帕米尔高原东部PM10输送路径及潜在源分析

基于HYSPLIT后向轨迹模式和NCEP的GDAS数据（2019年3月~2020年2月）,对抵达帕米尔高原东部的48h后向气团轨迹按季节聚类,其PM₁₀和PM_2.5年均值分别为（29.4±16.4）,（9.3±5.1）μg/m³,大气颗粒物以PM₁₀为主,结合同期PM₁₀浓度数据,分析不同路径对帕米尔高原东部PM₁₀聚集的贡献,并利用潜在源贡献因子法（PSCF）和浓度权重轨迹法（CWT）,揭示研究期间帕米尔高原东部不同季节PM₁₀的潜在源分布及其贡献水平.结果表明：帕米尔高原东部PM₁₀输送路径的季节特征明显,春季来自中亚的西风气流对应PM₁₀高值,夏季来自中国新疆西部的气流也对应较高PM₁₀值,秋季各轨迹对应PM₁₀值相当,冬季来自南亚方向气流对应PM₁₀高值.PM₁₀春季贡献源区主要位于中国新疆西部、阿富汗东北部、巴基斯坦东北部、塔吉克斯坦中部及东部地区,夏季主要位于中国新疆西部喀什与和田北部地区,秋季主要位于土库曼斯坦东部、乌兹别克斯坦东南部、巴基斯坦北部、阿富汗北部与塔吉克斯坦南部接壤地区,冬季主要位于巴基斯坦东北部、印度北部以及阿富汗北部.     

2007~2016年北京天气分型与霾日的关联

采用COST733软件将北京地区2007~2016年的大气环流总体分为T1~T9种类型,研究其与霾日的关联性,并结合PM_2.5和臭氧地面观测,分析不同天气型对应的污染特征及气象参数分布规律.2007~2016年霾日发生概率21.5%,T4和T9型下霾日最多,T5和T8型最不利于霾日发生.9类天气型下霾日变化具有阶段性,2007~2012年（阶段一）霾日少且年际差异小,2013~2016年（阶段二）霾日增多.对9类天气型下霾日PM_2.5及臭氧变化进行分析,T1、T3、T4和T9型霾日多出现在秋冬季,PM_2.5日变化为逐时增加态势,4类天气型在第一阶段的白天有浓度波动增长形成的小峰值,但第二阶段减弱消失.大部分天气型的霾日,阶段二的PM_2.5浓度较阶段一降低,T7和T9型表现为增加,增幅分别为23.7%和3.9%.所有天气型霾日的臭氧日变化均为单峰型,峰值出现在下午,臭氧日均浓度最高为T8型.此外,阶段二与阶段一相比,T3、T5和T6型臭氧平均浓度增加,其中T5型增幅达到49.8%.将霾日与近地面气象要素关联分析,平均气温、风向、风速可以较好的解释臭氧浓度变化,而PM_2.5的变化特征不仅与气象要素相关,在一定程度上也体现了污染排放及区域联动减排的贡献,需两者结合才能更好探究PM_2.5浓度整体特征及细节变化.     

Chemical characteristics and sources of water-soluble organic aerosol in southwest suburb of Beijing

PM_2.5 filter sampling and components measurement were conducted in autumn and winter from 2014 to 2015 at a suburban site (referred herein as “LLH site”) located in the southwest of Beijing. The offline aerosol mass spectrometry (offline-AMS) analysis and positive matrix factorization (PMF) were applied for measurement and source apportionment of water-soluble organic aerosol (WSOA). Organic aerosol (OA) always dominated PM_2.5 during the sampling period, especially in winter. WSOA pollution was serious during the polluted period both in autumn (31.1 µg/m³) and winter (31.9 µg/m³), while WSOA accounted for 54.4% of OA during the polluted period in autumn, much more than that (21.3%) in winter. The oxidation degree of WSOA at LLH site was at a high level (oxygen-to-carbon ratio, O/C=0.91) and secondary organic aerosol (SOA) contributed more mass ratio of WSOA than primary organic aerosol (POA) during the whole observation period. In winter, coal combustion OA (CCOA) was a stable source of OA and on average accounted for 25.1% of WSOA. In autumn, biomass burning OA (BBOA) from household combustion contributed 38.3% of WSOA during polluted period. In addition to oxygenated OA (OOA), aqueous-oxygenated OA (aq-OOA) was identified as an important factor of SOA. During heavy pollution period, the mass proportion of aq-OOA to WSOA increased significantly, implying the significant SOA formation through aqueous-phase process. The result of this study highlights the concentration on controlling the residential coal and biomass burning, as well as the research needs on aqueous chemistry in OA formation.     

Sources and health risks of PM2.5-bound polychlorinated biphenyls (PCBs) and organochlorine pesticides (OCPs) in a North China rural area

Polychlorinated biphenyls (PCBs) and organochlorine pesticides (OCPs) are typical persistent organic pollutants (POPs), which have high toxicity, bioaccumulation and long-distance transfer capability. Daily variation, sources of PCBs and OCPs in PM_2.5 are rarely explored in polluted rural area. Here, the sources and health risks of the PCBs and OCPs were evaluated for 48 PM_2.5 samples collected in winter 2017 in Wangdu, a heavy polluted rural area in the North China Plain. The average diurnal and nocturnal concentrations of Σ₁₈PCBs and Σ₁₅OCPs were 1.74-24.37 and 1.77-100.49, 11.67-408.81 and 16.89-865.60 pg/m³, respectively. Hexa-CBs and penta-CBs accounted for higher proportions (29.0% and 33.6%) of clean and polluted samples, respectively. Hexachlorobenzene (HCB) was the dominant contributor to OCPs with an average concentration of 116.17 pg/m³. Hexachlorocyclohexane (ΣHCHs) and dichlorodiphenyltrichloroethane (ΣDDTs) were the other two main classes in OCPs with the average concentrations of 4.33 and 15.89 pg/m³, respectively. β-HCH and p,p’-DDE were the main degradation products of HCHs and DDTs, respectively. The principal component analysis and characteristic ratio method indicated both waste incineration and industrial activities were the main sources of PCBs, contributing 76.8% and 12.7%, respectively. The loadings of OCPs were attributed to their application characteristics and the characteristic ratio method reflected a current or past use of OCPs. Health risk assessment showed that the respiratory exposure quantity of doxin-like PCBs (DL-PCBs) and the lifetime cancer risk from airborne OCPs exposure was negligible, while the other exposure modes may pose a risk to human bodies.     

2017年汾渭平原东部大气颗粒物污染特征分析

高度集中的煤炭产业和繁忙的交通运输使得汾渭平原成为全国污染最严重的地区之一.利用中国环境监测总站发布的大气环境监测资料,以统计的方法分析了2017年汾渭平原东部三门峡市、运城市、渭南市、洛阳市的颗粒物质量浓度演变特征,并与北京市开展对比分析.结果表明:①2017年汾渭平原东部颗粒物污染形势较为严峻,ρ（PM_2.5）年均值范围为61~75 μg/m3,高于北京市（58 μg/m3）,ρ（PM_2.5）/ρ（PM₁₀）范围为0.47~0.57,远低于北京市的0.66,说明汾渭平原东部一次颗粒物的贡献更为显著.②与北京市相比,汾渭平原东部重污染有效时数较长,在三门峡市、运城市、渭南市和洛阳市出现PM_2.5重度及以上污染过程的时数分别占全年总时数的6.56%、8.91%、9.23%和9.10%.但由于汾渭平原东部重污染期间颗粒物质量浓度较北京市低,因此造成汾渭平原东部和北京市重度及以上污染过程中颗粒物质量浓度平均值在颗粒物质量浓度年均值中占比基本相同.③汾渭平原东部颗粒物质量浓度的周变化特征与北京市有显著区别.④重污染期间,汾渭平原东部ρ（PM_2.5）和ρ（PM₁₀）的日变化特征与ρ（SO₂）相同,均呈白天高、夜间低的特征,而北京市ρ（PM_2.5）和ρ（PM₁₀）的日变化特征与ρ（SO₂）相反,呈白天低、夜间高的特征,说明汾渭平原东部特殊的能源结构、边界层动力演变和局地环流造成高架点源对重污染期间污染物质量浓度的影响较显著.研究显示,汾渭平原东部应该加强重污染期间高架点源的管控.      

天津市PM2.5浓度时空分布特征及重污染过程来源模拟分析

天津市多发生以PM_2.5为首要污染物的重污染事件,明确ρ（PM_2.5）时空分布特征及重污染过程来源对PM_2.5的综合治理意义深远.利用天津市2014-2017年环境资料和2016年气象资料,结合WRF-Chem模式研究了天津市ρ（PM_2.5）时空分布特征及重污染过程来源.结果表明:①自2014年以来,天津市ρ（PM_2.5）呈逐年下降趋势.②ρ（PM_2.5）月变化曲线呈"U"型分布,呈冬春季高、夏秋季低的季节性特征;ρ（PM_2.5）日变化呈双峰型分布,主峰值出现在08:00-09:00,次峰值出现在21:00-翌日00:00.③各季节天津市ρ（PM_2.5）空间分布不同,春季、夏季、秋季和冬季高值中心分别位于天津市西南部的静海区、中心城区北部的北辰区、西部的武清区及北部的蓟州区.④WRF-Chem模式模拟的天津市秋冬季污染物来源结果表明,本地源贡献率为56%,外来源输送贡献率为44%,其中以河北省和山东省的输送为主.2016年12月16-22日天津市一次重污染过程的模拟结果表明,天津市本地源贡献率为49.6%,河北省、北京市和山东省的外来源输送贡献率分别为32.2%、7.0%和2.2%.污染前期,不利气象条件和外来源输送造成天津市ρ（PM_2.5）聚集并形成重度污染;污染持续过程中,本地源贡献率逐渐增大并占主导地位.研究显示,近年来天津市ρ（PM_2.5）呈下降趋势,并有明显的空间分布特征.      

长三角区域大气重污染应急减排效果评估

为评估长三角区域大气重污染应急减排方案的效果,依据上海市环境科学研究院编制的2015年长三角区域高分辨率大气污染源排放清单设计了3级减排方案,利用本地化的WRF-CMAQ模式对长三角区域一次重污染过程进行了模拟验证,并评估了各减排方案的效果.结果显示:①如各城市单独进行减排,在一级、二级和三级减排方案下ρ（PM_2.5）分别降低0~7.2、0~20.6和0.1~34.8 μg/m3,降幅分别为0~11.7%、0~19.5%和0.2%~28.0%,长三角区域空气质量优良率未见明显上升.②如进行区域协同减排,在一级、二级和三级减排方案下ρ（PM_2.5）分别降低0.5~10.0、2.7~30.2和4.3~51.8 μg/m3,降幅分别为1.8%~12.8%、9.3%~23.5%和14.7%~37.0%.对于多数城市,区域协同减排效果比单独减排效果显著,其中舟山市、连云港市和常州市的区域协同减排效果最突出.在三级减排方案下的区域协同减排会使空气质量优良率明显提升,空气质量优良的城市从6个升至10个,中度以上污染城市从12个降至2个.③工业源减排是应急减排的重点,其减排效果可占整体减排效果的50.0%~93.0%.研究显示,要在重污染期间达到较好的减排效果,需要进行区域协同减排,但针对不同城市需要协同进行污染控制的范围具有明显差异,因此,为实现精准管控,未来在开展重污染应急区域协同控制时,需根据实际情况进行协同控制关系的预测.      

关中地区PM2.5污染过程的主要参数特征和EMD统计分析

为了掌握关中地区的污染过程特征,并为关中地区预警预报提供理论支撑,利用2014—2017年关中地区五市（西安市、咸阳市、宝鸡市、渭南市、铜川市）ρ（PM_2.5）数据,对该地区PM_2.5污染过程的峰值质量浓度、持续时间等特征进行统计分析,并用EMD（经验模态分解法）分解海平面气压观测数据,对PM_2.5污染过程的统计结果进行解释.结果表明:①关中地区ρ（PM_2.5）分布在时间和空间上均具有显著的区域相关和时间同步特征.各城市的ρ（PM_2.5）日均值较接近,相差范围为2~15 μg/m3.②污染过程持续时间的统计表明,冬季污染过程持续时间（11~15 d）相对较长,夏季污染过程持续时间（7~9 d）相对较短;PM_2.5污染过程的峰值质量浓度分析表明,各城市中度及以上等级的污染频次差异较大,最大值出现在咸阳市,为16次,最小值出现在铜川市,为9次.③利用EMD算法对气压数据进行分解后发现,第4模态（IMF4）的震荡频率变化是关中地区各城市不同季节污染过程持续时间存在明显差异的主要原因.研究显示,单站气压的EMD模态分解可以较好地解释关中地区的污染物浓度特征.      

大气PM2.5及高脂饮食对哮喘发病影响的研究进展

大气PM_2.5暴露与呼吸系统疾病密切相关,高脂饮食是哮喘的诱因之一.近年来,哮喘发病率在我国呈上升趋势.对大气PM_2.5、高脂饮食及二者协同作用对哮喘发病的影响进行探讨,为哮喘的干预和治疗提供新思路.总结了PM_2.5暴露与高脂饮食对哮喘的影响以及哮喘的发病机制:①颗粒物暴露可引发机体炎症反应,增加哮喘发病风险;②高脂饮食可通过代谢活化机体内免疫相关信号通路,导致炎症发生;③二者均会通过MyD88/TLRs信号通路和Th1/Th2机制对哮喘炎症产生影响.研究显示,PM_2.5与高脂饮食对哮喘的作用机制具有一致性,二者对人群的健康影响可能具有协同作用.      

首都重大活动与空气重污染应急减排措施效果对比分析

以2015年"9·3"阅兵活动及同年冬季两次空气重污染红色预警为例,针对气象要素及污染物浓度变化特征进行对比分析,对不同减排措施下污染物减排比例估算,并利用WRF-CAMx模型,对减排带来的PM_(2.5)污染改善效果进行了定量评估与对比分析.结果表明,阅兵期间(8月20日至9月4日)PM_(2.5)日均浓度(19.0μg·m~(-3))分别比阅兵前(8月15～19日)和阅兵后(9月5～15日)日均浓度降低了60.0%和48.0%,第一次红色预警期间PM_(2.5)日均浓度(232.3μg·m~(-3))高于第二次红警(216.6μg·m~(-3)),第二次启动重污染红色预警之前的空气质量好于第一次红警.阅兵期间北京及周边省市污染物减排比例普遍大于红警期间,为保障"阅兵蓝"的实现提供了人为可控的有利条件."9·3"阅兵、北京首次及第二次红色预警期间采取污染物应急减排措施情况下,北京PM_(2.5)浓度分别平均降低了32.4%、 17.1%和22.0%.阅兵期间与红色预警相比,PM_(2.5)浓度降低比例较高,归因于更大力度的区域污染物协同减排以及阅兵期间易于污染物扩散的气象条件.污染减排力度、应急控制措施实施时机以及气象条件是可能影响应急污染控制措施污染改善效果的重要因素.