后向轨迹模式在攀枝花市PM_(2.5)来源分析研究中的应用

利用后向轨迹模式计算2014年1月1日~2014年12月31日以攀枝花市为起始点的后向轨迹,并结合攀枝花市PM_(2.5)的实测浓度数据,通过聚类分析法、潜在源贡献因子法(PSCF)和浓度权重轨迹分析法(CWT)研究不同来源区域对攀枝花市PM_(2.5)浓度的贡献影响。结果表明:攀枝花市的西南区域与云南省的交界地区最有可能是攀枝花市PM_(2.5)的贡献源区。攀枝花市西南区域本地排放的PM_(2.5)污染物及其前体物和来自攀枝花市西南方向的气团对攀枝花市的PM_(2.5)浓度影响最大。     

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。     

北京市区冬季PM_(2.5)污染特征及来源分析

选取北京市区为采样点,于2016年1月进行PM_(2.5)采集,并分析了PM_(2.5)和水溶性组分的污染特征和来源。结果表明,采样期间北京市PM_(2.5)质量浓度平均为67.7μg/m~3,水溶性离子是PM_(2.5)的主要组分,其中SO_4~(2-)、NO_3~-和NH_4~+之和占总离子的79.1%;Ca~(2+)和Mg~(2+)分别占PM_(2.5)质量浓度的2.5%和0.9%,海盐气溶胶和K~+分别占PM_(2.5)的3.6%和1.6%。采样期间NO_3~-/SO_4~(2-)为1.1,表明NO_2和SO_2主要来自移动源的贡献。北京市区冬季PM_(2.5)主要来自二次污染源、扬尘、生物质燃烧和海盐气溶胶,贡献率分别为42.351%、21.164%、16.314%和5.436%。     

北京市城区PM_(2.5)浓度分布及影响因素研究

对2015年4月1日至2016年3月31日期间北京市城区PM_(2.5)的日均浓度变化及天气影响因素进行了研究。研究结果表明PM_(2.5)的日均浓度变化幅度较大,且在秋冬季节明显高于春夏季节;PM_(2.5)日均浓度统计结果的概率密度呈对数形式分布;由于北京市城区的地理位置原因,导致东南风向时城区PM_(2.5)浓度普遍偏高;而温度与PM_(2.5)浓度无明显相关性。     

南昌市环境空气PM_(2.5)化学组分的时空分布特征

2015年在南昌市6个国控点分四个季度采集了大气PM_(2.5)样品,分析了其主要化学组分,并对PM_(2.5)质量浓度进行了重构。结果表明:南昌市PM_(2.5)的主要化学组分为SO_4~(2-)、OC、NO_3~-、NH_4~+和EC,占比具有明显的时空变化特征,硫酸盐在第二、三季度最大,硝酸盐在第一、四季度最大,SO_4~(2-)和NH_4~+在石化点位最高,NO_3~-在京东镇政府点位最高,OC和EC在省外办点位最高;重构后,南昌市PM_(2.5)以硫酸盐、有机物、地壳类物质为主,说明2015年南昌市扬尘和二次硫酸盐源类对PM_(2.5)的贡献可能是主要的。     

成都市PM_(2.5)中有机碳和元素碳的污染特征及来源

于2009~2010年典型月份采集成都市区大气PM_(2.5) 样品,采用IMPROVE-热光反射法对样品中有机碳(organic carbon,OC)和元素碳(elemental carbon,EC)进行分析,探讨OC和EC浓度水平、来源及二次有机碳分布特征。结果表明,成都市年均OC和EC质量浓度分别为(22.6±10.2)μg/m3和(9.0±5.4)μg/m3,与国内外其他城市相比,污染严重;OC和EC的质量浓度呈现明显季度差异,均为秋冬季春夏季;相关性分析表明,OC和EC秋冬季节相关性较好,表明其来源相近,春夏季节相关性差,表明其来源较为复杂;OC/EC值2,且估算出二次有机碳(secondary organic carbon,SOC)年均值为(8.9±4.6)μg/m~3,占OC质量浓度的38.5%,表明二次污染严重。     

2015-2020年昌吉市PM_(2.5)污染时空分布特征

以新疆"乌—昌—石"重点城市之一的昌吉市作为研究对象,收集2015～2020年昌吉市空气质量自动监测站点的PM_(2.5)浓度数据,分析昌吉市PM_(2.5)浓度的年变化、季节变化、月、日以及小时变化特征及其变化规律。结果表明:近6年来昌吉市PM_(2.5)浓度均超过二级标准限值浓度,且PM_(2.5)平均浓度整体呈上升趋势;不同季节PM_(2.5)浓度呈春夏季低、秋冬季高的特点;受冬季气象条件和采暖期影响,PM_(2.5)浓度在11月至次年3月相对较高,4～10月相对较低;PM_(2.5) 24小时浓度在不同月份呈现不同的日变化规律。PM_(2.5)浓度时空分布与气象条件、采暖季、汽车尾气、工业排放等因素有关,且是影响空气质量等级和优良天数的主要因素。研究结果可为昌吉市PM_(2.5)污染防治提供参考。     

四川省近15年以来PM_(2.5)的时空分布特征及原因分析

近年来,PM_(2.5)成为大家关注的重点,四川省是中国PM_(2.5)高浓度的分布地区之一。利用四川省2000~2014年近15年的PM_(2.5)年均浓度反演数据,按照2005年WHO对PM_(2.5)的划分标准,采用10μg/m3、15μg/m3、25μg/m3、35μg/m3四个断点将其分为5类。以此为基础分析了四川省PM_(2.5)的时空分布特征及影响因素。研究结果表明:(1)东部地区PM_(2.5)浓度明显大于西部,2010~2014年四川省PM_(2.5)年均浓度呈下降趋势;(2)PM_(2.5)类型以污染最严重的第五类为核心呈半环状向西递减,2010~2014年第五类所占比例波动降低;(3)成都市、眉山市等地区PM_(2.5)浓度较高,2014年PM_(2.5)年均浓度降低;(4)自然因子、不透水地表、产业结构变化、大气污染防治政策等是影响PM_(2.5)浓度变化的重要因素。     

德州市PM_(10)无机组分特征及来源解析

统计分析了山东省大气超级站德州站2018年1月—3月逐小时离子组分、金属组分和碳组分在线监测数据(共332个样本)。利用正定矩阵因子(PMF)和主成分分析(PCA)模型对德州市PM_(10)进行来源解析,将PM_(10)的主要来源分为6类,分别是交通源(27.9%)、二次源(26.2%)、燃煤源(30.1%)、燃油源(0.05%)、建筑尘(0.8%)、其他源(15.0%)。PCA分析结果表明,德州市PM_(10)的主要来源是燃煤源,其次是交通源,因此应重点加强对燃煤源及交通源的排放控制。     

巴中市城区PM_(2.5)污染特征及时空变化规律分析

利用巴中市城区一个自然年(2016年3月1日~2017年2月28日)的空气质量数据,分析了巴中市城区PM_(2.5)的污染特征和时空变化规律。结果表明,PM_(2.5)日均浓度对数值接近正态分布特征,PM_(2.5)与其他主要大气污染物都具有显著的相关关系。CO、NO_2是主要的相关因素,与PM_(2.5)的相关系数都高达0.7以上。PM_(2.5)浓度表现为冬季秋季春季夏季,这与首要污染物是PM_(2.5)的天数占比以及PM_(2.5)与PM_(10)相关系数的季节变化一致,反映了PM_(2.5)呈现出以冬季污染最重,春、秋季污染中等,夏季污染最小的季节特征。PM_(2.5)与PM10的浓度比值表现为冬季秋季夏季春季。各个站点的PM_(2.5)变化趋势一致,相互之间浓度差异小且比较均衡,巴中中学站点的PM_(2.5)浓度无论在任何季节都高于其他站点,苏山坪站点在冬季的PM_(2.5)浓度明显低于其他站点,表明PM_(2.5)污染具有明显的区域性特征,与人类活动强度相关的局地污染对PM_(2.5)污染具有一定影响。     

潍坊城区典型区域PM_(10)和PM_(2.5)质量浓度变化特征

利用2016年1月至12月潍坊城区典型区域的PM_(10)、PM_(2.5)浓度的连续观测数据,研究了PM_(10)、PM_(2.5)浓度的变化特征及其与气象因素的关系。结果表明,潍坊城区颗粒物污染较为严重,PM_(10)超标率为7.59%、PM_(2.5)超标率为33.61%。PM_(10)和PM_(2.5)质量浓度均存在明显的季节变化和月变化规律,表现为夏季月份较低,而冬季月份较高。PM_(2.5)/PM_(10)比值的平均值为0.526,该比值也呈现一定季节变化,冬夏两季较高,春秋两季较低。PM_(10)和PM_(2.5)与气温均呈现一定的负相关性,PM_(10)还与湿度呈现负相关关系。     

长沙市城区典型交通路口PM_(10)和PM_(2.5)污染特征研究

利用车载环境空气质量监测系统对长沙市城区典型交通路口的近地面空气质量进行了实时监测。结果表明,在监测时段(14∶00~20∶00)内,该监测点环境空气中PM10的小时质量浓度范围在0.097~0.222mg/m3之间,平均值0.163mg/m3;PM2.5的小时质量浓度范围在0.050~0.158mg/m3之间,平均值0.103mg/m3。PM2.5/PM10比值在48.1%~76.6%之间,平均值62.4%。PM10与PM2.5质量浓度在星期一相对较低,星期二有所升高,星期三至周末总体上保持基本稳定。在监测时段PM10与PM2.5小时质量浓度呈现先降后升的变化规律,即14∶00~15∶00,PM10与PM2.5质量浓度相对较高,16∶00左右降至最低,从17∶00开始逐渐升高,20∶00达到峰值。PM10和PM2.5的质量浓度变化与车流量和车速密切相关,温度、相对湿度和风速等气象因素对PM10和PM2.5质量浓度的变化影响也较显著。     

乌鲁木齐市空气质量5参数对PM_(2.5)的影响及PM_(2.5)浓度时空变化特征分析

根据新疆环境质量发布平台提供的数据,对乌鲁木齐市2014-2016年3年间7个监测点的PM_(2.5)(粒径小于等于2.5μm)日均质量浓度监测数据进行时空特征分析,其中,空间上运用IDW反距离权重插值法,分别对全年、采暖期和非采暖期数据进行整理分析。运用灰色关联模型对空气质量6参数(PM_(2.5)、SO_2、NO_2、CO、O_3、PM_(10)六项因子)进行计算,结果表明全年、采暖期、非采暖期对PM_(2.5)影响最大的因素都是CO。     

淮河流域PM_(2.5)和PM_(10)比率的时空变化

运用Theil-Sen斜率估计法和Mann-Kendall趋势检验法求出淮河流域23个监测点PM_(2.5)与PM_(10)的变化规律,结果表明,17个地区的空气质量有所改善。与不同气象指标的相关分析表明,空气中PM_(2.5)、PM_(10)的含量与降水量、湿度和温度呈负相关关系,与气压和风速呈正相关关系。夏季空气中悬浮物质含量较低,表明降雨在净化空气中起主导作用。与空气中次生气溶胶的相关分析结果表明,淮河流域空气中的悬浮物质主要来源于煤炭燃烧和交通运输。     

重点污染源PM_(2.5)防控技术的经济性探讨

论述了除尘设备滤料的发展及合理使用的重要性,指出重点行业采用PM2.5污染防治技术,要进行科学对比,择优选用高性能的滤料及经济节约型的过滤除尘系统;通过应用实例,介绍了机械振打玻纤扁袋式除尘器的应用效果。     

南京市PM_(2.5)中重金属含量分布及溶出规律研究

自2017年1～10月,采集南京市PM_(2.5)样品共计42批次,分析了Cu、Zn等9种重金属的含量分布及其溶出规律。结果表明,PM_(2.5)质量浓度呈现明显季节特征,冬季高,夏季低,年均值为41μg/m~3,与国家二级标准比超标17%。南京市PM_(2.5)中重金属总量高低顺序为Fe Zn Pb Mn Cu Cr As Ni Cd,其中As超出推荐限值19%。在模拟酸雨提取PM_(2.5)中重金属时,淋溶液pH是决定释放率的最主要因素,pH越低,释放率越高。用pH 5. 6的模拟酸雨淋溶液提取南京市PM_(2.5)样品,Cd、Zn、Mn的释放率超过60%,而Fe、Cr、Pb的释放率低于30%。     

燃煤电厂PM_(2.5)减排技术与装备探讨

燃煤电厂在我国电力工业中占有很大的比重,其烟尘排放污染问题也尤其突出。大量燃煤烟尘的排放造成了严重的环境污染,特别是其中的细颗粒物PM2.5,能长期悬浮于大气中,对人类的健康造成了长期持续的危害,因此燃煤电厂PM2.5减排技术对于环境保护事业具有重要的意义和深远的影响,大力发展PM2.5减排技术与装备是电力行业大势所趋。     

基于不同的神经网络模型PM_(2.5)浓度预测对比

近年来,以PM_(2.5)为主要污染物的重霾污染事件频频发生,给国民经济及居民健康造成了严重威胁。本文采用BP、RBF及Elman神经网络分别建立预测模型,并以青海省某工业园区某监测站监测的数据为实例对预测模型进行了具体的应用。结果表明:BP神经网络、RBF神经网络及Elman神经网络都可以有效预测PM_(2.5)浓度,但是BP神经网络预测模型预测误差要小于RBF神经网络模型及Elman神经网络模型,具有更高的稳定性和准确定。     

多时间尺度的秦岭南北城市PM_(10)和PM_(2.5)变化特征分析

基于454d PM_(10)、PM_(2.5)质量浓度小时数据,分析不同时间尺度下西安市和安康市PM_(10)、PM_(2.5)变化规律。结果表明:(1)西安市和安康市PM_(10)、PM_(2.5)日均浓度均呈宽"U"字型变化趋势,秋冬季污染重于夏秋季,西安市污染重于同期安康市。(2)经小波分析发现,西安市在2017年供暖期内PM_(10)、PM_(2.5)浓度小波周期与同期安康市基本相同,经济结构差异和自然条件差异对PM_(10)、PM_(2.5)时间周期无显著影响。(3)城市自然、经济和供暖条件引起西安市和安康市PM_(10)、PM_(2.5)小时浓度变化趋势差异。     

一种城市治理PM_(2.5)的新方法

概述了我国PM_(2.5)污染现状,简介了城市PM_(2.5)治理的主要技术,提出了一种治理PM_(2.5)的新工艺,该治理工艺适用于指定区域的PM_(2.5)治理,并能取得较好的治理效果。