厦门市冬季PM2.5污染情境识别及其与气象条件的关系

为研究厦门市冬季不同PM_2.5污染情境与气象条件和气团轨迹路径特征的关系,结合PM_2.5观测数据,使用AGAGE（Advanced Global Atmospheric Gases Experiment）统计方法识别2014—2018年冬季厦门市PM_2.5观测值、基线值和污染值情境,通过气象数据统计和气团后向轨迹聚类对不同PM_2.5污染情境下气象条件和气团轨迹路径特征进行探究.结果表明:①厦门市冬季不同PM_2.5污染情境下,ρ（PM_2.5）及PM_2.5污染值情境时长占比均呈波动中下降的趋势,具体表现为冬季PM_2.5观测值、污染值和基线值情境下,ρ（PM_2.5）平均值分别从2014年的42.2、90.7、16.4 μg/m3降至2018年的26.3、56.9、8.8 μg/m3,冬季PM_2.5污染值情境时长占比从2014年的10.2%降至2018年的3.0%.②冬季PM_2.5污染值情境下气象要素呈低风速、低气压、高温度、高相对湿度的特征.③冬季到达厦门市的气团轨迹路径中,局地路径由于大气条件稳定易累积形成PM_2.5污染;偏北路径和西北路径易从临近省份携带污染物输入导致PM_2.5污染,属于重要的外源污染输入路径;沿海路径和偏西路径均属于清洁路径,但沿海路径易在福建省北部与偏北路径重合形成污染输入,加强了偏北路径的污染物输送能力.研究显示,近年来厦门市冬季PM_2.5污染有明显减弱趋势,但不利的气象条件和外来污染输入仍会造成PM_2.5污染的发生.      

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.     

星形线电除尘器内EHD流动与粒子行为数值模拟

为了研究星形线电除尘器内电流体动力学（EHD）流动与荷电粒子运动行为及两者间相互作用,构建了线板式电除尘器（ESP）内关于EHD和带电粒子运动学的耦合数值模型.该模型采用有限体积法离散求解电场方程和空间电荷方程,在拉格朗日法下建立带电粒子运动方程,并与FLUENT湍流模型进行耦合.利用这一模型,对3种电场风速下星形线电除尘器内流动形态与粒子运动行为进行了细致模拟,并分析了二次流动对气流、粒子浓度分布的影响.结果表明,星形线电除尘通道内二次流动对流动形态和粒子浓度分布存在显著作用.随电场风速的降低,这一作用将越明显.EHD流动对细小荷电粒子运动的影响更为显著.二次流动产生涡旋并作用于主流来影响粒子运动行为.收尘板面的涡旋挤压粒子流远离壁面向流动中心运动,放电极下游的涡旋则促进粒子流向收尘板壁面靠近.此外,由于捕集通道中强二次流的存在,Deutsch计算式对除尘效率、特别是对于亚微米粒子捕集效率的计算并不准确.     

东平湖DOM荧光特征及与氢氧同位素指标的相关性

本研究在运用三维荧光光谱示踪平水期东平湖DOM荧光特征的基础上,进一步分析其与氢氧同位素指标的相关性,并在此基础上尝试对大气降水的DOC贡献进行估算,以期为东平湖的污染控制及治理提供依据.结果表明,东平湖平水期DOM主要由类蛋白组分（C1和C4）和类腐殖质组分（C2和C3）构成,以类酪氨酸组分C1为主,C1所占比重将近50%.平水期东平湖DOM同时受陆源、内源及大气降水的影响,但以内源输入为主;外源输入中大气降水补给与大汶河输入所占比例相当;大气降水中的溶解性有机碳输入可能会对东平湖DOM产生不可忽视的影响,需进一步系统研究.氢氧稳定同位素与溶解态有机碳以及类腐殖质荧光之间呈显著相关关系,可以在一定程度上指示DOM的变化趋势.     

北京市气温与黑碳和PM2.5对疾病死亡影响的交互效应

通过收集北京市2010~2016年逐日呼吸和心脑血管疾病死亡数据、污染物（BC、PM_2.5、SO₂、O₃和NO₂）日均浓度资料以及同期的气象资料,采用广义相加模型（GAMs）中的主效应模型、非参数二元响应模型和温度分层模型探讨了北京市气温、PM_2.5和BC单效应,以及气温与PM_2.5和BC交互作用分别对呼吸和心脑血管疾病死亡人数的影响.单效应分析结果表明,气温与两种疾病死亡人数的累计暴露-反应关系均呈“J”型分布特征,最适温度为24℃;累计滞后一天情况下PM_2.5和BC的健康效应均最显著,此时PM_2.5和BC浓度每升高四分位间距（IQR）,呼吸系统疾病死亡人数超额增加百分比（ER）分别为2.21%和1.80%,心脑血管疾病死亡人数ER分别为2.02%和1.48%.交互作用的研究结果表明,高温与高浓度的PM_2.5（或BC）对疾病死亡的影响存在协同效应,且高温条件下BC对疾病死亡影响的健康风险大于PM_2.5,当气温大于24℃时,BC和PM_2.5浓度每升高IQR对应的呼吸系统疾病死亡人数ER分别为6.22%和6.17%,心脑血管疾病死亡人数ER分别为5.01%和3.97%.虽然BC只占PM_2.5的一部分,但BC对人群健康的影响不容忽视,应该引起足够的重视.     

长治市沙尘天气污染特征及传输路径解析

以2018年3次沙尘天气为研究对象,分析了PM_2.5和PM₁₀浓度、水溶性离子组分、气象条件和气溶胶光学特征,研究了长治市沙尘天气的典型污染特征和传输路径.结果表明：长治市2018年共8d为受沙尘天气影响日,其中4月份最多（5d）,这与春季大气环流调整,冷暖空气活动频繁有关.沙尘污染发生前一般受西方或西北方冷空气影响,大气层结不稳定,大气环流转为经向环流,平均风速达4m/s以上;沙尘污染过程中PM_2.5/PM₁₀均低于0.3,环境空气中粗颗粒物占比较大,水溶性离子总浓度在PM_2.5中占比下降,Ca²⁺浓度为沙尘污染发生前的4倍以上.冬季沙尘为近地面扩散传输,春夏季沙尘为高空沉降传输,影响范围大,区域传输贡献明显.长治市沙尘重要潜在源区为蒙古国、哈萨克斯坦中部和新疆中北部的荒漠地区,传输路径主要为西北路径和正北路径,其中西北路径为哈萨克斯坦—新疆中北部—内蒙古西部—长治以及新疆中北部—内蒙古西部—长治两条路径,正北路径为蒙古国—内蒙古中部—山西北部—长治.     

乙醇汽油对国六直喷汽油车排放特性的影响

选择5台国六直喷汽油车采用3种不同组分的E10乙醇汽油和1种不含含氧化合物的国VI汽油,按照国六排放标准开展了WLTC循环测试,研究乙醇和基础油组分对污染物排放的影响规律.结果表明,多数国六直喷汽油车的CO、THC和PM排放有所降低,NO_x排放无明显差异,PN排放微增,所有样车的CO、THC和PM平均排放降低为6%、7%和14%.E10乙醇汽油中的重质芳香烃含量增高时,PN排放明显增加,PN排放与PMI指数呈现较强的正相关关系.     

颗粒物分界层Mie散射激光雷达识别的sigmoid算法

基于成都市2013年6月~2015年5月期间由Mie散射激光雷达探测的大气消光系数廓线资料,发现混合层以上在颗粒物消光和分子消光之间一致存在一个S型的过渡区,利用sigmoid函数对此分布形态进行模拟,通过计算该函数上下曲率最大点所在的高度,据此提出了颗粒物分界层Mie散射激光雷达识别的sigmoid算法.针对该算法模拟效果的分析表明,颗粒物分界层过渡区附近大气消光系数理论廓线和实测廓线保持了高度的相关性,二者在春夏秋冬四季的相关系数（R）分别为0.9971±0.0052、0.9935±0.0167、0.9979±0.0038和0.9990±0.0021（均通过α=0.05的显著性检验）.基于sigmoid算法计算的颗粒物分界层过渡区与成都市温江站探空资料得到的逆温层之间存在很好的对应关系.     

Suspended particulate mercury associated with tidal fluxes in a lagoon environment impacted by cinnabar mining activity (northern Adriatic Sea)

The Isonzo River has been demonstrated to be a continuing point source of mercury(Hg)in the Gulf of Trieste although the Idrija mine was last active in 1996. The present study aims to investigate the role of the suspended particulate matter(SPM) associated with tidal fluxes to disperse particulate Hg(PHg) into the Grado coastal lagoon system. PHg concentrations(avg. 3.11 ± 2.62 μg/g, d.w.), notwithstanding the ebb or flood tides, were significantly higher than the local sediment background(0.13 μg/g). The relative affinity of Hg for the particulate phase in surface waters was confirmed by higher average distribution coefficient(Kd) values(5.6–6.7). PHg contents showed the highest values in ebb tide conditions, thus suggesting their origin from the erosion of tidal flats and saltmarshes of the lagoon. When compared to river discharge, high PHg surface concentrations in flood tide are related to rainfall events occurring within the river basin. Results can be used to make an indicative assessment of the amount of Hg bound to SPM which is transported in and out of the lagoon basin following the action of tidal fluxes. A simple estimation provides a negative budget for the Grado lagoon sub-basin which loses between 0.14 and 1.16 kg of PHg during a tidal semi-cycle. This conclusion is in agreement with the evidence of morphological deterioration which has emerged from recent studies on the lagoon environment, and which testifies to a current sedimentary loss from the lagoon into the northern Adriatic Sea.     

Analysis of pollutant levels in central Hong Kong applying neural network method with particle swarm optimization

Air pollution has emerged as an imminent issue in modernsociety. Prediction of pollutant levels is an importantresearch topic in atmospheric environment today. For fulfillingsuch prediction, the use of neural network (NN), and inparticular the multi-layer perceptrons, has presented to be acost-effective technique superior to traditional statisticalmethods. But their training, usually with back-propagation (BP)algorithm or other gradient algorithms, is often with certaindrawbacks, such as: 1) very slow convergence, and 2) easilygetting stuck in a local minimum. In this paper, a newlydeveloped method, particle swarm optimization (PSO) model, isadopted to train perceptrons, to predict pollutant levels, andas a result, a PSO-based neural network approach is presented. The approach is demonstrated to be feasible and effective bypredicting some real air-quality problems.