嘉兴市环境空气中PM2.5和PM10的时空分布特征

以 2017—2020 年嘉兴市范围内环境空气自动监测站的监测数据为基础,分析了嘉兴市 PM_2.5和 PM₁₀的时空分布特征,结果表明,嘉兴市 PM_2.5和 PM₁₀浓度逐年改善。从季节分布看,PM_2.5和 PM₁₀浓度均表现为冬春季高、夏秋季低,冬季质量浓度分别为 48,77 μg/m³,夏季质量浓度分别为 22,35 μg/m³;在月尺度上,大体呈两头高、中间低的“U”形分布;在周尺度上,存在明显的“周末效应”,即污染物浓度休息日低于工作日。从空间分布看,PM_2.5和 PM₁₀的浓度分布呈“东低西高”的特点。全局空间自相关分析表明,PM_2.5的全局相关性不显著,PM₁₀全局表现为较强正相关性。局部空间自相关分析表明,嘉兴市区 PM_2.5表现为高—低聚集,嘉善县PM₁₀表现为高—低...     

PM2.5及其工业源头控制技术

PM2.5对人体健康和空气质量有巨大的危害,环保部已修订相关法规和文件,将PM2.5纳入我国环境空气质量监测范围,采取有效手段控制PM2.5是我国一项重要的环保目标,在工业企业中采用最先进的表面过滤技术可从源头控制工业PM2.5的排放。     

京津冀PM2.5浓度控制目标可达性分析

雾霾污染已成为京津冀地区最突出的环境问题,国务院颁布了《大气污染防治行动计划》,明确提出了京津冀地区雾霾治理的浓度目标和减排措施。但是这些减排措施能否够实现PM2.5的浓度目标呢?本文基于数据分析方法,量化了2013—2014年京津冀地区PM2.5浓度与污染物排放量的关系,预测了现有减排措施可以达到的PM2.5浓度以及实现既定的PM2.5浓度目标的大气污染物减排要求,对"大气十条"减排政策的有效性进行了科学评估。结果显示,现有的减排措施难以实现PM2.5浓度控制目标,天津和河北的大多数地市需要进一步加大污染物减排力度。河北的部分地市即使实现了PM2.5浓度下降25%的目标,PM2.5浓度仍然过高,应改下降百分比为绝对值目标。北京的污染物减排率过高,减排难度较大,可以考虑一个现实合理的PM2.5浓度目标和污染物减排计划。由于污染物减排行动涉及区域经济和民生保障,PM2.5浓度受到风力等自然因素的影响较大,京津冀地区的雾霾治理应确定现实可行的浓度控制目标,并制定相应的污染物排放量管理目标。     

基于VIIRS的夜间PM2.5浓度遥感估算

PM_2.5作为主要空气污染物之一,长期影响人类健康和生态环境。目前主流的大气PM_2.5遥感监测依赖于日间过境的气溶胶光学厚度AOD产品,夜间时效连续性受到限制。为此,本文在大气辐射传输原理的基础上,顾及气象、土地利用等与PM_2.5排放、传输相关的因素,构建基于VIIRS的夜间PM_2.5浓度遥感估算方法。以北京市2013—2014年大气重污染事件为例,定性分析、定量评估大气重污染过程下PM_2.5浓度与夜间灯光辐射强度的相关性,开展夜间灯光遥感数据融合多源地理要素的夜间PM_2.5浓度估算。结果表明：随着PM_2.5浓度的显著上升,夜间灯光遥感影像的同一个区域亮度明显下降,PM_2.5浓度值和夜间灯光辐射值的平均相关系数达-0.69(P<0.001);融合夜间灯光数据与多源地理要素可以较好模拟夜间PM_2.5浓度,模型精度R²达0.83,RMSE为38.03μg/m^...     

火电厂PM2.5治理技术探讨

分析了PM2.5的危害及治理意义,论述了对于火电厂PM2.5的治理技术,如机电多复式双区电除尘、湿式电除尘、以及其他综合治理技术的研发和应用情况。     

阿克达拉PM2.5演变特征及与气象要素的相关性分析

为深入了解阿克达拉PM_2.5颗粒物污染,利用阿克达拉国家大气本底站颗粒物监测仪器GRIMM180观测的2010～2019年PM_2.5数浓度及台站的常规气象观测资料,用z-score法对PM_2.5数据标准化进行时间变化趋势分析,利用SPSS进行Pearson系数相关分析,能够客观反映出颗粒物浓度与气象要素间的共变趋势程度。结果表明：(1)10年中PM_2.5浓度整体上升7.15%。季节变化表现为冬季>春季>秋季>夏季的特征。秋季为明显右偏态分布其余季节对称分布,且冬季的变化性最大。月变化周期为13个月,呈现出“U”形起伏的变化规律。日变化呈现单峰的型式,且采暖期为非采暖期浓度2倍,呈现白天堆积晚上扩散的周期。(2)PM_2.5与风速、相对湿度和日照时长相关性最好,且在冬季表现最为显著。PM_2.5最高浓度风向为正南,阿克达拉主要污染物成分主要来自西北、偏西方向。风速为10m/s时为PM_2.5浓度明显转折点。夏季PM_...     

PM2.5污染危害分析及防控措施研究

本文论述了PM2.5对环境的危害,在剖析PM2.5组成与来源的基础上,提出防控PM2.5的政策与技术方面的建议,以期为今后PM2.5的防控工作提供理论基础。     

PM2.5在线监测技术概述

针对PM2.5颗粒物监测技术和PM2.5的监测网络的建设,重点介绍了美国多年来对PM2.5的监测状况,以及采用的Beta射线法、Beta射线光浊度法、微量振荡天平法等监测技术的方法和原理;指出综合国内外多年的监测经验,PM2.5的在线监测需要经过大量手工经典方法数据作为比对和校验,才能给出有效而高质量的PM2.5监测数据。     

基于超级站观测的乌鲁木齐市PM2.5组分特征分析

为了解乌鲁木齐市PM_2.5各组分浓度及其变化特征,利用2022年乌鲁木齐市大气环境超级站PM_2.5及其组分连续监测数据进行特征分析,结果表明：PM_2.5组分中有机碳、元素碳、水溶性阴、阳离子等组分浓度与PM_2.5浓度呈现“采暖季高、非采暖季低”的季节性变化;PM_2.5各组分中硫酸根、硝酸根、铵根和有机碳占比较大;无机元素浓度高低顺序为：钙>铁>氯>钾;有机碳与元素碳比值为6.08;硝酸根离子与硫酸根的比值小于1;典型污染过程中PM_2.5组分浓度中硫酸盐、硝酸盐、铵盐和有机物等二次气溶胶占比明显增加。说明2022年乌鲁木齐市冬季PM_2.5浓度受SO₂、NO₂和NH₃等污染物二次转化影响,而夏季则受有机物二次转化和一次扬尘源的共同影响,应重点控制相关行业污染排放,减少重污染天气。     

大气细粒子(PM2.5)监测技术进展

大气细粒子(PM2.5)的污染对人和生态环境等影响巨大,迫切需要进行PM2.5质量浓度的监测;本文介绍了PM2.5国内外监测研究进展、监测网络应用情况以及监测技术;重点介绍了几种先进的技术:β射线法、振荡天平法和光散射法,并详细描述了各种监测设备的原理及结构,提出最好采用PM2.5在线监测仪进行日常监测。     

济南市环境空气中PM_(2.5)的碳组成与特征分析

对济南市环境空气中PM2.5中碳组分污染特征的研究结果表明,济南市环境空气细颗粒物中碳主要以有机碳(OC)和元素碳(EC)的形式存在,二者浓度以冬季最高,且变化趋势相同;OC占总碳比例较高;冬季二次有机气溶胶(SOC)浓度最高,与污染源排放及气象条件有关。     

衡山PM_（2.5）中痕量金属元素的分析

建立了微波消解-电感耦合等离子体质谱法同时测定PM2.5中12种痕量金属元素的方法。对不同消解体系进行了讨论,确定采用HNO3＋H2O2消解体系。方法检出限在0.01～6.4 ng/m3之间,精密度为0.5%～8.9%,加标回收率在69.2%～92.6%之间。应用该方法测定了衡山PM2.5中痕量金属元素的含量,讨论了痕量元素的浓度分布特征,对各元素进行了相关性分析,并应用富集因子法对来源进行了分析。     

中国煤炭消费对PM2.5污染的影响研究

国务院颁布的《大气污染防治行动计划》明确提出制定国家煤炭消费总量中长期控制目标,到2017年,煤炭占能源消费总量比重降低到65%以下,然而煤炭消费对PM_(2.5)污染的贡献到底多大,这是当前亟待研究的科学问题。为定量分析煤炭消费对我国PM_(2.5)污染的影响,本研究首先计算了2012年煤炭消费产生的大气污染物排量,然后利用CAMx空气质量模型,分别采用组分分析法和情景模拟法两种方法研究了煤炭消费对全国PM_(2.5)污染的影响。组分分析法研究表明,煤炭消费对全国PM_(2.5)年均浓度的贡献率约为61%,其中煤炭直接燃烧、煤炭相关行业的贡献率分别约为37%、24%;情景模拟法研究表明,煤炭消费对全国PM_(2.5)年均浓度的贡献率约为56%。因此,我国由于煤炭消费对全国PM_(2.5)年均浓度的贡献率为56%~61%。     

基于后向轨迹模式对北京市PM2.5来源的探讨

近年来中国经历了数次大范围雾霾天气,北京等多个城市更是遭遇连续雾霾。造成雾霾天气的主要污染物PM_2.5又称细颗粒物。为了进一步治理北京雾霾,为制定政策提供依据,须了解北京地区PM_2.5的来源。本文基于后向轨迹模式并结合PM_2.5浓度计算了2015年9月1日0：00至2016年8月31日23：00以北京为起始点,向后推算48小时的轨迹,并结合轨迹聚类分析法、潜在源贡献因子法（PSCF）、浓度权重轨迹分析法（CWT）等,探讨北京地区PM_2.5的来源。结果表明：模拟的后向轨迹经过聚类分析可分为6类,其中来自内蒙古西部的轨迹最多,来自西北、北西北方向的轨迹次之,来自西西北方向且在京津冀地区停留一段时间的轨迹占比最小,来自河北、山东、河南的交接地区及河北的沿海地区的轨迹占比也较小。其中来自内蒙古西部地区及河北、山东、河南交界地区的两类轨迹对北京的空气质量有较大的影响,是北京PM_2.5污染的主要潜在源区;来自北西北方向及河北的沿海地区两类轨迹的气团最为清洁,为北京带来良好的天气;来自西北及西西北方向的部分轨迹对应的PM_2.5浓度严重超标,说明来自此方向的气团对北京的空气质量也有一定的影响。     

基于CEEMDAN的多时间尺度的北京市PM2.5浓度影响因素研究

研究PM_2.5浓度的主要影响因素,对提升北京市空气质量具有重要意义。与以往仅限于原始时间尺度的研究不同,本文基于CEEMDAN方法考察了多时间尺度下年平均风速、城市绿化、人口密度、产业结构和能源强度对北京市PM_2.5浓度波动的影响,并与原始时间尺度的主导因素进行对比。研究发现：原始尺度的北京市PM_2.5浓度影响因素是不同时间尺度内影响因素合力作用结果,不同时间尺度下影响因素不同。城市绿化、人口密度、产业结构和能源强度在多时间尺度中起到短期增强波动的作用,城市绿化和产业结构是贯穿于各个时间尺度的具有趋势性,决定北京市PM_2.5浓度基本走势的影响因素。     

城市群雾霾污染的空间分异及动态关联研究——基于京津冀城市群的实证分析

污染治理联防联控是解决区域雾霾问题的重要手段,雾霾污染的城市联动和交互作用是雾霾区域协同治理的关键问题。本文运用探索性空间数据分析法和标准偏差椭圆方法,分析了京津冀雾霾污染的空间关联特征和空间重心转移轨迹,运用空间计量模型,测算了京津冀雾霾污染的空间溢出效应和驱动影响因素。结果表明:京津冀雾霾污染具有显著的空间集聚特征和空间异质性,雾霾污染的空间溢出效应明显,经济增长、城镇化发展、产业结构、人口密度等均对京津冀雾霾污染产生正向影响,外商直接投资对雾霾污染产生负向影响。本文从构建区域污染协同治理机制、区域产业资源的高效配置、城市空间管控等方面提出了城市群雾霾污染治理的对策建议。     

对一次高炉煤气燃烧放散过程可吸入颗粒物浓度变化情况的分析

通过对环境空气中可吸入颗粒物浓度监测数据在一次高炉煤气燃烧放散过程中变化情况的分析,得出特殊的局地地形条件和局部地面气象条件可能造成污染物汇集和积累的结论,并就此提出高炉煤气燃烧放散时污染控制的建议。