2015—2021年南京市大气污染特征及污染个例研究

探究细颗粒物(PM_2.5)和臭氧(O₃)污染的时间变化特征,阐明PM_2.5和O₃复合污染过程中不同阶段环境空气污染物及气溶胶粒径分布的详细演变过程,对南京及长三角地区的大气污染防治具有重要指导意义.本文使用2015—2021年南京市环境空气污染物小时浓度数据,分析了该地区多年大气污染演变过程,并选取2015年10月12—17日时间段作为复合污染典型个例,对其生消过程和内在机理进行了详细分析.结果表明：(1)2015—2021年南京市各种大气污染物的变化特征具有明显差异. PM_2.5、PM₁₀和SO₂浓度的年下降率分别为8.9%、6.2%和15.4%,O₃浓度变化较小. CO浓度在2016年达峰后以每年7.6%的速率下降.NO₂浓度在2015—2019年呈增加趋势.(2)2015—2021年污染特征发生较大变化,由PM_2.5为主导变为由O₃为主导的大...     

泉州市2017-2021年大气污染特征及新冠疫情的影响

该文基于2017-2021年泉州市6项主要污染物(PM₁₀、PM_2.5、NO₂、SO₂、CO和O₃)监测数据及空气质量指数(AQI)数据,分析讨论了泉州大气污染的年际和季节变化特征以及常态化新冠疫情管控对泉州环境空气质量的影响,以期为泉州大气污染的进一步治理提供科学参考。结果表明,泉州2017-2021年PM₁₀、PM_2.5、NO₂、SO₂和CO的年均浓度整体上均呈现下降趋势,年均下降率最大的是SO₂(15.8%),其次是NO₂和CO(9.3%和8.1%),O₃污染相对突出但浓度变化范围显著减小,泉州的整体大气污染波动趋于平稳。泉州的PM₁₀、NO₂、SO₂、CO和O₃污染浓度最高的季节均为春季,春季为泉州的主要污染季节。新冠疫情管控期间,...     

高原山地城市O3和PM2.5污染时空分布特征

为研究高原山地城市大气污染物时空分布特征,文章利用2018年云南省国控环境空气质量监测数据,对O₃和PM_2.5污染按照区域性特征进行了分析,结果表明：2018年云南省环境空气质量总体保持良好,总体污染形势呈南高北低型。O₃和PM_2.5区域性、季节性污染特征明显,春、夏季节是污染天气高发期;O₃浓度峰值主要出现在2-5月及8月,全年呈现出“大小双峰”的特征,主要出现区域为滇南的红河、德宏、普洱;PM_2.5浓度峰值主要出现时段为2-4月,主要出现区域为滇西南的德宏;云南省各地理区域浓度变化具有较好一致性;研究时段内,滇西南、滇东南以及滇中区域以O₃和PM_2.5为首要污染物的复合型、区域性污染特征初现。区域性污染特征研究结果表明,2-5月是区域性污染主要出现时间范围,滇南的红河、普洱、德宏等地区是区域性污染的主要地区。     

沙尘天气对北京大气重污染影响特征分析

利用北京市具有代表性的大气污染物监测站资料,统计出2000─2005年各月重污染的天数,并对4和5级的重污染特征进行分析.结果表明,北京市大气重污染主要源于颗粒物. 分析了北京沙尘型重污染年、季节变化特征和表现形式等. 利用2000—2005年北京及周边地区环境监测、卫星遥感以及气象等数据,对沙尘天气影响北京城区大气中ρ(PM₁₀₎进行分析发现,ρ(沙尘粒子)约占ρ(PM₁₀₎的1%～13%;沙尘天气的影响区域逐渐加重的顺序为前门<古城<车公庄<农展馆<东四<天坛<奥体中心<定陵;沙尘天气下ρ(PM₁₀₎具有双峰型特征,细粒子(PM_2.5)质量浓度的增加对人体健康影响极为不利.      

“2+26”城市一次多因素叠加重污染过程的特征分析

2018年11月23日-12月4日,京津冀及周边地区"2+26"城市出现了一次长时间、大范围、高强度的复合型大气重污染过程,为揭示区域性重污染过程中多因素的综合作用,利用气象资料、空气质量监测等多源数据以及区域污染特征雷达图,对京津冀及周边地区"2+26"城市此次重污染特征和成因进行分析.结果表明:根据PM_2.5/PM₁₀[ρ（PM_2.5）/ρ（PM₁₀）,下同]可将此次重污染过程划分为4个阶段.第一阶段（2018年11月23-26日）PM_2.5/PM₁₀在0.5~1.0内波动,"2+26"城市大气扩散条件转差,一次污染物局地积累及SO₂、NO_x、NH₃等气态污染物在高湿条件下二次转化是污染形成并发展的主要原因;第二阶段（11月27日）PM_2.5/PM₁₀突降至0.2左右,"2+26"城市北部受形成于蒙古国的沙尘影响,短时ρ（PM₁₀）快速升高（峰值为818 μg/m3）,中南部受形成于内蒙古自治区阿拉善盟的沙尘及上风向PM_2.5污染的传输影响,ρ（PM_2.5）和ρ（PM₁₀）均较高,维持日均重度污染水平（参照GB 3095-2012《环境空气质量标准》和HJ 633-2012《环境空气质量指数（AQI）技术规定（试行）》）;第三阶段（11月28日-12月2日）PM_2.5/PM₁₀由0.3逐渐升至0.8,在静稳、高湿的不利气象条件下,一次污染物积累并二次转化,第二阶段残留沙尘中的矿物质对硫酸盐起到催化作用,导致ρ（PM_2.5）快速上升,"2+26"城市大部分达日均重度及以上污染;第四阶段（12月3-4日）与第二阶段类似,PM_2.5/PM₁₀突降至0.2,"2+26"城市再次受到沙尘天气和区域传输的共同影响,因冷空气持续时间较长,污染被有效清除.研究显示,此次污染过程是气象条件、污染物一次排放和二次转化、区域传输、沙尘天气等多因素综合作用的结果.当静稳、高湿等不利气象条件或沙尘天气出现时,区域应加强对各类污染物排放的管控力度,以降低污染物的一次排放、二次转化以及沙尘和区域传输的共同影响,进而削弱污染严重程度.      

2013-2021年长沙市城区PM2.5浓度变化特征及归因分析

根据2013-2021年长沙市城区10站点大气污染物监测数据,综合采用Daniel趋势检验和Kolmogorov-Zurbenko滤波方法,文章探讨了长沙市城区PM_2.5浓度时空分布规律及气象因素、减排措施影响。结果显示：2013-2021年长沙市空气质量呈持续改善趋势,达标天数累计增加107 d,优良率累计提高了29.3个百分点;PM_2.5年均浓度累计下降48.2%,除O₃外的其他各项污染物浓度呈现明显的下降趋势,通过Daniel显著性检验;城区SO₂、NO₂、PM_2.5、PM₁₀、CO年均浓度变化速率为3.1、2.3、5.1、5.5、61.4μg/(m³·a)。空间分布上,PM_2.5年均浓度的空间分布结构具有鲜明的特征,北部地区较低,中心城区和东南部地区较高,浓度梯度特征明显。与2013年相比,2021年各站点PM_2.5年均浓度原始数据累计降幅在38.5%～48.0...     

基于决策树的颗粒物污染类型识别方法改进——以乌海市为例

多年监测资料显示PM₁₀是影响乌海市环境空气质量的首要污染物,颗粒物污染是大气治理的重点,而明确污染类型是厘清污染成因和实现动态源解析的重要环节。因此本研究基于颗粒物源解析结果和污染物排放数据确定污染类型和识别标准后,利用乌海市环境常规监测数据,通过多参数特征比值法较为准确地识别了乌海市四种不同的颗粒物污染类型：沙尘型、扬尘型、工业型、二次与机动车型。为了克服污染识别阈值调整的主观性和繁琐性,通过CART决策树对识别过程进行了改进。基于决策树快速改进污染类型识别阈值后,颗粒物污染识别准确率大幅提高。2021年乌海市颗粒物污染以沙尘型为主,对PM₁₀和PM_2.5的贡献率分别为25.09%和15.71%。识别出了全部的颗粒物超标日,对于沙尘天气识别的准确率高达81.82%。基于决策树可以有效改进多参数特征比值法对于阈值的选取,更快速而准确地进行颗粒物污染类型识别。     

福州2017—2021年环境空气质量变化特征及新冠疫情对其变化的影响

基于福州市2017—2021年大气常规污染物(PM₁₀、PM_2.5、SO₂、NO₂、CO和O₃)小时观测数据，探讨了不同时间尺度(年度、季度、新冠疫情前后)福州主要污染物变化特征.结果表明：2017—2021年福州市6种大气常规污染物年均浓度整体上均呈下降趋势，年均下降率最大的是NO₂(10.3%)，其次是SO₂(8.3%).由于复杂的生成机制及较高的温度和较强的太阳辐射，福州春季、夏季和秋季O₃浓度较高且差异不大.除O₃外，其他污染物具有显著季节变化特征(春季>冬季>秋季>夏季).5年间福州空气污染物日均浓度变化幅度趋于平稳，全年大气环境状况愈加优良.新冠疫情发生期间(2020—2021)福州空气质量指数(AQI)年均下降率是疫情前(2017—2019)的2.2倍，疫情管控期间相较管控前PM₁₀、PM_2.5、NO₂     

2015年福州市大气颗粒物污染特征

为了解福州市大气颗粒物污染状况,利用中国环境监测总站发布的实时大气环境监测资料,结合气象资料和HYSPLIT4轨迹模式,分析了2015年福州市大气颗粒物污染特征和典型污染过程.结果表明:2015年福州市ρ（PM₁₀）、ρ（PM_2.5）年均值分别为55.8和29.2μg/m3,均低于GB 3095-2012《环境空气质量标准》二级标准限值.颗粒物浓度季节性变化特征明显,表现为冬春季高、夏秋季低的变化特征. ρ（PM_2.5）/ρ（PM₁₀）为52%,普遍低于我国东部其他大中城市;日际变化明显,受混合层高度日变化和机动车排放的影响,呈双峰形态. ρ（PM_2.5）/ρ（PM₁₀）日变化趋势与ρ（PM₁₀）日变化特征相反,即ρ（PM₁₀）高时ρ（PM_2.5）所占比例低,ρ（PM₁₀）低时ρ（PM_2.5）所占比例高,表明早晚高峰机动车排放所造成的颗粒物污染以粗颗粒物贡献为主.福州市颗粒物污染天气成因主要有"积累型"和"输送型"污染. 2015年1月5-6日发生的污染过程,是在一次静稳、高湿天气形势下,本地排放的污染物在不利于扩散的气象条件下聚集、二次转化,导致颗粒物浓度升高、能见度降低. 2015年1月17-19日的污染过程主要是北方污染物随冷空气输送南下,导致本地颗粒物浓度迅速升高、能见度迅速降低.研究显示,福州市PM₁₀和PM_2.5优良率较高,颗粒物污染主要发生于冬季,污染成因包括局地累积和区域输送.      

我国臭氧污染形势分析及防控对策建议

近几年,我国臭氧(O₃)污染呈加重趋势,以O₃为首要污染物的中度及以上污染天数占比呈上升趋势,O₃已成为影响我国环境空气质量的重要因素,其中京津冀及周边地区、长三角地区污染物超标天数中以O₃为首要污染物的天数占比已经超过以细颗粒物(PM_2.5)为首要污染物的天数。影响O₃污染的因素十分复杂,O₃生成与其前体物挥发性有机物(VOCs)、氮氧化物(NO_x)排放总量及其比例密切相关,呈非线性化学响应关系,且对气象因素异常敏感。因此,控制O₃污染应更加强调精准性与科学性,建议"十四五"期间以VOCs、NO_x减排为抓手,强化O₃与PM_2.5的协同控制,以大工程带动大减排,完善激励与约束并举的经济政策,显著提升监测监管能力,推动O₃污染问题逐步改善。     

疫情防控期间上海市城郊空气污染特征比较

为比较COVID-19疫情防控期间上海市城郊地区环境空气污染特征,文章对闵行区与奉贤区2个观测点的主要空气污染物进行了研究。基于2019-2021年疫情防控同期,分析4种主要污染物以及气象条件的变化特征,分析结果显示,NO₂受防控措施影响最显著,城郊差异最小。O₃平均浓度比防控前分别上升65%(城区)、21.26%(郊区),城郊差异最明显。2020年防控期相较2019、2021年同期NO_x、PM_2.5、O₃显著下降。气象条件分析结果表明,城区相较于郊区有更多的静稳天气,从而不利于污染物扩散。Spearman相关性分析结果显示,O₃在城区与郊区都属于VOCs控制区,且在城区关系更加显著。采用潜在源贡献因子分析法和浓度权重轨迹分析法对比分析O₃污染区域输送的差异,上海城区O₃污染受上海本地生成贡献、杭州湾地区的气团中距离输送以及浙江沿海城市气团长距离输送综合作用。疫情防控措施导致上海市城郊两地污染物不同程度的减排,有...     

全国火电行业大气污染物排放对空气质量的影响

基于WRF-CAMx空气质量模型,定量模拟了火电行业主要大气污染物排放对全国城市环境空气质量的影响.结果表明,火电行业对全国城市SO₂、NO₂、PM_2.5、硫酸盐、硝酸盐及一次PM_2.5年均浓度平均贡献率分别为15.6%、19.6%、8.5%、11.7%、12.0%和5.2%,并呈现空气污染越重地区,火电行业污染贡献率越低的总体特征.其中,京津冀鲁豫、长三角、以武汉城市群及长株潭城市群为中心的两湖平原地区、成渝地区中大部分空气污染最为严重的区域,火电行业对PM_2.5年均浓度的贡献率低于8%.因此,火电行业对环境空气质量的影响总体较小,在深化火电行业污染减排的同时,必须强化非电力行业多污染物协同控制.     

上海市典型交通环境空气污染特征

基于2018年上海市3种类型的交通环境空气监测站（路边站,港口站和机场站）的在线监测数据,探讨了3种交通站污染物的浓度水平和昼夜分布特征,比较分析了同期上海市环境空气污染物浓度,并揭示了工作日和非工作日对交通环境空气的影响.结果显示,上海市交通环境空气,尤其是港口环境空气中NO_x,NO₂和NO年小时平均浓度显著高于上海市年小时平均浓度;其中NO高出上海市年小时平均浓度比例最高,港口,路边和机场环境空气NO浓度分别为68,36和17μg/m³,分别高出上海市年小时平均浓度871%,414%和143%;交通环境空气中的O₃平均浓度范围为42~65μg/m³,均低于上海市平均浓度.NO_x,NO₂,NO,PM₁₀,PM_2.5,CO和BC（黑炭）昼夜浓度主要呈现双峰分布特征,且峰值出现时间与交通活动高峰时间较为吻合;O₃的峰值大多出现在13：00,且机场环境空气浓度中O₃浓度最高,峰值浓度为108μg/m³.非参数检验结果显示,上海市路边环境空气中SO₂,NO_x,NO₂,NO,PM₁₀,PM_2.5,O₃,CO和BC在周一~周日无明显差异（P>0.05）.     

2013~2014年北京大气重污染特征研究

从污染物浓度的时间变化、空间分布以及大气污染类型等方面,对2013~2014年北京大气重污染过程进行了分析,并初步探讨其影响因素.结果表明:2013~2014年北京共出现大气重污染105d,重污染频率为14.4%.其中,首要污染物为PM_2.5的天数为103d,首要污染物为PM₁₀和O₃各有1d;冬半年重污染天数占全年的76.2%.重污染气象要素特征主要表现为风速小、湿度高、能见度低.重污染日PM_2.5/PM₁₀浓度比值为91.3%,明显高于全年平均水平,表明重污染时颗粒物以细颗粒物为主.北京大气重污染区域分布表现为南高北低,平原高、山区低的总体特征,交通站重污染天数普遍高于市区其它站点.北京大气重污染主要表现为积累型、光化学型、沙尘型以及复合型等类别;其中积累型大气重污染往往伴有区域污染水平的整体升高,PM_2.5组分中NO₃^-、SO₄^2-、NH₄⁺等水溶性二次离子的浓度增幅最为明显;O₃污染在近两年有加重的趋势.     

GDP与环境空气质量的关系：以昆明市2013—2022年环境空气为例

国内生产总值(Gross domestic product, GDP)可反映地区的经济实力和市场规模,环境空气质量指数AQI及污染物浓度(SO₂、NO₂、PM₁₀、PM_2.5、CO、O₃)可反映环境空气质量,二者具有相关性。本研究以高原山地省会城市—昆明市为代表,研究近10年(2013—2022年)环境空气质量与区域GDP的环境库兹涅茨EKC曲线,并分析空气中代表性污染物浓度的变化趋势及相互关系,再对环境空气AQI指数变化做出ARIMA模型的预测。近10年来,昆明市环境空气AQI指数与GDP的发展呈现良性促进,随着GDP增长总体呈现下降向好趋势。环境空气中O₃与PM₁₀、PM_2.5和CO具有中度相关性。未来两年环境空气AQI指数可能受到O₃的影响而分别升高2.5%和3.7%。     

桂林中心城区PM2.5元素污染特征和来源解析

为探究2019年秋季桂林中心城区细颗粒物(PM_2.5)的主要元素污染状况和污染来源,进一步改善桂林的空气质量,该实验基于过滤采样法,在秋季采集了PM_2.5污染较为严重的桂林市中心城区(秀峰区、象山区、七星区、叠彩区)14个采样点的PM_2.5样品,分析了PM_2.5中主要的14种污染元素的污染状况及来源。结果表明,桂林中心城区PM_2.5元素污染分布呈区域性,象山区、秀峰区和叠彩区PM_2.5中主要污染元素为Si和Ca,其质量浓度之和分别占该区14种主要污染元素总质量浓度的86.45%(象山区)、78.81%(秀峰区)和74.73%(叠彩区);七星区PM_2.5中主要污染元素为Si、Ca、Al,其质量浓度之和占该区14种主要污染元素总质量浓度的76.64%,象山区PM_2.5中并未检测到Ti,其他3个区均检测到Ti,仅在七星区PM_2.5中检测到了Zn、Cu、F、Mn;通过富集因子分析表明,在整个桂林中心...     

宁夏典型工业城市2020年1月重污染过程特征及成因

2020年1月宁夏回族自治区典型工业城市石嘴山市出现了长时间、高强度PM_2.5污染天气.为揭示多因素综合作用对重污染天气的影响,在分析逐日空气质量指数（AQI）和常规污染物浓度变化特征的基础上,选取重点污染时段（2020年1月1—17日）为研究对象,基于环境空气质量数据、加密自动气象观测数据及NCEP再分析资料,采用统计分析、污染特征雷达图、气流后向轨迹聚类及天气诊断相结合的方法对重污染过程特征和成因进行分析.结果表明:①2020年1月1日、3日石嘴山市重污染天气主要受燃煤、工业（钢铁、焦化）和机动车等高强度污染排放影响,PM_2.5主要来自一次源;9日重污染天气PM_2.5受二次颗粒物生成影响显著,本地扬尘也有贡献,ρ（PM_2.5）和AQI均达峰值,分别为216 μg/m3和266;其他时段重污染天气由污染物累积和混合造成.②乌海市及其周边污染气团跨区域传输是促使石嘴山市出现高强度PM_2.5污染天气的另一重要因素,当巴彦淖尔市—乌海市—石嘴山市为一致偏北气流、风速小于2 m/s时,易使乌海市及其周边污染气团向南扩散,石嘴山市ρ（PM_2.5）出现短时间爆发增长.③持续高湿静稳气象条件使污染天气长时间维持并加重,当欧亚大陆中高纬度500 hPa盛行纬向弱西风气流、近地面石嘴山市处在蒙古弱高压底部均压场、风向为弱偏北风或偏东风时,易形成持续性PM_2.5污染天气;当风速减至0.7 m/s、相对湿度增至78%时,污染加重.研究显示,此次持续PM_2.5重污染过程是本地高强度污染排放、二次颗粒物生成、区域传输与不利气象条件等因素综合影响和相互叠加的结果;当出现静稳、高湿等不利气象条件时,应加强对各类污染物排放的管控力度,同时充分利用石嘴山市及其周边加密自动气象观测资料,研判污染发展趋势和传输特征,及时开展与乌海市及其周边地区的大气污染联防联控.      

唐山一次冬季重污染过程污染特征及成因分析

选取河北省唐山市2017年12月27~31日一次典型重污染过程,开展其污染特征及成因分析,对污染期间气象要素、大气颗粒物组分特征进行综合研究.结果表明,此次大气重污染过程中PM_2.5平均质量浓度为154μg/m³,重度污染及以上时PM_2.5/PM₁₀为0.7;PM_2.5中SNA质量浓度占比达58.0%,OC/EC的比值为4.1,说明颗粒物二次反应和有机物在此次污染过程有较大贡献;长期均压场以及近地面高湿、小风、逆温的出现导致唐山地区大气层结稳定,加之周边地区区域传输的贡献,是导致此次大气重污染过程的重要影响因素.     

乌鲁木齐市重污染期间PM2.5污染特征与来源解析

目前有关我国城市大气重污染期间PM_2.5污染特征及其来源的研究较少,为深入了解典型城市大气重污染期间PM_2.5的污染特征与来源构成,于2013年1月19—30日在乌鲁木齐市采集PM_2.5样品,并依据相关划分标准,确定1月19—28日为重污染天气. 分析了重污染天气下ρ(PM_2.5)及主要化学组成(包括水溶性离子、无机元素和碳组分),运用统计学方法研究了重污染期间PM_2.5的污染特征,并且采用富集因子法和CMB受体模型解析了PM_2.5的来源构成.结果表明:大气重污染期间ρ(PM_2.5)严重超标,其中米东区环境保护局采样点的ρ(PM_2.5)最高,其次是铁路局、市监测站;PM_2.5化学组分以SO₄2-、TC、Si和NO₃-为主,其中二次离子占ρ(PM_2.5)的43.1%;城市扬尘、煤烟尘和二次粒子是环境空气中PM_2.5的主要污染源类,三者在乌鲁木齐市以及米东区的分担率分别为24.7%、15.6%、38.0%和20.8%、28.0%、36.2%,其中二次硫酸盐的分担率在两地更分别达到28.6%和27.0%.      

京津冀地区机动车细颗粒物污染的健康影响分析

机动车尾气排放对城市空气污染的影响日益严峻，而对特定污染源大气污染排放特征及健康影响进行评估可以为环境空气质量管理提供科学依据.以PM_2.5为研究对象，分析京津冀地区2010～2020年机动车污染排放特征、导致的健康效应与经济损失.结果表明，2010～2020年间京津冀地区机动车PM_2.5排放量呈现先逐年递增后缓慢下降的趋势；不同车型污染物排放贡献率显示，重型货车和重型客车为PM_2.5主要贡献车型；不同城市机动车污染物排放特征存在差异，北京市污染物贡献率下降幅度明显，其余城市污染减排也不容忽视.机动车PM_2.5污染对人群健康影响的评估结果表明，京津冀地区各健康终端发生人数总体呈上升趋势，其中，2020年PM_2.5污染造成约34 337人(95%CI:9 025～57 209人)早逝、4.55万人(95%CI:1.08～8.02万人)住院、 28.23万人(95%CI:14.05～41.63万人)门诊及43.90万人(95%CI:16.03～67.92万人)患病；研究期间(201...