天津郊区土壤风蚀源PM10排放清单不确定性分析

运用课题组自主开发的空气颗粒物风蚀源排放清单构建模型软件（PMEI-WES）,估算2016年天津市郊区土壤风蚀源颗粒物排放清单.采用蒙特卡罗模拟,分析了主要气象参数和土壤参数输入不确定性对排放量的影响,量化排放清单的不确定性.结果表明：2016年天津市郊区土壤风蚀源PM₁₀排放总量为22025.1731t.风速是影响排放量的最主要参数,排放量随风速增加呈指数增长,土壤碳酸钙与排放量呈正相关关系,土壤有机质与排放量呈负相关关系.排放总量95%概率范围为（15237.7581t,37434.8873t）,不确定度为（-37.48%,53.60%）;90%概率范围排放量为（16111.8606t,36104.7554t）,不确定度为（-33.89%,48.14%）.各区排放量不确定度大小与风速误差大小最显著.土壤参数对不确定度极值的影响较大.     

京津冀农业源氨排放对PM2.5的影响

根据收集的京津冀区域农业氨排放源活动水平数据,使用排放因子法建立了2014年京津冀地区农业氨排放清单.结果表明,2014年京津冀地区农业源氨排放总量为1750695t,平均排放强度为8.09t/km²;河北省、北京市和天津市农业氨排放量分别为1594087t、58822t和97786t.;猪和蛋鸡是畜禽养殖业中氨排放的主要来源,分别占31.29%和26.07%.模拟结果表明,农业氨减排使京津冀地区PM_2.5的年均浓度下降12.04μg/m³,下降比例约为18.36%,4月份和7月份农业氨减排对PM_2.5的影响较大,而1月份影响较低;农业氨减排使无机盐（硫酸盐+铵盐+硝酸盐）的年均浓度下降10.00μg/m³,年均浓度下降比例为41.84%,对硝酸盐的影响最大,铵盐次之,硫酸盐最小.     

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.     

北京市交通扬尘PM2.5排放清单及空间分布特征

为建立一种自下而上的交通扬尘PM_2.5排放清单方法,对北京市不同区域、不同类型道路的路面积尘负荷进行了采样和实验室分析,对各类路网的道路车流量和车辆类型进行了调查和统计,建立了北京市道路交通扬尘PM_2.5排放清单,并对其空间分布进行了分析. 结果表明:北京市城区快速路、主干道、次干道、支路和胡同的交通扬尘PM_2.5排放因子分别为(0.05±0.03)(0.09±0.05)(0.11±0.05)(0.16±0.14)和(0.27±0.20)g/(km·辆),相应各类型道路的交通扬尘PM_2.5排放强度分别为(7.21±4.66)(5.27±3.03)(3.34±1.49)(2.84±2.49)和(0.54±0.40)kg/(km·d);郊区高速路、国道、省道、县道、乡道和城市道路的交通扬尘PM_2.5排放因子分别为(0.10±0.03)(0.50±0.33)(0.39±0.37)(0.41±0.41)和(0.65±0.31)(0.19±0.08)g/(km·辆),各类型道路交通扬尘的PM_2.5排放强度分别为(3.82±1.31)(10.00±6.58)(3.93±3.74)(1.64±1.63)(0.65±0.31)和(0.74±0.32)kg/(km·d). 北京市道路交通扬尘PM_2.5的年排放量为13 565 t,从空间分布上看,郊区交通扬尘PM_2.5年排放量、单位道路长度排放量以及排放因子均高于市区,而城区单位行政区面积的交通扬尘PM_2.5排放量高于远郊区县. 从交通扬尘PM_2.5排放的空间分布特征看,在继续加强城区交通扬尘控制的同时,应采取措施控制远郊区县公路的扬尘排放. 自下而上的交通扬尘PM_2.5排放清单提高了排放的时空分辨率,能够识别路网中高排放的区域和路段,为交通扬尘总量管理和减排目标考核提供了一种技术手段.      

临沂市PM2.5和PM10中元素分布特征及来源解析

为探究临沂市PM_2.5和PM₁₀中元素的污染特征及来源,于2016年12月至2017年10月对临沂市环境空气中PM_2.5和PM₁₀进行了同步采样.利用电感耦合等离子体质谱仪(ICP-MS)和电感耦合等离子体发射光谱仪(ICP-OES)测定了其中的23种元素,并采用富集因子法和PMF法分析其来源.结果表明,采样期间临沂市PM_2.5和PM₁₀中主要元素为Si、Ca、Al、Fe、K、Na和Mg,分别占所测元素的质量分数为92.93%和94.61%. 18种元素(除Ti、Ni、Mo、Cd和Mg)的浓度水平在冬春季最高,夏秋季最低.其中Si、Al、Ca、K和Na表现为春季浓度最高,主要分布在粗颗粒中;Cu、Zn、Pb和Sb表现为冬季浓度最高,主要分布在细颗粒中.富集因子结果表明Cd、Sb和Bi元素富集程度显著,主要受燃煤、工业生产、垃圾焚烧等人为源共同影响.PMF源解析结果表明,临沂市PM_2.5中元素来源主要有燃煤和铜冶炼的混合源、市政垃圾焚烧...     

1995~2015年中国风蚀扬尘TSP、PM10和PM2.5排放清单及未来趋势预测

通过收集1995~2015年中国大陆31个省级行政区风速、降水量和气温地面站数据，结合各省、市自治区的土地利用分布及每种土地利用类型对应的土质类型，基于环保部推荐的起尘模型建立了1995~2015年中国风蚀扬尘颗粒物（TSP、PM₁₀和PM_2.5）排放清单.研究表明，在本研究的时间序列中，中国土壤风蚀扬尘颗粒物排放量呈现波动的趋势，2015年全国风蚀扬尘颗粒物TSP、PM₁₀和PM_2.5的年排放量分别约为2.27×10⁷、6.77×10⁶和1.17×10⁶t.排放量的空间分布总体上呈现"北强南弱"，并且以"黑河-腾冲"一线为界呈现"西强东弱"的排放格局，排放强度最大的地区出现在内蒙古西部和新疆大部.基于IPCC对于未来气候变化的预测情景，估计了未来风蚀扬尘颗粒物的排放变化趋势，在降水和气温共同作用下，不考虑风速变化，2100年的排放量相对2005年的变化幅度在-8.5%~7.7%之间，降水量增多会抑制风蚀扬尘颗粒物排放，温度升高则会使得地表更容易产生风蚀扬尘颗粒物.     

常州某纺织工业园区周边PM2.5和PM10中重金属源解析及健康风险评估

以江苏省常州市典型纺织工业园区为例,在其周边区域采集PM_2.5和PM₁₀样品,通过微波消解的前处理方法,采用电感耦合等离子体质谱仪（ICP-MS）测定样品中的Sb、Co、V、Pb、Cd、As、Cu、Ni和Cr浓度,分析夏、冬两季样品中重金属浓度特征及季节变化规律,利用正定矩阵因子模型（PMF）和美国国家环境保护局（US EPA）健康风险评估模型评估其来源及健康风险。结果表明：该纺织工业园区周边夏、冬两季PM_2.5的平均浓度分别为64.41和109.29 μg/m³,PM₁₀的平均浓度分别为89.08和146.65 μg/m³,冬季PM_2.5和PM₁₀浓度水平分别是夏季的1.70和1.65倍,均呈冬季大于夏季的特征;纺织工业园区周边大气颗粒物中As出现超标现象,最大超标倍数为GB 3095—2012《环境空气质量标准》参考浓度限值的33.3倍,冬季各金属浓度水平均大于夏季;PMF模型分析表明,纺织工业园区周边区域PM_2.5和PM₁₀中各重金属的主要来源为道路扬尘和工业排放复合源,其在夏、冬季的贡献率分别为59.7%、64.2%;健康风险模型表明,暴露在冬季PM_2.5和PM₁₀中,儿童的总非致癌风险系数分别为1.13和1.20（>1.00）,存在非致癌风险,男性和女性的Cr、As致癌风险指数均超过阈值（10⁻⁶~10⁻⁴）,存在致癌风险,处于不可接受水平。

     

北京市区春夏PM2.5和PM10浓度变化特征研究

通过对北京市2012年3月～6月PM2.5和PM10实时数据的整理和分析,结果表明,北京市区大气中细颗粒物PM2.5和可吸入颗粒物PM10浓度日变化趋势基本相同,PM2.5和PM10存在显著或极显著的正相关关系;3月～6月,PM2.5浓度随季节变化逐渐升高,PM10的浓度随季节变化先升高后减小;3月～6月PM2.5与PM10日平均浓度分别为62.77μg/m3和133.88μg/m3,分别为国家二级标准的83.69%和89.25%。     

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.      

青岛环境空气PM10和PM2.5污染特征与来源比较

年分别在青岛设6个和2个采样点采集PM₁₀和PM_2.5样品,分析二者质量浓度及颗粒物中多种无机元素、水溶性离子和碳等组分的质量浓度,以研究PM₁₀及PM_2.5的污染特征. 采用CMB-iteration模型估算法,确定一次源类及二次源类对PM₁₀和PM_2.5的贡献,利用统计学方法比较PM₁₀和PM_2.5的污染源. 结果表明:青岛大气颗粒物质量浓度季节变化显著,表现为春、冬季高,夏、秋季低;Na、Mg、Al、Si、Ca和Fe元素主要富集在PM₁₀中,SO₄2-、NO₃-、EC和OC主要富集在PM_2.5中;城市扬尘、煤烟尘、建筑水泥尘及海盐粒子等粗粒子在PM₁₀中的分担率较PM_2.5中的高,分担率分别为28.7%、17.2%、7.16%及4.47%;二次硫酸盐、二次硝酸盐、机动车尾气尘及SOC(二次有机碳)等在PM_2.5中的分担率较PM₁₀中的高,分担率分别为19.3%、8.97%、13.7%及6.07%;由PM₁₀与PM_2.5化学组分的分歧系数可见,春、秋季PM₁₀和PM_2.5化学构成存在一定差异,而冬、夏季二者的化学构成相似.      

重庆主城区大气PM10及PM2.5来源解析

为探讨重庆主城区4个季节大气PM₁₀和PM_2.5的主要来源,于2012年2—12月在重庆主城区的工业区、文教区和居住区5个环境监测点同步采集PM₁₀及PM_2.5样品,分析了无机元素、水溶性离子、有机碳和元素碳含量及其分布特征. 采集了重庆主城区土壤尘、建筑水泥尘、扬尘、移动源(包括机动车、施工机械及船舶)、工业源(包括固定燃烧源及工业工艺过程源)、生物质燃烧源及餐饮源等7类污染源,建立了重庆市本地化的污染源成分谱库. 利用CMB(化学质量平衡)受体模型及二重源解析技术分析了PM₁₀及PM_2.5的来源. 结果表明:重庆主城区大气中ρ(PM₁₀)及ρ(PM_2.5)的年均值分别为153.2和113.1 μg/m3,超过GB 3095—2012《环境空气质量标准》二级标准限值2倍以上. 大气PM₁₀的主要来源为扬尘、二次粒子和移动源(贡献率分别为23.9%、23.5%和23.4%),大气PM_2.5主要来源于二次粒子和移动源(贡献率分别为30.1%和27.9%).PM₁₀和PM_2.5的主要源类贡献率差别不大,表明研究区域内大气颗粒物污染控制应采取多源控制原则. 大气PM₁₀来源的季节性变化特征表现为春季和秋季主要以扬尘为主、夏季和冬季主要以二次粒子为主.      

2015—2018年乌鲁木齐市PM2.5及PM10时空分布特征

乌鲁木齐市是“丝绸之路经济带”关键节点城市,为了解乌鲁木齐市2015—2018年空气污染状况,利用2015年1月1日—2018年12月23日乌鲁木齐市7个国控空气质量监测站的ρ（PM_2.5）、ρ（PM₁₀）监测数据,基于ArcGIS空间分析平台,分析乌鲁木齐市PM_2.5、PM₁₀的时空分布特征.结果表明:ρ（PM_2.5）从2015年（66.60 μg/m3）到2016年（76.93 μg/m3）呈上升趋势,在2016—2018年呈单一下降趋势;ρ（PM₁₀）从2015年（132.74 μg/m3）到2016年（125.93 μg/m3）呈下降趋势,在2016—2018年呈单一上升趋势.2015—2018年工业活动集中的乌鲁木齐市边缘各区的ρ（PM_2.5）、ρ（PM₁₀）平均值比城市中心（商业区、居民区）分别高11.28、7.17 μg/m3,说明工业集中地区的大气环境质量受污染影响明显.此外,2015—2018年乌鲁木齐市大气污染呈季节性和北高南低的区域性分布特征.气象因子分析表明,ρ（PM_2.5）、ρ（PM₁₀）均与相对湿度呈正相关,与降雨量、风速等气象因素呈负相关.2015—2018年,乌鲁木齐市大气中ρ（PM_2.5）/ρ（PM₁₀）呈先增后降的趋势,冬季以PM_2.5污染为主,其他季节以PM₁₀污染为主.研究显示,2015—2018年乌鲁木齐市空气污染状况变化与地形、气象条件、城市化建设均有一定的关系.      

苏州市大气细颗粒物(PM2.5)工业源排放清单

通过发放调查表、现场咨询等形式,获得苏州市2012年工业企业基本信息,参照国内外已有研究成果,确定排放因子,并根据实际情况对钢铁行业进行了系数修订,得到苏州市工业源大气细颗粒物排放清单.结果表明:苏州地区工业源PM_(2.5)排放总量约为6.57×10~4t,工艺过程源和固定燃烧源分别占94%和6%;张家港地区贡献率最大,为51%,其次为常熟13.8%;姑苏区贡献率最小,为0.13%;苏州市平均排放强度为10.42 t·km~(-2),张家港排放强度最大,达到了43.57 t·km~(-2),其次为新区12.38 t·km~(-2);钢铁与炼焦、火电、水泥行业是PM_(2.5)的主要贡献者,分别为50%、17%和14%;空间分布显示苏州北部相对细颗粒污染较大,重点企业多集中在张家港、常熟地区,东部污染较少.     

宁波市环境空气中PM10和PM2.5来源解析

2010年在宁波3个环境受体点采集不同季节的PM10和PM2.5样品,同时采集颗粒物源类样品,分析它们的质量浓度及多种无机元素、水溶性离子和碳等组分的含量.采用OC/EC最小比值法确定了SOC(二次有机碳)对PM10和PM2.5的贡献,据此重新构建了受体化学成分谱.使用化学质量平衡模型对宁波市区的PM10和PM2.5来源进行了解析.结果表明:城市扬尘、煤烟尘、二次硫酸盐和机动车尾气尘是环境空气中PM10的主要来源,其分担率分别为23.0%、15.9%、13.3%和12.3%;对PM2.5有重要贡献的源类是城市扬尘、煤烟尘、二次硫酸盐、机动车尾气尘、二次硝酸盐和SOC,其分担率分别为19.9%、14.4%、16.9%、15.2%、9.78%和8.85%.      

帕米尔高原东部PM10输送路径及潜在源分析

基于HYSPLIT后向轨迹模式和NCEP的GDAS数据(2019年3月～2020年2月),对抵达帕米尔高原东部的48h后向气团轨迹按季节聚类,其PM₁₀和PM_2.5年均值分别为(29.4±16.4),(9.3±5.1)μg/m³,大气颗粒物以PM₁₀为主,结合同期PM₁₀浓度数据,分析不同路径对帕米尔高原东部PM₁₀聚集的贡献,并利用潜在源贡献因子法(PSCF)和浓度权重轨迹法(CWT),揭示研究期间帕米尔高原东部不同季节PM₁₀的潜在源分布及其贡献水平.结果表明:帕米尔高原东部PM₁₀输送路径的季节特征明显,春季来自中亚的西风气流对应PM₁₀高值,夏季来自中国新疆西部的气流也对应较高PM₁₀值,秋季各轨迹对应PM₁₀值相当,冬季来自南亚方向气流对应PM₁₀高值.PM₁₀春季贡献源区主要位于中国新疆西部、...     

沈阳市人为源大气污染物排放清单研究

为全面评估沈阳市大气污染物排放状况,文章收集和整理了相关活动水平信息和排放因子数据并采用排放因子法建立了2016年沈阳市人为源大气污染物排放清单。结果显示：2016年沈阳市人为源CO、NO_x、SO₂、NH₃、VOCs、PM2.5、PM10、BC和OC的排放总量分别为38.64×10⁴、10.63×10⁴、3.17×10⁴、5.28×10⁴、14.03×10⁴、5.54×10⁴、10.59×10⁴、0.57×10⁴和1.82×10⁴ t。按照排放源分类,CO、NO_x和BC主要来自移动源,SO₂主要来自化石燃料固定燃烧源,NH₃主要来自农业源,VOCs主要来自工艺过程源,PM_2.5和PM₁₀主要来自扬尘源,OC主要来自其他...     

西安市人为源大气氨排放清单及特征

根据西安市各类氨排放源活动水平数据,采用合理的估算方法和排放因子,建立了2013年西安市人为源大气氨排放清单.结果表明,2013年西安市人为源大气氨排放量为47.17×10~3t,排放强度为4.57 t·km~(-2);畜禽养殖和氮肥施用是排放贡献最大的两个人为源,氨排放量分别为20.55×10~3t和17.51×10~3t,占排放总量的80.68%;畜禽养殖中,牛和猪是最大的排放源,占畜禽养殖排放总量的75.03%;临潼区是排放量最大行政区,排放量为10.73×10~3t,分担率为23.22%;阎良区的排放强度最大,达到14.75 t·km~(-2).     

帕米尔高原东部PM10输送路径及潜在源分析

基于HYSPLIT后向轨迹模式和NCEP的GDAS数据（2019年3月~2020年2月）,对抵达帕米尔高原东部的48h后向气团轨迹按季节聚类,其PM₁₀和PM_2.5年均值分别为（29.4±16.4）,（9.3±5.1）μg/m³,大气颗粒物以PM₁₀为主,结合同期PM₁₀浓度数据,分析不同路径对帕米尔高原东部PM₁₀聚集的贡献,并利用潜在源贡献因子法（PSCF）和浓度权重轨迹法（CWT）,揭示研究期间帕米尔高原东部不同季节PM₁₀的潜在源分布及其贡献水平.结果表明：帕米尔高原东部PM₁₀输送路径的季节特征明显,春季来自中亚的西风气流对应PM₁₀高值,夏季来自中国新疆西部的气流也对应较高PM₁₀值,秋季各轨迹对应PM₁₀值相当,冬季来自南亚方向气流对应PM₁₀高值.PM₁₀春季贡献源区主要位于中国新疆西部、阿富汗东北部、巴基斯坦东北部、塔吉克斯坦中部及东部地区,夏季主要位于中国新疆西部喀什与和田北部地区,秋季主要位于土库曼斯坦东部、乌兹别克斯坦东南部、巴基斯坦北部、阿富汗北部与塔吉克斯坦南部接壤地区,冬季主要位于巴基斯坦东北部、印度北部以及阿富汗北部.     

青藏高原牛粪燃烧PM2.5排放因子及组成特征

牛粪是青藏高原常用的生活燃料,其燃烧排放的大气污染物影响着青藏高原大气环境,该文为获得不同季节、不同海拔牛粪燃烧PM_2.5排放因子及组成特征,在林芝市、那曲市、拉萨市林周县开展了牛粪燃烧研究,利用稀释通道法采集牛粪燃烧排放的PM_2.5,并分析其组成特征。结果表明,春季林芝牛粪燃烧PM_2.5排放因子为(6.260±0.870) g/kg、林周为(8.204±2.085) g/kg、那曲为(8.281±0.300) g/kg。夏季林芝牛粪燃烧PM_2.5排放因子为(6.426±1.761) g/kg、林周为(7.669±2.005) g/kg、那曲为(11.912±1.741) g/kg;夏季的相对湿度大于春季,在春夏两季林芝与林周的PM_2.5排放因子差异较小,而那曲夏季排放因子略大于春季;随着海拔增高,空气中含氧量降低,牛粪燃烧PM_2.5排放因子增大。牛粪燃烧PM_2.5中碳组分占比为59.7%～77.8%、水溶性无机离子为17.8%～31...     

珠江三角洲人为氨源排放清单及特征

根据收集的珠江三角洲(珠三角)人为氨源的活动水平数据,采用合理的估算方法和排放因子,建立了该地区2006年人为氨源分类别和分城市的排放清单.结果表明:①2006年珠三角地区人为氨源NH3排放总量约为194.8kt;②农业源是珠江三角洲地区人为氨源的主要排放贡献源,其中畜禽源排放的NH3占总排放量的62.1%,其次是氮肥施用源,其贡献率为21.7%;③畜禽源中肉鸡是NH3排放最大贡献源,占畜禽源NH3排放总量的43.4%,其次是肉猪,其贡献率为32.1%;④广州是珠三角地区2006年人为氨源排放量最大的城市,其次是江门,分别占NH3总排放量的23.4%和19.1%,主要的排放源均为畜禽和氮肥施用源.