广东省气象与源排放因素对PM_(2.5)浓度影响的数值模拟研究

为更好地区分大气污染物浓度变化中气象与源排放因素的影响,使用中尺度气象模型WRF和三维空气质量模型CAMx,通过固定源清单的方法模拟研究了广东省各地区不同时期气象因素对PM_(2.5)浓度变化的影响,并结合实测的PM_(2.5)浓度变化,计算出源排放因素对PM_(2.5)浓度的贡献。结果表明:相对于2014年,2015年广东省夏季的气象条件不利于PM_(2.5)浓度的下降,春季和秋季的气象条件有利于PM_(2.5)浓度的下降,就全年各季度平均而言,珠江口附近地区气象条件较有利于PM_(2.5)浓度的下降;源排放变化对肇庆市、韶关市和揭阳市等城市PM_(2.5)浓度变化有较强的削减作用,可使其浓度下降30%以上,显示这些城市的减排工作较为有效,深圳市、珠海市、东莞市、中山市与顺德区等市(区)PM_(2.5)污染改善主要是由于有利的气象条件的影响,源排放变化对珠海市和湛江市等城市污染起加剧的作用,表明不利的源排放变化抵消了部分有利气象条件对PM_(2.5)污染的改善作用,应加强对这些地区源排放的控制。     

福州市区冬春季PM2.5污染特征与来源差异性分析

基于福州市区2015年2月—2016年1月间的大气PM_(2.5)监测数据,综合运用HYSPLIT后向轨迹模式、潜在源贡献因子法(WPSCF)与浓度权重轨迹分析(WCWT)等方法,探讨了福州市区冬、春季PM_(2.5)污染特征和典型污染过程成因,总结了气象因子和污染来源的季节性差异.研究期间,冬、春季是福州市区PM_(2.5)污染的主要季节,福州市区不同类型站点的PM_(2.5)浓度在冬、春季污染发生时均呈现出整体升高的特点,但浓度日变化却存在季节性差异,冬季无显著日变化,春季则表现为单峰单谷特征.福州市区春季主要受锋前暖区和高压后部等天气系统影响,大气扩散条件差,PM_(2.5)极易在不利的气象条件下累积,福建沿海地区是其PM_(2.5)污染的主要潜在源区;冬季污染易受高压天气系统作用,盛行偏北风,长江三角洲地区的污染物输入会对福州市区空气质量产生较大影响,长江三角洲、浙江东南沿海、福建北部是其PM_(2.5)污染的主要潜在源区.     

烟花爆竹燃放对福州大气PM_(2.5)成分的影响

文章利用2017年及2018年春节期间福州市大气超级监测站的逐小时监测数据,研究烟花爆竹燃放对城市大气PM_(2.5)成分的影响,运用PM_(2.5)监测仪、在线离子色谱分析仪、黑碳仪对PM_(2.5)中的各成分进行监测分析。结果表明,烟花爆竹燃放期间,气象条件处于静稳状态,更有利于污染物的累积,烟花爆竹燃放对SO_2气体浓度影响较大。PM_(2.5)浓度显著增加,PM_(2.5)/PM_(10)比值与PM_(2.5)浓度峰值处呈负相关,说明烟花爆竹燃放时段主要增加的颗粒物是粒径较粗的粒子,但在整个观测时期主要还是细粒子污染;各水溶性组分(Cl~-、K~+、Mg~(2+)、Na~+、SO_4~(2-))在PM_(2.5)中的占比也有大幅提升,说明烟花爆竹对它们存在影响,对K~+和Cl~-的影响效果最为明显;对比2年的各类组分相关系数结果发现2017年春节期间PM_(2.5)上升的主要影响因素为烟花爆竹燃烧,而2018年PM_(2.5)浓度的增加是烟花爆竹燃烧与二次生成过程共同作用的结果。同时烟花爆竹燃放期间,BC浓度大约是平时的3.5倍,说明烟花爆竹燃放对其也有一定影响,吸收系数、消光系数均大幅上升,导致能见度下降。     

传输指数在合肥市重污染过程中的应用分析

利用潜在源区贡献法计算了合肥市2015年冬季传输指数,并基于传输指数和PM_(2.5)浓度将合肥市的重污染过程划分为3类,同时对各类重污染过程进行气象成因分析.结果表明:污染物传输型重污染过程的传输指数明显增大且PM_(2.5)浓度急剧增大;污染物积累型重污染过程的传输指数无明显增大且PM_(2.5)浓度逐渐增大;污染物暴发性排放型重污染过程的传输指数无明显增大但PM_(2.5)浓度急剧增大.污染物传输型重污染过程主要是高压南下迫使北方重污染气团输送引起的;污染物积累型重污染过程主要是静稳的天气形势导致污染物堆积造成的;污染物爆发性排放型重污染过程是由污染物暴发性排放而无法及时扩散引起的.     

武汉市汉阳区大气污染特征及气象影响分析

为深入了解汉阳区大气污染现状,文章根据2018年12月-2019年11月汉阳区环境空气质量监测点污染物监测数据及同期气象数据,分析了大气污染特征、主要污染过程及气象条件影响。结果表明:汉阳区当前呈现出明显的季节性复合污染特征,春季和秋季PM_(10)、PM_(2.5)、O_3和NO_2等多种首要污染物并存,夏季和冬季则分别以O_3和PM_(2.5)为主;全年主要发生了以PM_(2.5)、O_3和NO_2为首要污染物的3类持续污染过程,PM_(2.5)污染程度最为严重,O_3次之,NO_2较轻;气象因素对污染物浓度具有重要影响,风速与主要污染物浓度均显著负相关,相对湿度主要与O_3显著负相关,温度与PM_(2.5)和NO_2显著负相关,而与O_3显著正相关,气压则和温度完全相反;气团轨迹聚类及潜在源区分析结果显示,汉阳区PM_(2.5)污染的潜在源区主要分布在湖北省中部和东部、江西省北部、山东省西南部以及鲁苏豫皖4省交界地区,O_3污染的潜在源区主要分布在湖北省中部和东部、安徽省西部以及长江三角洲的部分地区,NO_2污染的潜在源区主要分布浙江省西北部、安徽省南部以及长江中游城市群的部分地区。     

2015年12月北京市一次重污染过程中PM_(2.5)特征分析

2015年入冬以来京津冀区域重污染频发,综合分析了2015年12月19—26日京津冀及周边地区发生的一次重污染过程中PM_(2.5)分布特征及成因。监测数据显示,2015年12月北京市重污染日共计13 d,累计月均值为151.8μg/m3。在12月19—26日一次重污染过程中,区域污染面积均超过40万km2,北京市单站PM_(2.5)小时均值超过800μg/m3。污染初期北京市南部地区PM_(2.5)浓度明显偏高,且PM_(2.5)极端高值出现在南部站点。污染输送阶段,北京市PM_(2.5)小时浓度在短时内呈爆发式增长,浓度增值是年均值的2~5倍。污染缓解阶段,偏北风作用,浓度明显下降。除了极端不利的天气形势外,区域散煤排放是造成重污染的重要原因;河北省唐山、保定、廊坊、石家庄等城市区域输送加重了污染程度。     

应用WRF/Chem模拟河南冬季大气颗粒物的区域输送特征

基于WRF/Chem模式,设置多组区域排放源的情景实验定量估算河南、京津冀、山东、山西、安徽和江苏、湖北6个区域人为源排放对河南省2015年12月PM_(2.5)和PM_(10)浓度贡献率,并结合气象资料研究3个代表性城市的污染输送特征.结果表明:河南省冬季PM_(2.5)和PM_(10)主要来源为本省排放,平均贡献率分别为54.83%、61.32%.区域污染输送对河南颗粒物的贡献也占有很大比例,京津冀、安徽和江苏、山东、山西以及湖北对PM_(2.5)平均贡献率分别为11.95%、11.69%、7.95%、7.40%、4.30%,对PM_(10)平均贡献率分别为10.42%、10.03%、7.00%、6.89%、3.80%.PM_(2.5)外来输送率比PM_(10)要高,表明细颗粒物比粗颗粒物更易跨区域长距离输送.冬季长持续时间的污染过程大多受静风或小风控制,省内污染贡献最大,过程结束时伴随着大风,周边区域的污染贡献有所增加.不同城市的颗粒物来源与其地理位置、风速、风向等气象条件密切相关.区域污染来源具有复杂性,改善河南省空气质量是需要整个区域共同面对和解决的问题.     

典型物流城市2016年冬季2次污染过程PM2.5污染特征及来源解析

为研究典型物流城市临沂市冬季重污染天气过程中PM_(2.5)化学组分特征,探讨污染成因,于2016年12月～2017年1月在6个采样点连续采集28 d的PM_(2.5)样品,并对其离子、元素、碳组分进行分析.采样期间PM_(2.5)质量浓度均值(145. 2±87. 8)μg·m~(-3),日均值超标率为82%; 2次污染过程中PM_(2.5)均值浓度分别为(187. 3±79. 8)μg·m~(-3)和(205. 3±92. 0)μg·m~(-3),为《环境空气质量标准》(GB 3095-2012)年均二级标准的5. 4和5. 9倍.化学组分质量重构结果显示二次无机离子(SNA)是冬季PM_(2.5)的主要组分(所占质量分数为51. 2%),其次为有机物OM(23. 8%),再次为矿物尘MIN(12. 7%).结合污染过程中化学组分的变化趋势和累积速率发现,第1个污染过程中SNA和OM是引起PM_(2.5)浓度增加的原因之一,第2个污染过程中SNA是导致污染的主因,硫氧化率(SOR)、氮氧化率(NOR)和OC/EC比值的日均变化趋势进一步验证了该结论. PMF源解析结果表明,临沂市冬季大气PM_(2.5)的首要源类为二次颗粒物和生物质燃烧混合源(分担率50. 0%),其次为燃煤源(16. 8%)、机动车(12. 9%)和城市扬尘(10. 0%),再次为工业源(5. 3%)和土壤尘(5. 0%). 2次污染过程中二次颗粒物的贡献较之冬季平均有明显增加,说明不利气象条件下二次颗粒物的生成、累积是导致重污染期形成的主因.     

“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.     

长沙市冬季重污染过程PM2.5污染特征和潜在源分析

文章针对2019年12月长沙市冬季气象数据和大气污染物质量浓度在线监测数据,分析大气污染特征及气象因素,通过HYSPLIT后向轨迹模型和NCEP的GDAS气象数据对12月及污染过程的3个阶段逐时72 h气流后向轨迹进行聚类,利用潜在源贡献因子(PSCF)和浓度权重轨迹(CWT)揭示长沙市冬季PM_(2.5)的潜在源区及其贡献特征。结果表明:12月长沙市PM_(2.5)平均浓度分别为77.12μg/m~3,其中阶段Ⅱ(185.9μg/m~3)阶段Ⅰ(80.9μg/m~3)阶段Ⅲ(59.1μg/m~3),相关性分析和特征雷达图表明,污染过程以一次颗粒物的排放为主;风速上升过程长沙市PM_(2.5)污染方位由西南方向南方转移,不利气象条件促进了污染过程PM_(2.5)的积累和爆发;聚类分析显示长沙市12月来自湘鄂交界处的轨迹3最频繁,来自福建和广东的轨迹4携带PM_(2.5)浓度最高。阶段Ⅰ偏燃煤型污染显著,受安徽、江西和湖南3个省份的气流轨迹影响;阶段Ⅱ偏二次型污染受福建和广东气流轨迹影响;阶段Ⅲ转变为偏综合型和其他类型污染,与北方气流占比相对阶段Ⅱ上升有关,主要受来自江西和福建交界处的轨迹1影响浓度和占比均为最大;WPSCF和WCWT结果显示,长沙市PM_(2.5)浓度的主要源区位于湖南西南、北部及广东、湖北等地。     

阳泉市秋冬季PM2.5化学组分及来源分析

采集了阳泉市城区2017年10月15日～2018年1月23日PM_(2.5)样品,分析了优良天和污染天PM_(2.5)及其化学组分特征,并利用富集因子分析法(EF)和正定矩阵因子分析法(PMF)对PM_(2.5)进行来源分析.结果表明,采样期间污染天二次无机离子(SO_4~(2-)、 NO~-_3和NH~+_4)在PM_(2.5)中的比例为23.83%,是优良天的2.43倍,污染天二次无机污染严重,污染天人为源相关的元素Cd、 Sb、 Sn、 Cu、 Pb、 Zn和As富集程度大于优良天;主要的污染源对PM_(2.5)的贡献分别是燃煤29.26%、扬尘23.83%、机动车19.34%、二次源16.01%和工业源11.57%,其中,污染天机动车排放对PM_(2.5)的贡献20.57%,高于优良天时17.82%,而燃煤源的贡献23.04%明显低于优良天时33.75%,静稳天气时机动车排放对PM_(2.5)贡献较优良天上升,燃煤源对PM_(2.5)贡献有下降.因此,阳泉市在秋冬季应加强对燃煤、扬尘源的控制,同时进一步加强对机动车的控制,以减少污染期间机动车的贡献.     

大气污染特征研究及臭氧污染个例分析——以深圳市龙华区为例

根据深圳市龙华区观澜子站空气质量监测数据,对龙华区近年来空气质量状况、主要大气污染物浓度时间变化特征、气象条件和污染物浓度相关性,以及典型臭氧(O_3)污染过程进行了分析。结果表明龙华区空气质量以优良为主,空气质量指数(AQI)超标日中,O_3浓度超标天数最多,其次依次是PM_(2.5)、PM_(10)和二氧化氮(NO_2)。PM_(2.5)、PM_(10)和NO_2在秋冬季的浓度最高,春季次之,夏季最低;而O_3浓度则在夏秋季最高,春季次之,冬季最低。除O_3(日间浓度高于夜间浓度)以外,PM_(2.5)、PM10和NO_2晚间浓度高于日间浓度。此外,相关性研究表明,颗粒物污染以细颗粒物为主,O_3(8 h)和NO_2与颗粒物浓度均呈正相关性。由于地域差异的存在,O_3(8 h)和颗粒物浓度的相关性在不同地域表现也不同。同时,大气污染物浓度与气象条件和人为排放源的相关性较高。     

基于曲面响应建模的PM2.5可控人为源贡献解析

以东莞市PM_(2.5)重污染月份为例,使用强力法(Brute Force)和RSM/CMAQ曲面响应模型法分别解析了珠三角地区人为源排放对东莞PM_(2.5)的贡献,以及区域传输的可控人为源SO_2、NO_x和一次颗粒物(PM)在不同控制比例下(25%、50%、75%和100%)对东莞PM_(2.5)的累积浓度贡献.强力法研究结果表明,2014年1月珠三角地区人为源二次转化对东莞市PM_(2.5)的贡献(约58.10%)大于一次PM排放贡献(约41.90%),其中,人为源NH_3排放贡献最大,约占总量的21.66%.RSM/CMAQ动态源贡献结果显示,东莞市PM_(2.5)的人为可控源排放贡献(SO_2、NO_x和一次PM)占比为82.17%,受本地排放影响较大,且叠加区域排放的影响;一次PM减排对PM_(2.5)环境浓度的贡献高于仅减排SO_2和NO_x.在减排比例较低时,一次PM减排可有效削减东莞市PM_(2.5)浓度;随控制比例加大,二次前体物(SO_2和NO_x)减排对东莞市PM_(2.5)浓度削减率的影响加大.进一步使用HYSPLIT模式和轨迹聚类分析方法研究了2014年1月东莞市PM_(2.5)污染传输过程.结果显示,该时段共有6条长、短距离污染传输路径,污染物主要来自东莞市东、东北及东南方向,途经其上风向区域(惠州、深圳和广州等)传输至东莞;惠州是各主导上风向出现频率最高的城市,因而其区域传输对东莞PM_(2.5)的贡献也较大,深圳次之.     

中山市一次灰霾天气过程污染物来源数值模拟分析

利用WRF-CMAQ模式对中山市2015年2月一次典型灰霾天气过程进行了数值模拟,并对2月11~12日这一主要污染时段本地和外地污染源的贡献进行了分析和减排评估.WRF-CMAQ模式能很好地模拟出该时段的气象条件、PM_(2.5)浓度以及能见度的变化过程.这次霾污染主要是受弱冷空气影响引起的,广州佛山、中山本地以及广东省外排放源对中山PM_(2.5)浓度的贡献率分别为33%、30%和27%,外地源的贡献相当大.中山本地工业源和农业源对中山PM_(2.5)的贡献分别为13%和8%,而广佛排放源中,工业源和农业源对中山PM_(2.5)的贡献率分别为20%和7%.对中山和广佛地区农业源减排30%、50%和70%后,中山的PM_(2.5)浓度分别下降6%、10%和15%,而对工业排放实施相同幅度的减排后,PM_(2.5)浓度分别下降11%、18%和23%.随着减排力度的增加,减排效率的变化并不明显.减排应在灰霾天气开始加重前实施,在PM_(2.5)浓度达到峰值前后减排的效果最为明显,而当灰霾天气趋于缓解时减排的效果会迅速下降.     

南京地区典型大气污染过程分析

文章统计分析了南京市近年来大气污染过程总体特征,选择2009-2011年不同类型的3个典型污染过程,分别讨论了其污染特征和影响因素.结果表明:以API值为污染判断指标,近年来南京市91%的污染过程持续时间在4 d以下,秋冬季节长时间污染过程更多。沙尘型污染受北方沙源地、长距离输送气象条件控制,影响范围广;秸秆燃烧型污染PM_(25)/PM_(10)浓度比例高达70%以上,细粒子(PM_(2.5))污染严重,主要受风向控制影响南京及周边局部地区,在降水冲刷或大风等气象条件下随污染源消失而快速消散;秋冬季的持续污染过程主要受气象条件影响,在均压场控制下,边界层呈局地性环流特征,污染物不断累积。     

APEC期间北京市PM_(2.5)特征模拟分析及污染控制措施评估

为分析APEC会议前后PM_(2.5)浓度特征,评估应急控制措施效果,通过对比分析APEC会前、会期、会后北京PM_(2.5)浓度和组分的变化特征,探讨气象条件和污染调控对环境空气质量的改善作用,采用CAMx-PSAT模型定量分析北京周边不同区域、不同污染源的控制措施对空气质量的改善效果,并设置情景对比研究控制措施实施与否呈现出的不同污染状况.结果表明:会期北京市区PM_(2.5)日均监测浓度低于国家空气质量二级标准(75μg/m3),污染物主要来自于本地源的排放,机动车尾气排放是北京市区PM_(2.5)的最主要污染源,贡献占比达到36.1%.由于污染控制措施的实施,会期北京市区PM_(2.5)浓度降低了43.0%,北京及周边区域严苛的污染控制措施是形成"APEC蓝"的主导因素.     

2014年10月北京市一次空气重污染过程分析

采用轨迹模拟与观测资料相结合的方式,对北京市2014年10月6—12日1次典型空气重污染过程的大气环境背景、气象条件和形成原因进行分析。结果表明:京津冀区域稳定的气象条件是形成重污染的主要原因,重污染过程中大气层结稳定,平均逆温强度每100 m为3.42℃,平均风速为1.56 m/s,平均湿度为83.13%;重污染过程中10月8—11日污染最重,北京ρ(PM_(2.5))日均值平均为264μg/m~3,且京津冀约20×104km~2国土面积处于重度污染水平;模拟结果显示污染最重的8—11日区域输送对北京PM_(2.5)贡献率在61%~69%;区域输送对北京PM2.5浓度起着更为重要的作用。     

北京春季一次霾-沙天气污染特性与成因分析

2017年5月3～5日,北京发生一次特别的重污染过程,与之相配的气象条件较为特殊,对污染形态和成因展开研究.基于北京35个环境监测站和与之最近的35个自动气象站,获取本次污染过程的总体特征及PM_(10)、PM_(2.5)浓度与地面风场的匹配形态;利用MODIS和CALIPSO研究污染空间分布、输送路径、污染物类别;根据欧洲中期天气预报中心ECMWF第三代再分析资料ERA-Interim及风廓线雷达数据研究污染成因.以期以地-空立体监测技术手段配合气象条件得到本次污染特有的形态特征和影响因素.结果表明,利用以上多源数据,对本次污染进行立体观测和综合分析,能较好地反映污染特性和受制因素.本次污染骤然开始,陡然下降,持续约30h,整个过程PM_(10)和PM_(2.5)浓度高,分别可达600～1 000μg·m~(-3)和200～700μg·m~(-3).全过程分为三段,前半段、间歇期、后半段.前、后半段污染成因以及由此造成的PM_(10)和PM_(2.5)浓度在空间分布上各有特点.前半段主导风向为西北风,风速小,PM_(10)浓度空间差异小,在800μg·m~(-3)以上,而PM_(2.5)浓度空间差异大,南部和城区高,达600～700μg·m~(-3),其余地方低,在350～500μg·m~(-3).间歇期低层风向从西北风切变为南风,高层维持西北风,南部和城区PM_(10)浓度下降明显,到650μg·m~(-3),北部依然在800μg·m~(-3),而此时北部PM_(2.5)浓度甚至降到200μg·m~(-3).后半段主导风又回到了西北风,且风速激增,此时PM_(2.5)浓度空间差异小且同一站点的浓度均小于前半段,在250～500μg·m~(-3).而PM_(10)浓度又回到了800μg·m~(-3)的水平.说明本次过程属典型霾-沙混合型污染.在偏西气流的影响下,对北京污染的主要贡献是沙尘型的PM_(10),而在偏南气流下,对北京污染的贡献除了沙尘外,还有PM_(2.5).污染重的同时,风速也大,大气垂直运动交汇于大约2～3 km高度,在此高度层内有大量污染物累积.     

河南省冬季3次重污染过程的数值模拟及输送特征分析

利用WRF-Chem模式模拟2015年11月27日—12月1日、12月5—14日、12月19—25日河南3次重污染过程,结合空气污染资料和ERA-Interim再分析资料,对比分析了这3次重污染过程的开始、持续和结束及污染物的输送特征.结果表明,静稳天气有利于污染的发展持续,3次重污染过程的结束均是由西路冷空气入侵造成的.第1次重污染过程平均风场上的风速均为小风或静风,从湖北到河南南部风向为偏南风;而第2和第3次重污染过程平均风场分别以偏东和偏北风为主.第2和第3次重污染过程中均存在明显的由北向南的污染物输送过程.3次重污染过程中,河南省本地排放对本省PM_(2.5)浓度的平均贡献率最大,而河南省周边区域对河南PM_(2.5)浓度的平均贡献率在这3次过程中不一样,第1次重污染过程,河南南部主要受偏南风影响,湖北对河南PM_(2.5)浓度的平均贡献率最大,为20.7%;第2和第3次重污染过程主要受偏东风影响,安徽和江苏对河南PM_(2.5)浓度的平均贡献率最大,分别为17.7%和18.5%.3次重污染过程中,安阳的主要污染输送源均不相同,分别来自河北、江苏和安徽、本省.     

餐饮源排放PM_(2.5)污染特征研究进展

餐饮油烟排放的污染物危害人体健康,餐饮源已成为城市环境PM_(2.5)的重要来源之一。文章对餐饮源排放PM_(2.5)污染特征的研究进行了综述,包括餐饮源对城市大气环境中PM_(2.5)的贡献、餐饮源排放PM_(2.5)的时空分布特征、化学特性、排放量的估算;初步总结了影响餐饮源PM_(2.5)排放特征的多种因素;分析了餐饮源PM_(2.5)污染的健康效应。该文在汇总国内外研究的基础上,对餐饮源PM_(2.5)的研究前景进行了展望。