北京市典型城区餐饮业VOCs和PM2.5排放量估算

以北京市餐饮企业分布密度最大的西城区为案例区,通过对研究区域内餐饮企业进行实地污染物检测及排放活动水平调查,计算得到基于就餐人数、就餐时间、烹饪油用量和灶头数4种核算基准的餐饮业VOCs和PM_2.5排放因子,并利用排放因子法分别估算该区域在餐饮废气净化设备升级改造前后餐饮企业VOCs和PM_2.5年排放量.结果表明：本研究区域餐饮业废气净化设备升级改造前VOCs排放量范围为319.03~506.38t/a,改造后为92.14~109.89t/a;改造前PM_2.5排放量范围为166.55~211.09t/a,改造后为30.22~36.05t/a,排放量明显减少.餐饮业废气净化设备改造后VOCs和PM_2.5减排率分别为71%~82%和80%~86%,餐饮业废气净化设备升级改造减排效果良好.计算得到以街道为单元的餐饮源VOCs和PM_2.5排放强度范围分别为1.45~4.32t/km²和0.47~1.42t/km².通过PM_2.5实测浓度（小时值）数据分析,餐饮业废气净化设备升级改造前、后PM_2.5浓度平均减少了28.9%,最接近于用油量为核算基准的排放因子降低比例.     

路边微环境PM2.5化学组分特征及来源解析

采集并分析了武汉市机动车尾气源PM_2.5样品,并于2019年10月18~27日采集了武汉市不同路边微环境（市区路边、环线路边、环境背景点）PM_2.5样品并分析其化学组分特征,利用化学质量平衡模型（CMB）解析评估了机动车尾气对城市不同路边微环境PM_2.5的贡献.结果表明,机动车尾气成分谱以OC和EC为主,汽油车OC质量分数约为柴油车的1.14倍,柴油车EC质量分数是汽油车的1.08倍.路边碳组分主要来源于机动车尾气,其中OC浓度在市区路边最高,EC浓度在环线路边最高;市区路边NO₃^-和NH₄⁺浓度较高,与二次转化有关;环线路边Fe、Si、Al质量浓度高于市区路边.CMB来源解析结果显示,机动车尾气源是环线路边、市区路边微环境的主要来源,分担率为35.20%和38.89%,是环境背景点的2倍左右.不同路边微环境污染源贡献差异明显,与环线路边相比,市区路边机动车尾气源与二次来源均相对较高,而扬尘源贡献低于环线路边.     

唐山市基于GIS的PM2.5空间聚集性及分区管控

以ArcGIS软件为平台,采用唐山市206个在线监测点数据,分析了PM_2.5在采暖期、重污染期、非采暖期3个时期的全局和局部空间自相关性,研究其大气污染空间分布特征.结果表明,3个时期均具有一定的空间自相关性,且重污染期的全局空间自相关最强;采暖期和重污染期PM_2.5高值聚类主要发生在中部地区,低值聚类则主要分布在北部山区及沿海少部分区域;非采暖期高值聚类主要分布在丰润区和丰南区,低值聚类发生在遵化市北部地区.通过空间插值模拟全市的PM_2.5分布状况,结果显示唐山市在重污染期PM_2.5均值最高格点值达241μg/m³,而非采暖期最低值只有37μg/m³;基于PM_2.5浓度变化特征和空间分布,将唐山所辖18个区县划分为5个区域,针对各区域提出PM_2.5分区管控措施建议.     

济南市PM2.5中二次组分的时空变化特征及其影响因素

为分析济南市PM_2.5中二次组分的时空变化和影响因素,对济南市春季(2019年5月16—25日)、秋季(2019年10月15—24日)和冬季(2019年12月17—2020年1月16日)4个典型点位的PM_2.5样品进行连续采样,并测定了PM_2.5中水溶性离子、有机碳(OC)和元素碳(EC)的含量。结果表明:物流交通区的二次组分质量浓度最高(56.13μg·m^?3),钢铁工业区的二次组分浓度比城市市区高,但是二次组分占比较城市市区低,清洁对照点的浓度和占比最低;济南市4个功能区SO₄^2?和NO₃^?转化率均高于0.1,除清洁对照点外,城市市区、钢铁工业区和物流交通区的SO₄^2?转化率明显高于NO₃^?转化率;济南市春季、秋季和冬季的ρ(NO₃^?)/ρ(SO₄^2?)分别为0.67、2.57和1.98,春季PM_2.5浓度以固定源贡献为主,秋季和冬季以移动源贡献为主;运用ISORROPIA热力学模型分析了含水量和pH对二次组分生成的影响,含水量会随着污染增大而增大,酸度和含水量对二次无机组分的转化机理产生影响,酸度会抑制二次无机组分的生成,而含水量会促进二次组分的生成;后向轨迹聚类分析结果表明,占比最高的轨迹(29.2%)来自东北方向的滨州和东营,基于潜在源贡献因子(WPSCF)和浓度权重轨迹(WCWT)分析PM_2.5中二次组分质量浓度的潜在污染源区域,SO₄^2?的主要贡献源区在济南市区北部的济阳区和东北方向的滨州、东营等,NO₃^?和NH₄⁺的主要贡献源区在济南市区北方向的济阳区、东北方向的章丘区和南方向的莱芜区等。该研究结果可为中国北方城市细颗粒物进一步的治理和防控提供数据支撑和理论依据。     

某高密度街区大气颗粒物质量浓度分布特征实测研究

为研究城市高密度街区大气颗粒物浓度分布特征,2019年秋季对上海市某高密度街区道路大气颗粒物浓度、空气温度、相对湿度、地理位置、车辆与道路图像视频信息进行了同步移动在线监测,并结合街区内固定站数据和后向轨迹模拟结果,总结了影响街区大气颗粒物浓度变化的主要因素。结果表明:城市大气颗粒物背景拟合值处于较低水平时,街区内的大气颗粒物浓度变化和影响因素易被识别;机动车污染源对大气颗粒物浓度贡献大,其中大型机动车的影响明显;户外施工和道路清扫会引起大气颗粒物浓度上升,其中PM₁₀上升更明显;交通密度大的十字路口大气颗粒物浓度通常较高;城市高架的盖状结构会阻碍大气颗粒物在垂直方向上的扩散,引起局部大气颗粒物浓度上升;街区内高大浓密的乔木对近地面的大气颗粒物屏蔽效果不理想,甚至有助于颗粒物累积;早晚高峰时段大气颗粒物浓度较非高峰时段高。     

北京山前典型细粒子污染过程的气象条件分析

可吸入颗粒物(PM₁₀)是近年来北京地区冬季首要污染物,其中细粒子(PM_2.5)污染受到广泛关注,由于该地区具有山前地区的地形和气象条件,使其细粒子污染更具区域代表性.对2007年12月北京出现的4次细粒子污染过程及气象条件进行了分析,结果表明:细粒子山前累积/清除时间,ρ(PM_2.5)峰值均与气象条件相关;12月23─26日的3 d连续累积,使26日的ρ(PM_2.5)日均值达到313.4 μg/m3,是国家ρ(PM₁₀₎二级标准〔环境空气质量标准(GB3095─1996)〕(150 μg/m3)的2.1倍,超过世界卫生组织ρ(PM_2.5)日均指导值(25 μg/m3)的11倍;持续的偏南风和边界层底层局地性环流,使得京津冀南部区域细粒子以日均96.7 μg/m3的高值累积在北京山前地区,造成了12月23—31日具有代表性的北京冬季严重细粒子污染.      

北京大气颗粒物中一元羧酸的季节变化和来源分析

通过膜采样溶剂提取、衍生化GC/MS分析,对2006年9月~2007年8月间北京大气PM10和PM2.5中的一元羧酸进行了观测研究.结果表明,可检出C10~C30的烷酸以及油酸、亚油酸和桐油酸3种烯酸,其中含量最高的是C16和C18 2种烷酸.PM10中,一元羧酸总浓度为61.7~1652.3ng/m3,年平均为426.2ng/m3;PM2.5中,一元羧酸总浓度为34.5~992.1ng/m3,年平均为319.6ng/m3.75%的一元羧酸分布在细粒子中,且冬、春季浓度明显高于夏、秋季.春、夏、秋、冬4个季节PM10中一元羧酸浓度分别为(625.1±403.8), (200.0±95.3), (263.0±201.1), (659.9±433.5)ng/m3; PM2.5中一元羧酸浓度为(431.7±211.0), (194.4±95.8), (207.9±160.8), (463.6±262.1)ng/m3.源解析显示,燃煤排放是冬季最主要的人为污染源;机动车排放则在其他季节贡献最大.     

利用LUR模型模拟天津市大气污染物浓度的空间分布

针对传统监测方法无法满足对大气污染物空间分布高分辨率的要求,以Arcgis为平台,利用LUR模型模拟天津市PM10和NO2年均浓度的空间分布.选取的回归变量为1~4km半径缓冲区内的道路总长度、不同土地利用类型的面积、人口密度、风向指数及距海距离,选取3个监测点的监测数据对方程进行了验证.结果表明,对PM10年均浓度影响最大的因素是缓冲区为1km的道路总长度(R2为0.560),而对NO2年均浓度影响最大的因素是人口密度(R2为0.414).多元线性回归方程计算结果显示,PM10和NO2的R2分别达到0.946和0.691;如果考虑风向的影响,R2可分别提高到0.980和0.849.对天津市中心城区建立5km′5km网格嵌套,根据多元线性回归方程计算每个网格交点的污染物浓度模拟值.通过kriging插值得到2种污染物在天津市中心城区的空间模拟分布图.PM10年均浓度分布以研究区中心最高,向四周逐渐降低;NO2的年均浓度以研究区中心最低,向四周逐渐升高.模拟结果与实际情况相符.     

兰州市大气PM10对质粒DNA的损伤

使用质粒DNA 评价法研究了2005年12月~2006年10月兰州市区、郊区大气中PM10对质粒DNA的氧化性损伤,并初步探讨了其损伤原因.结果表明, PM10对质粒DNA的氧化性损伤具有冬、夏季相对较高,春、秋季相对较低的特征.市区冬、春、夏、秋季大气PM10全样的TD20平均值分别为17,625,56,260μg/mL,水溶部分的TD20平均值分别为62,840,193,403μg/mL.沙尘暴期间和降雨数天后, PM10对质粒DNA的氧化性损伤相对较小,其全样和水溶部分的TD20值均大于1000μg/mL.PM10 全样和水溶部分的TD20值均与样品中12种水溶性微量元素总含量呈明显的负相关关系,表明PM10对质粒DNA的氧化性损伤能力主要来自其水溶性微量元素.     

北京PM10持续污染及与常规气象要素的关系

北京PM₁₀持续污染已成为重要的污染现象.选用2000年6月─2002年12月北京空气质量日报和2003年1月─2006年2月9个代表站逐日ρ(PM₁₀)监测资料,利用奥林匹克体育中心站的数据分析了2003年以来北京地区空气污染状况,总结了该站近4年的PM₁₀持续污染变化趋势,并统计其与相对湿度、温度、风速和风向等常规气象要素的相关性.结果表明:①北京近几年秋末PM₁₀持续污染有加重趋势,各站点污染具有同步性;②PM₁₀持续污染以春、秋、冬季出现次数多,概率大,相对湿度、风速和风向对其影响较大,其中相对湿度与秋、冬两季持续污染概率的相关系数分别为0.96和0.97,相关性较好.