我国省域CO2-PM2.5-O3时空关联效应与协同管控对策

首先分析了2015～2019年我国省域CO₂排放量和大气PM_2.5、O₃污染浓度的时空特征及三者变化量之间的关联效果.而后利用排放因子法编制2011～2019年各省CO₂和PM_2.5、O₃前体物的排放清单,结合STIRPAT模型分情景预测了CO₂和PM_2.5、O₃前体物的协同效应,并建立评级体系识别重点管控区域并对其开展分部门的协同效应解析,最后提出分级协同管控对策.研究结果表明,53%的省份CO₂减排与PM_2.5浓度下降之间不存在关联效果,87%的省份CO₂减排与O₃浓度下降之间不存在关联效果.2012～2014年我国CO₂与PM_2.5具有协同效应,而2015～2019年则不具有该效应,另多数研究年份CO₂与O₃前体...     

碳协同减排视角下广东省PM2.5实现WHO-Ⅱ目标策略研究

CO₂排放和大气污染物排放具有同根同源性,二者的排放控制措施常常具有一定程度的协同减排效应.为降低政策成本、提高政策效率,政策制定者在制定空气质量改善策略时,应充分考虑其对CO₂减排的协同效益.以大气污染物与CO₂协同减排为指引,分析产业、交通运输、能源的结构优化调整和末端治理水平提升策略,通过空气质量模型方法分析并提出广东省在2025年PM_2.5实现世界卫生组织第二阶段过渡目标（简称“WHO-Ⅱ目标”）的政策建议.结果表明:在2017年基准条件下,按经济社会活动发展趋势和现有末端治理要求,模拟预测广东省2025年PM_2.5年均浓度将达26.9 μg/m3,难以达到WHO-Ⅱ目标（25.0 μg/m3）.在可进一步采取的减排措施中,产业结构调整、在用车辆更新、发电结构调整、交通运输结构调整、工业用能变化和工业末端治理对大气污染物减排的分担率分别为55.5%、17.7%、6.8%、3.8%、3.9%和12.2%,对CO₂减排的分担率分别为20.8%、14.0%、11.9%、9.3%、33.9%和0.在基于协同性制定的达标策略情景下,优先采取了产业结构调整、在用车辆更新等协同性较好、减排潜力较大的措施.在该情景下,2025年全省SO₂、NO_x、PM、VOCs和CO₂的排放总量较2017年的变化率分别为-13.7%、-19.4%、-21.8%、-20.3%和13.6%,模拟预测广东省2025年PM_2.5年均浓度可达24.6 μg/m3,达到WHO-Ⅱ目标.研究显示,为确保2025年广东省PM_2.5年均浓度达到WHO-Ⅱ目标,应进一步强化大气污染物减排,建议优先考虑产业结构调整、在用车辆更新等与CO₂减排协同性较好、减排潜力较大的措施.      

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<...     

近年山东德州PM2.5和O3相互作用的季节变化及其机理分析

为全面认识减排过程中华北平原城市大气复合型污染变化特征,本文利用最近6年(2017—2022)山东省德州市环境-气象监测资料,分析关键大气复合污染物PM_2.5和O₃的季节特征及其相互作用,探究东亚季风气候背景下冬夏季PM_2.5和O₃的相互作用机理.德州市近6年城市环境PM_2.5和O₃超标率分别为20.22%和23.56%,O₃污染凸显.环境大气PM_2.5和O₃在夏季表现为显著正相关,相关系数高达0.53(p<0.01),而冬季则呈显著负相关,相关系数为-0.30 (p<0.01),两者具有明显“夏正冬负”的相反季节变化特征.环境气象机理分析表明,夏季高温及强太阳辐射的气象条件促进光化学反应生成O₃,加大大气氧化性的增强二次颗粒物生成,导致PM_2.5浓度升高;冬季低温及弱太阳辐射气象背景下,高浓度PM_2.5的局地累积...     

东莞市低碳路径下加速电气化对CO2和污染物协同减排影响

城市是能源消耗的中心，电气化可以整合城市能源结构，实现清洁能源高效利用，探究城市低碳路径下加速电气化的协同减排影响对实现城市减污降碳至关重要.基于长期能源替代规划模型(LEAP-DG),设置了基准情景、低碳情景和加速电气化情景等3类情景，评估电气化措施在不同电力结构下的减排潜力，量化重点部门的措施贡献，探讨广东省典型制造业城市东莞的协同减排效果.结果表明，电力结构优化促进了电气化措施的协同减排效果，低碳路径下加速电气化将进一步降低电力污染物排放强度，2050年，东莞市CO₂、 NO_x、 VOC和CO减排7.35×10⁶、 1.28×10⁴、 1.62×10⁴和8.13×10⁴ t, SO₂和PM_2.5消费侧减排量和生产侧增排量达到平衡.电气化渗透速率和电力结构优化协调发展是电气化措施实现减排效益的关键，工业和交通部门加速电气化将同时降低CO₂和大气污染物排放，交通部门得益于燃油车和电动车的高...     

青岛环境空气PM10和PM2.5污染特征与来源比较

年分别在青岛设6个和2个采样点采集PM₁₀和PM_2.5样品,分析二者质量浓度及颗粒物中多种无机元素、水溶性离子和碳等组分的质量浓度,以研究PM₁₀及PM_2.5的污染特征. 采用CMB-iteration模型估算法,确定一次源类及二次源类对PM₁₀和PM_2.5的贡献,利用统计学方法比较PM₁₀和PM_2.5的污染源. 结果表明:青岛大气颗粒物质量浓度季节变化显著,表现为春、冬季高,夏、秋季低;Na、Mg、Al、Si、Ca和Fe元素主要富集在PM₁₀中,SO₄2-、NO₃-、EC和OC主要富集在PM_2.5中;城市扬尘、煤烟尘、建筑水泥尘及海盐粒子等粗粒子在PM₁₀中的分担率较PM_2.5中的高,分担率分别为28.7%、17.2%、7.16%及4.47%;二次硫酸盐、二次硝酸盐、机动车尾气尘及SOC(二次有机碳)等在PM_2.5中的分担率较PM₁₀中的高,分担率分别为19.3%、8.97%、13.7%及6.07%;由PM₁₀与PM_2.5化学组分的分歧系数可见,春、秋季PM₁₀和PM_2.5化学构成存在一定差异,而冬、夏季二者的化学构成相似.      

2008～2017年北京市PM2.5周期性变化特征与影响机制

利用Morlet小波方法分析北京市2008~2017年PM_2.5资料,结果表明,北京市PM_2.5浓度存在显著的日变化、周变化、以及季节和年变化周期性特征,并且秋冬季的周期性特征显著高于春夏季.结合气象资料,包括水平风速、大气边界层高度、以及大气稳定度指数等,分析PM_2.5不同周期性变化对应的主要影响机制表明：大气边界层过程是PM_2.5日变化的主要影响机制,导致PM_2.5浓度白天低、夜间高.秋冬季PM_2.5日变化幅度高于春夏季;天气过程是PM_2.5周变化的主要机制,PM_2.5浓度与天气变化过程带来的风速变化和边界层高度呈强反相关关系;PM_2.5的季节变化与大气扩散能力的季节变化密切相关,秋冬季减弱的大气扩散能力加速了PM_2.5在近地面累积,春夏季则相反.     

徐州市大气PM2.5与O3作用关系的季节变化

通过2013~2017年徐州市环境监测资料分析季风影响下主要大气复合污染物PM_2.5和O₃的相关性,并基于气象观测资料进一步探究PM_2.5和O₃相互作用机制的季节变化特征.结果表明：夏季风季节,PM_2.5和O₃呈正相关,相关系数高达0.56;冬季风季节,PM_2.5和O₃呈负相关,相关系数为-0.34,均通过了99%的置信检验,表明徐州市PM_2.5和O₃相互作用呈现相反的季节变化.夏季风季节,太阳辐射强,气温较高,大气氧化性较强,O₃主导大气氧化性,大气氧化性通过促进二次颗粒物生成使得PM_2.5浓度升高,夏季风季节以O₃对PM_2.5的促进作用主导城市大气复合污染变化;冬季风季节,太阳辐射弱,气温较低,大气氧化性较弱,高浓度的PM_2.5削弱太阳辐射抑制大气光化学,导致O₃生成率降低,冬季风季节以PM_2.5对O₃的抑制作用主导城市大气复合污染变化.     

邢台氨减排对京津冀PM2.5改善的溢出效益

氨减排会对周边大气PM_2.5污染改善带来潜在的溢出效益,但尚缺乏对其规律的探究.利用WRF-CAMx-PSAT模型模拟量化了典型城市(邢台)NH₃减排对周边地区大气PM_2.5浓度降低的溢出效益,探究了其在不同季节与不同NH₃减排比例下、对PM_2.5及其二次无机化学组分随距离变化的响应规律.结果表明：(1)NH₃减排在不同减排比例下对周边城市的PM_2.5及其二次组分均存在溢出效益,其效益随周边受体城市与减排城市相对距离的增加呈显著的指数下降的趋势;(2)在1月的溢出效益远高于7月,1月在不同减排比例下京津冀PM_2.5浓度下降值约为7月的7.4倍;(3)各组分溢出范围随着减排比例的增加不断扩大,NH₄⁺和SO₄^2-的溢出最远距离呈指数趋势上升,NO₃^-的溢出最远距离呈线性趋势上升;(4)...     

2013—2018年山东省大气PM2.5和PM10污染时空变化及其影响因素

PM_2.5和PM₁₀污染已成为全球关注的重要环境问题,监测其污染状况对人类健康、动植物生长、大气环境评价等具有重要意义。基于2013—2018年山东省17个城市大气PM_2.5和PM₁₀监测数据,利用时空分析方法和Spearman相关分析方法,研究其污染时空变化特征,并分析气象、人为及政策因素对二者的影响。结果表明:与2013年相比,2018年山东省大气PM_2.5和PM₁₀污染程度明显减轻,年均浓度降幅分别为48.72%、37.72%;6年整体月均PM_2.5浓度呈近似"U "形变化规律,月均PM₁₀浓度呈近似" V"形变化规律;PM_2.5和PM₁₀污染整体呈由西北内陆向东部沿海地区逐渐减轻的空间趋势;PM_2.5和PM₁₀浓度受气温和降水量2个气象因素影响较显著,受道路密度、城市绿化覆盖面积、SO₂和NO_x排放量等人为因素影响较显著,且气象因素和人为因素对PM_2.5浓度的影响较PM₁₀更大。     

典型道路路边空气颗粒物中碳组分的组成特征

在天津市内选取了4条不同等级的道路（次干道,主干道,快速路,外环线）,于2015年4～5月分别在4条道路的路边进行了PM_2.5和PM₁₀样品和车流量信息的采集,并对其中的碳组分进行了分析.结果显示,天津路边PM_2.5和PM₁₀中OC、EC的浓度与国内已研究的其它城市相比处于中等水平,与国外城市相比,国内这些城市的OC、EC的浓度水平则较高.char-EC、soot-EC、OC、EC在PM_2.5中的百分含量在4条道路之间存在显著性差异,在4条路上百分含量为主干道 > 快速路 > 外环线 > 次干道,而PM₁₀不存在.PM_2.5中OC/EC和char-EC/soot-EC的平均比值分别是2.95和2.3,PM₁₀中分别为3.1和2.2.相关性分析的结果表明PM_2.5和PM₁₀中OC和EC有相同的来源,且EC与char-EC存在线性关系.     

山东省环境空气中PM2.5与O3的复合污染特征与时空变化趋势

山东省PM_2.5-O₃复合污染特征突出,空间差异性明显,本文基于2016—2020年国控和省控环境空气自动监测站监测数据以及同期各气象代表站气象监测数据,分析PM_2.5和O₃时空分布的变化特征,初步探究其与气象因子及前体物的关系. 结果表明:①2016—2020年山东省空气质量逐步改善,优良天数比例上升了7.1%,重污染天数比例下降了3.5%. 除O₃年评价值上升9.6%以外,SO₂、PM₁₀、PM_2.5、CO和NO₂的浓度均下降,降幅依次为61.3%、29.8%、28.6%、26.3%和11.4%. 各市PM_2.5年评价值均下降(范围为18.4%~34.9%);除德州市外,其他15市O₃年评价值均上升,滨州市的升幅(30.8%)最大. 1月PM_2.5平均浓度最高,呈现先下降后上升的年变化趋势,6月O₃平均浓度最高,且逐年上升. ②山东省PM_2.5和O₃均呈现内陆地区高于沿海地区的分布特征,PM_2.5浓度在西部内陆地区较高,O₃浓度在中北部内陆地区较高,PM_2.5-O₃复合污染特征在中西部地区较明显. 统计期间共计出现PM_2.5-O₃复合污染日224 d,分布在2—11月,出现天数逐年减少. ③为探究PM_2.5-O₃复合污染的影响因素及气象特征,进行相关性分析及气象因子阈值筛查,结果表明,PM_2.5日均浓度和O₃_8 h (臭氧日最大8小时滑动平均值)与其主要前体物和气象因子均呈现相反的相关关系,且对不同因子的响应有一定区域性差异. 当气温为14.9~24.1 ℃、相对湿度为55.5%~75.1%、风速为0.6~2.9 m/s、气压为992.8~1 018.8 hPa时PM_2.5-O₃复合污染易于发生,该条件下大部分城市的气温、相对湿度和气压平均值介于PM_2.5和O₃污染单独发生时的对应因子平均值,但平均风速小于PM_2.5和O₃污染单独发生的平均风速. 研究显示,“十三五”期间山东省PM_2.5浓度波动下降,O₃浓度波动上升,二者的协同关系日趋明显,气象因素对PM_2.5和O₃的生成和累积有一定影响.      

2015~2018年中国代表性城市PM2.5浓度的城乡差异

选取中国6大城市群中的11座代表性城市为研究区域,将监测站点划分为城区、郊区和乡村站,进而分析各城市间PM_2.5浓度的城乡差异规律.结果表明,同一城市群各城市之间,或同一城市的城区、郊区、乡村站间PM_2.5日变化皆较为相似.京津冀和长三角地区的城市城区PM_2.5浓度最高,高于郊区7.8%~9.7%,高于乡村11.3%~16.9%,而粤港澳大湾区和内陆城市群（成渝、长江中游、关中平原城市群）的城市郊区PM_2.5浓度最高,高于城区2.6%~11.2%,高于乡村16.7%~26.5%.各城市间城乡PM_2.5浓度差值的日变化规律不尽相同,可呈单峰（如上海）或双峰（如杭州）变化,极值可出现在白天（如广州）,亦可在夜间（如深圳）.PM_2.5的排放与传输扩散共同对11城市城乡PM_2.5浓度分布产生影响.     

中国典型城市PM2.5浓度时空演绎规律及影响因素分析

为探讨空气中ρ（PM_2.5）的空间集聚特征和气候、大气成分变量对空气中ρ（PM_2.5）的影响,利用首批纳入PM_2.5监测的74个城市的ρ（PM_2.5）数据计算Moran's I指数,并选取其中38个典型城市进行计量分析.在基于引力模型的空间权重矩阵基础上,构建面板数据SDM（空间面板杜宾模型）.结果表明:ρ（PM₁₀）、ρ（SO₂）、ρ（CO）、ρ（O₃）、RH（relative humidity,相对湿度）与城市ρ（PM_2.5）呈正相关,而T（temperature,温度）和WS（wind speed,风速）与城市ρ（PM_2.5）呈负相关;ρ（PM₁₀）、ρ（CO）、RH是位于前3位影响城市ρ（PM_2.5）的关键性因素,其总效应分别为0.720 1、0.241 7、0.133 9.地理上邻近城市ρ（PM_2.5）具有明显的外部空间溢出效应,即邻近城市ρ（PM_2.5）每增加10百分点,将导致该地区ρ（PM_2.5）增长6.12百分点.300 km左右是保证PM_2.5区域"联防联控"最佳效果的最大门槛距离,超过该门槛距离,区域"联防联控"的力度和效果会随着距离的增加而逐渐减弱;当门槛距离大于500 km时,ρ（PM_2.5）的空间自相关性不显著.气候变量中,RH和ρ（PM_2.5）呈同方向变化,而T、WS与ρ（PM_2.5）呈反方向变化.研究显示,关注单一地区或单一因素（气候或大气成分）均不能有效控制PM_2.5污染,在保持经济稳定增长的前提下,各地治理PM_2.5应从调整产业结构、优化能源结构、完善防控机制等多个维度共同推进,促使经济增长方式早日从"粗放型"向"集约型"转变.      

关中地区秋冬季颗粒物二次有机碳的估算

2017年9月4日~2018年1月19日期间分别在关中地区的5个主要城市西安（XA）,渭南（WN）,铜川（TCH）,宝鸡（BJ）,咸阳（XY）设置采样点进行PM_2.5,PM₁₀颗粒物手工采样观测,采用热光透射法（TOT）分析碳组分,最小值法估算二次有机碳（SOC）浓度,结果显示PM_2.5与PM₁₀中SOC平均浓度分别为（7.44±5.54）,（9.62±7.49）μg/m³,一次有机碳（POC）平均浓度分别为（7.04±2.59）,（9.33±4.33）μg/m³,不同粒径颗粒物中SOC各点位的浓度值分布表现基本相同为XY > XA > WN > BJ > TCH.PM_2.5中SOC含量为8.76%,OC占比为48.03%,PM₁₀含量为6.28%,OC占比为48.09%,季节分布均呈现为秋季低冬季高,关中地区SOC污染严重.后向轨迹聚类分析结果显示污染气团传输主要是关中地区局部污染和西北,东北方向传输,其中局部污染轨迹的数量占比较多,浓度较高.低空传输与近地面风向风速及污染物分布存在差异,结合关中地区盆地地形,静风频率高,边界层低等多种因素造成颗粒物中SOC浓度较高,其中BJ点位易受到东北气团的污染物传输累积.     

中国城市人口规模、产业集聚与碳排放

基于2009~2018年中国286个地级市面板数据，构建空间计量模型，从城市人口规模和产业集聚的综合视角探讨对于人均碳排放的影响机制.结果显示：不同城市的人均CO₂排放具有显著的空间溢出效应；城市人口规模和产业集聚与人均CO₂排放之间均呈“倒U型”关系，且影响机制各不相同；产业集聚与城市人口规模在影响碳排放上具有协同效应；中国东中西地区及南北地区在碳排放及其影响机制上具有显著差异；地区差异、经济发展程度差异等一系列稳健性检验均验证了上述结论的可靠性.因此各地政府在制定可持续发展政策时要针对城市人口规模、产业集聚和低碳统筹发展，合理制定人口、产业和节能减排政策.     

华北平原和山区城市PM2.5和O3变化关系比较分析

利用2015~2019年环境监测数据,对比分析华北地区平原城市保定市和山区城市张家口市PM_2.5和O₃变化和相关关系.结果表明：保定市PM_2.5夏低冬高,O₃夏高冬低,日变化为午后单峰型,而张家口市PM_2.5浓度低,日变化幅度较弱,冬季O₃日变化为午后峰值和凌晨5：00左右弱峰值双峰型.张家口市冬季全天及春夏秋季夜间O₃浓度显著高于保定市,甚至夏季出现夜间O₃超标异常,最高浓度达到202μg/m³,反映了平原城市和清洁山区大气物理化学过程变化的影响.PM_2.5和O₃在4~9月为正相关,11~3月为负相关;保定市PM_2.5-O₃相关系数日变化呈单峰型,张家口市为双峰型变化,凌晨和午后各有一峰值,华北地区平原污染区和高山相对清洁区,大气复合污染物PM_2.5和O₃作用关系的日变化及季节特征具有明显差异.     

城市空间结构对PM2.5浓度分布的影响

城市空间结构影响空气流通等微环境,必然对PM_2.5分布和扩散产生影响,研究两者关系对城市规划和建设具有积极意义。基于建筑构建城市空间结构指标体系,采用克里金插值等方法研究济南市中心城区PM_2.5浓度的空间格局,运用相关分析方法基于全域和不同高程视角探究城市空间结构对PM_2.5分布的影响。结果表明:1）DEM平均值、建筑绝对高度平均值、户外活动面积与PM_2.5浓度呈负相关,建筑绝对高度最大值、建筑基底面积总和、建筑密度、占空比、建筑体积总和与PM_2.5浓度呈正相关。这些指标是影响PM_2.5分布的重要因素,城市规划布局时应重点考虑。2）不同高程和时间范围,PM_2.5分布存在时空差异。PM_2.5浓度越高,城市空间结构指标对其浓度分布的影响越明显。PM_2.5浓度空间分布的变异系数越大,PM_2.5浓度与各城市结构指标相关性越弱。3）地形高程是影响PM_2.5分布的重要因素,随着平均高程增加,城市空间结构指标与PM_2.5浓度呈显著相关的月份数量增加,且规律性更强。     

南昌市大气颗粒物污染特征及PM2.5来源解析

为探讨2013年南昌市大气颗粒物的污染特征及分布状况,收集南昌市9个大气监测站点实时发布的PM₁₀和PM_2.5数据,分析了ρ（PM₁₀）、ρ（PM_2.5）和ρ（PM_2.5）/ρ（PM₁₀）的变化规律及其与气态污染物的相关性,并结合污染严重的秋季时段,采用PCA-MLR（主成分分析-多元线性回归）模型对大气PM_2.5中化学组分来源进行解析.结果表明:①ρ（PM₁₀）和ρ（PM_2.5）的年均值分别为（115.4±39.1）（69.1±26.8）μg/m3,均超过GB 3095-2012《环境空气质量标准》二级标准限值,ρ（PM₁₀）和ρ（PM_2.5）的最高值分别出现在石化、省外办监测站点,最低值出现在林科所监测站点.ρ（PM₁₀）和ρ（PM_2.5）季节性变化特征明显,呈冬季>春、秋两季>夏季的趋势,全年ρ（PM₁₀）超标天数占比为25.48%,ρ（PM_2.5）超标天数占比为36.71%,各季度ρ（PM_2.5）超标天数占比均高于ρ（PM₁₀）.②受人为活动和边界层高度的影响,ρ（PM_2.5）和ρ（PM₁₀）日变化呈双峰双谷形态,一个波峰出现在08:00-10:00,另一个波峰出现在20:00-22:00,并且晚间小时峰值高于早间,最低值出现在15:00.③ρ（PM_2.5）/ρ（PM₁₀）年均值为60.3%,在冬季最高达65.1%,相关性分析发现ρ（PM₁₀）与ρ（PM_2.5）存在较显著的线性关系,表明二者具有同源性.④ρ（PM₁₀）、ρ（PM_2.5）均与ρ（SO₂）、ρ（NO₂）、ρ（CO）呈显著正相关,并且冬季相关性高于夏、秋两季;而ρ（PM₁₀）、ρ（PM_2.5）均与ρ（O₃）全年呈显著负相关,并且夏、秋两季相关性高于冬季,说明气态污染物的二次转化对ρ（PM_2.5）和ρ（PM₁₀）有较大影响.⑤南昌市秋季PM_2.5的最大污染源为道路扬尘/机动车尾气混合污染源,其次分别为施工扬尘源、燃煤源、冶炼尘/生物质燃烧混合污染源,各污染源对PM_2.5的贡献率分别为40.9%、35.8%、12.4%、10.9%.研究显示,南昌市PM_2.5的污染程度较PM₁₀严重,PM_2.5已成为南昌市大气颗粒物污染的主要组分,PM_2.5主要来源为城市扬尘和机动车尾气.