基于LMDI分解方法的河北省PM2.5排放驱动因素分析

研究了河北省1990—2015年PM_(2.5)的排放总量及各个产业部门的排放量分布,并应用LMDI模型对五大部门PM_(2.5)排放变化的驱动因素进行了较全面的分解分析,以找出每个部门中PM_(2.5)排放变化的关键驱动因素.同时,通过对原始数据的整理分析和模型计算,结果发现:①工业、生活消费、农业部门是河北省PM_(2.5)排放的三大来源.其中,工业部门是PM_(2.5)排放的最主要贡献部门,占PM_(2.5)总排放量的70%;生活消费部门的贡献位居第二,占比约24%.②对于生产端,经济规模总量扩张是PM_(2.5)排放量增加的最主要原因;能源利用效率的提高和污染治理工艺水平的改进使得各部门的排放强度减弱,明显缓解了PM_(2.5)的排放增长,部门经济结构的优化也可带来明显的减排效应.③对于消费端,人均收入的提高促进了PM_(2.5)排放的增加,倡导绿色消费模式可以有效减缓PM_(2.5)排放.根据以上结论,本研究通过找到各部门存在的问题,为河北省大气污染治理提供参考和借鉴.     

中国国道和省道机动车尾气排放特征

近年来,随着我国机动车保有量的持续增长,机动车排放已成为我国重要的大气污染物来源之一.现有的机动车排放研究多关注城市内的机动车大气污染物排放,针对城市间的大气污染物排放研究较少.我国城市间交通道路主要包括国道和省道,截止至2015年我国国道里程18.53万km、省道里程32.97万km,约占全国等级公路总里程的13%,因此开展我国国道和省道机动车大气污染物排放研究十分重要.本研究基于全国国道和省道交通监测站的年均监测数据,采用环境保护部发布的《道路机动车大气污染物排放清单编制技术指南(试行)》中的指导方法,计算了2015年我国国道和省道机动车的大气污染物排放清单,分析了污染物排放的时空分布特征.结果表明,我国国道和省道公路机动车排放的一氧化碳(CO)、氮氧化物(NO_x)、颗粒物(PM)和碳氢化合物(HC)排放量分别占全国机动车污染物总排放量的4.5%、27.9%、14.4%和7.7%;不同车型对国道和省道机动车大气污染物排放的分担率不同,其中大货车是NO_x、PM_(10)、PM_(2.5)的主要来源,摩托车是CO和HC的主要来源;不同道路类型中各车型的大气污染物排放分担率也不同,如高速路上大货车是NO_x、PM_(10)和PM_(2.5)的主要来源,普通道路上大客车和大货车是NO_x、PM_(10)和PM_(2.5)的主要来源.     

APEC期间北京市PM_(2.5)特征模拟分析及污染控制措施评估

为分析APEC会议前后PM_(2.5)浓度特征,评估应急控制措施效果,通过对比分析APEC会前、会期、会后北京PM_(2.5)浓度和组分的变化特征,探讨气象条件和污染调控对环境空气质量的改善作用,采用CAMx-PSAT模型定量分析北京周边不同区域、不同污染源的控制措施对空气质量的改善效果,并设置情景对比研究控制措施实施与否呈现出的不同污染状况.结果表明:会期北京市区PM_(2.5)日均监测浓度低于国家空气质量二级标准(75μg/m3),污染物主要来自于本地源的排放,机动车尾气排放是北京市区PM_(2.5)的最主要污染源,贡献占比达到36.1%.由于污染控制措施的实施,会期北京市区PM_(2.5)浓度降低了43.0%,北京及周边区域严苛的污染控制措施是形成"APEC蓝"的主导因素.     

阳泉市秋冬季PM2.5化学组分及来源分析

采集了阳泉市城区2017年10月15日～2018年1月23日PM_(2.5)样品,分析了优良天和污染天PM_(2.5)及其化学组分特征,并利用富集因子分析法(EF)和正定矩阵因子分析法(PMF)对PM_(2.5)进行来源分析.结果表明,采样期间污染天二次无机离子(SO_4~(2-)、 NO~-_3和NH~+_4)在PM_(2.5)中的比例为23.83%,是优良天的2.43倍,污染天二次无机污染严重,污染天人为源相关的元素Cd、 Sb、 Sn、 Cu、 Pb、 Zn和As富集程度大于优良天;主要的污染源对PM_(2.5)的贡献分别是燃煤29.26%、扬尘23.83%、机动车19.34%、二次源16.01%和工业源11.57%,其中,污染天机动车排放对PM_(2.5)的贡献20.57%,高于优良天时17.82%,而燃煤源的贡献23.04%明显低于优良天时33.75%,静稳天气时机动车排放对PM_(2.5)贡献较优良天上升,燃煤源对PM_(2.5)贡献有下降.因此,阳泉市在秋冬季应加强对燃煤、扬尘源的控制,同时进一步加强对机动车的控制,以减少污染期间机动车的贡献.     

高原城市昆明公路隧道大气中PM2.5理化特征分析

为研究高原地区机动车尾气排放特征,选取昆明市草海隧道内大气PM_(2.5)为研究对象,并对样品中的水溶性离子、碳组分、多环芳烃、无机元素进行分析.结果表明,隧道内PM_(2.5)质量浓度为225.65~312.84μg·m~(-3),是同期环境大气中PM_(2.5)浓度的11~14倍,PM_(2.5)中碳组分所占比重最高,约占总质量浓度的35.73%,其次无机元素占21.78%,离子组分在4.79%~5.52%之间,含量最低的是多环芳烃,占0.25%~0.32%;离子组分中Ca~(2+)和SO_4~(2-)含量较高,占总离子浓度的77.78%~80.17%,显示为地壳来源,其次是NH_4~+、NO_3~-的浓度也相对较高,主要来自机动车尾气源;草海隧道PM_(2.5)中以分子量相对较大、不易挥发的4、6环PAHs为主,机动车尾气对PM_(2.5)中多环芳烃的贡献十分显著,毒性最强的Ba P浓度是国家规定浓度限值的23~29倍,高原草海隧道大气中存在PM_(2.5)暴露健康风险;隧道大气PM_(2.5)中元素由PCA分析显示机动车尾气和道路扬尘来源占比约61.64%,其次机械磨损排放源占比约为17.49%,最后为轮胎磨损排放源,占比为9.11%;云贵高原大气低压低氧条件下,机动车发动机燃料不完全燃烧几率较高,导致机动车尾气PM_(2.5)中的OC以及PAHs排放量增加.     

典型道路路边空气颗粒物及无机元素特征分析

于2015年春、夏季,在天津市选取4条不同等级道路进行路边空气颗粒物(PM_(2.5)和PM_(10))采集,并分析其中16种无机元素.结果表明,春季PM_(2.5)和PM_(10)的平均浓度显著高于夏季.路边环境中PM_(2.5)/PM_(10)低于非路边环境中空气颗粒物比值,且次干道和快速路分别在PM_(2.5)和PM_(10)中污染最严重.元素浓度分析显示,PM_(2.5)和PM_(10)中Si、Al、Ca等地壳元素浓度最高,次干道和快速路受人为元素影响较大,外环路所受影响较小;富集因子(PM_(2.5)和PM_(10))分析结果显示,Pb、Zn、Cu、Sb、Sn和Cd的EF10,是路边环境中富集程度较高的元素.通过Kruskal-Wallis H检验,PM_(2.5)中各元素富集因子在4条道路上存在显著性差异,次干道受机动车污染较严重.PM_(2.5)和PM_(10)中因子分析结果有一定差异,PM_(2.5)分析结果显示采样期间该区域主要污染源有开放源(土壤尘、扬尘、道路尘及建筑尘)、机动车排放源(尾气和非尾气源)、燃烧源和工业源,其中机动车排放源在人为源污染中占比最高.     

基于AERMOD线源模式的城市路网一次PM2.5排放扩散特征研究

机动车排放的一次细颗粒物(PM_(2.5))易在城市交通密集区域和高峰时段扩散积累,形成高浓度的排放热点区域,对人体健康影响显著.本研究基于本地化机动车路网排放清单,应用AERMOD扩散模型对北京市六环内区域进行线源扩散模拟,探讨城市路网一次PM_(2.5)扩散浓度的时空变化规律与排放特征、气象条件和临时控制措施的关系.研究表明,在典型工作日的排放水平下,冬季工作日的机动车源一次PM_(2.5)模拟浓度日均值为2.94μg·m-3,夏季工作日为1.95μg·m-3.两季24 h浓度变化均呈夜间浓度高于日间的特点,但两季峰值在气象条件和排放强度的双重作用下又有所区别.冬季早晚高峰峰值浓度分别为日均浓度的2.3和1.7倍,而夏季早晚高峰由于扩散条件相对较好并未明显形成一次PM_(2.5)峰值.研究还以APEC峰会为例,评估峰会期间临时交通管控措施的影响.结果发现,在相似的季节气象条件下,APEC峰会期间机动车源一次PM_(2.5)模拟浓度日均值较峰会前削减50.1%,凌晨5:00达到小时最大削减率66.6%.冬夏季工作日机动车源一次PM_(2.5)扩散浓度的空间分布呈偏态分布,65%的浓度集中在30%的网格面积上.以冬季工作日为例,高浓度热点区域主要集中在各环路快速路、易拥堵主干道及省道、国道和高速路上,以上道路应成为排放控制的重点对象.     

长三角城市群机动车污染物排放清单建立及特征研究

为研究长三角城市群机动车污染物排放特征,本研究应用COPERTⅣ模型估算1999—2017年长三角城市群机动车污染物CO、NMVOC、NO_x、PM_(2.5)、PM_(10)、CO_2、CH_4、N_2O、NH_3和SO_2排放因子,建立排放清单,并对其排放特征展开分析,结果表明:1999—2017年不同污染物时间变化趋势存在差异,污染物CO、NMVOC、NO_x、PM_(2.5)、PM_(10)和CH_4排放量呈现先增长后下降的趋势,但开始下降的年份不同,CO_2和NH_3排放量增长趋势显著,2017年相对于1999年分别增加621%和3925%,N_2O和SO_2排放量总体呈上升趋势并在特定年份下降明显;污染物排放空间分布与路网分布基本一致,沿海地区的排放强度要明显大于内陆地区,特别是长江下游、杭州湾和太湖附近的城市最为明显;轻型客车为污染物CO、NMVOC、CO_2、CH_4、N_2O和NH_3的主要贡献车型,重型货车和重型客车为污染物NO_x、PM_(2.5)、PM_(10)和SO_2主要贡献车型;长三角城市群各城市机动车污染物排放量的差别主要与各城市机动车保有量有关,上海市各污染物贡献率下降幅度明显,机动车污染物主要贡献城市除了省会城市和直辖市之外,其余城市的污染物排放也不容忽视.     

兰溪市PM2.5中有机物的组成特征、季节变化及来源研究

为更好地理解我国中小城市地区大气细颗粒物的污染特征,利用大流量采样器采集了浙江中部典型内陆城市-兰溪市近郊和市区两个站点2016年四个季节的PM_(2.5)样品,测定了碳质气溶胶的含量,利用气相色谱/质谱联用仪(GC/MS)分析了正构烷烃、藿烷、多环芳烃和长链脂肪酸等弱极性有机物的组成.结果表明,兰溪PM_(2.5)中有机碳的年均浓度为9.7μg·m~(-3),有机物中正构烷烃、藿烷、多环芳烃和脂肪酸的年均浓度分别为40.8、2.0、21.0和168 ng·m~(-3).同系物分布特征表明,化石燃料燃烧是兰溪PM_(2.5)中正构烷烃的主要来源,但植物蜡也有重要贡献;藿烷的组成及其季节变化显示兰溪PM_(2.5)中的藿烷主要来源于机动车排放,但冬季存在明显的燃煤贡献;基于BeP/(BeP+BaP)、IcdP/(IcdP+Bg P)等特征比值分析,兰溪PM_(2.5)中的多环芳烃主要来源于机动车尾气和煤炭/生物质燃烧的混合贡献,冬季燃煤贡献较高;兰溪夏季多环芳烃的老化程度较低,表明兰溪夏季PM_(2.5)以本地排放新鲜颗粒为主,外来输送的影响较小;脂肪酸的浓度和组成说明餐饮排放对市区PM_(2.5)的影响较大.研究结果为大气PM_(2.5)的来源解析提供了重要的基础信息.     

缸内直喷汽油机排放PM_(2.5)的理化特征及影响因素

通过发动机台架实验研究了发动机的转速、负荷对缸内直喷(GDI)汽油机排放PM_(2.5)的排放水平、化学组成及颗粒物数浓度等的影响.结果表明:GDI汽油机排放PM_(2.5),OC,EC的排放因子分别为(49.8±28.2),(21.6±6.9),(11.4±10.8)mg/kg.低转速时,PM_(2.5)排放量随着负荷的增加先减少后增加,中、高转速时随着负荷的增加逐渐增加.碳质气溶胶是GDI汽油机排放的PM_(2.5)的主要组成成分,有机物(OM)和元素碳(EC)分别占PM_(2.5)的45.6%~70.6%和7.9%~42.7%.PM_(2.5)数浓度呈核态(10nmDp30nm)和积聚态(30nmDp200nm)的双峰分布,数浓度排放量比进气道喷射(PFI)汽油机高2个数量级,不同转速下积聚态颗粒数浓度随着负荷的增加而增加.     

陕西省PM2.5时空分布规律及其影响因素

PM_2.5是导致中国多省市发生灰霾的罪魁祸首,明确其时空分布规律,厘清其影响因素对灰霾的综合治理意义深远.基于陕西省2015年50个监测站点的PM_2.5浓度数据,采用空间数据统计方法、克里金插值法以及Morlet小波分析法对陕西省PM_2.5浓度的时空分布规律进行研究,并运用灰色关联模型来探讨PM_2.5浓度的影响因素.结果显示:①陕西省PM_2.5浓度整体呈"冬高夏低、春秋居中"的季节性变化规律,"U型"起伏的月变化规律,周期性脉冲波动型的日变化规律以及"W型"起伏的时变化规律;②陕西省PM_2.5浓度呈"北部低,中南部高"的空间分布特征,并且空间集聚性显著.不同季节的高值区均集聚于海拔相对较低的关中盆地内部城市.这与盆地内部空气不易扩散,静稳天气出现频率较高,易出现逆温现象密切相关;③影响陕西省PM_2.5浓度最大的指标层是PM_2.5污染来源（权重值为0.49）,其次是城市化与土地利用（权重值为0.37）,气象与地形因子影响最小（权重值为0.15）.不同城市各指标层的综合关联度差异较大.④各指标因子与PM_2.5浓度均为强度关联.降水量、机动车保有量、二氧化硫排放量、烟粉（尘）排放量、建成区面积、人口密度和人均GDP是影响陕西省PM_2.5浓度的主要因子,影响各城市PM_2.5浓度的主要因子具有一定的空间差异性.研究显示,人类活动对陕西省PM_2.5的影响显著,尤其是城市化的快速推进,相关指标（如人口、机动车、能耗、工业总产值等）持续增长,将进一步加大PM_2.5来源的多样性以及相关污染物的排放量.      

工程机械不同工况下PM_(2.5)排放及其碳质组分特征

我国工程机械排放控制起步较晚.为研究实际工况下工程机械的PM2.5排放特性及其碳质组分构成,采用便携式颗粒物稀释采样系统,对3台工程机械(2台挖掘机和1台装载机)在不同典型工况(行驶、作业和怠速)下的PM2.5及其碳质组分〔OC(有机碳)和EC(元素碳)〕的现场排放特征进行了测试.结果表明:沃尔沃挖掘机、山河智能挖掘机的PM2.5排放因子(基于燃油)分别为1.85~3.26和1.56~2.62 g/kg,厦工装载机的PM2.5排放因子为0.98~1.48 g/kg.不同工况对PM2.5排放因子影响较大,怠速工况下PM2.5排放因子是行驶工况下的1.49~1.76倍.工程机械排放的PM2.5中,碳质组分是最主要的成分,其质量分数高达71.0%~84.5%.其中,w(OC)为44.6%~72.0%,在怠速工况下最高;w(EC)则为8.6%~30.9%,在行驶工况下较高.测试工程机械的PM2.5排放水平较高,因此应尽快加强工程机械排放的污染防治.     

我国钢铁工业一次颗粒物排放量估算

针对我国钢铁工业生产工艺以及颗粒物控制技术的分类,建立了一个细化到排放节点的自下而上的颗粒物排放模型.结合我国钢铁工业各地区活动水平以及颗粒物控制技术分布的历史变化趋势分析,利用此模型计算了2006—2012年我国钢铁工业一次颗粒物的排放系数和排放量.模型计算结果显示,2006年以来,我国钢铁工业颗粒物控制水平不断提高,PM_(2.5)、PM_(2.5)~10和PM10的排放系数分别降低了21.2%、19.3%和19.0%.钢铁工业一次颗粒物排放量在2006—2011年间持续增长,2011年TSP排放量为602×104t,PM10排放量为200×104t,PM_(2.5)排放量为124×104t;2012年排放量出现下降,TSP排放量为561×104t,PM10排放量为187×104t,PM_(2.5)排放量为116×104t.2012年我国钢铁工业一次PM_(2.5)排放量中的有组织排放占39.5%,无组织排放占60.5%;除加严有组织源管控之外,减少颗粒物无组织排放,对于钢铁工业颗粒物排放控制也非常重要.我国钢铁工业颗粒物排放量分布不均衡,河北、山东、江苏、辽宁、山西5个省的排放超过全国总排放的50%.     

基于地理探测器的广州市大气PM2.5浓度驱动因素分析

PM_2.5变化的驱动因素是大气PM_2.5研究的重要内容.为了揭示PM_2.5污染的特点及其驱动影响因子,以广州市为例,采用地理探测器方法探测自然因素（包括平均降水量、平均温度、平均气压、平均相对湿度、平均风速、植被指数）与社会经济因素（包括人口密度、国内生产总值、工业总产值、人均公园绿地面积、公交车辆数、电力消费量）对2015年广州市ρ（PM_2.5）变化的影响机制与差异.结果表明:①基于因子探测分析发现,对ρ（PM_2.5）变化影响最大的前三位驱动因素分别为植被指数、公交车辆数与电力消费量,对应的因子影响程度指标值分别为0.51、0.46、0.40.②基于生态探测分析发现,植被指数与其他自然因素（如平均温度、平均降水量、平均气压等）对ρ（PM_2.5）空间分布的影响均存在显著差异,与所有社会经济因素对ρ（PM_2.5）空间分布的影响均不存在显著差异;除植被指数外,公交车辆数与其他自然因素及社会经济因素对ρ（PM_2.5）空间分布的影响均存在显著差异.③基于交互探测分析发现,所有影响因素（包括自然因素与社会经济因素）对ρ（PM_2.5）变化的交互作用均大于单一影响因素的独自作用,其中平均降水量与平均气压交互作用后对ρ（PM_2.5）变化的影响最大.研究显示,自然因素（尤其是植被指数、平均降水量）及自然因素与人为活动（如交通出行、电力消费等）交互效应对广州市ρ（PM_2.5）的变化起决定性作用.      

2013年1月宁波市PM_(2.5)污染的形成过程与传输规律

为了深入认识宁波市冬季细颗粒物(PM2.5)的污染特征和主要影响因素的作用规律,利用Models-3/CMAQ模式系统对2013年1月宁波市的PM2.5污染形成过程进行了模拟分析.结果表明,宁波市PM2.5的重点污染区主要分布在市区、北部地区及东部沿海,除了受到局地污染源排放的影响外,对比非污染的情况,大气输入和气溶胶生成作用的增强是引起PM2.5污染的主导因素,其中水平传输过程对PM2.5浓度升高的贡献最为突出.气溶胶过程的贡献在近地面(0~80 m)最显著,随着高度升高而逐渐减弱.硝酸盐在局地二次生产的细颗粒物中占主要份额(~70%).对于硫酸盐,局地二次生成所占的比例很低,主要来自宁波局地排放和宁波以外地区的大气传输(贡献比例分别为44%和40%).宁波市的PM2.5污染主要受到来自北向沿岸气团(占比54%)、西北向大陆气团(占比21%)和西向局地气团(占比25%)的传输影响.在西北方向短距离区域传输的作用下PM2.5浓度最高;在我国中东部大范围灰霾天气的影响下,西北向和北向的长距离传输作用也会导致宁波地区的PM2.5污染.     

基于虚拟撞击原理的固定源PM10/PM2.5采样器的研制

目前我国尚无固定源PM2.5采样标准方法,现有商业化的固定源PM2.5采样器在使用中存在明显不足,因此本研究开发了一种固定源PM10/PM2.5双级虚拟撞击采样器.经实验室标定,该采样器切割效率曲线优于国际标准ISO 7708:1995对采样器的规定,采样器横截面直径为74 mm,满足我国固定源采样口尺寸要求.采样器既可以安装滤膜,也可以安装滤筒,适用于不同浓度的烟尘采样.虚拟撞击器的切割点与次流所占比值呈负相关,比值减小时,切割点增大.为降低颗粒物损失,虚拟撞击器喷嘴距收口的距离至少应为喷嘴直径的1.5~2倍.     

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.     

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.