大气污染排放格局优化方法及案例

目前改善空气质量的方法包括末端治理、产业结构调整、能源结构调整以及交通结构调整等,鲜见大气排放空间格局优化的方法.因此,本研究团队基于自然环境、人体健康、污染物传输能力和气象扩散条件等多种因素,使用阈值、自然间断点分级和空间擦除等方法划定大气环境布局适宜区;并据此优化调整大气排放格局,实现空气质量改善;再以广东省为例,校验空气质量改善效益以及探讨大气环境分区对排放格局优化的引导应用.结果表明,广东省环境空气质量一类区面积占全省9%;人口密集区占3%;国控站点敏感区占15%;污染物积聚区占22%;大气环境布局适宜区占60%,主要分布在粤西.通过推动广东省非火电工业源移入大气环境布局适宜区,可以使全省PM_2.5平均改善4%,城市最大改善10%.排放格局优化是空气质量持续改善方法中的一种创新性辅助支撑技术,在实际应用中,可以结合能源与产业结构调整、污染控制技术提升和跨区域联合防控,综合制定最可行的空气质量改善方案.     

荆州市大气污染物周边源影响域的气候模拟研究

以大气污染物协同控制与精准治理的需求为导向,开展湖北省荆州市大气污染物的来源分析.基于FLEXPART-WRF模式揭示了2008—2017年荆州市PM_2.5周边源"影响域"的季节气候特征,估算了大气污染物区域传输和局地排放的相对贡献,确定出不同季节的大气污染物主要传输通道.结果表明,荆州地区PM_2.5主要"影响域"为湖北、湖南、河南和安徽省.不同季节湖北省外源传输对荆州PM_2.5"影响域"的贡献率分别为春季50.4%、夏季33.9%、秋季42.6%、冬季43.0%和年均45.1%.春季3条区域传输通道分别为北通道（沿南阳盆地-荆州）、东通道（沿长江航道-荆州）以及南通道（沿雪峰山-荆州）;夏季主要为南通道;秋、冬季分别为北通道、东北通道（沿大别山低山丘陵-荆州）及东通道.针对荆州主要3类重污染天气型的典型个例"影响域"分析表明,高压静稳型PM_2.5污染主要来源于本地排放,省内贡献率达87.8%;低压倒槽型PM_2.5污染主要来源于偏南输送和本地累积,省内贡献率达55.0%;冷锋输送型PM_2.5污染主要来源于北路区域传输,省外贡献率达77.2%.对于冬季重污染期间,建议重点围绕荆州本地与省内荆门、襄阳、孝感、天门、潜江、武汉、随州、宜昌及省外常德、南阳、信阳等地开展协作,加强区域间大气污染联防联控.该项研究可为区域大气污染精细化管控与靶向治理提供科学依据.     

基于质子转移飞行时间质谱法对苏州市冬季大气VOCs的观测研究

为分析苏州市城区冬季VOCs污染水平、变化特征及污染来源,采用质子转移飞行时间质谱仪（PTR-TOF-MS）进行走航和定点观测.结果表明:①城区中心走航期间总挥发性有机物（TVOC）平均浓度为95.00 μg/m3,环高架快速路走航期间TVOC平均浓度为131.48 μg/m3,定点观测期间TVOC平均浓度为72.85 μg/m3.对比其他城市城区,苏州市城区VOCs污染较轻,环境空气质量处于优良水平（浓度数据基于PTR-TOF-MS所能观测物种）.②走航及定点观测期间平均浓度最高的均为含氧挥发性有机物（OVOC）,城区中心走航区域OVOC占比为35.83%,环高架快速路走航区域OVOC占比为43.33%,定点观测（处于闹市区）期间OVOC占比为33.36%.③观测期间对OFP贡献较大组分为OVOCs、烯烃、芳香烃.结合无机物种定点观测数据发现,VOCs和NO₂的浓度峰值与PM_2.5浓度峰值变化趋势一致.结合VOCs浓度呈早晚高峰的日变化规律,判断机动车尾气可能是VOCs、NO₂、PM_2.5的主要排放源之一.④特征比值法判断观测期间空气老化程度较高,苯系物主要来自交通源和燃料燃烧源.PMF（正矩阵因子分解法）源解析结果表明,VOCs污染源包括溶剂使用源、空气老化和二次形成源、植物源、交通源、工业源,结合非参数风回归模型（NWR）评估污染主要来自定点观测点北方的工业企业以及东南方向的环高架快速行驶的机动车,与走航观测高值点位一致.利用MIR系数法得出5类VOCs来源因子,其OFP贡献率依次为空气老化和二次形成源>溶剂使用源>植物源>交通源>工业源.研究显示,苏州市需加强管控溶剂使用行业的VOCs排放量,倡导在上下班高峰期、周末使用公共交通出行,减少机动车尾气排放,可以有效减少当地O₃生成.      

我国典型钢铁工业城市夏季臭氧污染来源解析研究

邯郸与其周边城市相比,臭氧(O3)污染最为严重.基于观测数据分析夏季邯郸O3浓度的时空特征,结果显示:观测期间邯郸O3超标天数比率为86.7％,各区县O3浓度分布存在差异,高温、低湿和偏南贴地气团传输是此次O3连续污染的主要成因.继而,以CAMx-OSAT模型模拟方法进行O3来源解析,溯源分析显示:邯郸O3污染具有明显...     

基于城市功能区划分的道路机动车大气污染物排放清单研究——以厦门市海沧区为例

道路机动车尾气排放是造成城市近地面空气污染的主要原因之一,建立基于城市功能区划分的道路机动车大气污染物排放清单对改善中观尺度的城市空气质量具有重要辅助作用.本文以厦门市海沧区为例,基于城市功能区划分方法,结合各功能区内监测道路的机动车通行量实测数据,建立道路机动车大气污染物排放清单,并分析各功能区道路机动车大气污染物排放特征.结果发现,海沧区道路机动车尾气排放物中CO的排放贡献率最高,工业区和居住区的道路机动车大气污染物排放量对海沧区的空气污染贡献率最大,海沧区夜间大气污染物的主要排放源来自于工业区道路机动车大气污染物排放;生态服务区及公共管理与公共服务区的道路机动车排放特征受相邻工业区机动车大气污染物排放的影响较为显著.研究表明:城市功能区分布欠合理是导致道路机动车大气污染物高排放量的重要原因之一;基于城市功能区划分构建道路机动车大气污染物排放清单的研究方法,不仅可为中观尺度下的城市大气污染排放情况提供有效的调查途径,而且能为城市功能格局的合理规划提供重要的理论依据.     

哈尔滨市雾霾天气成因及防控对策研究

近两年哈尔滨连续出现重度污染或严重污染天气,大气污染已经明显引起了公共健康效应和经济损失,大气环境治理工作已到了刻不容缓的地步.本文对哈尔滨市大气环境质量概况、大气污染主要成因分析得出,大气细颗粒物主要来源于民用秸秆燃烧、工业、露天焚烧、道路交通、供暖、火电和非道路交通.其中,工业、民用秸秆燃烧、露天焚烧和供暖为最大污染来源.通过运用哈尔滨市大气环境容量的测算,计算得到现状污染源布局下的最大环境容量,燃煤、机动车尾气排放、扬尘这三种因素加重了哈尔滨市的大气污染,进而提出哈尔滨市大气污染防治对策,达到控制大气污染进一步加剧的可能性.     

ArcGIS在大气污染源排放清单建立中的应用研究

以重工业城市唐山为例,在收集已有排放源数据的同时,结合唐山市环境空气质量状况,利用地理信息系统(ArcGIS)对污染企业的位置及污染物排放量、浓度参数建立网格模型,采用反距离权重法及区位商法对污染源及污染物的空间分布进行估算分析,形成准确完善的多尺度、高时空分辨率大气污染源排放清单.为京津冀地区区域大气污染联防联控及2020年大气污染物区域消减计划打下数据基础.     

本地及周边地区污染排放对深圳市夏季空气质量的影响

运用CALPUFF模型对深圳及周边地区（东莞、惠州、番禺）污染源排放对深圳市空气质量的影响进行了模拟研究,量化了各地区排放对深圳市二氧化硫（SO2）、二氧化氮（NO2）和可吸入颗粒物（PM10）浓度的贡献j分析了深圳本地各类污染源对环境空气质量的影响。结果表明,虽然深圳本地排放量低于或接近外地源排放总量,但对于这三项污染物,本地源排放对污染物浓度的影响远大于外地源的影响,贡献率达到70％～85％,因此深圳市大气污染控制应以本地污染控制为主,周边控制为辅。要改善深圳市环境空气质量,应全面加强深圳市机动车、船舶、重点工业源、道路扬尘源和电厂污染控制,并大力加强无组织排放面源污染控制。     

中原城市冬季两次重污染形成机制及来源

为揭示郑州市冬季空气污染过程及形成原因,选取郑纺机国控站点为采样点,探讨2019年12月郑州大气污染物浓度和主要气象参数特征,对比不同污染阶段PM_2.5水溶性离子、元素和碳质组分浓度变化,并利用空气质量模型模拟结果,分析采样期间污染源排放与区域传输对采样点PM_2.5质量浓度的贡献.结果表明,采样期间第一次和第二次重污染形成和消散过程略有差异,分别呈现出"缓慢累积、缓慢清除"和"缓慢积累、快速清除"的特征.第一次和第二次重污染时段NO₃^-、SO₄^2-和NH₄⁺质量浓度占PM_2.5比值达到41.5%和46.2%,OC/EC比值分别为4.0和4.5,二次气溶胶颗粒的大量生成是两次重污染形成的主要原因.采样期间本地、东部、南部、西部和北部区域对采样点PM_2.5浓度贡献占比均值分别为58.0%、2.4%、6.7%、6.9%和12.7%,第一次重污染是本地污染物排放和外来源区域传输共同作用的结果,期间西部和南部区域及外来工业源贡献占比有所升高;而第二次重污染则主要受到本地大气污染物累积的影响,期间交通源、扬尘源和燃煤源污染贡献骤增,外部区域对采样点PM_2.5浓度的影响有所减弱.     

深圳市SO2污染来源及其特征分析

以珠江三角洲地区2004年SO₂源排放清单、国家级气象站及深圳市气象站气象资料和空气质量监测数据为基础, 采用基于扩散模式的污染源解析技术对深圳市SO₂污染来源进行研究. 利用非稳态气象和空气质量(CALPUFF)模拟系统,模拟外来污染源及深圳市局地污染源排放扩散行为,定量计算2类污染源对深圳市SO₂浓度的贡献率,并分析其时空变化特征. 结果表明:珠江三角洲地区2004年SO₂排放总量为72.9×104 t, 深圳市局地排放量约4.65×104 t;深圳市SO₂污染是由局地污染源和外来污染源排放共同作用的结果, 对SO₂的贡献率分别约为75%和25%, 表明局地污染源排放是深圳市SO₂污染的最主要来源.      

基于PMF的土壤多环芳烃致癌风险定量源解析方法研究:以太原市为例

为实现土壤PAHs (多环芳烃)来源致癌风险的定量化,选取太原市城乡土壤为研究对象,分析PAHs污染水平并建立含量成分谱,利用PMF (正定矩阵因子分解)模型识别污染源,采用蒙特卡罗模拟进行健康风险评估,并联合PMF模型和健康风险模型量化PAHs污染源的健康风险,比较不同污染源对土壤PAHs含量和对致癌风险贡献的差异. 结果表明:①太原市土壤PAHs污染严重,城市地区人群暴露于土壤PAHs的致癌风险超过了可接受风险水平(10?6),农村地区人群超过可接受阈值的概率在10%~50%之间. ②城市土壤中PAHs主要来自燃煤交通混合源(41.5%)、燃煤源(26.0%)、石油源(16.2%)、焦炉排放源(8.2%)和交通排放源(8.1%),农村土壤PAHs主要来自燃煤源(43.3%)、生物质燃烧源(22.3%)、交通排放源(22.7%)和焦炉排放源(11.7%). ③燃煤交通混合源是城市地区致癌风险的最大来源,贡献率为53.7%;交通排放源和燃煤源是农村地区致癌风险的主要来源,贡献率分别为46.3%和45.6%. ④不同污染源对PAHs含量的贡献与其对致癌风险的贡献存在差异,对于城市地区,燃煤交通混合源、交通排放源对PAHs含量的贡献率分别为41.5%、8.1%,而其对致癌风险的贡献率分别为53.7%、13.0%;对于农村地区,交通排放源对PAHs含量的贡献率为22.7%,但其对致癌风险的贡献率为46.3%. 研究显示,规避交通排放源是降低PAHs致癌风险的关键,建议将基于健康风险的定量源解析技术应用到土壤风险管控中,以期更为有效地降低健康风险,保护人体健康.      

Temporal variations and source apportionment of volatile organic compounds at an urban site in Shijiazhuang, China

Shijiazhuang, the city with the worst air quality in China, is suffering from severe ozone pollution in summer. As the key precursors of ozone generation, it is necessary to control the Volatile Organic Compounds (VOCs) pollution. To have a better understanding of the pollution status and source contribution, the concentrations of 117 ambient VOCs were analyzed from April to August 2018 in an urban site in Shijiazhuang. Results showed that the monthly average concentration of total VOCs was 66.27 ppbv, in which, the oxygenated VOCs (37.89%), alkanes (33.89%), and halogenated hydrocarbons (13.31%) were the main composite on. Eight major sources were identified using Positive Matrix Factorization modeling with an accurate VOCs emission inventory as inter-complementary methods revealed that the petrochemical industry (26.24%), other industrial sources (15.19%), and traffic source (12.24%) were the major sources for ambient VOCs in Shijiazhuang. The spatial distributions of major industrial activities emissions were identified by using geographic information statistics system, which illustrated the VOCs was mainly from the north and southeast of Shijiazhuang. The inverse trajectory analysis using Hybrid Single-Particle Lagrangian Integrated Trajectory (HYSPLIT) and Potential Source Contribution Function (PSCF) clearly demonstrated the features of pollutant transport to Shijiazhuang. These findings can provide references for local governments regarding control strategies to reduce VOCs emissions.     

江苏省人为源挥发性有机物排放清单

掌握VOCs排放特征是研究区域大气复合污染特征和控制策略的前提. 对江苏省VOCs人为源进行系统分类,收集活动水平数据,应用国内外排放因子研究成果及江苏省行业调研结果,采用排放因子法建立了江苏省2010年分行业、分城市的人为源VOCs排放清单. 结果表明:江苏省人为源VOCs排放总量约为179.20×104t,其中化石燃料燃烧源、生物质燃烧源、工业过程源、溶剂使用源、移动源、油品储运源的排放量分别占排放总量的24.1%、3.3%、22.3%、25.3%、18.4%和6.6%,工业过程源中石油炼制、有机化工、医药制造是重点行业,溶剂使用源中机械装备制造、电子设备制造是重点行业. 南京、苏州、无锡、常州、南通5个苏南城市VOCs排放量明显高于苏北和苏中地区,占全省总排放量的60.0%,苏州、南京、无锡排放量居前3位. 各城市化石燃料燃烧源和移动源排放所占比例均超过10.0%,其他重点行业差异显著,其中南京市为石油炼制、有机化工,苏州市为有机化工、机械涂装,无锡市为有机化工、电子设备制造.      

青岛市机动车排放源强与排放量研究

阐述了青岛市城市机动车的发展现状和道路交通状况,采集典型交通状况的车流量和车速数据,对评价区域进行了移动线源、面源的源强分析计算,得到了该区域内机动车排放网格数据,通过修正的排放因子计算了青岛市机动车主要尾气污染物的年排放量,目的是为机动车污染治理提供了理论数据。研究表明从排放源源强分析机动车道路污染状况和污染区域分布,不受扩散模式的影响,可以简单有效的评价机动车排放污染程度;青岛市城市主干道以成为机动车污染物的主要排放源,针对青岛市机动车尾气污染情况提出了合理的污染物治理建议。     

工业污染源对大连地区酸雨形成的影响研究

为了研究局地污染源对大连地区酸雨形成的影响,在市区及县级市布设监测点对酸雨进行监测,并获取酸雨点位附近局地污染源的酸性污染物排放量,应用地理信息系统的空间叠加分析功能,分析局地源对大连地区酸雨点位分布和频率变化的影响.结果表明：部分距离大污染源较近的点位受局地源影响较明显,但市区酸雨频率高低与局地源二氧化硫排放量变化趋势并不完全一致,说明大连地区酸雨的形成除了受本地源的影响外,还应存在其它更复杂的影响因素.     

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.     

基于本地污染源调查的杭州市大气污染物排放清单研究

基于实地调查数据并辅以统计数据,采用物料衡算法和排放因子法,估算了杭州市2015年大气污染物排放清单,并选取经纬度坐标、路网、航道、土地类型和人口等数据作为权重因子,研究了该地区各类排放源污染物排放空间分布特征.结果表明,杭州市2015年SO_2、NO_x、CO、VOCs、PM_(10)、PM_(2.5)和NH_3年排放总量分别为22.20×10~3、108.17×10~3、192.10×10~3、134.94×10~3、78.12×10~3、27.65×10~3和59.75×10~3t.工业源是杭州市SO_2排放的主要来源,移动源对NO_x和CO的排放贡献最为显著,扬尘源是杭州市PM_(10)和PM_(2.5)排放的最主要来源,其次为工业源;VOCs排放的主要来源依次为工业源、天然源和移动源;NH_3排放主要来自农业源.从空间分布来看,排放主要集中在中心城区及其周边的萧山、下沙、大江东、余杭和富阳等工业企业相对密集的区域.本研究建立的排放清单在污染源覆盖范围和排放因子方面仍然存在一定的不确定性,建议在后续研究中重点开展低、小、散企业及本地化排放因子调查研究工作,进一步提升大气污染物排放清单的准确度.     

“2+26”城市2017年冬防减排效果及其潜在原因分析——以衡水市为例

近年来我国大气重污染频发,严重影响民生,其中以京津冀最为严重.2017年"总理基金"启动,同年冬防效果显著.衡水市作为"2+26"城市之一,空气质量排名常年处于倒数十名之内.经过2017年的冬防,空气质量明显改善,衡水市大气污染的改善在"2+26"城市中很具有代表性.本文以衡水作为切入点,利用后向轨迹和浓度权重轨迹分析(CWT)探讨了2017年衡水冬防效果及潜在源区变化,分别从气象轨迹和本地排放初探了潜在原因.结果表明,2017年冬防效果显著,PM_(2.5)浓度降低33%,优良天数增加32 d,重污染天数减少22 d.PM_(10)浓度降低41%,优良天数增加40 d.2017年冬季PM_(2.5)潜在源区由2016年同期衡水北部及以北地区向衡水南部及以南地区转移.PM_(10)潜在源分布变化与PM_(2.5)相似.两年气象条件的对比结果表明,气象变化较小,对潜在源分布影响不大,本地排放是潜在源区分布变化的主要原因,其中衡水北部工业锅炉和扬尘减排量显著高于衡水南部.研究表明,2017年衡水冬防效果显著,相比于气象条件,本地排放对大气颗粒污染及来源影响更大,本研究可为"2+26"城市大气颗粒污染研究提供参考.     

南京冬季一次重霾污染事件PM2.5区域传输收支分析

利用WRF-Chem模式对2015年12月21—23日南京一次重霾污染过程进行模拟.基于合理的模拟评估,采用大气传输通量计算法,着重分析了此次霾污染过程中模拟的南京地区PM_(2.5)的传输收支特征,以及周边地区大气污染物传输对南京市PM_(2.5)变化的贡献.结果表明,此次霾污染过程中,本地源与外来源区域传输共同影响着南京市的空气质量.PM_(2.5)的跨区域传输是此次重霾污染发生和消亡的重要因素.在霾污染事件的形成维持阶段,南京地区是作为周边地区PM_(2.5)的接收区,大气污染物主要由南京的西边界输入,大气污染物的外源输入是南京PM_(2.5)污染的主要贡献来源,占南京PM_(2.5)污染的84%.在霾污染事件的消亡阶段,南京地区则是作为周边地区PM_(2.5)的源,大气污染物主要由南京的东边界持续向外输出.     

成都市大气污染物排放清单高分辨率的时空分配

传统的污染物时空分配方法由于分辨率较低而常无法满足空气质量模拟的需要.本研究根据各污染源的排放特点,确定可用于高分辨率时空分配的识别因子和建立时空分配权重的估算方法,并以成都市为例,建立了2012年成都地区高分辨率时空分配清单.结果表明,根据清单的时空分配结果,成都市的污染物排放主要集中在成都市区、成都周边的工业区(特别是东部城区)及交通流量大的高速路地区,且排放时间大部分集中在冬季和春季.这与实际的污染排放来源及环境空气质量的实际监测结果较为一致.说明本研究提出的高分辨时空分配方法较为合理可靠,可以有效降低传统方法空间分配的偏差和提高分配结果的精度,可满足后续的空气质量模拟的需要.