广州市大气污染物对新冠疫情管控的响应

为评估极端污染减排情境下广州市大气污染物的响应特征,结合气象要素和出行指数,分析了2020年新冠疫情停工前后大气污染物时空变化特征。2020年疫情停工期(1月24日—2月9日)气象条件与2017—2019年同期相比,大气水平扩散条件未见显著性差异,湿清除条件较好,生成O₃的光化学反应条件较差,NO₂、PM₁₀、PM_2.5、SO₂和CO浓度达2017年以来同期最低值,O₃浓度则处于2017年以来的次低值。相似气象条件下,全市6项大气污染物在停工期的浓度均比停工前和复工期低。其中,NO₂、PM₁₀和PM_2.5对疫情管控的响应较灵敏,SO₂和CO的响应较弱;由于受气象条件和气态前体物的共同作用,O₃浓度在停工前后的变化显得较为复杂,变化幅度较小。城区大气污染物对管控的响应比郊区大,而在大气污染排放较为集中的工业园区,响应比城郊区更加灵敏。对严控措施响应较...     

基于机器学习方法研究气象及排放变化对长三角地区主要城市大气污染物的影响

选取2015～2021年长三角地区4个代表性城市污染物浓度,利用机器学习的气象归一化方法解耦气象因素对污染物的影响,量化气象和排放对污染物浓度变化的贡献.结果表明,长三角地区PM_2.5、 NO₂和SO₂排放下降影响贡献较大(57.2%～68.2%、 80.7%～94.6%和81.6%～96.1%),抵消了气象因素带来的不利影响,致使污染物浓度降低.而气象条件对于臭氧日最大8 h(MDA8＿O₃)的贡献强于其他污染物(23.5%～42.1%),其中气象因素促进污染物浓度上升(4.7%),排放变化促进污染物浓度下降(-3.2%). NO₂和MDA8＿O₃在2019～2021年降幅更快,主要原因是2019～2021年排放起到较2015～2018年更强的促进污染物浓度降低作用.PM_2.5和SO₂在2019～2021年的降幅较2015～2021年整体有所减弱.基于机器学习的气象归一化方法可以解耦气象对污染物的影响,量化排放...     

2020年新冠疫情期间广州市大气污染物垂直分布特征

为研究新冠疫情发生后广州市实行疫情防控政策对大气污染物浓度的影响,利用广州市2019年12月1日—2020年2月29日的空气质量指数数据及广州塔垂直梯度观测站实时监测的PM_2.5、PM_1.0、NO_x、O₃、SO₂和CO等污染物浓度数据,采用统计分析、污染物特征雷达图及相关性分析等方法,探讨了疫情前后大气污染物的垂直分布、污染特征及其影响因素.结果表明,实施疫情防控政策后,除O₃外,其他组分浓度均有不同程度的下降,其中,NO_x下降幅度最大为68.5%,且浓度随着高度上升而降低;其次PM_2.5下降39.5%,但PM_2.5浓度随高度下降幅度不明显;相反地,O₃浓度升高了18.0%,且浓度随着高度上升而增加.研究发现,疫情防控期间NO_x浓度的减少导致了O₃浓度的积累,从而增强了大气氧化性,促进了高空中二次气溶胶的生成.综上,疫情管控期...     

新冠肺炎疫情期间河北省国省道机动车交通量及大气污染物排放量变化分析

本研究分别利用2019年、2020年第一季度河北省国省道交通调查站监测数据,计算了两年国省道机动车逐日交通量及大气污染物排放量,分析了新冠肺炎疫情期间国省道机动车大气污染物排放的变化情况.与2019年相比,2020年第一季度河北省国省道交通量同比下降38.1%,单位公里CO、VOCs、NO_x、PM_2.5、PM₁₀排放强度分别同比下降31.3%、32.7%、19.1%、20.2%、20.0%.从不同公路类型来看,2020年第一季度,普通公路交通量持续下降,国家高速和省级高速交通量在3月出现回升,分别同比增长5.6%、37.2%,且货车增速高于客车.2020年春运期间,客车、货车总交通量分别为去年同期的44.2%、51.0%,国省道CO、VOCs、NO_x、PM_2.5、PM₁₀的排放强度分别是去年同期的51.4%、50.6%、52.6%、52.3%、52.3%.从2月14日开始,客车、货车交通量开始逐步回升,到3月底,国省道总交通量恢复到了去年同期的46.6%,其中,客车是去年同期的34.5%,货车是70.3%.     

城市大气污染物对PEMFC性能的影响

论述了城市空气污染物(即阴极气体杂质)对质子交换膜燃料电池(PEMFC)性能的影响。提出了燃料电池汽车(FCV)进入商业化应用时即将面临的一个急待研究的课题。文中综述了CO、CO2、硫化物、碳氢化合物(HC)、氮氧化物(NOx)、NH3、卤素离子(X-)、酸沉降物以及大气颗粒物等对PEMFC性能的影响,同时对解决阴极气体杂质影响的途径进行了分析。     

新冠肺炎疫情对咸阳市空气质量的影响

利用机器学习模型控制气象因素影响,定量分析了疫情期间污染源减排对咸阳空气质量的影响.结果表明,与未发生疫情情景相比,疫情期间咸阳PM2.5、PM10、SO2、NO2和CO浓度分别下降19.3％、26.0％、13.4％、60.1％和9.1％,NO2降幅最大,SO2和CO降幅较小,O3浓度不降反而上升50.9％.在一次排放...     

大气污染物浓度变化及其和气象因子的关系

随着社会经济的高速发展,现如今我国的广大人民群众的基本生活水平得到了非常巨大的提升,而在这种大的形势之下,人民群众的基本生活上的要求也不再仅仅是温饱二字了,现如今的广大人民群众要求得更多得一项便是身体健康了,于是关于大气污染物的话题开始被广泛的讨论起来。所以在本文中我们也会对大气污染物这一话题进行基本的探讨,探讨的中心点在于大气污染物的浓度变化与气象因子之间的关系,并且我们还会对二者之间的关系进行必要的研究分析,试图提出一些能够减少大气污染物浓度的相关建议。     

京津冀及周边地区秋冬季大气污染物排放变化因素解析

基于大气污染源排放清单技术方法,定量分析2016 ～2017年秋冬季跨年霾至2019 ～2020年秋冬季疫情霾期间京津冀及周边地区主要大气污染物排放量变化,解析大气污染防治政策实施带来的减排和疫情造成的活动水平下降对主要污染物排放的贡献,并利用空气质量模型模拟分析不利气象条件下措施减排和疫情影响对空气质量改善的...     

秸秆露天焚烧典型大气污染物排放因子

利用烟气污染物稀释采样系统,基于实际测试,针对玉米、小麦、花生和棉花4种农作物秸秆开展露天焚烧排放大气污染物采集和分析.利用修正燃烧效率区分燃烧状态,根据碳平衡法计算烟气中颗粒物和气态污染物排放因子.结果表明,4种秸秆露天焚烧CO、SO₂、NO_x和CH₄平均排放因子分别在7.39~92.4g/kg、0.11~0.89g/kg、0.72~3.86g/kg和0.2~5.45g/kg之间,PM_2.5平均排放因子在1.48~13.29g/kg之间.OC和EC的质量分别占PM_2.5全部质量的27.7%~54.3%和4.4%~17.1%,是PM_2.5的主要组成成分.污染物排放主要来自混合燃烧状态,焖烧状态排放污染物浓度相对较高.随着含水率升高,焖烧过程增强显著,CO、CH₄、PM_2.5和OC的排放因子升高,其中PM_2.5排放量增高主要是由OC排放占比升高导致.     

基于空气质量和气象数据的大气污染物排放水平评估

评估大气污染物排放水平有助于防治大气污染。基于空气质量和气象数据,定量分析了气象因素对大气污染物浓度的影响,在此基础上建立了一种基于空气质量和气象数据的大气污染物排放水平指标——"参考浓度",即同等排放水平、参考气象条件下的大气污染物浓度;以SO_2为例,通过比较我国主要城市SO_2监测浓度、参考浓度与排放水平的相关性,验证了该排放水平指标的有效性;将该排放水平指标应用于我国不同地区大气细颗粒物PM2.5污染的脆弱性分析,得到了不同地区PM2.5排放水平的时空分布特征。结果显示:大气污染物参考浓度相比监测浓度可以更好地反映大气污染物的排放水平。该评估方法可以为大气污染防治提供参考。     

深圳市2022年春季新冠疫情管控期间空气质量分析

短期减排是我国城市应对大气污染事件的重要应急管控手段,但短期减排的效益尚未得到完善分析.2022年3月14～20日,广东省深圳市为抑制新冠疫情传播实施了全市管控,为评估短期减排对华南城市春季空气质量的影响提供独特机会.结合深圳市高精度环境空气质量监测与气象观测等多源数据,分析了深圳市管控期间前后的空气质量变化.此次管控前和管控期中均有部分日期天气形势静稳,局地污染水平主要反映本地排放,有利于分析本地减排的影响.观测与WRF-GC区域化学模拟都表明,与珠三角周边城市相比,深圳市管控期间由于市内交通源排放显著减少,深圳市二氧化氮(NO₂)浓度降低(-26±9.5)%,可吸入颗粒物(PM₁₀)浓度降低(-28±6.4)%,细颗粒物(PM_2.5)浓度降低(-20±8.2)%,但臭氧(O₃)浓度无显著变化[(-1.0±6.5)%].TROPOMI卫星观测的甲醛和二氧化氮柱浓度数据对比表明,2022年春季珠三角臭氧光化学主要受挥发性有机物(VOCs)浓度控制,对氮氧化物浓度降低不敏感,反而可能因氮氧化物对臭氧滴...     

厦门湾空气质量对新冠疫情管控的响应

通过对厦门湾城市群在COVID-19封锁前后6周内（2020-01-11~2020-02-21）的空气污染物浓度变化进行分析,以确定影响本区域空气质量的主要人为污染源.在春节假期与封锁叠加期间,SO₂、NO₂、CO、PM₁₀和PM_2.5浓度相比于节前1周的下降幅度分别为6%~22%、53%~70%、34%~48%、47%~64%和53%~60%,而O₃浓度变化没有一致的规律性;与2018~2019年历史同期相比,PM_2.5、PM₁₀、CO和NO₂的下降幅度更大,但SO₂的下降幅度相当;在复工复产后,NO₂的反弹幅度最大（38%~138%）,远高于SO₂（2%~42%）,显示交通源相对于固定源更易受到疫情管控的影响;春节后风速增大和降水增多也为SO₂、NO₂和PM的下降提供了正向影响.利用反距离插值权重法,得到管控前后厦门湾城市群不同污染物的空间分布变化特征,显示NO₂浓度高值区的变化与交通源高度相关,CO和SO₂空间分布特征保持稳定,复工后PM_2.5和PM₁₀在人口与路网密集区变化不明显,而在工地相对集中区域有明显上升,O₃空间分布的低值区与NO₂的高值区具有较好的空间匹配性,显示NO₂对O₃滴定作用明显,可为进一步O₃污染减排措施的制定提供参考.     

疫情期间人为源减排对城市大气氧化性的影响

近年来,中国经济发达地区以细颗粒物（PM_2.5）和臭氧（O₃）共同引发的区域性复合型大气污染事件频发,大气氧化性（AOC）在其中发挥着重要作用.基于WRF-CMAQ模型,以2020年疫情管控期为案例探究人为源减排对AOC的影响,选取中国东部3个典型城市（石家庄、南京和广州）进行深入分析,量化排放变化及气象变化对氧化剂和AOC变化的贡献,探讨AOC变化对二次污染物生成的影响.结果表明,与2019年同期相比,2020年石家庄、南京和广州的城市平均AOC分别增加了60%、48.7%和12.6%;氧化剂臭氧、羟基自由基和硝酸根自由基的浓度均有不同程度的增加（1.6%~26.4%、14.8%~73.3%和37.9%~180%）.排放变化使3个城市AOC分别增加了0.06×10^-4、0.12×10^-4和0.33×10^-4 min^-1,气象变化导致石家庄和南京AOC增加（分别为20%和17.9%）,但在广州却相反（-9.3%）.增强的AOC导致氮氧化速率和挥发性有机物氧化速率升高,即促进了一次污染物向二次污染物的转化,并抵消了部分一次减排的影响,造成了管控期间二次污染物相对排放的非线性变化.     

COVID-19疫情期间京津冀大气污染物变化及影响因素分析

为了应对COVID-19疫情,京津冀地区采取了一系列严格的管控措施,这些措施导致了大气污染物人为源排量的减少,为探究大气污染受人类活动的影响程度提供了时机.将疫情防控分为前期、初期、中期和后期这4个阶段,并结合气象、交通量和工业数据,综合运用数理统计和空间分析方法,得出各时间段大气污染物的变化情况及影响因素,为京津冀地...     

COVID-19管控期间气象条件变化对京津冀PM2.5浓度影响

2020年初新冠肺炎疫情（COVID-19）暴发后,中国多地实施了严格的管控措施,导致污染物排放量明显下降.但在减排实施的情况下,京津冀PM_2.5等污染物浓度较过去5 a同期却明显增长,出现了两次PM_2.5重度污染事件.利用欧洲中心ERA5再分析资料分析发现,相对于过去5 a, COVID-19管控期间京津冀地区的气象场表现为偏高的相对湿度、偏低的边界层高度和边界层内异常的辐合上升运动,有利于颗粒物的吸湿增长和二次转化,不利于污染物垂直方向上的扩散.此外,利用WRF-Chem模式开展敏感性试验发现,在京津冀中部地区气象场的变化导致2020年管控期间ρ(PM_2.5)升高了20～55μg·m^-3,升高比例高达60%～170%.进一步利用过程诊断分析法得出,增强的气溶胶化学过程和不利的湍流扩散条件是2020年COVID-19管控期间PM_2.5浓度升高的主要原因.在当今减排的大背景下,边界层高度和相对湿度的变化可能成为预报预测京津冀地区PM_2.5污染事件的重要指标...     

COVID-19疫情期间北京市两次重霾污染过程大气污染物演变特征及潜在源区分析

新冠肺炎疫情(COVID-19)期间,执行了严格居家隔离措施,人为排放源急剧降低,但北京仍出现了两次持续重霾污染过程.本研究使用北京市大气污染物、气溶胶数浓度和气象要素数据,结合气团轨迹模式(HYSPLIT),计算了潜在源贡献因子(PSCF)和浓度权重轨迹(CWT),分析了两次重霾污染过程中大气污染物的演变特征及其潜在源区贡献.结果表明,COVID-19期间居家隔离措施对PM_2.5和黑碳(BC)的日变化特征影响较大,对CO、NO₂、SO₂和O₃的日变化影响较小.两次重霾污染过程首要污染物均是PM_2.5,污染过程1主要是以局地污染为主,污染过程2以局地污染和外来输送为主.不同过程下气溶胶数浓度谱分布均为单峰型分布,峰值位于0.3μm,在污染过程中主要是0.2～0.5μm粒径气溶胶数浓度增加,是干净日的3.3～13.6倍.不同过程中BC_liquid对BC的贡献为64.8%～85.1%. BC_liquid的浓度为:污染过程2(5.04μg·...     

2020年初疫情管控对山东省空气质量影响的模拟

利用2020年初新冠疫情对人类生产、生活的一次自然冲击及由此导致的大气污染状况变化,研究了空气质量对污染物减排及气象因素的响应关系.通过对疫情管控前(1月15 ～23日)和疫情控制关键期(1月24日～2月7日)这2个阶段空气质量对比分析发现,疫情期间山东省除O3浓度上升外,PM10、PM2.5、NO2、SO2及CO浓度...     

基于机器学习算法的新冠疫情管控对河南省空气质量影响的模拟分析

全国各地为了减少新冠疫情对社会和人民生活的影响,采取了必要的防疫防控措施,这些措施对空气质量的变化产生了重要的影响,此外空气质量的变化与气象条件也存在很大的关系.通过对河南省疫情前（1月1~26日）和疫情管控期（1月27日~2月29日）这两阶段的空气质量分析对比发现,整个河南省除了O₃浓度上升了69.64%外,PM_2.5、PM₁₀、SO₂、CO和NO₂分别降低了36.89%、34.18%、19.43%、29.85%和58.51%;通过机器学习算法中的长短期记忆型网络（LSTM）模拟显示,气象条件引起污染物浓度的降幅大部分在15%~30%之间;人为排放减少引起的污染物浓度的降幅大部分在6%~40%之间.O₃在疫情期间上升过程中,气象条件和人为排放两种因素分别占了34.84%和34.81%.结果表明,疫情管控期间,河南省空气质量总体上有所改善,但是也有重污染发生,其中O₃的浓度对于疫情管控减排的影响不明显,呈负相关,需要进一步探索引起臭氧浓度上升的原因,以此帮助政府合理控制臭氧等前体污染物的减排比例.