2016年1月京津冀地区大气污染特征与多尺度传输量化评估

基于大气环境监测数据和WRF-CAMx模式,分析了 2016年1月京津冀城市的大气污染特征,开展了 PM2.5跨界传输量化评估研究.结果表明,2016年1月京津冀地区PM2.5、PM10、SO2、NO2和CO的平均浓度分别为89.5μg·m-3、135.61μg·m-3、57.55 μg·m-3、60.79 μg·m-...     

京津冀地区典型城市秋冬季PM2.5输送特征研究

运用潜在源贡献分析（PSCF）方法,识别了2018年秋冬季京津冀地区典型城市北京,唐山和石家庄PM_2.5的潜在污染源区;基于气象-空气质量模式（WRF-CAMx）和传输通量计算方法定量评估了与其周边省市之间PM_2.5的传输贡献,识别了三个典型城市PM_2.5的传输路径,揭示了PM_2.5传输净通量的垂直分布特征.结果表明,三个城市秋冬季PSCF高值主要集中在河北南部,河南东北部和山西中东部地区;秋冬季PM_2.5均以本地贡献影响为主（51.78%~68.40%）,外来贡献为辅（31.60%~48.22%）,不同季节贡献率有所波动.整个观测期间,近地面主要表现为毗邻城市向北京和石家庄输送PM_2.5,而唐山主要表现为向外输送PM_2.5,净通量最大值出现在海拔0~50m,其净通量为-99.47t/d.同时鉴别出了一条主要的传输路径,即西南-东北方向.     

典型输送通道城市冬季PM2.5污染与传输变化特征

以京津冀典型输送通道上的河北西南4个城市邯郸、邢台、衡水和沧州为例,分析了2019～2021年冬季3 a气象条件与PM_2.5浓度变化特征,运用潜在源贡献分析(PSCF)和浓度权重分析(CWT)识别了研究期内4个城市PM_2.5输送特征,基于气象-空气质量模型(WRF-CMAQ)传输矩阵法和传输通量法量化评估了邯郸、邢台、衡水和沧州与周边地区之间的PM_2.5传输贡献,揭示了PM_2.5传输净通量的垂直分布变化特征,并进一步识别4个城市两条PM_2.5污染主要传输路径.结果表明,在研究期间,4个城市PM_2.5浓度呈下降趋势,下降比例分别为45.85%、 49.45%、 42.40%和31.65%;邯郸和邢台潜在源贡献较大的区域主要分布在山西中南部(临汾、长治和晋中)和河南北部(新乡、开封和郑州)以及少部分内蒙古部分地区(PSCF> 0.9),衡水和沧州潜在贡献较大的区域主要集中在河北南部(邯郸、石家庄)、山西中部(太原、阳泉)和部分山东地区(PSCF> ...     

2019年秋冬季京津冀与周边地区污染传输特征分析

本研究结合大气环境观测数据,应用潜在源分析法(PSCF)和浓度权重轨迹分析法(CWT),以及基于WRF-CMAQ模式的传输矩阵和传输通量计算方法,研究分析了2019年秋冬季京津冀典型城市的大气污染特征与成因,量化评估了京津冀地区与周边省份之间的PM_2.5传输贡献.结果表明,京津冀地区冬季较秋季污染严重,且重污染时段PM_2.5浓度均与相对湿度呈显著的正相关,和风速呈显著的负相关;京津冀典型城市北京、天津和石家庄的潜在源区主要分布在京津冀本地、山西、内蒙古中部地区和山东地区,这与CWT结果基本吻合.京津冀各省域的PM_2.5以本地排放贡献为主,北京、天津和河北的本地贡献率范围为54.33%～66.01%,京津冀受区域外传输的贡献率范围为0.11%～26.54%.传输通量结果表明,冬季PM_2.5的传输主要受高空西北气流的作用,尤其清洁天气,高风速驱动清洁气团流入;秋季则主要受低空东南气流作用;传输通量呈现出显著的垂直分布特征,高空区域传输作用更为活跃,传输通量的流入/流出以及垂直分布与污染级别和RH呈现非线...     

川南自贡市大气颗粒物污染特征及传输路径与潜在源分析

川南自贡市大气颗粒物污染比较严重, 2015～2018年PM_(10)和PM_(2.5)平均浓度分别为(95.42±9.53)μg·m~(-3)和(65.95±6.98)μg·m~(-3),并有明显的下降趋势,冬季PM_(10)和PM_(2.5)浓度远高于其它季节, 1月平均浓度最高,分别为(138.08±52.29)μg·m~(-3)和(108.50±18.05)μg·m~(-3),夏季平均浓度最低.PM_(2.5)与PM_(10)的平均比值为69.12%,冬季比值约为夏季的1.17倍,空气污染以PM_(2.5)为主.采用拉格朗日混合单粒子轨迹模型(HYSPLIT)和全球资料同化系统的GDAS气象数据,对自贡市细颗粒物(PM_(2.5))浓度和逐日72 h后向轨迹进行计算和聚类研究,利用潜在源贡献分析法(PSCF)和浓度权重轨迹分析法(CWT),探讨不同季节影响自贡市PM_(2.5)浓度的潜在源区以及不同源区的污染贡献.结果表明,自贡市近地面四季多受东南风、偏西风和西北风控制,高浓度PM_(2.5)多出现在0～2 m·s~(-1)的低风速区;不同季节、不同输送路径对自贡PM_(2.5)污染影响的差异显著,春季主要受到来自偏西和偏北方向短距离输送气流的影响,夏季污染轨迹主要来自短距离输送的东南气流,秋季主要受来自资阳,经遂宁、重庆和内江的短距离输送气流的影响,冬季除受到资阳、遂宁和内江等周边城市的影响外,还受到来自西藏中部的远距离输送气流影响;除夏季外,自贡市潜在源区主要位于重庆西部与川南交界区域,冬季的主要贡献区范围最广、贡献程度最大,夏季潜在源区范围最小且贡献程度最弱.     

烟台市环境受体PM2.5四季污染特征与来源解析

于2016～2017年四季在烟台市3个点位采集了PM_(2.5)样品,分析了其质量浓度和化学组分特征.利用CMB模型对受体进行解析,并利用后向轨迹和PSCF对传输气流和潜在源区进行了分析.结果表明,烟台市监测点位冬季、春季、夏季和秋季的PM_(2.5)平均质量浓度分别为(89. 45±56. 80)、(76. 78±28. 44)、(32. 65±17. 92)和(57. 32±24. 60)μg·m~(-3). PM_(2.5)浓度表现出明显的季节变化特征(P 0. 01).全年PM_(2.5)各源类分担率大小依次为:二次硝酸盐源(20. 3%)城市扬尘源(15. 7%)机动车排放源(14. 9%)燃煤源(13. 8%)二次硫酸盐源(12. 8%) SOC(6. 1%)建筑水泥尘源(5. 5%)海盐源(2. 9%),可以看到烟台市以二次源、扬尘、机动车排放源和燃煤源为主要污染源.春季硝酸盐源和城市扬尘源是重要贡献源类,夏季硫酸盐源贡献突出,燃煤源在秋冬季占比突出.烟台市气流输送和潜在源区也呈现出明显的季节变化:冬季主要受烟台市短距离输送的影响;夏季主要受烟台东部沿海和本地的影响;春秋季主要受山东东北部和东部沿海地区的区域传输和烟台市本地源的影响.     

不同季节天津市PM2.5与O3潜在源区及传输路径分析

为探究天津市各季节PM_2.5与O₃污染的非本地源贡献情况,本文以2017—2019年为研究时段,应用HYSPLIT模型,基于MeteoInfo软件对不同季节气流后向轨迹进行聚类分析,通过计算潜在源贡献因子(potential source contribution function, PSCF)、浓度权重轨迹(concentration-weighted trajectory, CWT)对天津市PM_2.5与O₃污染的外来潜在源区以及可能的污染传输途径进行研究. 结果表明:①天津市PM_2.5和O₃污染均较为严重,且具有明显季节性特征. 天津市各季节的气流变化明显,春、秋两季以西南方向气流为主,夏季以来自渤海的气流为主,冬季则以西北方向气流为主. ②天津市西南方向气流在各季节对应的污染物浓度均较高,春、秋两季西南方向气流携带的ρ(PM_2.5)和O₃浓度8 h滑动平均值〔简称“ρ(O₃-8 h)”〕均最高;夏季,西南方向气流携带的ρ(O₃-8 h)最高;冬季,西南方向轨迹携带的ρ(PM_2.5)最高. ③西南方向上河北省南部的邯郸市,山东省西部的菏泽市、聊城市,以及河南省北部的开封市、濮阳市、新乡市均为天津市PM_2.5与O₃污染的主要潜在源区. 此外,冬季张家口市和唐山市对天津市PM_2.5污染的潜在影响也较大. 冬季影响天津市PM_2.5污染的外来潜在源区情况较为复杂,除西南气流外,其还受西北部与东部气流的影响. 研究显示,天津市大气污染区域联防联控需重点关注河北省南部、河南省北部以及山东省西部城市的潜在输送影响.      

成都平原大气颗粒物中无机水溶性离子污染特征

为探讨成都平原大气颗粒物中水溶性离子的污染特征,识别水溶性离子的组成、分布和时空变化,有针对性地控制重污染和灰霾天气,于2013年8月~2014年7月,在成都平原的5个监测点位共采集1 476个颗粒物样品,应用离子色谱法对PM10和PM_(2.5)中8种无机水溶性离子(SO_4~(2-)、NO_3~-、NH_4~+、K~+、Na~+、Ca~(2+)、Mg~(2+)、Cl~-)进行测量.结果表明在观测期间,PM_(2.5~10)和PM_(2.5)中无机水溶性离子总量分别为11.35μg·m-3和36.93μg·m-3,分别占ρ(PM_(2.5)~10)和ρ(PM_(2.5))的37.8%和46.6%;其中二次离子(SO_4~(2-)、NO_3~-和NH~+4,SNA)约占各自水溶性离子总量的81.1%和89.9%.水溶性离子质量浓度冬季最高,春秋季相当,夏季最低.ρ(SO2-4)/ρ(PM_(2.5))夏秋季较高,而ρ(NO_3~-)/ρ(PM_(2.5))冬季最高,夏季最低.SNA、Cl~-、K~+大多分布在PM_(2.5)中,Ca~(2+)和Mg~(2+)主要分布在PM_(2.5~10)中.PM_(2.5)基本呈中性,水溶性离子主要以(NH_4)_2SO_4、NH_4NO_3、KNO_3、NaCl、KCl等形式存在.ρ(NO_3~-)/ρ(SO_4~(2-))揭示固定源依然是PM_(2.5)的主要来源.硫氧化速率(SOR)和氮氧化速率(NOR)年均值分别为0.31和0.13,SOR夏季最高,NOR冬季最高,二者变化趋势相反.成都平原PM_(2.5)呈区域性复合污染特征,SNA是造成ρ(PM_(2.5))增加的主导因素.     

基于无人机的大气细颗粒物与臭氧污染探测与溯源研究进展

近年来,中国大气细颗粒物(PM_2.5)污染的治理已取得阶段性成效,但臭氧(O₃)污染快速上升,实现PM_2.5和O₃协同控制的基础与关键是针对大气污染物的精细化探测和污染溯源.随着无人机技术和传感器技术的迅速发展,基于无人机平台的大气污染探测可以有效获得近地层的PM_2.5和O₃结构特征,并结合计算机算法对大气污染事件进行精准溯源,具有高时效性、高灵活性和高时空分辨率的特征,有助于研究人员了解区域污染物的分布、变化以及来源,为大气复合污染的协同控制提供科学依据.通过回顾传统的大气污染探测方法,总结了污染探测领域常用的无人机飞行平台类型和探测仪器,归纳了基于无人机的PM_2.5和O₃污染探测应用与相关溯源算法,并展望了无人机大气探测的未来研究方向.     

京津冀地区典型城市大气细颗粒物碳质组分污染特征及来源

为研究京津冀地区典型城市大气细颗粒物及其碳质组分的时空变化特征及来源,于2016年12月28日—2017年1月22日及2017年7月1—26日,对北京市与石家庄市PM_2.5（细颗粒物）及PM₁（亚微米颗粒物）进行采集,使用DRI（热光碳分析仪）检测PM_2.5与PM₁中ρ（OC）与ρ（EC）,并对其碳质组分来源进行分析.结果表明:①采样期间,冬、夏两季PM_2.5与PM₁中ρ（OC）均为石家庄市采样点远高于北京市采样点;冬季PM_2.5与PM₁中ρ（EC）均为石家庄市采样点高于北京市采样点,夏季则略有不同.②冬季污染日,北京市采样点ρ（PM_2.5）与ρ（PM₁）均为石家庄市采样点的1.08倍,PM_2.5与PM₁中的ρ（OC）分别为石家庄市采样点的1.14和1.12倍,石家庄市采样点PM_2.5与PM₁中ρ（EC）分别为北京市采样点的1.15和1.28倍;冬季重污染日,北京市采样点的ρ（PM_2.5）与ρ（PM₁）分别为石家庄市采样点的1.03和1.04倍,PM_2.5和PM₁中的ρ（OC）分别为石家庄市采样点的1.23和1.22倍,石家庄市采样点PM_2.5和PM₁中的ρ（EC）分别为北京市采样点的1.03和1.16倍.夏季污染日,石家庄市采样点ρ（PM_2.5）与ρ（PM₁）分别为北京市采样点的1.16和1.30倍,PM_2.5与PM₁中ρ（OC）分别为北京市采样点的1.64和2.71倍,两个采样点ρ（EC）相近.③冬、夏两季PM_2.5与PM₁中ρ（SOC）/ρ（OC）均较高,冬季北京市采样点分别为48.09%和54.29%,石家庄市采样点分别为44.98%和48.09%,夏季北京市采样点分别为48.47%和61.50%,石家庄市采样点分别为61.52%和63.55%,表明SOC更易富集于亚微米粒子中.④冬季北京市和石家庄市两个采样点PM_2.5与PM₁中碳质组分均主要来源于生物质燃烧、燃煤和机动车尾气;夏季北京市采样点PM_2.5与PM₁中碳质组分主要来源于机动车尾气,石家庄市采样点PM_2.5与PM₁中碳质组分主要来源于燃煤和机动车尾气.研究显示,北京市和石家庄市两个采样点大气细颗粒物及其碳质组分浓度存在时空分布和污染来源差异.      

北京市近地层颗粒物浓度与气溶胶光学厚度相关性分析研究

利用2009年北京市大气颗粒物质量浓度和气溶胶光学特性的同步观测研究发现,北京市城区颗粒物污染严重.PM2.5、PM10年平均浓度分别为(65±14)、(117±31)μg·m-3,均超出国家2016年拟执行环境空气质量二级标准,PM2.5、PM10日均值超标率分别为35%、26%.细粒子PM2.5污染与可吸入颗粒物PM10污染呈显著性相关,相关系数R约为0.90(P<0.001),二者相关性伴随PM2.5在PM10中所占比重自春季到冬季逐渐增大而增强,年均PM2.5占PM10比重为61%.气溶胶光学厚度AOD(500 nm)与气溶胶波长指数(α)年均值分别为(0.55±0.10)、(1.12±0.08).PM2.5、PM10与AOD间全年及各季节均呈显著线性相关,相关系数R≥0.50;但其相关系数与相关函数存在着显著的季节差异,夏秋季节相关性显著高于春冬季节,且全年相关会掩盖较大的季节性系统差异.对PM2.5、PM10数据进行湿度订正,对AOD进行混合层高度订正,PM2.5、PM10与AOD之间的相关性得到一定提升,且更适合指数相关.     

成都市一次典型空气重污染过程特征及成因分析

为了研究成都市冬季空气重污染过程的成因,以2015年12月26日—2016年1月6日成都市一次典型重污染天气过程为例,基于HYSPLIT后向轨迹模式结合全球资料同化系统(Global Data Assimilation System,GDAS)气象数据和成都市7个监测站的AQI、PM_(2.5)、PM10、NO2质量浓度数据,使用气象分析、轨迹聚类(Cluster Analysis)、潜在源贡献因子法(Potential Source Contribution Function,PSCF)和浓度权重轨迹法(Concentration Weighted Trajectory,CWT),分析了此次过程的气象特征、轨迹输送特征和污染物潜在来源分布.结果表明,此次污染天气过程是以PM_(2.5)为主要污染物,其次为PM10、NO2.2015年12月30日14:00左右是此次污染天气过程各站点PM_(2.5)、PM10浓度到达峰值的时刻.缺少北方冷空气南下,四川盆地内空气水平运动弱,以及扩散条件差的静稳天气形势是导致此次大气污染过程成都市污染物累积的原因,而冷空气活动是改善这种天气形势的关键.污染过程辐射逆温层的形成对当时污染物浓度增长有促进作用,但随着每日生消、加强减弱,其并不是最终导致重污染天气形成的关键因素.川东北的广元、绵阳、德阳等地区和成都本地及其南向的眉山、雅安等地区是此次过程主要的潜在源区,这些地区人口较密集,工业较发达,且沿地形走向而分布.     

北京市大气气溶胶PM2.5中极性有机化合物的测定

提出了用GC-MS分析大气细粒子中极性有机化合物的测定方法,给出了2类衍生化反应的最佳条件.标准物质工作曲线相关系数在0.995～1.000之间,仪器精密度为1%～10%,标准物质的标准偏差为3%～20%,实际样品的标准偏差为3%～17%,仪器定量限为0.1～4.0 ng·μL^-1.实测了北京市夏、秋、冬3季大气细粒子样品,定量极性有机化合物42种,其中一元羧酸30种、二元羧酸5种、无水单糖3种、甾醇类3种和苯甲酸,并对这些化合物的可能来源进行了探讨.     

郑州市冬季大气PM2.5传输路径和潜在源分析

针对郑州市2017年12月~2018年2月的冬季气象数据和大气污染物质量浓度在线监测数据,分析了气象条件对颗粒物浓度的影响.通过混合型单粒子拉格朗日综合轨迹(HYSPLIT)方法模拟了郑州市冬季48 h的气流后向轨迹,同时进行了聚类分析,并使用潜在源贡献因子(PSCF)方法和浓度权重轨迹(CWT)方法分析了郑州市冬季PM_(2.5)的潜在污染来源和不同潜在源区对郑州市大气PM_(2.5)浓度的贡献.结果表明,低风速、高湿度和较少的降水是造成颗粒物污染严重的重要气象因素;超过60%的后向轨迹来自西北方向,其次是来自京津地区的轨迹占比为25.6%,而来自南边和东边的轨迹只占7.5%和6.1%,但对应着较高的PM_(2.5)浓度;郑州市冬季PM_(2.5)的潜在源区主要是北部的京津冀传输通道城市,包括焦作、开封、新乡、鹤壁、濮阳、安阳、邯郸和邢台,此外,相邻省份包括山西省、湖北省和安徽省部分区域对郑州市大气PM_(2.5)污染水平也有着较大的影响和贡献.