武汉市2014-2017年大气污染物分布特征及其潜在来源分析

利用武汉市2014—2017年大气污染物（SO₂、NO₂、CO、O₃、PM_2.5和PM₁₀）和气象要素的观测数据,分析了大气污染物的变化特征及其影响因素.使用HYSPLIT模式计算了影响武汉市的主要气团类型,并利用潜在源区贡献（PSCF）和浓度权重轨迹（CWT）分析方法,揭示了研究期内武汉市不同大气污染物的潜在源区分布及其贡献特性.结果表明,武汉市2014—2017年空气质量逐年好转,SO₂、O₃、PM_2.5和PM₁₀的浓度呈逐年下降的趋势,但NO₂和CO的浓度先下降后上升.2017年SO₂、O₃、PM_2.5、PM₁₀、NO₂和CO的浓度分别为9.6、50.8、52.7、89.2、47.5 μg·m^-3和1.1 mg·m^-3,分别比2014年降低了64.3%、23.0%、24.7%、18.8%、3.5%和5.9%.大气污染物存在显著的季节变化和月变化.大气污染物在四个季节中日变化类似,SO₂和O₃均为单峰型分布,NO₂、CO、PM_2.5和PM₁₀均为双峰型分布.武汉市空气污染以PM_2.5为主,随着污染程度的加剧PM_2.5/PM₁₀的值逐渐增大,在空气质量为严重污染时,PM_2.5/PM₁₀高达90%,比空气质量为优时高了31.34%.局地气团（45%）和来自山西、陕西和河南一带的西北气团（12.1%）下大气污染物浓度较高.大气污染物的潜在源区贡献（WPSCF）和浓度权重轨迹（WCWT）的较大值主要集中在武汉市本地及其周边地区,局地污染对武汉市大气污染物的贡献较大,但不同大气污染物受到排放源分布和停留时间等影响其WPSCF和WCWT的分布范围不同.     

2015—2017年天水市大气污染物变化特征及来源分析

据天水市2015-2017年大气污染物（SO₂、NO₂、CO、O₃、PM_2.5和PM₁₀）的监测数据及气象资料,分析了天水市大气污染物的浓度变化特征,并利用排放源清单和HYSPLIT模型对污染物来源进行了解析.结果表明：①天水市空气质量有所下降,总体优良率达84.9%.SO₂、NO₂、CO均达标,污染物以颗粒物和O₃为主.②一次污染物SO₂、NO₂、CO、PM_2.5和PM₁₀浓度具有相似的季节变化和日变化特征,冬季最高,夏季最低,日变化呈早晚双峰型.二次污染物O₃夏季浓度最高,冬季最低,日变化呈单峰型.③天水市空气质量主要受污染物的本地排放和外来输送的影响,本地民用和工业部门对SO₂、CO、PM_2.5和PM₁₀的贡献最大,交通和工业部门对NO_x的分担率最高,民用部门是CO的最大排放源;西北和东部气流是污染物外来的最主要输送路径.此外,污染物在城市大气中的稀释、扩散和转移也受当地气象因素（气温、降水、风向等）的影响.     

深圳市城区大气颗粒物及主要水溶性无机离子的污染特征

基于2015年深圳市大气颗粒物和主要水溶性无机离子的观测数据,深入分析了大气颗粒物的浓度变化及二次污染特征.结果表明2015年深圳的大气颗粒物（PM₁₀、PM_2.5、PM₁）浓度虽然低,但其中细粒子占比高,PM_2.5/PM₁₀的比值高达0.744,甚至大于广州典型灰霾过程中的粗细粒子比.大气颗粒物浓度季节变化明显,秋冬高,春夏低.其日变化特征明显受到交通高峰的影响,汽车尾气可能是污染来源之一.SO₄^2-、NO₃^-和NH₄⁺（SNA）质量浓度在PM_2.5中的占比超过1/3（37.7%）,且全年硫转化率都大于0.1,这说明深圳市细颗粒物主要来自于二次转化.深圳大气颗粒物浓度受气象要素影响显著,与气压正相关,与气温、相对湿度、降水及风速负相关;若将风速、气温、气压、相对湿度和降水作为一个整体考虑,这些气象要素对深圳大气颗粒物浓度的影响大小是PM₁ > PM₁₀ > PM_2.5.本工作不仅对深圳的大气环境管理和经济可持续发展有着重要参考价值,还对空气相对清洁地区的大气颗粒物和霾治理具有指导意义.     

冬季采暖期气象条件对PM2.5等空气质量要素的影响——以咸阳市为例

以汾渭平原典型城市——咸阳为研究区域,利用地面空气质量监测数据和欧洲中期天气预报中心（ECMWF）发布的第五代全球气候再分析资料数据集（ERA5）,分析了咸阳市2018—2020年3 a采暖期污染物浓度变化特征和不同污染程度下的气象条件,采用统计学方法分析各项污染物浓度与气象因素间的相关性,使用多元线性回归模型评价各气象因素对PM_2.5浓度的影响程度,使用二元Logistic回归分析气象因素对PM_2.5超标风险的影响。咸阳市采暖期首要污染物以细颗粒物（PM_2.5）和可吸入颗粒物（PM₁₀）为主,采暖期超标最多的污染物为PM_2.5,超标天数逐年递减;PM₁₀的日变化呈“双峰双谷”型,PM_2.5的谷值出现在17∶00且夜晚浓度较高。颗粒物浓度与相对湿度呈正相关,与风速、边界层高度、温度、气压呈负相关。多元线性回归预测模型显示PM_2.5浓度预测值与实测值变化趋势保持一致,预测值的波动频率比实测值大,预测准确率为51.54%;二元Logistic回归模型显示：除相对湿度外,其他气象因素对PM_2.5超标情况都是保护因素,边界层高度每增高1 m,日均浓度超标风险降低0.7%;相对湿度每升高1%,日均浓度超标风险升高5.3%;温度每升高1℃,日均浓度超标风险降低19.8%;气压每升高1 hPa,日均浓度超标风险降低9.7%。以上研究结果揭示了咸阳市采暖期主要气象因素对空气污染的影响程度,为我国北方城市今后的空气污染治理提供科学依据,为相关政策制定提供理论参考。     

气象条件和排放变化对江苏省2015—2019年臭氧浓度年际变化的影响研究

使用精细化江苏省大气污染物排放清单和化学传输模式（WRF-CMAQ）模拟2015—2019年全省臭氧（O₃）的时空分布和变化特征;基于不同模拟情景下O₃浓度年际变化指标（MAD、APDM和增长速率等）量化气象条件和排放变化对江苏省O₃浓度年际变化的贡献;采用空间相关性分析法初步确定影响O₃浓度变化的具体气象参数.结果表明：2015—2019年,江苏省O₃浓度逐年增高,呈春夏高、秋冬低,南部低、沿海高的时空分布特征.气象因素对江苏省O₃浓度变化的贡献为58%,排放贡献为36%;其中,苏南地区受排放的影响（35%）高于气象影响（30%）,而苏中、苏北地区主要受气象因素影响.江苏省在春季、夏季和秋季的O₃浓度年际变化主要受气象因素影响;冬季时,排放因素的影响略高于气象因素.温度和边界层高度是影响江苏省O₃浓度年际变化的重要气象参数.     

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.     

秦巴山地西部地区2015—2018年大气污染物变化特征及潜在来源分析

为了研究我国南北过渡带西部地区大气污染物变化特征，选取了秦巴山地西部陇南市2015-2018年大气主要污染物监测资料和气象数据，分析了各污染物的浓度水平、变化特征及与气象条件的关系，并利用HYSPLIT后向轨迹模式分析了该地区污染物潜在来源（WPSCF和WCWT）.结果表明：4年来，秦巴山地西部地区空气环境质量较好，空气质量优良率达94.24%，6项大气污染物SO₂、NO₂、CO、O₃、PM_2.5、PM₁₀平均浓度分别为19.02、23.35、701.41、83.11、30.57、56.50 μg·m^-3，均未超过国家二级标准.PM₁₀是该地区首要污染物中天数最多的，达94 d.污染物SO₂、NO₂、CO、PM_2.5和PM₁₀的季节变化和日变化特征具有较好一致性，呈"U"型变化，O₃呈单峰型，在夏季和午后浓度到达高值.颗粒污染物PM₁₀、PM_2.5与气态污染物SO₂、NO₂、CO均呈现较好正相关，气温、降水量和风速风向对污染物浓度有较大的影响.该地区冬季空气质量明显差于其他季节，颗粒物浓度主要受供暖期化石燃料燃烧和外来气流的影响.     

基于WRF-Chem和EMI指数的新冠肺炎疫情期间沈阳市大气污染物浓度变化原因分析

利用2015—2020年沈阳市空气质量监测数据、地面气象观测资料、环境气象评估指数（EMI）产品、NCEP再分析资料及WRF-Chem数值模式,分析新冠肺炎疫情防控期间沈阳市主要大气污染物和气象要素的变化情况,研究空气质量对污染物减排和气象要素变化的响应.结果表明：疫情防控导致沈阳市PM_2.5、PM₁₀和NO₂质量浓度下降,但O₃质量浓度小幅增加;PM_2.5和NO₂对人为减排的响应更敏感;防控期内沈阳市气象条件有利于污染物的清除,气象条件使PM_2.5质量浓度下降16.37%,防控减排措施导致PM_2.5质量浓度下降22.96%;在疫情防控的背景下,不利的气象条件和污染物排放的突然增加共同造成重污染天气发生,其中不利气象条件的贡献大于排放增加的贡献;减排措施对防控期间重污染天气过程污染物峰值浓度有明显的削弱作用.     

2016—2020年广州市PM2.5时空分布特征

对大气污染物进行时空分布特征研究是开展大气污染防治的关键技术支撑.本研究基于广州市52个城市环境空气质量监测站点数据,采用系统聚类法、经验正交函数 （EOF）等方法分析了2016—2020年广州市PM_2.5浓度的时空分布特征.结果表明：①2016—2020年广州市PM_2.5污染改善显著,PM_2.5年均浓度从35.9 μg·m^-3下降至23.0 μg·m^-3,达标比例由96.2%上升至100%;PM_2.5干季平均浓度为湿季的1.54倍, 国控点超标天数为湿季的10.5倍;PM_2.5浓度日变化曲线峰谷值浓度差由7.5 μg·m^-3下降至3.9 μg·m^-3,日变化幅度趋于平缓.②广州市PM_2.5浓度最高值区主要分布在东西两侧,高值区域范围逐年减小,全市PM_2.5浓度分布趋于均匀;采用系统聚类法可将广州市PM_2.5分成北部、中北部、 南部、中南部4个污染区,其中,北部区PM_2.5浓度下降率仅为其他污染区的1/2,推测其PM_2.5浓度下降可能更多地由区域背景浓度的下降贡献;EOF分解前3模态累积方差贡献率达93%,分别可表征PM_2.5总体污染程度、在南北方向上的区域输送特征及由外围区域向中心城区聚集的 污染特征.     

北京及周边6个城市大气PM2.5中左旋葡聚糖及其异构体的时空分布特征

采集北京及周边6个城市春、夏、秋、冬这4个季节大气PM_2.5样品,用离子色谱法测定其中的左旋葡聚糖（LG）、甘露聚糖（MN）和半乳聚糖（GT）,对比这3种脱水聚糖与PM_2.5及有机碳（OC）的浓度水平和时空分布特征,应用SPSS 24.0软件分析了数据间的显著性差异.结果表明,6个城市PM_2.5、OC和LG浓度水平的季节分布规律高度相似,呈现冬季 > 春季 > 秋季 > 夏季,4个季节3种脱水聚糖的浓度水平有显著性差异.从空间角度分析3种脱水聚糖浓度水平,北京与天津、保定、石家庄无显著性差异,但北京与济南、郑州有显著性差异.根据6个城市的LG/MN和LG/（MN+GT）等浓度水平的比较,初步判断该区域PM_2.5中的生物质燃烧源主要来源于农作物秸秆和硬木.春季的PM_2.5污染过程中,北京、天津、石家庄和济南的左旋葡聚糖在PM_2.5中的含量变化基本保持稳定,显示该污染过程受生物质燃烧排放的影响较弱.     

京津冀地区重污染天气过程的污染气象条件数值模拟研究

通过采用全球再分析格点资料的统计分析和WRF中尺度数值模拟,从天气学和大气边界层气象学角度分析了2013年12月和2014年2月两次重污染过程中京津冀地区天气尺度大气停滞气象条件和大气污染扩散气象条件的特征及其作用,并根据WRF模式精细化模拟结果分析了太行山和燕山对京津冀地区城市大气污染形成的作用.研究结果表明,两次重污染天气过程中京津冀地区500 h Pa等压面上的平均风速均表现为明显的气候异常特征,500 h Pa平均风速较近10年同期分别下降了约30.8%和50.4%,大气停滞系数较近5年同期分别偏高10%和20%以上;京津冀地区发生严重污染时,WRF模式模拟的日平均混合层高度低于200 m,日平均地面10 m风速低于2 m·s-1,日平均通风量可降低到1000 m2·s-1以下,空气质量指数与日平均通风量成负相关,重污染期间的平均通风量比近5年同期平均通风量偏低29.3%~52.8%,这些不利于污染扩散的天气条件持续数日,导致了重污染天气的发生.此外,太行山对西风气流的阻挡是河北中南部地区大气污染加剧的一个重要原因,而当主导风向为偏南风时,偏南气流遇燕山后或转向回流、或爬坡,导致近地面风速减小,不利于污染物扩散,亦加剧了京津冀地区中南部城市的大气污染.     

居室内的化学污染及其防治方法

随着社会经济的高速发展,人们对办公和居室的环境也越来越崇尚舒适化和高档化。但优越的居室环境在给人带来了舒适的生活、娱乐条件的同时,也产生了许多的环境污染问题,严重影响了人民群众的身心健康。因而,如何采取有效的措施将居室环境中的污染物控制在一定的水平范围内,如何预防和降低居室空气的污染,对保障人民身心健康、提高人民生活品质具有重要的意义。     

室内空气质量及污染控制

分析了室内空气污染的成因及影响 ,论述了我国室内空气污染的基本特征及污染现状 ,提出了控制室内空气污染、改善室内空气质量的措施。     

Status of air pollution in Beijing

A study has been made on elements organic constituents, TSP, SO2,NO2 of atmospheric pollutants in Beijing. 17 elements, and some PAHs, e. g. B(a)P, B(b, j, k)P, and B(g, h, i)P, in airborne particles by X-ray fluorescence spectroscopy and HPLC, GC/MS, have been determined respectively. It has been shown that the elements Pb, Zn, S and Cu were more enriched in fine particles and different valence states of sulfur at various sites. It was found that the concentrations of S6+ and S2-were more than 85% and less than 15% of the total sulfur respectively. Concentrations of major PAHs and sulfur-containing compounds increased in winter and in urban area. High values for Pb and Zn in city, Fe and Mn at industrial area and Cu, Al rural sites were obtained respectively. This implies the functions of different elemental sources of various sites. Thus, elements can be from distingushed anthropogenic and natural sources.The main contribution of SO2 was found of to have same seasonal variation as the anthropogenic el     

沈阳市空气污染特征

以沈阳市8个国控环境空气监测点位和一个清洁对照点位2004年全年小时浓度为基础数据,研究了沈阳市空气PM₁₀、SO₂和NO₂的季节变化、日变化、空间分布及综合污染指数(API)等空气污染特征,并用1995～2004年的监测数据,分析了沈阳市空气质量的总体变化趋势.结果表明,首要污染物为PM₁₀,其空气污染具有典型的煤烟型污染季节特征,环境空气质量在1995～2004年期间逐年好转.     

城市空气污染数值预报模式系统及其应用

 介绍了城市空气污染数值预报模式系统,并利用该系统对济南市空气污染进行了预报.结果表明,该系统具有较好的预报性能;预报与实测值之间有较好的相关性;空气质量级别的预报效果更好,对SO₂、PM₁₀和NO₂ 3项污染物的级别预报准确率分别为84.6%,83.2%和94.6%,其总体级别预报准确率达到87.5%.研究结果还显示,济南市的SO₂污染已得到明显改善,机动车尾气污染相对较轻,而PM₁₀的污染比较严重,已上升为首要污染物,其来源、扩散、转化机制及其控制措施的研究是目前济南市面临的首要问题.     

大气污染沉降监测方法研究进展

系统回顾了大气污染沉降监测方法的研究进展,探讨主要面临问题及未来发展方向.现有大气污染沉降监测技术主要包括地面监测、遥感反演等,并在全球、区域与局地等不同尺度上取得系列初步成果.然而,大气沉降成因机制复杂、时空异质性规律显著,现有方法均难以兼顾精度与时空代表性等多方面监测需求,发展新一代监测技术以及多技术集成融合是未来大气沉降精准监测的潜在趋势.深刻了解大气污染沉降监测的研究现状与瓶颈问题有助于进一步系统构建大气污染监测体系、精准感知大气污染多维时空演化的本质规律,为环境治理提供科学的理论支持.     

Air pollution and its control in China

The rapid growth of China’s economy has led to severe air pollution characterized by acid rain, severe pollution in cities, and regional air pollution. High concentrations are found for various pollutants such as sulfur dioxides (SO₂), nitrogen oxides (NO_x), and fine particulates. Great efforts have thus been undertaken for the control of air pollution in the country. This paper discusses the development and application of appropriate technologies for reducing the major pollutants produced by coal and vehicles, and investigates air quality modeling as an important support for policy-making.     

昆明市空气污染特征及成因研究

昆明市空气污染以总悬浮颗粒物污染特征，秋冬季较春夏为重，城中心郊区为重，城西和城北较城东和城南为重，除背景测点外，ＴＳＰ和ＳＯ２两种污染物均有的相关性；在目前的采样高度上，工业源对各测点ＮＯｘ浓度影响不明显。     

河北省大气污染时空变化特征及其影响因素

河北省是中国污染最严重的省份,研究该省大气污染的时空变化与影响因素具有十分重要的意义。利用逐日空气质量指数（AQI）、气象要素观测资料以及社会经济数据,统计分析与空间分析法结合分析了河北省AQI时空变化特征及其与影响因素的定量关系。结果表明：河北省大气污染主要发生在中西部和南部,尤以邯郸、邢台与石家庄等地最为严重,北部地区相对较少。河北省AQI总体呈现逐年减少的趋势,2014—2018年河北省平均AQI线性趋势为-8.845/年,而且与风速、气温、降水、GDP、人口、电力消耗量和第二产业呈现显著负相关关系,而和NO_x与SO₂的排放量呈正相关。气候条件是河北省大气污染的诱导因素,而人为排放是河北省大气重污染的主要因素。随着河北经济的飞速发展,大气污染综合防治经费的投入增加,河北省经济增长与环境污染处于反向阶段,大气污染与经济发展的非线性关系早已过了环境库兹涅兹曲线（EKC）“拐点”。研究结果可为河北省空气污染治理提供理论依据。