2013-2017年成都冬季空气质量状况改善评估

利用2013—2017年冬季成都市国家环境监测子站PM_(2.5)小时数据,结合MICAPS常规气象观测数据及ERA-interim再分析资料,对成都市2013—2017年冬季空气质量状况、气象条件及近10年大气扩散能力进行综合评估.结果发现,2013—2017年成都冬季12月末—1月初易发生持续性重污染事件,2015—2017年冬季持续性重污染事件总天数较2013—2014年有所减少,2013年冬季PM_(2.5)浓度值最高,达到(149.3±72.2)μg·m~(-3),2015年最低((80.7±44.1)μg·m~(-3)),5年内冬季PM_(2.5)浓度值呈波动下降趋势,下降率为9.65%,成都市冬季空气质量状况总体有所改善.2013—2017年成都冬季日降水量清除率表明,大于1 mm的降水对PM_(2.5)有明显清除作用,而弱风和低边界层(加权平均)对PM_(2.5)的累积效应显著,2013和2016年空气质量较差由于累积气象主控导致,2015年空气质量较优是由于清除气象主控.综合PM_(2.5)浓度、边界层高度、地面风速和降水等因子,使用2498个有效样本构建成都地区冬季空气停滞气象条件阈值经验公式,为地面风速小于2.2 m·s~(-1)、边界层高度小于520 m且无有效降水(日降水量1 mm).以2015年冬季大气扩散条件为基准,量化同等扩散条件下减排对PM_(2.5)的影响,结果显示减排有效,但近10年成都地区大气扩散能力有所下降,说明今后大气污染防控将面临更大的挑战.     

基于KZ滤波法的河北省PM2.5和O3浓度不同时间尺度分析研究

大气细粒子和臭氧是影响我国城市空气质量的主要污染物质,其浓度的大小不仅与污染源的排放量有关,气象条件也是影响其浓度分布特征的重要因素.要评估污染物减排措施的效果,有必要将气象条件的影响剥离出来,仅评估排放量的降低对污染物浓度长期变化趋势的影响.本文使用KZ(Kolmogorov-Zurbenko)滤波方法对河北省石家庄、保定、张家口三市2013—2017年PM_(2.5)和O_3逐日浓度时间序列进行分解,并使用同期地面气象观测数据对各时间序列进行逐步回归分析,将经过KZ滤波后的长期序列与经逐步回归后的结果的差值再次进行滤波处理,得到去除气象影响的污染物浓度长期变化趋势,该浓度仅与污染物的排放量有关.结果表明,因污染源排放的影响,河北省三市大气PM_(2.5)浓度在研究年内除在2017年初略有上升以外,其余季节均呈下降趋势.河北省三市大气O_3浓度在研究年内均有波动上升趋势.气象条件对PM_(2.5)浓度长期变化趋势的影响大于O_3.     

2014年APEC期间北京市空气质量改善分析

利用2014年11月1~12日(APEC会议期间)北京市大气污染物、PM_(2.5)组分及气象、遥感监测数据,结合CMB受体模型,综合分析了APEC会议期间北京市空气质量与气象条件变化并初步评估了减排措施对APEC会议期间PM_(2.5)浓度的贡献及影响.结果表明,APEC会议期间北京市PM_(2.5)、PM_(10)、SO_2、NO_2的浓度分别为43、62、8和46μg·m~(-3),比近5年平均浓度(PM_(2.5)为2012~2013年平均浓度)降低45%、43%、64%和31%;空间分布上PM_(2.5)在城区及北部山区改善效果最明显,下降幅度在30%~45%之间,南部地区降幅在25%以下;不同类别的站点降幅在27.4%~35.5%之间;APEC会议期间PM_(2.5)的主要组分SO_4~(2-)与同期(2013年11月1~12日)相比下降50%,地壳物质同比下降76%,NO_3~-同比下降35%;CMB模型源解析结果显示APEC会议期间燃煤锅炉贡献2%左右,扬尘贡献7%左右,机动车贡献30%左右;APEC会议期间北京市及周边地区针对可能发生的污染过程采取的减排保障措施对PM_(2.5)浓度具有明显的削峰降速作用.     

北京市混凝土搅拌站扬尘排放因子及排放清单

为准确估算混凝土搅拌站扬尘排放清单,本研究综合美国环保局和南加州的搅拌站扬尘排放因子,并在北京市典型搅拌站开展道路积尘负荷测试,建立了北京市搅拌站各生产环节及综合扬尘排放因子.结合北京市搅拌站扬尘治理过程,估算北京市1991~2014年搅拌站扬尘排放清单,并预测2015~2020年排放清单.结果表明:北京市2015年搅拌站道路积尘负荷平均值为(26.2±11.5)g/m~2,是南加州推荐值(11.0g/m2)的2.4倍;(2)1995年以前北京市搅拌站PM_(2.5)综合排放因子为86g/m~3混凝土,第1季度混凝土产量月不均匀系数是其他季度的1/3,2015年PM_(2.5)综合排放因子相比1995年以前下降89.4%,场区道路扬尘排放占比由10%增加至70%;(3)《北京市2013~2017年清洁空气行动计划》实施后,2015年搅拌站扬尘PM_(2.5)排放量下降至543.1t/a,相比2013年减排48.3%,其中清退无资质搅拌站对PM_(2.5)减排的贡献为18.6%;(4)搅拌站扬尘排放主要集中在五环至六环(52%),六环外排放量占总量的28%.未来北京市搅拌站扬尘减排工作应该着力于继续清退无资质搅拌和加强场区道路清扫保洁.     

红色预警期间北京市PM2.5浓度特征及应急措施效果评估

综合利用监测数据并结合数值模型,分析了2015年北京市第2次空气重污染红色预警期间PM_(2.5)浓度变化特征并初步评估了减排措施对PM_(2.5)浓度的影响.结果表明:污染初期北京市南部地区PM_(2.5)浓度明显偏高,且PM_(2.5)极端高值往往出现在北京南部站点.污染输送阶段,北京市PM_(2.5)小时浓度在短时内呈爆发式增长,浓度积累速率可达5~10μg·m~(-3)·h~(-1).污染缓解阶段,偏北风作用,空气质量转好.预警期间北京市空气质量南北差异较大.应急措施实施后,北京市PM_(2.5)环境浓度下降约20%~25%.PM_(2.5)累积速率呈现出交通站城区站背景站的特征,与重污染日平均值相比交通站下降幅度最大,表明减排措施在交通站更加显著.气象条件对重污染的形成和结束起着决定性作用,为了更好的做好空气质量预警预报工作,应加强对小尺度天气系统的研究,同时关注不同方位PM_(2.5)浓度峰值及重污染持续时间的变化,形成北京市分区预报预警的经验.     

基于数据挖掘算法和数值模拟技术的大气污染减排效果评估

近年来,京津冀地区采取了大量污染减排措施进行大气污染治理,如何客观评估减排效果是目前大气环境领域的研究难点.为准确评估大气污染过程的减排效果,本文利用北京地区常规气象资料、国控站PM_(2.5)浓度资料,遴选了北京地区2018年3月11—14日和2013年3月14—17日两次空气污染过程,计算了大气容量系数、静稳指数,并利用KNN数据挖掘算法和WRF-Chem模式,对比分析了有无减排条件下的PM_(2.5)日均浓度.结果表明:两次空气污染过程的天气形势和局地气象条件较相似,就大气热力和动力的垂直结构来看,2018年空气污染过程比2013年空气污染过程的大气稳定性更强、边界层高度更低、环境容量更小,但PM_(2.5)峰值浓度却显著下降,平均浓度明显降低,PM_(2.5)小时浓度的增长趋势相对平缓,重污染持续时间缩短.KNN数据挖掘算法减排评估结果显示,该方法能够较好地预测PM_(2.5)日均浓度的变化趋势,2018年3月11—14日,在减排和不减排情景下PM_(2.5)日均值分别为171和229μg·m~(-3),减排使得污染过程PM_(2.5)平均浓度下降了25.3%.数值模拟结果与KNN数据分析结论吻合,进一步验证了减排措施的有效性.综合看来,2018年空气污染过程中PM_(2.5)浓度相比历史相似气象条件下的污染过程显著降低,这是长期大力度减排效果的体现.     

地铁车站空气污染物影响因素探讨

地铁交通系统内空气质量因对乘客健康具有明显影响而逐渐受到了重视,为了准确判断影响地铁交通系统空气污染物的各类因素,以上海市地铁10号线同济大学站为例,利用便携式测量仪器,分析了室外大气空气质量,客流量以及通风条件对地铁站内空气中PM_(2.5),CO_2浓度的影响。结果表明:地铁站空气中PM_(2.5)的浓度受室外大气空气质量的影响较大,室外大气与地铁站空气中PM_(2.5)的浓度具有较强的相关性,二者变化趋势一致;乘客呼吸是导致地铁站空气中CO_2浓度变化的主要原因,CO_2浓度随乘客数量的增加呈上升趋势;地铁站的通风条件显著影响空气的流动情况,通风条件越好,越有利于空气污染物的扩散,从而可有效降低空气中PM_(2.5)和CO_2的浓度水平。     

宝鸡市春季PM_(2.5)、PM_(10)、SO_2、NO_2污染现状分析

收集PM_(2.5)实时监控网提供的2015年春季宝鸡市大气污染物浓度的实时数据,分析宝鸡市各监测点大气污染物PM_(2.5)、PM_(10)、SO_2、NO_2的日均值和月均值浓度变化特征以及各污染物的负荷系数。结果表明:各监测点大气污染物月平均浓度3—5月呈下降趋势,但整体的空气质量状况有待进一步提高;宝鸡市大气颗粒物呈区域性污染,各监测点之间的差距较小,而污染气体SO_2和NO_2具有点状污染特征;4种主要的大气污染物中,PM_(2.5)和PM_(10)的贡献率超过一半以上,但SO_2和NO_2同样不可忽视。     

京津冀及周边减排对北京市PM2.5浓度下降评估研究

利用第三代区域空气质量模式CMAQ (Community Multiscale Air Quality)及京津冀地区高分辨的污染源排放清单,基于2011年、2012年和2013年秋冬季美国国家环境预报中心全球再分析资料的气象条件分析,选取2012年10月1日至12月30日作为代表性时段,模拟了PM2.5的浓度变化趋势,同时根据《京津冀及周边地区落实大气污染防治行动计划实施细则》和2012年到2017年污染源减排控制目标,进行了减排效果评估分析.结果显示,模式系统能较好捕捉PM2.5浓度的变化趋势,海淀站和上甸子站观测与模拟值的相关系数分别为0.71和0.63.主要污染源和污染物排放量削减30%~40%后,北京市PM2.5浓度发生了明显降低,海淀站、上甸子站和城六区的平均浓度下降率分别为(24.9±2.3)%,(20.2±2.7)%和(24.8±2.1)%.如果严格执行《京津冀及周边地区落实大气污染防治行动计划实施细则》,在气象条件和2012年相似情况下,到2017年,北京市城区PM2.5年均浓度控制在60μg/m3内的防治目标可以实现.     

清洁大气背景下贵阳空气质量变化及气象作用

利用贵阳市2013~2016年空气质量监测及气象观测资料进行分析,研究云贵高原城市空气变化及气象影响作用.结果表明:近4a贵阳区域SO_2、NO_2、O_(3_8h)、PM_(10)、PM_(2.5)和CO年平均浓度分别为(20.78±19.71),(28.32±9.59),(107.59±27.54),(67.56±34.32),(42.53±24.52)μg/m3和(0.74±0.22)mg/m~3,除SO_2浓度接近或超出我国中东部城市之外,其它污染物均表现为相对清洁水平;地面O_3浓度逐年明显上升,但其它大气污染物水平均呈逐年下降趋势,且呈现与我国中东部一致的空气质量年际、月际和日变化特征.各功能区污染物区域差异明显,颗粒物和SO_2、NO_2、CO浓度水平表现为工业区居民区郊区,O_3浓度呈现为郊区居民区工业区的特征,表明人为活动对空气质量的影响.近4a O_3与PM_(2.5)夏季白天呈显著正相关,冬季显著负相关,反映了云贵高原城市空气质量的复合污染特性.大气污染物浓度与温度、边界层高度、太阳直接辐射和气压的相关性显著,而与相对湿度和风速相关性较弱,这不同于中东部地区风速主导大气污染物水平变化的特征.云贵高原夏季作为主要雨季,小雨和中雨量级降水对PM_(2.5)吸湿增长较弱,中雨以上降水对PM_(2.5)具有清除作用;而在PM_(2.5)浓度较高和干冷的冬季,小雨的PM_(2.5)吸湿增长明显,中雨以上降水对PM_(2.5)清除显著.     

上海市实施清洁空气行动计划的健康收益分析

为掌握上海市实施清洁空气行动计划(2013~2017年)的人群健康收益,综合采用空气质量数值模拟、健康风险评估、环境价值评估方法定量评价行动计划实施后居民大气PM_(2.5)暴露水平变化及健康和经济效益.结果表明,PM_(2.5)年均暴露浓度在35μg·m~(-3)及以下的人口比例由基准年的1.62%上升至控制年的34.06%,归因PM_(2.5)暴露死亡风险由基准年的15.2%下降至控制年的11.9%.实现的健康收益总和为118.41亿元(95%CI:50.24~178.19亿元),占2013年上海市国民生产总值0.55%(95%CI:0.23%~0.82%).行动计划的实施对保护人群健康具有积极作用,外环线以内人口密集且PM_(2.5)降幅较高的区域健康收益更加显著.     

系统动力学预测区域减排措施对GDP和PM_(2.5)的影响

中国的灰霾十分严重,如何有效地控制某一地区的PM_(2.5)浓度,同时保证GDP的中高速增长,需要建立GDP-PM_(2.5)的量化关系模型,做好宏观预测。充分利用城市大气污染物、气象、经济的多年统计数据,以及该地PM_(2.5)源解析、源清单和大气边界层信息,从中确定2种重要的辅助变量,一是单位GDP某种大气污染物排放量,二是各污染物形成PM_(2.5)的转化率,它们把GDP、PM_(2.5)和污染物排放量联系起来。再运用系统动力学(SD)建立GDP和PM_(2.5)动态关系模型。文章以东莞为例,预测了"确保经济、确保环境、源头治理、全面治理"这4种模式下污染物减排措施对GDP和PM_(2.5)的影响,并提出定量的减排建议。预测结果显示,"全面治理"的发展模式较为合理,既能保证经济的可持续发展,又能实现东莞PM_(2.5)减排目标。     

绍兴市大气环境容量与污染控制研究

利用2014—2016年绍兴市16个监测点位监测数据和代表年份2015年环统数据,分析了绍兴市大气环境现状、大气污染物变化特征和空间分布特征,重点对中心城区主要空气污染物浓度年、季和月变化特征进行分析,结果表明:绍兴市中心城区环境空气中SO_2、NO_2、CO、PM_(10)和PM_(2.5)质量浓度呈现"秋冬较高,春季次之,夏季较低"的季节变化特征,O_3质量浓度则正好相反。利用CAMX模型,对绍兴市主要大气污染物浓度进行模拟和结果校验,结果表明:绍兴市通过减排SO_2、NO_X和VOCS,全市SO_2、NO_2、PM_(2.5)、PM_(10)、O_3等污染物浓度将得到一定改善,PM_(2.5)则需协同削减至少18%的烟粉尘才能满足达标要求。推荐以烟粉尘为主其他污染物为辅的PM_(2.5)协同削减方案。建议从环境准入、强化减排、行业整治、协同削减、联防联控监管等方面进行污染控制。     

荆门市中心城区环境空气质量分析研判

以2015年以来荆门市中心城区空气监测数据为基础,从综合指数、分指数及环境空气6参数入手,分析空气质量总体状况及变化趋势。从分指数大小看,PM_(2.5)、PM_(10)分别排名第1和第2,说明荆门市空气主要污染物为PM_(2.5)和PM_(10);从综合指数及分指数变化趋势看,2016年和2015年综合指数差值为-0.62,反映荆门市中心城区空气质量总体改善,PM_(10)和PM_(2.5)分指数差值分别为-0.22、-0.37,其浓度下降是空气质量总体改善主要因素;2017年1-4月与2016年同期相比,气态污染物中的NO2和O3分指数差值分别为0.09、0.20,说明NO2和O3浓度有明显上升趋势。通过分析可知,荆门市中心城区近年来PM_(2.5)和PM_(10)浓度明显降低反映出颗粒物特别是扬尘防控取得明显成效,同时NO2和O3浓度明显上升则反映出城市机动车尾气及VOC治理已经到了需要引起足够重视的程度。     

非珠三角机动车尾气控制措施协同效果评估

广东非珠三角机动车保有量的大量增长带来了交通尾气污染物和CO_2的高强度、集中性排放,严重影响空气质量以及碳排放治理工作。因此,迫切需要设计更加高效可行的碳减排政策来控制交通尾气污染物以及CO_2的排放。该文基于平均行驶里程法预测了非珠三角地区2015-2020年5种污染物(CO、VOCs、NO_x、PM_(2.5)和CO_2)在不采取专门控制措施情景下的排放量,并根据现有经济、技术和政策规划设计了5种减排情景,计算不同减排情景下的减排量,定量分析了不同减排情景对多污染物的协同控制效应及其成本效益。研究表明:(1)在不采取专门的控制措施下,2015-2020年污染物排放量持续增长,2020年CO_2排放量将达到5 488.6×10~4t,相比2014年增长了141%;(2)在各类减排情景下,污染物排放量呈现不同程度的削减(VOC_S除外),其中,2020年提高燃油品质对NO_x(削减率37%)和CO(削减率41%)的削减率最高;(3)提高排放标准对CO_2和PM_(2.5)的协同控制效应最好,公交优先对CO_2和NO_x的协同控制效应最好;(4)综合考虑对各污染物的减排效果,提高排放标准成本效益最优,对空气污染物和CO_2的平均减排率为29%,平均单位成本为0.13元/g。研究显示,由于低费效比及其对多污染物的协同控制效应好,提高排放标准在研究中是最优的污染物减排措施。     

基于达标约束的南京市环境空气质量情景模拟

以2030年南京市6项污染物达标为约束,在2015年大气污染物排放清单基础上,利用CMAQ模型分析了PM_(2.5)对南京本地不同前体物排放的敏感性,通过情景分析预测排放清单,模拟了4种减排情景的空气质量变化,最终获得达标约束下大气污染物总量控制指标.模拟结果显示,减少一次颗粒物PPM (primary particulate matter)排放对降低大气中的PM_(2.5)浓度最为有效;在周边地区减排的基础上,本地减少PPM排放对PM_(2.5)年均浓度下降的相对贡献可达88%,其次为NH_3、NOx、SO_2与VOCs减排,其相对贡献分别为10. 3%、5. 5%、3. 2%与0. 5%;相比2015年,4种情景下南京市主要大气污染物减排比例在22%～53%,未来控制活动水平对减排SO_2、NH_3与CO较有效,而NOx和VOCs末端治理方面还有较大空间;将SO_2、NOx、PM10、PM_(2.5)、BC、OC、CO、VOCs及NH_3的排放量分别控制在2. 43×104、8. 47×10~4、9. 42×10~4、3. 74×10~4、0. 19×10~4、0. 30×10~4、26. 56×10~4、13. 08×10~4及1. 50×10~4t以内时,预计南京市6项污染指标可以达到国家环境空气质量二级标准.     

福州市区大气污染物质量浓度时空分布特征分析

利用2014年2月1日—2015年1月31日福州市区6个国控空气质量监测站点CO、SO_2、NO_2、O_3、PM_(2.5)、PM_(10)逐时监测数据,综合分析了福州市区大气污染物污染水平及其时空分布特征。结果表明:福州市区首要污染物为PM_(10),且SO_2、CO污染程度极低,6个站点质量浓度超标率均未超过10%,其中鼓山站的空气质量最优,达到国家一级标准的概率超过了50%。在污染物质量浓度日变化曲线中发现,只有O_3呈单峰形态,峰值出现在14:00左右,通过对污染物的"周末效应"分析,发现CO、PM_(2.5)工作日质量浓度显著高于周末。     

京津冀及周边地区秋冬季大气污染物排放变化因素解析

基于大气污染源排放清单技术方法,定量分析2016~2017年秋冬季"跨年霾"至2019~2020年秋冬季"疫情霾"期间京津冀及周边地区主要大气污染物排放量变化,解析大气污染防治政策实施带来的减排和疫情造成的活动水平下降对主要污染物排放的贡献,并利用空气质量模型模拟分析不利气象条件下措施减排和疫情影响对空气质量改善的贡献.结果表明,从"跨年霾"（2016-12-16~2017-01-14）至"疫情霾"（2020-01-22~2020-02-14）该区域主要大气污染物排放量大幅下降50%左右,不利气象条件下,区域PM_2.5平均浓度可削减40%以上.措施减排主要来自火电、钢铁等重点工业行业提标改造和工业锅炉、民用燃煤等燃煤源治理,对SO₂和PM_2.5排放量的削减贡献较大,贡献率分别为67.1%和53.4%;疫情主要影响移动源和轻工业活动水平,对NO_x和VOCs排放量的削减贡献较大,贡献率分别为71.9%和68.2%.措施减排对区域空气质量改善贡献突出,有效抑制了重污染过程的强度和范围.在"跨年霾"的不利气象条件下,措施减排使区域PM_2.5平均浓度下降26%,重度及以上污染天数减少44%.受疫情影响,区域PM_2.5平均浓度继续下降24%,重污染持续时间和范围进一步缩减.     

昆明低空大气温度层结特征与空气质量的Logistic判别模型

低空大气逆温及地面风速是影响空气质量变化的主要气象条件,特别是逆温的频率、强度制约着大气污染物聚积和扩散。定义了1km以下低空大气的温度层结强度。利用昆明L波段探空雷达加密数据,统计了2014—2018年08 h探空数据温度层结特征,分析了逆温的频率、强度和地面风速等气象要素与空气质量的相关性,建立基于Logistic判别方法的昆明空气质量指数和PM_(2.5)浓度的拟合模型。结果显示:基于定义的温度层结强度的统计,昆明1km以下低空大气整层的逆温发生频率10.7%,年平均强度0.13℃·(100m)~(-1),逆温的频率和强度月变化曲线与轻度污染及PM_(2.5)浓度的变化联系密切;温度层结强度和地面风速通过了α=0.05的相关系数显著性检验,与空气质量指数和PM_(2.5)浓度相关性好,最佳的气象要素因子的相关系数可达到0.3660;Logistic判别模型对轻度污染的拟合准确率在66.3%以上,优良空气的拟合准确率在72.5%以上;对PM_(2.5)浓度超标的拟合准确率在59.9%以上,PM_(2.5)一级浓度的拟合准确率在68.8%以上。     

APEC期间北京空气质量改善对比分析

为了评估APEC期间强化减排措施对北京空气质量的改善效果,利用2014年11月1~15日中国环境监测总站发布的奥体中心监测点空气质量监测数据,分析其空气质量演变特征,并与2013年同期监测数据进行对比研究.结果表明:1PM_(2.5)是当前北京最重要的污染物,APEC期间空气质量以优良为主,期间有3次明显的污染过程,与2013年同期相比较有所好转,显示出强化减排措施对北京空气质量的改善有显著的效果;2与世界卫生组织(WHO)的标准值相比,APEC期间PM_(2.5)有5d在WHO标准值(25μg·m~(-3))以下,而SO_2均小于标准值;3APEC期间,在空气质量为优时PM_(2.5)/PM_(10)小于0.5,且随污染浓度的增加比值逐渐增大,在严重污染情况下PM_(2.5)/PM10达到0.9以上;4与2013年同期相比,强化减排措施对PM_(2.5)的减少有一定的贡献,但与SO_2和CO的减少量相比,颗粒物的减少量又相对较少,NO_2减少量相对最小,实施强化减排措施对污染物减排的排序为SO_2COPMNO_2,说明北京空气污染中的PM_(2.5)的来源、影响和减排的复杂性,有待进一步深入研究.