京津冀大气污染传输通道区大气污染时空格局研究

客观理解京津冀大气污染传输通道城市（“2+26”城市）空气污染时空格局对于区域大气污染联合防治具有重要意义.本研究采用遥感数据反演的PM_2.5浓度产品，利用趋势分析法和重心分析法，揭示了京津冀城市大气污染传输通道区2000~2015年大气污染时空格局演化特征.结果表明：（1）区域PM_2.5平均浓度整体呈现出太行山脉区域较低，太行山脉以东较高的格局，城镇地区明显高于周边地区.（2）2000~2015年区域PM_2.5年均浓度总体呈增加趋势，主要表现在2000~2007年，呈显著增加趋势的面积占全区的88.48%，之后呈稳定状态.（3）区域PM_2.5污染重心位于衡水、邢台和德州3市交界处，区域北部大气污染较严重.本研究可为京津冀及周边地区大气污染防治政策制定和措施实施提供参考与支持.     

2016年1月京津冀地区大气污染特征与多尺度传输量化评估

基于大气环境监测数据和WRF-CAMx模式,分析了 2016年1月京津冀城市的大气污染特征,开展了 PM2.5跨界传输量化评估研究.结果表明,2016年1月京津冀地区PM2.5、PM10、SO2、NO2和CO的平均浓度分别为89.5μg·m-3、135.61μg·m-3、57.55 μg·m-3、60.79 μg·m-...     

京津冀秋冬季PM2.5污染概况和预报结果评估

对京津冀区域2013年9月至2018年2月连续5个秋冬季PM_(2.5)的污染特征和气象影响因素,2015年10月至2018年2月连续3个秋冬季以及典型污染过程时NAQPMS、CMAQ和CAMx这3个模式PM_(2.5)的预报结果进行了分析评估,对模式预报的不确定性和改进措施进行了探讨.结果表明,5个秋冬季PM_(2.5)区域均值浓度分别为122、98、82、99和65μg·m-3,污染过程(中度及以上污染过程)期间浓度分别为229、198、210、204和180μg·m-3. 5个秋冬季累计发生64次PM_(2.5)为首要污染物的区域污染过程,2013～2014年秋冬季污染过程平均持续时间最长,2017～2018年持续时长最短.除2016～2017年外,其他年份PM_(2.5)浓度峰值和均值逐年降低,区域总体污染形势减轻.秋冬季PM_(2.5)浓度与相对湿度、风速和日照时数相关性相对较好,与温度和气压的相关性整体较弱.当风速小于2 m·s-1、大气相对湿度65%以上、主导风向为西南和东北风时,容易出现区域中度及以上污染过程.此外,3个模式均能够预测出京津冀区域秋冬季PM_(2.5)污染过程,预报值与监测值体现了较好地相关性.3个模式对张家口、承德和秦皇岛的预报结果较好,对唐山、石家庄、保定、北京和天津等城市预报偏高,这与污染源清单、气象初始场和气象预报、以及大气化学反应机制的不确定性有一定关系.     

京津冀区域重污染期间PM2.5垂直分布及输送

2016年12月17～19日重污染期间,在天津市武清区高村开展车载系留气球颗粒物浓度垂直观测,并以观测数据为基础,计算了区域内PM_(2.5)传输通量.结果表明重污染过程期间,大气混合层较低,约200 m左右,PM_(2.5)浓度垂直分布特征与混合层高度密切相关,混合层以下,PM_(2.5)浓度较高,垂直变化特征不显著,形成明显的污染层,混合层以上,PM_(2.5)浓度迅速降低并维持在降低水平.观测期间,粒径小于1. 0μm颗粒物浓度较高,粒径大于2. 2μm颗粒物浓度较低,近地层粒径为0. 777μm颗粒物浓度最高.颗粒物浓度粒径谱分布与相对湿度和混合层高度相关,高湿度和低混合层下颗粒物浓度粒径谱分布较宽泛.观测期间,PM_(2.5)在西南方向上的传输通量最高,占总传输通量的63. 3%,其中46～156 m和156～296 m高度之间PM_(2.5)传输通量最高.近地面300 m内PM_(2.5)传输主要以西南方向传输为主,300 m以上传输方向较分散.     

京津冀地区控制PM2.5污染的健康效益评估

基于流行病学综合研究成果,运用环境健康风险评估技术和环境价值评估方法,对京津冀地区实施并达到2012年新颁布的《空气质量标准》中细颗粒物(PM2.5)浓度标准可实现的健康效益进行了评估,并对区域内各城市的健康效益进行了比较分析.结果表明,京津冀地区能够实现的健康效益总和可达到612~2560亿元/a(均值为1729亿元/a),相当于该地区2009年地方生产总值的1.66%~6.94%(均值为4.68%).其中河北省所能实现的总健康效益最大,北京、天津和石家庄这些大城市能够实现的健康改善和经济效益最为显著.本文的研究结果可望为实施PM2.5空气质量标准的成本效益分析提供科学依据,并为大气污染区域联防联控和环境质量管理与合作提供重要的政策决策参考.     

河北省PM2.5污染变化特征及暴露人群健康效应评估研究

PM2.5污染是影响中国城市居民健康和形成雾霾天气的重要原因之一,也是河北省健康发展的一个制约因素.采用环境污染流行病研究为基础的暴露-反应关系估算了2014年和2015年全省因PM2.5污染的居民早逝和罹患相关疾病住院的人数,并利用国家和河北省卫生统计数据,估算出人均人力资源价值和人均住院成本,计算出总经济损失.结果表明,河北省各市的PM2.5年均浓度呈下降趋势,因此,继续坚持有效的大气污染控制和应急健康防护措施,仍然是今后环保工作的重中之重.     

基于综合立体观测网的京津冀地区污染过程分析

为揭示大气污染的演变规律,推动京津冀及周边地区空气质量的持续改善,针对大气重污染发生—演变—消散全过程的核心科学问题,在京津冀及其周边地区建立大气污染传输通道立体观测网,围绕2017年秋冬季和2018年春、秋、冬三季开展重污染时段和重污染过程的地基和车载走航观测,评估区域大气污染输送和城市间大气污染的相互传输量.结果表明:北京市污染呈明显的区域性特征,春季主要受区域不利扩散条件及沙尘传输影响,秋季主要受西南通道传输影响,冬季主要受西南、南部、东南通道混合层内传输与区域扩散条件不利的共同影响.秋冬季京津冀地区NO₂、SO₂污染物垂直柱浓度整体低于西南、东南和南部输送通道区域,当弱南风静稳天气条件主导时,北京市易受到污染物输送的影响,形成局域污染过程.研究显示,北京市重污染时段外来污染物各类尺度输送通道中,西南通道污染传输为主导,部分时段还受到东南和东部通道污染传输的影响.      

京津冀大气污染的时空分布与人口暴露

经济的快速发展和城市化导致京津冀地区的空气质量不断恶化,已经引起学术界广泛的关注.为了揭示近年来京津冀地区大气污染状况,本研究基于中国空气质量在线监测分析平台发布的PM_(2.5)、PM_(10)、SO_2、CO、NO_2和O_3_8 h_max长期监测数据,采用统计学的方法分析了2014—2018年京津冀13个市这6种污染物的时空变化特征,结合各城市人口数据,评估了在此背景下该地区PM_(2.5)和O_3_8 h_max的人口暴露风险.结果表明:京津冀地区PM_(2.5)、PM_(10)、SO_2、CO和NO_2近年来整体上呈下降趋势,而O_3_8 h_max则呈上升趋势.总体而言,PM_(2.5)、PM_(10)、SO_2、CO和NO_2表现为冬季最高、春秋季次之、夏季最低的特征,而O_3_8 h_max则表现为夏季春季秋季冬季的特点,并在月变化上呈倒"V"型,从1月份开始逐渐上升,在6月份达到峰值,而后又逐渐下降.空间上,PM_(2.5)、PM_(10)、SO_2、CO和NO_2呈现南高北低的分布特征,而O_3_8 h_max在2014—2016年呈现北高南低的分布特征,但在2017—2018年则呈现南高北低的分布特点.此外,京津冀北部地区PM_(2.5)的来源主要是一次气溶胶,而二次气溶胶是中部地区PM_(2.5)的主要来源.除秦皇岛、承德和张家口外,其他城市细粒子在颗粒物中占的比重较大.随着近年来PM_(2.5)浓度的降低,暴露于高浓度的PM_(2.5)中的人口比例逐年减少,但距离年平均浓度限值还相差很远.除2014年外,暴露在O_3浓度超标情况下的人口在2015—2017年逐渐上升.     

华南典型城市区域PM2.5中七种塑化剂污染特征和暴露研究

对华南地区某典型城市工业区和居民区两种不同区域的大气PM2.5中7种塑化剂污染分布特征和暴露水平进行了研究.结果表明,在监测期间两类区域大气PM2.5中主要以DnBP、DEHP为主,五日平均浓度分别为38.3～42.9 ng/m3、119～144 ng/m3,两类区域的PM2.5中7种塑化剂总体污染浓度水平相当,居民区总体污染情况略轻于工业区.7种塑化剂的成人室外PM2.5呼吸暴露水平范围为0.051 9 ～ 36.8 ng/(kg·d),其中工业区的DEHA暴露水平比居民区的高出一倍,其它的几种塑化剂在两类区域中的呼吸暴露水平相当.     

基于PM2.5监测数据的大气污染防治措施改进

大气污染治理工作责任重大、任务艰巨、使命光荣.随着科技的进步和工业化程度的提高,人民的生活水平迈上了一个大台阶,但是环境污染和生态破坏等现象层出不穷,如何在经济发展的同时兼顾环境的保护称为一个良态发展的重要指标.文章从防治措施入手,探究PM2.5含量变化与大气污染之间的联系,通过分析苏州市相城区近五年的空气质量原始数据...     

基于PM2.5监测点空间聚类的关中五市空气污染区域识别

区域大气污染联防联控是空气质量管理的重要举措,准确识别空气污染区域对联防联控措施有重大意义.本研究采用陕西省关中五市（西安、咸阳、宝鸡、渭南、铜川）国控和省控全部90个监测点的小时级PM_2.5浓度监测数据,运用邻接约束层次聚类方法对监测点进行空间聚类,并利用泰森多边形和曲线平滑等技术识别空气污染区域.结果表明：1关中五市空气污染存在跨行政区划的区域性特征,本研究识别出2个特征显著不同的空气污染区域（区域1和区域2）;2区域2的PM_2.5浓度在统计上显著高于区域1,且重度和严重污染天数也显著高于区域1;3空气污染区域与地形特征关系密切,区域1均为高海拔区县,而区域2均为低海拔区县.依据空气污染区域的不同特征,在区域污染程度存在显著差异时,应当采取不同等级的污染防控措施,以减少对关中五市43%的国土面积、23个区县、639万人及3355亿元国内生产总值的影响,使区域空气污染防控措施更加科学、合理与精准.同时,空气污染区域的划分对缺失数据和不同空气污染等级表现稳健.     

京津冀地区高分辨率PM2.5浓度时空变化模拟与分析

为了全覆盖、高分辨率和高精度识别京津冀地区大气PM_2.5质量浓度时空变化,选取多角度大气校正算法遥感反演的1km AOD为主要预测因子,多种气象要素和土地利用要素为辅助预测因子,构建了混合效应模型+地理加权回归模型的两阶段统计模型,并针对京津冀地区PM_2.5污染较严重的特点,模型中引入了AOD²等独特预测因子.通过上述两阶段模型定量预测了研究区2017年1 km²空间分辨率的每日PM_2.5质量浓度.结果表明,模型交叉验证的决定系数R²为0.94,斜率为0.95,均方根预测误差为13.14 μg·m^-3,在前人基础上预测精度进一步提升,可用于PM_2.5浓度时空变化预测与分析.2017年,京津冀地区PM_2.5浓度年均值为44.96 μg·m^-3,年均值范围在0~89.89 μg·m^-3之间.PM_2.5浓度时空变化差异性明显,整体上呈现"平原西南部浓度高、平原东北部浓度中等和山区高原浓度低"的空间分布格局以及"冬季浓度高、夏季浓度低和春秋过渡"的季节变化特点.模型预测结果的高时空分辨率可以支持流行病学研究在较小区域的暴露评估和识别小尺度污染源的时空变化,分析发现在大气污染防治行动计划实施以来,污染较严重的冀中南山麓平原区可能出现了重要污染源的空间变化.模型预测与分析结果可以为京津冀大气污染防治提供科学支撑.     

京津冀地区“煤改电”对PM2.5污染的健康效益评估

为准确评估京津冀地区采暖期实施“煤改电”政策带来的健康效益,估算了京津冀地区各区县采暖期“煤改电”政策实施前后PM_2.5污染导致的过早死亡人数,并采用支付意愿法计算了相应的健康损失价值.结果表明,京津冀地区“煤改电”政策实施后带来了1 745人(95%CI:1 443～1 907)健康效益和23.78亿元(95%CI:14.50～30.63)经济效益.北京、天津及河北地区的健康效益分别为495人(95%CI:436～554)、 296人(95%CI:238～354)及954人(95%CI:693～1 076).经济效益分别为3.50亿元(95%CI:3.08～3.92)、 3.32亿元(95%CI:2.67～3.96)及16.96亿元(95%CI:8.75～22.75),分别占各地区GDP的0.01%、 0.02%及0.04%. COPD、 LC、 ALRI、 IHD、 STROKE减少的死亡人数分别为187人(95%CI:165～224)、 318人(95%CI:178～458)、 193人(95%CI:115～204)、 506人(95%CI:232～780)...     

北京秋冬季一次重污染过程PM2.5来源数值模拟研究

利用WRF模式(The Weather Research and Forecasting Model)和嵌套网格空气质量模式(NAQPMS)对2016年11月发生在京津冀地区一次PM_(2.5)污染事件进行模拟研究并分析污染过程中的天气形势变化.结果表明,均压场、低空逆温层和偏南暖湿气流输送的存在为北京地区PM_(2.5)形成提供了有利条件,NAQPMS模式能够合理的再现北京大气污染物时空变化,细颗粒物PM_(2.5)和可吸入颗粒物PM_(10)模拟与观测数据相关系数达0.71,模拟数据在观测数据两倍范围内占比(FAC2)达65%.源解析结果表明,在不考虑临时实施减控措施下,11月18日区域外输送对北京PM_(2.5)浓度贡献为55.25%,区域内输送贡献为44.75%,北京东北区域PM_(2.5)外地源主要为河北中部、河北南部、天津和山东,所占贡献为9.67%、9.01%、7.90%和7.99%.污染物主要来源为生活源、交通源和工业源,分别占比39.6%、34.6%和20.0%.而实际上北京在唐山、保定采取一系列控制措施后仍在研究时段内出现高PM_(2.5)浓度,意味着在同样天气形势下需要对河北中部、河北南部、天津和山东等浓度贡献占比大的城市加强减排管控才能有效减缓高PM_(2.5)浓度的出现.     

四川盆地典型城市PM2.5污染过程组分特征和来源解析

为探究四川盆地典型城市PM_2.5污染特征和来源,利用成都市、绵阳市、自贡市超站数据分析2020年冬季典型污染过程PM_2.5组分特征,并采用CMB模型模拟获得研究期间PM_2.5来源及演变特征.结果表明,不同城市PM_2.5组分变化特征不尽相同,成都市污染过程整体呈现NO₃^-主导特征,但重度污染由OC主导.绵阳市污染期间呈现OC主导特征,是污染加重时增长最快的组分.EC是自贡市轻度污染增长最快的组分,NO₃^-、SO₄^2-、NH₄⁺是中度污染增长较快的组分,OC、EC是重度污染增长较快的组分.3个城市均是二次硝酸盐对PM_2.5贡献率最高.比较而言,成都市机动车、扬尘源贡献率均最高;绵阳市二次有机碳贡献率最高,是成都市的2倍;自贡市燃煤源和二次硫酸盐贡献率分别比成都市和绵阳市高出4%~6%和7%~9%.成都市由优良天气到中度污染,二次硝酸盐贡献率随着污染程度的加重而增加,轻度污染较优良天气上升6%,中度污染较轻度污染天气上升3%.中度到重度污染,二次有机碳、机动车贡献率分别上升2%和1%.绵阳市由轻度到重度污染,二次有机碳对PM_2.5的贡献率上升3%,机动车贡献率上升2%,是其污染加重的主要原因.自贡市由轻度到重度污染,各污染源贡献率变化幅度较小.     

城市PM2.5健康损害评估研究

参考美国Ben MAP软件,提出城市PM_(2.5)健康损害评估的基本框架,并就评估方法和参数使用中的关键问题进行了论述,包括人群健康损害评估指标的确定、空间尺度和时间尺度的选择、健康终点的界定、人群年龄结构的划分、比较的基准的确定,以及"剂量-反应"关系参数和生命价值参数的选择等.本文收集和整理了2014年北京市空气质量监测点PM_(2.5)浓度监测数据及暴露人口、基期死亡率等数据,运用"向标准靠拢(Rollback to Standard)"的方法,估算北京市PM_(2.5)达到空气质量标准情景下的浓度值,以此作为比较的基准,使用美国Ben MAP数据库收录的"剂量-反应"关系参数,分别基于"工资-风险"法模型和人力资本法模型估计生命价值参数,代入本文城市PM_(2.5)健康损害评估的基本框架,计算2014年北京市PM_(2.5)对人群健康的损害.     

南昌市城市空气PM2.5和PM10时空变异特征及其与景观格局的关系

基于2013—2015年南昌市9个空气环境监测点的连续数据,分析了空气PM_(2.5)、PM_(10)质量浓度(以下简称浓度)的时空变异规律,并以景观格局指数为定量指标,研究了监测点的两种颗粒物浓度与其周边500 m半径、1000 m半径缓冲区的土地利用状况的关系.结果表明:(1)南昌市3年来PM_(2.5)和PM_(10)浓度逐年显著降低.(2)通过聚类分析,9个监测站依据颗粒物污染可分为4大类,表现出一致的城乡梯度差异.(3)在斑块类型水平上,PM_(2.5)和PM_(10)浓度与500、1000 m半径缓冲区的C-PLAND(建筑用地覆盖率)、C-SHDI(建筑用地多样性指数)显著正相关,与1000m缓冲区的F-ED(林地边界密度)显著正相关;与F-PLAND(林地覆盖率)、C-Fi(建筑用地分离度指数)、F-MPS(林地平均斑块面积)显著负相关.在景观水平上,PM_(2.5)和PM_(10)浓度在500 m缓冲区与LPI(最大斑块所占景观比例)显著负相关;与1000 m缓冲区的MPS(平均斑块面积)显著负相关.景观格局指数直接反映土地利用状况,它与PM_(2.5)和PM_(10)浓度的相关性,表现出生态学中典型的"源汇景观"关系.     

京津冀PM2.5时空分布特征及其污染风险因素

为分析京津冀及其周边区域2013年典型污染事件中PM_2.5的时空分布特征及污染风险因素,根据国家城市环境空气质量实时发布数据和京津冀地区地理国情信息监测成果,采用空间数据挖掘方法对PM_2.5污染的热点区域进行了划分;并采用地理探测器定量分析了PM_2.5污染风险因子及其影响程度. 结果表明:在选取的京津冀6个城市中,在PM_2.5污染事件统计上存在保定—廊坊—北京—天津—承德—张家口的污染顺序. PM_2.5污染在空间上呈河南省(山东省)—河北省—北京市(天津市)一线的带状分布特征,在单次污染事件中,城市间的PM_2.5污染存在空间运移关系. 空间热点探测表明,京津冀及其周边区域主要分为5个热点聚集区,其中3个高值区分布在北京市、天津市、河北省和山东省的中部,面积分别为5.31×104、10.26×104、5.04×104 km2. 在8个污染风险因子中,污染企业总数(影响力为0.97,下同)、降水量(0.93)、地形坡度(0.89)对PM_2.5污染的影响显著高于其他风险因子;其他风险因子影响力排序依次为人口数量(0.60)、降水量大于0.1 mm的降水日数(0.57)、地表覆盖类型(0.52)、年均相对湿度(0.51)、年均风速(0.33),但风险因子间相比没有显著性差异. 研究显示,京津冀地区PM_2.5污染的主要因素是污染物排放,其次,气象要素中的年降水量和自然地理环境中的地形坡度也是影响PM_2.5污染特征的重要风险因子.      

京津冀郊区站点秋冬季大气PM2.5来源解析

为了增进对京津冀地区大气PM_(2.5)来源情况的认识,于2014～2015年秋冬季在京津冀地区4个郊区站点进行了PM_(2.5)的采样,并用化学质量平衡模型(chemical mass balance model,CMB)进行了PM_(2.5)源解析工作.结果表明:二次颗粒物(36%～58%)、交通(8%～26%)、民用燃煤(8%～16%)和生物质燃烧(5%～16%)是京津冀郊区站点秋冬季PM_(2.5)的主要贡献源.其中,二次硝酸盐是大部分站点秋冬季PM_(2.5)的首要贡献源(11%～27%).不同污染程度的源解析显示,冬季各站点各污染源在重污染天的贡献变化趋势的同步性不如秋季明显,且秋季二次源在重污染天的贡献增加值(47. 2～115. 7μg·m~(-3))明显高于一次源(29. 5～43. 4μg·m~(-3)),但此现象在冬季不显著.对比北京市城区源解析结果,发现郊区燃煤总贡献率较为相似,但郊区燃煤源中多以民用燃煤为主,这说明对于京津冀城郊地区,控制民用燃煤源对PM_(2.5)污染控制有重要意义.