Morphology, composition, and sources of individual aerosol particles at a regional background site of the YRD, China

Aerosol samples were collected at Lin'an, a background site of Yangtze River Delta(YRD).Morphology, size, composition, and mixing state of individual aerosol particles were characterized by transmission electron microscopy(TEM) coupled with energy dispersive X-ray spectroscopy(EDS), and the soluble ions of PM_(1.0) were studied by aerosol mass spectrometer(AMS). The daily average AMS mass concentrations of sulfate, nitrate, and ammonium were about 5.8, 8.6, and 5.6 μg/m~3, respectively. Individual aerosol particles were classified into seven types: S-rich, K-rich, organic matter(OM), soot, fly ash, metal, and mineral. S-rich particles were dominant in all size bins, and 51%(by number) of S-rich particles were internally mixed with other particles. The fraction of organic coating particles was 13.7% in morning, 25.2% in afternoon, and 11% in evening, suggesting that the strong photochemical process during afternoon produced more secondary organic aerosols(SOA) on the surface of inorganic particles. Fly ash and metal particles were abundant during the day, suggesting the influence of emissions from coal-fired power plants and steel plants. The results indicate that the intense industrial emissions in the YRD significantly transported to the background areas. PM_(2.5) concentration may be lower in background air than in urban air but complex mixing state of aerosol particles indicates that the long-range transported particles substantially influenced the background air quality.     

大连市大气污染天气特征及污染成因模拟分析

利用大连市2014~2015年地面观测资料、高空地面形势场和2015年12月NCEP/NCAR再分析资料,结合WRF-CMAQ数值模式,对大连市污染天气特征和污染过程的成因进行分析研究.结果表明：2014~2015年大连市共有大气污染日数145d,占20%,大气污染天气过程35个;发生大气污染时的高空形势场主要为槽后脊前的西北气流场,占63%,槽前西南气流场次之,占21%,槽区、脊区各占6%;地面形势场主要表现为风速较小的均压场（68%）和等压线密集风速较大的非均压场（32%）两种气压场.2015年12月出现的5次污染过程中,大气层结均为稳定层结,且近地面水平风速均值较小,对污染物垂直方向和水平方向上的扩散起到抑制作用,导致空气质量恶化;模拟结果发现大连市冬季污染过程中大气气溶胶的的主要成分是硝酸盐、铵盐和硫酸盐等细颗粒物,其中硝酸盐占比最大,且污染过程的增幅最为明显,说明机动车和燃煤排放已对大连市城市污染的形成产生重要影响.     

基于静止卫星GOCI传感器的大气污染过程AOD监测

针对北京及周边地区2017年11月2~8日的一次污染过程,利用韩国静止卫星COMs1GOCI数据,对北京地区进行AOD监测.AOD反演采用时间序列迭代算法,根据地表反射率随时间慢变而大气气溶胶随时间快变的理论,采取最小值拟合的方式,获取气溶胶光学厚度数据.反演结果与地基AERONET监测结果具有很好的一致性,两者的相关系数R²大于0.89.AOD监测结果表明,GOCI传感器1次/h的监测频率,可以很好地展现北京地区大气污染过程的开始,发展及消散过程,可以展示出一天之内AOD的变化,为大气污染监测以及气候变化研究提供依据.     

环境条件对遵义市呼吸系统疾病的影响及预测研究

为探究气象和空气污染等环境条件对呼吸系统疾病发病的影响,为遵义地区相关疾病预防提供科学依据,采用分布滞后非线性模型和广义线性、相加模型,利用当地气象和污染资料,分析了2012~2016年遵义市气象环境要素对呼吸系统疾病发病的影响.结果显示,遵义市呼吸系统疾病发病状况与当地长期气候状态基本保持一致,气候效应对其的影响占主导作用,其中,冬季为呼吸系统疾病高发期,立秋至处暑前后其发病人数最少,表明此时间段内当地气候条件对呼吸系统疾病患者有气候疗养效应.气温对呼吸系统疾病发病的影响以低温滞后效应为主,在其敏感阈值附近气温每变化1℃,发病人数将累积增加31.6%（95% CI：4.4%~65.8%）;气压以高压滞后效应为主,相对湿度则在低湿部分同时有即时和滞后效应.舒适度对呼吸系统疾病的影响,在冷、热斜胁迫下其发病人数明显多于舒适状况时.PM_2.5、SO₂和NO₂三种污染物的影响都以即时效应为主,而CO则在累积滞后lag04时相对危险度最高,PM_2.5与呼吸系统疾病发病人数的暴露-反应曲线呈单调线性分布,SO₂、NO₂和CO均为“J”型分布.低温与高浓度NO₂或者低湿与高浓度SO₂的协同作用对呼吸系统疾病的影响较大.建立的全年和季节多元逐步回归方程的试预报准确率在75%以上（夏季除外）,其中分季节建模预测效果显著优于全年预测效果.     

成都市大气水汽与空气质量关系的研究

为深入分析大气水汽对空气质量的影响,基于2016年成都温江国家气候观象台的气象观测资料和成都市环境监测中心的环境空气质量指数(AQI),首先利用地面气象要素估算出逐时的大气可降水量(PWV),继而结合空气质量指数资料研究了成都地区降水、静稳天气、太阳辐射强度等气象条件对空气质量及其与大气水汽关系的影响.结果表明:在降水条件下,臭氧(O_3)浓度随着PWV的增大而显著减小,PWV与PM_(2.5)、PM_(10)浓度的正相关系数减小,其中对PWV与PM_(10)浓度的相关性影响最大,相关系数减小47.62%.PWV与O_3的负相关系数在春季增大、夏季减小;PWV与PM_(2.5)的正相关系数在秋、冬季减小.当天气处于高静稳指数时,PWV变化对污染物浓度变化的影响更为显著.不同太阳辐射强度下,PWV与O_3的相关性也不同,随着太阳辐射增强,PWV与PM_(2.5)、PM_(10)的相关性从正相关转变为负相关.     

区域大型环境空气综合观测中外场观测与实验室分析数据质量控制研究

环境监测的质量保证是监测数据准确性、可比性的重要保障.在区域大气联合观测项目中,完善的质量保证体系应包括管理机制和技术措施两部分,但目前我国对这类项目质量保证尚无统一标准.针对大气重污染成因与治理攻关项目（简称"大气攻关项目"）外场观测任务量大、承担单位多、监测项目复杂的特点,为保证观测数据的质量,避免出现由于监测和质控方法不统一造成的数据可比性差、结果矛盾的问题,提出了大气攻关项目质量保证体系和管理机制.其中,质量保证体系包括制定总体要求（技术文件、监测项目及质控要求）、外场观测质量保证（内部质量管理体系、项目外场观测质量保证体系）、实验室分析质量保证（实验室遴选、项目实验室分析多级质量保证体系、实验室比对和飞行检查）和数据质量控制（数据线上审核、项目实验室分析质控报告、项目数据质量评价）4个方面.管理机制为项目管理办公室、质控实验室和承担单位三级主体,两级监督的分级管理模式.通过项目实践,项目质量保证体系达到了保证观测数据准确性、可比性的预期效果,为揭示区域雾霾形成机理、突破污染控制关键技术提供了有力的技术支持,同时为区域大气联合观测项目的数据质量保证提供了借鉴.      

我国大气污染源排放清单发展历程和对策建议

为进一步推动我国大气污染源排放清单的发展,详细回顾了我国大气污染源排放清单的发展历程及面临的挑战.我国大气污染源排放清单起步于20世纪80年代,2000年之后尤其是2014年,原环境保护部发布了一系列大气污染源排放清单编制技术指南,使我国大气污染源排放清单工作得到了迅速发展.30多年来基本形成了结合我国实际情况的大气污染源分类、大气污染物排放系数、大气污染物排放量确定方法等大气污染源排放清单相关技术方法.但目前我国尚未建立起排放清单编制的规范化工作程序,国家、省级和城市级环保部门在大气污染源排放清单工作中的分工尚不明晰,清单编制没有融入日常环境管理工作中,现有排放清单工作和研究成果相对分散、缺乏系统性,排放清单对环境管理的支撑作用尚未得到充分发挥.在综合分析了我国大气污染源排放清单取得的进展和面临挑战的基础上,提出如下建议:进一步完善我国大气污染源排放清单技术体系,使排放清单工作制度化、程序化、规范化,明确国家、省级和城市级环保部门在大气污染源排放清单工作中发挥的作用,使大气污染源排放清单成为各级环保部门每年必须完成的工作;进一步推广结合网格化管理、基于区县和乡镇调研的城市大气污染源排放清单编制技术;加强排放清单校核和不确定性分析研究等.      

基于地基观测及源清单的2017-2019年德州市秋冬季大气污染防治效果评估

为评估污染减排措施实施效果,基于地基观测及排放清单数据,运用WRF中尺度气象模型和CAMx空气质量模型,对德州市2017-2019年秋冬季大气污染攻坚实施效果进行了评估.结果表明,2017-2018年秋冬季,德州市ρ（PM_2.5）同比下降31.7%,高于京津冀及周边地区平均水平（25.6%）,大气污染攻坚措施成效显著;2018-2019年秋冬季,德州市ρ（PM_2.5）同比增加8.5%,高于京津冀及周边地区平均水平（4.2%）,这与不利气象条件及排放量同比减少有关.观测结果显示,2018-2019秋冬季,德州市PM_2.5中无机组分、一次排放示踪物以及SO₂和CO等气态前体物浓度较上一年度呈下降趋势,ρ（SOA）（SOA为二次有机气溶胶）、ρ（NH₄+）同比有大幅增长,增幅分别为53.8%和19.1%,这与大气中VOCs（挥发性有机物,增加46.5%）及大气氧化性（增加6.4%）的增加密切相关,表明德州市复合型大气污染加剧,PM_2.5防控难度加大.综合气象和减排评估结果可知,2017-2018年秋冬季,气象条件（13.4%）和长效措施（9.4%）是德州市PM_2.5改善的两个主要因素;2018-2019年秋冬季,长效措施减排效果较为有限,减排主要来自预警应急（5.0%）和区域减排（5.2%）,若仅考虑不利气象条件的影响,将导致同比约19.9%的反弹.因此,持续深入推进长效减排措施,降低污染物排放水平,是德州市实现空气质量改善的根本途径.      

2017年兰州市大气污染物输送来源及传输特征模拟分析

利用HYSPLIT后向轨迹模式,结合兰州市AQI（空气质量指数）及常规大气污染物质量浓度数据,模拟研究了2017年1月1日-12月31日以兰州市为受点的大气污染物输送特征.通过聚类分析确定了抵达兰州市气团的主要输送途径和每类路径所对应的污染物质量浓度特征,并利用受体模型PSCF（潜在源贡献因子分析法）和CWT（权重浓度轨迹分析法）,分析了大气污染区域传输对兰州市空气质量的影响,探讨了影响兰州市空气质量的污染物输送来源和可能的潜在源区.结果表明,在影响兰州市的气流轨迹中,污染轨迹多来自兰州市以西和以北方向,污染轨迹约占总轨迹的39.52%,说明外部污染物的输入对兰州市空气质量具有重要影响.其中,第3类轨迹（对应来向为西）的气团对兰州市的空气质量有较大的影响,该类轨迹虽仅占总轨迹的15.21%,但其中污染轨迹数占56.76%,是影响兰州市空气质量的主要传输路径;第4类轨迹（对应来向为东南）的气团最为清洁.研究显示,对兰州市空气质量影响最大的强潜在源区主要分布在青海共和盆地、兰州市本地及周边区域,中等强度潜在源区为内蒙古自治区南部、宁夏回族自治区及甘肃省河西走廊等地区.      

典型城市道路交通加密监测点大气污染特征及影响因素

基于“十四五”生态环境监测要求,针对目前国内城市道路交通加密监测点大气污染特征及影响因素相对缺乏这一问题,以移动源为主要大气污染来源的甘肃省兰州市为例,在典型道路两侧不同点位、不同高度监测6种常规大气污染物浓度及气象参数,同时获取道路车流量和车型信息,探究其大气污染特征及影响因素。结果表明：道路两侧及道路同侧不同高度处大气污染物监测浓度均存在差异。PM_2.5、PM₁₀浓度随高度升高而逐渐降低,在2 m高度处最高,SO₂、NO₂、CO、O₃浓度均呈现随高度先升高再降低的趋势,在4 m高度处最高。SO₂、NO₂、PM_2.5、PM₁₀、CO小时浓度在05:00—09:00达到峰值,在15:00—17:00达到谷值;而O₃小时浓度峰谷值的时间恰好相反。NO₂、CO浓度受车流量影响较大,代表时段NO₂浓度与重型货车流量表现出极强的相关性,CO浓度与小型客车流量表现出强相关性。监测时段6种污染物日均浓度与相对湿度均呈负相关;NO₂、PM_2.5、PM₁₀、CO日均浓度与风速均呈负相关,O₃日均浓度与风速呈正相关。