黄河流域城市PM_(2.5)时空异质及空间溢出效应研究北大核心

选择2000—2020年黄河流域69个地级市PM_(2.5)浓度相关监测数据,采用空间自相关模型和空间回归模型对流域PM_(2.5)污染时空特征和空间溢出效应进行分析。结果表明:①2000—2020年黄河流域城市年度PM_(2.5)浓度值呈“先升后降”的趋势,黄河流域PM_(2.5)污染呈“先恶化、后改善”的趋势。②黄河流域PM_(2.5)浓度年度均值为52.99μg/m^(3),其中,上游、中游和下游PM_(2.5)浓度年度均值分别为39.35μg/m^(3)、54.65μg/m^(3)、72.53μg/m^(3),表明黄河流域PM_(2.5)污染水平地理梯度分布呈“上游<中游<下游”的态势。③黄河流域PM_(2.5)污染具有显著的空间自相关性和空间聚集特征,下游已形成较为稳定的大气污染区,但流域PM_(2.5)污染水平空间极化程度不断降低,空气质量朝着空间均衡方向不断改善。④黄河流域城市PM_(2.5)污染空间溢出效应明显,年均气温、人口密度、工业化程度、人均GDP等因素与城市PM_(2.5)污染水平呈正向相关性,降水量、年均风速、植被覆盖度等因素与城市PM_(2.5)污染水平之间呈负向相关性。     

昆山市高新区PM_(2.5)元素特征分析及健康风险评价

对昆山市高新区大气PM_(2.5)颗粒物和元素污染浓度进行同步监测,以元素为污染物示踪因子进行污染源特征分析,并通过健康风险评价模型对该地区颗粒物重金属元素进行评价。实验结果表明,在监测期间该区域PM_(2.5)污染程度不大,平均质量浓度达57.90μg/m~3;通过主成分分析对PM_(2.5)中元素进行分析,发现其主要来源分为混凝土搅拌及道路扬尘污染,电子产品及机械制造污染和燃煤燃烧污染等3个组分,电子产品及机械制造引起的污染是昆山高新区PM_(2.5)的主要来源;健康风险评价结果显示,昆山市高新区颗粒物中单种重金属元素通过呼吸途径对暴露人群的年均超额危险度在5.46E7~5.68E12之间,低于人群可接受的危险度水平10E6。     

四川盆地城市细颗粒物污染特征分类分析研究

利用2015年四川省21个城市空气环境质量监测资料,开展区域污染、燃放烟花爆竹、秸秆焚烧等典型污染类型对城市环境空气中PM_(2.5)污染贡献的研究,得到上述3种典型环境空气污染类型对四川省城市环境空气中PM_(2.5)污染贡献比例分别为13.62%、0.75%、3.11%,常态下PM_(2.5)污染贡献比例为82.52%,贡献浓度分别6.46μg/m~3、0.35μg/m~3、1.47μg/m~3,39.22μg/m~3,最后提出了大气污染防治方向。     

巴中市城区PM_(2.5)污染特征及时空变化规律分析

利用巴中市城区一个自然年(2016年3月1日~2017年2月28日)的空气质量数据,分析了巴中市城区PM_(2.5)的污染特征和时空变化规律。结果表明,PM_(2.5)日均浓度对数值接近正态分布特征,PM_(2.5)与其他主要大气污染物都具有显著的相关关系。CO、NO_2是主要的相关因素,与PM_(2.5)的相关系数都高达0.7以上。PM_(2.5)浓度表现为冬季秋季春季夏季,这与首要污染物是PM_(2.5)的天数占比以及PM_(2.5)与PM_(10)相关系数的季节变化一致,反映了PM_(2.5)呈现出以冬季污染最重,春、秋季污染中等,夏季污染最小的季节特征。PM_(2.5)与PM10的浓度比值表现为冬季秋季夏季春季。各个站点的PM_(2.5)变化趋势一致,相互之间浓度差异小且比较均衡,巴中中学站点的PM_(2.5)浓度无论在任何季节都高于其他站点,苏山坪站点在冬季的PM_(2.5)浓度明显低于其他站点,表明PM_(2.5)污染具有明显的区域性特征,与人类活动强度相关的局地污染对PM_(2.5)污染具有一定影响。     

气象因素对长沙颗粒物浓度影响的季节性差异分析

利用回归分析和相关性分析研究气象因素对长沙PM_(2.5)、PM_(10)浓度影响的季节性差异。研究表明:(1)春季,与PM_(2.5)、PM_(10)浓度相关系数最大的气象因子分别为日降水量、日最高气温;夏季均为日最大风速;秋季均为日平均相对湿度;冬季为日降水量、日最高气温。(2)秋季气象因素与PM_(2.5)多元回归分析R~2(P0.01)最大,为0.269;春季次之,R~2为0.159;春、冬季较低,R~20.1;秋季气象因素与PM_(10)多元回归分析R~2(P0.01)最大,为0.572;春、夏、秋季,R~2分别为0.258、0.265、0.252。本结果揭示了不同季节气象条件影响PM_(2.5)、PM_(10)浓度的差异程度,利于提高城市PM10、PM_(2.5)预测的精度水平。     

多时间尺度的秦岭南北城市PM_(10)和PM_(2.5)变化特征分析

基于454d PM_(10)、PM_(2.5)质量浓度小时数据,分析不同时间尺度下西安市和安康市PM_(10)、PM_(2.5)变化规律。结果表明:(1)西安市和安康市PM_(10)、PM_(2.5)日均浓度均呈宽"U"字型变化趋势,秋冬季污染重于夏秋季,西安市污染重于同期安康市。(2)经小波分析发现,西安市在2017年供暖期内PM_(10)、PM_(2.5)浓度小波周期与同期安康市基本相同,经济结构差异和自然条件差异对PM_(10)、PM_(2.5)时间周期无显著影响。(3)城市自然、经济和供暖条件引起西安市和安康市PM_(10)、PM_(2.5)小时浓度变化趋势差异。     

中国煤炭消费对PM2.5污染的影响研究

国务院颁布的《大气污染防治行动计划》明确提出制定国家煤炭消费总量中长期控制目标,到2017年,煤炭占能源消费总量比重降低到65%以下,然而煤炭消费对PM_(2.5)污染的贡献到底多大,这是当前亟待研究的科学问题。为定量分析煤炭消费对我国PM_(2.5)污染的影响,本研究首先计算了2012年煤炭消费产生的大气污染物排量,然后利用CAMx空气质量模型,分别采用组分分析法和情景模拟法两种方法研究了煤炭消费对全国PM_(2.5)污染的影响。组分分析法研究表明,煤炭消费对全国PM_(2.5)年均浓度的贡献率约为61%,其中煤炭直接燃烧、煤炭相关行业的贡献率分别约为37%、24%;情景模拟法研究表明,煤炭消费对全国PM_(2.5)年均浓度的贡献率约为56%。因此,我国由于煤炭消费对全国PM_(2.5)年均浓度的贡献率为56%~61%。     

四川省近15年以来PM_(2.5)的时空分布特征及原因分析

近年来,PM_(2.5)成为大家关注的重点,四川省是中国PM_(2.5)高浓度的分布地区之一。利用四川省2000~2014年近15年的PM_(2.5)年均浓度反演数据,按照2005年WHO对PM_(2.5)的划分标准,采用10μg/m3、15μg/m3、25μg/m3、35μg/m3四个断点将其分为5类。以此为基础分析了四川省PM_(2.5)的时空分布特征及影响因素。研究结果表明:(1)东部地区PM_(2.5)浓度明显大于西部,2010~2014年四川省PM_(2.5)年均浓度呈下降趋势;(2)PM_(2.5)类型以污染最严重的第五类为核心呈半环状向西递减,2010~2014年第五类所占比例波动降低;(3)成都市、眉山市等地区PM_(2.5)浓度较高,2014年PM_(2.5)年均浓度降低;(4)自然因子、不透水地表、产业结构变化、大气污染防治政策等是影响PM_(2.5)浓度变化的重要因素。     

采暖期和非采暖期PM_(2.5)污染特征分析——以烟台市为例

通过统计烟台市11个监测点位的大气污染成分数据,分析了PM_(2.5)在各阶段的浓度变化规律,并利用pearson相关性分析系统分析了各个监测站点之间污染变化规律的相关性。研究表明PM_(2.5)在一天内的时均浓度呈"M"型双峰的变化规律;烟台市年均浓度超过了国家规定的年均浓度限值35.0g/m~3,达到了47.0μg/m;另外采暖期PM_(2.5)的质量浓度是非采暖期的1.27倍;非采暖期PM_(2.5)占PM_(10)的比重为59%,在采暖期上升到63%,将采暖期与非采暖期做了系统的比对。     

秦皇岛市环境空气质量状况及污染防治对策

2015—2017年秦皇岛市环境空气质量有所好转,SO_2、CO、PM_(10)和PM_(2.5)污染程度呈现下降趋势,NO_2和O_3污染程度呈现上升趋势,主要污染物为PM_(10)和PM_(2.5)。秦皇岛市大气污染的主要因素有工业废气、机动车尾气、扬尘和燃煤等,是典型的复合型污染。建议通过加强工业污染源治理、强化机动车尾气治理、推进扬尘治理、加强燃煤锅炉治理、推广清洁能源、完善大气预警应急体系等污染防治对策来改善秦皇岛市环境空气质量。     

炼化企业无机前体物排放对大气细颗粒物的贡献

大气污染物SO_2、NO_X、NH_3是形成二次细颗粒物(PM_(2.5))的重要无机前体物。为控制PM_(2.5)污染,要求形成一套便于炼化企业自身核算无机前体物排放对PM_(2.5)贡献的方法体系。探讨了基于排放清单、PM_(2.5)化学组成和NH_4~+/SO_4~(2-)摩尔浓度比值所建立的计算模型的合理性和可行性,并将其用于某炼厂进行案例分析。结果表明,所建立的计算模型可满足炼化企业PM_(2.5)核算要求,用于核算无机前体物排放对PM_(2.5)最大贡献量。案例企业排放前体物转化形成的PM_(2.5)等效排放量远高于该企业PM_(2.5)直接排放量,应予以关注。     

专家观点 燃煤烟气多种污染物控制技术发展到超低排放阶段，加强氨的使用和排放控制十分必要

正加强对多种污染物排放控制的管理,进一步改善空气质量氨对PM_(2.5)的成因有一定的影响,大气重污染成因与治理攻关项目的相关研究结果和近几年对秋冬季的PM_(2.5)的监测表明,PM_(2.5)中铵离子占10%,是其重要的组成部分。氨的年排放总量在千万吨左右,其中80%来自农业。燃煤烟气在脱硫脱硝过程中的氨排放问题,近年来备受关注。     

南充冬季大气PM2.5污染特征及来源分析

为探究南充市冬季大气PM_(2.5)污染特征,于2017年1月对南充市大气PM_(2.5)进行采样,分析水溶性离子、无机元素和碳质组分的组成、浓度水平和来源。结果表明,二次无机离子SO_4~(2-)、NO_3~-、NH_4~+是南充市冬季大气PM_(2.5)水溶性离子中的重要组成部分,占总离子的86.7%;NH_4~+与NO_3~-和SO_4~(2-)主要是以NH_4NO_3和(NH_4)_2SO_4形式存在,SOR和NOR平均值分别为0.51和0.23,SOR高于NOR,说明南充市冬季硫氧转化速度比氮氧转化速度快且二次离子污染较为严重;NO_3~-/SO_4~(2-)比值为1.11,表明移动源是南充冬季大气污染物的主要来源,并且南充市冬季大气PM_(2.5)偏酸性。OC、EC是大气PM_(2.5)重要组成部分,OC/EC比值大于2,SOC对OC的贡献率较大(65.3%),南充市冬季大气PM_(2.5)中OC主要来源于二次污染。OC、EC之间相关性较好(R=0.84),二者具有共同的来源。主成分分析(PCA)结果表明,南充市冬季PM_(2.5)的主要来源是汽车尾气、燃煤、二次污染、生物质燃烧、土壤及建筑扬尘。     

北京市区冬季PM_(2.5)污染特征及来源分析

选取北京市区为采样点,于2016年1月进行PM_(2.5)采集,并分析了PM_(2.5)和水溶性组分的污染特征和来源。结果表明,采样期间北京市PM_(2.5)质量浓度平均为67.7μg/m~3,水溶性离子是PM_(2.5)的主要组分,其中SO_4~(2-)、NO_3~-和NH_4~+之和占总离子的79.1%;Ca~(2+)和Mg~(2+)分别占PM_(2.5)质量浓度的2.5%和0.9%,海盐气溶胶和K~+分别占PM_(2.5)的3.6%和1.6%。采样期间NO_3~-/SO_4~(2-)为1.1,表明NO_2和SO_2主要来自移动源的贡献。北京市区冬季PM_(2.5)主要来自二次污染源、扬尘、生物质燃烧和海盐气溶胶,贡献率分别为42.351%、21.164%、16.314%和5.436%。     

新疆环科院承担的国家自然科学基金大气污染研究方向项目通过验收

<正>2019年3月,新疆环科院承担的国家自然科学基金项目《SO_2、NO_2和NH3在典型PM_(2.5)表面降解形成二次无机颗粒物的化学过程研究》顺利通过国家自然科学基金委员会地球科学部的审核验收,准予结题。本项目针对我国多种类、高浓度气态污染物和颗粒物共存的复合污染特点,选取典型的PM_(2.5)组分中的矿物质颗粒物,设计搭建气-固反应原位漫反射红外光谱和离子色谱联合检测技术(DRIFTS/IC),较系统地研究了SO_2、NO_2、NH_3和在典型PM_(2.5)矿物质颗粒物表面吸附-降解形成二次无机颗粒物的非均相反应过程,并考察了气体浓度、配比、温度、相对湿度和光照对反应的影响,结合DFT方法,从分子层次上探讨反应机     

成都市典型建筑工地扬尘污染特征研究

在成都市选取一个典型建筑工地,布设4个采样点,利用在线监测和手工离线监测同步测试建筑施工工地扬尘污染特征。监测结果表明:扬尘在线监测与手工离线监测变化趋势较接近,其中在线监测总颗粒物(TSP)浓度总体高于手工监测浓度,上风向(2#)、下风向(1#)PM_(10)日均值总体较手工监测数据分别低19%和33%,PM_(2.5)日均值总体较手工监测数据分别低24%和20%;建筑施工活动以及车辆进出对工地扬尘排放影响较大。     

潍坊城区典型区域PM_(10)和PM_(2.5)质量浓度变化特征

利用2016年1月至12月潍坊城区典型区域的PM_(10)、PM_(2.5)浓度的连续观测数据,研究了PM_(10)、PM_(2.5)浓度的变化特征及其与气象因素的关系。结果表明,潍坊城区颗粒物污染较为严重,PM_(10)超标率为7.59%、PM_(2.5)超标率为33.61%。PM_(10)和PM_(2.5)质量浓度均存在明显的季节变化和月变化规律,表现为夏季月份较低,而冬季月份较高。PM_(2.5)/PM_(10)比值的平均值为0.526,该比值也呈现一定季节变化,冬夏两季较高,春秋两季较低。PM_(10)和PM_(2.5)与气温均呈现一定的负相关性,PM_(10)还与湿度呈现负相关关系。     

水泥生产线污染源PM_(2.5)排放的监测

水泥工业是重要的PM_(2.5)排放源之一,因此有必要对水泥生产线污染源PM_(2.5)排放进行监测。介绍了水泥生产线污染源PM_(2.5)监测的主要仪器和方法,并对监测数据进行了分析。     

潍坊市大气细颗粒物化学组分特征分析

为探讨潍坊市大气细颗粒物(PM_(2.5))的污染特征,于2015年在潍坊城区开展了不同季节的颗粒物观测试验,分析了PM_(2.5)样品的碳组分(OC和EC)、水溶性无机离子和无机元素等。结果显示,在观测期间PM_(2.5)中水溶性无机离子污染最为突出,其次为有机碳、微量元素和元素碳。受采暖季燃煤消耗量增加影响,该季节PM_(2.5)中碳质组分含量、部分水溶性离子(SO_4~(2-)和NH_4~+)含量、人为微量元素含量显著高于其他季节。风沙季,PM_(2.5)中OC主要来源于二次有机碳。     

2015-2020年昌吉市PM_(2.5)污染时空分布特征

以新疆"乌—昌—石"重点城市之一的昌吉市作为研究对象,收集2015～2020年昌吉市空气质量自动监测站点的PM_(2.5)浓度数据,分析昌吉市PM_(2.5)浓度的年变化、季节变化、月、日以及小时变化特征及其变化规律。结果表明:近6年来昌吉市PM_(2.5)浓度均超过二级标准限值浓度,且PM_(2.5)平均浓度整体呈上升趋势;不同季节PM_(2.5)浓度呈春夏季低、秋冬季高的特点;受冬季气象条件和采暖期影响,PM_(2.5)浓度在11月至次年3月相对较高,4～10月相对较低;PM_(2.5) 24小时浓度在不同月份呈现不同的日变化规律。PM_(2.5)浓度时空分布与气象条件、采暖季、汽车尾气、工业排放等因素有关,且是影响空气质量等级和优良天数的主要因素。研究结果可为昌吉市PM_(2.5)污染防治提供参考。