民用燃煤不同燃烧阶段细颗粒物排放特征

研究了民用燃煤在不同燃烧阶段排放PM_2.5的质量浓度分布特征.结果表明,散煤与正烧炉在旺火阶段排放颗粒物粒径主要集中在0.2μm以下（d₅₀=0.15μm）,加煤和封火阶段在0.2~0.5μm （d₅₀=0.38mm）,质量占比46.6%~68.97%.型煤与正烧炉在各阶段排放的颗粒物均以0.2μm以下颗粒物为主,质量占比44.64%~56.24%.扫描电镜（SEM）观察到燃煤排放PM_2.5为大量超细颗粒物聚集形成的簇团状结构.用碳平衡法计算得到散煤加煤阶段的PM_2.5排放因子为4.72g/kg,分别是旺火和封火阶段的12和11倍.将散煤更换为型煤,能够使得加煤阶段的PM_2.5排放因子减少90.9%,从而显著降低PM_2.5排放.     

民用燃煤不同燃烧阶段细颗粒物排放特征

研究了民用燃煤在不同燃烧阶段排放PM_2.5的质量浓度分布特征.结果表明,散煤与正烧炉在旺火阶段排放颗粒物粒径主要集中在0.2μm以下（d₅₀=0.15μm）,加煤和封火阶段在0.2~0.5μm （d₅₀=0.38mm）,质量占比46.6%~68.97%.型煤与正烧炉在各阶段排放的颗粒物均以0.2μm以下颗粒物为主,质量占比44.64%~56.24%.扫描电镜（SEM）观察到燃煤排放PM_2.5为大量超细颗粒物聚集形成的簇团状结构.用碳平衡法计算得到散煤加煤阶段的PM_2.5排放因子为4.72g/kg,分别是旺火和封火阶段的12和11倍.将散煤更换为型煤,能够使得加煤阶段的PM_2.5排放因子减少90.9%,从而显著降低PM_2.5排放.     

关中地区道路移动源细颗粒物排放特征研究

道路移动源排放的细颗粒物是城市大气颗粒物的主要来源,其排放量、粒径分布和化学组分等特征是评价区域环境颗粒物排放水平及制定相应管控措施的基础.本研究通过抽样调查与观测数据,采用MOVES模型计算了2019年关中地区道路移动源细颗粒物排放量,并利用台架测试法收集了36辆机动车尾气颗粒物,分析了细颗粒物粒径分布和化学组分特征.结果表明,关中地区机动车尾气、刹车磨损和轮胎磨损的PM_2.5排放量分别为3543.77、593.45和117.61 t,西安市机动车PM_2.5排放总量占关中地区机动车PM_2.5总排放量的46.8%.重型货车为机动车PM_2.5主要排放源,其保有量仅占机动车总保有量的2.3%,但排放了53.6%的PM_2.5;不同燃料类型机动车对尾气PM_2.5的排放贡献率不同,柴油车最大,为87.5%.在匀速工况下,柴油车、汽油车和天然气车尾气细颗粒物的数浓度峰值粒径分别为73、9和9 nm,而在加速工况下分别为73、17和17 nm;在加速工况下,这3类燃料机...     

东北地区农业源一次颗粒物排放清单研究

采用自下而上的清单编制方法,搜集各农业环节(秸秆燃烧、整地、收割、谷物处理、化肥施用、农机排放、风蚀)排放因子、作物面积和耕作方式等信息,编制了2010年东北地区县级尺度的农业一次颗粒物(PM₁₀和PM_2.5)排放清单,并分析了农业源颗粒物排放的时空分布特征.结果表明:1)2010年东北地区农业源一次颗粒物PM₁₀总排放量54.6万t,PM_2.5总排放量35.6万t;2)东北地区农业源一次颗粒物PM₁₀排放量最大的农业活动环节是秸秆燃烧,占农业源总排放量的比例为60%,秸秆燃烧排放PM_2.5占PM_2.5农业源排放量的87%,整地环节是一次颗粒物排放的第2大农业排放源,对农业源排放PM₁₀和PM_2.5总量的贡献率分别是27%和6%; 3)PM₁₀和PM_2.5的排放强度空间分布表明,东北地区农业源颗粒物排放区域集中在黑龙江省东北部和中部地区,吉林省中部和辽宁省中部地区; 4)PM₁₀和PM_2.5排放的时间变化特征显示,PM₁₀农业源排放年变化曲线中,5月份和9、10月份是农业源排放一次颗粒物PM₁₀较多的月份,PM_2.5排放集中在9、10月份;5)本研究估算的污染物排放清单的不确定性为184.3%.未来的工作将侧重于典型农业区本土排放因子测定,从而有效减小排放清单的不确定性.     

西安市人为源一次PM2.5排放清单及减排潜力研究

颗粒物是影响西安市环境空气质量的主要因子.结合《西安统计年鉴2015》《2014年环境统计数据》和现场调查等确定了西安市各类PM_2.5排放源的活动水平数据,采用物料衡算法和排放因子法测算了西安市2014年大气中PM_2.5的年排放总量,并从行业和区域角度详细分析了PM_2.5的排放贡献率.在此基础上,以2014年为基准年,依据西安市地方政策和各行业最新排放标准,对PM_2.5的减排潜力进行了预测.结果表明:2014年西安市人为源一次PM_2.5排放总量为33 660.1 t,其中,固定燃烧源、工艺过程源、移动源、生物质燃烧源、扬尘源和餐饮源的贡献率分别为27.6%、23.5%、6.8%、10.7%、31.1%和0.3%.道路扬尘、窑炉和发电为西安市PM_2.5的重点排放行业,其PM_2.5排放量分别占排放总量的21.4%、20.3%和11.0%.各区县中,鄠邑区、灞桥区和未央区的PM_2.5排放量较高,其贡献率分别为15.7%、13.7%和12.7%;新城区PM_2.5排放量最小,为297.8 t/a.2014年西安市PM_2.5平均排放强度为2.07 t/km2,其中,碑林区排放强度（16.80 t/km2）最大,高陵区（0.48 t/km2）最小.按照《西安市2017年"铁腕治霾保卫蓝天"工作实施方案》等新政策的规定,预测在新的排放标准下西安市PM_2.5排放量将比2014年削减63.7%.研究显示,固定燃烧源、工艺过程源和生物质燃烧源有较大的减排潜力.      

广州市中心城区公交车站颗粒物污染暴露特征及影响因素分析

为探究超大城市居民在中心城区公交车站候车的颗粒物暴露情况,使用Grimm Aerosol 11-A型便携式气溶胶光学粒径谱仪对广州市越秀区和天河区共7个典型公交车站的颗粒物污染暴露进行平行监测.结果表明:①各公交车站的平均PM₁、PM_2.5和PM₁₀暴露浓度分别为（33.35±15.96）（46.97±22.94）和（89.70±67.07）μg/m3,休息日公交车站的暴露浓度约为工作日的2倍,高峰期颗粒物暴露浓度略高于平峰期.②候车乘客数、道路车流量和相对湿度是影响PM₁、PM_2.5暴露浓度的主要因素,纯电动公交车停靠次数虽对细颗粒物暴露浓度无明显贡献,但其制动、轮胎与路面摩擦以及扬尘产生的粗粒径排放成为PM₁₀污染的主要因素之一.③粗粒径模态（1~10 μm）颗粒物是颗粒物浓度的主要贡献源,其浓度占比高达63%,但数浓度占比不足1%;而积聚模态（0.25~1 μm）颗粒物数浓度占比在99%以上,部分车站积聚模态颗粒物质量浓度占比超过40%,说明细颗粒污染严重.④单位时间内公交车站候车乘客PM₁、PM_2.5和PM₁₀总暴露剂量分别为（241.80±82.85）（342.59±112.11）和（681.17±226.89）μg/h,表现出工作日高于休息日、工作日高峰期高于平峰期、休息日高峰期低于平峰期的特征,部分车站（如DF和LS站）老人总暴露剂量占比超过40%,成为公交车站主要暴露对象之一.研究显示,广州市中心城区公交车站颗粒物暴露特征时空差异明显,道路车流量、相对湿度、候车乘客数和公交车停靠次数是影响颗粒物暴露浓度的主要因素.      

我国典型燃煤源和工业过程源排放PM2.5成分谱特征

鉴于我国本地化源谱（源成分谱）数量不足的现状,采用稀释通道系统对燃煤源和工业过程源进行采样,建立了4类燃煤锅炉（链条炉、流化床、往复炉和煤粉炉）和6类工业过程源（炼铁、铝焙烧、铝煅烧、砖瓦炉、水泥窑头和窑尾）的PM_2.5成分谱,并对源谱特征进行研究.结果表明:① 不同源谱组分特征差异明显.水泥窑炉排放的PM_2.5中,w（Ca）、w（Si）、w（OC）、w（SO₄2-）较高,分别为8.51%~14.18%、5.69%~11.80%、3.47%~15.56%、8.67%~16.85%;燃煤锅炉中Al（4.50%~8.67%,质量分数,余同）、OC（6.44%~15.33%）、SO₄2-（9.85%~22.87%）组分贡献较大;炼铁和铝冶炼工艺源谱中主导化学组分分别为Fe（8.57%~9.88%）和Al（11.81%~16.58%）;砖瓦炉颗粒物源谱中主要组分为SO₄2-、NH₄+、Si等.② 不同污染源PM_2.5成分谱的分歧系数结果显示,流化床和煤粉炉、水泥窑头和窑尾源谱较为相似,其分歧系数分别为0.26和0.28,其余源谱间均存在一定差异.进一步计算组分差异权重（R/U）发现,往复炉源谱中组分Zn、Sn与其他3类锅炉有明显不同.流化床/煤粉炉源谱中的Si、Ni,窑头/窑尾源谱中的K、Mn、OC组分差异显著,可以作为区分相似源谱的标识组分.与其他研究建立的源谱相比,燃煤源谱中w（EC）和w（SO₄2-）偏高.钢铁源谱中w（EC）和w（NH₄+）较其他地区偏高,w（Pb）偏低;工业过程源谱中,w（Cl-）较SPECIATE相关源谱偏低,而w（Ⅴ）和w（Cr）偏高.鉴于颗粒物源谱受到不同燃料种类、燃烧方式和烟气控制设施等影响而存在差异,源谱的准确性和代表性还需进一步测试和验证.      

国内外PM2.5源谱对比及其对空气质量模拟效果的影响

对比了国内外固定燃烧源、工业过程源、道路移动源和扬尘源等排放源PM_2.5成分谱之间的差异,并利用CMAQ（区域空气质量模型）模拟识别各PM_2.5成分谱之间的差异对空气质量模拟影响较大的排放源.结果表明:① 由于国内外发展水平、排放标准、采样分析条件以及排放源除尘设备等的差异,各排放源PM_2.5成分谱差异较大;② PM_2.5成分谱差异较大的源主要有燃煤电厂、水泥制造、重型柴油车和道路扬尘等,而差异较大的组分主要有SO₄2-、NO₃-和Ca等;③ 道路移动源源谱本地化对PM_2.5的模拟影响最大,其次为扬尘源和工业过程源,而固定燃烧源则相较最小,其中道路移动源源谱本地化模拟案例与基线的PM_2.5模拟质量浓度绝对差值为0.27μg/m3,各组分质量浓度差系数之和为52.60×10-3 μg/（m3·kg）,而固定燃烧源源谱本地化模拟案例PM_2.5模拟质量浓度绝对差值仅为0.10μg/m3,各组分之和为2.12×10-3 μg/（m3·kg）.研究显示,有必要采用统一的标准开展本地源成分谱测试工作,为源解析及模型模拟提供基础性数据,而从对空气质量模型模拟影响的角度出发,优先建立道路移动源本地化PM_2.5成分谱较为重要.      

甘肃省冬季颗粒物浓度的数值模拟

颗粒物浓度的数值模拟能够反映颗粒物的空间分布特征,对于防治大气颗粒物污染具有一定意义.利用MEIC清单和第二次全国污染源普查（简称“二污普”）数据统计的甘肃省工业源、电力源、农业源、民用源和交通源五类源的主要污染物排放量,分析了污染源排放的空间分布特征,利用WRF-Chem模式模拟了甘肃省2019年1月PM₁₀和PM_2.5浓度,将模拟结果与甘肃省33个环境空气质量国控监测点颗粒物日均监测数据进行对比,检验WRF-Chem模式模拟的性能,进一步分析了甘肃省颗粒物浓度的空间分布特征.结果表明:①甘肃省SO₂、NO_x、PM₁₀、PM_2.5、VOCs、NH₃和CO在1月的排放量分别为2.12×104、2.96×104、2.97×104、2.43×104、3.18×104、1.27×104和3.04×105 t,除NH₃外,其他污染物排放高值主要分布在兰州市、嘉峪关市等工业发达地区.②33个环境空气质量国控监测点模拟与监测的PM₁₀和PM_2.5浓度的相关系数分别为0.544和0.597,颗粒物的模拟值与监测值有较好的相关性;WRF-Chem模式模拟结果显示,PM₁₀和PM_2.5浓度高值分布在兰州市,次高值分布在天水市和庆阳市,甘南藏族自治州以及河西地区颗粒物浓度较低,这是甘肃省工业布局、扩散条件和地形条件综合作用的结果.研究显示,WRF-Chem模式可以较好地模拟甘肃省区域颗粒物浓度时空分布特征.      

基于传感器技术的渭南市道路环境颗粒物污染特征及影响因素研究

为深入了解渭南市街区道路环境颗粒物污染时空分布特征,利用车载颗粒物传感器于2019年3月1日—5月31日对渭南市道路环境空气中PM_2.5和PM₁₀浓度开展在线走航测量,分析了影响渭南市道路环境颗粒物污染时空分布的主要因素.研究表明:①渭南市区内所有道路PM_2.5平均浓度范围为37.7~51.9 μg/m3,浓度较高路段位于高新区东部和主城区;PM_2.5~10（粗颗粒物）平均浓度范围为65.8~119.1 μg/m3,浓度较高路段位于各功能区城郊.②工作日早高峰时段（07:00—09:00）主城区道路环境PM_2.5、PM_2.5~10污染较非工作日严重,3种类型道路工作日07:00 PM_2.5~10平均浓度呈支路（103.5 μg/m3）>主干道（102.1 μg/m3）>次干道（96.9 μg/m3）的特征.③对于高新区和老城区路段,除早晚高峰时段出现PM_2.5和PM_2.5~10浓度峰值外,凌晨时段渣土车行驶路段、裸地或施工现场周边路段易出现PM_2.5~10浓度峰值,其PM_2.5~10平均浓度最高达230.9 μg/m3（乐天大街西段的路段Ⅳ）.研究显示,工作日早晚高峰时段,特别是早高峰,机动车排放导致渭南市高新区东部和主城区路段的PM_2.5污染加重,夜间渣土车行驶导致高新区和老城区靠近城郊路段的颗粒物（PM_2.5和PM_2.5~10）污染加重.      

成都市冬季大气颗粒物组成特征及来源变化趋势

年冬季分别在成都市8个环境受体采样点采集PM₁₀、PM_2.5样品,同时采集颗粒物源类样品,分析上述样品质量浓度及多种无机元素、水溶性离子和碳组分的含量,以对这3 a冬季大气颗粒物浓度、特征组分、来源及变化趋势进行分析. 使用CMB-iteration模型对成都市中心城区的PM₁₀、PM_2.5进行来源解析. 结果表明: 成都市冬季ρ(PM₁₀)在工业区最高,PM_2.5污染呈现区域性特征;冬季PM₁₀的主要来源有扬尘、二次硫酸盐、煤烟尘、二次硝酸盐和机动车尾气尘,上述5类源在2010─2012年的分担率分别为24%～29%、17%～22%、13%～16%、6%～12%、6%～11%;对PM_2.5有重要贡献的源类有二次硫酸盐、扬尘、煤烟尘、二次硝酸盐和机动车尾气尘,这5类源在2010─2012年的分担率范围分别为25%～27%、19%～22%、12%～15%、11%～13%、8%～11%. 二次粒子、扬尘等是成都市大气颗粒物的主要污染源,其中扬尘、建筑水泥尘等以粗粒子为主的源类浓度贡献呈逐年下降趋势,而二次粒子等以细粒子为主的源类浓度贡献则逐年上升,成都市冬季大气细颗粒物污染加重.      

区域大气细粒子污染特征及快速来源解析

在广东大气超级站使用单颗粒气溶胶飞行时间质谱仪(SPAMS)等仪器开展综合观测,2013年12月共监测到两个污染过程,主要的化学成分为元素碳(EC),占总颗粒数的56.8%,其次为有机碳(OC)和重金属(HM),分别占总颗粒数的12.7%和10.1%.两个污染过程中,不同颗粒类别的变化趋势有差异,说明两个污染过程的污染特征有所不同.污染来源分析发现,监测期间主要受到机动车尾气源和燃煤源的影响,二者分别占24.8%和22%;其次为工业工艺源和生物质燃烧,分别占16.4%和10.3%.第一个污染过程中,工业工艺源是首要污染源,而随着颗粒物浓度的增高,燃煤和二次无机气溶胶的比例明显增加,说明此污染过程中受一次污染源(燃煤源和工业工艺源)和二次光化学反应的复合影响.而第二个污染过程中,机动车尾气为首要污染源,其次是燃煤和工业工艺源,整个过程中各源的比例较为稳定,说明该次污染过程主要由不利气象条件导致的污染物累积形成.     

石家庄市采暖前后大气颗粒物及其碳组分特征

为研究石家庄市大气颗粒物、碳组分特征和污染来源,采集2016年11月1日—12月31日石家庄市大气颗粒物（PM₁₀、PM_2.5和PM₁）样品,分析采暖前后PM₁₀、PM_2.5和PM₁及其中OC（有机碳）、EC（元素碳）和WSOC（水溶性有机碳）浓度水平,计算颗粒物与碳组分间相关性,进行OC/EC（质量浓度之比,下同）特征比值法和8个碳组分（OC1、OC2、OC3、OC4、OPC、EC1、EC2和EC3）研究.结果表明:①采暖后ρ（PM₁₀）和ρ（PM_2.5）比采暖前分别增加了26.4%和32.1%,而采暖后ρ（PM₁）比采暖前降低了12.2%.采样期间ρ（PM₁₀）与ρ（PM_2.5）显著相关,而ρ（PM₁）分别与ρ（PM_2.5）和ρ（PM₁₀）相关性差.采暖后散煤燃烧造成ρ（PM₁₀）和ρ（PM_2.5）增加,区域机动车限行和工业限产/停产导致ρ（PM₁）降低.②Pearson相关系数计算可知,ρ（OC）与ρ（EC）强相关;ρ（PM₁₀）和ρ（PM_2.5）分别与ρ（OC）和ρ（WSOC）强相关,而ρ（PM₁）分别与ρ（OC）和ρ（WSOC）中等相关;ρ（PM₁₀）和ρ（PM_2.5）分别与ρ（EC）弱相关,ρ（PM₁）与ρ（EC）中等相关.③采暖后PM₁₀、PM_2.5和PM₁中ρ（OC）比采暖前分别增加了215.1%、97.2%和18.5%;采暖后PM₁₀和PM_2.5中ρ（EC）比采暖前分别增加了65.2%和5.3%,而采暖后PM₁中ρ（EC）比采暖前降低了10.9%.集中供热和散煤燃烧排放了大量OC;PM₁₀和PM_2.5中EC主要来源于散煤燃烧,PM₁中EC主要来源于工业排放和机动车尾气.④采暖前PM₁₀、PM_2.5和PM₁中OC/EC平均值分别为4.5、4.5和4.3;采暖后PM₁₀和PM_2.5中OC/EC平均值分别为9.8和9.7,而PM₁中OC/EC平均值为7.4.采暖前后SOC/OC（质量浓度之比,下同）平均值的范围为0.36~0.65,石家庄市冬季大气中SOC污染严重;⑤8个碳组分分析发现,石家庄市机动车限行导致PM₁中ρ（EC1）降低,而采暖后集中供暖和散煤燃烧的增加,导致ρ（OC2）明显增加.研究显示,大气颗粒物中碳组分采暖前主要来源于机动车尾气,而采暖后主要来源于燃煤燃烧,尤其是散煤燃烧.      

漯河市PM10和PM2.5中水溶性离子浓度特征及其来源解析

为了研究漯河市PM_2.5和PM₁₀及其水溶性离子变化特征,于2017年5月—2018年2月在漯河市3个采样点同步采集PM_2.5和PM₁₀样品,分别获得PM_2.5和PM₁₀有效样品191和190个.用离子色谱法分析样品中F-、Cl-、NO₃-、SO₄2-、Na+、NH₄+、K+、Mg2+、Ca2+等9种水溶性无机离子.结果表明:在采样期间,漯河市ρ（PM_2.5）平均值为72.42 μg/m3,其中ρ（总无机水溶性离子）的年均值为34.76 μg/m3,占ρ（PM_2.5）的46.72%;ρ（PM₁₀）平均值为126.52 μg/m3,其中ρ（总无机水溶性离子）的年均值为46.40 μg/m3,占ρ（PM₁₀）的35.67%.2种颗粒物水溶性离子质量浓度的季节性变化均呈冬季高、夏季低的趋势.PM_2.5/PM₁₀〔ρ（PM_2.5）/ρ（PM₁₀）〕在四季分别为0.50、0.61、0.56、0.57.采样期间漯河市PM_2.5中NOR（氮氧化率）和SOR（硫氧化率）的年均值分别为0.17和0.30,PM₁₀中NOR和SOR的年均值分别为0.22和0.34,说明颗粒物中SO₄2-的二次转化效率高于NO₃-.PM_2.5和PM₁₀在采样期间均呈弱碱性,且碱性在夏季最强,秋季最弱.利用PMF模型分析PM_2.5和PM₁₀中水溶性离子的主要来源发现,PM_2.5中水溶性离子来源主要包括生物质燃烧源、燃煤源、建筑扬尘源、工业源和二次污染源,PM₁₀中水溶性离子来源主要包括燃煤源、建筑扬尘源、二次污染源、生物质燃烧源和工业源.研究显示,漯河市颗粒物污染中水溶性离子来源复杂,应采取多源控制的污染防治措施.      

天津儿童冬季PM2.5室内暴露与个体暴露特征及来源

2011年11─12月使用颗粒物个体采样泵对天津42名儿童(9~12岁)的PM_2.5暴露进行了研究,分别采集了冬季儿童PM_2.5个体暴露和家庭室内暴露的滤膜样品. 使用ICP-MS/OES方法分析了室内暴露和个体暴露PM_2.5载荷的元素. 结果表明:天津儿童冬季PM_2.5个体暴露浓度(以ρ计)平均值为(129.3±66.6)μg/m3,室内暴露浓度平均值为(114.0±61.7)μg/m3. 个体暴露和室内暴露各元素质量浓度之和分别占ρ(PM_2.5)的19.4%和17.1%. 相关分析指出,PM_2.5室内暴露浓度和个体暴露浓度在0.01水平上显著相关. 回归分析表明,大多数元素的个体暴露浓度与室内暴露浓度呈正相关. 由EF(富集因子)分析可知,Zn、Pb、Cu、Cr、Ni、Sn、As、Sb、Cd、Tl、Bi、W、Mo在个体暴露和室内暴露样品中明显富集. 由主成分分析可知,天津儿童冬季PM_2.5室内暴露来源可能为燃煤和机动车尾气的混合源、燃油飞灰、土壤尘、建筑尘;而个体暴露来源除上述人为源外,还包括工业尘.      

燃煤控制对北京市空气质量的改善分析

根据清洁空气行动计划,北京市将继续调整能源结构,新建天然气热电中心替代燃煤发电,并且进行工业锅炉煤改气、居民供暖煤改电、远郊区炊事用气改造等措施,以减少煤炭的使用量. 采用自下而上的排放因子法,估算减少燃煤所产生大气污染物(TSP、PM₁₀、一次PM_2.5、SO₂、NO_x及VOC)的减排量,并利用ADMS-Urban模型模拟其对环境空气质量的改善. 结果表明:①2015年北京市煤炭控制在1500×104t以内,测算的煤炭减量为863.38×104t,TSP、PM₁₀、一次PM_2.5、SO₂、NO_x和VOC的减排量分别为2580.17、2032.94、1183.53、6265.30、7220.90和1058.44t. ②各污染物减排空间分布基本一致,主要集中在城市功能拓展区,包括石景山、朝阳区、海淀区和丰台区等,上述区域对TSP、PM₁₀、一次PM_2.5、SO₂、NO_x和VOC削减贡献分别达到78.3%、81.5%、82.7%、85.2%、83.0%和49.9%. ③ADMS-Urban模型模拟结果表明,减少燃煤可使环境空气中ρ(TSP)、ρ(PM₁₀)、ρ(一次PM_2.5)、ρ(SO₂)、ρ(NO_x)和ρ(VOC)分别降低0.55~12.74、0.44~10.78、0.27~6.77、0.78~17.31、1.67~43.48和0.17~12.07μg/m3.      

京津冀地区典型城市大气细颗粒物碳质组分污染特征及来源

为研究京津冀地区典型城市大气细颗粒物及其碳质组分的时空变化特征及来源,于2016年12月28日—2017年1月22日及2017年7月1—26日,对北京市与石家庄市PM_2.5（细颗粒物）及PM₁（亚微米颗粒物）进行采集,使用DRI（热光碳分析仪）检测PM_2.5与PM₁中ρ（OC）与ρ（EC）,并对其碳质组分来源进行分析.结果表明:①采样期间,冬、夏两季PM_2.5与PM₁中ρ（OC）均为石家庄市采样点远高于北京市采样点;冬季PM_2.5与PM₁中ρ（EC）均为石家庄市采样点高于北京市采样点,夏季则略有不同.②冬季污染日,北京市采样点ρ（PM_2.5）与ρ（PM₁）均为石家庄市采样点的1.08倍,PM_2.5与PM₁中的ρ（OC）分别为石家庄市采样点的1.14和1.12倍,石家庄市采样点PM_2.5与PM₁中ρ（EC）分别为北京市采样点的1.15和1.28倍;冬季重污染日,北京市采样点的ρ（PM_2.5）与ρ（PM₁）分别为石家庄市采样点的1.03和1.04倍,PM_2.5和PM₁中的ρ（OC）分别为石家庄市采样点的1.23和1.22倍,石家庄市采样点PM_2.5和PM₁中的ρ（EC）分别为北京市采样点的1.03和1.16倍.夏季污染日,石家庄市采样点ρ（PM_2.5）与ρ（PM₁）分别为北京市采样点的1.16和1.30倍,PM_2.5与PM₁中ρ（OC）分别为北京市采样点的1.64和2.71倍,两个采样点ρ（EC）相近.③冬、夏两季PM_2.5与PM₁中ρ（SOC）/ρ（OC）均较高,冬季北京市采样点分别为48.09%和54.29%,石家庄市采样点分别为44.98%和48.09%,夏季北京市采样点分别为48.47%和61.50%,石家庄市采样点分别为61.52%和63.55%,表明SOC更易富集于亚微米粒子中.④冬季北京市和石家庄市两个采样点PM_2.5与PM₁中碳质组分均主要来源于生物质燃烧、燃煤和机动车尾气;夏季北京市采样点PM_2.5与PM₁中碳质组分主要来源于机动车尾气,石家庄市采样点PM_2.5与PM₁中碳质组分主要来源于燃煤和机动车尾气.研究显示,北京市和石家庄市两个采样点大气细颗粒物及其碳质组分浓度存在时空分布和污染来源差异.      

典型“组群式”城市夏季大气颗粒物中水溶性离子化学特征及来源

为探究典型“组群式”城市——淄博市夏季大气颗粒物中水溶性离子化学特征及来源,于2016年8月对淄博市6个城市点（桓台、张店、临淄、淄川、博山、周村）、2个郊区点（沂源、高青）及1个清洁对照点（鲁山）同步进行PM_2.5和PM₁₀采样,分析了大气颗粒物质量浓度及9种水溶性离子的空间分布特征,并利用主成分分析方法探讨了PM_2.5和PM₁₀中水溶性离子的主要来源.结果表明:①淄博夏季各点位（清洁对照点除外）PM_2.5和PM₁₀质量浓度日均值范围分别为57.2~112和77.4~163 μg/m3,空间分布特征表现为城市点>郊区点>清洁对照点;各点位PM_2.5/PM₁₀（质量浓度之比）在0.61~0.80之间,表明淄博夏季大气颗粒物污染以PM_2.5为主.②水溶性离子在PM_2.5和PM₁₀中占比分别为53.3%和48.5%,其中二次无机离子分别占总离子浓度的91.4%和83.7%,表明大气颗粒物主要以二次离子为主,并且主要富集在PM_2.5中;PM_2.5中∑阴离子/∑阳离子（摩尔浓度之比）为1.07,PM₁₀中该比值为0.87,说明PM_2.5接近中性,而PM₁₀呈弱碱性.③淄博夏季各点位离子来源具有一定的空间差异性,城市点、郊区点与清洁对照点间的CD（分歧系数）均高于0.2,而城市点间CD值低于0.2,说明城市点位间的水溶性离子的化学性质较为相似.④主成分分析表明,淄博夏季大气PM_2.5中的水溶性离子可能主要来源于工业源、生物质锅炉、燃煤、二次源、道路尘及建筑尘,而PM₁₀中的离子主要来源于道路尘、建筑尘、海盐及二次源.研究显示,淄博市颗粒物污染严重,具有明显的空间分布特征,水溶性离子来源复杂,应采取分区、多源控制的污染防治对策.      

基于碳酸盐分析的水泥碳排放因子测算

为了优化水泥碳排放因子的测算方法,论文基于生料碳酸盐法以及工艺/燃料排放(新型干法窑)、无机碳/有机碳排放(立窑)的碳排放分类对熟料和水泥碳排放因子进行了分析和测算。结果表明:基于抽样调查样品的测试数据,新型干法窑的工艺碳排放因子约为520.00 kg CO_2/tcl,燃料碳排放因子约为288.06 kg CO_2/tcl,熟料碳排放因子约为808.06 kg CO_2/tcl,立窑的无机碳排放因子约为504.18 kg CO_2/tcl,有机碳排放因子约为343.67 kg CO_2/tcl,熟料碳排放因子约为847.85 kg CO_2/tcl;由于新型干法窑和余热发电等技术的普及以及熟料水泥比降低等因素,中国水泥碳排放因子有逐年降低的趋势,从2001年到2012年,水泥碳排放因子从767.13 kg CO_2/tce降到550.80 kg CO_2/tce;水泥碳排放构成中的工艺排放、燃料排放和电力消耗间接排放约各占58.57%、29.79%和11.64%。