G20峰会期间杭州及周边地区空气质量的演变与评估

为了研究G20峰会期间杭州市及其周边地区大气质量状况,评估保障措施的实施对空气质量的影响,利用2016年8月24日-2016年9月6日杭州及其周边城市空气质量监测数据,分析其时空分布特征,并与2015年同期数据进行比较.结果显示:(1)2016年8月24日-9月6日即会期保障阶段,杭州市PM_(2.5),PM_(10),SO_2,NO_2,CO和O_3浓度均值为31.52μg/m~3,46.55μg/m~3,8.92μg/m~3,15.22μg/m~3,0.62mg/m~3和113.98μg/m~3.(2)与2015年同期相比,会议保障阶段杭州市PM_(2.5),PM_(10),SO_2,NO_2和CO浓度分别下降了40.16%,37.71%,25.98%,56.30%和30.34%,O_3浓度则上升了19.89%.(3)2016年会期保障阶段,2015年同期和G20峰会举办期间的3个时段,污染物日变化特征相似,除O_3外,其他污染物整体上呈现2015年同期2016年会期保障阶段G20峰会举办期间的特点.(4)空间上而言,会期保障阶段O_3浓度在空间上表现出显著上升,其他污染物浓度同比有明显下降,其中PM_(2.5)和PM_(10)在空间上的差异较小,而SO_2和NO_2在空间上的差异较大.(5)G20峰会期间采取的保障措施确保了杭州市及其周边地区大气质量得到了改善.     

挥发性污染物二硫化碳处理技术

2016年11月—2017年2月在西安市城郊连续观测了NO_2、SO_2、O_3和PM_(2.5)的浓度,利用观测数据分析大气污染物的日变化和周末效应特征,结合不同污染物间的相关性分析结果,初步探讨了污染物间的相互作用机理。结果表明:观测期间NO_2、SO_2、O_3和PM_(2.5)浓度的平均值分别为(39.9±21.0),(77.2±22.8),(37.7±23.5),(192±141)μg/m3。PM2.5污染最为严重,超过国家二级标准的2.56倍。NO_2、SO_2和O_3浓度日变化特征显著,其中NO_2和O_3日变化为单峰型,SO_2日变化为单峰单谷型,PM_(2.5)日变化幅度较小。NO_2和SO_2周末效应较为明显,O_3和PM_(2.5)周末与工作日相差较小。PM_(2.5)浓度与NO_2、SO_2和OX浓度均为显著正相关,表明前体物和大气氧化性对PM_(2.5)浓度有显著影响。     

西安城郊采暖季大气污染物浓度特征研究

2016年11月—2017年2月在西安市城郊连续观测了NO_2、SO_2、O_3和PM_(2.5)的浓度,利用观测数据分析大气污染物的日变化和周末效应特征,结合不同污染物间的相关性分析结果,初步探讨了污染物间的相互作用机理。结果表明:观测期间NO_2、SO_2、O_3和PM_(2.5)浓度的平均值分别为(39.9±21.0),(77.2±22.8),(37.7±23.5),(192±141)μg/m3。PM2.5污染最为严重,超过国家二级标准的2.56倍。NO_2、SO_2和O_3浓度日变化特征显著,其中NO_2和O_3日变化为单峰型,SO_2日变化为单峰单谷型,PM_(2.5)日变化幅度较小。NO_2和SO_2周末效应较为明显,O_3和PM_(2.5)周末与工作日相差较小。PM_(2.5)浓度与NO_2、SO_2和OX浓度均为显著正相关,表明前体物和大气氧化性对PM_(2.5)浓度有显著影响。     

APEC期间北京空气质量改善对比分析

为了评估APEC期间强化减排措施对北京空气质量的改善效果,利用2014年11月1~15日中国环境监测总站发布的奥体中心监测点空气质量监测数据,分析其空气质量演变特征,并与2013年同期监测数据进行对比研究.结果表明:1PM_(2.5)是当前北京最重要的污染物,APEC期间空气质量以优良为主,期间有3次明显的污染过程,与2013年同期相比较有所好转,显示出强化减排措施对北京空气质量的改善有显著的效果;2与世界卫生组织(WHO)的标准值相比,APEC期间PM_(2.5)有5d在WHO标准值(25μg·m~(-3))以下,而SO_2均小于标准值;3APEC期间,在空气质量为优时PM_(2.5)/PM_(10)小于0.5,且随污染浓度的增加比值逐渐增大,在严重污染情况下PM_(2.5)/PM10达到0.9以上;4与2013年同期相比,强化减排措施对PM_(2.5)的减少有一定的贡献,但与SO_2和CO的减少量相比,颗粒物的减少量又相对较少,NO_2减少量相对最小,实施强化减排措施对污染物减排的排序为SO_2COPMNO_2,说明北京空气污染中的PM_(2.5)的来源、影响和减排的复杂性,有待进一步深入研究.     

辽中地区供暖期前后PM_(2.5)质量浓度变化特征分析

以2014-2016年辽中地区供暖期及水泥错峰生产期为例,分析了PM_(2.5)质量浓度的时空变化特征。重点按有水泥生产无供暖、有水泥生产有供暖、无水泥生产有供暖3个特征时段,进行了同期不同年的纵向对比和同年不同期的横向对比分析,以及PM_(2.5)与NO_2、SO_2的相关性分析;此外,还以沈阳为例,进行了研究期间气流的后向轨迹分析。结果表明:(1)辽中地区供暖期间细颗粒物排放量显著增加,但水泥错峰生产措施可有效降低细颗粒物浓度;(2)研究期内PM_(2.5)质量浓度与NO_2、SO_2呈正相关,NO_2尤为显著,体现了燃油及燃煤对PM_(2.5)的重要贡献;(3)后向轨迹分析揭示受冬季西北风影响,沈阳大气污染物的输送路径主要为途经内蒙东北部、吉林西北部的高风速轨迹,以及途经渤海海域的低风速轨迹。     

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。     

G20峰会期间杭州地区空气质量特征及气象条件分析

利用空气质量和气象要素的监测资料与再分析资料,分析了2016年G20峰会期间(2016年8月10日—9月20日)杭州及周边地区空气质量演变及区域特征,探讨了气象条件对G20峰会期间杭州空气质量的影响.结果表明:G20峰会管控期间,由于机动车排放大幅度降低,杭州NO_2浓度较管控前有所下降,对比周边城市降幅居于首位;而由于不利气象条件的影响,PM_(2.5)、PM_(10)、SO_2、CO和O_3浓度比管控前有不同程度的增长,但增幅相比周边城市较小,说明管控措施对杭州空气质量有一定的改善效果.9月7日管控措施结束后污染反弹现象明显.气象条件对杭州的空气质量有重要影响:在管控前,杭州晴热高温天气有利于O3的生成,偏东风相对洁净,污染传输较少;在管控期,杭州虽受到静稳天气和外来污染传输的影响,但得益于减排应急管控措施的有效实施,NO_2浓度下降幅度最大,其他污染物的增幅也较周边城市偏小;在管控后,气象条件不利于污染物的垂直扩散,受静稳天气和污染源恢复常态的影响,PM_(2.5)、PM_(10)、NO_2、SO_2和CO出现了整个研究时段的最大值,而台风"莫兰蒂"使得杭州PM_(2.5)、PM_(10)和O_3浓度出现了整个研究时段的最低值.     

深圳市PM_(2.5)浓度特征及统计预报研究

根据2015年1—12月深圳市城区11站点PM_(2.5)小时浓度监测数据,探讨了深圳市PM_(2.5)浓度的时空分布特征。结果显示:监测期间深圳市城区PM_(2.5)平均浓度为29.8μg/m~3,PM_(2.5)平均浓度整体呈现出:冬季>秋季>春季>夏季的特征,PM_(2.5)质量浓度日变化整体呈现出双峰型分布,午后12:00—16:00浓度较低。空间分布上,年均浓度从东南至西北方向依次升高,梯度特征明显。PM_(2.5)浓度与PM_(10)呈高度相关,与SO_2、NO_2、CO呈显著正相关,与O_3呈实相关。相邻城市间空气污染物浓度呈现出一定的相关性,区域污染突出。建立的PM_(2.5)回归统计模型对深圳市2015年PM_(2.5)临近预报的级别准确率在70%以上,能较好地反映PM_(2.5)浓度变化趋势。     

广州某区PM_(2.5)和气态污染物质量浓度的日变化特征及其相关性分析

本文分析了2015年3月至2016年2月广州某区细颗粒物(PM_(2.5))和气态污染物(SO_2、NO_2、CO、O_3)质量浓度的日变化特征,并对PM_(2.5)和气态污染物之间质量浓度的相关性进行分析,结果表明:PM_(2.5)、SO_2、NO_2、CO、O_3大气污染物存在一定规律的日变化特征。PM_(2.5)与SO_2、NO_2、CO、O_3全年质量浓度的相关系数范围分别为0.184～0.219,0.271～0.436,0.170～0.368和0.051~0.318,存在一定的线性正相关关系。     

宝鸡市春季PM_(2.5)、PM_(10)、SO_2、NO_2污染现状分析

收集PM_(2.5)实时监控网提供的2015年春季宝鸡市大气污染物浓度的实时数据,分析宝鸡市各监测点大气污染物PM_(2.5)、PM_(10)、SO_2、NO_2的日均值和月均值浓度变化特征以及各污染物的负荷系数。结果表明:各监测点大气污染物月平均浓度3—5月呈下降趋势,但整体的空气质量状况有待进一步提高;宝鸡市大气颗粒物呈区域性污染,各监测点之间的差距较小,而污染气体SO_2和NO_2具有点状污染特征;4种主要的大气污染物中,PM_(2.5)和PM_(10)的贡献率超过一半以上,但SO_2和NO_2同样不可忽视。     

北京市2014年APEC期间及前后城区大气污染物变化特征

该文选择北京城区12个空气质量监测点,研究APEC前后及期间污染物时空变化特征及相互关系,并从不同角度分析污染物时空变化的影响因素,探讨APEC期间采取的临时减排措施对污染物的影响。结果表明:除O_3外,APEC期间污染物浓度低于非APEC期间,各污染物浓度在会间逐日变化呈"M"型、日变化最为平稳(α=0.05,Sig0.05),基本呈从北至南、从西至东的递增趋势,O_3浓度空间变化和NO_2的相反耦合度最高(p=0.01,r-0.80);PM_(2.5)、SO_2、NO_2和CO相互间在不同时段呈不同水平的正相关关系,但O_3在和其他污染物呈负相关。大气污染物浓度主要受排放源、气象因素、区域传输及污染物相关性等综合因素的影响,通过回归分析发现SO_2、NO_2、CO浓度和温度负相关性显著(α=0.05,Sig0.05),NO_2、CO、PM_(2.5)和湿度负相关性极显著(α=0.05,Sig=0.000.05)。PM_(2.5)为APEC期间首要污染物,PM_(2.5)浓度在各因素综合影响下降低,使得会间空气质量达到优良水平,因此,APEC期间采取的减排措施取得成效,可为相关环保部门采取合理有效的环保手段提供指导。     

哈尔滨市2016年春节期间空气质量时空变化特征

利用2016年2月7-13日春节期间哈尔滨市11个监测站点空气质量监测数据,分析春节期间6种主要污染物时空特征,并与非燃放期间进行对比,进一步分析污染物的时空变化,同时结合气象降雪数据,探讨降雪天气对空气污染物造成的影响。结果表明:哈尔滨市春节期间空气污染物7 d平均浓度,PM_(2.5)、PM_(10)污染最严重的区域为香坊区,NO_2污染最严重的区域为阿城区,SO_2污染最严重的区域为道外区,CO和O_3污染严重的区域为平房区;在除夕夜期间,烟花爆竹燃放对PM_(2.5)、PM_(10)和SO_2浓度的短期影响极大,空气质量在短时间内迅速恶化,甚至成倍增长,在初一凌晨时浓度达到最大值,但对NO_2、CO和O_3的影响较小;烟花爆竹的燃放对空气中不同污染物的影响程度有所区别,对气态污染物SO_2的贡献程度最大,其次,对大气粗颗粒物的贡献程度大于细颗粒物;降雪天气对空气污染物具有去除效应,其中,对大气粗颗粒物去除效应高于大气细颗粒物,而对气态污染物有较小影响。从空间上看,降雪天气对于城市边缘、城郊等区域的大气颗粒物的去除效应高于城市中心区域。     

哈尔滨市2016年春节期间空气质量时空变化特征

利用2016年2月7-13日春节期间哈尔滨市11个监测站点空气质量监测数据,分析春节期间6种主要污染物时空特征,并与非燃放期间进行对比,进一步分析污染物的时空变化,同时结合气象降雪数据,探讨降雪天气对空气污染物造成的影响。结果表明:哈尔滨市春节期间空气污染物7 d平均浓度,PM_(2.5)、PM_(10)污染最严重的区域为香坊区,NO_2污染最严重的区域为阿城区,SO_2污染最严重的区域为道外区,CO和O_3污染严重的区域为平房区;在除夕夜期间,烟花爆竹燃放对PM_(2.5)、PM_(10)和SO_2浓度的短期影响极大,空气质量在短时间内迅速恶化,甚至成倍增长,在初一凌晨时浓度达到最大值,但对NO_2、CO和O_3的影响较小;烟花爆竹的燃放对空气中不同污染物的影响程度有所区别,对气态污染物SO_2的贡献程度最大,其次,对大气粗颗粒物的贡献程度大于细颗粒物;降雪天气对空气污染物具有去除效应,其中,对大气粗颗粒物去除效应高于大气细颗粒物,而对气态污染物有较小影响。从空间上看,降雪天气对于城市边缘、城郊等区域的大气颗粒物的去除效应高于城市中心区域。     

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。     

绍兴市大气环境容量与污染控制研究

利用2014—2016年绍兴市16个监测点位监测数据和代表年份2015年环统数据,分析了绍兴市大气环境现状、大气污染物变化特征和空间分布特征,重点对中心城区主要空气污染物浓度年、季和月变化特征进行分析,结果表明:绍兴市中心城区环境空气中SO_2、NO_2、CO、PM_(10)和PM_(2.5)质量浓度呈现"秋冬较高,春季次之,夏季较低"的季节变化特征,O_3质量浓度则正好相反。利用CAMX模型,对绍兴市主要大气污染物浓度进行模拟和结果校验,结果表明:绍兴市通过减排SO_2、NO_X和VOCS,全市SO_2、NO_2、PM_(2.5)、PM_(10)、O_3等污染物浓度将得到一定改善,PM_(2.5)则需协同削减至少18%的烟粉尘才能满足达标要求。推荐以烟粉尘为主其他污染物为辅的PM_(2.5)协同削减方案。建议从环境准入、强化减排、行业整治、协同削减、联防联控监管等方面进行污染控制。     

呼和浩特市大气污染物污染特征及污染物的相关性分析

为了探究呼和浩特市大气污染物污染特征,对2014年一年的AQI做出统计整理并对PM_(10)、PM_(2.5)、SO_2、CO、NO_2的相关性进行分析。研究结果发现:呼和浩特市2014年空气质量总体良好,空气质量为良所占比重为58%,中度污染和重度污染所占比重为35%。该市的主要污染物PM_(10)、PM_(2.5)、SO_2的超标率分别达到了88.81%、52.60%、36.20%。空气污染指数AQI与PM_(10)、PM_(2.5)、SO_2、CO、NO_2、呈显著相关,尤其是PM_(10)和PM_(2.5),相关性系数高达0.959和0.851,可见其污染主要以颗粒物物为主。PM_(10)、PM_(2.5)、SO_2、CO、NO_2浓度间两两正相关。O_3的浓度与PM_(2.5)、SO_2、CO、NO_2均呈现负相关,O_3与AQI和PM_(10)的相关性不显著。     

2014年APEC期间北京市空气质量改善分析

利用2014年11月1~12日(APEC会议期间)北京市大气污染物、PM_(2.5)组分及气象、遥感监测数据,结合CMB受体模型,综合分析了APEC会议期间北京市空气质量与气象条件变化并初步评估了减排措施对APEC会议期间PM_(2.5)浓度的贡献及影响.结果表明,APEC会议期间北京市PM_(2.5)、PM_(10)、SO_2、NO_2的浓度分别为43、62、8和46μg·m~(-3),比近5年平均浓度(PM_(2.5)为2012~2013年平均浓度)降低45%、43%、64%和31%;空间分布上PM_(2.5)在城区及北部山区改善效果最明显,下降幅度在30%~45%之间,南部地区降幅在25%以下;不同类别的站点降幅在27.4%~35.5%之间;APEC会议期间PM_(2.5)的主要组分SO_4~(2-)与同期(2013年11月1~12日)相比下降50%,地壳物质同比下降76%,NO_3~-同比下降35%;CMB模型源解析结果显示APEC会议期间燃煤锅炉贡献2%左右,扬尘贡献7%左右,机动车贡献30%左右;APEC会议期间北京市及周边地区针对可能发生的污染过程采取的减排保障措施对PM_(2.5)浓度具有明显的削峰降速作用.     

APEC会议期间天津市PM_(2.5)污染特征研究

为了解APEC会议期间天津市PM_(2.5)污染特征,2014年11月6日-22日在天津市环境监测中心采集PM_(2.5)样品,分析了水溶性离子、无机元素及碳组分含量。结果表明:APEC会议期间,天津市PM_(2.5)浓度水平为81μg/m3,低于会后114μg/m~3;NO_3~-、SO_4~(2-)和NH_4~+等二次离子在PM_(2.5)中所占比重由会议期间的48.12%下降为会后的42.68%,一次离子所占比重由期间的8.84%上升为会后的14.50%,NO_3~-/SO_4~(2-)比值及硫氧化率(SOR)、氮氧化率(NOR)均高于会后。总无机元素浓度及其在PM_(2.5)中的占比均明显低于会后。有机碳(OC)和元素碳(EC)的浓度及在PM_(2.5)中的占比低于会后,但OC/EC比值及二次有机碳(SOC)在OC中所占比重高于会后。说明APEC期间天津市PM_(2.5)中二次反应较为明显,机动车排放对PM_(2.5)的贡献相对突出,城市扬尘得到明显控制。     

天津市冬季典型大气重污染过程特征

基于污染物浓度、颗粒物化学组分及气象参数等观测数据,综合分析天津市2015年冬季典型重污染过程成因及污染特征,结果表明:天津市冬季重污染期间风速0~4.0m/s,相对湿度80%以上,混合层高度仅为清洁天气的1/3~1/2,静稳高湿的大气环境对重污染影响较大.重污染过程NO_2/SO_2比值较清洁天气低,NO_3~-/SO_4~(2-)比值大于1,表明重污染期间天津市移动源与固定源并重.重污染PM_(2.5)/PM_(10)比值较清洁天气高,PM_1/PM_(2.5)比值较清洁天气低,可能与重污染过程期间细粒子的吸湿增长以及散煤燃烧排放有关.污染初期NOR大于SOR,随着重污染持续,甶于受制于氨,SOR要高于NOR,需关注气态前体物尤其是SO_2排放.OC与EC浓度高时二者相关性较低,SOC占OC的20%~54%,说明冬季重污染期间散煤燃烧源和二次有机化学反应对冬季重污染影响较大.     

燃放烟花爆竹对云南省环境空气质量的影响

利用2016—2018年春节期间(除夕—初六)云南省环境空气中PM_(2.5)、PM_(10)、SO_2、NO_2、CO和O3的质量浓度监测数据,研究了春节期间燃放烟花爆竹对环境空气质量的影响,并采用spearman分析了除夕—初一PM_(2.5)、PM_(10)、SO_2、NO_2、CO小时浓度值变化相关性。结果表明:春节期间(除夕—正月初六)超标天数集中出现在大年初一,首要污染物均为细颗粒物(PM_(2.5));烟花爆竹集中燃放阶段,SO_2、PM_(2.5)、PM_(10)日均值显著升高,O3、NO_2和CO的日均浓度值变化则基本不受其直接影响;总体上PM_(2.5)、PM_(10)、SO_2、NO_2和CO的小时浓度值变化趋势呈正相关,其中SO_2与PM_(2.5)、PM_(10)相关系数均值在0.800左右,高度正相关,这与全省除夕—初一污染物浓度的逐时变化趋势相一致。