2014年北京APEC期间大气醛酮污染物的污染特征与来源分析

于2014年11月北京APEC会议前后,调查了大气醛酮污染物的变化规律及污染特征. 结果表明甲醛、乙醛和丙酮是主要污染物,占总醛酮污染物的82.66%,特别是甲醛,约占40.12%. APEC会议期间北京采取相关措施后,总醛酮污染物浓度下降了64.10%,醛酮污染物在会议前后的变化趋势与PM_2.5等污染物相似. 会议期间和会议后甲醛、乙醛、丙酮和总醛酮污染物之间(R²为0.67~0.98)的相关性较好,说明其有相同来源; 但会议前的相关性较弱,(R²-0.11~0.42和R² 0.16~0.94),说明其来源不同. 计算所得的诊断参数如C1/C2、C2/C3和OC/EC比值显示,会议前来自汽车尾气与燃煤的复合源,而会议期间和会议后燃煤排放比例增加,特别是在会议后.     

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、PM₁₀、SO₂、NO₂的浓度分别为43、62、8和46 μg ·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SO₄^2-与同期(2013年11月1~12日)相比下降50%,地壳物质同比下降76%,NO₃^-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.     

2014年APEC会议期间北京市空气质量分析

为研究区域性大气污染物减排措施对北京市空气质量的影响,结合地面观测的气象数据、能见度、常规污染物浓度和PM_2.5化学组分,对APEC会议期间北京市的空气质量进行分析.结果表明,APEC期间的11月4日和8-10日两个过程,大气污染物扩散条件较不利,易出现污染过程.APEC期间,密云、榆垡、昌平、奥体中心和西直门北大街5个站点SO₂、NO₂、O₃、PM₁₀和PM_2.5平均浓度分别为(8.0±8.0)、(37.4±21.6)、(36.0±22.5)、(67.7±43.4)和(48.6±42.2) μg·m^-3.与近5年同期(PM_2.5为去年同期)相比,SO₂、NO₂、PM₁₀和PM_2.5日均浓度分别下降了61.5%、40.8%、36.4%和47.1%,O₃日均浓度上升了101.8%.从污染物日变化规律来看,减排措施的环境效果在大气污染物扩散条件较有利的时段体现的更明显.在APEC期间,PM_2.5浓度在前半夜保持平稳,未出现积累峰值.与秋季非APEC期间相比,PM_2.5中大部分组分浓度均有明显下降,二次离子组分降幅尤为明显.同时,本文测算了APEC期间减排措施的"净环境效益",发现减排措施使得SO₂、NO₂、PM₁₀和PM_2.5浓度分别降低了74.1%、48.0%、66.6%和64.7%,O₃浓度上升了189.2%.与10月份的大气污染过程相比,同样在不利气象条件下,实施减排措施后PM_2.5浓度峰值明显降低,积累速度明显减缓.     

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.     

2014年APEC期间北京市空气颗粒物粒谱分布特征研究

为了研究APEC减排期间不同模态颗粒物数浓度分布特征,使用扫描电迁移率粒径分析仪（Scanning Mobility Particle Sizer,3936,TSI,4~737 nm）和空气动力学粒径谱仪（Aerodynamic Particle Sizer,3321,TSI,0.54~19.81 μm）对2014年APEC会议期间北京市空气颗粒物进行观测.根据核模态、爱根核模态、积聚模态和粗粒子模态颗粒物的数浓度变化和粒谱分布特征.结果表明：APEC会议期间（减排第2阶段,11月6日-12日）空气颗粒物主要以爱根核模态和积聚模态颗粒物为主,其数浓度分别为9.96×10³ cm^-3和9.19×10³ cm^-3,其次是核模态颗粒物,其数浓度为1.16×10³ cm^-3,粗粒子模态颗粒物数浓度相对较低,为13 cm^-3,其中11月2、6和12日颗粒物总数浓度均出现最低谷值,分别为1.1×10⁴ cm^-3、1.0×10⁴ cm^-3和6.3×10³ cm^-3.相比减排前,减排期核模态颗粒物浓度降低最多,平均降低39.1%,爱根核模态和积聚模态缓慢降低,但与往年同期相比各模态颗粒物数浓度均有明显下降.     

太原市2014年春节期间常规大气污染物浓度变化及聚类分析

为了探寻太原市春节期间不同监测站点各常规大气污染物的质量浓度变化规律及相互之间的关系,记录和收集了太原市上兰、南寨、涧河、尖草坪、桃园、坞城、小店、金胜、晋源9个监测点2014年农历小年至元宵节(2014-01-23—2014-02-14)期间的大气PM2.5、PM10、CO、NO2、O3、SO2小时浓度值以及相应的气温、气压、湿度、风级、能见度等气象数据,采用相关分析、小波分析、单因子污染指数评价和系统聚类等方法进行研究,发现:1该时段内就太原市总体而言,PM2.5超标倍数最大,其次是PM10、SO2、CO、NO2,O3污染最小.2农历小年、除夕、正月初八、元宵节大气PM2.5和PM10的浓度迅速增加,与自然气象因子基本无关,说明烟花爆竹的集中燃放对大气颗粒物尤其是细颗粒物产生较大影响.3SO2、NO2、CO与PM2.5和PM10浓度变化的波动趋势相似、主周期相同,反映了部分PM2.5和PM10与SO2、NO2、CO有共同的来源;O3的波动趋势及主周期与上述污染物完全不同,显示出它来源的特殊性.4按PM2.5聚类,南寨、涧河、尖草坪、桃园4个点聚为一类,小店和坞城2个点聚为一类,金胜和晋源聚为一类,位于太原市最北端作为清洁对照的上兰监测点自成一类,与它们的地理位置有较好的相符性,同时,聚类分析结果与各监测点的单因子污染指数评价结果相一致.本文提示小波分析与聚类分析相结合可以较好地反映城市大气污染物浓度变化的时间与空间分布规律.     

全运会期间天津市大气污染物时空变化特征

为了解全运会期间天津市空气污染时空特征以及减排措施对空气质量的改善效果,分别利用时间序列分析法与最优空间插值法对大气污染物进行时空分析。结果表明:(1)全运会期间天津市出现一次明显的污染过程,首要污染物为PM_(2.5);(2)不同功能区污染物浓度差异明显,市区污染物浓度均大于2016年同期平均浓度,汽车尾气特征污染物NO_2浓度增幅明显,区域抑煤控硫等措施效果明显;(3)全运会前与全运会期间,市郊SO_2排放源浓度显著降低,NO_2、PM_(2.5)与PM_(10)的净土区呈现从2016年同期、全运会前期、全运会期间到后期逐渐减小的现象,污染高密度逐渐向市郊及西南等热点地区聚集。     

达州市城区大气污染物浓度变化特征及影响因素分析

利用达州市城区环境空气自动监测站2015—2017年数据,研究了大气污染物的浓度变化特征和影响因素。结果表明:达州市城区未受到SO_2污染,PM_(10)和PM_(2.5)同比大幅下降,NO_2、CO和O_3-8 h浓度有所上升。污染物在不同季节的差异显著性不同,SO_2、CO、O_3-8 h在不同季节之间均存在显著差异(P<0.05),NO_2浓度在除秋季和冬季外的其他季节之间均存在显著差异,PM_(10)和PM_(2.5)浓度在除春季和秋季外的其他季节之间均存在显著差异。不同污染物的月均浓度变化曲线和不同季节的小时浓度变化曲线,以及不同季节的相关性也具有明显的特征。同时,本研究还建立了PM_(10)和PM_(2.5),NO_2和CO分别在不同季节的预测线性模型,为进一步了解污染物之间的相互关系和预测污染物的浓度发展趋势提供了参考。     

北京市城区夏季大气VOCs变化特征及臭氧生成潜势

为深入了解臭氧(O₃)污染高发季节大气挥发性有机物(VOCs)对O₃生成的影响,基于北京市2019年夏季VOCs和O₃高时间分辨率在线监测数据,开展VOCs变化规律、组成特征和臭氧生成潜势(OFP)研究.结果表明,大气φ(VOCs)平均值为(25.12±10.11)×10^-9,其中,烷烃是体积分数最大的组分,占总VOCs的40.41%,其次是含氧有机物(OVOCs)和烯/炔烃,分别占总VOCs的25.28%和12.90%. VOCs体积分数日变化呈双峰型,早高峰出现在06:00～08:00,烯/炔烃占比明显增加,表明机动车排放对VOCs贡献显著,而午后VOCs体积分数降低,期间OVOCs占比呈现上升趋势,下午的光化学反应和气象要素对VOCs体积分数和组成影响较大.北京市城区夏季OFP为154.64μg·m^-3,贡献率较高的组分是芳香烃、 OVOCs和烯/炔烃,正己醛、乙烯和间/对-二甲苯等是关键活性物种,削减机动车、溶剂使用和餐饮源排放是北京市城区夏季控制O₃     

北京市餐饮业大气污染物排放特征

餐饮业是中国大型城市大气环境污染源之一.为了解餐饮业大气污染物的产生能力,本研究以北京为研究对象,选取41家不同菜系的餐饮企业,现场实地检测了净化设备前端的油烟、颗粒物和非甲烷总烃(NMHC)的产生浓度水平.结果表明,净化前油烟、颗粒物和NMHC的初始平均浓度约为1.93、 6.6和10.9 mg·m^-3.提出了一种基于工作日与非工作日的估算污染物排放总量的计算方法.并基于北京市餐饮企业数量和本研究测得的排放因子,初步估算了2019年全市餐饮源主要污染物的初始产生总量,油烟、颗粒物和NMHC的年排放总量分别为5 512、 18 849和6 169 t.川湘菜、烧烤、烤鸭与家常菜产生的油烟与颗粒物浓度的Pearson系数均>0.6,具有强相关性;其中川湘菜和烤鸭排放的Pearson系数均>0.8,呈现极强相关性.     

APEC前后北京郊区大气颗粒物变化特征及其潜在源区分析

为分析2014年APE(Asia-Pacific Economic Cooperation)会议前后北京郊区大气颗粒物数浓度和质量浓度的变化特征及其主要影响因素,于当年11月在北京怀柔区中国科学院大学雁栖湖校区教学一楼楼顶利用微量振荡天平(TEOM)、扫描电迁移率颗粒物粒径谱仪(SMPS)和空气动力学粒径谱仪(APS)对大气颗粒物质量浓度和数浓度分布进行连续在线监测;同时结合地面气象参数和HYSPLIT轨迹模式,对颗粒物的来源和传输过程进行聚类、潜在源区贡献因子(PSCF)和浓度权重轨迹(CWT)分析.结果表明,APEC期间(11月5—11日)超细粒子(PM_(0.01～1))数浓度、细粒子(PM_(0.5～2.5))数浓度和粗粒子(PM_(2.5～10))数浓度分别为(17720.1±998.7)、(30.9±3.34)和(0.12±0.01) cm~(-3),比非APEC期间(即11月1—4日和11月12—30日)分别降低了28.8%、58.6%和64.7%;APEC期间ρ(PM_(2.5))为(36.1±2.4)μg·m~(-3),比非APEC期间降低55.5%.PM_(0.5～2.5)数浓度和PM_(2.5～10)数浓度降幅远大于PM_(0.01～1)数浓度,这表明APEC期间的减排措施对于PM_(0.5～2.5)和PM_(2.5～10)的控制效果优于PM_(0.01～1),说明APEC期间对PM_(0.5～2.5)、PM_(2.5～10)数浓度进行了更有效的控制.对北京气流后向轨迹聚类分析发现,来自蒙古国、内蒙古、河北西北部、河北南部方向的气流轨迹对应北京郊区的PM_(0.01～1)数浓度最高,为30593 cm~(-3),来自河北西北部、北京、天津、河北南部方向的气流轨迹对应北京郊区的PM_(0.5～2.5)、PM_(2.5～10)的数浓度及ρ(PM_(2.5))均为最高,分别为190 cm~(-3)、0.65 cm~(-3)、168μg·m~(-3).综合潜在源区贡献因子分析法(PSCF)和浓度权重轨迹分析(CWT)的结果分析发现,观测期间北京PM_(0.01～1)与PM_(0.5～2.5)、PM_(2.5～10)的潜在源区存在明显的区别,其中PM_(0.01～1)数浓度的潜在源区分布区域相对较广,主要分布在内蒙古中部、河北西北部、河北中南部和山西东北部等地区,而PM_(0.5～2.5)和PM_(2.5～10)数浓度的潜在源区分布基本一致,而且区域相对较集中,主要分布在河北北部、山西东北部和河北中南部等地区.APEC期间与非APEC期间ρ(PM_(2.5))的源区贡献因子分析和浓度权重轨迹分析表明,APEC期间ρ(PM_(2.5))的主要源区分布比非APEC期间相对较集中,主要位于北京当地、天津等附近地区,该地区对观测点ρ(PM_(2.5))的贡献值在24～40μg·m~(-3)之间.     

昆明城区大气污染物时空分布特征

利用2013—2020年昆明城区国控点监测数据,分析大气污染物时空分布特征。结果表明：2013—2020年昆明城区O₃年均浓度总体呈上升趋势,其余污染物年均浓度呈下降趋势,O₃增幅为4.1%,SO₂降幅为67.9%,其余污染物降幅为35.0%~55.0%。超过GB 3095—2012《环境空气质量标准》一级以上标准的首要污染物天数占比显示,O₃已经代替PM_2.5成为昆明市最主要的大气污染物;O₃浓度春季最高,夏季次之,秋季最低;PM₁₀和PM_2.5浓度春、冬季高,夏季最低;SO₂、NO₂、CO浓度冬季最高,夏季最低,但SO₂和NO₂四季变化幅度较其他污染物小。春、夏季的O₃,冬、春季的PM_2.5是昆明市大气污染的防治的重点。O₃浓度日变化呈单峰型分布,CO、NO₂、PM₁₀、PM_2.5浓度呈双峰型分布,但PM₁₀、PM_2.5浓度峰谷变化不明显;NO₂、CO、PM_2.5、PM₁₀浓度峰值出现在早高峰时段,O₃浓度峰值出现在14:00—15:00,SO₂浓度上午高于下午。大气污染物浓度分布具有明显的空间差异性,SO₂、PM_2.5、NO₂、PM₁₀、CO浓度城区西部高于东部,分别高出54.5%、20.0%、17.9%、14.6%和2.4%,O₃浓度则相反,城区东部高于西部,高出9.0%;SO₂、NO₂、O₃浓度东部、西部差异呈逐年减小趋势,不排除上风向安宁工业园区污染传输影响变弱的可能性。

     

乌鲁木齐市城区机动车大气污染物排放特征

对乌鲁木齐市城区车辆信息(包括车流量和车辆构成、车辆控制技术水平、车辆行驶工况、车辆启动分布等)进行调研和测试,并根据IVE模型计算得到机动车污染物排放清单,获得分车型、燃料类型及启动/运行方式的机动车污染物排放分担率.结果表明:2011年乌鲁木齐市机动车CO、NO_x、HC和PM的排放量分别为20.22×104、2.60×104、1.84×104和0.44×10~4t·a~(-1),机动车污染物排放分担率差别显著,乘用车、公交车和重型货车是CO和HC主要排放源;重型货车和乘用车是NO_x的主要排放源;重型货车是PM的主要排放源.汽油车是CO和HC排放的主要来源,柴油车是NO_x和PM排放的主要来源,天然气车各类污染物排放量均较低.控制柴油重型货车是消减机动车污染物排放的重要方式.     

APEC期间北京市城区VOCs浓度特征及其对VOCs排放清单的校验

采用“SUMMA罐采样-GC-MS” 离线分析方法,通过对北京市东部城区2014年10月16日~11月27日大气环境挥发性有机化合物(VOCs)监测,得出APEC期间VOCs结果,会议前(10月16~30日)、会议期(11月5~11日)、会议后(11月12~27日),TVOCs(检出VOCs化合物之和)24h日平均浓度分别为49.12×10^-9、25.17×10^-9、23.38×10^-9,随时间呈下降趋势;而3个时间段,TVOCs白天平均浓度分别为41.43×10^-9、17.36×10^-9、20.08×10^-9,会议期浓度最低,且烯烃体积百分比升高,烷烃和芳香烃降低,与会议前、后VOCs化学组分特征形成显著差异.会议前、会议后的TVOCs浓度与气象要素的相关性分析表明:VOCs受温度影响最大(相关性0.74),其次相对湿度(相关性0.67),与风速相关性不显著.最后,基于北京市VOCs排放清单和主要源VOCs化学成分谱,核算了会议期15种主要化合物的日减排量.APEC期间,该15种化合物的减排量与其白天均浓度较会议前、后的下降量显著相关,相关性达到0.76~0.80,间接校验了北京市VOCs排放清单的准确性.     

重庆市北碚城区大气污染物浓度变化特征观测研究

为了研究重庆市北碚区大气污染物浓度变化特征及其污染状况,采用全自动在线监测仪器对重庆市北碚城区大气污染物进行连续在线监测,分析了2012年1月~2013年2月的大气污染物观测数据.结果表明,除SO2以外,其它污染物均有超出国家新环境空气质量标准(GB 3095-2012)的情况出现,其中细粒子污染最严重.大气污染物浓度具有明显的季节变化,2012年春夏秋冬季各污染物平均浓度:O3为(36.1±19.2)、(48.8±32.6)、(29.8±28.6)、(18.2±15.8)μg·m-3,Ox为(77.6±20.6)、(91.3±37.6)、(77.5±30.6)、(69.4±18.2)μg·m-3,表现为夏高冬低;NO为(11.8±9.4)、(8.2±4.9)、(20.7±17.1)、(30.4±25.1)μg·m-3,NO2为(42.3±13.1)、(40.5±9.9)、(47.2±14.1)、(51.2±15.9)μg·m-3,NOx为(54.1±20.8)、(48.7±12.6)、(67.9±25.5)、(81.6±37.9)μg·m-3,均表现为冬高夏低;SO2为(50.5±23.3)、(26.3±16.7)、(38.8±18.4)、(53.7±23.4)μg·m-3,表现为冬春高而夏秋低;而PM2.5则为(61.4±28.5)、(68.1±32.5)、(61.9±27.1)、(89.6±44.2)μg·m-3,表现出冬季高而其它季节比较平稳的特征.O3、Ox、NO、NOx以及SO2浓度均为单峰型的日变化形式,其中O3和Ox的日变化峰值出现在午后16:00,而NO、NOx及SO2的日最大值则出现在08:00~11:00;NO2和PM2.5的日变化模态呈双峰型,有早晚两个峰值.O3和Ox在夏季日变化振幅最大,而其它污染物则冬季日变化振幅最大.将工作日与周末各污染物浓度的日变化相比,成对t检验分析表明,NO并无明显差异(P=0.14),但N2O工作日显著高于周末(P=0.03),而O3则为工作日极显著低于周末(P<0.001).相关分析表明,O3浓度与气温和风速呈显著或极显著正相关,与相对湿度呈极显著负相关,而NOx则与以上各气象要素的关系正好相反;PM2.5与气温和风速呈负相关,与相对湿度呈正相关;SO2与各气象要素的关系在不同的季节表现不同.除此之外,风向也是影响大气污染物浓度的一个重要因素.     

北京市典型餐饮企业大气污染物排放特征

为了解北京市餐饮业的大气污染排放浓度和总体排放水平,为有针对性地制定北京市餐饮污染控制对策提供依据,本研究选取了北京市典型的餐饮企业,结合现场实测和测试期间餐饮企业灶头使用情况,分析不同类型餐饮企业油烟、颗粒物和非甲烷总烃(NMHC)的排放浓度和各污染物指标之间的关系,估算了北京市餐饮业大气污染物的排放量.结果表明,典型餐饮企业油烟、颗粒物和NMHC的平均排放浓度分别为(2.91±5.52)、(9.25±10.02)和(12.72±11.38) mg·m^-3,均超过了北京市地方排放标准.其中烤鸭和烧烤的颗粒物和NMHC排放较高,容易超标,是餐饮业治理的重点.烤鸭的颗粒物与油烟的比值范围为6.21～43.08;烧烤的颗粒物与油烟的比值范围为5.03～19.07;炒菜类餐饮企业颗粒物与油烟的比值范围为0.75～7.55;炭火烧烤和果木烤鸭颗粒物的排放浓度远大于油烟的排放浓度.Pearson相关系数分析表明,餐饮企业颗粒物与油烟的排放浓度为强相关,颗粒物和NMHC的排放浓度为弱相关.粗略估算获得2014年北京市餐饮源油烟、颗粒物和NMHC的排放量分别为2 492、 6 ...     

2014年海口市大气污染物演变特征及典型污染个例分析

主要分析了2014年海口市逐日的空气质量指数(AQI)和6种大气污染物的演变特征,同时,结合卫星遥感和轨迹模式等资料和方法对1次典型污染个例进行诊断.结果表明:海口市2014年的空气质量主要以优和良为主,6 d达到轻度污染级别,1 d达到中度污染(1月5日,AQI值为158).1月污染最为严重,其中,阶段1(1-6日)和阶段3(18-23日)AQI值偏高,阶段2(7-17日)和阶段4(24-31日)偏低.1月东亚地区天气形势演变对海口市AQI值具有动力影响.AQI偏高阶段,地面高压系统位于内蒙古东部,华南低层东北风场有利于污染物向海口市输送;而在AQI偏低阶段,地面高压系统东移出海,低层偏东风场不利于污染物的输送.后向轨迹聚类分析表明,1月海口市比率最大(39%)的气流主要经过大气污染相对严重的广东珠江三角洲(珠三角)地区,有利于污染物的区域传输.污染个例分析表明,海口市污染物浓度变化与气象要素有密切关系,10 m风速较小有助于近地面的污染物在区域内累积,水平风垂直切变偏弱对天气尺度扰动的发展和大气的垂直混合不利.卫星遥感和后向轨迹分析也表明,外源输送与海口市这次大气污染事件有直接关系.     

2013年西安市大气污染物变化特征及成因分析研究

大气污染日益严重.对2013年西安市13个国控环境空气质量自动监测站的6种污染物项目进行分析,西安市首要大气污染物为细颗粒物（PM2.5）和可吸入颗粒物（PM1o）.二氧化硫、氮氧化物、细颗粒物和可吸入颗粒物污染物呈现出春冬高,夏秋低的趋势,为上抛物线型,相关系数为99％,且表现出污染源高度同源性;而臭氧污染趋势为夏秋高,冬春低,与气温的线性相关系数为96％.燃煤、机动车尾气、建筑扬尘是西安市大气污染三大污染源,大气污染防治必须多主要污染源共抓,不断减少污染物排放.     

六盘水市大气污染物变化特征及排放清单

为了分析贵州省六盘水市大气污染物浓度变化及排放清单,该文系统收集和整理2015-2018年大气污染物浓度观测资料和2015年排放清单。分析表明:2015-2018年,六盘水市环境空气优良率逐年增加,且在2018年达到98.2%。PM_(2.5)日均浓度有97 d超过国家环境空气质量二级标准(75μg/m~3)(GB 3095-2012),其中最大浓度为167μg/m~3;PM10有16 d超过二级标准(150μg/m~3);O_(3-8 h max)、NO_2、SO_2和CO日均浓度和年均浓度未超标。PM_(2.5)和PM_(10)年均浓度逐年降低,但PM_(2.5)在2015-2017年超标,浓度分别为42.6、40.7和40μg/m~3;PM10年均浓度在2016年和2017年超标,浓度分别为73.0和70.3μg/m~3。2015年六盘水市PM_(2.5)、PM_(10)、SO_2、NO_x、CO和VOCs排放总量分别为5.78万t、10.89万t、16.64万t、14.23万t、37.42万t和3.32万t。化石燃料固定燃烧源是PM_(10)、PM_(2.5)、SO_2、NO_x和CO的最大排放源。     

秦皇岛大气污染物浓度变化特征

为了解河北沿海旅游城市秦皇岛大气污染现有水平,研究其变化趋势,于2009年9月～2010年8月对秦皇岛市大气中的典型污染物进行连续监测研究.结果表明,该市大气中NO、NO2、SO2、O3和PM10平均浓度分别为（18±18）、（45±18）、（42±46）、（44±25）和（128±77）μg·m-3,PM10污染最为严重,年均浓度超出国家二级标准（100μg·m-3）接近30%.夏季O3日平均浓度和日小时浓度最大值（O3₁h max）的平均分别为（64±21）μg·m-3和（126±42）μg·m-3,偏南海洋气团有加重O3污染现象,伴随有短期超标;采暖期大气NOx、SO2和PM10分别是非采暖期的1.5、4.9和1.5倍,PM10和SO2日均值相对国家二级标准的超标率分别为53%和11%.京津冀、环渤海工业区的气团输送和当地海港区高排放叠加可使秦皇岛NOx、SO2和PM10污染物平均浓度上升17%、27%和12%,冬季其三者大气平均浓度飙升至（100±49）、（110±84）和（215±108）μg·m-3.北方内陆干洁气团和南方海洋气团可有效清除秦皇岛市大气污染物.