临汾市大气污染物的时间分布特征与源区分析

多年来,临汾市多次名列我国生态环境部公布的空气质量最差的重点城市之列,对其大气污染的时间分布特征和潜在源区进行分析对其环境管理与污染防治具有重要意义。利用2015—2019年临汾市5个国控空气环境质量监测站点的6种空气污染物(SO₂、NO₂、CO、O₃、PM_2.5和PM₁₀)浓度数据和气象观测数据,使用HYSPLIT模型研究了该市空气污染物的时间变化特征、轨迹输送特征和可能的来源。结果表明,PM_2.5和PM₁₀的年均浓度均超过了《环境空气质量标准》(GB 3095—2012)Ⅱ级标准,SO₂仅在2016—2017年超过该标准,其余3种污染物的年均浓度均低于该标准。6种污染物2015—2019年的月均浓度的变化特征表现为O₃浓度呈以6、7月为中心的近似正态分布,SO₂、NO₂和CO以及PM_2.5和PM₁₀浓...     

基于卫星遥感的中国东部地区NO2减排成效验证

基于Aura卫星臭氧监测仪(OMI)数据,分析了2011—2018年中国东部地区对流层NO₂柱浓度的时空分布规律,以广泛而客观地验证NO₂减排成效。结果表明:进入"十二五"以来,中国东部地区对流层NO₂柱浓度快速下降,高值区域范围快速收缩甚至消失;华北平原、长江中下游平原污染相对严重,同时这些地区污染程度正在得到较快速的缓解;京津冀、长三角、珠三角是中国东部地区对流层NO₂柱浓度相对最高、下降速度最快的典型区域;中国东部地区NO₂减排取得的成效与产业转型升级、能源结构调整及严控移动源排放等政策措施密不可分。     

G20峰会期间长三角区域臭氧变化及管控效果评估

为了研究2016年二十国集团领导人峰会(G20峰会)期间长三角区域臭氧(O₃)变化特征,评估管控措施对O₃浓度的影响,利用2016年8月10日至9月20日杭州及周边地区的空气质量监测数据、气象数据以及排放清单数据,分析了O₃和NO₂浓度及气象条件的时空分布特征,研究了不同管控区域不同保障时期O₃浓度的时空变化和O₃敏感控制区的改变。结果表明:峰会保障期间对于一次排放污染物和细颗粒物的管控措施效果明显,但核心区的O₃质量浓度高于严控区和管控区,分别高出11. 2、9. 2μg/m³。日间的NO_x管控导致O₃日变化幅度增高接近50μg/m³。在峰会保障期间,卫星数据和站点观测结果显示核心区O₃由VOCs控制区转为NO_x-VOCs协同控制区,整个长三角区域的O₃生成对于NO_x     

2016—2020年西安市近地面臭氧污染变化趋势及分布特征

利用2016—2020年陕西省环境空气质量自动站的臭氧监测数据,分析西安市大气环境中臭氧污染的时间变化趋势及空间分布特征。从时间分布来看,西安市臭氧年均质量浓度呈先上升后下降的波动变化趋势,且浓度值略高于全国平均水平;臭氧月均浓度具有明显的季节变化特征,月超标天数和月均质量浓度均在6月达到峰值;臭氧质量浓度日变化规律在全年和四季完全一致,均呈单峰型,日内小时平均质量浓度超标最多时段集中在15:00—16:00;臭氧与NO₂、CO均呈“此消彼长”的负相关关系。从空间分布来看,西安市12个国控评价点位的O₃-8 h浓度分布变化大致分为单峰型和持续递减型,浓度主要集中在40～80μg/m³;国控点和省控点的臭氧浓度时间分布趋势一致,空间分布存在区域性差异;全市20个区县(开发区)的臭氧污染呈现南北中心城区高、东西远郊区低的空间分布特征。总之,西安市臭氧污染的时空分布主要受到气象条件、污染物排放和城市布局差异的综合性影响。     

基于区域环境空气质量和碳排放数据的减污降碳协同效果评估

化石燃料燃烧产生的温室气体与大气污染物具有同根同源性,但具体治理中减污降碳的协同效果尚不明确。以浙江省11个设区市为研究样本,对环境空气质量和二氧化碳(CO₂)排放数据进行分析研究,结果显示：2016—2020年浙江省环境空气质量持续改善,但CO₂排放总量仍处于增长阶段。11个设区城市PM_2.5年均浓度降幅在26%～41%之间,二氧化氮(NO₂)年均浓度下降趋势不明显,大部分城市呈现碳排放增加、NO₂浓度下降的特征,只有杭州和温州两市呈现碳排放总量和NO₂、PM_2.5浓度协同下降的趋势。因子相关性分析结果表明,各设区市呈现NO₂浓度与碳排放相关性较大、协同性强,PM_2.5浓度与碳排放相关性较小的特点。进一步通过减污降碳协同定量评价分析表明,浙江地区在环境空气质量改善和温室气体减排已表现出一定成效,但各设区市因产业结构、环境基础条件、协同程度等不同导致减污降碳综合绩效有明显差异。从源头减排实现...     

2010—2019年台州市市区降水化学组成特征及变化趋势

为了解台州市市区大气降水化学成分组成特征及变化规律,对2010—2019年台州市市区降水监测数据进行了统计分析。结果表明:2010—2019年降水样品pH为4.20～4.84夏高冬低,强酸性降水频率下降显著,电导率平均值为3.16 mS/cm。SO₄^2-和NO₃^-是降水中最主要的阴离子,NH₄⁺和Ca²⁺是降水中最主要的阳离子。Ca²⁺浓度在2018年开始有所抬升,SO₄^2-和NO₃^-浓度整体呈波动下降趋势。SO₄^2-与NO₃^-浓度比均值为1.50,呈下降趋势,同大气中SO₂与NO₂的质量浓度比变化趋势基本一致。SO₄^2-和NO₃<...     

基于不同时间尺度综合指数贡献率的攀枝花市大气污染特征分析

选取2016—2022年攀枝花市环境空气质量监测数据,基于年度、季度、月度、小时时间尺度评价环境空气质量综合指数贡献率。结果表明,攀枝花市污染类型已由传统的单一工业型污染转变为复合型污染,且污染物在不同时间尺度下的分布特征明显。从季度尺度来看,第一季度细颗粒物(PM_2.5)综合指数贡献率较大,第二和第三季度臭氧(O₃)综合指数贡献率较大,第四季度二氧化氮(NO₂)及PM_2.5综合指数贡献率较大。从月度尺度来看,O₃在3—8月的贡献较大,PM_2.5、NO₂、可吸入颗粒物(PM₁₀)、一氧化碳(CO)、二氧化硫(SO₂)在1—2月及11—12月的贡献较大。从小时尺度来看,O₃在13—19点贡献较大,PM₁₀、PM_2.5、CO在8—13点贡献较大,SO₂在9—13点贡献较大,NO₂在8—1...     

2013—2018年海口市区臭氧浓度变化特征

利用海口市区4个站点2013—2018年臭氧(O₃)逐时观测资料,分析了O₃不同时间尺度变化特征、超标情况及其与前体物NO₂和气象因子的关系。结果表明:海口市区O₃浓度总体偏低,但2013—2018年各站点均有明显的上升趋势,海大站、海师站、龙华站和秀英站的气候倾向率分别为1.26、3.84、3.02、2.93μg/(m³·a),其中海师站、龙华站和秀英站分别通过了95%、98%、90%的信度检验。秋、冬季海口市O₃浓度最高,其中10月O₃浓度月平均最大值出现的概率最大,最小值主要出现在8月。O₃浓度日变化表现为单峰型,早晨08:00前后O₃浓度最低,午后15:00最高。海大站超标率最高(2.82%),海师站和龙华站次之,秀英站最小。4个站点的超标日O₃浓度均逐年上升,表明海口市O₃超标现象在恶化。O₃浓度与日照时间成正相关关...     

中国和美国地面臭氧污染对比分析

利用中国和美国地面臭氧(O₃)监测数据,从国家、区域、城市、站点多个层面对两国O₃污染的时间变化特征和空间分布特征进行了分析。结果表明:从全年角度,中国O₃污染集中在4—9月,2018年延长至3—10月;美国集中在4—8月。1980年以来,美国O₃浓度呈下降趋势;中国O₃浓度在2015—2018年呈上升趋势,与同时期美国O₃平均浓度水平相当,但O₃极值处于美国20世纪80年代污染水平,且中国站点年均O₃超标天数(22～36 d)约为美国站点(2～3 d)的9.2～12.9倍。中国O₃浓度高值区主要分布在京津冀、长三角、珠三角和四川盆地等地区,美国集中在加利福尼亚州(California)。京津冀和长三角地区2017—2018年O₃平均浓度水平高于加利福尼亚州,北京、上海和广州3个城市2015—2018年O₃平均浓度水平低于同时期的圣贝纳蒂诺(San...     

2021年沙尘天气影响下江苏省空气质量特征分析

对2021年影响江苏省的沙尘天气过程开展研究,分析受影响的时间、区域特征及环境空气质量特征。结果表明,影响江苏省的沙尘天气过程共计13次,全省累计受影响229 d。从时间分布看,沙尘天气过程多发生在1月、3—5月,2月、11月较少,6—10月和12月无沙尘天气过程。从区域分布看,苏北地区受沙尘天气过程影响较显著,受影响天数>20 d的城市均分布于此。受沙尘天气过程影响,且东北偏北风或东北风输送时,可吸入颗粒物(PM₁₀)和细颗粒物(PM_2.5)较易出现小时高值。沙尘过程造成PM₁₀日均质量浓度超标的天数占比为38.0%,造成PM_2.5日均质量浓度超标的天数占比仅为12.7%;扣除沙尘天气过程影响后,PM_2.5和PM₁₀年均质量浓度分别较扣除前下降1和6μg/m³,沙尘天气过程对PM₁₀质量浓度的影响大于对PM_2.5质量浓度的影响。受沙尘天气过程影响时,环境空气质量为轻度污染及以上级别占...     

PM1与PM2.5切割器性能与测试系统研究

切割器是PM_2.5监测设备的关键部件,其切割性能直接影响PM_2.5和PM₁等环境空气颗粒物质量浓度监测数据的真实、准确。该研究采用粒径范围为0.6~4 μm的聚苯乙烯微球(PSL)标准粒子、单分散气溶胶发生器、混匀(分流)装置和颗粒物数量浓度测量仪等仪器设备集成搭建了适用于PM₁和PM_2.5切割器性能测试的通用系统。测试结果表明:该系统发生的PSL粒子能够保持稳定的数量浓度,并在切割气路和非切割气路间具有较好的数量浓度一致性,能在3 h内快速完成一台切割器切割效率的测试。采用该系统测试了1种类型的PM₁切割器和3种类型的PM_2.5切割器的关键切割性能。结果显示:VSCC型PM_2.5切割器D₅₀分别为2.48、2.52、2.48 μm,σ_g1分别为1.20、1.23和1.15,σ_g2分别为1.21、1.21和1.16,各项关键性能指标均符合美国和中国相关环境保护标准规范的要求,且优于SCC型和URG型切割器。推荐使用VSCC型切割器开展环境空气中PM_2.5质量浓度的监测。SCC型PM₁切割器的D₅₀为0.91 μm,σ_g1和 σ_g2为1.20和1.18,结合其他相关研究,建议PM₁切割器D₅₀合格标准应为(1.0±0.1)μm,σ_g合格标准为不超过1.20。     

台州市酸雨污染现状及其对策分析

通过对近十年来的酸雨监测资料的收集分析,结合同期台州市大气环境中二氧化硫和氮氧化物的监测数据,采用秩相关系数法,对酸雨污染趋势和成因进行分析和讨论,并提出针对性措施,以期为台州市以及类似地区的大气污染、酸雨污染等防治工作提供政策参考。     

气质联用法测固定污染源中三氟甲烷、四氟甲烷、六氟乙烷和六氟化硫

建立了固定污染源排气中三氟甲烷、四氟甲烷、六氟乙烷和六氟化硫的采样和气质联用分析方法,检出限分别为0.06、0.15、0.21、0.71 mg/m3,精密度在3.2%以下,相关系数大于0.999 6,并对浙江省内2家典型企业排放的温室气体进行了监测,实际样品监测结果表明,该方法能够满足废气中4种温室气体的监测要求。     

台州市区PM2.5和O3污染特征及相互作用关系

基于2016—2020年台州市区大气污染物监测数据及气象观测资料,分析了台州市区PM_2.5和O₃的污染特征及受气象因素影响情况,并探究了不同季节下的PM_2.5浓度和O₃浓度的相关性及相互作用关系。2016—2020年,台州市区PM_2.5年均浓度和超标天数呈显著下降趋势,O₃-8 h年均浓度和超标天数总体呈上升趋势。PM_2.5浓度在冬季最高,且易发生超标;O₃浓度在春、夏、秋季均较高,且均会发生超标。通过相关性分析可知：PM_2.5浓度与气温、相对湿度、风速、降水量呈负相关,与大气压呈正相关;O₃浓度与气温、风速呈正相关,与相对湿度、降水量呈负相关。不同季节下的PM_2.5浓度与O₃浓度均呈正相关,两者存在协同增长。在春、夏、秋季,二次PM_2.5在总PM_2.5中的占比随着O₃     

冬季大气中PM_(10)和PM_(2.5)污染特征及形貌分析

2008年冬季采集大气中PM10和PM2.5样品,利用SPSS软件进行分析。结果表明,PM10质量浓度在92.87～384.7μg/m3之间,平均值为201.09μg/m3,超标率71.43%。PM2.5浓度跨度为57.27～230.21μg/m3,平均值为133.82μg/m3,超标率89.47%。PM10和PM2.5空间分布略有差异。PM2.5/PM10在29.10%～94.76%之间,均值为66.55%。PM2.5与PM10质量浓度之间有显著相关性,相关方程:PM2.5=0.7993×PM10-55.984(R2=0.9524,置信度为95%)。通过颗粒物形貌分析,初步判定冬季大气主要污染源为燃煤和机动车尾气排放。     

内蒙古干草原冬、春季大气气溶胶的若干特征观测研究

内蒙古半干旱草原区大气气溶胶浓度以及散射等特性对生态环境、气候变化与预测研究有重要意义,文利用2009年1～4月在锡林浩特观象台草原站的观测资料,分析了冬、春季背景大气气溶胶质量浓度、黑碳质量浓度、散射系数的分布特征。研究发现,背景天气下,PM10、PM2.5、PM1.0浓度值都较低,平均值分别为22.7、9.5、6.1μg/m3,3种PM浓度值间的相关性不同;黑碳浓度平均值为0.59μg/m3,小粒子中的含量较高,其日分布规律受人类活动影响较大,与各PM浓度分布有较大不同;散射系数平均值为31.2Mm-1,与PM10、PM2.5、PM1.0、黑碳质量浓度都显著相关。三种PM中,PM2.5对散射和吸收的影响最大。风速、相对湿度对不同粒径的PM以及黑碳浓度、散射系数的影响有所不同。     

天津市PM10和PM2.5中水溶性离子化学特征及来源分析

2011年5月—2012年1月在天津市南开区设立采样点,采集大气中PM10和PM2.5样品。采用离子色谱法测定颗粒物中水溶性无机阴离子、阳离子成分,分析其主要组成、季节变化及污染来源。结果表明,天津市PM10中离子平均浓度为71.2μg/m3,占PM10质量浓度的33.7%。PM2.5中离子平均浓度为54.8μg/m3,占PM2.5质量浓度的39.6%。NH+4、SO2-4、NO-3等二次离子含量较大,且夏季含量均为最高。颗粒物总体呈酸性,PM10中∑阳离子/∑阴离子平均值为0.92,PM2.5中该比值为0.75。来源分析发现,PM10可能主要来源于海盐、工业源、二次反应及土壤和建筑尘等,PM2.5则主要来源于海盐污染源、二次反应及生物质燃烧。     

重庆城区不同粒径颗粒物元素组分研究及来源识别

为研究重庆市大气颗粒物的污染特征及其来源,于2010年3—10月在主城区分别采集PM_1.0、PM_2.5和PM₁₀3种粒径的颗粒物样品,利用XRF分析其中的26种元素浓度。结果表明,重庆市主城区S元素在各粒径中含量都较高,细粒子中K的含量较高,粗粒子中Si、Ca和Fe的浓度较大。富集因子分析表明,主城区Cd、S、Se等污染元素的富集系数较大,且粒径越小,富集现象越明显。利用因子分析得出土壤风沙、扬尘、燃煤的燃烧、机动车燃油产生的尾气排放、生物质燃烧排放是重庆市颗粒物污染的主要来源。     

Persistence and Dissipation Kinetics of Spiromesifen in Chili and Cotton

In a field study carried out at three different locations, the dissipation of spiromesifen on cotton and chili was studied and its DT₅₀, and DT₉₉ were estimated at each location. Spiromesifen was sprayed on chili at 96 and 192 g a.i. ha⁻¹ and cotton at 120 and 240 g a.i. ha⁻¹. Samples of chili fruits were drawn at 0, 1, 3, 5, 7, 10, 15, 21, 30 days after treatment and that of cotton seed and lint at first picking and harvest. Soil samples were drawn 30 days after treatment from 0 to 15 and 15 to 30 cm layer. Quantification of residues was done on GC–MS in Selected Ion Monitoring (SIM) mode in mass range 271–274 m/z. The LOQ of this method was found 0.033 μg g⁻¹, LOD being 0.01 μg g⁻¹. The DT₅₀ of spiromesifen when applied at recommended doses in chili fruits was found to be 2.18–2.40 days. Ninety-nine percent degradation was found to occur within 14.5–16.3 days after application. Residues of spiromesifen were not detected in cotton seed and lint samples at the first picking. In soil, no residues of spiromesifen were detectable 15 days after treatment.     

西宁市城区冬季PM2.5和PM10中有机碳、元素碳污染特征

2014年11月—2015年1月对西宁市冬季开展PM_(2.5)和PM_(10)的连续监测。利用DRI 2001A型热光碳分析仪(美国)对有机碳和元素碳进行分析,结果表明:西宁市冬季PM_(2.5)和PM_(10)中碳气溶胶所占比例分别为33.13%±6.83%、24.21%±6.27%,说明碳气溶胶主要集中在PM_(2.5)中;OC/EC值均大于2,说明西宁市大气中存在二次污染;SOC占PM_(2.5)和PM_(10)的质量浓度比例分别为46.50%和57.40%,PM_(2.5)中SOC浓度占PM_(10)中SOC浓度的61.88%,说明SOC主要存在于PM_(2.5)中,且SOC形成的二次污染和直接排放的一次污染都是西宁市碳气溶胶的主要来源;与其他城市比较发现,西宁市冬季PM_(2.5)中的碳气溶胶含量普遍高于其他城市,PM_(10)中OC质量浓度相对其他城市较高,EC质量浓度偏低;OC和EC的相关性不显著,说明来源不统一;进一步对OC和EC各组分质量浓度进行分析知,西宁市冬季碳气溶胶主要来源于机动车汽油排放、燃煤和生物质燃烧。