山东省AQI、颗粒物和臭氧时空演化特征及关键影响因素识别分析

山东省空气质量存在明显的时空差异,并受气象和社会经济因子等的综合影响.为了解山东省空气质量指数(AQI)以及颗粒物和臭氧(O₃)浓度等时空演化特征,探究颗粒物与O₃浓度之间的协同关系,基于山东省16个地级市2013年12月—2021年12月的AQI和空气污染物(SO₂、NO₂、CO、O₃、PM_2.5和PM₁₀)浓度数据与同期的气象数据、工业及生活污染物(氨氮、SO₂、氮氧化物和烟尘、粉尘等)排放量和社会经济数据,运用R语言和ArcGIS对各地区AQI与PM_2.5和O₃浓度等的时间和空间变化特征及关键影响因素识别分析.结果表明：(1)山东省AQI和空气污染物浓度具有明显的月际、季节和年际变化特征以及地区性差异.鲁东地区各季节空气质量明显优于鲁西地区,呈现由东向西空气污染愈加严重的趋势. PM_2.5浓度呈鲁西地区最高,鲁中、鲁南和鲁北地区次之,鲁东地区...     

炼油厂工艺加热炉烟气治理实践与探讨

对加热炉烟气排放连续监测系统(CEMS)中气态污染物和颗粒物监测子系统测量原理进行了介绍,分析了造成加热炉烟气中二氧化硫、氮氧化物和颗粒物等超标排放的因素,提出加强燃料系统管理、优化加热炉运行、优化装置加工负荷、提高烟气超标应急响应和加强CEMS系统维护等措施,以保障加热炉烟气排放满足国家排放标准要求.     

黄河中下游悬浮颗粒物多核素时空分布特征及其指示意义

天然放射性核素（238U、40K、226Ra、228Ra、7Be、210Pb_xs等）信息对于认识河流颗粒物的来源及输运过程具有重要的指示意义,然而目前关于河流悬浮颗粒物（SPM）的核素研究尚不多见。本研究分析了黄河中、下游水体悬浮颗粒物中各种天然放射性核素的活度水平及时空分布特征,发现春季颗粒物的238U、40K、226Ra、228Ra、7Be和210Pb_xs活度分别为26.86～119.57 Bq/kg、619.50～835.62 Bq/kg、12.88～55.51 Bq/kg、24.55～82.61 Bq/kg、0.24～39.47 Bq/kg和0.92～18.78 Bq/kg,秋季分别为40.54～73.96 Bq/kg、804.95～1023.12 Bq/kg、31.24～47.68 Bq/kg、57.92～77.95 Bq/kg、0.98～30.50 Bq/kg和12.60～31.33 Bq/kg。对比发现,除7Be在两次调查时表现出相似的变化范围和趋势外,其他各种核素的比活度整体上均表现为春季高于秋季的季节特征。就核素的含量及比值的空间分布而言,黄河小浪底、开封和将军渡3个河段均存在数值异常的现象,推测是这3处区域的物质来源、颗粒物粒径及成分组成不同于其他区域所致。     

加入SOA示踪的深圳大气PM2.5受体模型源解析

为厘清包括二次有机气溶胶（SOA）在内的深圳市区PM_2.5各种一次和二次来源贡献,本文于2017年9月2日~2018年8月29日在深圳市大学城点位开展PM_2.5样品采集,并进行化学组分和水溶性有机物（WSOM）质谱测量,共获得162组有效数据.观测期间深圳市大气PM_2.5平均质量浓度为26μg/m³,在传统PMF源解析的基础上加入羧基离子碎片（CO₂⁺）作为SOA的示踪物,加入水溶性有机氧（WSOO）用于计算各因子O/C,验证有机物解析效果.结果表明,SOA可以被独立解析出,其O/C明显高于其他一次污染源中有机物;机动车、二次硫酸盐、二次硝酸盐、SOA为最主要的4个源,对PM_2.5质量浓度的贡献分别为25%、23%、17%和10%,船舶、地面扬尘、老化海盐、建筑尘、生物质燃烧、燃煤和工业贡献均在5%以内.各个源的变化特征表明,机动车、二次硫酸盐、二次硝酸盐、SOA等源贡献呈现冬高夏低的季节特征,与冬季季风条件下源自内陆的污染传输密切相关.污染天气时,二次硝酸盐和SOA的贡献增加相对最显著,因此NOx和挥发性有机物是减排的关键.     

低成本大气颗粒物传感器的室外环境性能评测研究

对目前大气环境颗粒物监测中采用的基于光散射法的3种型号传感器进行了评测研究,其中A和B是用于室内环境监测,C用于室外环境监测.对3种型号颗粒物传感器与基于β射线方法的标准仪器MATONE BAM-1020对比,对传感器的变异性、时间序列、传感器与标准仪器的线性相关性、其他因素影响、数据质量五个方面开展了分析.结果表明：各型号颗粒物传感器之间有较强相关性（R²达到了0.95以上）;3种颗粒物传感器与标准仪器测量结果吻合度较高,R²分别为0.58,0.80,0.61,且在整个测试时间段内,传感器相对于标准仪器来说高估了PM_2.5;高的相对湿度（RH>50%）和PM_2.5/PM₁₀（ratio）会对传感器产生影响.A、B、C三种型号传感器PM_2.5数据平均绝对误差（MAE）分别为23.31,10.14,28.17μg/m³;归一化均方根误差（RMSE）分别为25.80,14.01,32.98μg/m³,准确性（A%）分别为51.39%,72.97%,46.51%.     

基于工况变化的港作拖轮排放特性

利用便携式排放测试系统（PEMS）对一艘港作拖轮船进行了在变工况航行作业下的排放试验,研究了该船舶CO、碳氢化合物（THC）和NO_x的瞬态特性、颗粒物粒径分布特性、主机在不同工况下的排放因子.结果表明：拖轮主机在日常航行工况和不同发动机负荷下,颗粒物排放粒径呈单峰或双峰分布,第一峰值粒径在30~40nm之间,第二峰值粒径为191.1nm;CO和THC在进港返航工况下基于油耗排放因子显著高于其他工况,NO_x、颗粒物（PM）和颗粒物数量（PN）在离港返航时排放因子高于其他工况;各排放污染物在正顶作业时基于距离的排放因子高于其他工况;CO和THC基于功率的排放因子在正顶作业工况下最高,最高值分别为4.10和1.20g/（kW·h）,NO_x、PM、PN排放因子在倒拖作业工况下最高,最高值分别为10.28g/（kW·h）,0.28g/（kW·h）和13.97×10¹⁴个/（kW×h）.     

颗粒物对混凝过程及超滤膜污染的影响

以nm-SiO₂和μm-SiO₂体系为研究对象,使用3种不同Al形态的混凝剂（AlCl₃、Al₁₃和Al₃₀）进行混凝-超滤实验,考察不同pH值下SiO₂去除率、出水余Al及混凝预处理对膜通量的影响,借助马尔文激光粒度仪、SEM、BET和AFM表征絮体性质及在超滤膜表面的分布和作用力.结果表明,nm-SiO₂体系中SiO₂去除率均低于μm-SiO₂体系,在纳米颗粒物体系中投加混凝剂后膜通量从0.68分别提升至0.96（AlCl₃）、0.86（Al₁₃）和0.87（Al₃₀）,微米颗粒物体系中投加3种混凝剂后膜通量从0.79提升至0.80~0.84.微米级颗粒物是颗粒间的碰撞,纳米级颗粒物主要以团聚态的形式碰撞.低聚态铝（Al_a）和颗粒物形成絮体的粒径均大于150μm,体系zeta电位为负与膜表面产生斥力;在中性条件下Al₁₃与颗粒物形成絮体的强度因子远高于AlCl₃和Al₃₀,中聚态铝（Al_b）将膜孔内部较小颗粒物堵塞形成的不可逆膜污染转移成膜孔表面的可逆膜污染;高聚态铝（Al_c）具有较强吸附架桥和网捕卷扫能力,无定形、不规则的团聚态小颗粒在这一过程中形成较大絮体缓解膜污染.     

机器学习耦合受体模型揭示驱动因素对PM2.5的影响

PM_2.5主要受排放源、大气化学、气象条件等驱动因素的非线性影响,了解驱动因素对PM_2.5浓度的影响十分重要. 本研究基于南开大学大气环境综合观测超级站的逐时在线观测数据,耦合机器学习方法和受体模型,揭示了驱动因素的重要性以及对PM_2.5浓度的影响. 结果表明:① 2018年11月—2020年10月观测地点的PM_2.5浓度范围为3.21~291.80 μg/m3,采暖季PM_2.5浓度和化学组分均高于非采暖季. ②使用受体模型解析PM_2.5的来源及其贡献,发现观测期间二次源的贡献率(44.7%)最高,其他依次为燃煤源(23.6%)、机动车排放源(11.0%)、扬尘源(9.9%)、生物质燃烧源(7.2%),工业源的贡献率(3.6%)最小. ③利用随机森林-SHAP模型量化排放源、大气氧化能力、气象条件等驱动因素对PM_2.5浓度的影响,发现观测期间排放源对PM_2.5浓度的影响程度为54.3%,高于其他驱动因素;气象条件对PM_2.5浓度的影响程度次之,为32.4%;大气氧化能力对PM_2.5浓度的影响程度相对较低,为13.3%. 在采暖季和非采暖季,各驱动因素对PM_2.5浓度的重要性在排序上没有变化,然而驱动因素对PM_2.5浓度的影响程度有所不同. 采暖季排放源对PM_2.5浓度的影响程度高于非采暖季,采暖季大气压对PM_2.5浓度的影响程度低于非采暖季. 研究显示,排放源对PM_2.5的影响相对较大,气象条件和大气氧化能力对PM_2.5浓度的影响也不容忽视.      

大气沉降对川东北喀斯特河水中Mg、Ca、Sr和Ba的贡献

在受大气粉尘活动强烈影响的岩溶地区,大气输入对岩溶地表河水中的金属元素尤其是溶解态元素的影响还较少评估。选择位于秦岭山地、受大气粉尘活动强烈影响的川东北岩溶地区的诺水河,通过2011年7月至2014年6月河水中Mg、Ca、Sr和Ba等元素含量及其变化,结合当地大气沉降观测结果,分析了河水中这些元素的季节变化与影响因素,特别是大气输入对河水中这些金属元素的贡献。结果显示:(1)河水中Mg、Ca、Sr和Ba四种元素显示出明显的季节变化,大气降水稀释作用导致夏季河水中元素浓度值偏低,冬季稀释作用的减弱和粉尘活动加强可能导致河水中元素浓度值偏高;(2)河水中Mg、Ca、Sr和Ba四种元素来源于大气沉降的比例分别是3.1%、7.2%、21.3%和34.8%。这表明在川东北地区,大气沉降对喀斯特河水中部分金属元素如Sr和Ba存在显著影响。     

合肥市PM2.5和PM10中元素组成特征及重污染成因分析

通过对合肥市2018年大气PM_(2.5)和PM_(10)样品的采集,结合对样品中无机元素的测试分析,研究了PM_(2.5)和PM_(10)中的元素组成特征,并根据合肥市重污染天气和非污染天气下大气颗粒物中元素组成的差异性分析,探讨了合肥市重污染天气的主要污染物来源与成因.结果表明,本研究所检测的16种元素中,Si、Al、Mg和Ca这4种地壳元素在重污染天气的质量浓度较非污染天气低,可能是重污染状况下的静风天气引起的地面扬尘减少所造成的; S、Na、K、Cl、Ti、Fe、P、Cu和Ni等元素在重污染天气的质量浓度较非污染天气高,其中S元素的增幅最大,在重污染天气所占的比重和富集因子也大大提升,表明燃煤排放源是合肥地区重污染天气的主要污染成因;重金属元素含量低、富集因子大,其主要来源可能为垃圾焚烧、机动车和工业排放.