影响中国近地面g -HCH浓度和沉积量的贡献源评估

采用CanMETOP模型,模拟了2005年欧洲(去除前苏联所占区域)、印度、中国和前苏联4个主要的g-HCH土壤残留区域的g-HCH通过挥发、大气传输和沉积对中国环境的影响.结果表明,中国东部和西部地区近地面的年均浓度分别为10~100pg/m3和1~10pg/m3.中国本地源对东中部和东北部的浓度贡献在90%以上,对东南部地区的贡献为30%~80%,印度源对该地区的贡献为10%~30%;印度源对西部的近地面浓度贡献在50%以上;欧洲源和前苏联源主要影响西北地区,贡献比例均在10%左右.中国本地源对东北区域的总沉积贡献最大(75%),西北区域和南部区域的总沉积均以印度源贡献为主,贡献比例分别为63%和67%.整个中国,年总沉积量为691t,贡献比例依次为印度源(55.1%),中国源(31.6%),欧洲源(3.6%),前苏联源(2.5%).     

环境污染应急指挥信息系统

本文介绍了综合应用无线通讯、卫星定位、电子地图、图像处理、计算机技术等高新技术成果,实现指挥中心对污染现场的远程指挥和信息快速传输,并动态管理环境事故档案,提供查询检索。     

北太平洋地区春季粉尘的空间分布特征——观测及模拟

通过对2001年4月的一次中亚强沙尘暴过程的观测事实分析和数值模拟,结果表明,源自中亚的强沙尘暴扬起的粉尘,通过西风急流远程传输到韩国、日本、北太平洋、北美大陆.北太平洋地区的沙尘沉积通量空间分布将主要取决于3个方面:沙尘沉积通量随传输距离的增加呈指数衰减;传输路径上粉尘有较高的沉降通量;沙尘过境时的降水空间格局将在很大程度上决定粉尘的沉降空间格局.     

郴州市秋冬季PM2.5污染传输路径与潜在源贡献分析

通过应用HYSPLIT、MeteoInfo模型,计算2017—2021年秋冬季抵达郴州地区72 h的后向气流轨迹并进行轨迹聚类、潜在源贡献因子（PSCF）和浓度权重轨迹（CWT）分析,探讨郴州市PM2.5传输特征及污染潜在源分布。结果表明,郴州市秋冬季PM2.5潜在源区主要分布在北偏东方向,以近距离输送为主,频率最高的是从咸宁市通城县经岳阳市平江县、株洲地区的短距离轨迹,其频率为34.17%;WPSCF高值带起源于河南省,经湖北、平江、江西等地区,最终到达郴州。WCWT分析结果得出,PM2.5污染趋势与上述一致,影响范围更宽,影响程度相对较轻。2017—2021年间,郴州地区污染传输通道影响逐年减小,PM2.5浓度平均下降19.7%。     

海口市臭氧污染特征

基于2013—2015年海口市4个空气质量自动监测站点数据,结合气象资料,分析了海口市O_3的污染特征。结果表明:海口市O_3总体优良,优良天数比例为99.4%,污染天数均为轻度污染;在良和污染天数中,O_3作为首要污染物的天数占40%,超过其他5项污染物占比。海口市10月O_3浓度最高。O_3月均浓度与温度呈负相关关系,同时与风向有密切关系:5—8月气温较高,以南风为主,O_3浓度较低;1月北风频率较高,易受外来污染传输作用,O_3浓度相对较高。O_3超标日以东北风为主,日变化并未呈现单峰型特征,12:00—22:00时段O_3浓度在10%范围内小幅变化。台风外围型和北方冷高压底部型是造成海口市O_3超标的2类典型天气形势。     

粤北山地城市近地面臭氧污染特征及气象影响因素分析——以韶关为例

利用2015-2019年韶关市3个地面环境空气质量国控站逐时臭氧(O3)观测资料、同期的气象资料、ECMWF(欧洲中期天气预报中心)ERA5再分析资料和2017-2019年广东南岭背景空气自动监测站逐时臭氧(O3)观测资料,对粤北山地城市(以韶关为例)的近地面臭氧污染特征及气象影响因素进行了系统分析,包括韶关近地面O3...     

城区与郊区PM2.5污染及传输特征差异性

基于云高仪激光雷达、飞机AMDAR数据和常规站点等多源观测数据,并与数值模拟（CAMx-PSAT模型）相结合,以京津冀典型城市——北京城区与郊区（密云）和石家庄城区与郊区（平山）为案例研究区域,对城区和郊区边界层高度差异（ΔPBLH）、地面PM_2.5浓度差异（ΔSurf_PM_2.5）、高空PM_2.5浓度差异（ΔVert_PM_2.5）和传输通量强度及高度分布特征差异进行分析.结果表明,由于人为热源、短波辐射和热力湍流等因素,导致城区年均边界层高度（PBLH）较郊区高8%~29%,且不同季节下城区PBLH月均较郊区高2%（石家庄4月）~47%（北京7月）.由于人为排放、逆温和大气湍流等共同作用,在0~1260 m之间等高度城区年均ρ（PM_2.5）较郊区高0.1（石家庄）~29.7（北京）μg ·m^-3,随高度增加而减小.城区年均总净通量强度远大于郊区,城区表现为流出,郊区表现为流入,是由于城区低压和郊区高压,形成城郊热力环流.北京城区和郊区与周边的年均总净通量强度之和（44.77 t ·d^-1）大于石家庄（34.44 t ·d^-1）.受风速和PM_2.5浓度的影响,在0~1260 m之间,城区和郊区与周边的净通量随离地高度的增加通量强度呈现明显增大趋势,其中1月城区和4月郊区与周边的传输交换对环境影响最为明显.不同季节下城区和郊区最大净通量的强度差异明显,两者相差2.23~4.48倍;但最大净通量强度的高度特征差异较小,主要位于611~1260 m.     

中国地区二次有机气溶胶的时空分布特征和来源分析

二次有机气溶胶(SOA)由于其在大气污染、气候变化与人体健康方面的影响,是我国大气环境中一种重要的污染物.确定中国SOA分布规律以及产生来源是大气污染防治的前提.利用全球化学传输模型(Model for Ozone and Related Chemical Tracers,Version 4,MOZART4)并集成多相SOA参数化方案,模拟了中国地区SOA的时空分布,并按前体物分区域进行了来源分析.结果表明,受SOA前体物排放分布的影响,中国地区的SOA主要分布在东部和南部地区,并且夏季SOA产量是冬季产量的2.5倍.中国地区分布的SOA由人为源排放产生占55%,高于自然源(45%);并且境内排放贡献了我国SOA产量的77%,主要影响东部近地面大气的浓度分布.境外排放主要影响我国西部地区,尤其是对高空SOA分布影响显著.     

城市内部尺度PM2.5传输关联方法研究—以北京市为例

基于数据驱动思想,以城市内部环境空气质量监测站点为研究对象,建立了目标站点与周边站点间PM_2.5浓度、风向、风速、欧几里得距离等参数的多元线性关联回归模型,使用梯度下降算法学习得到各参数权重系数,计算得出周边站点对目标站点PM_2.5传输贡献,并评估了模型的可行性.以北京市丰台花园（FT）为目标站点的应用研究结果显示,2016年FT站点PM_2.5浓度为82μg/m³,周边站点大兴（DX）、房山（FS）、亦庄（YZ）、东四环（DS）、古城（GC）和万柳（WL）浓度分别为93,82,80,79,77,71μg/m³;FT站点PM_2.5浓度与上一时刻周边站点WL、GC、DX、YZ的相关性分别为0.634、0.631、0.608和0.601,显示其对FT站点PM_2.5污染传输显著;建立的4个季节关联回归模型RMSE值分别为13.22、11.74、12.51和13.22,PM_2.5模拟浓度与监测浓度变化趋势一致,验证了模型的可行性;WL、DX、YZ、GC分别是对应春、夏、秋、冬4个季节对FT站点PM_2.5污染传输贡献较大的站点,其贡献值分别为1.61%、1.71%、2.20%和8.57%.该模型解析的结果可为北京市未来城市规划、建设提供依据,提出的PM_2.5传输多元线性关联回归方法同样可用来解析其他城市内部尺度PM_2.5传输关联,为挖掘城市内部PM_2.5传输路径、精准溯源提供基础.     

成都市臭氧重污染成因与来源解析

采用来源解析的方法对2020年成都市发生的一次较为严重的臭氧污染事件进行了研究.结果表明,此次污染过程呈现从清洁-污染-清洁的变化趋势,污染持续时间长达9d,最大臭氧小时浓度达到258.8μg/m3.气象因素在成都臭氧污染中的影响不可忽略,其中温度与臭氧浓度呈现显著正相关关系,东北风主要出现在污染前和污染后,可能起到稀...