京津冀及周边地区秋冬季PM2.5爆发式增长成因与应急管控对策

京津冀及周边地区秋冬季大气重污染过程频发,而在一些污染过程中PM_2.5会呈现爆发式增长特征,受到社会、公众的广泛关注,但现阶段针对PM_2.5爆发式增长的成因仍缺乏系统性的认知.对京津冀及周边地区在2015-2019年秋冬季（10月-翌年3月）大气重污染过程进行整理分析,并以2016年12月16-22日和2019年1月10-14日两次典型重污染过程中的PM_2.5爆发式增长为典型案例进行成因解析,归纳得出PM_2.5爆发式增长的主要原因为本地积累、区域传输和二次转化.对于北京市,PM_2.5爆发式增长通常不是上述某一原因独立导致,而是三者综合作用的结果.对于主要由本地积累引起的PM_2.5爆发式增长,应提前采取预警应急措施,降低ρ（PM_2.5）峰值;对于主要由区域传输引起的PM_2.5爆发式增长,应开展区域应急联动,降低传输通道沿线城市对ρ（PM_2.5）累积的贡献;对于主要由二次转化引起的PM_2.5爆发式增长,应通过一次颗粒物和SO₂、NO_x、VOCs等气态污染物的协同减排,降低高湿条件下污染物二次转化的影响.在2016年12月16-22日的大气重污染过程期间,京津冀及周边地区通过采取上述应急管控对策,减少了主要污染物排放量,有效降低了ρ（PM_2.5）峰值.建议可根据各地PM_2.5爆发式增长的具体成因,通过提前采取重污染天气预警应急措施、区域应急联动和多污染物（一次颗粒物、SO₂、NO_x、挥发性有机物等）协同减排等应急管控对策,有效减少PM_2.5爆发式增长的次数、降低PM_2.5爆发式增长的速率,减缓大气重污染的发生和发展.      

京津冀地区大气污染联防联控机制实施效果及完善建议

回顾了我国京津冀地区大气污染联防联控机制发展历程,从目标效果、制度框架、措施手段等视角系统地阐述了京津冀地区大气污染联防联控机制的实施效果.结果表明:①京津冀地区大气污染联防联控的预期目标（2017年）基本实现,并且随着控制目标逐渐严格,已由年尺度细化至日尺度.②京津冀地区大气污染联防联控顶层制度框架逐渐成熟,运行机制逐渐健全统一,重污染应急管控预案趋向于成本有效性减排策略.③当前大气污染联防联控手段基本为命令控制型,在源头控制上主要采用新源环境准入、老旧源落后产能淘汰、燃煤控制与小规模炉窑综合整治等产业结构优化和能源消耗结构调整策略;在末端控制上,逐步规范和强化大气固定源排污许可证管理制度,实施精细化的移动源、面源排放管理模式.④建议加快建立京津冀地区空气质量管理常设机构,实现大气污染联防联控的长效化;建议实施区域性大气固定源排污许可证制度,在此基础上引入经济刺激型手段,建立基于京津冀地区空气质量改善目标的大气固定源排污权交易制度,让市场机制促使污染源进一步减排和污染控制技术水平的不断提升.      

2018年3月两会期间北京重污染过程边界层气象的演变分析

为研究北京冬季重污染过程的污染特征及成因,采用边界层风场、温/湿场和气溶胶垂直探测等雷达综合遥测手段,对2018年3月北京两会期间的一次典型重污染过程,从边界层气象要素演变进行综合研究.结果表明:①整个污染过程历时7 d,轻度以上污染时数达118 h (占污染过程总小时数的69. 8%),严重污染时数达16 h (占污染过程总小时数的9. 5%),ρ(PM_(2.5))最高达333. 5μg/m~3.②从气溶胶的垂直空间演变来看,重污染天气的形成,除受本地源排放积累的影响外,还存在北京南部和东部的外部污染传输.贴地或上部逆温的稳定温度层结基本上对应ρ(PM_(2.5))的累积过程,其中,重污染时段逆温维持达68 h,逆温层厚度为500～1 100 m,最大平均逆温强度为0. 6℃/(100 m).大气边界层高度偏低(积累过程白天在1 000 m以下,夜间只有300～500 m),导致污染物持续积累.整个污染过程中,高湿时段引起PM2. 5吸湿增长和转化加重了污染程度;近地层持续小风导致污染积累;西南、东或东南方向大风层(10 m/s左右)向低空下探,有利于污染的缓解;强西北风或北风作用,使污染得以清除.研究显示,污染过程与边界层气象要素的演变密切相关.     

辽宁辽中县城郊地区大气污染物时空变化及来源特征

以辽中县水文站为辽宁省典型城郊地区大气背景站点,针对大气污染物,ρ(PM_2.5)和气象因子等进行了1年(2007年2月—2008年1月)的连续观测.研究了各污染物的浓度水平,日、季节变化以及来源特征.φ(O₃),φ(CO),φ(SO₂),φ(NO),φ(NO₂),φ(NO_x*),φ(NH₃)和ρ(PM_2.5)平均值分别为19.9×10-9,0.85×10-6,9.7×10-9,8.8×10-9,14.5×10-9,23.2×10-9,29.8×10-9和66.6 μg/m3. 除SO₂外,各污染物浓度水平均优于我国《环境空气质量标准》(GB 3095—1996)的二级标准.φ(O₃)在日间达到最大值,一次污染物呈现双峰分布.从季节变化来看,φ(O₃)在夏季最高,春季最低.一次污染物如CO,SO₂,NO以及PM_2.5的浓度均在冬季达到最大值.地面监测的φ(O₃)和OMI卫星反演的NO₂ 柱浓度的变换趋势相同,但地面观测的φ(O₃)在春季明显低于柱浓度.后推气流轨迹分析结果表明,在φ(O₃)较高的夏、秋季,从东北地区和渤海湾起源的气流贡献最大.      

广州颗粒物化学组成特征及季节差异

为系统反映广东省广州市冬、夏季颗粒物的特征,分别于2008年12月16日─2009年1月9日和2009年8月4 ─29日,在广州市环境监测中心站使用微天平法四通道颗粒物采样仪进行颗粒物采样,并测定了PM₁₀中ρ(OC)和ρ(EC),Al和Fe等16种化学元素以及SO₄2-和Ca2+等9种离子的质量浓度.结果表明:ρ(PM₁₀₎,PM₁₀中的ρ(OC)和ρ(EC),Al和Fe等16种化学元素以及SO₄2-和Ca2+等9种离子的质量深度季节差异明显,均表现为冬季高于夏季;冬、夏季PM₁₀中各成分所占比例排序不同,但均以OC所占比例最大,SO₄2-和Ca2+等9种离子次之.广州PM₁₀主要有5个来源,但冬、夏季不同.其中冬季主要来源于工业源和土壤扬尘、燃煤、交通排放和生物质燃烧、海盐;夏季则主要来源于燃油、交通排放和生物质燃烧、土壤扬尘或燃煤、海盐、垃圾焚烧或特殊工业源.      

北京市东北城区冬季大气细粒子与相关气体污染特征

利用VAPS通用型大气污染物采样仪与DX-600型离子色谱仪于2008年11月及2009年1月进行了北京市东北城区大气细粒子(PM2.5) 可溶性离子组分和相关气体组分的同时监测与分析.结果表明,在采样期间,北京PM2.5质量浓度随时间呈“3峰”的变化,在“3个峰段”期,随采样时间的推进,PM2.5质量浓度增高;与北京市以往监测结果相比,北京市PM2.5中几种主要水溶性无机离子的污染水平呈现下降的趋势;PM2.5呈弱酸性,对大气环境酸化和酸性湿沉降的形成具有一定的促进作用;PM2.5中NH4+主要以硫酸盐、硝酸盐及氯盐的形式存在;PM2.5中SO42-、NO3-的质量浓度变化趋势分别与环境空气中SO2、NO2的质量浓度变化趋势相似,PM2.5中SO42-和NO3-分别主要由SO2、NO2转化而来,且NO2二次转化率低于SO2的二次转化率.     

合肥市郊夏季PM10浓度及其与能见度的关系

年8—9月在合肥市郊对ρ(PM₁₀)进行了观测,并分析了其中9种水溶性离子(NO₂-、Cl-、NO₃-、SO₄2-、NH₄+、Ca2+、Na+、Mg2+、K+)质量浓度. 结果表明:采样期间该地区ρ(PM₁₀)日均值为78.9 μg/m3,9种水溶性离子的平均质量浓度为18.93 μg/m3,占ρ(PM₁₀)的26.6%,表明水溶性组分是PM₁₀的重要组成之一. SO₄2-、NO₃-、NH₄+和Ca2+是主要的阴、阳离子,日均质量浓度分别为8.14、4.81、3.46和1.33 μg/m3. 不同RH(相对湿度)下PM₁₀对能见度的影响不同,RH小于80%时,二者呈显著的线性负相关〔R(相关系数)为-0.80〕;RH大于80%时,二者呈指数负相关(R为-0.48). 离子间相关性分析显示,PM₁₀中水溶性离子的主要结合方式为(NH₄)₂SO₄、NH₄HSO₄、NH₄NO₃、KCl及K₂SO₄. 采样期间ρ(NO₃-)/ρ(SO₄2-)平均值为0.59,说明在该地区固定源对水溶性组分的贡献大于移动源. 另外,扬尘也是PM₁₀重要来源之一.      

天津武清大气挥发性有机物光化学污染特征及来源

大气VOCs(挥发性有机物)是臭氧的重要前体物之一,研究其光化学污染特征和来源对控制近地面臭氧污染具有重要意义. 于2006年8月10日—9月18日在天津郊区武清采用在线监测的方法,同步观测了VOCs、O₃和NO₂等气态污染物,以及温度和紫外辐射等气象因子. 对9月10—15日臭氧浓度较高时段VOCs的浓度水平、化学反应活性、臭氧生成潜势和来源进行了分析. 结果表明:天津郊区武清环境空气中VOCs体积混合比平均浓度为24.6×10-9;VOCs主要由烷烃和烯烃组成,机动车排放、轻烃工艺、生物排放、沼气和碳氢溶剂是其重要来源. 根据等效丙烯浓度和MIR方法评估,烯烃对臭氧光化学产生的贡献占主导性地位,其中异戊二烯、丙烯、二甲苯和甲苯是臭氧生成潜势较大的物种. 通过与天津城区比较发现,郊区与城区的大气VOCs不仅组成不同,而且化学活性物种也不同.      

北京2011年10月连续灰霾过程的特征与成因初探

选择2011年北京地区灰霾典型发生月——10月,利用在中国环境科学研究院监测的φ(SO₂)、φ(O₃)、φ(NO₂)、φ(CO)、ρ(PM₁₀)、ρ(PM_2.5)、ρ(BC)等数据,对该地区秋季典型灰霾过程特征及成因进行了研究. 在观测期间51.5%的时间内出现了灰霾,其中13.6%属于重度灰霾. 对灰霾期间污染物时间分布特征的分析表明:在灰霾过程中ρ(PM₁)、ρ(PM_2.5)、ρ(PM₁₀)及ρ(BC)较各自月均值的升幅均大于20%,ρ(PM₁)/ρ(PM_2.5)(78.7%)也明显增大.大气能见度的降低与细颗粒物及亚微米颗粒物有直接关系. 对观测期间的气象因素、气体污染物时间序列和颗粒物浓度累积特征的研究表明,10月连续灰霾过程的成因可能是该月频繁出现的鞍型场静稳天气及北京周边地区存在的基数较大的细颗粒物排放源所致.