成渝地区一次区域重污染过程来源解析及减排效果研究

基于嵌套网格空气质量预报模式(NAQPMS)及耦合的污染来源追踪模块模拟2017年12月16日至2018年1月3日成渝地区一次区域重污染过程,定量解析成渝地区主要城市PM2.5来源,评估过程中应急减排的成效。结果表明,天气静稳和风向辐合是造成此次重污染过程的重要因素,污染峰值阶段,成渝地区多个城市PM2.5日均质量浓度超过150μg/m3,达到重度污染级别。污染过程中,成都市PM2.5本地排放的贡献率为42%,眉山和德阳贡献率将近30%;重庆市PM2.5本地排放的贡献率为60%,外来输送以湖北、湖南和其他地区为主,贡献率为24%,成都和重庆市的工业源和交通源的贡献最大。区域联防联控应急减排对成渝各城市空气质量改善效果显著,成渝地区PM2.5浓度降低率为5%~11%,对于未实施应急预警方案的地区(如眉山市)受周边城市减排影响,浓度降低可达6%。     

2015—2017年江苏省秋、冬季空气质量状况

采用2015—2017年秋、冬季江苏省环境空气质量监测数据,从空气质量优良(达标)率、首要污染物、主要污染物浓度分析空气质量现状及特点。结果表明,江苏省秋、冬季空气质量优良(达标)率在60%左右,其中沿海地区空气质量达标率最高(71.1%),西北地区达标率最差(52.2%)。污染日的首要污染物主要为PM 2.5,占比高达91.5%。ρ(PM2.5)/ρ(PM 10)存在地区差异,江苏西北地区扬尘源贡献较大,江苏南部地区的二次颗粒物贡献更明显。ρ(NO2)/ρ(SO2)逐年持续升高,表明大气污染类型从燃煤性污染转变为复合型污染。     

北京市高海拔地区百花山空气质量状况及与市区的差异性研究

对北京市远郊百花山(海拔1300 m)2007—2017年大气常规6项污染物数据进行了分析,并与代表市区的国控站点均值数据进行了比较。研究发现,百花山SO2、CO、PM2.5浓度为国控站点浓度的35.5%~35.7%,NO2、PM 10、O 3浓度分别为国控站点浓度的14.0%、41.5%、185.5%。11年间,百花山6项常规污染物浓度逐年降低。2013—2017年,百花山PM2.5浓度年均降速为11.4%,低于国控站点13.3%的年均改善水平。百花山和国控站点在污染物季节变化趋势上基本一致,秋季颗粒物浓度差异最大,春季差异最小。百花山6项污染物的日变化峰谷比值为1.21~1.44,其差异小于国控站点。各项污染物浓度在18:00出现峰值,认为主要受城区远距离传输影响。2013—2017年,百花山共出现5个PM2.5重污染天,5级以上重污染小时数为442 h,国控站点有2%的重污染小时与百花山同步。     

南京市环境大气质量变化特征及防治对策建议

21世纪初以来,南京空气质量演变总体经历了“煤烟型阶段”“复合型阶段”及“二次污染型阶段”。自2013年空气质量实施新标准以来,南京空气质量改善效果明显,相比2013年,2017年PM2.5质量浓度下降48.1%,重污染天数减少27 d,灰霾天数减少一半,能见度提高4 km。然而,2018年空气优良率同比下降3.5个百分点,PM2.5年均值同比上升50%,PM2.5中二次组分占比增加,O3污染仍呈加重趋势,区域性污染特征显著。根据当前南京市大气污染现状、特征及来源,重点针对PM和O3污染治理给出初步建议。     

徐州大气颗粒物污染特征及传输途径分析

利用徐州2015年PM2.5和PM10逐小时质量浓度数据,分析了徐州颗粒物时空变化特征。同时基于HYSPLIT后向轨迹模式,结合GDAS气象数据和空气质量数据,利用轨迹聚类及潜在源分析法研究徐州不同季节气流轨迹对颗粒物浓度的影响及PM2.5和PM10的潜在来源。结果显示,2015年徐州环境空气中PM2.5和PM10的年均值为65和122μg/m3,分别超过国家《环境空气质量标准》(GB 3095—2012)二级标准限值86%和63%。各国控站点ρ(PM2.5)和ρ(PM10)月变化呈现一致的冬季高夏季低的"V"型变化特征,这与气象条件和气流轨迹特征季节性变化有关。秋冬季污染较高时期徐州主要受西北内陆性气团和较为稳定的气象条件影响,而春夏季来自较为干净的东部海洋性气团利于污染扩散。潜在源分析显示,山东、安徽、苏中南、浙西北等地区是影响徐州市PM2.5和PM10的主要潜在源区。各季节潜在源区分布范围有一定差异,冬季时潜在源区分布最广,并有明显向西北方向转移延伸的趋势。     

中国北方地区采暖期颗粒物污染现状

分析了2013—2016年冬季采暖期与非采暖期中国北方地区颗粒物污染现状及时空变化特征。结果表明:中国北方地区空气污染比较严重,采暖期尤为突出。2016年,中国北方地区重度及以上污染天数比例超过10%,采暖期优良天数比例较非采暖期下降22.8%,重度及以上污染天数比例升高10.1个百分点。颗粒物浓度呈现明显的冬季高、夏季低的特点,最高值一般出现在12月至次年1月,最低值一般出现在7—9月。2013—2016年,北方地区空气质量呈较为明显的改善趋势,PM_(10)和PM_(2.5)浓度总体呈下降趋势,但2014年以来采暖期同期比较显示,PM2.5浓度呈缓慢升高趋势,采暖期空气污染形势十分严峻。颗粒物浓度呈现明显的空间分布规律,采暖期石家庄、保定、衡水、邢台、邯郸、安阳等城市为京津冀区域污染最严重的城市。     

徐州市钢铁企业大气污染影响评估

利用徐州市钢铁行业高分辨率排放清单,采用空气质量模式WRF-CALPUFF模拟并分析2017年徐州市钢铁行业大气污染物在冬、夏季对大气国控站点空气质量的贡献。结果表明,2017年徐州市钢铁企业排放主要大气污染物对大气国控点的ρ(PM2. 5)贡献最大达到10. 80μg/m3,对桃园路、铜山兽医院影响较大,其中一家企业的ρ(PM2. 5)贡献值就占了14家钢铁企业总贡献值的44. 33%;冬季的ρ(PM2. 5)贡献值总体上高于夏季,但不同钢铁企业在夏季和冬季对空气质量造成的影响存在一定的差异性,其中有5家企业在冬季的ρ(PM2. 5)贡献值明显高于夏季,而有2家企业的ρ(PM2. 5)贡献值在夏季高于冬季。     

沈阳市城区采暖期PM2.5中水溶性离子的化学特征

2013年11月—2014年3月采暖期在沈阳市沈河区设置采样点采集环境空气中的PM2.5。利用离子色谱法测定PM2.5中水溶性无机离子,分析PM2.5中水溶性无机离子的组成和污染特征等。结果表明,沈阳市冬季采暖期PM2.5平均质量浓度为106μg/m3,PM2.5中总水溶性离子占PM2.5的比例为41.7%,含量较高的二次离子依次为SO2-4、NO-3、NH+4,三者均有较好的相关性,SO2-4以(NH4)2SO4形式存在,采暖期PM2.5偏酸性。     

2017年江苏省PM2.5数值模拟及内外源解析

根据江苏省72个国控点监测数据,采用了区域大气模式和多尺度空气质量模式系统(RAMS-CMAQ)模拟了2017年江苏省ρ(PM_2.5)的时空分布,耦合综合源追踪算法(ISAM)分析了不同地区排放源对ρ(PM_2.5)的贡献特征。结果表明,PM_2.5模拟与观测值的相关系数(r)=0.76,标准平均偏差(NMB)=5.2%,均方根误差(RMSE)=23.4μg/m₃,模拟结果落于观测结果0.5~2倍的比例(FAC2)=84.2%。源追踪模块结果显示,夏季主要受东南风控制,本地排放的贡献更大(省内贡献为52.34%),其他季节受偏北风输送影响,外源输送的影响较大(省外贡献为53.48%~56.84%);冬季苏北5市的排放贡献比沿江8市的更大,而春、夏季沿江8市排放贡献较大。     

泰州市冬季空气质量变化特征

为了解泰州市冬季空气质量变化特征,于2013年12月27日—2014年1月7日对NO2,SO2,O3,CO,PM10和PM2.5进行了监测,结合地面气象资料和HYSPLIT轨迹模式分析了污染物的来源与传输过程。结果表明,观测期间AQI优良率仅为25%,PM10和PM2.5日均值超标率分别为58.3%,75.0%;有机碳是泰州市ρ(PM2.5)中最高的化学组分,其次是富钾和元素碳。PM2.5主要来源为汽车尾气、工业源、燃煤,分别占来源比例21.76%,16.52%,15.54%。局地污染源和不利气象条件是造成大气污染的主要原因。     

平顶山市大气PM10、PM2.5污染调查

于2003年12月-2004年11月对平顶山市城区大气PM10、PM2.5污染进行了调查.结果表明,2004年大气PM10、PM2.5质量浓度分别为0.031 mg/m3～0.862 mg/m3、0.019 mg/m3～0.438 mg/m3;年均值分别为0.174 mg/m3、0.114 mg/m3,超标0.74倍、6.60倍.PM10、PM2.5污染的季节变化趋势是以冬季、春季高,秋季次之,夏季最低,细颗粒(PM2.5)约占PM10 65%;As、Pb、Cd、S、Zn、Cu、Mn、Ca等元素是颗粒物中主要污染元素,易在PM2.5中富集.平顶山市大气颗粒物污染的主要来源有煤炭燃烧、汽车尾气、城市基础建设和有色金属冶炼行业.     

库尔勒市大气颗粒物污染特征与影响因素分析

针对库尔勒市PM 10、PM 2.5年均浓度超标现象,基于市区3个环境监测站2013—2017年的逐时观测数据,分析PM 10、PM 2.5污染特征、成因及其主要影响因素。结果表明:①2013—2017年库尔勒市PM 10年均浓度变化较大且无明显趋势,PM 2.5年均浓度整体呈下降趋势;②季节尺度上,库尔勒市PM 10在每年2—5月呈现高浓度,PM 2.5高浓度期则为10月至翌年5月;③城郊的开发区站PM 10浓度最高,老城区的州政府站PM 2.5浓度最高,在PM 10和PM 2.5的高浓度期空间差异尤其显著;④PM 10与风速显著正相关,来自塔克拉玛干沙漠的风蚀沙尘颗粒物是库尔勒地区颗粒污染物的主要来源;⑤库尔勒市PM 10主要为外源输入,PM 2.5则以城市内源为主,相对湿度、风速、风向、温度等气象条件是影响大气颗粒物浓度及分布的重要因素。     

基于后向轨迹模式的区域大气污染及传输特征分析

选取南京市2017年PM2.5逐时观测数据,分析其颗粒物污染特征,并利用聚类分析、潜在源贡献因子法和GDAS气象数据,分析不同高度、季节下南京市主要气流输送路径及PM2.5污染的主要潜在源区。结果表明：南京市PM2.5污染冬季最严重,夏季最轻,逐时PM2.5浓度变化范围夏季小于冬季;夏季气流轨迹主要来自东南方向,秋冬春等季节以偏西和西北路径为主,且随着高度的增加,气流输送速度逐渐加快;冬季对南京市PM2.5污染的贡献最为显著,低层PM2.5污染贡献源区主要集中在近地区域,且贡献率较高,随着高度的增加,贡献源区由研究区域向四周辐散,贡献范围广,贡献率降低。     

Assessing PM10 source reduction in urban agglomerations for air quality compliance

The objective of this work was to study PM(10) and PM(2.5) concentration data available from monitoring stations in two large urban agglomerations in Greece and to estimate the emissions reduction required for compliance with the EU Air Quality Standards (AQS) for particulate matter. The cities studied are namely the Athens and Thessaloniki Metropolitan Areas (AMA and TMA, respectively). PM(10) concentrations during the period 2001-2010 have been evaluated for 15 air quality monitoring stations in the two urban areas. It was found that the concentrations of PM(10) during the period studied constantly exceeded the threshold values at the traffic and industrial stations in TMA and most of the traffic sites in AMA. Most of the occurrences of non-attainment to the daily AQSs were observed during the winter period at all stations (more pronounced for TMA stations). The reduction in current emission source strength to meet the air quality goal was calculated by the rollback equation using PM(10) day-averaged concentrations over the selected period at each station. Among the lognormal and Weibull distributions, the lognormal distribution was found to best fit the frequency distributions of PM(10) concentrations at the selected stations. The results showed that the minimum reduction required in order to meet the AQS in the AMA ranges from approximately 20 to 38% and up to 11% for traffic and background stations, respectively. Reductions in the range of 31% for traffic and 44% for industrial areas in TMA are also required. The same methodology was applied to PM(2.5) concentrations in the AMA and showed that emission reductions up to 31% are necessary in order to meet the 2020 EU AQS. Finally, continuous concentration data of organic (OC) and elementary carbon (EC) in PM(2.5) were used to study the possibility of achieving specific emission attenuation objectives in AMA.     

南通市冬季PM2.5中水溶性离子污染特征

根据南通市2016和2017年冬季大气多参数站自动监测PM2.5数据和在线离子色谱分析仪Marga监测的PM2.5中水溶性离子数据,分析了南通市冬季PM2.5中水溶性离子污染特征。结果表明,南通市2016和2017年冬季,ρ(PM2.5)分别为58和54μg/m 3,均高出其年均值(14μg/m^3);ρ(水溶性离子)总占ρ(PM2.5)百分比分别为74.5%和74.3%;二次离子ρ(NO3^-、SO4^2-和NH4^+)占ρ(PM2.5)百分比分别为66.8%和66.6%;各水溶性离子占比大小依次为:NO3^-、SO4^2-、NH4^+、Cl^-、K^+、Na^+、Ca^2+、Mg^2+。对ρ(NO3^-)/ρ(SO 4^2-)分析表明,移动源已经成为南通市冬季的主要污染源,且呈逐年增强趋势。对氯氧化率和硫氧化率的分析表明,南通市冬季存在较明显的二次污染,SO2的转化程度大于NO2。除Na^+和Mg^2+外,其他离子与PM2.5均呈显著相关性,NO3^-、SO4^2-与NH4^+之间的相关系数最高,Cl^-与除Na^+外的所有阳离子均呈显著相关性。     

基于GIS的石家庄市PM10和PM2.5时空分布研究

利用2018年261个乡镇环境空气自动监测站监测数据,结合GIS空间分析技术,对石家庄市PM10和PM2.5的时空污染特征进行了研究。结果表明,石家庄地区PM10和PM2.5污染的空间分布整体表现为西北部山区好于东南部的平原地区,主城区好于周边县(市、区)的特征。采暖期PM10和PM2.5的污染程度明显重于非采暖期。PM2.5稳定性差于PM10,PM10和PM2.5的稳定性与污染程度具有一定的负相关性,表现出污染越轻的区域稳定性越差。两者的日均值浓度变化在时间序列上呈极强正相关,且污染越重的区域时间相关性越强。与日均值相关性不同,污染程度越轻的区域PM10和PM2.5年均值的线性相关性越强。     

金昌市不同季节大气颗粒物的传输路径和潜在源分析

选取金昌市2019年3月-2020年2月PM2.5和PM10逐小时观测数据,分析该市颗粒物污染水平的季节差异,并利用HYSPLIT后向轨迹模式和GDAS气象数据,分析不同气流轨迹对金昌市颗粒物浓度的影响及不同季节颗粒物的潜在污染来源.结果表明,2019年金昌市冬季PM2.5污染最严重,春季PM10污染严重;春、秋季PM...     

南京市建筑扬尘排放清单研究

统计分析了2010年南京市各行政区建筑场地面积和工期,结合扬尘排放因子,建立了南京市建筑扬尘排放清单。研究表明,2010年南京市建筑扬尘TSP、PM10和PM2．5的排放量分别达2．53万t、1．40万t和0．95万t,占工业烟（粉）尘排放量的23％、13％和8．6％。郊区县建筑扬尘排放量较大,约占全市 TSP、PM10、PM2．5排放总量的72％;主城区排放强度较高。对不同建筑工程类型扬尘排放量估算表明,城市建设工程和市政工程是建筑扬尘的主要来源,城市建设工程中又以住宅类建设工程为主。对不同研究获得的建筑扬尘结果比较,发现扬尘排放因子选择和污染源活动水平统计是影响建筑扬尘结果的关键因素。