武汉市洪山区春季PM2.5浓度及多环芳烃组成特征

分析了武汉市洪山区2014年春季PM2.5的浓度,并利用气相色谱/质谱(GC/MS)测定了多环芳烃(PAHs)的组成.结果表明,PM2.5的质量浓度为47.99～195.87μg/m3,平均质量浓度为(101.34±32.49)μg/m3,超标天数占总监测天数的81.82%;PM2.5质量浓度与各气象要素间的相关性不显著.PM2.5中PAHs日均浓度变化范围为8.44~34.45ng/m3,平均浓度为21.48±7.03ng/m3,其中4环PAHs的含量最高,达到11.72ng/m3,占总PAHs浓度的54.56%,结合典型污染来源中PAHs的特征比值和数学统计中主成分分析法,判断出其主要污染来源为车辆排放、燃烧源和燃煤源;PAHs日均总毒性当量(∑BaPeq)浓度范围为1.10~5.46ng/m3,平均值为2.99ng/m3,日均超标率达到60.61%.     

重庆黔江地区2014年PM_(2.5)浓度变化分析

本文整理分析了2014年重庆黔江区的PM2.5变化规律。从每个月来看,重庆黔江区2014年PM2.5污染逐渐加剧,造成这种现象的原因与天气、城市基础设施建设和工业废气的排放有关,因此应主要从控制人为污染源的出发,降低重庆黔江地区PM2.5的浓度。     

长春秋季细颗粒物中有机气溶胶组成特征及来源

利用大流量采样器采集了长春城郊2016年10月至2016年11月大气细颗粒物(PM_(2.5))样品共40套,分析了颗粒物中的有机碳(OC)、元素碳(EC)以及非极性有机化合物(主要包括正构烷烃、多环芳烃以及藿烷类化合物)和生物质燃烧标志物左旋葡聚糖的质量浓度,并用分子标记物、特征比值及主成分分析-多元线性回归(PCA-MLR)模型等方法探讨了有机气溶胶的主要来源.结果表明,观测期间PM_(2.5)的平均质量浓度为(79. 0±55. 7)μg·m~(-3),OC和EC的平均质量浓度分别为(20. 7±15. 6)μg·m~(-3)和(2. 2±1. 1)μg·m~(-3),分别占PM_(2.5)的26. 2%和2. 8%.所测非极性有机化合物的总平均浓度为(186. 3±104. 5) ng·m~(-3),浓度高低顺序为正构烷烃[(101. 3±67. 0) ng·m~(-3)]多环芳烃[(81. 4±46. 0) ng·m~(-3)]藿烷类化合物[(3. 8±1. 9) ng·m~(-3),其主要来源包括煤燃烧源、生物质燃烧源以及交通源.主成分分析-多元线性回归模型得出该地区有机气溶胶主要排放源的相对贡献依次是煤燃烧源(47. 0%)、生物质燃烧源(42. 6%)和交通源(10. 4%).本研究结果可为我国东北地区有机气溶胶污染防控提供科学依据.     

APEC期间北京空气质量改善对比分析

为了评估APEC期间强化减排措施对北京空气质量的改善效果,利用2014年11月1~15日中国环境监测总站发布的奥体中心监测点空气质量监测数据,分析其空气质量演变特征,并与2013年同期监测数据进行对比研究.结果表明:1PM_(2.5)是当前北京最重要的污染物,APEC期间空气质量以优良为主,期间有3次明显的污染过程,与2013年同期相比较有所好转,显示出强化减排措施对北京空气质量的改善有显著的效果;2与世界卫生组织(WHO)的标准值相比,APEC期间PM_(2.5)有5d在WHO标准值(25μg·m~(-3))以下,而SO_2均小于标准值;3APEC期间,在空气质量为优时PM_(2.5)/PM_(10)小于0.5,且随污染浓度的增加比值逐渐增大,在严重污染情况下PM_(2.5)/PM10达到0.9以上;4与2013年同期相比,强化减排措施对PM_(2.5)的减少有一定的贡献,但与SO_2和CO的减少量相比,颗粒物的减少量又相对较少,NO_2减少量相对最小,实施强化减排措施对污染物减排的排序为SO_2COPMNO_2,说明北京空气污染中的PM_(2.5)的来源、影响和减排的复杂性,有待进一步深入研究.     

京津冀区域PM2.5污染相互输送特征

基于CAMx-PSAT空气质量模型,对2015年京津冀区域PM_(2.5)污染及相互输送特征进行定量模拟,建立了京津冀13个城市的PM_(2.5)传输矩阵.结果表明,在年均尺度上京津冀区域PM_(2.5)以本地污染源贡献为主(21.49%~68.74%),传输贡献为辅,其中区域内传输贡献约为13.31%~54.62%,区外贡献约为13.32%~45.02%.PM_(2.5)传输特征呈现显著的时空差异性,区域中部城市唐山、北京、天津、保定和石家庄PM_(2.5)受本地贡献主导,在冬季尤其明显,而受传输影响较大的城市多分布在区域边界且在南部集中.区内作为汇的城市有廊坊、衡水、承德、秦皇岛和邢台,作为源的城市有天津、沧州、唐山、北京、石家庄和邯郸,张家口和保定对区内城市输出和受区内输入基本持平.典型城市分析证明城市间PM_(2.5)污染交互影响,北京与廊坊、保定、承德、天津和沧州等城市之间,天津与廊坊、唐山、北京、沧州和保定等城市之间,石家庄与邢台、衡水、保定、邯郸和廊坊之间均存在显著的PM_(2.5)相互输送.     

2014—2016年海口市空气质量概况及预报效果检验

本文主要基于CUACE模式在海口市的预报产品,结合2014年3月—2017年2月海口市AQI、PM_2.5、PM₁₀和O₃的实况资料进行预报效果检验.结果表明,①近3年海口市空气质量等级主要以优和良为主,但仍有少部分天数以PM₁₀、PM_2.5和O₃为首要污染物,分别占所有首要污染物天数的27.6%、29.5%和42.9%,其中O₃上升幅度较快.②CUACE模式能较好的模拟出AQI和3类污染物浓度的变化特征,其中PM_2.5的预报值与实测值最为接近,而PM₁₀和O₃普遍偏低.③日平均浓度的预报效果检验表明,PM_2.5的标准误差（RMSE）最小,AQI和PM₁₀次之,O₃最大.3个时次预报平均偏差（MB）和归一化偏差（MNB）均为负值,表明CUACE模式预报的污染要素浓度均偏低于实测值.④海口市空气质量为优等级时,TS评分最高;无首要污染物时,首要污染物预报的TS评分最高,但首要污染物为PM_2.5、PM₁₀或O₃时,TS评分均偏低.     

北京市夏季不同O3和PM2.5污染状况研究

从天气背景场、气象要素、前体物和PM_(2.5)化学组分、气团运动轨迹以及大气氧化性等方面对北京市夏季两种不同的O_3和PM_(2.5)污染状况进行了分析.结果表明,O_3达到中度污染而PM_(2.5)浓度优良(O_3和PM_(2.5)一高一低)污染状况的天气形势场为:高空为偏西北气流,地面受高压后部控制;而O_3和PM_(2.5)同时达到中度污染(O_3和PM_(2.5)两高)的天气形势场为:高空为偏西气流,地面受低压控制.与O_3和PM_(2.5)一高一低污染状况相比,O_3和PM_(2.5)两高时的气象要素特征为:偏南风更为明显和相对湿度更高.O_3和PM_(2.5)两高时污染物浓度演变特征为,O_3和PM_(2.5)的起始浓度较高,PM_(2.5)日变化特征更为明显,而O_3平均浓度却低于O_3和PM_(2.5)一高一低的污染状况.前体物、大气氧化性以及PM_(2.5)化学组分分析的结果表明,较高的起始浓度在不利气象条件下的积累和吸湿增长以及当天较大偏南风造成的区域传输可能是造成O_3和PM_(2.5)两高污染状况中PM_(2.5)浓度达到四级中度污染的主要原因.     

兰州市高分辨率人为源排放清单建立及在WRF-Chem中应用评估

城市尺度高分辨率人为源大气污染物排放清单是城市空气质量预报预警、污染成因分析和减排措施制定的重要基础数据,目前我国西部地区城市尺度的人为源排放清单研究仍然相对薄弱,能对接于空气质量模式的排放清单更为缺乏.本文整合已发表的清单文献,建立了可对接于空气质量模式的2016年兰州市城市尺度的人为源清单模型（HEI-LZ16）,将之应用于WRF-Chem模式,评估HEI-LZ16的准确性和适用性.结果表明：兰州市2016年人为源排放的SO₂、NO_x、CO、NH₃、VOCs、PM₁₀、PM_2.5、BC和OC总量分别为25642、53998、319003、10475、35289、49250、19822、2476和1482 t·a^-1.在模拟时间内,HEI-LZ16相比于MEIC,O₃和PM_2.5的NME值分别减小了140.2%和28.8%,HEI-LZ16更加准确适用.分析了HEI-LZ16情景下模拟的PM_2.5和O₃时空分布,兰州市臭氧MDA8呈现冬春季城区低而郊区高,夏秋季河谷城区西部及其下风向地区高的分布特征,夏秋季高浓度区的分布受偏东风和光化学反应的共同影响,冬季城区O₃浓度受NO_x排放的抑制作用浓度反而降低.PM_2.5浓度的高值区主要集中在黄河河谷盆地,本研究表明沿白银—兰州黄河河谷盆地走向的西侧存在一个污染物传输通道,其对兰州市环境空气质量具有较大的影响.     

PM2.5污染对我国健康负担和经济损失的影响

开展全国范围归因于PM_2.5污染的健康负担和经济损失研究,对于污染防控政策至关重要.首先利用空气质量模型（WRF-Chem）模拟结果,分析2016年PM_2.5的时空分布和暴露水平;同时结合环境健康风险及环境价值评估方法,评估PM_2.5污染引起的健康负担和经济损失;最后基于情景分析方法,预估实现具体PM_2.5控制目标的健康经济效益.结果表明,2016年,我国PM_2.5污染主要集中在京津冀及周边地区、长三角地区、四川盆地以及西北沙漠地区,且71.49%的人口暴露在PM_2.5浓度高于35 μg·m^-3的环境空气中;PM_2.5污染造成约106.04万人过早死亡,约占总死亡人数的10.9%,其中冠心病和中风约占80%;PM_2.5污染造成健康经济损失7059.31亿元,约占国内生产总值（GDP）的0.95%.PM_2.5污染造成的健康负担和经济损失存在显著空间差异,主要分布在PM_2.5浓度和人口密度高的中东部地区;情景分析表明,我国所有地区PM_2.5浓度降至35 μg·m^-3,只能避免17.11%的健康经济损失,而降至10 μg·m^-3可以带来80.47%的健康经济效益.建议环境管理者进一步加强控制力度,更好地保障居民的健康和财富利益,尤其是心脑血管疾病患者等敏感人群以及归因死亡率高的地区.     

基于机器学习和非参数估计的PM2.5风险评估

为开展区域风险评估,融合手机信令、气象和地理信息等多源数据,引入随机森林机器学习、非参数估计分位数图示法和非监督学习K-mean等方法,构建了区域PM_2.5风险评估及特征识别评价框架,在南京市区以0.3km分辨率网格为基础单元开展了案例研究.结果表明,该技术既可有效模拟PM_2.5浓度时空分布,十折交叉验证R²达到0.76,证明了准确度较高,并基于此识别出4种主要污染特征;也可有效捕捉短期人口流动导致的风险,在污染浓度不变的情况下短期人口流动会导致风险增加0.30~0.97倍.综合PM_2.5浓度和人口分布,识别出4种主要暴露风险模式,其中,研究区域6.5%的面积为高风险地区,23.0%的面积为低风险地区.“十四五”期间应加快现代科学技术在环境保护领域的应用,实施网格化和差异化的风险控制政策,维护人群健康.