闽江流域水环境容量紧缺度分析

采用水环境容量紧缺度计算模型,以闽江流域为例,根据2011—2015年的污染物排放情况,测算流域内各个地区的紧缺度指数。结果显示:从时间变化来看,各地区水环境容量紧缺程度均逐年减小。从空间变化来看,总体上呈现南高北低、东高西低的趋势。泉州、福州地区COD和NH_3-N紧缺程度高于其他地区,NH_3-N紧缺程度更为显著。三明、南平、宁德、龙岩等地区水环境容量的紧缺度相对较低,可以适当加大水环境容量开发利用程度。     

大气污染物和污染源重要性排序研究

为了在现有大气污染源排放清单建设工作中突出重点,进行有效的调研分析,需判断出区域大气的主要污染源和污染物,因此制定了区域大气污染物和污染源重要性排序的一般原则和计算方法。从现有国内研究中选取北京市、天津市、上海市、杭州市、广东省以及珠三角共6个有NO_x、SO_2、PM_(2.5)、PM_(10)、NH_3、VOCs、CO排放量研究结果的地区进行综合对比分析,根据等标污染负荷比法和狄克松检验法得出区域污染源和污染物重要性排序结果。根据通用方法,以扬州市为例,得出扬州市大气污染源重要性排序结果依次为:工业源、生活源、农业源、移动源和其他源,主要污染源为工业源和生活源;扬州市大气污染物重要性排序结果依次为:NO_x、SO_2、PM_(2.5)、PM_(10)、NH_3、VOCs和CO,主要污染物为NO_x、SO_2、PM_(2.5)和PM_(10)。     

近年南京冬季首要大气污染物时空分布特征

近年来,随着气候变化以及工业化程度的加深,城市的大气污染问题日益突显。作者收集了2013-2018年南京地区首要大气污染物资料,对该地冬季大气污染物的时空分布特征及各污染物之间的相关性进行分析。结果表明:(1)从时间分布来看,除O_3外,南京冬季各污染物浓度均在2月达到最小值,AQI、PM_(10)、SO_2和NO_2浓度均在12月达最大,1月次之。PM_(2.5)、PM_(10)与AQI日变化趋势高度一致,在上午10∶00-11∶00出现峰值,在下午17∶00出现最低值。SO_2日变化呈单峰式变化特征,在上午11∶00出现峰值。NO_2浓度的日变化趋势与O_3正好相反,在下午14∶00-15∶00,NO_2出现低值,而O_3出现峰值。(2)从空间分布来看,南京冬季AQI与PM_(2.5)、SO_2的空间分布特征类似,呈东南高、西北低的分布特点,而PM_(10)呈西南-东北向递增的分布特点。(3)AQI与PM_(2.5)、PM_(10)的相关性最好,与SO_2、NO_2的相关性次之,而AQI与O_3没有明显的相关性,即影响南京冬季空气污染的主要是PM_(2.5)、PM_(10)、SO_2和NO_2。     

镇江市大气环境承载力研究

根据前人对大气环境容量和环境承载力计算的对比分析,计算2012年镇江市的大气环境容量和大气环境承载力指数,通过对该市的气象条件和地理位置的分析,选取SO_2、NO_x和PM_(10)这3种主要大气污染物,并分析其环境承载状况。结果表明:句容市、丹阳市、杨中市处于高承载的状态,临界超载、严重超载和超载的3个区分别是润州区、京口区和镇江新区,针对这3个区提出相应改进措施。     

华北典型农区夏季大气污染特征及变化趋势研究

为研究华北典型农区大气污染特征及变化趋势,于2008年和2012-2014年的夏季在山东禹城生态站,对大气中主要污染物(NO_x、O_3、SO_2和PM_(2.5))进行了观测研究。结果表明:观测期间NO_x、O_3、SO_2和PM_(2.5)的平均浓度分别为(31.8±16.8)、(77.6±27.5)、(13.1±14.3)和(84.2±41.7)μg/m~3,O3日8 h滑动平均最大值和PM_(2.5)日均值浓度超过国家二级标准的超标率分别为35%和54%;NO_x、O_3及O_x的浓度总体呈上升趋势;SO_2浓度呈下降趋势;PM_(2.5)浓度呈现波动变化;NO、O_3和SO_2呈现白天单峰型日变化形式,NO_2和PM_(2.5)日变化呈现双峰型。禹城农业区夏季大气污染主要受其偏南城市济南、泰安和聊城方向气流影响,高浓度的O_3污染的同时伴随着高浓度PM_(2.5)污染。     

金华市人为源大气污染物排放清单

该文基于对金华市大气污染排放源的摸底调查,基础数据收集和分析,结合国内外的研究结果,采用"自下而上"为主的排放系数法,建立了2013年金华市人为源大气污染物排放清单。该清单涉及的污染物包括SO_2、NO_x、CO、PM_(10)、PM_(2.5)、VOC和NH_3。人为污染源种类包括电厂源、工业源、移动源、扬尘源、VOC相关源及其他污染源,农业源,居民生活源等。结果表明,金华市2013年大气污染源SO_2排放总量约为3.83万t,NO_x约为7.75万t、CO约为12.50万t、PM_(10)约为4.10万t,PM_(2.5)约为1.88万t、VOC约为7.66万t、NH_3约为2.63万t。从排放源的分担率来看,工业源是金华市大气污染物的最主要的排放源之一,对SO_2、NO_x、CO、PM_(10)和PM_(2.5)的贡献分别达到了67.31%、34.42%、30.39%、53.02%和50.95%。同样,道路移动源的贡献也不容忽视,对NO_x、CO、PM_(10)和PM_(2.5)的贡献分别达到了42.84%、34.13%、3.31%、6.55%。电厂锅炉、道路扬尘、工业溶剂使用、畜禽养殖对不同污染物分别有着重要贡献。电厂锅炉对SO_2、NO_x、CO的排放量分别贡献了29.06%、17.89%、9.73%。道路扬尘对PM_(10)和PM_(2.5)的贡献分别为25.68%和18.01%。工业溶剂对于VOC的贡献为32.65%。NH_3主要来自畜禽养殖,占了66.57%。该人为源大气污染物排放清单可为当地的污染防控提供重要的基础信息。     

基于WRF-Chem模拟的玉溪市大气环境容量精细估算

云南高原的清洁大气环境及其潜在变化是一个值得深入研究的大气环境问题.本文选择云南高原重要工业城市—玉溪作为研究区域,基于中尺度空气质量模式WRF-Chem,开展玉溪市的大气环境容量模拟估算.同时,以2015年冬、春、夏、秋季主要大气污染物模拟为基础,采用以我国环境空气质量标准(GB3095—2012)为约束目标的WRF-Chem模拟迭代大气环境容量算法,设置3 km的精细分辨率,计算得到2015年玉溪市一次PM_(10)、一次PM_(2.5)、SO_2、NO_x和CO的大气环境容量分别为1.284×10~4、0.854×10~4、1.917×10~4、1.796×10~4和51.556×10~4t·a~(-1).最后,研究了整个玉溪市区域和城区大气环境容量的季节变化特征,结果发现,各污染物冬季大气环境容量最小,除PM_(2.5)外的污染物均在春季大气环境容量最大.玉溪市城区剩余容量占全市的比例均在40%左右,反映了工业发展和城市化带来的大气环境的城乡差异及可能的环境变化效应.     

电动汽车普及对江苏冬季大气污染影响的数值模拟

为研究电动汽车普及对空气质量的影响,首先利用机动车排放计算模型MOBILE估算了在电动汽车替代50%小型载客车情景下江苏省的大气污染物排放量,并利用中尺度气象-化学模式(WRF-Chem)模拟和分析了电动车替代前后冬季污染物浓度的变化特征.结果表明,如果用电动汽车替代小型载客车,江苏省13个地级市的CO、NO_x、VOC排放量都有所降低,减排量从地区来看,苏南苏中苏北.电动汽车替代将会造成江苏地区由交通排放引起的CO浓度降低20%～35%,氮氧化物浓度降低10%～30%,减排效果总体上苏南地区好于苏中和苏北地区.交通排放对于SO_2、一次PM_(2.5)和PM_(10)的贡献小,也可能是因为清单低估了交通源对它们的贡献,因此,减排效果不明显.受NO_x影响,交通减排增加了O_3浓度.     

秀山县城区大气环境质量特征研究

为详细了解秀山县城区大气质量状况,选择2016年9月—2017年1月大气观测数据进行分析研究,结果表明:研究时段内PM_(10)、PM_(2.5)、SO_2、NO_2和O_3大气污染物浓度均满足《GB3095-2012环境空气质量标准》中二级标准要求,随着月份变化,PM_(10)、PM_(2.5)和O_3呈先降低再升高的趋势,NO_2呈逐渐增加趋势,SO_2变化趋势相对平缓。大气污染物NO_2与PM_(10)和PM_(2.5)呈显著性相关,聚类分析结果表明PM_(10)、PM_(2.5)对大气环境质量影响较大。气象参数与大气污染物均呈明显相关性,表明气象条件对污染物的扩散起着重要作用。     

南昌市固定燃烧点源大气污染物排放清单及特征

大气污染物排放清单是了解区域污染物排放特征、准确模拟空气质量的重要资料,而工业点源是大气污染的重点排放源.通过收集相关活动水平信息和合理的排放因子,采用"自下而上"的方法建立了南昌市2014年点源大气污染物排放清单.结果表明,SO_2、NO_x、CO、PM_(10)、PM_(2.5)和VOC排放总量分别为29576.2、17115.1、25946.6、4689.4、922.9和1190.4 t,其中,金属炼制行业对SO_2、CO和VOC的贡献最高,分别占37.75%、30.59%和38.45%;火电行业是NO_x的主要来源,其贡献率为47%;水泥等建材制造行业对PM_(10)和PM_(2.5)排放贡献最高,分别为26%和25%.根据排放源污染物排放量及地理坐标信息,建立了0.4 km×0.4 km的污染物排放量空间分布特征图,结果表明,南昌市大气污染物排放较为集中,青山湖区北部和新建区北部是SO_2、NO_x、CO和VOC的主要排放区,而PM_(10)和PM_(2.5)的排放量相对分散,并在安义县出现排放高值区.通过将计算结果与统计数据结果进行对比,了解所估算清单的准确程度.对SO_2和NO_x的计算值和统计值进行统计分析,结果显示,NMB(标准化平均偏差)和NME(标准化平均误差)值均小于50%,清单计算精度较高.同时,为了解清单数据质量,对清单的不确定性进行定量分析,结果显示,SO_2和VOC不确定性较低而PM_(10)和PM_(2.5)的不确定性相对较高,清单整体不确定性与其他研究结果相差不大.建议后期研究可以从提升基础数据质量和建立具有区域代表性的排放因子数据库着手,从而减小排放量的不确定性,获得精准可靠的大气污染物清单并应用于空气质量模型预报等更深入的研究.     

关中盆地NO2和SO2对颗粒物污染的协同效应

基于WRF-Chem模式模拟了关中盆地2019年1月2—14日一次颗粒物污染事件,评估了NO_x和SO₂减排及其在颗粒物污染中的协同作用对PM_2.5污染的影响。敏感性实验结果表明：NO_x减排可使PM_2.5中硝酸盐含量下降,但大气中O₃浓度上升,大气氧化能力增强,其他二次组分上升,导致PM_2.5下降不明显;SO₂人为源减排可使硫酸盐质量浓度下降,但由于硫酸盐在PM_2.5中占比较低,当SO₂减排75%时,PM_2.5仅下降1.74%;当减排比例较高时,NO_x和SO₂同时减排更有利于颗粒物污染防治。PM_2.5质量浓度在NO_x和SO₂同时减排75%时比分开减排75%时多下降0.75%,主要是硫酸盐下降所致;对气溶胶含水量进行分析,发现NO_x对气溶胶含水量影响较大,当NO_x减排75%时,气溶胶含水量可下降15.51%;此外,NO_x和SO₂同时减排比分开减排时气溶胶含水量更低,更不利于二次颗粒物生成。     

辽宁省2000~2030年机动车排放清单及情景分析

机动车排放已经成为城市地区大气污染的主要来源.基于COPERT模型和ArcGIS技术,建立了2000~2030年辽宁省机动车排放清单,分析6类污染物（CO、NMVOC、NO_x、PM₁₀、SO₂和CO₂）排放的总体趋势与空间演变特征,同时以2016年为基准年,基于情景分析法设置8类控制措施情景并评估不同控制措施对污染物的减排效果.结果表明2000~2016年,机动车的CO、NMVOC、NO_x和PM₁₀排放量呈现先增后降的趋势,SO₂排放量呈现波动变化,而CO₂排放量则呈现持续增长态势.轻型载客车和摩托车是CO和NMVOC排放的主要贡献车型,重型载客车和重型载货车是NO_x和PM₁₀的主要排放源,SO₂和CO₂则主要是由轻型载客车排放.辽宁省中部及南部机动车排放量明显高于辽东和辽西.从城市层面来看,排放主要集中在沈阳市和大连市.情景分析表明,实施更加严格的排放标准可以增强减排效果,且升级排放标准的时间越提前减排效果越好.综合情景将实现减排最大化,强化综合情景对CO、NMVOC、NO_x、PM₁₀、CO₂和SO₂的削减率达到了30.7%、14.3%、81.7%、29.4%、12.3%和12.1%.     

Comprehensive and high-resolution emission inventory of atmospheric pollutants for the northernmost cities agglomeration of Harbin-Changchun, China: Implications for local atmospheric environment management

Using a bottom-up estimation method, a comprehensive, high-resolution emission inventory of gaseous and particulate atmospheric pollutants for multiple anthropogenic sectors with typical local sources has been developed for the Harbin-Changchun city agglomeration (HCA). The annual emissions for CO, NOx, SO₂, NH₃, VOC_S, PM_2.5, PM₁₀, BC and OC during 2017 in the HCA were estimated to be 5.82 Tg, 0.70 Tg, 0.34 Tg, 0.75 Tg, 0.81Tg, 0.67 Tg, 1.59 Tg, 0.12 Tg and 0.26 Tg, respectively. For PM₁₀ and SO₂, the emissions from industry processes were the dominant contributors representing 54.7% and 49.5%, respectively, of the total emissions, while 95.3% and 44.5% of the total NH₃ and NOx emissions, respectively, were from or associated with agricultural activities and transportation. Spatiotemporal distributions showed that most emissions (except NH₃) occurred in November to March and were concentrated in the central cities of Changchun and Harbin and the surrounding cities. Open burning of straw made an important contribution to PM_2.5 in the central regions of the northeastern plain during autumn and spring, while domestic coal combustion for heating purposes was significant with respect to SO₂ and PM_2.5 emissions during autumn and winter. Furthermore, based on Principal Component Analysis and Multivariable Linear Regression model, air temperature, relative humidity, electricity and energy consumption, and the urban and rural population were optimized to be representative indicators for rapidly assessing the magnitude of regional atmospheric pollutants in the HCA. Such indicators and equations were demonstrated to be useful for local atmospheric environment management.     

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.     

长三角地区大气污染物对新冠肺炎封城的时空响应特征

利用2020年1月1日—2月29日上海、南京、合肥和杭州4个城市常规污染物的逐时监测资料,结合卫星反演的NO₂垂直柱浓度信息,探讨了新冠肺炎封城的前、中、后期长三角地区城市大气污染物的污染水平及响应特征.结果显示：除O₃外,其余大气污染物的平均浓度在时间上的整体变化趋势均表现为封城前>封城中（1月24日—2月10日）>封城后,表明空气质量并非完全受封城导致的污染减排控制.封城期间的PM_2.5/PM₁₀比值高于封城前和封城后,表明气溶胶二次生成对封城期间仍出现的颗粒物污染可能有重要贡献.O_x浓度在封城期间也有显著上升（p<0.01）,表明大气氧化性可能在NO₂减少的背景下得到强化,从而促进二次气溶胶的生成.从空间看,O₃分布呈以城市为中心的包围式往内聚集分布,表明以局地生成为主.PM_2.5、PM₁₀、CO、SO₂和NO₂分布特征为北高南低,表明冬季自北向南的区域传输对封城期间的空气污染有重要贡献.卫星反演结果进一步证实华北平原是污染的主要源区,这也得到轨迹来源分析的佐证.     

珠江三角洲非道路移动源排放清单开发

根据收集到的珠江三角洲非道路移动源活动水平数据,采用适合各类非道路移动源污染物排放量的估算方法和排放因子,建立了珠江三角洲地区2006年非道路移动源排放清单.结果表明,珠江三角洲地区2006年非道路移动源排放SO2为6.52×104t,NOx为1.24×105t,VOC为4.54×103t,CO为2.67×104t,PM10为4.51×103t.其中船舶为最大的SO2、NOx、CO和PM10排放贡献源,分别占非道路移动源排放总量的96.4%、73.8%、39.4%和50.5%.在船舶排放源中,SO2、NOx、VOC、CO和PM10排放量的89.8%、81.8%、77.3%、79.5%和81.7%来自货轮和散装干货船.非道路移动源已成为该地区第三大SO2和NOx排放贡献源,分别占珠江三角洲大气污染源SO2和NOx排放总量的8.6%和13.5%.     

长三角地区火电行业主要大气污染物排放估算

以2012年为基准年,利用排放因子法估算了长三角地区火电行业主要大气污染物(SO2、NOx、烟尘、PM10、PM2.5)排放.其中,SO2、NOx、烟尘、PM10、PM2.5的排放量分别为473 238、1 566 195、587 713、348 773、179 820 t.对于SO2和NOx,300 MW以上机组的贡献分别为85%和82%;烟尘、PM10和PM2.5方面,100 MW以下的机组贡献占比分别为81%、53%和40%.地区贡献方面,由大到小依次为江苏、浙江和上海.另通过对上海地区多家电厂不同等级机组污染排放数据进行统计计算,得出上海地区300 MW以上等级机组的污染物排放因子,对比分析可知,上海地区火电厂污染物排放因子水平总体较低.假设长三角地区火电行业同等级机组均与现在上海地区机组排放水平相当,则行业排放SO2可削减55.8%~65.3%,NOx可以削减50.5%~64.1%,烟尘可以削减3.4%~11.3%.若能提高较小等级机组的发电技术和污染控制水平,各污染物排放削减量可进一步提高.然而,根据长三角地区实际污染情况,应综合因素考虑火电行业削减排放,以促进区域空气质量不断改善.     

Application of AERMOD on near future air quality simulation under the latest national emission control policy of China：A case study on an industrial city

Air quality model can be an adequate tool for future air quality prediction, also atmospheric observations supporting and emission control strategies responders. The influence of emission control policy (emission reduction targets in the national "China’s 12th Five-Year Plan (2011-2015)") on the air quality in the near future over an important industrial city of China, Xuanwei in Yunnan Province, was studied by applying the AERMOD modeling system. First, our analysis demonstrated that the AERMOD modeling system could be used in the air quality simulation in the near future for SO2 and NOx under average meteorology but not for PM10. Second, after evaluating the simulation results in 2008 and 2015, ambient concentration of SO2, NOx and PM10 (only 2008) were all centered in the middle of simulation area where the emission sources concentrated, and it is probably because the air pollutions were source oriented. Last but not least, a better air quality condition will happen under the hypothesis that the average meteorological data can be used in near future simulation. However, there are still heavy polluted areas where ambient concentrations will exceed the air quality standard in near future. In spatial allocation, reduction effect of SO2 is more significant than NOx in 2015 as the contribution of SO2 from industry is more than NOx. These results inspired the regulatory applications of AERMOD modeling system in evaluating environmental pollutant control policy     

安徽省大气污染物时空分布特征及演化规律

在区域复合型大气污染逐渐常态化之下,联防联控治理的新模式已成为解决区域性大气污染的根本途径和有效措施.利用2015年冬季（2015年11月8日—2016年1月20日）、2016年冬季（2016年11月8日—2017年1月20日）安徽省16个城市大气污染物（NO₂、SO₂、CO、O₃、PM₁₀、PM_2.5）浓度数据,结合耦合协调度模型、探索性空间数据分析和障碍度模型,分析大气污染物的时空格局特征,描述其演变规律和总体走向,诊断区域大气污染物中的首要障碍因子.结果表明:①安徽省大气污染物浓度水平具有时间波动性和空间非均衡性,NO₂、O₃、PM₁₀和PM_2.5指数水平表现为递增态势,整体呈现“两高一低”,即皖北高（0.050 3）、中部地区高（0.050 1）和皖南低（0.040 5）的态势,年际变化呈增长趋势,空间分异度变化较大;②安徽省大气污染物耦合度较高,基本维持在拮抗阶段（2015年冬季和2016年冬季耦合度年均值分别为0.480、0.479）,皖北呈增加态势,而中、南部城市主要呈略微降低趋势;包括极度失调和严重失调两种类型（2015年冬季和2016年冬季协调度平均值分别为0.114、0.123）;③安徽省内各城市大气污染物在全省范围内热、冷点分布迥异,2015年冬季和2016年冬季主要经历了聚拢（NO₂、O₃向中部城市聚拢）和北迁（PM₁₀、PM_2.5往北迁）两个过程.研究显示,结合安徽省大气污染物障碍度测量分析,优化和量化区域大气污染物中的首要障碍因子,可为有效开展地区大气污染的防控治理及区域联动提供有利保障.