风速对人为扬尘源PM10排放浓度和强度的影响

人为扬尘源排放模型很少考虑风速对排放的影响,为了解人为扬尘源排放浓度及排放强度与风速的关系.以施工扬尘和道路扬尘为典型人为扬尘源,通过现场实测研究了风速对扬尘源附近大气环境中扬尘排放浓度、排放强度的影响.结果表明,扬尘源附近大气环境中因扬尘造成的PM10(可吸入颗粒物)排放浓度随风速的增加先降后升,本研究中最低浓度值所对应的2.2 m高度处的风速v(cmin)为1.0-2.0 m/s;扬尘排放强度随风速的增加逐渐升高,风速相似文献   

2013年1月华北地区重霾污染过程SO2和NOx的CMAQ源同化模拟研究

以2006年中国地区的INTEX-B排放清单为基础,采用CMAQ模式污染源同化方法,反演更新了2013年1月重霾污染过程华北地区的SO₂和NO_x排放源;应用WRF-CMAQ模式以及2006年INTEX-B初始排放源和2013年1月改进的排放源,分别模拟了1月9-15日和28-31日两次持续重霾污染过程的SO₂和NO₂浓度,并与华北地区47个环境监测站点实测值进行对比,重点分析了基于初始源和同化反演源的模拟效果及其改进原因;本文亦采用2012年清华大学编制的东亚地区MEIC排放清单评估了SO₂和NO_x同化反演源的合理性.分析结果表明:①CMAQ模式污染源同化方法可适用于重霾污染过程,即采用同化反演源模拟的SO₂、NO₂浓度时空变化特征与实测值较一致,而且可反映SO₂、NO_x排放源强的动态变化特征;②基于同化反演源的SO₂、NO₂浓度模拟效果明显优于2006年INTEX-B排放源,其时间变化趋势与实测值较一致,而且可模拟重霾污染过程SO₂、NO₂浓度的峰值;③采用反演源模拟的SO₂、NO₂浓度空间区分布特征与实测值较一致,而且可较好反映重污染区的极值分布特征;④经污染源同化改进后SO₂、NO₂模拟浓度与实测值的相关系数有所提高,误差明显减小;SO₂的改进效果略优于NO₂,这与污染源对两种污染物浓度的影响差异有关;⑤初始源中SO₂、NO_x排放源的空间分布和强度与2012年清华大学编制的排放源强差异较大,而同化反演源的空间分布和强度均接近于上述2012年排放源,较好反映出重点地区的高污染源分布特征.本文研究结果将为改进重霾污染过程的空气质量预报、减小自下而上建立的排放源清单不确定性、评估SO₂、NO_x等排放源的影响效应以及不同气象条件下区域排放源的动态调控等提供新技术途径和研究思路.     

贵州喀斯特水库红枫湖、百花湖P(CO2)季节变化研究

针对贵州喀斯特地区富营养水库（红枫湖、百花湖）表层水中的CO₂分压P(CO₂)进行为期1 a的监测,分析了影响两湖P(CO₂)季节变化的因素并阐明了两湖P(CO₂)季节变化的机理.不同于北部温带地区水库,两湖出现明显的季节变化特征：夏季表层水中CO₂欠饱和,其他季节CO₂过饱和.通过对物理、化学及生物因素与P(CO₂)之间的相关性分析. 结果表明,两湖P(CO₂)与Chla之间存在的显著负相关,是由于浮游植物光合作用与细菌呼吸作用共同影响的结果,也是两湖P(CO₂)出现季节变化的主要原因.水温与P(CO₂)之间的显著负相关,主要是由于水温影响浮游植物生长引起的.降雨量与P(CO₂)之间的显著负相关,主要是由于降雨量影响水库中营养盐的输入和浮游植物生长引起的.NO^-₃、NO^-₂与P(CO₂)之间的显著正相关,是藻类吸收与有机质降解、硝化反应等共同作用的结果.SiO^{2-₃与P(CO₂)之间的显著负相关,是SiO2-₃受降雨输入及藻类吸收共同影响的结果.而两湖DOC与P(CO₂)相关性的差异可能与两湖DOC来源不同有关.}     

小型养殖塘水体中CH4、CO2和N2O浓度的时空变化特征及影响因素

养殖塘作为重要的温室气体排放源,水体中温室气体浓度的变化不仅是准确量化温室气体排放量的基础,还是明确其影响因素的重要依据.基于顶空平衡-气相色谱仪法对长三角一处典型的小型养殖塘水体中CH₄、CO₂和N₂ O浓度的时空变化特征以及影响因素进行了分析.结果表明,除春季外,在水温影响下,CH₄和N₂ O浓度在午间或午后出现高值;受水温和水生植物光合作用影响,CO₂浓度的高值出现在晨间光合作用较弱的时候.养殖塘水体中CH₄和CO₂浓度呈现秋季最高、冬季最低的季节变化特征,c（CH₄）在秋季和冬季的均值分别为176.34 nmol·L^-1和32.75 nmol·L^-1,主要受气温、水温和溶解氧（DO）影响;c（CO₂）秋季和冬季的均值分别为134.37 μmol·L^-1和23.10 μmol·L^-1,主要受水生植物光合作用和pH影响;c（N₂ O）在夏季最高,冬季最低,均值分别为97.05 nmol·L^-1和19.41 nmol·L^-1,主要受气温和水温影响.在空间上,垂直方向上,夏季养殖塘c（CH₄）随水深的加深而降低,表层与底层、中间层的浓度差值为71.28 nmol·L^-1和42.80 nmol·L^-1,秋季随水深的加深而升高,底层与表层的浓度差值为163.94 nmol·L^-1.c（CO₂）在夏季和秋季都表现为随着水深的加深而升高,其底层与表层的浓度差值分别为18.69 μmol·L^-1和29.90 μmol·L^-1.N₂ O浓度在垂直方向上无明显变化规律.水平方向上,夏季饲料及春季鸡粪投放的区域会出现CH₄、CO₂和N₂ O浓度的高值,春季和夏季CH₄浓度约为其他区域的1.34~1.98倍和1.95~2.42倍,春季N₂ O浓度和夏季CO₂浓度约为其他区域的1.13~1.26倍和1.39~1.74倍.     

近10年华北背景大气PM2.5中重金属健康风险及污染来源的变化

为探究近10年华北背景大气PM_2.5中重金属的变化特征,分别于2011年12月至2013年1月（Ⅰ期）和2019年9月至2021年11月（Ⅱ期）,在位于渤海中部的砣矶岛国家大气背景监测站各采集71个和160个PM_2.5样品,利用电感耦合等离子体质谱仪（ICP-MS）测定样品中重金属浓度,对比Ⅰ期与Ⅱ期重金属浓度、来源及健康风险.结果表明,Ⅱ期砣矶岛ρ（PM_2.5）均值为（54.06±39.71）μg ·m^-3,比Ⅰ期浓度低3.53μg ·m^-3.Ⅱ期PM_2.5中ρ（Zn）、ρ（Mn）、ρ（As）、ρ（Pb）和ρ（V）比Ⅰ期分别降低了54.53、172.63、0.8、79.06和3.81 ng ·m^-3,而ρ（Cr）、ρ（Cu）、ρ（Cd）和ρ（Ni）分别升高了2.01、5.42、3.03和3.55 ng ·m^-3.PMF结果表明,Ⅱ期污染源贡献率大小为：工业排放源（32.32%）>燃煤源（27.47%）>机动车排放（23.70%）>船舶排放（9.69%）>扬尘源（6.83%）,与Ⅰ期相比,扬尘源和船舶排放源对砣矶岛PM_2.5中金属的贡献率分别降低20.73%和8.83%,燃煤源和工业排放的贡献率分别增加2.50%和13.52%.Ⅱ期重金属总致癌风险增加,主要以Cr和Cd的贡献为主,总非致癌风险降低,以Mn贡献为主.因此,在大气污染治理进程中要进一步加强对Cr、Cd和Mn等重金属的污染源的管控.     

城区与郊区PM2.5污染及传输特征差异性

基于云高仪激光雷达、飞机AMDAR数据和常规站点等多源观测数据,并与数值模拟（CAMx-PSAT模型）相结合,以京津冀典型城市——北京城区与郊区（密云）和石家庄城区与郊区（平山）为案例研究区域,对城区和郊区边界层高度差异（ΔPBLH）、地面PM_2.5浓度差异（ΔSurf_PM_2.5）、高空PM_2.5浓度差异（ΔVert_PM_2.5）和传输通量强度及高度分布特征差异进行分析.结果表明,由于人为热源、短波辐射和热力湍流等因素,导致城区年均边界层高度（PBLH）较郊区高8%~29%,且不同季节下城区PBLH月均较郊区高2%（石家庄4月）~47%（北京7月）.由于人为排放、逆温和大气湍流等共同作用,在0~1260 m之间等高度城区年均ρ（PM_2.5）较郊区高0.1（石家庄）~29.7（北京）μg ·m^-3,随高度增加而减小.城区年均总净通量强度远大于郊区,城区表现为流出,郊区表现为流入,是由于城区低压和郊区高压,形成城郊热力环流.北京城区和郊区与周边的年均总净通量强度之和（44.77 t ·d^-1）大于石家庄（34.44 t ·d^-1）.受风速和PM_2.5浓度的影响,在0~1260 m之间,城区和郊区与周边的净通量随离地高度的增加通量强度呈现明显增大趋势,其中1月城区和4月郊区与周边的传输交换对环境影响最为明显.不同季节下城区和郊区最大净通量的强度差异明显,两者相差2.23~4.48倍;但最大净通量强度的高度特征差异较小,主要位于611~1260 m.     

NOx和VOC自然源排放及其对中国地区对流层光化学特性影响的数值模拟研究

利用Williams等和Guenther等的模型估计中国地区NO_x和VOC的自然源排放.所得清单显示土壤NO_x排放总量（以N计）为225.75 Gg;植被VOC年排放总量（以C计）为13.23 Tg,其中异戊二烯、单萜烯、其它VOC分别为7.77、1.86、3.60 Tg;排放有明显季节变化和空间变化.运用中尺度气象模式MM5以及光化学模式Calgrid研究这些排放在不同季节对对流层化学的影响.结果表明,O₃、NO_x、HNO₃和PAN的全国平均浓度在土壤NO_x排放影响下分别增加15.3%、15.7%、25.5%和6.5%;在植被VOC排放影响下改变5.6%、-4.9%、-19.3％和142.3％;在两者综合影响下增加26.1%、8.8%、4.3%和177.9%;浓度变化在夏季明显强于其它季节.自然源对中国地区光化学污染物空间分布有不同程度的影响,这种影响同区域气象条件、源排放和NMHC/NO_x比值等因素有关.NO_x和VOC的自然源排放对光化学特性影响显著,在光化学模拟过程中不容忽视.     

道路扬尘中PM2.5粒度乘数的测定方法及特征

粒度乘数是表征道路扬尘中颗粒物粒径分布特征和计算道路扬尘排放量的重要参数.为实现粒度乘数本地化,采用AP-42法和TRAKER法于2019年3月对保定市城区不同类型的道路进行采样和走航监测,利用校正公式计算得到道路扬尘PM_2.5粒度乘数（K_2.5）,对比了两种方法测定的K_2.5结果,分析了保定市道路扬尘粒度乘数特征.结果表明：①基于AP-42法和TRAKER法获取的保定市道路积尘的K_2.5平均值分别为0.21 g·VKT^-1和0.23 g·VKT^-1.两种方法获得的道路积尘K_2.5具有较高的线性相关性,相关系数约为0.6.分别利用两种方法获得的K_2.5计算道路扬尘PM_2.5排放因子值差异较小.说明利用基于激光传感器的TRAKER法能够满足测量并计算道路扬尘K_2.5的要求.②保定市不同类型道路积尘K_2.5特征按其值大小排序表现为：快速路 < 次干道 < 支路 < 主干道,存在显著差异;③保定市各道路扬尘K_2.5平均值高于0.15 g·VKT^-1,说明若直接借鉴美国环保署的推荐值（K_2.5=0.15 g·VKT^-1）进行排放清单计算,将会低估保定市的道路扬尘排放量,进而增加排放清单的不确定性.保定市K_2.5相对较高,说明保定市道路积尘中微颗粒物含量较多,道路扬尘对城市PM_2.5的贡献可能较大.     

苏州市初夏臭氧污染成因及年际变化

以2017~2021年的5~6月苏州市城区站点的大气污染物浓度为研究对象,分析了臭氧（O₃）、氮氧化物（NO_x）、总氧化剂（O_x）、一氧化碳（CO）和挥发性有机物（VOCs）等污染物的变化特征,利用基于观测的模型（OBM）研究了O₃污染成因及其年际变化,解析了环境空气VOCs的主要来源及其变化趋势.结果表明：①近年来苏州O_x平均体积分数以及NO_x和CO平均浓度整体呈下降趋势,但VOCs的体积分数整体呈上升趋势;O₃污染天光化学反应前体物浓度水平仍较高,且显著高于优良天.②近年来苏州O₃生成处于VOCs控制区;苏州市VOCs和NO_x长期减排比例应不低于5∶1,在VOCs控制方面应注重对芳香烃和烯烃的减排.③源解析结果显示,工业排放、汽油车尾气和柴油机尾气是苏州市VOCs的主要排放源;近年来工业排放源和溶剂使用源有所下降,但汽油车尾气源和油气挥发源贡献率上升明显,且上述两类污染源排放VOCs的O₃生成潜势较高.④综合分析各排放源对O₃生成潜势的贡献发现,溶剂使用源和汽油车尾气源的VOCs排放是影响苏州市O₃生成的关键因素.     

2017年1月天津市区PM2.5化学组分特征及高时间分辨率来源解析研究

为了快速分析天津市区冬季以及重污染过程中PM_2.5的化学组成特征及来源,本研究于2017年1月利用在线监测仪器快速采集了天津市区环境受体中PM_2.5及其化学组分的小时数据,并通过PMF（positive matrix factorization,正定矩阵因子分解法）模型解析了天津市区2017年1月及重污染过程中PM_2.5的主要贡献源类,分析了重污染过程中排放源的变化趋势.结果表明：2017年1月天津市区PM_2.5浓度为6.0~449.0 μg·m^-3,平均值为153.3 μg·m^-3.NO₃^-、SO₄^2-、NH₄⁺是PM_2.5中水溶性离子的主要组分,三者之和占水溶性离子总量的88.3%.NH₄⁺与Cl^-、NO₃^-、SO₄^2-均表现出显著的正相关性（r=0.82,0.95,0.97;p<0.01）.NO₃^-和SO₄^2-（r=0.90;p<0.01）,Ca²⁺与Mg²⁺（r=0.65;p<0.01）均表现出显著的相关性,说明它们分别具有较高的同源性.OC和EC也是PM_2.5的重要组成部分,两者之和占PM_2.5质量浓度的20.4%.重污染过程中,PM_2.5及其主要离子的浓度显著的增加（p<0.01）,并存在较高的二次离子生成.PMF解析结果表明,二次源类是天津市区2017年1月PM_2.5的首要源类,分担率为38.1%,其次为机动车源（分担率为25.6%）、燃煤源（分担率17.1%）、扬尘（分担率10.1%）和生物质燃烧（分担率9.1%）.重污染过程中,二次源是PM_2.5的主要贡献源类,分担率达到39.3%;说明重污染期间存在显著的二次转化及二次粒子的积累过程.重污染发生演变过程中,二次源、机动车源和燃煤源对PM_2.5贡献表现出显著增加的趋势,而扬尘和生物质燃烧的贡献则没有显著增加.     

环境因素对芦苇湿地CH4排放的影响

用封闭式箱法对辽河三角洲芦苇湿地温室气体CH₄ 排放进行了长期观测 .结果表明 ,CH₄ 排放有明显的季节变化规律 ,平均通量为 520μg·m^-2·h^-1.土壤产CH₄ 活性主要发生在0～5cm土层中 ,并随土层深度的增加而显著下降 .CH₄排放受环境因素影响很大 ,土壤氧化还原电位在 -110mV时就有CH₄排放 ,其排放量随氧化还原电位的下降而增加 .另外 ,随着淹水深度的增加 ,CH₄ 排放反而减少 .在测定期内 ,CH₄ 排放与温度呈明显的正相关 (R²=0196,n=21,P<0.05).     

安徽省O3浓度时空分异及其驱动因素研究

基于2017—2018年安徽省132个空气质量监测站点的O₃浓度观测数据及各月份的气象与前体物排放数据, 采用空间自相关分析、地理探测器等方法分析安徽O₃浓度的时空分异及其驱动因素. 结果表明:安徽O₃浓度的峰值出现在5月和6月, 超标率分别为31.4%和42.8%. O₃浓度整体呈空间集聚特征, 高值区主要出现在安徽东北部的蚌埠、宿州、淮南和滁州4市, 低值主要分布在皖南山区. 气象要素是安徽省O₃浓度格局形成的主控因素, 其中6月的边界层高度(q=0.644)、近地面太阳辐射(q=0.597)和风速(q=0.571)的影响最大, 且呈正向影响, 风速的增大和边界层高度的增加可能使得输入性污染增加. 降雨量(q=-0.532)和相对湿度(q=-0.559)呈负向影响, 且降雨带的移动是影响安徽夏季O₃分布格局的一项关键因素. 本地前体物排放对安徽O₃浓度的影响受到气象要素的驱动, 在夏季呈正向, 而冬季呈反向, 其中CO的影响相对较大. 6月气象要素与本地前体物排放的双因子交互驱动对O₃浓度的空间分异具有增强作用. 边界层高度和近地面太阳辐射与本地前体物的组合解释力均大于0.7, 在不利的气象条件下, 应进一步加强对本地前体物排放的管控.     

超细煤粉在氧化条件下NOx的释放特性实验研究

采用DTG(热重/差热分析仪)和GC-MS(气相色谱质谱联用仪)对鹤岗煤超细化煤粉进行燃烧试验,分析了粒径、氧气浓度、升温速率对NO_x释放的影响.结果表明,不同粒径的鹤岗煤在氧气浓度为20％的燃烧条件下,NO_x的析出均为单峰曲线;粒径对煤粉燃烧NO_x释放有重要影响,超细化煤粉可以减少NO_x的排放;在5、10、20 ℃/min升温条件下,随升温速率的增大NO和NO₂的析出量也增加,并且NO的最大析出速率对应的温度随着升温速率的提高也提高;随着燃烧气氛氧气浓度的增高,NO_x的析出量相应增加,并且NO_x的最大析出速率对应温度相应降低.     

O3浓度升高对银杏及油松BVOCs排放的影响

以生长在沈阳市区内的银杏及油松为试材,开顶式熏气室模拟升高O₃浓度（80 nmol·mol^-1）和正常大气O₃浓度（≈30 nmol·mol^-1）条件,采用GC-FID技术对银杏及油松的异戊二烯和7种单萜类物质的排放速率进行测定,探讨高浓度O₃对单株银杏及油松挥发性有机物排放规律的影响.结果表明,O₃浓度增高可以显著提高银杏和油松的异戊二烯排放速率（p＜0.05）,及银杏Δ3-蒈烯的排放速率（p＜0.05）,其分别达到1.96、 9.71和0.09 μg·(g·h)^-1,而对于其他单萜物质的排放速率,2种树木对高浓度的O₃熏蒸均没有表现出显著的变化;树种不同,排放的BVOCs组成也不同,自然条件下银杏排放的BVOCs以异戊二烯为主,而油松以α-蒎烯为主;高浓度O₃熏蒸下油松释放的异戊二烯达到其BVOCs组成的64.73%,增加大气O₃浓度改变了树木挥发性有机物的组成比例.因此,O₃浓度升高对银杏及油松BVOCs排放规律具有显著影响.     

太湖流域上游南苕溪水系夏秋季水体溶存二氧化碳和甲烷浓度特征及影响因素

内陆水体是重要的活性碳（C）汇和温室气体潜在排放源.为查明太湖流域上游南苕溪水系夏秋季水体溶存二氧化碳（CO₂）和甲烷（CH₄）浓度特征及影响因素,于2019年7~11月进行水样采集,采用水-气顶空平衡-气相色谱法测定水体溶存CO₂浓度［c_obs（CO₂）］和CH₄浓度［c_obs（CH₄）］,同步测定水体物理化学指标,分析水体c_obs（CO₂）和c_obs（CH₄）变化的主要影响因素.结果表明,观测期内南苕溪水体c_obs（CO₂）及其饱和度［R（CO₂）］和c_obs（CH₄）及其饱和度［R（CH₄）］的均值分别为（505.47±16.99）μg·L^-1、（256.31±8.32）%和（1.88±0.09）μg·L^-1、（5218.74±264.30）%;所有观测点位R（CO₂）和R（CH₄）均大于100%,表明南苕溪水体为CO₂和CH₄的潜在释放源.农业区水体c_obs（CO₂）最高、居民点区次之、森林区最低,3种土地利用类型区水体间差异显著;居民点区水体c_obs（CH₄）显著高于农业区与森林区.水体c_obs（CO₂）、R（CO₂）、c_obs（CH₄）和R（CH₄）均与氧化还原电位（ORP）负相关（P<0.01）,与电导率（EC）正相关（P<0.01）.叶绿素a（Chl-a）、硝态氮（NO₃^--N）、总氮（TN）浓度和EC的差异是造成不同土地利用类型区水体c_obs（CO₂）显著差异的主要原因;农业区和居民点区水体中较高的氮污染物浓度还可促进浮游植物生长并产生更活跃的呼吸作用,最终使两类型区水体c_obs（CO₂）显著较高.居民点区水体中较高的可溶性有机碳（DOC）和铵态氮（NH₄⁺-N）浓度及水温（WT）是导致该类型区水体c_obs（CH₄）较高的主要原因.降雨对流域内不同土地利用类型区水体c_obs（CO₂）和c_obs（CH₄）都产生一定的影响,雨后农业区水体氮污染物浓度增大和居民点区水体DOC浓度增加分别是造成农业区水体c_obs（CO₂）和居民点区水体c_obs（CH₄）较高的主要原因.     

基于远程在线监控车载终端的柴油车NOx排放等级诊断研究

远程在线监控车载终端集成了远程通讯模块、卫星定位模块、发动机OBD信息解析模块,能够实时读取车辆排放相关运行信息,但无法直接判断车辆NO_x排放情况.为了快速、准确地评估车辆排放情况,诊断和监测NO_x高排放车,同时为了克服有些重型柴油车监测数据中缺失进气流量、燃油流量、车速等重要的实时信息,无法计算出车辆NO_x排放因子的问题.本文提出了由NO_x浓度分布特征驱动的高排放重型柴油车识别算法,通过远程在线监控车载终端设备获取车辆的发动机信息和SCR系统运行信息,运用NO_x浓度分布计算车辆每天NO_x排放浓度占比,通过系统聚类法对车辆NO_x排放浓度占比进行聚类,结果聚为优、良、中、差4类.利用车辆NO_x排放浓度区间分布及其聚类结果分别作为训练集的输入和输出,选择BP神经网络作为训练算法,训练获得的模型分类准确率为90%,利用训练好的模型判断在用柴油车NO_x排放等级,从而识别及监测NO_x高排放车辆.研究结果可为柴油车NO_x高排放诊断及监测提供依据,有助于监管部门能够快速识别NO_x高排放车辆.     

太湖氧化亚氮(N2O)排放特征及潜在驱动因素

氧化亚氮（N₂O）是《京都议定书》规定的6种温室气体之一,其百年增温趋势是CO₂的298倍,大气N₂O浓度在持续快速增长中.浅水湖泊是大气N₂O的重要来源,为探讨富营养湖泊太湖N₂O排放的时空变化及潜在驱动因素,于2月（冬）和8月（夏）不同季节下在太湖进行野外观测,采用扩散系数-顶空瓶法观测表层水体N₂O浓度［c（N₂O）］和排放通量［F（N₂O）］,并讨论分析N₂O排放的潜在驱动因素.由于溶解性有机物（DOM）光谱是溶解性有机碳（DOC）及溶解性有机氮（DON）来源组成的有效示踪指标,其迁移转化过程亦会释放大量无机氮,改变水体氧化还原电位,因而也能影响N₂O排放.结果表明,太湖表层水体N₂O的浓度和排放通量表现出的时间变化及空间变化强烈受到季节（水温）差异和营养水平的共同影响,其表层水体c（ČN₂O）均值为（19.7±2.7） nmol·L^-1,F（N₂O）均值为（41.1±1.8）μmol·（m²·d）^-1,两者均表现为夏季高于冬季（t-test,P<0.01）;DOM和DOC等有机质的输入累积能够提高水体N₂O的产生和排放潜力,其中N₂O排放通量与水体类腐殖质组分C1显著正相关,表征陆源输入的荧光峰积分比值I_C ：I_T及芳香性指标S_275-295都表明西北入湖河口区积累了大量陆源类腐殖酸,其转化降解对N₂O的产生及排放有较大的贡献.结果显示水温、DOM组成来源和营养水平等均是影响太湖水体N₂O排放的重要因素.长期连续观测能更好地全面评估各种因素对水体N₂O产生及排放的影响并科学合理地制定减排方案.     

基于生物光学模型的二类水体光学活性物质估算：以晋江下游河段为例

水体中各组分对光谱的吸收和散射构成了水体的固有光学特性,是生物光学模型的重要参数,是建立水质遥感半分析模型的基础.目前该方法多应用于湖泊水质监测,很少用于河流.因此, 本研究以福建晋江下游河段为例, 探讨水面下反射率R(0^-)与光学活性物质之间的关系,并建立了光学活性物质的估算模型.结果表明,利用R(0^-)₇₅₃与总悬浮物浓度、R(0^-)₇₀₂/R(0^-)₆₈₀与浮游植物色素浓度、R(0^-)₆₇₀/R(0^-)₄₂₃与CDOM吸收系数分别建立的估算模型能取得理想的效果,其决定系数分别是0.953、 0.820 5和0.621 3,对应的相对误差分别是6.1%、 21.87%和22.18%.三者中以悬浮物浓度的反演精度最高,然后依次为浮游植物色素浓度和CDOM.主要原因在于浮游植物色素的浓度相对较低,光谱信号较弱;CDOM的特征光谱波段很窄,而且该波段内的R(0^-)受到其它２种物质存在的影响.     

车辆限行对道路和施工扬尘排放的影响

采用降尘法对道路和施工扬尘排放进行连续监测,通过限行之前和限行期间数据分析,研究了“好运北京”体育赛事期间机动车交通限行措施对道路和施工扬尘的消减情况、道路和施工扬尘对北京大气环境颗粒物的贡献率、道路和施工扬尘源占本地颗粒物排放总量的比重.结果表明,车辆限行措施对降低道路和施工扬尘的效果明显;环路限行期间降尘量平均值为0.27 g·(m²·d)^-1,限行之前1个月和限行之前7d降尘量平均值为0.81和0.59 g·(m²·d)^-1,主干道和次干道限行期间降尘量平均值为0.21 g·(m²·d)^-1,限行之前1个月和限行之前7 d降尘量平均值为0.54和0.58 g·(m²·d)^-1,道路降尘量下降了60%～70%;限行期间民用建筑施工降尘量平均值为0.27 g·(m²·d)^-1,限行之前20 d为1.15 g·(m²·d)^-1,限行期间公用建筑施工降尘量平均值为1.06 g·(m²·d)^-1,限行之前20 d为1.55 g·(m²·d)^-1,施工降尘下降30%～47%;道路和施工扬尘是北京市颗粒物污染的主要来源,其对环境PM₁₀的贡献率为21%～36%;当本地污染源PM₁₀排放量占环境总量的50%和70%时,道路和施工扬尘PM₁₀排放量分别占本地污染源的42%～72%和30%～51%.     

上海周边地区海陆风特征及其对PM2.5和O3浓度的影响研究

海陆风环流对沿海和内陆城市的大气污染物浓度有重要作用,基于风廓线雷达数据、大气PM_2.5和O₃质量浓度数据等分析了上海及周边地区海陆风局地环流的特征及其对区域大气污染物PM_2.5和O₃浓度变化的影响.研究结果表明：该区一年四季均会发生海陆风,海陆风发生的年平均日数为37.8 d.海陆风频率和强度在滨海高于内陆.海风持续时间在滨海大于内陆,而陆风持续时间滨海小于内陆.夏季的海风强度最强,其内陆地区风速和强度均小于沿海地区.海陆风导致该区的PM_2.5浓度降低和沿海地区O₃浓度升高.风向风速对污染物PM_2.5和O₃的影响在滨海地区比内陆地区更加显著.滨海地区的PM_2.5污染主要来自西北方向（WNW、NW 、和NNW）,西北风（NW）和偏南方向的风 （SSW、S、和SSE）会分别导致夏季和春季的O₃浓度增大.随着风速增加,O₃浓度增大,大约当风速在 3~4 m?s^-1 时增加到峰值,然后逐渐减小.海陆风对沿海地区的O₃及其前体物等污染物的循环输送及其引起的湍流混合使得沿海地区的O₃变化变得很复杂.