典型石化企业排放空气质量影响模拟研究

基于惠州市大亚湾区2017年大气污染源排放清单,利用WRF-CMAQ模型系统量化评估了大亚湾区某典型石化企业在关停和增产排放情景下对周边空气质量的影响.清单结果显示该企业2017年SO₂、NO_x、PM₁₀、PM_2.5、CO和VOCs的排放量分别为212 、1744 、455 、359 、1458 和6446 t,在严格落实等量替代及减排措施后,该石化企业虽然产能翻倍,但VOCs排放量同比2017年显著减少了30%,其它污染物排放量增加了6%~19%.模拟结果显示2017年该石化企业排放对大亚湾区NO₂、PM₁₀、PM_2.5和O₃的浓度贡献分别为0.91、0.64、0.54和-0.08 μg·m^-3,完全关闭该企业排放后对周边站点NO₂改善效果最大（可使邻近管委会子站NO₂浓度下降1.24 μg·m^-3,下降百分比为5.10%）,但由于NO的滴定效应,该企业NO_x减排对周边管委会子站和霞涌子站的O₃浓度均有轻微负贡献;该石化企业的增产改造对周边O₃浓度降低影响明显,周边站点中O₃浓度最高可下降2.45 μg·m^-3（下降幅度为1.72%）,大亚湾区O₃浓度整体也可下降1.45 μg·m^-3.此外,受秋冬季不利扩散条件以及主导上风向污染传输影响,该企业在1月和10月对管委会子站NO₂、PM₁₀和PM_2.5的浓度贡献较大,由于冬季低温导致光化学反应自由基活性降低,该企业在1月对管委会子站O₃浓度负贡献显著.     

邯郸市PM2.5-O3复合污染特征及相互影响研究

本研究在河北工程大学监测站点开展了大气中56种VOCs、NO_x以及气象参数的长期在线监测,结合2013—2019年国控站的在线监测数据,对邯郸市PM_2.5-O₃复合污染特征进行分析.结果表明,邯郸市2013—2019年复合污染天数波动较大,近几年呈现增加趋势,且集中在每年的春夏季.2013—2017年复合污染天数峰值均出现在6月,2018年和2019年出现在3月和4月.气象因素分析结果表明,温度、湿度和气压对邯郸市复合污染影响较明显,当温度为21.0~29.0℃、湿度较高、气压偏低的条件下,更容易发生复合污染,而风速对邯郸市复合污染影响较小.对PM_2.5与O₃相互作用分析发现,冬季高浓度PM_2.5对O₃有抑制作用,夏季PM_2.5浓度不超标时,O₃浓度随其升高而上升,PM_2.5浓度超标后变化趋势相反,当PM_2.5浓度大于125 μg·m^-3时不再出现PM_2.5-O₃复合污染.虽然近年来PM_2.5、SO₂和NO₂浓度下降,但二次转化率依然较高甚至有加强趋势.利用VOCs/NO_x值分析邯郸市O₃生成敏感性,结果显示邯郸市春冬季属于VOCs控制到NO_x控制的过渡区,夏秋季属于NO_x控制区,且复合污染日VOCs/NO_x值（6.3）最小,清洁日（9.3）最大.复合污染时NO₃^-和OC浓度较高,OC/EC值与其他污染日相比最大,说明复合污染时二次污染严重,有效治理PM_2.5-O₃复合污染必须减排能同时形成O₃和二次有机气溶胶的高活性有机物.     

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.     

基于观测数据的石家庄交通干线附近臭氧光化学敏感性分析

为确定石家庄东部郊区交通干线附近O₃生成光化学敏感性,利用2019年1月1日—2020年10月31日在线观测的NO_x、NO_y和O₃等数据计算并分析了O₃生成效率(OPE)及O₃光化学敏感性的NO_x临界浓度.结果表明:1交通干线附近O₃光化学敏感性存在季节差异,春季主要受VOCs控制,整体OPE为2.6±0.3,夏、秋季节主要受NO_x与VOCs协同控制,整体OPE分别为5.3±0.4和5.1±0.8;2NO_x体积分数>11×10^-9时,O₃生成主要为VOCs控制;NO_x体积分数介于6×10^-9~11×10^-9时,O₃生成主要受VOCs与NO_x协同控制;NO_x体积分数<6×10^-9时,O₃生成主要为NO_x控制;3O₃生成敏感性存在日变化特征,10:00之前O₃生成主要受VOCs控制,10:00—11:00是O₃生成由VOCs控制转变为VOCs和NO_x协同控制的过渡时段,12:00之后O₃生成主要由VOCs和NO_x协同控制,且午后14:00—16:00之间NO_x对O₃控制比例凸显.因此,石家庄O₃治理不但要重视NO_x与VOCs排放源的协同管控,尤其午后还需要对NO_x排放源进行分时段精细化管控.     

兰-白城市群主要大气污染物网格化排放清单及来源贡献

甘肃兰-白城市群为我国西北地区重要的重工业基地,大气污染物排放总量较大.研究高空间分辨率的污染物排放清单对于区域空气质量预报预警、减排方案模拟研究及大气污染防治等具有重要的科学意义.本文以兰州和白银为主要研究区域,基于研究区域污染源排放及统计年鉴等数据资料,建立了兰（2015年）-白（2016年）城市群7种（类）主要大气污染物网格化排放清单,并对其空间排放特征以及排放源贡献进行了详尽地讨论分析.结果表明,兰-白城市群7种主要污染物年排放量分别为：NO_x 2.22×10⁵ t、NH₃ 4.53×10⁴ t、VOCs 7.74×10⁴ t、CO 5.62×10⁵ t、PM₁₀ 4.95×10⁵ t、PM_2.5 1.91×10⁵ t和SO₂ 1.37×10⁵ t.其中CO的排放量最大,NH₃的排放量最小.本清单与北大和清华MEIC清单对比结果表明,交通源排放3个清单一致性较高,CO排放总量和其工业源排放与北大和清华MEIC清单排放源相差30%~40%,推测原因主要为清单计算过程中排放因子、分辨率和数据年份的差异.本清单网格化空间分布显示除NH₃外的其他6种（类）污染物,排放主要集中在市区,排放源中工业非燃烧过程源均为最大贡献占比,NH₃的主要贡献源是氮肥的施用及禽畜排放,其污染分布受耕地分布等因素影响较大.因此,减少工业非燃烧过程源、整合优质高效电力供应、使用清洁能源、严格控制工地扬尘、工业粉尘和做好城区绿化等,能有效地降低兰-白城市群NO_x、VOCs、CO、PM₁₀、PM_2.5和SO₂这6种（类）主要污染物的排放.NH₃的减排则主要可从控制氮肥的使用及减少禽畜排放两方面考虑.本研究还利用蒙特卡洛法分析了排放清单的不确定性,NH₃的不确定性最大为-31%~30%,CO的不确定性最小为-18%~16%,清单整体可信度较高.     

成渝地区典型城市O3污染对人为源前体物排放敏感性模拟研究

以2019年3—4月臭氧（O₃）污染小高峰为例，应用空气质量模型CAMx-DDM法分析了成渝地区O₃浓度对人为源前体物排放敏感性，并用2020年"新冠"疫情防控及生产恢复导致的污染排放同比变化情景进行模拟验证.模拟结果表明成渝地区O₃对NO_x的敏感性为负、对VOCs的敏感性为正，其中，重庆市主城区、主城区以西地区、川南城市群和成都平原西部地区敏感性较高，与其自身污染排放源分布密集有关.以典型城市重庆市主城区为例，2019年3—4月O₃小时浓度对NO_x和VOCs的敏感性平均值分别为-19.14 μg·m^-3和7.25 μg·m^-3，两者表现出相反的日变化规律，且主要受到本地及周边区域的影响，模拟结果显示在所有区域VOCs排放均削减25%的情况下，3月和4月月均O₃日最大8 h浓度分别下降2.62 μg·m^-3和3.59 μg·m^-3.敏感性模拟得到2020年3月四川省和重庆市NO_x排放量同比下降8.00%和22.40%，VOCs同比下降1.00%和7.92%；4月NO_x排放量同比上升5.00%和9.50%，四川省VOCs同比持平，重庆市上升3.63%，与同期"新冠"疫情防控及生产恢复导致的实际排放情况非常一致.     

河北省国道和省道机动车基于交通流量的尾气排放量估算

河北省各城市均已开展利用机动车保有量等宏观统计数据的城市移动源排放清单编制工作,但尚缺乏对跨省及全省各城市间国省道高时空分辨率的移动源排放清单研究.本研究利用2017年河北省国道、省道日均交通流量监测数据,计算了2017年河北省国道和省道机动车大气污染物排放量.结果表明：2017年河北省国道和省道机动车CO、HC、NO_x、PM_2.5和PM₁₀排放量,与利用宏观统计数据计算得到的全省机动车排放总量相比,分别占27.8%、15.7%、55.6%、58.3%和58.5%.重型货车是国道和省道机动车CO、NO_x、PM_2.5和PM₁₀排放的主要来源.河北省南部国省道的机动车排放量以南部各城市为中心呈网状辐射,东北部沿海地区的排放量主要在沧州-天津-唐山-秦皇岛-承德沿线分布,西北部则主要在保定-张家口-内蒙沿线分布.月均排放量分布情况为1月最高,9月最低;周日均分布情况为周一—周三逐日增加,周四开始回落,周日降至最低;每日小时平均分布呈现明显的双高峰现象,两次高峰分别出现在11：00和18：00左右;最低值出现在凌晨4：00.河北省内,各市国省道机动车污染物排放分担率前3位的依次为保定、沧州和张家口.跨省交通车辆排放的CO、HC、NO_x、PM_2.5、PM₁₀分别占河北省国省道机动车总排放量的48.1%、48.7%、42.9%、41.3%和41.3%,其中天津市出入河北省的车辆排放分担率最高,其次是北京.京津冀应在区域层面建立机动车污染联合防治协调机制,从调整区域货运交通运输结构、推动柴油车污染控制措施升级等方面改善区域环境空气质量.     

湖南省大气污染物排放与人体暴露水平研究

基于吸入因子概念,建立了污染物排放造成的人体暴露的计算方法.应用CALPUFF长距离扩散模型和多元回归分析对湖南省17个电厂(24个排放源)的一次细颗粒(PM_2.5)、SO₂和NO_x排放进行了研究.结果表明,在半径500km范围内,PM_2.5、SO₄^2-和NO₃^-的平均吸入因子分别为9.73×10^-6、2.39×10^-6和2.47×10^-6.回归分析表明,PM_2.5的吸入因子与烟囱高度及人口数量有很高的相关性(R²=0.83),SO₄^2--吸入因子与烟囱高度无关,与人口数量有较好的相关性(R²=0.64),而NO₃的吸入因子与烟囱高度、人口数量的相关性较高(R²=0.74).基于回归方程和人口分布地图,对湖南省污染排放的吸入因子进行区划,得到的吸入因子等值图反映了人口分布对吸入因子的影响,可用于对该地区的排放源造成的健康影响进行快速评价.     

珠三角空气质量模拟关键不确定性来源识别

由于受到模型输入参数不确定性和模型结构不确定性的影响,利用大气化学传输模型模拟空气质量普遍存在偏差.对大气化学传输模型进行不确定性诊断分析、识别其关键不确定性来源是提高空气质量模拟的重要手段,本研究以珠三角为研究区域,利用HDDM-SRSM不确定性诊断方法量化了清单排放（SO₂、NO_x、VOCs和NH₃）、边界条件浓度和气象（风速和温度）等模型输入参数不确定性对空气质量模拟的影响.结果表明：SO₂、NO₂和O₃模拟受排放、边界条件和气象不确定性影响明显,其相对不确定性为15.19%~43.33%.在这些因素中,边界条件、风速和前体物（NO_x和VOCs）排放是O₃模拟的关键不确定性来源,但各因素不确定性贡献比例在昼夜存在明显差异.在夜间,风速不确定性对O₃模拟影响增大,其平均贡献比例上升至29.6%,表明改进风速模拟有助于改善夜间O₃模拟;在白天,NO_x和VOCs排放不确定性对O₃峰值浓度模拟影响增大,其平均贡献比例上升至32.26%,表明改进前体物排放模拟有助于提高白天O₃模拟准确性.不同于O₃,SO₂、NO₂模拟更容易受到排放不确定性的影响,尤其是垂直分配的不确定性.模拟与观测结果对比也表明,合理的烟囱参数设置可以降低源排放垂直分配不确定性,提高SO₂和NO₂的模拟效果.     

基于实测的船舶辅机大气污染物排放量估算

于2017年3月—2018年5月在广州市南沙港区选取不同吨位的5艘船舶进行登船实测,建立了基于燃油消耗的排放因子.结果表明,船舶辅机CO₂排放因子为(3085±439)~(3195±121) g·kg^-1,CO排放因子为(5.50±1.33)~(26.10±8.90) g·kg^-1,TVOC排放因子为(0.29±0.02)~(1.68±0.06) g·kg^-1,PM_2.5排放因子为(0.56±0.09)~(12.50±3.11) g·kg^-1,NO_x排放因子为(19.20±4.12)~(83.30±11.80) g·kg^-1,基于燃油消耗量,估算2017年广州港船舶停泊工况辅助发动机SO₂、CO、TVOC、PM_2.5和NO_x排放总量分别为736、(794±209)、(46.40±2.39)、(223.0±49.4)和(3237±698) t.船舶引擎功率对排放CO、TVOC和PM_2.5影响显著,引擎功率较低的船舶以上3种大气污染物排放因子更高.从吨位而言,≥10000总吨的船舶对SO₂、CO、TVOC和NO_x 4种大气污染物的排放分担率均超过50%,≤2999总吨的船舶则对PM_2.5的排放分担率最高.从船舶类型而言,分担率最高的是集装箱船,分别占SO₂、CO、TVOC、PM_2.5和NO_x排放总量的43.8%、30.8%、41.4%、16.3%和40.9%,此外,散货船、其他货船、顶推拖船和油船对排放量的分担率也较高,以上5种船舶占到了各类大气污染物排放总量的90%.     

关中盆地NO2和SO2对颗粒物污染的协同效应

基于WRF-Chem模式模拟了关中盆地2019年1月2—14日一次颗粒物污染事件,评估了NO_x和SO₂减排及其在颗粒物污染中的协同作用对PM_2.5污染的影响。敏感性实验结果表明：NO_x减排可使PM_2.5中硝酸盐含量下降,但大气中O₃浓度上升,大气氧化能力增强,其他二次组分上升,导致PM_2.5下降不明显;SO₂人为源减排可使硫酸盐质量浓度下降,但由于硫酸盐在PM_2.5中占比较低,当SO₂减排75%时,PM_2.5仅下降1.74%;当减排比例较高时,NO_x和SO₂同时减排更有利于颗粒物污染防治。PM_2.5质量浓度在NO_x和SO₂同时减排75%时比分开减排75%时多下降0.75%,主要是硫酸盐下降所致;对气溶胶含水量进行分析,发现NO_x<...     

廊坊市大气污染特征与污染物排放源研究

通过廊坊市2014年12个监测站点的大气污染物监测数据,分析了廊坊市大气污染的主要特征,包括空气质量水平、大气污染的季节与空间分布.结果发现,虽然与2013年相比2014年空气质量有所改善,但12个站点空气质量超标均十分严重.秋季、冬季与春季PM_(2.5)为主要的空气污染物,夏季O3日最大8 h平均浓度频繁超标,需要引起重视.为实现廊坊市空气质量模拟,制定最优空气质量改善政策,基于污染源普查、环境统计数据,编制了廊坊市主要大气污染物排放清单.工业部门中,电力、热力生产和供应业、黑色金属冶炼及压延加工业是SO_2、NO_x和PM_(2.5)的重要来源.VOCs则主要来自于化学原料和化学制品制造业、黑色金属冶炼及压延加工业、食品制造业.另外,廊坊全市道路扬尘和建筑施工扬尘污染贡献了PM2.5的38.6%,但扬尘的管理十分薄弱.同时结果表明,廊坊市黄标车排放在交通源排放中比重较高.因此,需要对上述重点排放源进行有效控制,从而改善廊坊市空气质量.     

基于曲面响应建模的PM2.5可控人为源贡献解析

以东莞市PM_(2.5)重污染月份为例,使用强力法(Brute Force)和RSM/CMAQ曲面响应模型法分别解析了珠三角地区人为源排放对东莞PM_(2.5)的贡献,以及区域传输的可控人为源SO_2、NO_x和一次颗粒物(PM)在不同控制比例下(25%、50%、75%和100%)对东莞PM_(2.5)的累积浓度贡献.强力法研究结果表明,2014年1月珠三角地区人为源二次转化对东莞市PM_(2.5)的贡献(约58.10%)大于一次PM排放贡献(约41.90%),其中,人为源NH_3排放贡献最大,约占总量的21.66%.RSM/CMAQ动态源贡献结果显示,东莞市PM_(2.5)的人为可控源排放贡献(SO_2、NO_x和一次PM)占比为82.17%,受本地排放影响较大,且叠加区域排放的影响;一次PM减排对PM_(2.5)环境浓度的贡献高于仅减排SO_2和NO_x.在减排比例较低时,一次PM减排可有效削减东莞市PM_(2.5)浓度;随控制比例加大,二次前体物(SO_2和NO_x)减排对东莞市PM_(2.5)浓度削减率的影响加大.进一步使用HYSPLIT模式和轨迹聚类分析方法研究了2014年1月东莞市PM_(2.5)污染传输过程.结果显示,该时段共有6条长、短距离污染传输路径,污染物主要来自东莞市东、东北及东南方向,途经其上风向区域(惠州、深圳和广州等)传输至东莞;惠州是各主导上风向出现频率最高的城市,因而其区域传输对东莞PM_(2.5)的贡献也较大,深圳次之.     

南京冬季一次重霾污染事件PM2.5区域传输收支分析

利用WRF-Chem模式对2015年12月21—23日南京一次重霾污染过程进行模拟.基于合理的模拟评估,采用大气传输通量计算法,着重分析了此次霾污染过程中模拟的南京地区PM_(2.5)的传输收支特征,以及周边地区大气污染物传输对南京市PM_(2.5)变化的贡献.结果表明,此次霾污染过程中,本地源与外来源区域传输共同影响着南京市的空气质量.PM_(2.5)的跨区域传输是此次重霾污染发生和消亡的重要因素.在霾污染事件的形成维持阶段,南京地区是作为周边地区PM_(2.5)的接收区,大气污染物主要由南京的西边界输入,大气污染物的外源输入是南京PM_(2.5)污染的主要贡献来源,占南京PM_(2.5)污染的84%.在霾污染事件的消亡阶段,南京地区则是作为周边地区PM_(2.5)的源,大气污染物主要由南京的东边界持续向外输出.     

火电厂大气污染物排放标准实施效果的数值模拟研究

建立了2010年火电厂大气污染物排放清单,在此基础上设计了实施2003版标准和实施新版标准的模拟情景,运用Models-3/CMAQ模型系统分别预测其到2015年和2020年的NO2、SO2、PM2.5浓度以及氮、硫沉降量,探讨新版火电排放标准对我国大陆地区空气质量的改善.研究表明,新版火电标准的实施能够有效地改善我国的空气质量状况,相比于实施2003版标准情景,到2015年和2020年全国NO2浓度超过国家二级标准的面积分别减少了53.9%和55.2%;SO2浓度超过国家二级标准的面积均减少了40.0%;氮沉降强度超过1.0 t·km-2的面积分别减少了75.4%和77.9%;硫沉降强度超过1.6 t·km-2的面积分别减少了37.1%和34.3%.     

北京市大气环境PM2.5和PM1及其碳质组分季节变化特征及来源分析

大气颗粒物是影响我国大多数城市环境空气质量的首要污染物,近年来随着监测技术的进步和采样设备的改进,相关研究对象逐渐从大粒径的PM_10、PM_(2.5)转移到更小粒径的PM_1上.碳质组分是大气颗粒物的重要组成部分.以北京市为研究区域,选取2016年7月、10月及2017年1月、4月作为4个季节的代表月,对大气环境中的PM_(2.5)和PM_1进行采集,分析了二者的质量浓度和季节变化特征.采用两层嵌套气象-空气质量模型系统(WRF-CMAQ)耦合模型对采样时段进行了模拟,分析观测期间PM_(2.5)和PM_1的来源贡献,并使用因子分析法解析了碳质组分的来源.结果表明,PM_(2.5)和PM_1的质量浓度均呈现春、夏、秋、冬这4个季节递增的趋势;PM_1是PM_(2.5)中的主要组成,而且秋冬季节随着灰霾发生频率的增加,PM_1质量浓度占PM_(2.5)的比值明显升高;北京市大气环境中存在明显的二次污染,且SOC更容易在粒径更小的PM_1中积聚.散煤燃烧、机动车尾气排放、居民面源及生物质燃烧排放是北京市大气颗粒物的重要贡献来源;汽油车尾气、柴油车尾气、生物质燃烧和燃煤排放是北京市大气颗粒物中碳质组分的主要来源.     

餐饮行业细颗粒物(PM2.5)排放测算方法:以上海市为例

以上海市餐饮企业为例,研究了餐饮企业PM_(2.5)排放特征以及排放测算方法.按照单位灶头、单位时间、单位就餐人次这3种计算基准,获得了不同类型餐饮企业PM_(2.5)的排放因子,并在此基础上结合2014年上海市餐饮企业活动水平测算了PM_(2.5)的排放清单.结果表明,餐饮企业排放PM_(2.5)的浓度范围0.1~1.8 mg·m~(-3),甚至超过国家饮食业标准中关于油烟1mg·m~(-3)的排放限值;PM_(2.5)中OC质量贡献超过50%,OC/EC比值的变化范围为58.8~752.3,平均值为128.4,可作为餐饮排放的示踪特征.企业规模是影响餐饮企业PM_(2.5)排放因子的重要因素.按照灶头活动、餐饮作业时间以及就餐人次这3种方法计算得出的餐饮企业PM_(2.5)排放因子均表明,大型、中型企业明显高于小型和微型企业(食堂、快餐).基于上述3种排放因子,计算2014年上海PM_(2.5)排放量相对一致,表明本研究获得基于3种活动水平的排放因子比较可靠,未来可应用于其他城市餐饮企业排放清单的核算.     

2014—2016年海口市空气质量概况及预报效果检验

本文主要基于CUACE模式在海口市的预报产品,结合2014年3月—2017年2月海口市AQI、PM_2.5、PM₁₀和O₃的实况资料进行预报效果检验.结果表明,①近3年海口市空气质量等级主要以优和良为主,但仍有少部分天数以PM₁₀、PM_2.5和O₃为首要污染物,分别占所有首要污染物天数的27.6%、29.5%和42.9%,其中O₃上升幅度较快.②CUACE模式能较好的模拟出AQI和3类污染物浓度的变化特征,其中PM_2.5的预报值与实测值最为接近,而PM₁₀和O₃普遍偏低.③日平均浓度的预报效果检验表明,PM_2.5的标准误差（RMSE）最小,AQI和PM₁₀次之,O₃最大.3个时次预报平均偏差（MB）和归一化偏差（MNB）均为负值,表明CUACE模式预报的污染要素浓度均偏低于实测值.④海口市空气质量为优等级时,TS评分最高;无首要污染物时,首要污染物预报的TS评分最高,但首要污染物为PM_2.5、PM₁₀或O₃时,TS评分均偏低.     

哈尔滨市供暖期PM2.5组分特征及来源解析

在哈尔滨市2014年1—3月的供暖期间对城区、郊区及周边农村地区的室内外PM_2.5样品进行了同时采集,分析了样品中碳质组分、水溶性离子及无机元素后,通过颗粒物热力学模型计算了颗粒物原位酸度,并通过基于标记的正矩阵分解（PMF）模型对室内外颗粒物的来源进行了表征.计算结果表明,3个地点室外PM_2.5原位酸度均低于室内,且室内外颗粒物原位酸度均为市区最高.PMF结果表明,哈尔滨市区、郊区及农村地区二次源对室外PM_2.5的贡献均排第3位.交通源对市区及郊区的贡献在16%~20%,对于农村地区则是最弱的影响因素.生物质燃烧是农村地区室内外PM_2.5的首要来源;燃煤和工业排放则是市区室内外PM_2.5的主要来源;工业排放是郊区室外PM_2.5的首要来源,与郊区的石化及金属工业有密切联系.因此,为提升哈尔滨市供暖期的空气质量,在进行农村散煤与生物质燃烧治理,推进农村地区清洁能源利用的同时,应多措并举注重城市交通状况改善和促进燃煤锅炉与工业超低排放技术的升级改造,促进区域协同治理.     

兰州盆地人为源大气污染物网格化排放清单及其空间分布特征

基于所搜集的兰州盆地各类人为污染源排放大气污染物的活动水平数据及其排放因子,采用"自下而上"的方法建立了2009年兰州盆地(石油化工城市)1 km×1 km的7种(类)大气污染物网格化排放清单,并对其来源和空间分布特征进行了分析研究.结果显示:2009年兰州盆地NOx、SO_2、VOCs、CO、PM_(10)、PM_(2.5)和NH3的排放总量分别为1.2×10~5、8.8×10~4、4.3×10~4、4.1×10~5、9.6×10~4、4.2×10~4和1.4×10~4t;工业燃烧排放是兰州盆地NO_x和SO_2的主要贡献源,分别占其总排放量的85.70%和52.55%;工业非燃烧过程排放是VOCs的最大贡献源,占总排放量的81.25%;工业点源和工业非燃烧过程排放是CO的两大贡献源,分别占其总排放量的33.97%和28.32%;PM_(10)和PM_(2.5)主要来源于工业非燃烧过程,贡献分别为51.09%和55.12%;氮肥使用和禽畜养殖是NH_3排放最大的贡献源,分别占其总排放量的39.20%和30.70%.空间分布特征表现为:以工业源为主要排放源的NO_x、SO_2、VOCs、CO、PM_(10)、PM_(2.5)主要分布在工业和人口最为集中的兰州盆地市区一带,NH_3的排放则主要集中在榆中县和皋兰县交界的农村地区.同时,还对2014年工业燃烧源和道路移动源的7种(类)大气污染物排放量进行了估算,并与2009年进行了排放比较研究.结果表明,2014年工业污染源的7种(类)污染物排放量与2009年相比平均增幅不高,最高不超过30%,但移动源污染物排放量却大幅增加,增幅将近1倍.此外,基于排放因子及活动水平的不确定性,本研究对排放清单的结果进行了不确定性分析,并通过蒙特卡罗模拟对各污染物的排放量进行了评估.本排放清单的建立,不仅填补了兰州盆地大气污染物网格化排放清单的空白,还可为兰州盆地大气污染物排放清单更新、区域环境过程、大气复合污染成因及大气污染预警技术等相关研究提供基本方法手段及基础数据.