基于树种蓄积量的中国森林VOC排放估算

以中国森林优势树种为对象,应用《全国森林资源统计》提供的林分优势树种蓄积量资料和Guenther提出的光温影响模型,估算各优势树种的VOC排放量,建立了中国森林生态系统的VOC排放清单,并探讨了森林源VOC在不同时空和不同龄级林分中的分配规律.结果表明,中国森林VOC总排放量为8 565.76 Gg,其中异戊二烯5 689.38 Gg(66.42%),单萜烯1 343.95 Gg(15.69%),其他VOC 1 532.43 Gg(17.89%);不同树种的VOC排放量差异较大,栎类、云杉、马尾松等为主要贡献树种,贡献率分别为45.22%、6.34%和5.22%;西南和东北地区为中国森林VOC主要排放区域,云南、四川、黑龙江、吉林、陕西5省排放最多,分别占全国总量的15.09%、12.58%、10.35%、7.49%和7.37%;森林VOC排放存在非常强的季节性变化,夏季排放量最大,占全年的56.66%;不同龄级林分对VOC排放的贡献有所不同,中龄林贡献最多,占森林排放总量的38.84%.     

应用简单质量平衡法计算酸沉降临界负荷的研究

基于植物响应、土壤稳定性,铝浓度,碱度和ｐＨ标准,应用简单质量平衡法计算红壤各种土的酸沉降临界负荷。结果表明,沙质红泥土,红沙土,潮沙土、中度侵蚀红壤和潮沙泥土的酸沉降临界负荷较低,棕泥土和红壤土较大;     

成都城区PM2.5季节污染特征及来源解析

于2009—2010年各季节典型月在成都城区采集了大气PM_2.5样品,对PM_2.5的质量浓度及其主要化学成分(含碳组分、水溶性无机离子和元素)进行了测定. 结果显示:成都城区PM_2.5平均质量浓度高达(165.1±85.1)μg·m^-3,是国家环境空气质量标准年均PM_2.5限值的4.7倍. OC、EC和水溶性二次离子(SO₄^2-,NO₃^-和NH₄⁺)的平均浓度分别为(22.6±10.2)μg·m^-3,(9.0±5.4)μg·m^-3和(62.8±44.3)μg·m^-3,分别占PM_2.5浓度的13.7%、5.5%和38.0%. PM_2.5及其主要化学成分浓度季节特征明显,即秋冬季高于春夏季. 利用正交矩阵因子分析(PMF)对成都城区PM_2.5的来源进行解析,结果表明,土壤尘及扬尘、生物质燃烧、机动车源和二次硝酸盐/硫酸盐的贡献率分别为14.3%、28.0%、24.0%和31.3%. 就季节变化而言,生物质燃烧源贡献率在四个季节均维持在较高水平;土壤尘及扬尘的贡献率在春季显著提高;机动车源的贡献率在夏季中表现突出;而二次硝酸盐/硫酸盐的贡献率在秋冬季中则最为显著.     

四川乡村点新粒子生成特征及其对云凝结核数浓度的贡献

为揭示成渝地区大气复合污染成因,选择乡村点资阳站的冬季,实测了颗粒物数浓度及其粒径谱分布、云凝结核(CCN),在二氧化硫、光解速率(JO1D)实测值基础上估算了新粒子生成的重要前体物气态硫酸的浓度.2012年12月5日到2013年1月5日观测期间,3~582nm颗粒物数浓度水平较高,平均值为(16072±9713)cm-3.颗粒物数谱分布呈现以积聚模态为主体的特征,占总颗粒物数浓度的46%,此比值高于我国北京、上海、广州等城市和珠江三角洲及长江三角洲的乡村点和背景点.在较高颗粒物凝结汇(CS)水平下[(4.3±3.6)×10-2s-1],甄别出7次新粒子生成(NPF)事件,占观测天数的23%.NPF事件发生时,颗粒物生成速率与增长速率分别为(5.2±1.4)cm-3s-1,(3.6±2.5)nm/h. NPF事件对CCN数浓度有明显贡献,NPF发生后CCN数浓度平均增长19%.     

河南省优先控制人为源VOCs关键物种及来源识别

为了解河南省人为源挥发性有机物(VOCs)的排放特征,识别以臭氧(O₃)污染治理为目的的关键VOCs物种及其排放源,以五大类人为源活动水平数据为基础,采用排放因子法建立了2019年河南省县级人为源VOCs组分化排放清单,并利用最大增量反应活性(MIR)估算其臭氧生成潜势(OFP),基于OFP识别O₃污染治理的关键VOCs物种及其排放源.结果表明：(1)河南省2019年人为源VOCs排放总量为175.62×10⁴ t,其中工艺过程源、移动源、生物质燃烧源、溶剂使用源和化石燃料燃烧源对VOCs排放总量的贡献率分别为28.6%、25.2%、20.8%、19.1%和6.3%.(2)空间分布显示,以郑州市为中心的豫北排放量远高于豫南,呈“一高三低”的空间分布特点,郑州市排放量最高,其排放量为27.7×104 t,漯河市、三门峡市和鹤壁市排放量最低,其排放量均小于5.0×10⁴ t.(3)芳香烃是排放量最高的化学组分,其排放量为47.5×10⁴ t,其次为烷烃(46.3×10^4<...     

区域高时空分辨率VOC天然源排放清单的建立

将中尺度气象模式MM5应用于估算VOC天然源排放的研究,建立了高时空分辨率VOC天然源排放清单的估算方法.根据方法需要,确定了我国部分树木排放异戊二烯和萜烯的标准排放因子,各植被类型排放各种VOC的标准排放因子,以及各植被类型季节平均的叶生物量密度.应用该方法估算了华南地区满足区域空气质量数值模拟要求的高时空分辨率VOC天然源排放清单.结果表明,华南地区夏季典型日的VOC天然源排放总量约1.12×10⁴t,VOC排放速率具有明显的时空分布,其中地理分布取决于植被类型及其分布,日变化规律则依赖于太阳辐射和温度的高低.并讨论了VOC天然源排放估算过程中误差的来源     

大气污染物垂直梯度自动监测系统的研制

设计的大气污染物垂直梯度自动监测系统是用 2个电磁阀实现 3个高度的气体采样 ,依靠分析仪器自身的抽气泵将气体样品通过聚四氟乙烯管抽入各分析仪器进行测量 ,并用一台微机和一块 AD/DA转换板实施对电磁阀的控制和数据采集 .现场观测实验表明 ,对于 25m长的采样管清洗时间可设置 1 min,而采样管长度间的差异不会导致测量 O₃、SO₂、NO和 NO₂ 小时平均浓度存在显著性差异 .     

城市街道峡谷内机动车排放污染物的扩散规律

街道峡谷中机动车排放污染物的扩散取决于屋顶风向和风速,并受街道峡谷宽高比、峡谷两侧街区建筑物高度的对称性和高度分布及街区形状等因素的影响.街道峡谷宽高比接近1时,递升型峡谷以及宽阔街道有利于污染物的扩散;可以通过改变街道线源附近街区内建筑物的高度来明显降低污染物浓度.城市建筑规划中若科学考虑上述影响可以减少街道峡谷内污染物的积聚.      

正矩阵因子分解法评价北京市PM_(10)和SO_2监测网络

为辨识北京市大气污染物变化规律相同的区域,筛选监测网络中表征冗余信息的监测点,使用正矩阵因子分解法分别对北京市PM10和SO2监测网络进行分析与评价.分析获得北京市PM10和SO2明显的季节变化特征:PM10浓度春季最高,夏季较低;SO2浓度冬季最高,夏季较低.采用正矩阵分解法对PM10监测网络解析出3个因子,对应北京市PM10污染变化特征相同的3个区域,分别为区域1代表监测点为车公庄与石景山古城,区域2代表监测点为位于城东的前门、天坛、农展馆与奥体中心,区域3代表监测点定陵.结果表明区域2监测点密度较大,存在表征冗余信息的监测点,可以考虑撤销或迁移部分监测点.对SO2监测网络解析出6个因子,分别对应北京市SO2污染变化特征相同的6个区域,代表监测点位分别为定陵、古城、东四、奥体中心、农展馆与天坛和前门与车公庄.评价结果表明北京市PM10和SO2监测网络都存在冗余信息的监测点,可以根据分区结果考虑撤销或者迁移部分监测点,优化监测网络.     

城市街道峡谷内机动力排放污染物的扩散规律

街道峡谷中机动车排放污染物的扩散取决于屋顶风向和风速，并受街道峡谷宽高比，峡谷两侧街区建筑物高度的对称性和高度分布及街区形状等因素的影响，街道峡谷度比接近1时，递升型峡谷以及宽阔街道有利于污染物的扩散，可以通过改变街道线源附近街区内建符物的高度来明显降低污染浓度，城市建筑规则中若科学考虑上述影响可以减少街道峡谷内污染物的积聚。