典型石化企业排放空气质量影响模拟研究

基于惠州市大亚湾区2017年大气污染源排放清单,利用WRF-CMAQ模型系统量化评估了大亚湾区某典型石化企业在关停和增产排放情景下对周边空气质量的影响.清单结果显示该企业2017年SO₂、NO_x、PM₁₀、PM_2.5、CO和VOCs的排放量分别为212 、1744 、455 、359 、1458 和6446 t,在严格落实等量替代及减排措施后,该石化企业虽然产能翻倍,但VOCs排放量同比2017年显著减少了30%,其它污染物排放量增加了6%~19%.模拟结果显示2017年该石化企业排放对大亚湾区NO₂、PM₁₀、PM_2.5和O₃的浓度贡献分别为0.91、0.64、0.54和-0.08 μg·m^-3,完全关闭该企业排放后对周边站点NO₂改善效果最大（可使邻近管委会子站NO₂浓度下降1.24 μg·m^-3,下降百分比为5.10%）,但由于NO的滴定效应,该企业NO_x减排对周边管委会子站和霞涌子站的O₃浓度均有轻微负贡献;该石化企业的增产改造对周边O₃浓度降低影响明显,周边站点中O₃浓度最高可下降2.45 μg·m^-3（下降幅度为1.72%）,大亚湾区O₃浓度整体也可下降1.45 μg·m^-3.此外,受秋冬季不利扩散条件以及主导上风向污染传输影响,该企业在1月和10月对管委会子站NO₂、PM₁₀和PM_2.5的浓度贡献较大,由于冬季低温导致光化学反应自由基活性降低,该企业在1月对管委会子站O₃浓度负贡献显著.     

南京地区细颗粒物污染输送影响及潜在源区

基于南京市空气质量数据和NCEP全球再分析资料,利用后向轨迹模式计算了2019年3月至2020年2月以南京城区为受体点的逐小时气团24 h后向轨迹,并将后向轨迹数据和PM_2.5浓度数据结合,进行轨迹聚类和潜在源区分析.结果表明,研究期间南京市ρ(PM_2.5)平均值为(36±20)μg·m^-3,超过国家二级标准限值的污染天数为17 d,ρ(PM_2.5)的季节变化特征明显：冬季(49μg·m^-3)>春季(42μg·m^-3)>秋季(31μg·m^-3)>夏季(24μg·m^-3),全年PM_2.5浓度和地面气压显著正相关,而跟气温、相对湿度、降水量和风速均为显著负相关关系;春季气团输送路径为7条,其余季节均为6条,其中,春季的西北路和东南偏南路,秋季东南路和冬季西南路是各季主要的污染输送路径,均具有传输距离短,气团移动慢的特点,说明静稳天气下本地累积是PM_2.5出...     

广东省春季一次区域臭氧污染过程的成因分析

为探究广东省春季环境空气臭氧(O₃)污染成因,选取2022年4月6—10日的一次典型污染过程,结合后向气流轨迹、潜在源贡献因子算法和权重轨迹分析法,较为全面地分析了本次污染过程的特征及传输对O₃的影响.结果表明：本次污染范围涉及全省10个城市,污染前期江门市和中山市O₃小时峰值浓度分别高达264μg·m^-3和272μg·m^-3,后期东莞市每日O₃小时峰值均高于260μg·m^-3.以清远市为代表性城市的分析表明,污染天日最大8 h平均O₃浓度、氮氧化物(NO_x)和挥发性有机物(VOCs)浓度平均值较非污染天分别升高10.8%、44.0%和168.0%.O₃污染天呈高温、低湿的特点,O₃浓度与温度的相关性在污染天显著增强.基于MIR值计算的O₃生成潜势结果表明,与非污染天相比,污染天间、对-二甲苯、乙苯、邻二甲苯和甲苯对O     

油菜/玉米轮作农田土壤呼吸和异养呼吸对秸秆与生物炭还田的响应

土壤呼吸是农田生态系统碳排放的主要途径,为研究土壤呼吸、其组分和水热因子对秸秆与生物炭还田的响应,在重庆国家紫色土肥力与肥料效益长期监测基地采用根系排除法联合运用土壤呼吸自动监测系统(ACE-002/OPZ/SC)测定了无物料还田(CK)、秸秆还田(CS)、秸秆+速腐剂还田(CSD)、生物炭还田(BC)、秸秆+生物炭1∶1还田(CSBC)5种处理下的紫色土丘陵区油菜/玉米轮作制中油菜和玉米生长季的土壤呼吸及其水热因子,并计算了根系呼吸贡献.结果表明,秸秆与生物炭还田显著影响土壤呼吸季节性变化特征和峰值,除BC处理外,其他处理均促进了土壤呼吸和碳排放;油菜季土壤呼吸呈单峰曲线,在0.12~2.29μmol·(m~2·s)~(-1)波动,不同处理土壤呼吸差异显著,表现为CSCSDCSBCCKBC处理;玉米季各处理土壤呼吸变化较复杂,变化范围为1.02~15.32μmol·(m~2·s)~(-1),其中CS、CSD和CSBC呈双峰型曲线,CK和BC呈单峰曲线.土壤异养呼吸能够解释土壤总呼吸变化的86.50%~93.94%,各处理的玉米季根系呼吸贡献(26.49%~32.86%)显著低于CK处理(53.65%).土壤呼吸速率的变化主要受5cm土壤温度控制,与土壤含水量无显著关系;5cm土壤温度能够解释土壤呼吸季节变化的82%~94%.土壤呼吸的温度敏感性系数Q10值在3.28~4.47之间,与CK处理相比,CS、CSD、CSBC处理的Q10分别降低了26.62%、18.12%、20.58%;而BC处理则增大了12.53%.水热双因子对土壤呼吸不存在协同作用,仅用土壤温度单因子指数函数可较好地模拟土壤呼吸速率的动态变化.可见,秸秆、秸秆+速腐剂和秸秆+生物炭还田显著促进了土壤呼吸,生物炭还田抑制了土壤呼吸.     

银川市PM2.5的输送路径及潜在源解析

基于2015~2017年银川市PM_2.5逐小时质量浓度和同期气象数据,采用气流后向轨迹聚类分析法、潜在来源贡献函数法（PSCF）和浓度权重轨迹分析法（CWT）研究银川市PM_2.5的输送路径及潜在源分布.结果表明：2013~2018年银川市大气PM_2.5质量浓度呈先升高后下降的趋势,其中2016年PM_2.5浓度年均值最高（54.25±20.91）μg/m³;在四季变化中,冬季PM_2.5浓度最高（75.11±29.21）μg/m³,夏季最低（31.83±7.09）μg/m³.聚类分析表明西北方向气流是银川市四季PM_2.5主要的输送路径,在春、秋、冬3季PM_2.5均为西北长距离输送路径;而在夏季,短距离输送气流是PM_2.5主要的输送方式.PSCF与CWT分析表明,冬季PM_2.5潜在源区范围最大,主要集中在西北-东南走向的潜在贡献源区带,包括新疆中东部、青海省北部、河西走廊地区、内蒙古西南部、甘肃省南部以及宁夏西北部;春、秋两季PM_2.5潜在源区主要位于新疆东部与甘肃省交界区域、甘肃省东南部、湖北北部、陕西西南部以及重庆北部;夏季的潜在源区范围最小,主要集中在新疆东部与甘肃交界区域.在PM_2.5重污染天气期间,其主要来源于西北方向气流,潜在源区主要分布在新疆东部与甘肃交界区域、内蒙古西南部与甘肃交界区域以及甘肃中南部地区.因此,在实施防风固沙的基础上,加强区域环境合作,实施大气污染联合防治,可以有效缓解银川乃至京津冀地区的大气污染.     

兰州市煨炕污染物排放清单及其对PM2.5浓度贡献

在考虑经济水平差异的基础上,通过对典型区域的调查确定煨炕活动水平,采用排放因子法建立了兰州市2016年煨炕大气污染物排放清单,煨炕排放的SO_2、NO_x、NH_3、CO、VOCs、PM_(10)、PM_(2.5)、OC和EC的总量分别为340. 8、201. 8、106. 0、36 628. 2、4 997. 2、6 070. 3、5 645. 1、1 089. 3和1 233. 1 t·a~(-1).对污染物排放总量进行时空分配,排放主要集中在11月至次年4月中旬;排放量与区域经济水平密切相关,且存在着明显的空间差异,排放量大的区域主要集中在榆中东南部、永登中部和七里河南部.利用WRF~-Chem模式研究了采暖季煨炕对兰州市PM_(2.5)浓度的平均贡献,引入煨炕污染物排放清单提高了模拟结果的准确性,兰苑宾馆(位于城区)和榆中站(位于农村)的PM_(2.5)平均浓度在模拟期间分别升高了32μg·m~(-3)和34μg·m~(-3),贡献率分别为37. 6%和49. 2%.可见,研究和制定科学的煨炕污染物防控对策对改善区域环境空气质量具有重要意义.     

四川省基于第二次污染源普查数据的人为源大气污染源排放清单及特征

本研究根据自下而上和自上而下相结合的方法收集四川省人为源活动水平数据,其中工业源活动水平来自四川省第二次污染源普查数据,涵盖11020台锅炉信息、60078家工业企业信息,成都市收集了19152家工业企业数据,占四川省企业总数的32%.各污染源选取合理的排放因子并结合GIS技术,构建了该地区2017年9 km×9 km人为源大气污染物排放清单.结果表明,2017年四川省SO₂、NO_x、CO、PM₁₀、PM_2.5、BC、OC、VOCs和NH₃排放总量分别为308.6×10³、725.7×10³、3131.2×10³、927.6×10³、422.4×10³、30.2×10³、72.0×10³、600.9×10³和887.1×10³t.固定燃烧源和工艺过程源是SO₂主要贡献源,CO的主要贡献源为工艺过程源和移动源,扬尘源和工艺过程源为PM₁₀和PM_2.5的主要贡献源,扬尘源是BC和OC最大贡献源,VOCs排放源主要来自工艺过程源、移动源和溶剂使用源,NH₃排放主要来源于畜禽养殖和氮肥施用.污染空间分布结果显示,各项污染物主要集中分布于人口密集,工业和农业较为发达的四川盆地和攀枝花部分区域,高值点位集中在成都平原地区的德阳—成都—眉山—乐山沿线.本研究建立的排放清单仍具有一定不确定性,后续研究工作中应进一步加强活动水平数据获取的准确性,针对典型污染源开展污染物排放因子测试工作,完善网格化排放清单,为四川省大气污染防治提供科学支撑.     

基于PSCF与CWT模型的乌鲁木齐市大气颗粒物源区分析

利用MeteoInfoMap软件和GDAS全球同化气象数据,对乌鲁木齐市2014—2019年四季72 h气团后向轨迹进行聚类分析.同时,结合小时PM_2.5和PM₁₀浓度数据,运用潜在源贡献因子分析法（PSCF）和浓度权重轨迹分析法（CWT）分析了乌鲁木齐市颗粒物不同季节潜在源区及其对研究区颗粒物浓度的贡献.结果表明：①影响乌鲁木齐市大气质量的气团轨迹可分为长、短两支,短支气流主要来自研究区及周边城市,对研究区颗粒物浓度贡献大;②长支气流输送距离较远,主要来自哈萨克斯坦、俄罗斯等国家,对研究区颗粒物浓度贡献小;③影响乌鲁木齐市PM_2.5浓度的主要潜在源区是吐鲁番地区、巴音郭楞蒙古自治州、伊宁市和阿克苏地区;④潜在源区分布呈现显著季节变化特征,冬季潜在源区分布广、贡献度高,而夏季源区分布狭窄、贡献度低,春季和秋季源区分布与贡献特征介于两者之间.     

游客低碳旅游认知、意愿和行为特征分析——以厦门鼓浪屿为例

以厦门鼓浪屿游客为调查对象,收集游客的人口学特征、低碳旅游认知、意愿和行为特征等相关信息,利用调查得到的数据进行描述性统计分析结果表明:游客低碳旅游认知不够深入,相关概念存在认知差异,年龄、收。入、受教育程度、职业类别对游客的低碳旅游认知具有不同程度的影响;游客对于举手之劳的、不需耗费财力或可以获益的、无需太多精力的低碳项目的参与意愿程度比较高,而对于比较繁琐、需要耗费财力精力、影响自己便利性、关系到自身洁净等低碳项目的参与意愿程度比较低,受教育程度、收入对游客的低碳旅游意愿有明显影响;游客低碳旅游行为效果较低,因为游客更多考虑自身支付能力、舒适和方便等因素。最后,从政府、旅游社区、旅游企业、旅游者4个体系给出了落实低碳旅游发展的相关建议。     

地气解耦的Himawari-8卫星PM2.5浓度估算深度神经网络方法

现阶段大气PM_2.5遥感反演方法大多数都基于卫星气溶胶光学厚度（aerosol optical depth,AOD）产品,这些产品通常是从表观反射率（top-of-atmosphere reflectance,TOA）中反演而来.直接建立TOA产品和地面站点监测的PM_2.5浓度间的反演模型能够有效降低由AOD反演所带来的误差传递,但是现阶段反演PM_2.5所用到的TOA同时耦合了地表反射率和大气贡献值,想要进一步提升反演精度则需要设法将二者分离.基于此,本文利用Himawari-8（H8）卫星数据,由6S模型进行大气校正,继而统计得到H8前6个波段之间的地表反射率关系式,再运用卫星第六波段表观反射率与地表反射率接近的特性,估算得到前5个波段的地表反射率,并扣除地表反射率得到大气贡献值,以此来达到地气解耦的目的.随后,本文基于深度神经网络构建了PM_2.5、大气贡献值、卫星亮温数据、观测角等之间的关系.以安徽省为例,反演结果表明,与不考虑地气解耦的TOA-PM_2.5方法相比,本文提出的ATM-PM_2.5方法精度更高,在未参与训练的验证站点上,ATM-PM_2.5的R²和RMSE值为0.87和13.77 μg·m^-3,相对于未经过地气解耦的TOA-PM_2.5,R²提高了20%,RMSE值降低了5.24 μg·m^-3.另外,利用H8卫星时间分辨率较高的特点,本文对安徽省域范围内进行了逐小时的PM_2.5监测,显示本文方法有潜力为PM_2.5实时监测提供数据支撑.