应用多维多箱与高斯复合模型研究大气环境容量

根据北京市自然环境、污染气象特征、大气环境过程及区域污染源分布等信息,建立了用于大气环境质量预测的多维多箱与高斯模型结合的复合模型,结合大气环境质量标准计算了不同达标率下北京市的大气PM10环境容量.研究结果表明,复合模型综合考虑了各类影响因素,预测大气环境质量时产生的相对误差较小,能有效地应用于城市大气环境容量计算.     

移动式路面尘负荷测试系统及应用

建立了一种移动测试系统能够快速得出路面尘负荷,并结合GPS仪显示路面尘负荷的空间分布。在车辆顶部和车轮后部分别安装颗粒物浓度测试仪逐秒测试2点的PM10浓度,浓度差记为c,同时利用测试逐秒的经纬度信息和车速。根据AP-42标准方法采集分析了典型道路的尘负荷,建立了路面尘负荷、车速和浓度差之间的函数关系为sL=9.89.C0.810.e-0.068s。根据测试数据得出了呼和浩特市典型道路的尘负荷空间分布,从空间分布结果结合现场调查数据可以看出,施工活动较多的区域路面尘负荷较高,路面破损和两侧有未铺装区域的路面尘负荷较高,为道路扬尘控制提供参考。     

用电厂粉煤灰试制枸溶性磷肥的研究

本文对用粉煤灰制肥料的可行性进行了研究,选用磷矿石、助熔剂,添加剂和粉煤灰以适当的比例混合后熔融,使混合物料中的非枸溶性成分转化成能被植物吸收的枸溶性成分。经上百次熔融实验,对物料的配比及工艺条件进行筛选,确定出最佳配料参数和工艺操作条件。所研制肥料的吃灰量可达40％,并具有复合肥的作用和较好的肥效。     

京津冀农业源氨排放对PM2.5的影响

根据收集的京津冀区域农业氨排放源活动水平数据,使用排放因子法建立了2014年京津冀地区农业氨排放清单.结果表明,2014年京津冀地区农业源氨排放总量为1750695t,平均排放强度为8.09t/km²;河北省、北京市和天津市农业氨排放量分别为1594087t、58822t和97786t.;猪和蛋鸡是畜禽养殖业中氨排放的主要来源,分别占31.29%和26.07%.模拟结果表明,农业氨减排使京津冀地区PM_2.5的年均浓度下降12.04μg/m³,下降比例约为18.36%,4月份和7月份农业氨减排对PM_2.5的影响较大,而1月份影响较低;农业氨减排使无机盐（硫酸盐+铵盐+硝酸盐）的年均浓度下降10.00μg/m³,年均浓度下降比例为41.84%,对硝酸盐的影响最大,铵盐次之,硫酸盐最小.     

北京奥运会及残奥会期间PM10质量浓度演变特征及成因

2008年8─9月北京及周边各省市ρ(PM₁₀₎明显低于2006─2007年同期值. 结合污染物监测数据及气象资料,采用影响因子资料统计以及典型个例诊断对比法,研究造成北京奥运会及残奥会期间低ρ(PM₁₀₎的原因. 对2006─2008年同期风速的统计表明,2008年7─10月北京各月平均风速均低于往年,2 m/s以上的风发生频率低于往年,不利于大气污染物扩散. 2008年8月北京月降水量与2005年接近,但ρ(PM₁₀₎明显优于2005年,可见降水并不是该次ρ(PM10)月均值低的原因. 对比2006─2008年8─9月典型相似累积型天气型背景影响下ρ(PM₁₀₎日均值及演变过程发现,2008年ρ(PM₁₀₎日均值及演变曲线均低于往年. 根据对影响因子统计和北京及其周边省(市、区)严格的减排措施等分析,指出天气形势及其伴生的气象因素演变可能影响ρ(PM10)日均值波动,但六省(市、区)协同减排是保障优质空气质量的主要原因.      

夏秋季节焦化厂附近大气中臭氧及其前体物变化特征和臭氧生成潜势分析

2012年6—10月,在我国北方某焦化厂厂界附近开展了O3、NO x、CO体积分数在线监测及VOCs样品采集分析工作,获得了夏、秋两季焦化厂厂界O3及其前体物的体积分数及其日变化趋势。焦化厂厂界附近O3、NO、CO体积分数均呈单峰型日变化,O3体积分数的季节差异不明显,夏季仅略高于秋季,而NO、CO体积分数秋季高于夏季,作为二次反应产物的NO2,其变化幅度秋季比夏季强烈。夏季TVOCs在各监测时段的小时体积分数呈现先上升后下降的日变化趋势,而秋季则呈现逐渐下降的日变化趋势。由较小VOCs/NO x的比值可初步判断,该焦化厂所在区域的大气光化学臭氧生成潜势处于VOCs控制区。在焦化厂下风向厂界附近,夏、秋两季TVOCs平均体积分数分别为(43.8±45.0)×10-9和(26.7±29.6)×10-9,苯系物、烷烃、烯烃的平均体积分数分别为(34.3±28.1)×10-9和(14.4±14.8)×10-9、(5.3±11.8)×10-9和(7.0±7.7)×10-9、(4.3±5.0)×10-9和(5.3±7.1)×10-9。夏、秋两季焦化厂附近臭氧生成潜势贡献最大的是苯系物(47.6%~65.8%),其次是烯烃(28.0%~41.9%),再次是烷烃(6.3%~10.5%)。     

京津廊城市气团光化学污染潜势分析

选取京津廊三市交界处,于2019年和2021年的7月开展PAN (过氧乙酰硝酸酯)在线监测、空间来源解析与反应产率研究,以评估北京、天津、廊坊不同城市气团的光化学污染潜势及近年变化趋势.观测结果表明,三市交界处2021年夏季PAN浓度均值(0.89±0.21)×10^-9,较2019年同期(2.45±0.71)×10^-9下降63.8%.PAN在夏季大气寿命很短,其在该观测点浓度主要受周边城市气团光化学反应控制,其产率呈现明显双峰特征,峰值水平在2019年和2021年的7月分别为3.08×10^-9/h、1.75×10^-9/h,2021年较2019年下降43.18%,与PAN的年际变化趋势吻合.该观测点PAN的潜在源贡献函数(PSCF)高值区在2个观测月均出现在东南方向50km范围内,显示了天津市气团输送对该观测点PAN浓度的显著贡献.当该观测点受天津城市气团绝对影响时,PAN生成潜势和前体物NO₂均呈最高水平,约为受北京城市气团影响时的2.03倍和2.01倍,为受廊坊城市气团影响时的1.53和1.21倍.可见,天津城市气团具有最高的光化学污染潜势,其与北京气团的差异主要源自NO_x,而与廊坊气团的差异则来自NO_x和VOCs两类前体物.     

典型耦合优化算法在源项反演中的对比研究

突发大气污染事故中,污染源的快速、准确确定是应急处置的基础.为研究有效的源项评估方法,本文基于美国草原外场SO₂释放实验,利用GA-PSO、GA-NM、PSO-NM 3种耦合算法,分别与高斯点源烟羽扩散模型结合,对源强和位置等污染源参数进行反演与对比,并从算法结构与大气扩散条件方面进行反演效果差异分析.结果表明,从源强反演角度看,PSO-NM反演结果的准确性最高、稳定性最强,平均误差（11.3%）与平均标准偏差（0.7g/s）明显低于GA-NM（16.4%、13.3g/s）与GA-PSO（29.0%、26.6g/s）.从位置反演角度看,PSO-NM的反演结果最为稳定,反演的平均标准偏差（0.29m）明显低于GA-NM（3.20m）与GA-PSO（3.03m）算法;在不稳定和中性扩散条件下,PSO-NM算法的位置反演准确性最高,误差为4.97m;但在稳定扩散条件下,GA-NM的位置反演误差（7.69m）最小.从反演效率角度看,PSO-NM与GA-NM反演时间最短,更适用于污染源的快速确定.     

北京市典型区域降水特性及其对细颗粒物影响

通过采集北京市典型区域2016年12月~2017年11月期间大气降水样品,实时监测降水前、期间和后大气非难熔亚微米颗粒物NR-PM₁及其组分浓度,研究了降水的理化特性、典型降水过程离子组分变化特征、以及对大气非难熔亚微米颗粒物NR-PM₁及其组分的影响,同时采用后向轨迹聚类分析法研究了气团长距离传输对降水组分的影响.结果表明,2017年北京市典型区域降水主要集中在夏季,约占总降水量的82.2%,降水主要呈中性或碱性,酸雨发生率很低.降水pH值表现为冬季 > 春季 > 夏季~秋季的季节变化特征.降水中总离子浓度、总阴、阳离子浓度均表现为春季 > 夏季 > 冬季 > 秋季,且呈污染日显著高于清洁日的变化特征.降水中主要水溶性离子年均浓度表现为NH₄⁺ > Ca²⁺ > NO₃^- > SO₄^2- > Na⁺ > Cl^- > Mg²⁺ > F^- > K⁺,其中NH₄⁺、Ca²⁺、NO₃^-和SO₄^2-是降水中最主要的离子组分,占总离子浓度的80%以上,各离子浓度均呈污染日高于清洁日的变化特征.降水期间不同时段,降水中各离子浓度大多表现为：降水初期最高,降水中期显著低于降水初期,降水后期均略有增加.降雨量和降雨速率较小的降水对污染日大气NR-PM₁及其组分的清除作用较强,而降雨量和降雨速率较大的降水对清洁日NR-PM₁及其组分的清除作用较小.值得关注的是在降水不同时段,始终存在2个重要的过程,即污染物的累积和二次污染物的形成过程,以及降水的云下冲刷和云内雨除过程.研究期间,降水主要受到东南和西南方向气团影响,分别约占总降水的60%和23%,且主要发生在夏季,这些气团对降水中离子组分都有不同程度的影响.     

京津冀地区钢铁行业污染物排放清单及对PM2.5影响

以京津冀地区为研究区域,采取自下而上的方法,建立京津冀地区钢铁行业细化至焦化、烧结和球团、炼铁、炼钢、轧钢等工序的多污染物排放清单.清单估算结果显示,2015年京津冀地区钢铁行业SO₂、NO_x、TSP、PM₁₀、PM_2.5、CO、VOC的排放量分别为38.82、27.23、79.19、53.15、38.68、823.38、26.53万t,其中烧结和球团工序是最主要的污染物排放工序（17.0%~72.0%）,其次为炼铁工序（4.6%~42.4%）和轧钢工序（3.5%~35.7%）.采用具有污染物来源示踪功能的双层嵌套气象-空气质量模型系统（WRF-CAMx）耦合模型模拟京津冀地区钢铁行业污染物排放对区域大气PM_2.5浓度的影响.模拟结果显示：钢铁行业在春夏秋冬这4个季节对京津冀地区PM_2.5浓度贡献率分别达到14.0%、15.9%、12.3%、8.7%.各地市中,钢铁行业对唐山市PM_2.5影响最大,年均PM_2.5浓度贡献率高达41.2%,其次为秦皇岛市、石家庄市、邯郸市,年均PM_2.5浓度贡献率分别达到19.3%、15.3%、15.1%.