2015—2018年春节期间合肥烟花爆竹燃放对空气质量的影响

根据2015—2018年颗粒物浓度数据、颗粒物组分、激光雷达等资料,分析烟花爆竹燃放对合肥市空气质量的影响。研究发现,随着烟花爆竹禁燃措施力度的加强,2018年合肥市烟花爆竹对空气质量影响较2015—2017年显著下降,2018年春节期间PM₁₀与PM_2.5峰值浓度比2017年分别下降44. 4%和52. 9%,污染峰值容易出现在除夕和初一前后。春节期间合肥市大气污染总体上呈现自东北到西南逐渐减轻的趋势,周边县(市)空气质量的污染程度比城区更加严重。烟花爆竹的燃放导致空气中金属元素浓度和SO₄^2-浓度明显增加,富集因子法发现呈现严重富集重金属元素Sr、Zn、Ba、Cu、Pb、Sn、Sb和其他元素(如K、As)。2018年烟花爆竹禁燃措施力度加强后,K、As、Sn、Sb元素富集程度呈现下降趋势,较高消光系数对应的高度范围较2017年大幅减小,并且污染带厚度显著降低,城区依然可能存在外来污染传输的颗粒物下沉现象,周边大片农村和城乡结合部的烟花爆竹集中燃放同样会导致被其包围的城区空气质量迅速恶化。     

2023年春节期间烟花爆竹燃放对汕头市PM2.5污染影响分析

基于常规污染物浓度与气象观测资料、第五代欧洲中期天气预报中心（ERA5）大气再分析资料与单颗粒气溶胶质谱在线监测数据,分析了2023年春节期间广东省汕头市细颗粒物（PM_2.5）污染的气象成因、来源及化学成分变化,讨论了烟花爆竹燃放对空气质量的影响,并使用随机森林算法量化了春节期间烟花爆竹燃放对汕头市及各区县PM_2.5浓度的贡献。结果表明,烟花爆竹燃放与不利气象条件的叠加导致汕头市2023年春节期间PM_2.5浓度整体上升,造成了连续3 h的PM_2.5重度污染。PM_2.5来源解析结果显示,春节期间烟花爆竹对PM_2.5浓度的贡献率最大（35%）,其次为扬尘源（14%）、移动源（12%）与二次无机源（12%）。集中燃放时段的特征离子数浓度大幅增加,是非集中燃放时段的3.5～39.3倍,特征离子（钡离子）在集中燃放时段的增幅最为明显。随机森林模型的量化评估显示,2023年春节期间烟花爆竹燃放对PM_2.5浓度的贡献率达36.9%。相比汕头市东部和北部地区,2023年春节期间烟花爆竹燃放对汕头西部和南部地区的贡献率更大。提出,汕头市应继续加强春节期间烟花爆竹监管,开展针对违法违规经营和燃放烟花爆竹的检查整治,并针对各区县空气质量受烟花爆竹的影响程度,科学划分烟花爆竹禁燃区域与集中燃放区域,以进一步改善城市环境和空气质量。     

2013—2018年北京市PM2.5污染波动特征研究

利用2013—2018年北京市大气污染物监测数据及气象条件等资料,分析了北京市PM_(2.5)污染波动变化趋势及其影响因素。结果表明,2013—2018年北京市空气质量呈现整体改善趋势,优良天数由2013年的176 d增加至2018年的227d;重污染天数显著减少,由2013年的58 d逐年递减至2018年的14 d。受污染源排放、特殊气候现象、气象条件等多因素影响,近6年北京市ρ(PM_(2.5))月均值呈现波动下降趋势,其中秋、冬季波动性更加突显。2014—2016年北京市秋冬季PM_(2.5)污染突出,其中2014年10月、2015年11—12月、2016年12月ρ(PM_(2.5))月均值均达到中度污染级别;而2017—2018年北京市秋、冬季ρ(PM_(2.5))月均值均处于优良水平。相关性分析结果显示,地面相对湿度、中层温度与大气污染物呈现较强的正相关性,中层北风频率、地面风速则呈现负相关性。基于上述气象条件及CO、SO_2和NO_2等气态污染物共同构建的拟合方程对ρ(PM_(2.5))估算结果较好,多站点的拟合值与实际值的相关系数为0.900～0.947,进一步说明气象条件及相关污染源排放对PM_(2.5)污染具有显著影响。     

苏州市2022年春节期间烟花爆竹燃放对空气质量及PM2.5 组分的影响

利用苏州市2022年春节期间（1月31日—2月6日）逐时气象数据、细颗粒物（PM_2.5 ）及其特征组分监测数据,分析春节烟花爆竹集中燃放对PM_2.5及其特征组分的影响。结果表明：烟花爆竹集中燃放时段,硫酸根离子（SO₄ ^2-）、氯离子（Cl^-）、钾离子（K⁺）、镁离子（Mg²⁺）、有机碳（OC）和元素碳（EC）的质量浓度均显著升高,与非集中燃放时段相比,分别增加了90.6%,783.3%,350.0%,371.4%,137.5%,150.0%;质量浓度增加最显著的金属分别为钡（Ba）、铜（Cu）、铬（Cr）、钾（K）、铅（Pb）、锡（Sn）、锰（Mn）、锑（Sb）、硅（Si）、锌（Zn）、铁（Fe）、砷（As）、镓（Ga）（按增幅由大到小排序）;烟花特征离子钡离子（Ba²⁺）在烟花集中燃放时段的数浓度峰值是非集中燃放时段的34.9倍,其余特征离子数浓度峰值也都为非集中燃放时段的8倍以上。烟花爆竹集中燃放显著提高了空气中各项污染物的质量浓度,并且在除夕和初五2个时段分别形成了2个污染高峰;污染物比值法（M/CO）定量评估结果表明,苏州市区PM_2.5 的贡献率为50.4%,显著低于辖属区县,表明禁燃措施具有一定成效;特征水溶性离子、OC、示踪性重金属的变化特征与PM_2.5 质量浓度变化特征吻合;污染物在线源解析结果表明,春节期间苏州市空气质量受烟花爆竹集中燃放影响显著。     

春节期间烟花爆竹燃放对海口市空气质量的影响

基于2018年与2019年春节期间常规空气污染物数据、2019年细颗粒物PM_2.5中水溶性离子和OC/EC的化学组分数据,结合气象资料,分析了春节期间烟花爆竹燃放对海口市空气质量的影响。结果表明：春节期间烟花爆竹燃放对海口市初一的空气质量影响较大,主要影响污染物为PM₁₀、PM_2.5和SO₂,对NO₂、CO和O₃影响相对较小;实施烟花爆竹严格管控后空气质量明显改善,2019年除夕夜PM₁₀、PM_2.5和SO₂质量浓度峰值较2018年分别下降67.4%、68.5%和66.7%;烟花爆竹集中燃放主要造成K⁺、Cl^-、Mg²⁺和SO₄^2-快速上升,其中K⁺影响最为显著,K⁺短时上升了16.21 μg/m³,增加17.01倍;对于NO₂^-、Na⁺、F^-、NO₃^-、Ca²⁺、NH₄⁺等6种离子和OC/EC影响较小。     

2018年春节期间京津冀及周边区域空气质量分析

分析了2018年春节期间京津冀及周边区域空气质量状况,结果表明,京津冀及周边区域2018年春节期间空气污染较重,以石家庄、邢台、邯郸、晋城、长治为中心的区域污染最重,此次重污染过程呈污染范围大、持续时间长的特点。受微风、高湿、逆温等不利气象条件影响,颗粒物污染不断积累和二次转化。除夕(2月15日)至初六(2月21日),北京首要污染源为机动车尾气源,张家口、保定、太原、郑州为燃煤源,太原和廊坊烟花源占比高于其他城市。自除夕(2月15日)下午开始,区域内各城市烟花爆竹燃放相关离子浓度有不同程度的增加,北京、保定烟花源贡献率与贡献浓度与2017年春节期间相比有所下降。2018年春节期间PM_2.5浓度明显高于2015—2017年,区域南部空气质量较差,重污染区域主要集中在以石家庄、邢台、邯郸、长治、晋城为中心的区域。     

烟花爆竹燃放对永州市环境空气质量的影响分析

基于2018-2022年永州市春节期间逐时的各项污染物质量浓度数据,通过质量浓度分析、组分分析、相关性分析以及相对比值分析等方法,进一步精细化分析烟花爆竹燃放对环境空气质量的影响程度.结果表明,2018-2022年永州市春节期间污染天气主要集中在除夕及初一,污染物质量浓度攀升时间与当地烟花爆竹集中燃放时间一致,细颗粒物(PM2.5)小时最大质量浓度高达184 μg/m3,最高增幅达1 410％.集中燃放期间,钾离子(K+)、镁离子(Mg2+)、钙离子(Ca2+)、氯离子(Cl-)等增幅较高,且与颗粒物质量浓度保持较高的相关性,其中烟花爆竹燃放特征离子(K+)质量浓度最大值达到21.6 μg/m3,约是常规清洁天气下的7倍.相对比值分析结果表明,烟花爆竹燃放对颗粒物质量浓度的提升贡献较大,2022年集中燃放时期,烟花爆竹对PM2.5和可吸入颗粒物(PM10)质量浓度的贡献占比分别为6.2％～52.7％和0.9％～52.0％,烟花爆竹贡献的颗粒物质量浓度与实测质量浓度在小时变化趋势上呈高度一致性,表明烟花爆竹燃放是影响永州春节空气质量的主要原因.     

2018年11—12月北京市重污染天气过程数值预报能力评估

2018年11—12月北京市发生了4次以PM_2.5为首要污染物的重污染天气过程,为了分析数值模型对4次重污染过程的预报能力,将CMAQ模式提前1~7 d对北京市PM_2.5的小时预报结果与观测结果对比,分别从离散统计和分类统计2个方面评估CMAQ模式对4次重污染天气过程的预报效果,并简要分析了偏差产生的气象方面原因。结果表明：CMAQ模式提前1~6 d对重污染天气过程的预报显示出良好的性能,为日常业务预报提供了可借鉴的参考信息,可较好地预报出PM_2.5小时浓度变化趋势和浓度水平,离散统计结果显示提前1~4 d的预报结果好于提前5~7 d,相关系数r基本大于0.8,但有一定程度的低估趋势;分类统计结果显示不同预报时效预报准确率大于70%,探测准确率高于55%,部分时段可以达到80%~90%,对人工预报起到了良好的参考作用;输入的气象场的变化及其偏差对于重污染的起始时间、持续时间及清除时间有一定的影响,对相对湿度预报偏小和风速预报偏大是造成CMAQ模式低估的一个重要原因。     

安徽省春节期间烟花爆竹燃放对环境空气质量的影响研究

为研究烟花爆竹集中燃放对江淮地区环境空气质量的影响,基于近地面常规空气质量参数、颗粒物组分参数、激光雷达监测等数据资料,系统分析了2022年春节期间烟花爆竹燃放对安徽省主要城市和县域环境空气质量的影响。研究表明,2022年春节期间安徽省环境空气质量总体好于2019—2021年平均水平,但受局部烟花爆竹燃放和不利气象条件(低温、小风、高湿、静稳)的叠加影响,产生的环境效应(颗粒物浓度峰值较高、影响范围较广)依然较为严重。重点区域(合肥和淮北)大气颗粒物组分中硝酸根离子(NO^(-)_(3))、硫酸根离子(SO ^(2-)_(4))和铵根离子(NH_(4)^(+))等主要离子占比有所下降(降幅为3.4%~12.1%),烟花爆竹燃放示踪组分(钾离子、氯离子、金属元素等)均出现了明显的峰值过程,且金属元素浓度占比涨幅明显高于水溶性离子。烟花爆竹燃放对颗粒物的垂直分布和传输沉降过程产生显著影响,燃放排放主要以球形细颗粒物为主;不利气象条件下的本地烟花爆竹燃放叠加周边污染传输影响是造成主城区空气质量显著恶化的主要原因。基于ρ(PM_(2.5))/ρ(CO)的比值法估算,集中燃放时段,烟花爆竹燃放对城建区PM_(2.5)质量浓度的绝对贡献范围为4~701μg/m^(3),平均值达159μg/m^(3);烟花爆竹燃放对PM_(2.5)质量浓度的贡献量和贡献率呈现皖中>皖北>皖南的分布特征。主城区的禁燃措施对于春节期间空气质量的改善起到了关键作用,同时需要加强城市周边区域的烟花爆竹燃放管控措施。     

锅炉风机的噪声污染与控制

依据多年从事环境污染治理的经验,设计出治理锅炉风机噪声的隔声室,并对该隔声室的制造、治理效果进行了评价,得出了该隔声室是控制噪声污染的有效设备。     

春节除夕燃放烟花爆竹对环境空气质量影响分析

结合2003—2014年南京城区春节除夕前后主要空气污染物监测数据,分析烟花爆竹集中燃放时空气污染指数及PM10、SO2、NO2质量浓度的变化趋势。指出除夕燃放烟花爆竹会引起PM10、SO2、NO2质量浓度上升,在大气扩散条件不佳的情况下影响了环境空气质量。建议在大中城市城区采取适当的禁放措施,并加快研制安全环保型的烟花爆竹替代产品。     

固定源排气中可凝结颗粒物排放与测试探讨

阐述了可凝结颗粒物的定义及国内外颗粒物的测定方法,并就可凝结颗粒物的量级及危害进行了初步讨论,提出可凝结颗粒物应为被忽略的固定源颗粒状污染物,揭示出我国现存颗粒物采样方法存在的问题,并对此问题进行探讨,指出下一步工作的方向。     

春节烟花爆竹燃放期间苏州市区PM2.5组分特征分析

为了解春节期间烟花爆竹燃放对苏州市空气质量的影响,在苏州市南门监测点利用在线监测仪器(包括颗粒物分析仪、在线离子色谱、OC/EC分析仪和重金属分析仪)对环境空气中的PM2.5浓度水平、颗粒物水溶性离子、有机碳(OC)、元素碳(EC)和重金属浓度进行连续观测。通过比较烟花爆竹燃放时段和正常时段的PM2.5浓度水平和化学组成,分析并探讨烟花爆竹燃放对PM2.5浓度水平及其组分特征的影响。研究结果表明,大量烟花爆竹的集中燃放造成了PM2.5短时严重污染,最高质量浓度达到了571μg/m3,但随烟花爆竹燃放的减少,PM2.5浓度迅速降低。在烟花爆竹燃放高峰时段,SO42-、Cl-、K+、Mg2+和OC出现了明显的浓度峰值,SO42-质量浓度达到了93.2μg/m3,Cl-质量浓度达到了42.3μg/m3,K+质量浓度达到了115.6μg/m3,OC质量浓度达到了53.8μg/m3。另外,重金属浓度也出现了明显的峰值,Fe质量浓度达到了2.426μg/m3,Cu质量浓度达到了0.727μg/m3,Zn质量浓度达到了1.159μg/m3,Ba质量浓度达到了5.168μg/m3,Pb质量浓度达到了1.245μg/m3。烟花爆竹的燃放造成苏州市区环境空气中有毒有害物质的短期急剧上升,有必要限制烟花爆竹的燃放。     

Simulation of PM<Subscript>10</Subscript> concentration patterns for a 2010 traffic scenario in Bologna,Italy

Three state of the art traffic–emission–dispersion models dealing with particulate matter have been tested and validated over the Bologna metropolitan area with 2001 data and a future scenario has been developed in order to estimate expected PM concentrations in 2010. The modelling system is composed by a traffic model (VISUM) evaluating vehicle fluxes as a function of mobility demand and road network in the area, an emission model (Trefic) estimating pollutants emitted in atmosphere as a function of vehicle fluxes amount and composition and of environmental conditions and a dispersion model (ADMS) evaluating PM concentrations on the area, given the meteorological variables. The three models compose a cascade sequence and results of the previous one feed the next one. PM concentrations computed by the model suite for the town of Bologna, in northern Italy, for the reference period (January 2001) have been compared with air quality stations measurements suggesting the modelling system being especially suitable for evaluating traffic induced PM. Qualitative and quantitative changes in the circulating vehicle fleet have been supposed in order to obtain a realistic scenario for year 2010. Forecasted concentrations have been then compared with limits fixed by current EU legislation for particulate matter.     

External Contribution to Urban Air Pollution

Elevated particulate matter concentrations in urbanlocations have normally been associated with local trafficemissions. Recently it has been suggested that suchepisodes are influenced to a high degree by PM₁₀sources external to urban areas. To further corroboratethis hypothesis, linear regression was sought betweenPM₁₀ concentrations measured at eight urban sites inthe U.K., with particulate sulphate concentration measuredat two rural sites, for the years 1993–1997. Analysis ofthe slopes, intercepts and correlation coefficientsindicate a possible relationship between urban PM₁₀and rural sulphate concentrations. The influences of winddirection and of the distance of the urban from the ruralsites on the values of the three statistical parametersare also explored. The value of linear regression as ananalysis tool in such cases is discussed and it is shownthat an analysis of the sign of the rate of change of theurban PM₁₀ and rural sulphate concentrations providesa more realistic method of correlation. The resultsindicate a major influence on urban PM₁₀ concentrations from the eastern side of the UnitedKingdom. Linear correlation was also sought using PM₁₀ data from nine urban sites in London and nearby ruralRochester. Analysis of the magnitude of the gradients andintercepts together with episode correlation analysisbetween the two sites showed the effect of transportedPM₁₀ on the local London concentrations. This articlealso presents methods to estimate the influence of ruraland urban PM₁₀ sources on urban PM₁₀ concentrations and to obtain a rough estimate of thetransboundary contribution to urban air pollution from thePM₁₀ concentration data of the urban site.     

电生理技术在大气PM2.5污染健康风险管控中的应用

严峻的大气颗粒物污染导致的能见度下降和城镇灰色景观可能会阻碍居民压力恢复路径,损害居民身心健康。为研究大气PM_(2.5)污染对人体压力恢复的影响,基于压力恢复理论设计了一项生理心理学实验。随机招募127名被试(女性63名,男性64名),并随机分为6组(编号为G10、G30、G50、G100、G160和G260),每组被试在压力恢复阶段分别对应观看ρ(PM_(2.5))平均值分别为10,30,50,100,160和260μg/m~3的实景照片。结合压力自评量表和皮肤电、心电等电生理技术测量了被试观看不同环境ρ(PM_(2.5))实景照片时的压力恢复比例。结果显示,G10、G30、G50组被试的皮肤电水平、心率和心率变异性恢复比例约为40%～50%,50%～70%和60%～80%,G100、G160、G260组被试的皮肤电水平、心率和心率变异性恢复比例约为20%～40%,10%～40%和30%～50%,即观看ρ(PM_(2.5))低于50μg/m~3实景照片的被试在3 min内的压力恢复比例比观看ρ(PM_(2.5))高于100μg/m~3的实景照片的被试高20%以上。基于皮肤电的逐10 s压力恢复比例分析显示,2min内的清洁空气照片(G10、G30、G50组)暴露能使压力恢复至初始水平的60%左右,而暴露时间的增加可能会使被试产生疲劳和厌倦,从而导致压力恢复比例下降。指出,电生理技术是对自评量表测量的有力补充,能够客观、有效地测量压力水平变化,丰富了开展环境健康风险评估的手段,可为大气污染心理健康风险管控提供参考和借鉴。     

2010年春季沙尘天气对北京市空气质量的影响及其天气类型分析

利用2010年3-5月北京市市区以及北京西北部、西部和东部3个不同方位边界的空气质量自动监测站监测数据,结合气象资料和激光雷达观测数据,分析了春季外来沙尘对北京市空气质量的影响。研究结果表明:2010年春季北京市出现15次外来沙尘天气,外来沙尘输送对北京市空气质量的影响天数为21 d,直接造成15 d空气质量超标,最严重的一次API指数达到最大值500。沙尘的天气形势特征以及输送路径的不同,对北京市空气质量的影响有明显差异。当低压中心过境时,沙尘天气影响最重,颗粒物浓度显著上升,气态污染物迅速下降,沙尘呈现自西北向东南输送的特征;低压底部过境与低压中心过境类似,但是沙尘强度略弱;除此之外,沙尘回流也可以直接造成北京市空气质量超标,颗粒物浓度和气态污染物浓度均表现出上升的变化趋势。     

上海浦东新区城区大气PM2.5中水溶性离子污染特征研究

为研究大气中细颗粒物(PM2.5)在中低浓度水平下的污染特征及来源,于2018-2020年在上海市浦东新区采用在线气体组分及气溶胶监测系统对大气ρ(PM2.5)及其水溶性离子的质量浓度进行了在线连续观测.结果表明,2018-2020年ρ(PM2 5)变化总体均呈现冬季较高,春、秋季其次,夏季较低的特征.PM2.5中水溶...     

合肥市冬季颗粒物污染传输通道分析及通量研究

综合前后向轨迹聚类分析、激光雷达探测传输量及典型案例,系统分析2018—2020年冬季合肥市主要传输型重污染过程,揭示合肥大气污染输送通道的主要特征和污染期间PM_2.5的传输通量。结果表明：合肥市冬季污染主要输入通道分别为京津冀-山东西部-安徽北部-合肥(35%)、山东南部-安徽北部-南京-合肥(26%)、内蒙古-河北-山东-江苏中部-合肥(24%)、内蒙古-山西-河北南部-河南-安徽北部-合肥(15%);主要输出通道为合肥-六安或安庆-湖北-江西(54%)、合肥-安徽北部-江苏北部(18%)、合肥-河南南部-陕西(17%)、合肥-上海或浙江-海上(11%)。对激光雷达监测结果采用像素检测法分析,结果表明2018—2020年污染传输过程的平均传输通量分别可达20.3、33.7、19.5 t/h,年际差异较大。外源传输通量较高时的主导风向为偏北风,并且风速为3.1 m/s左右。合肥市处于安徽省自北向南污染传输通道的中游区域,受上游城市传输影响显著,典型污染传输型的平均传输通量可比上游城市(淮北市)低57.6%,比下游城市(池州市)高25.5%,且污染过程中常伴随PM...     

利用SPAMS初探盘锦市冬季PM2.5污染特征及来源

利用SPAMS 0515于2015年1月在盘锦市兴隆台空气质量自动监测点位采集PM_(2.5)样品,并分析其污染特征和来源。研究结果表明,盘锦市冬季PM_(2.5)的颗粒类型主要以OC颗粒、富钾颗粒、EC颗粒组成。其中,OC颗粒占比最高,为52.5%;PM_(2.5)污染的主要贡献源为燃煤、生物质燃烧、机动车尾气排放,占比分别为33.2%、25.7%、17.5%,特别是在PM_(2.5)质量浓度较高时段,燃煤和机动车尾气排放对污染的贡献较大。