贵阳市大气颗粒物(PM2.5)污染特征及气象参数的影响

运用连续颗粒物采样仪(URG Model 2000-01J)对贵阳市城区大气颗粒物PM2.5进行了连续3个月(9~11月)的采集与分析,探讨了PM2.5的浓度分布特征、气象条件的影响。结果显示,贵阳市大气颗粒物PM2.5的平均质量浓度为53±27μg/m3,变化范围为3.7~186μg/m3;初步推断大气颗粒物PM2.5的污染来源主要是燃料燃烧、生物质燃烧、汽车尾气等人为源;相对湿度、风速、风向、温度等气象条件是影响大气颗粒物浓度及分布的重要因素。     

不同季节气象条件对北京城区高黑碳浓度变化的影响

利用2013年至2015年北京城区黑碳气溶胶(下文统称为"BC")和PM2.5观测资料,结合地面气象观测资料、ECMWF边界层高度再分析资料和FNL/NCEP不同高度风速再分析资料,讨论了BC质量浓度及其在PM_(2.5)质量浓度中所占比例(下文统称"黑碳占比")的季节、月、日变化特征,并通过计算北京城区BC浓度与不同高度风速的相关矢量,分析了气象条件和外来输送对北京城区BC浓度变化的影响.结果发现:研究时段内北京城区BC浓度平均值为(4.77±4.49)μg·m~(-3);黑碳占比为8.23%±5.47%.BC浓度和黑碳占比在春、夏季低,秋、冬季高,其日变化特征在4个季节均为"白天低夜间高"的单峰型特征.随着PM_(2.5)浓度的升高,BC浓度增大,黑碳占比减小.当北京地区风向为东北、东北偏东、东南和西南偏西(主风向)时,BC浓度与风速和边界层高度均呈反向变化,即随风速和边界层高度的增大而减小.另外不同季节BC浓度随风速变化的临界值及其变化速率不同.冬季高BC浓度时段,北京城区BC浓度在低层大气的关键影响区分别位于河北南部与山东交界地区以及河北西北部与山西内蒙交界地区;高空关键影响区主要位于北京以西的河北西部、山西北部和内蒙古地区.     

2013年京津冀重污染特征及其气象条件分析

2013年中国东部地区多次发生持续的重霾污染事件.为探究其气象条件与重污染事件的关系,本文使用欧洲中心2013年东亚地区的逐日气象数据和北京、天津、石家庄的逐时PM_2.5浓度数据以及2013年MICAPS观测数据,分析了重污染事件对应的天气形势,并使用NAQMPS针对2013年1月的重污染事件进行情景模拟.研究结果表明：1北京、天津和石家庄地区PM_2.5浓度,夏秋季节日变化不显著,秋冬季节白天低夜间高;3地PM_2.5浓度均表现为12-1月浓度最高,7月最低;.2500 hPa平直西风气流,850 hPa弱暖平流,地面处于弱高压后部或高压底部高低空配置下的天气系统,对应着重污染事件的高发期;3源强不变的情况下,京津冀地区由弱高压前部控制转为弱高压控制时,地面温度升高0~5℃,相对湿度增加30%~50%,风速下降2~3 m·s^-1,PM_2.5浓度变化可达300 μg·m^-3.     

G20峰会期间杭州地区空气质量特征及气象条件分析

利用空气质量和气象要素的监测资料与再分析资料,分析了2016年G20峰会期间(2016年8月10日—9月20日)杭州及周边地区空气质量演变及区域特征,探讨了气象条件对G20峰会期间杭州空气质量的影响.结果表明:G20峰会管控期间,由于机动车排放大幅度降低,杭州NO_2浓度较管控前有所下降,对比周边城市降幅居于首位;而由于不利气象条件的影响,PM_(2.5)、PM_(10)、SO_2、CO和O_3浓度比管控前有不同程度的增长,但增幅相比周边城市较小,说明管控措施对杭州空气质量有一定的改善效果.9月7日管控措施结束后污染反弹现象明显.气象条件对杭州的空气质量有重要影响:在管控前,杭州晴热高温天气有利于O3的生成,偏东风相对洁净,污染传输较少;在管控期,杭州虽受到静稳天气和外来污染传输的影响,但得益于减排应急管控措施的有效实施,NO_2浓度下降幅度最大,其他污染物的增幅也较周边城市偏小;在管控后,气象条件不利于污染物的垂直扩散,受静稳天气和污染源恢复常态的影响,PM_(2.5)、PM_(10)、NO_2、SO_2和CO出现了整个研究时段的最大值,而台风"莫兰蒂"使得杭州PM_(2.5)、PM_(10)和O_3浓度出现了整个研究时段的最低值.     

NH3-N在大连湾的水环境行为模拟研究

应用三维水质模型对大连湾中的主要污染物NH3-N的行为进行了模拟,对NH3-N浓度的时空变化规律以及其影响因素进行了研究,选择主要的模型参数进行了灵敏度分析。由空间分布的模拟结果可知,在大连湾,NH3-N浓度主要集中在排污口附近区域,灵敏度分析显示,在排污口区水体的扩散能力对NH3-N浓度的影响较大。由季节变化模拟结果可知,在湾顶部的排污口区NH3-N浓度显示明显的季节变化趋势。在湾中部和朝海边界的湾口区NH3-N浓度较低,变化平缓。模拟结果可以为大连湾的污染控制、水质规划和管理提供科学依据。     

藻类在大连湾的水环境行为数值模拟研究

应用三维水质模型对大连湾水体中的藻类碳浓度的时空变化规律以及其影响因素进行了研究,选择主要的模型参数进行了灵敏度分析。由空间分布的模拟结果可知,在大连湾,藻类主要集中在排污口附近区域。由季节变化模拟结果可知,在湾顶部的排污口区藻类生产显示明显的季节变化趋势,在夏季,主要受到磷酸盐浓度的限制。灵敏度分析显示,在排污口区水体的扩散能力对藻类生产的影响较大,在湾中部和湾口区主要受到磷酸盐负荷的影响。模拟结果可以为大连湾的污染控制、水质规划和管理提供科学依据。     

通风机站风流间相互影响阻力特性研究*

为研究双风机并联机站进口、出口风流相互影响的机站局部阻力特性,构建机站通风局部阻力计算的数学模型,同时运用相似原理建立双风机并联通风机站实验模型,并佐以数值模拟对比验证,分析计算不同风机间距的无量纲数A、不同扩散器结构参数条件下的综合影响系数Kc。结果表明:A与Kc具有二次函数关系,且存在较优的A,使得Kc值最小;Kc值随着L/Df增加而线性减小。研究结果有利于Kc的选取,为高效率通风机站结构设计提供技术及数据支撑。     

畜禽环境中抗生素的去除及其风险评估

抗生素作为饲料添加剂广泛应用于畜禽养殖业,造成养殖环境抗生素大量蓄积,尤其是在畜禽粪便中,长期的积累不仅污染养殖场内土壤环境,残留的抗生素还会随畜禽粪便进入周边水体及农田环境,威胁农作物及人体健康。目前,国内相关研究主要集中在抗生素的降解工艺及降解规律方面,而对其去除效率的影响因素及风险评价研究相对较少。笔者综述了国内外抗生素的降解转化及去除方式等的研究进展,并概述了抗生素在畜禽环境中的生态风险评估的研究现状,为抗生素的高效去除、风险预估及畜禽粪便资源化安全利用提供理论基础和技术支撑。     

嘉善前体物与气象因子对臭氧生成的影响及臭氧潜在源区分析

利用2017年嘉善善西超级站臭氧（O₃）及其前体物（NO_x和VOCs）以及气象因子（温度、湿度、风速）逐小时数据,分析了2017年全年NO_x和O₃的变化特征以及春季（4—5月）、夏季（7—8月）NO_x和气象因子对O₃生成的影响,利用O₃生成潜势（OFP）评估了VOCs大气化学反应活性,并通过潜在源区贡献（PSCF）和浓度权重轨迹（CWT）方法分析了嘉善春、夏季O₃潜在源区贡献特征。研究发现：O₃日变化特征为单峰结构,NO_x为弱双峰结构。O₃浓度在3—9月较高,春、夏季O₃浓度峰值分别出现在15：00和14：00,春、夏季的NO_x、O₃日变化与2017年全年日变化趋势基本一致。NO_x对O₃存在滴定作用,且低湿高温有利于O₃浓度的升高。春、夏季O₃生成潜势贡献均表现为烯烃 > 芳香烃 > 烷烃,由于烯烃光化学活性较高,夏季烯烃浓度升高导致其贡献较春季增长约18.1个百分点,且夏季VOCs平均最大O₃增量反应活性高于春季。PSCF和CWT分析结果表明,嘉善春季的潜在源区主要为本地、西南方向和东南方向,夏季的潜在源区主要为本地、西北方向、西南方向以及东南方向。     

Assessing Respiratory Morbidity Through Pollution Status and Meteorological Conditions for Delhi

The study focuses on assessing the status of respiratory morbidity in Delhi over a four years period from 2000–2003. An attempt was made to investigate the role of important pollutants (SO₂, NO₂, SPM and RSPM) and various meteorological factors (temperature minimum & maximum, relative humidity at 0830 and 1730 hrs. and wind speed) in being responsible for respiratory admissions on account of COPD, asthma and emphysema. The study showed that winter months had greater exposure risk as pollutants often get trapped in the lower layers of atmosphere resulting in high concentrations. Statistical analysis revealed that two pollutants have significant positive correlation with the number of COPD cases viz., SPM (r = 0.474; p < 0.01) and RSPM (r = 0.353; p < 0.05), while a meteorological factor temperature (minimum) has a significant negative correlation (r = −0.318; p < 0.05) with COPD. Stepwise multiple regression analysis was performed for COPD as dependent variable and R² value of 0.33 was obtained indicating that SPM and RH(1730) were able to explain 33 percent variability in COPD. The partial correlation of SPM and RH(1730) on COPD was higher than any other combination and therefore they can be regarded as important contributing variables on COPD.