不同行驶工况下轻型柴油车瞬时排放的CMEM模拟研究

以轻型柴油车为研究对象,给出了轻型柴油车瞬时排放计算模型的结构和主要输入参数,并将车辆在实际道路上的瞬时排放计算结果与实测数据作了对比验证.结果表明,THC、CO以及NO_x排放的相对误差分别为14.2%、 3.7%和32.7%,相关系数分别达到0.73、 0.72和0.87,表明CMEM模型能够较好地反映车辆在实际道路上排放的瞬时变化.对车辆在日本10-15工况、欧洲ECE工况、美国FTP城区工况及上海城市主干道路况上的排放和燃油经济性进行了模拟计算.CMEM模拟结果发现,污染物排放水平随着车速的提高而下降;特别是超低速段0～10 km·h^-1向10～20 km·h^-1过渡时,污染物排放水平变化显著.车辆的加速过程在污染物排放过程中起主导作用,其对污染物排放的贡献在30%以上,个别甚至超过70%.上海城市主干道工况的怠速过程对THC和CO的贡献率分别接近40%和30%,CO、THC、NO_x排放因子分别是欧美日的1.3、 1.5、 1.4倍,1.5、 2.1、 1.9倍以及1.2、 1.3、 1.3倍.模拟车辆在上海城市主干道上的燃油经济性最差,仅9.56 km·L^-1.国外行驶工况不能真实地反映我国机动车在实际道路上的行驶状况.     

2013年1月中国东部地区重污染过程中上海市细颗粒物的来源追踪模拟研究

大气PM_2.5是当前我国城市和区域面临的最突出的大气污染问题,然而PM_2.5及其关键组分污染的来源不清,严重制约了人们对PM_2.5 的科学认知和污染防控的步伐.本研究以2013年1月中国东部地区一次典型重污染过程为研究案例,利用CAMx三维模型中耦合了物种示踪机制的颗粒物来源追踪方法,探讨和揭示了中国东部地区代表性城市上海及周边地区共4个源区(上海、苏南、浙北、大区域)、8类污染源(包括燃烧源、生产工艺过程、流动源、生活面源、挥发源、扬尘源、农业源、天然源)对上海城区大气中PM_2.5及其关键组分包括水溶性无机离子(SO^2-₄、NO^-₃、NH⁺₄)、元素碳(EC)和有机碳(OC)的污染贡献.研究结果表明,2013年1月份中国东部出现严重灰霾污染期间,上海城区PM_2.5的主要区域贡献为上海本地污染源排放累积(PM_2.5浓度贡献平均为55.4%±22.3%)和长距离输送(38.4%±20.0%).上海地区8类主要排放源中,扬尘源贡献均值最大,达到30.7%±31.8%,其次为燃烧源18.2%±15.6%、流动源18.6%±17.5%、挥发类源16.9%±18.0%.对上海市PM_2.5组分的源解析研究发现,燃烧源对细颗粒物中硫酸盐和硝酸盐的浓度贡献最大,其浓度贡献分别达到56.2%和55.9%.铵盐中72.4%来源于挥发类源贡献,元素碳约78.3%来自于交通源贡献.挥发类源排放和流动源是主要的有机气溶胶贡献源,浓度贡献分别为36.2%和32.5%.     

基于大数据分析和IVE模型的杭州市机动车污染物排放变化特征研究

以杭州市全市域为研究对象,基于机动车排放管理数据库和IVE模型本地化后计算出市区、城区、城郊和郊区4类区域及快速路、主干路和次干路3类道路的各类机动车排放清单,利用Arc GIS及杭州市路网信息建立了1 km×1 km网格化空间分布,分析了机动车污染物排放特征.结果显示,杭州市机动车各污染物NO_x、CO、PM_(2.5)和VOCs的年排放量分别为4.9×10~4、12.5×10~4、0.2×10~4、2.1×10~4t.各种车型中,中重型货车对NO_x和PM_(2.5)的贡献均最大,分别为45.8%和36.3%,其次为大中型客车、公交客运,小微型客车对CO和VOCs的排放贡献最大,分别为69.3%和51.1%.机动车各污染物排放强度均呈现由城市中心向城市边缘递减的趋势,高排放区域集中在城中心及城南和城北区域,同时各污染物排放量日变化特征明显,均出现弱双峰现象.     

周口市2022年冬季重污染过程中细颗粒物污染特征及成因分析

为研究周口市冬季大气细颗粒物污染特征及导致其暴发增长的主要影响因素,利用城区环境空气在线高时间分辨仪器对2022年1月周口市大气常规污染因子、细颗粒物中水溶性离子等进行观测分析.结果表明,二次无机气溶胶(SNA)、碳质气溶胶(CA,包括有机碳OC和无机碳EC)以及重构后的地壳物质(CM,如Al₂O₃、 SiO₂、 CaO和Fe₂O₃等)是PM_2.5中含量前三的组成,占比分别为61.3%、 24.3%和9.72%,SNA、 CA、 CM和二次有机气溶胶(SOA)浓度均随AQI升高而升高. 1月硫氧化率(SOR)和氮氧化率(NOR)分别为0.53和0.46, SO₄^2-和NO^-₃增长速率[μg·(m³·h)^-1]分别为0.027(-5.89～9.47,下同)和0.051(-23.1～12.4).重污染时段SO₄     

基于远程在线监控车载终端的柴油车NOx排放等级诊断研究

远程在线监控车载终端集成了远程通讯模块、卫星定位模块、发动机OBD信息解析模块,能够实时读取车辆排放相关运行信息,但无法直接判断车辆NO_x排放情况.为了快速、准确地评估车辆排放情况,诊断和监测NO_x高排放车,同时为了克服有些重型柴油车监测数据中缺失进气流量、燃油流量、车速等重要的实时信息,无法计算出车辆NO_x排放因子的问题.本文提出了由NO_x浓度分布特征驱动的高排放重型柴油车识别算法,通过远程在线监控车载终端设备获取车辆的发动机信息和SCR系统运行信息,运用NO_x浓度分布计算车辆每天NO_x排放浓度占比,通过系统聚类法对车辆NO_x排放浓度占比进行聚类,结果聚为优、良、中、差4类.利用车辆NO_x排放浓度区间分布及其聚类结果分别作为训练集的输入和输出,选择BP神经网络作为训练算法,训练获得的模型分类准确率为90%,利用训练好的模型判断在用柴油车NO_x排放等级,从而识别及监测NO_x高排放车辆.研究结果可为柴油车NO_x高排放诊断及监测提供依据,有助于监管部门能够快速识别NO_x高排放车辆.     

上海市秋季大气VOCs对二次有机气溶胶的生成贡献及来源研究

2011年9月1日～11月21日在上海市城区对大气中颗粒物质量浓度和挥发性有机物体积分数进行了在线连续观测.期间共出现4次大气污染过程:PD1(9月20～23日)、PD2(10月5～9日)、PD3(10月13～18日)、PD4(11月10～14日).本测点大气PM2.5的平均浓度分别为(45±16)、(76±46)、(57±36)和(122±92)μg·m-3,VOCs的体积分数分别为(30.87±30.77)×10-9、(32.09±30.69)×10-9、(34.04±28.13)×10-9和(44.27±31.58)×10-9;烷烃、烯烃、芳香烃的体积分数分别占TVOC的53.58%、27.89%、10.96%;用OH消耗速率(LOH)和臭氧生成潜势(OFP)评估了VOCs大气化学反应活性.结果表明,烯烃和芳香烃是本测点秋季大气VOCs中对LOH和OFP贡献最大的关键活性组分.利用气溶胶生成系数FAC和OC/EC比值法估算上海市SOA的生成潜势,两种方法得出的SOA浓度值分别为1.43μg·m-3和4.54μg·m-3,比值法明显较高,这主要是本研究测得的SOA前体物偏少所致.其中芳香烃不仅是OFP的关键活性组分,而且也是SOA的重要前体物.应用PMF模型对VOCs进行源解析,确定了秋季上海市大气中VOCs的6个主要的污染来源,分别为汽车尾气(24.30%)、不完全燃烧(17.39%)、燃料挥发(16.01%)、LPG/NG泄露(15.21%)、石油化工(14.00%)、涂料/溶剂的使用(13.09%).汽车尾气和涂料/溶剂等源排放的VOCs中富含OFP关键活性组分和SOA重要前体物,它们对VOCs浓度的贡献占TVOC的37.39%,这些排放源应列入未来上海市大气复合污染控制的优先范围.     

2013年12月上海市重度污染期间细颗粒物化学特征与输送轨迹影响

2013年12月我国中东部地区发生多场大范围高强度的颗粒物污染. 期间,本研究采用在线连续观测手段测量了上海市城区大气中气态污染物、颗粒物的质量浓度、细颗粒物的化学组分等,获得了浮尘污染、灰霾污染、雾霾污染、长距离传输的过境污染过程中颗粒物的污染特征变化. 观测结果显示,雾霾污染最为严重,PM₁₀和PM_2.5日均最大浓度分别达到536 μg ·m^-3和411 μg ·m^-3,PM_2.5/PM₁₀高达76.7%,高湿度加强了大气颗粒物中NO₃^-、SO₄^2-、NH₄⁺等二次组分的生成. 浮尘污染中PM_2.5的Ca²⁺浓度在所有污染过程中最高,且PM_2.5中一次组分比重明显上升. 长距离传输的过境污染中PM_2.5的SO₄^2-浓度最高,且增长速度很快. 同时本研究还采用Hysplit反向轨迹结合聚类分析方法,得到了不同污染过程中到达上海的主要气团轨迹,并结合上海城区在线观测的PM_2.5及其化学组分浓度数据,探讨了不同气团下PM_2.5组分特征差异和不同污染过程的大致来源. 结果表明,观测期间上海的气团轨迹可以聚类为六类. 其中,移动速度快的cluster6出现时,上海市不易出现颗粒物污染; 始于蒙古的cluster2和cluster3导致上海出现沙尘污染,该气团下PM_2.5/PM₁₀的比例都较低,且PM_2.5中Ca²⁺浓度较高. 移动缓慢的cluster5和cluster4有利于污染物的二次生成,静稳天气同时加剧了污染物的累积,加上他们经海上夹带水汽传输至上海,这些不利条件是导致上海出现严重污染的关键因素.     

水盾草在江苏省重要湿地的入侵与分布现状

水盾草为原产南北美洲的沉水植物,目前已在我国归化.于2009年在江苏省内40个湿地进行了超过700个样点的调查.结果表明,水盾草目前已广泛分布于江苏省大部地区,定居纬度最北至33°41′N,并在大多数入侵群落成为优势种;与2003年相比,其入侵范围和入侵程度均有较大增长.在水盾草所处的植物群落,共调查到沉水植物17种和漂浮植物11种,其中,沉水植物轮叶黑藻、苦草和金鱼藻,漂浮植物槐叶萍、浮萍、满江红和荇菜与水盾草的种间相遇度均在50%以上,表明水盾草易于入侵有以上植物存在的河道.分析表明,水盾草在江苏省的入侵主要由人为扩散引起,然后顺流扩散.由于水盾草潜在人为扩散可能性依旧很大,且江苏省全域均适宜水盾草扩散,应加以高度重视和有效管理,否则水盾草极有可能在数年内扩散至全省.     

利用SPAMS研究上海秋季气溶胶污染过程中颗粒物的老化与混合状态

利用单颗粒气溶胶飞行时间质谱(SPAMS)于2011年11月11～18日在上海测量了气溶胶高污染过程中200 nm～2.0μm气溶胶的粒径谱及其化学组成.对气溶胶粒子的分类结果发现,灰霾天期间大气中主要存在OCEC、METAL、EC、SECONDARY和K-Na等5种气溶胶粒子,其粒子数分别占总数的27.4%、3.4%、7.3%、45.6%和5.4%,二次污染显著.观测得到的5类气溶胶颗粒中都包含18NH4+、80SO3-、96SO4-、97HSO4-、46NO2-、62NO3-、125H(NO3)2-等二次组分,说明灰霾天期间这些颗粒都经历了不同的二次过程或与二次组分进行了不同程度的混合,且随着灰霾的生成和发展,气溶胶不断老化,二次气溶胶粒子的信号迅速增强.OCEC粒子中97HSO4-的信号较强,说明SO2可能在气溶胶表面发生多相反应,同时因有机物的存在对气态硫酸参与气溶胶成核和增长起了重要作用,尤其是在严重污染的条件下,气态硫酸和有机蒸气相互作用可能加速了硫酸-有机颗粒物的形成.从气溶胶类型的谱分布可以发现,新鲜的EC气溶胶粒子排入大气后,其表面会不断附着18NH+4、80SO3-、96SO4-、97HSO4-、46NO2-、62NO3-、125H(NO3)2-等二次组分,EC颗粒在老化的过程中其类型逐步由EC气溶胶演变成二次气溶胶粒子.来自海洋的暖湿气流除了形成降水对气溶胶形成冲刷作用,使得二次气溶胶粒子和OCEC气溶胶粒子数明显降低以外,也将有机胺带入内陆,在清洁天气溶胶粒子中形成Amine粒子.     

长三角区域非道路移动机械排放清单及预测

基于长三角典型城市非道路移动机械实地调查成果,结合长三角各城市非道路移动机械相关指标现状及变化趋势,建立了长三角三省一市非道路移动机械大气污染源排放清单,并开展了2005~2025年区域非道路移动机械保有量、燃油消费量及污染物排放量预测.2014年长三角非道路移动机械总量约为8.23×106台,柴油消费量约9.95×106t,SO_2、NO_x、CO、VOCs、PM10和PM_(2.5)排放分别为5.5×10~3、4.9×10~5、7.6×10~5、1.1×10~5、2.9×10~4和2.7×10~4t,农用机械占长三角机械总量的93%,CO和VOCs排放贡献分别为88%和77%;建筑及市政工程机械的NO_x和PM_(2.5)排放贡献较为突出,分别占49%和35%.长三角中部和北部城市机械排放贡献相对突出.2005~2014年间,长三角地区非道路移动机械保有量、油耗及排放增幅均相对较快,预计到2020和2025年,区域非道路移动机械总量增速明显放缓,柴油消费量分别比2014年增加2%和8%.到2020年,SO_2、NO_x、CO、VOCs、PM10和PM_(2.5)排放分别比2014年下降97%、10%、3%、10%、11%和11%;到2025年分别下降97%、16%、3%、15%、21%和21%.预计未来长三角区域非道路移动机械排放将呈现逐年下降趋势,但相比机动车降幅仍相对较小,其排放贡献将日益突出,加快老旧机械淘汰并进一步提升机械排放标准对削减非道路移动机械排放总量具有十分重要的意义.