固定源排放污染物健康风险评价方法的建立

将AERMOD模型应用于健康风险评价中,建立固定源排放污染物的健康风险评价方法,直接预测污染源排放毒性污染物通过某种暴露途径引起的健康风险.以兰州市三大电厂在采暖期和非采暖期排放可吸入颗粒物(PM_(10))中多环芳烃(PAHs)和其中的苯并[a]芘(Ba P)对不同年龄、不同性别的人群在呼吸暴露下的健康风险(包括致癌风险值和非致癌危险指数)为例,结合兰州市采样点处PM_(10)中PAHs的实测数据,分析三大电厂排放PM_(10)中PAHs和Ba P对人群呼吸暴露下的健康风险在采样点处的贡献率.结果表明贡献率与性别和年龄无关,与时间段和风险类别有关,非采暖期的贡献比采暖期的大,非致癌危险指数的贡献比致癌风险值的大.通过与传统方法的对比验证该方法的可靠性.该方法适用于所有固定源排放毒性污染物的健康风险评价以及环境影响评价中环境风险的评价.     

轨道交通列车内空气质量研究现状与展望

城市轨道交通因其运量大、效率高、能耗低等诸多优点,成为城市公共交通的主要方式,其中主要以地铁为主。虽然通勤者在地铁内停留时间短,但因列车及乘客的活动,其内自然通风不足,空气质量差,影响出行人员身体健康。研究表明：颗粒物（PM）、挥发性有机物（VOCs）和细菌是主要的空气污染物。其中,轨道交通颗粒物主要来源于列车与轨道之间的磨损,且颗粒物中金属元素含量丰富,遗传毒性较强。VOCs主要来源于地铁装饰物的挥发,细菌与真菌等主要受客流量、通风、温度等因素影响。此外,文章综合叙述了暴露于PM以外的各种空气污染物的健康风险。最后,指出进一步优化列车运行条件、开发先进的空气净化装置,是未来轨道列车空气质量研究与控制的方向。     

辽东湾大气中多环芳烃的含量组成及气粒分配

2016年5月和8月对辽东湾大气环境中气相和颗粒相样品进行了走航和定点采集,并对24种PAHs在气相和颗粒相中的含量和组成进行探讨,对15种PAHs的气粒分配过程进行了分析.结果表明：5月和8月辽东湾大气气相和颗粒相中∑₂₄PAHs总平均含量分别为28.8 ng·m^-3和24.0 ng·m^-3,气相中∑₂₄PAHs含量5月小于8月,颗粒态∑₂₄PAHs含量5月大于8月,低分子量PAHs主要分布在气相中,高分子量PAHs组分主要分布在颗粒相,中等分子量PAHs的气粒分配更容易受到气温等环境条件影响;气粒分配系数K_p随着PAHs分子量增加而增加;lgK_p-lgP_L模型和lgK_p-lgK_OA模型的斜率m分别为-0.35和0.37,偏离平衡态m为-1或+1,辽东湾气粒分配未达到平衡;假设达到平衡态时的lgK_p-lgK_OA模型、lgK_p-lgP_L模型和碳黑-空气模型均表明,5环PAHs的模型预测结果与实际测定结果之间的吻合程度较好,15种PAHs的碳黑-空气模型能够更好地接近野外实际测定值,低分子量和中等分子量PAHs的气粒分配受到碳黑影响较大.     

洛阳市秋冬季PM2.5中多环芳烃的污染特征、来源解析及健康风险评价

本研究于2018年10月4日至2019年1月30日在洛阳市高新和林校2个采样点位同步连续采集秋冬季PM_2.5样品,使用气相色谱-质谱联用仪（GC-MS）对PM_2.5中优先控制的16种多环芳烃（polycyclic aromatic hydrocarbons,PAHs）进行了分析测定.对优良天和污染天PM_2.5中16种PAHs的质量浓度和组成分布特征进行了研究,利用特征比值法和主成分分析法对其主要来源进行了定性解析,并使用苯并［a］芘（BaP）毒性当量法和增量终生致癌风险模型评估了对人体的健康风险.结果表明在采样期内,高新和林校两个采样点的PM_2.5中16种PAHs质量浓度变化范围分别为24.33~90.26 ng·m^-3和23.81~76.99 ng·m^-3.随着PM_2.5污染程度的加重,PAHs浓度明显升高（污染天为优良天的1.3倍）,不同环数PAHs贡献顺序均为：4环（43%~48%） > 5~6环（32%~35%） > 2~3环（20%~22%）.大气中PAHs主要来自于燃烧源,包括燃煤、生物质燃烧以及机动车排放等,其中燃煤对PAHs污染贡献最大（优良天：49.28%~56.38%,污染天：49.44%~60.60%）.BaP毒性当量浓度表明,污染天存在更高的人体健康风险;增量终生致癌风险结果表明,污染天致癌风险高于优良天,成人呼吸暴露风险高于儿童,在研究区域内不同污染水平下健康风险属于可接受水平（<1×10^-6）.     

办公建筑夏季用能行为测试研究

建筑使用者热环境改善行为对建筑能耗具有重要影响。对杭州市某办公建筑开展夏季空调使用行为测试。较高的空调使用率以及空调设备对室内热环境的显著改善说明空调使用是该地区夏季采用的主要降温措施。采用逻辑回归构建出夏季空调开启率预测模型。根据所构建的夏季空调开启率预测模型,得出测试房间空调开启室外耐受温度为32.0℃。根据测试期间空调开启时刻温度,得出空调开启室内耐受温度为28.7℃。     

室内外PM10中多环芳烃相关关系及来源分析

为研究室内外PM10中多环芳烃相关性和来源特征,于2009年非采暖季、采暖季在天津市某小区36位住户室内和室外进行PM10膜采样,并分析其中12种PAHs浓度.结果表明,非采暖季较采暖季更为良好的室内外通风性,导致非采暖季室内外PM10中PAHs浓度没有显著差异(P>0.05),而采暖季室内PM10中PAHs浓度显著小于室外浓度;非采暖季室内外PM10中各PAHs占总PAHs的质量百分比基本一致,而采暖季其室内外质量百分比有明显不同;采暖季和非采暖季室内外PM10中PAHs的I/O平均值均低于1,但采暖季I/O值小于非采暖季. 对参与者的时间活动模式分析表明,在采暖季和非采暖季,室内吸烟、清洁活动以及烹饪对室内PM10中PAHs浓度变化均没有显著影响(P>0.05). 室内外PAHs浓度线性回归分析表明,室内PM10中5~7环PAHs主要受到室外源的影响,2~4环PAHs主要受到室内源的影响,非采暖季和采暖季室内外PM10中总PAHs的有效穿透因子分别为0.73和0.51. 通过特征比值法对PM10中PAHs来源进行解析得出,燃煤源、柴油机动车是其主要来源.     

现代建筑物室内空气质量的影响因素分析

根据现代建筑物的特点，主要从室外大气污染物；通风空调系统；建筑、装饰材料；办公室设备和家电；室内人员自身行为等５个方面，分析了影响室内空气质量的因素。并在此基础上，提出了相应的改善措施。影响现代建筑物室内空气质量的原因有很多，应根据其具体功能和所处地理位置，以及自身的建筑结构特点，采取不同的改善措施。     

西安市大气污染物时空演化特征及对人体健康评价

西安市是我国西北政治、经济和文化中心,工业发达,但空气污染事件对社会经济的高质量发展带来极大挑战,探究该地区大气污染特征并厘清其对人体健康产生的影响至关重要.对西安市2015~2021年大气污染物的时空趋势变化特征进行分析;其次,利用空气质量指数（AQI）、综合空气质量指数（AAQI）和空气质量健康指数（HAQI）结合AirQ_2.2.3 模型量化各污染物对人体的健康效应.结果发现,研究区整体空气质量呈良好状态,各大气污染物呈现下降态势.污染物主要以PM₁₀ 、PM_2.5 和O₃ 为主,地形特征和人为排放的混合式污染是研究区的主要污染特征.AAQI和HAQI相较于AQI对污染水平表现出较好的分类效果,HAQI揭示研究区全年约有80 %左右的人口暴露于不健康的空气中,其中冬季暴露于不健康空气中的人群最多,其次为秋季、春季,夏季最少.AirQ_2.2.3 模型量化出归因于PM_2.5 、PM₁₀ 、SO₂ 、CO、NO₂ 和O₃ 的总死亡率比例分别为0.99 %、2.04 %、0.41 %、1.72 %、8.76 %和3.67 %,且呼吸系统和心脑血管疾病死亡率的可归因比例与总死亡率变化规律较为一致.     

Relationships between indoor and outdoor air quality in four naturally ventilated offices in the United Kingdom

Three offices in central London and one at a rural location were characterized with respect to air quality. All four offices were naturally ventilated. The characterization was supplemented by using a mobile laboratory to monitor the outdoor air quality. Results indicate that indoor pollutant concentrations may be up to 80% of the concentration outdoors but can greatly exceed outdoor concentrations. Additionally, it has been shown that indoor pollutants usually follow outdoor pollutant trends at lower levels, with only a small time delay due to mixing and dilution factors. The interaction between indoor and outdoor air is discussed with respect to ventilation characteristics and pollutant sources. A comparison between actual and modelled carbon dioxide levels may provide a useful indicator of ventilation.     

北京某小学室内外VOC浓度及有毒害物种识别

采用美国EPA推荐的TO14/15方法定量分析了北京市某小学室内外夏季观测的空气样品,得到82种挥发性有机物（VOCs）的浓度水平及组成特征,对其中可能危害儿童健康的有毒有害物质进行了识别.结果表明,室内总VOCs浓度高于室外,烷烃是含量最丰富物种,平均占室内外空气中定量VOCs总浓度的32.8%.室内外VOCs组成相似,异戊烷、苯、甲苯、丙醛、丙烯和二氯甲烷为浓度优势物种,受到室外源的影响较大,室内的对二氯苯、环己烷及间二氯苯较为特征,前2种物质室内/室外浓度比例平均值分别为65.8和10.5,间二氯苯室内平均浓度为2.02×10^-9（体积分数）,而室外浓度低于检测限,这3种物质可能来自室内源. 1, 3-丁二烯、氯乙烯、苯和氯甲烷4种物质在学校室内、室外及儿童家中都超过1×10^-6的癌症风险值,平均风险值分别为1.3×10^-5、 6.4×10^-6、 5.1×10^-6和3.3×10^-6,小学室外、室内及儿童家中的累积癌症风险超过1×10^-6的癌症风险值24～39倍.丙烯醛未确认具有致癌性,但具有毒有害性,在室内外及儿童家中超过基准浓度13～72倍.     

冷空气过程对江苏持续性霾的影响研究

利用地面气象观测资料、PM_(2.5)浓度监测资料和数值模式产品对2016年12月14—24日江苏遭遇的一次长时间霾天气过程进行分析.研究结果表明:过程期间有两次冷空气南下影响江苏省,两次冷空气均带来大风和降水,有效地清除了前期污染物,但随后全省PM_(2.5)浓度开始升高.第一次冷空气强度强于第二次,造成的污染也较重.WRF-Chem模式对本次过程的气象场和PM_(2.5)浓度模拟均较好,模拟观测相关系数分别达到0.52~0.99和0.40.模式能够较好地模拟出污染物的输送过程和时空分布.与第二次冷空气过程相比,第一次冷空气过程存在明显的污染物自北向南输送过程,100~500 m高空持续偏北气流(第2次过程为西北-偏西气流),期间全省平均边界层高度(PBLH)只有260 m(低于第2次过程的500 m),不利于污染物垂直扩散,造成地面浓度较高.利用HYSPLIT-4模式追踪了两次过程中淮安、泰州、无锡三站上空100 m处大气48 h后向轨迹,发现第一次过程中污染物来自山东中西部,第二次来自西部内陆地区.     

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.     

APEC会议前后北京地区PM2.5污染特征及气象影响因素

为分析APEC会议前后北京地区PM_2.5变化特征,利用中国科学院大学雁栖湖校区超级站在2014年10—12月的连续观测数据,对APEC会议前后北京地区污染物分布及变化特征、气象影响因素和气团传输路径特征进行了分析. 结果表明:APEC会议期间北京地区减排效果显著,ρ(PM_2.5)平均值比会前下降了60.5%. 气象条件对污染物扩散起到积极作用,APEC期间平均风速为1.40 m/s,平均相对湿度为31.9 %,近地面气象条件优于APEC会前、会后. 北京地区受到外来污染物输送的影响,在2.00~3.00 m/s的南风下易发生来自南部地区的PM_2.5和SO₂输送. APEC会议期间北京地区主要受来自西北地区的高速、高海拔气团控制,其出现频率为39.6%,远低于APEC会前 (15.9%)和会后(20.8%),而来自南部地区的低速、低海拔污染气团的出现频率仅为2.1%,扩散条件总体良好. 研究显示,除了减排措施有效削减了污染物排放以外,有利的气象条件也是APEC会议期间北京地区保持良好空气质量的重要因素.      

长三角地区大气污染物对新冠肺炎封城的时空响应特征

利用2020年1月1日—2月29日上海、南京、合肥和杭州4个城市常规污染物的逐时监测资料,结合卫星反演的NO₂垂直柱浓度信息,探讨了新冠肺炎封城的前、中、后期长三角地区城市大气污染物的污染水平及响应特征.结果显示：除O₃外,其余大气污染物的平均浓度在时间上的整体变化趋势均表现为封城前>封城中（1月24日—2月10日）>封城后,表明空气质量并非完全受封城导致的污染减排控制.封城期间的PM_2.5/PM₁₀比值高于封城前和封城后,表明气溶胶二次生成对封城期间仍出现的颗粒物污染可能有重要贡献.O_x浓度在封城期间也有显著上升（p<0.01）,表明大气氧化性可能在NO₂减少的背景下得到强化,从而促进二次气溶胶的生成.从空间看,O₃分布呈以城市为中心的包围式往内聚集分布,表明以局地生成为主.PM_2.5、PM₁₀、CO、SO₂和NO₂分布特征为北高南低,表明冬季自北向南的区域传输对封城期间的空气污染有重要贡献.卫星反演结果进一步证实华北平原是污染的主要源区,这也得到轨迹来源分析的佐证.     

基于机器学习算法的新冠疫情管控对河南省空气质量影响的模拟分析

全国各地为了减少新冠疫情对社会和人民生活的影响,采取了必要的防疫防控措施,这些措施对空气质量的变化产生了重要的影响,此外空气质量的变化与气象条件也存在很大的关系.通过对河南省疫情前（1月1~26日）和疫情管控期（1月27日~2月29日）这两阶段的空气质量分析对比发现,整个河南省除了O₃浓度上升了69.64%外,PM_2.5、PM₁₀、SO₂、CO和NO₂分别降低了36.89%、34.18%、19.43%、29.85%和58.51%;通过机器学习算法中的长短期记忆型网络（LSTM）模拟显示,气象条件引起污染物浓度的降幅大部分在15%~30%之间;人为排放减少引起的污染物浓度的降幅大部分在6%~40%之间.O₃在疫情期间上升过程中,气象条件和人为排放两种因素分别占了34.84%和34.81%.结果表明,疫情管控期间,河南省空气质量总体上有所改善,但是也有重污染发生,其中O₃的浓度对于疫情管控减排的影响不明显,呈负相关,需要进一步探索引起臭氧浓度上升的原因,以此帮助政府合理控制臭氧等前体污染物的减排比例.     

空气质量自动监测站房空调节能技术设计与实现

空气质量自动监测仪的正常使用温度为5℃~30℃,在中国北方地区使用要特别注意寒冷季节的防冻及酷热季节降温通风问题。为确保自动监测仪器的长期正常运转,发挥仪器的作用,在监测站房内冬季都配备取暖设施、夏季配备大功率空调。本研究充分利用自然环境资源,采用了引排风节能系统与空调联动控制技术,将室外的冷空气引入监测站房内给监测设备强制降温,排出室内热空气。有效地解决了冬季监测站房内温度过高的问题,减少了设备的故障率,使空调不必全年不停运行,每天可降低空调使用时间达10小时以上,节省了大量的电能。     

厦门市环境空气污染时空特征及其与气象因素相关分析

利用2014年3月—2015年2月厦门市18个监测站点实测数据,运用GIS技术、相关分析以及统计分析等方法,进行空气质量指数(AQI)及其污染因子的时空分析,结合厦门市土地利用分类专题图和主要重工业企业分布图进行厦门市环境空气质量状况污染源的分析.结果表明:厦门市首要污染物为PM10,其天数占全年的48%,PM2.5紧随其后占到36%;厦门市空气质量较好时间段主要集中在夏季,其中7月份是厦门市空气质量最好的月份,而厦门市秋冬两季的空气质量较差;AQI与温度相关系数达-0.813,具有极显著负相关性(p0.01),与气压相关系数达0.835,具有极显著正相关性(p0.01),而与风速和相对湿度气象因素相关性都不显著(p0.05);PM2.5、PM10、SO2、NO2、O3污染因子存在明显的空间分布差异,海沧区和集美区南部的空气污染比厦门其他地方明显更为严重;从土地利用图和主要重工业企业的分布图可以看出,污染最为严重的地区土地利用类型主要是建筑用地,而且这些地区还分布着许多钢铁厂和发电站.     

An economic assessment of the health effects and crop yield losses caused by air pollution in mainland China

Air pollution is severe in China, and pollutants such as PM_(2.5) and surface O_3 may cause major damage to human health and crops, respectively. Few studies have considered the health effects of PM_(2.5) or the loss of crop yields due to surface O_3 using model-simulated air pollution data in China. We used gridded outputs from the WRF-Chem model, high resolution population data, and crop yield data to evaluate the effects on human health and crop yield in mainland China. Our results showed that outdoor PM_(2.5) pollution was responsible for 1.70–1.99 million cases of all-cause mortality in 2006. The economic costs of these health effects were estimated to be 151.1–176.9 billion USD, of which 90% were attributed to mortality. The estimated crop yield losses for wheat, rice, maize, and soybean were approximately 9, 4.6, 0.44, and 0.34 million tons, respectively, resulting in economic losses of 3.4 billion USD. The total economic losses due to ambient air pollution were estimated to be 154.5–180.3 billion USD, accounting for approximately 5.7%–6.6% of the total GDP of China in 2006. Our results show that both population health and staple crop yields in China have been significantly affected by exposure to air pollution. Measures should be taken to reduce emissions, improve air quality, and mitigate the economic loss.     

苏州工业园区室内外颗粒物中多溴联苯醚污染特征及人体暴露水平

利用大流量主动采样技术在苏州市工业园区工厂车间、办公室、住宅区和风景区,采集PM₁₀样品,GC-MS测定PM₁₀中8种PBDEs的含量.室内PM₁₀中PBDEs总浓度范围为9.22~64.15 pg·m^-3（均值为20.93 pg·m^-3）,室外样品中PBDEs总浓度范围为1.06~8.44 pg·m^-3（均值为5.11 pg·m^-3）,室内含量显著高于室外含量.PM₁₀中∑₈PBDEs平均浓度从高到低顺序依次为工业车间、办公室、住宅区和室外大气,与其他地区室内外颗粒物含量相比,苏州室内外大气颗粒物中PBDEs都处于较低水平.室内外大气中BDE-209是最主要化合物（平均占总PBDEs的63%）,其次为BDE-99和BDE-47.车间员工、办公室员工和儿童的PBDEs日呼吸摄入剂量分别为3.75、2.78和2.60 pg·（kg·d）^-1,这表明苏州居民呼吸暴露PBDEs的潜在健康危害并不明显.     

电动汽车普及对江苏冬季大气污染影响的数值模拟

为研究电动汽车普及对空气质量的影响,首先利用机动车排放计算模型MOBILE估算了在电动汽车替代50%小型载客车情景下江苏省的大气污染物排放量,并利用中尺度气象-化学模式(WRF-Chem)模拟和分析了电动车替代前后冬季污染物浓度的变化特征.结果表明,如果用电动汽车替代小型载客车,江苏省13个地级市的CO、NO_x、VOC排放量都有所降低,减排量从地区来看,苏南苏中苏北.电动汽车替代将会造成江苏地区由交通排放引起的CO浓度降低20%～35%,氮氧化物浓度降低10%～30%,减排效果总体上苏南地区好于苏中和苏北地区.交通排放对于SO_2、一次PM_(2.5)和PM_(10)的贡献小,也可能是因为清单低估了交通源对它们的贡献,因此,减排效果不明显.受NO_x影响,交通减排增加了O_3浓度.