市有22.8×104户燃煤散烧居民,2016年燃煤消耗量为109.6×104 t,平原和城乡居民是主要的生活燃煤用户也是居民生活燃煤大气污染物的主要排放源;太原市居民生活燃煤散烧的PM₁₀、PM_2.5、SO₂、NO_x、VOCs、CO、OC、EC排放总量分别为9 666.7、7 518.6、8 110.4、1 753.6、657.6、153 549.6、3 419.5、2 882.5 t;2016年太原市清徐县和太原市城区居民煤炭消耗量合计达97.9×104 t,占全年燃煤总消耗量的88%.研究显示,太原市应加快煤改气、煤改电和集中供热建设,进一步推广清洁能源以期减小居民生活燃煤大气污染.      

基于能源-环境情景模拟的北京市大气污染对居民健康风险评价研究

保护居民健康是北京市能源系统优化管理和大气污染治理的重要目标.本研究基于北京市的社会经济发展目标并结合相关节能减排和环保要求,针对全市2010-2020年间的能源消费分别设计了高、中、低3种约束情景,通过LEAP模型预测了全市至2020年的能源消费量与S02、NOx、PM10和PM2.5等4种主要大气污染物的排放强度,并采用泊松回归模型对3种情景下主城区居民受环境空气中这4种大气污染物的暴露危害所导致的健康风险进行了评估.结果显示:相对低约束情景,高约束情景至2020年可避免与S02、NOx、PM10和PM2.5污染相关的死亡危害分别为2663、6359、4720和4104人·a-1,而且在高约束情景下煤炭消费比重每下降1％,可相应地避免约1400人·a-1的污染急性死亡.由此建议北京市实施更加严格的节能和减排措施,严控煤炭消费总量,进一步优化能源结构,最大程度地降低能源消费导致的大气污染所产生的居民健康风险.     

北京市大气污染减排潜力及居民健康效益评估

北京市能源消费正面临着污染物减排和保障居民健康的双重约束. 针对未来城市能源消费设计BAU(基准情景)和2个分别基于近期和中长期节能环保要求的受控情景(EC1、EC2),模拟预测了3个情景下主要大气污染物(SO₂、NO_x、PM₁₀、PM_2.5)在目标年(2020年)的排放水平,以确定大气污染减排潜力. 分别采用综合暴露-反应关系模型(IER)和泊松回归模型,评估北京市居民对PM_2.5暴露的健康风险,估算健康损失的经济价值. 结果表明:相较BAU情景,在EC1情景下, SO₂、NO_x、PM₁₀、PM_2.5减排率分别达到52.95%、49.77%、32.82%、41.41%,可减少PM_2.5暴露下居民死亡和发病219 783例,其中死亡1 295例、住院3 920例、门诊182 558例、患病32 011例,获得健康效益111.87×108元;在EC2情景下,SO₂、NO_x、PM₁₀、PM_2.5的减排率分别达到66.61%、63.42%、54.96%、57.44%,可减少PM_2.5暴露下居民死亡和发病519 234例,其中死亡2 930例、住院9 248例、门诊427 070例、患病79 986例,获得健康效益290.10×108元. 相较EC1情景,EC2情景可产生更大的减排潜力和居民健康效益. 从空间分布上来看,北京主城区因能源方案优化获得的健康效益较大,约占总健康经济效益的60%.      

基于LEAP模型的京津冀地区钢铁行业中长期减排潜力分析

京津冀地区是我国钢铁行业集中布局的地区,也是大气污染最突出的地区.分析京津冀地区钢铁行业各类治污工具的中长期减排影响,对于选择最优减排措施、加快推动该地区大气污染治理意义重大.构建基于LEAP模型的京津冀地区钢铁行业模型,以2015年为基准年,以每5 a为一个时间节点,结合规模减排、结构减排、技术减排、末端治理4种减排措施,模拟计算了4种单一政策情景及4种组合政策情景下2015-2030年京津冀地区钢铁行业主要污染物（SO₂、NO_x、PM₁₀、PM_2.5、CO₂）排放量及相应的减排影响.结果表明:在单一政策情景下,规模减排情景对5种污染物减排效果均十分显著.在组合政策情景下,4种减排措施叠加的综合减排情景效果最好,在该情景下京津冀地区钢铁行业到2030年SO₂、NO_x、PM₁₀、PM_2.5、CO₂排放量将分别削减27.73×104、17.85×104、42.94×104、27.35×104、23.15×107 t;在规模-末端治理情景下,除CO₂外其余污染物减排效果仅次于综合减排情景;规模-结构减排情景对PM₁₀和PM_2.5的减排效果相对明显;规模-技术减排情景对CO₂、SO₂、NO_x的减排效果相对明显.研究显示,京津冀地区钢铁行业需要在大力淘汰落后过剩产能、缩减产量等源头治理措施的基础上,持续加强末端治理、提高废钢比例、提升节能减排技术水平等协同治理能力,以提高治污减排效果.      

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.     

Spatial and temporal variation of particulate matter and gaseous pollutants in 26 cities in China

O3and PM2.5were introduced into the newly revised air quality standard system in February 2012, representing a milestone in the history of air pollution control, and China's urban air quality will be evaluated using six factors(SO2, NO2, O3, CO, PM2.5and PM10) from the beginning of 2013. To achieve the new air quality standard, it is extremely important to have a primary understanding of the current pollution status in various cities. The spatial and temporal variations of the air pollutants were investigated in 26 pilot cities in China from August 2011 to February 2012, just before the new standard was executed. Hourly averaged SO2, NO2and PM10were observed in 26 cities, and the pollutants O3, CO and PM2.5were measured in 15 of the 26 cities. The concentrations of SO2and CO were much higher in the cities in north China than those in the south. As for O3and NO2, however, there was no significant diference between northern and southern cities. Fine particles were found to account for a large proportion of airborne particles, with the ratio of PM2.5to PM10ranging from 55% to 77%. The concentrations of PM2.5(57.5 μg/m3) and PM10(91.2 μg/m3) were much higher than the values(PM2.5: 11.2 μg/m3; PM10 : 35.6 μg/m3) recommended by the World Health Organization. The attainment of the new urban air quality standard in the investigated cities is decreased by 20% in comparison with the older standard without considering O3, CO and PM2.5, suggesting a great challenge in urban air quality improvement, and more eforts will to be taken to control air pollution in China.     

南昌市固定燃烧点源大气污染物排放清单及特征

大气污染物排放清单是了解区域污染物排放特征、准确模拟空气质量的重要资料,而工业点源是大气污染的重点排放源.通过收集相关活动水平信息和合理的排放因子,采用"自下而上"的方法建立了南昌市2014年点源大气污染物排放清单.结果表明,SO_2、NO_x、CO、PM_(10)、PM_(2.5)和VOC排放总量分别为29576.2、17115.1、25946.6、4689.4、922.9和1190.4 t,其中,金属炼制行业对SO_2、CO和VOC的贡献最高,分别占37.75%、30.59%和38.45%;火电行业是NO_x的主要来源,其贡献率为47%;水泥等建材制造行业对PM_(10)和PM_(2.5)排放贡献最高,分别为26%和25%.根据排放源污染物排放量及地理坐标信息,建立了0.4 km×0.4 km的污染物排放量空间分布特征图,结果表明,南昌市大气污染物排放较为集中,青山湖区北部和新建区北部是SO_2、NO_x、CO和VOC的主要排放区,而PM_(10)和PM_(2.5)的排放量相对分散,并在安义县出现排放高值区.通过将计算结果与统计数据结果进行对比,了解所估算清单的准确程度.对SO_2和NO_x的计算值和统计值进行统计分析,结果显示,NMB(标准化平均偏差)和NME(标准化平均误差)值均小于50%,清单计算精度较高.同时,为了解清单数据质量,对清单的不确定性进行定量分析,结果显示,SO_2和VOC不确定性较低而PM_(10)和PM_(2.5)的不确定性相对较高,清单整体不确定性与其他研究结果相差不大.建议后期研究可以从提升基础数据质量和建立具有区域代表性的排放因子数据库着手,从而减小排放量的不确定性,获得精准可靠的大气污染物清单并应用于空气质量模型预报等更深入的研究.     

1997~2011年北京市空气中酸性物质与降水组分变化趋势的相关性分析

依据北京市环境保护监测中心1997～2011年降水监测资料、大气环境质量监测资料,结合北京经济发展和能源结构变化,分析了酸雨前体物的排放与环境空气中酸性物质及降水中组分的相关性,为政府部门评定大气污染治理效果,制定未来防控政策和规划提供科学决策依据.研究表明,环境空气中NO2、NOx、SO2年均浓度显著相关,说明北京地区环境空气中氮与硫的来源基本相同,均来自化石燃料燃烧排放,这也是酸雨形成的根本原因.北京市大气中的污染物主要来自局地排放源,而降水中硫、氮的湿沉降量与环境空气中SO2、NO2、NOx浓度变化趋势的相关性较差,表明降水中各离子浓度受局地源和外来大气输送共同作用的影响.同时发现降水中硝酸根浓度与机动车数量呈现相同变化趋势,反映出机动车尾气排放的NOx与降水中硝酸根浓度增长密切相关.     

京津冀污染物跨界输送通量模拟

发展了关键影响因子加权人为源分配方法(WKIF),增添了依赖于气象条件和下垫面类型的生物源,动态更新了气象场和浓度场的边界条件.然后利用WRF-CAMx模式定量给出了四季北京、天津和河北大气边界层中PM2.5、O3、CO、SO2、NO2和NO跨界输送通量和北京净输入或输出通量.结果表明WKIF方法合理反映了中小城市人为源的空间分布特征,模式重要输入参量、初值与边界条件的改进显著改善了WRF-CAMx模式对京津冀地区6个观测站点近地面NOx、O3和PM2.5浓度的模拟.北京向天津冬、春季主要通过西北方向,夏、秋季主要经过偏西方向输入NO、NO2、SO2、CO、O3、PM2.5,输送通量夏季均最小,冬季均最大,且四季北京向天津输入的CO、O3、PM2.5通量显著高于NO、NO2、SO2通量.河北的污染物冬、春季主要通过西北方向,夏季主要经由偏南方向,秋季主要途径偏西方向进入北京;四季北京向河北输入NO和NO2,但跨界输送通量小于20t·d-1;四季河北向北京输入的CO、O3、PM2.5通量远高于北京向河北输送的NO、NO2通量,明显大于北京向河北输送的SO2通量,且河北向北京输入CO、O3、PM2.5通量夏季均最小,冬季均最大;四季北京大气边界层中NO、NO2、SO2最大净输出通量小于50t.d-1,CO、O3、PM2.5净输入或输出通量分别为111～2309、567～6244、715～1778t·d-1.这些定量结果为京津冀区域污染源调控对策的制定提供了科学依据.     

兰州市高分辨率人为源排放清单建立及在WRF-Chem中应用评估

城市尺度高分辨率人为源大气污染物排放清单是城市空气质量预报预警、污染成因分析和减排措施制定的重要基础数据,目前我国西部地区城市尺度的人为源排放清单研究仍然相对薄弱,能对接于空气质量模式的排放清单更为缺乏.本文整合已发表的清单文献,建立了可对接于空气质量模式的2016年兰州市城市尺度的人为源清单模型（HEI-LZ16）,将之应用于WRF-Chem模式,评估HEI-LZ16的准确性和适用性.结果表明：兰州市2016年人为源排放的SO₂、NO_x、CO、NH₃、VOCs、PM₁₀、PM_2.5、BC和OC总量分别为25642、53998、319003、10475、35289、49250、19822、2476和1482 t·a^-1.在模拟时间内,HEI-LZ16相比于MEIC,O₃和PM_2.5的NME值分别减小了140.2%和28.8%,HEI-LZ16更加准确适用.分析了HEI-LZ16情景下模拟的PM_2.5和O₃时空分布,兰州市臭氧MDA8呈现冬春季城区低而郊区高,夏秋季河谷城区西部及其下风向地区高的分布特征,夏秋季高浓度区的分布受偏东风和光化学反应的共同影响,冬季城区O₃浓度受NO_x排放的抑制作用浓度反而降低.PM_2.5浓度的高值区主要集中在黄河河谷盆地,本研究表明沿白银—兰州黄河河谷盆地走向的西侧存在一个污染物传输通道,其对兰州市环境空气质量具有较大的影响.     

Multi-dimension apportionment of clean air “parade blue”phenomenon in Beijing

The mass concentration and major chemical components of fine particulate matter were measured before, during and after Beijing''s massive parade commemorating 70th anniversary of the Chinese Victory in World War II on September 3, 2015. Regional emission inventory, positive matrix factorization (PMF), observations from space and backward air mass trajectories were jointly applied to identify the major pollution sources and their temporal and spatial variations. The contributions of emissions, their variations and the meteorological conditions related to the “parade blue” phenomenon in Beijing and its surrounding areas were investigated in detail. The main cause of the decreased PM_2.5 mass concentration was attributed to the absolute reduction in emissions of primary air pollutants. The chemical composition of PM_2.5 varied significantly before, during and after the parade. Fugitive dust particles were well controlled, the secondary formation of PM_2.5 was reduced along with the controlled gaseous precursors'' emissions from vehicles and industrial sources during the temporary intensified control period. During the parade period, the SO₂ and NO₂ column concentrations in Beijing and the surrounding areas decreased sharply, indicating that the coordinated reduction in primary emissions from the surrounding areas of Beijing played an important role in lowering the ambient concentration of SO₂ and NO₂ and accordingly lowered PM_2.5 and improved the regional air quality. A comparison of the temperature, humidity, and wind speed and direction during the same periods in 2014 and 2015 showed that the meteorological conditions positively influenced the achievement of “parade blue”.