二维多箱模型预测大气环境方法的研究

采用二维多箱模型对石家庄市区大气污染物ＳＯ２进行了计算,分别计算了４个风向的各子箱污染物浓度,然后按其风向频率加权取和得到平均浓度。把计算结果与地面监测值和１９９４－０１中国环境科学研究院的高空航测值进行了比较分析后发现。多箱模型预测大气环境比单箱模型和其它预测方法产生的误差要小。     

2019年秋冬季京津冀与周边地区污染传输特征分析

本研究结合大气环境观测数据,应用潜在源分析法(PSCF)和浓度权重轨迹分析法(CWT),以及基于WRF-CMAQ模式的传输矩阵和传输通量计算方法,研究分析了2019年秋冬季京津冀典型城市的大气污染特征与成因,量化评估了京津冀地区与周边省份之间的PM_2.5传输贡献.结果表明,京津冀地区冬季较秋季污染严重,且重污染时段PM_2.5浓度均与相对湿度呈显著的正相关,和风速呈显著的负相关;京津冀典型城市北京、天津和石家庄的潜在源区主要分布在京津冀本地、山西、内蒙古中部地区和山东地区,这与CWT结果基本吻合.京津冀各省域的PM_2.5以本地排放贡献为主,北京、天津和河北的本地贡献率范围为54.33%～66.01%,京津冀受区域外传输的贡献率范围为0.11%～26.54%.传输通量结果表明,冬季PM_2.5的传输主要受高空西北气流的作用,尤其清洁天气,高风速驱动清洁气团流入;秋季则主要受低空东南气流作用;传输通量呈现出显著的垂直分布特征,高空区域传输作用更为活跃,传输通量的流入/流出以及垂直分布与污染级别和RH呈现非线...     

序批式生物反应器填埋场特性的研究

序批式生物反应器填埋场是近年来发展较快的生物反应器填埋场之一。文中通过模拟试验探讨了序批式生物反应器填埋场在不同操作条件下的产甲烷情况、COD、pH值的变化趋势及填埋场的沉降情况。实验证明通过交叉回灌，新垃圾中产生的渗滤液中的有机物可以在老填埋区得到降解，而老填埋区成熟的产甲烷菌在引入到新填埋区后，加快了新垃圾的降解，缩短了降解时间，使填埋区可以快速地进入成熟期，加速了填埋场的稳定。     

区域污染对北京市采暖期SO2污染的影响分析

结合调查统计的2002年北京市及周边地区污染源排放资料,以GIS地理信息系统作为污染源数据库的可视化载体,利用美国EPA最新发展的区域空气质量模式Models-3/CMAQ,对2002年1月北京市SO2区域污染情况进行模拟,并在此基础上,研究区域污染对北京市采暖期SO2污染的影响.对比模拟结果和同期地面监测资料发现,两者具有较好的相关性,模式较好地反映了2002年1月北京市SO2污染的变化趋势.周边影响结果显示,2002年1月周边污染对北京市SO2月平均贡献率为9.8%,日均浓度超标(大于150 μg/m3)天数内周边贡献平均为11.0%.采暖期北京SO2浓度周边地区贡献较少,主要来源于北京本地污染源.周边省市对北京SO2的月平均贡献率存在季节差异,分别为春22.3%、夏12.9%、秋17.2%、冬9.8%.但就总体而言,周边省市对北京市SO2浓度的贡献率普遍较低,这是因为SO2在大气中的生命周期较短,在长距离传输及扩散过程中不断发生化学转化,并通过干、湿沉降过程不断被清除.但考虑到周边省市SO2排放可能造成气溶胶粒子以及酸雨等二次污染问题,对北京市空气质量存在潜在危害,因此对外地源也应给予一定重视.     

承德市大气污染源排放清单及典型行业对PM2.5的影响

以承德市为研究对象,基于拉网式实地调查,获得了该地区2013年各类典型行业污染源详细的活动水平数据,以大气污染物排放清单编制指南为参考,辅以排放因子研究的系统梳理,建立了2013年承德市各行业区县分辨率大气污染源排放清单,并结合人口、路网、土地利用等数据进行了1 km×1 km网格分配.在此基础上建立气象-空气质量模型系统(WRFCAMx),应用颗粒物来源识别技术(PSAT),选取2013年典型季节代表月1、4、7、10月,针对承德市电力、建材、冶金等典型行业对PM_(2.5)的影响进行了定量评估.结果表明,2013年承德市SO_2、NO_x、TSP、PM_(10)、PM_(2.5)、CO、VOCs、NH_3的总排放量分别为81 134、72 556、368 750、119 974、51 152、1 281 371、170 642、81 742 t.工业源是SO_2、NO_x、CO、VOCs的主要排放源,分别占总排放量的89.5%、51.9%、82.5%和45.6%,NO_x的主要排放源还包括道路移动源和非道路移动源,分别占总排放量的26.7%和10.8%;TSP、PM_(10)、PM_(2.5)的主要排放源是无组织扬尘,分别占总排放量的76.7%、65.6%、46.5%;畜禽养殖、化肥施用是NH_3的主要排放源,分别占总排放量的67.1%、15.8%.数值模拟结果表明,无组织扬尘、其他行业、冶金、锅炉行业对环境PM_(2.5)影响较大,浓度贡献分别为23.1%、20.6%、13.3%和11.2%,制定具体控制措施时应得到重点关注.     

北京市典型区域夏季降水及其对大气污染物的影响

通过采集北京市典型区域2015年夏季大气降水样品,分析研究了大气降水的理化特性,典型降水过程化学组分的变化特征、成因以及对大气污染物的影响.结果表明,北京市典型区域夏季降水pH值范围为5.15~7.34,雨量加权平均值为6.21,酸雨率极低.降水中污染元素Cd、Ca和Mn呈现中度富集,Cu、Zn、Pb和S呈现严重富集;Ca和S是降水中主要污染元素,分别占总污染元素浓度的45.43%和43.93%,Zn、Mn、Cu、Pb和Cd是降水中主要重金属污染元素,占总污染元素浓度的1.32%.降水速率不同的降水对大气污染物的影响作用也有所不同.降水速率较大的降水对PM_(2.5)的清除作用较小,对SO_2、NO_2和O_3的清除作用较大,且影响机制表现为4个重要过程:大气污染物的清除、累积、累积和清除、清除.降水速率较小的降水主要以云内雨除为主,对PM_(2.5)、SO_2、NO_2和O_3的云下清除作用较小,且影响机制表现为:污染物的清除、清除和累积、累积、以及清除为特征的4个重要过程.降水速率较大的降水对大气污染物的清除作用大于降水速率较小的降水.     

基于扩散模式反演的橡胶轮胎制造行业VOCs排放特征

选取我国华北地区某轮胎制造企业为研究对象,针对其挥发性有机物(VOCs)排放,开展了VOCs外场观测试验,并通过ISC3模式反演获得该企业VOCs排放源强.观测结果表明,厂外上风向背景点和下风向受体点之间存在显著的VOCs浓度差异和化学组分差异. 20种潜在排放污染物在背景点和受体点TVOCs浓度平均值分别为53. 8μg·m~(-3)和127. 5μg·m~(-3),背景点化合物以丙烷(7. 2μg·m~(-3))、丙酮(7. 5μg·m~(-3))、壬醛(12. 7μg·m~(-3))、丁烷(4. 9μg·m~(-3))和乙醛(2. 7μg·m~(-3))为主;受体点化合物以壬醛(43. 5μg·m~(-3))、丙烷(11. 4μg·m~(-3))、乙醛(7. 4μg·m~(-3))、己烷(11. 9μg·m~(-3))和丁烷(7. 3μg·m~(-3))为主.背景点和受体点VOCs差异(Δc)为该企业潜在排放的VOCs贡献,以烷烃(31. 39%)和含氧挥发性有机物(33. 15%)为主.继而,本文利用ISC3模式,基于观测期间气象条件,获得了每次试验每个受体点的浓度与源强的关系系数,并基于该关系系数计算了该企业的VOCs排放源强.反演结果显示,该橡胶轮胎制造厂VOCs年排放量平均值为(152. 8±188. 2) t,以壬醛、甲苯、正己烷、丙烷和苯为主,折合VOCs排放因子约每条轮胎101. 9 g.本文反算的排放因子与AP42接近,远低于我国推荐的排放因子数值.以此排放因子计算,当前我国轮胎制造行业VOCs排放量约为62. 13 kt·a~(-1),主要分布在山东省28. 70 kt·a~(-1)和江浙沪地区20. 5 kt·a~(-1),该行业VOCs排放对O3存在较为重要的贡献,其臭氧生成潜势约为130. 87 kt·a~(-1),而对二次有机气溶胶生成潜势较小,仅为0. 86 kt·a~(-1).     

基于Brute-Force方法的京津冀区域夏季臭氧反应机制

近年来京津冀区域夏季臭氧（O₃）体积分数仍居高位,轻中度污染频繁发生,相关反应机制研究亟需开展.利用WRF-Chem模式对该区域2018年夏季代表月O₃浓度进行模拟,并基于Brute-Force方法探究了区域层面前体物减排的O₃变化.O₃在不同排放情景的变化表明,该区域O₃反应机制以VOCs控制区与非敏感区为主,VOCs控制区主要聚集京津冀中部,呈南北带状分布,面积占比15.60%~26.59%.区域各市城区的O₃浓度对前体物排放的相对响应强度（RRI）具有很大的空间差异性,对于VOCs,RRI_VOC在0.03~0.16范围内;而对于NO_x,RRI_NO_x在-0.40~0.03范围内.纬度越高的城区,RRI值越剧烈,表明了越为显著的区域输送影响.前体物排放强度高的城区,RRI_NO_x值越低,暗示RRI_NO_x对当地NO₂浓度的负向依赖;但RRI_VOC与NO₂水平无明显关联,更依赖于对前体物相对丰度（VOCs ：NO_x）.RRI_VOC与RRI_NO_x比值在多数城市表现为负值,VOCs协同减排以抑制O₃浓度恶化十分必要;该比值的绝对值在工业化和城市化高的城市远低于普通中小城市,意味着这些城市VOCs协同减排的要求将更高.然而,即使在前体物50%减排下,区域各城市O₃浓度改善仍然有限,毗邻省份的区域外联合治理也依然重要.