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.      

利用轨迹模式模拟近地层臭氧日变化

提出在多条轨迹上应用轨迹模式，以实现对固 区臭氧浓度日变化的模拟，应用该方法对北京燕山石化炼油厂地区的Ｏ３浓度日变化进行了模拟，结果表明模拟值和实测值十分吻和。进一步模拟了当地的臭氧生物特征，并讨论了当地的气象条件和源排放对Ｏ３生成浓度的影响。结果说明削减ＮＯｘ的排放量是控制该地区光化学烟雾形成的关键，而降低燃烃和芳香烃在排放物中所占的比例也是控制该地区光学烟雾的重要手段。     

北京奥运交通限行前后街道机动车污染的模拟

为评估北京市街道的机动车污染状况及奥运期间的改善程度,利用OSPM模型模拟计算了2008年7月奥运交通限行前后北京街道大气中PM10、CO、NO2和O3的浓度,得到其在限行前的日均浓度值分别为146μg/m3、3.83 mg/m3、114.4μg/m3和4.71×10-9,限行后为112μg/m3、3.16 mg/m3、102.4μg/m3和5.31×10-9,削减率分别是23.4%、20.5%、10.5%和-12.5%.对污染物在限行前后的浓度变化和日变化趋势的研究发现,PM10浓度受交通限行影响削减最大;CO浓度的日变化趋势与机动车流量的变化最为类似;NO2在限行后的削减幅度有限,表明其浓度还受到除交通排放外的其他因素影响;O3浓度在限行期间有所上升,说明限行措施不能降低街道中大气O3浓度.另外,比较不同类型街道的计算结果,发现街道车型构成与几何形状对污染物浓度变化有影响.总之,北京市在实施交通管制前,街道中PM10、CO和NO2的日均浓度均接近或超过国家空气质量二级标准限值,机动车污染状况较为严重;交通限行可有效降低一次污染物的浓度,但二次污染物的浓度有可能升高.     

成都双流夏秋季环境空气中VOCs污染特征

为了解成都市大气污染重点防治区域——双流地区的环境大气中挥发性有机物(VOCs)的污染特征和来源,2016年8月30日~2016年10月7日,VOCs外场观测在成都市双流区展开.结果表明,在线观测期间,采样站点总的大气挥发性有机物(TVOCs)的平均体积分数为(45. 15±43. 74)×10-9,其中烷烃的贡献最大(29%),其次是芳香烃(22%)、卤代烃(17%)、含氧挥发性有机物(OVOCs,15%)、烯烃(9%)、乙炔(7%)、乙腈(1%);优势物种为丙酮、二氯甲烷、乙炔、乙烯、苯、甲苯、间/对-二甲苯、丙烷、1,2-二氯乙烷以及丁酮.通过比较VOCs的化学反应消耗速率发现,反应活性最大的为芳香烃,其次是烯烃;反应活性最强的物种为苯乙烯、间/对-二甲苯、异戊二烯、乙烯等.整个观测期间,有两次明显的生物质燃烧活动.国庆假日期间,TVOCs浓度相比之前明显上升,平均体积分数达57. 65×10-9,其中,短链烯烃、卤代烃以及OVOCs浓度上升最为显著.分析某些关键的非甲烷总烃(NMHCs)和OVOCs的日变化特征发现,其变化规律反映了双流地区不同源排放特点.双流区环境空气中VOCs受本地工业源排放影响较大.     

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.     

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.     

重庆市主城区大气细颗粒物污染特征与来源解析

重庆市主城区大气细颗粒物(PM_(2.5))浓度从1990s的100μg·m~(-3)下降至当前的约70μg·m~(-3),但仍高于环境标准限值.为探讨重庆市主城区PM_(2.5)化学组成与来源特征,于2012—2013年在渝北区大气超级站利用四通道采样仪连续采集了颗粒物样品,分析了其中水溶性离子、碳质组分和无机元素含量.采样期间,重庆市主城区大气PM_(10)和PM_(2.5)的年日均浓度分别为103.9和75.3μg·m~(-3),扩散条件不利的冬季,细颗粒物污染较为严重.受静稳天气影响的1月和2月,受沙尘影响的3月,及二次转化显著的6月是重庆市细颗粒物污染较重的月份.重庆市PM_(2.5)组成以有机物(OM,30.8%)为主,其次为硫酸盐(SO_4~(2-),23.0%)、硝酸盐(NO_3~-,11.7%)、铵盐(NH_4~+,10.9%)、地壳物质(Soil,8.2%)、元素碳(EC,5.2%)、K~+(1.1%)、Cl~-(1.0%)和微量元素(Trace,0.6%).较高的SO_4~(2-)浓度和逐步上升的[NO_3~-]/[SO_4~(2-)]比值反映了重庆市燃煤污染较重,同时机动车污染比例逐步增加.采用主因子分析/绝对主因子得分法解析了重庆城区细颗粒物5类主要来源是:二次粒子(41.7%)、燃煤(15.6%)、建筑/道路尘(12.4%)、土壤尘(11.0%)和工业尘(10.4%),通过各污染源季节变化及与其他结果对比,该源解析结果能够较可靠反映重庆市细颗粒物的来源信息.     

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。