不同燃烧过程颗粒物粒径排放特征

采用荷电低压颗粒物撞击器(ELPI)和稀释采样系统研究重庆市工业源、交通源、生物质燃烧以及餐饮业油烟等各类燃烧过程的颗粒物排放特征.结果表明:燃煤锅炉以及各类柴油交通源颗粒物数浓度峰值都表现出单峰型的变化特征,峰值主要出现在0.20~0.48μm之间;生物质燃烧和餐饮业油烟颗粒物的数浓度都呈现出双峰型的变化趋势,分别出现在核模态(0.02~0.07μm)和积聚态(0.2μm);水泥窑炉的数浓度也出现双峰型变化特征,分别出现在积聚态(0.12μm)以及接近粗颗粒物态的1.23~1.96μm粒径范围处.各污染源颗粒物质量浓度峰值主要出现在粗粒径态,交通源排放的颗粒物质量浓度相对较高.各类污染源数浓度分布主要集中在积聚模态,粗颗粒态的数浓度累计贡献都不到1%;质量浓度主要分布在粗颗粒态,核模态的质量浓度贡献都小于0.1%.     

北京市大气细颗粒物污染与来源解析研究

采集北京市2014年冬、春、夏、秋4个季节代表月1、4、7、10月的大气细颗粒物PM_2.5样品,分析研究了PM_2.5质量浓度、化学特征、季节变化和污染成因.同时,采用正交矩阵因子分析法（PMF）对PM_2.5进行了来源解析.结果表明,北京市2014年PM_2.5年均浓度为87.74μg/m³,是国家环境空气质量标准年均浓度限值的2.5倍.轻、重污染期间,PM_2.5浓度较常日分别增加了1.5和3.9倍,其季节变化表现为冬季 >夏季 >秋季 >春季.地壳元素Mg、Al、Fe、Ca、Ti在轻度污染和重度污染期间较常日略有升高,分别是常日浓度的1.1~1.2倍和1.2~1.5倍.污染元素S、Pb、Zn、Cu浓度变化显著,轻度污染和重度污染期间分别是常日浓度的1.3~2.7倍和1.9~5.9倍.S元素是PM_2.5中受人为活动影响较为严重的组分,其相应的SO₄^2-年均浓度为13.43μg/m³,在轻度污染和重度污染期间分别是常日浓度的2.7和5.9倍.硫酸盐的形成主要受O₃浓度、温度、相对湿度等气象要素的协同影响,较高的O₃浓度、较高温度和相对湿度有利于硫酸盐的生成.PM_2.5主要来源于机动车排放、燃煤、地面扬尘和工业排放,其贡献率分别为37.6%、30.7%、16.6%和15.1%.     

珠江三角洲秋季PM_(10)污染模拟与形成过程分析

利用Models-3/CMAQ模式系统对珠江三角洲2009年11月下半月的大气PM10污染状况进行模拟,重点针对23~29日期间的严重PM10污染事件,采用过程分析技术,探讨各种大气物理、化学过程对PM10浓度演变的作用规律.对代表性站点的分析结果表明,导致污染期间近地面PM10浓度升高的大气过程主要是源排放(例如麓湖、开平)和大气传输(万顷沙、金果湾),重要的PM10去除途径包括大气传输(麓湖、开平)、干沉降(万顷沙)和气溶胶过程(金果湾).空间分布上,PM10源排放强度较高的珠三角中部地区,同时也是向外输出PM10的主要区域和干沉降去除的高值地区.在近地面,气溶胶过程在珠三角中部主要起消耗PM10的作用,二次颗粒物的生成多发生在珠三角西部和南部;气溶胶过程对高空PM10主要表现为生成作用,尤其珠三角中部地区的生成速率相对更高.     

汾渭平原PM2.5浓度的影响因素及空间溢出效应

基于实时监测和遥感反演数据,利用空间自相关分析和空间回归分析等方法,探讨了汾渭平原2015~2017年PM_2.5浓度时空变化规律和影响因素,揭示了各因素的空间溢出效应.结果表明：（1）2015~2017年汾渭平原PM_2.5浓度逐年上升,主要由采暖期（11月~次年3月）的快速上升引起,非采暖期（4~10月）年际变化不大.（2）PM_2.5月均浓度变化曲线呈底部宽缓的U型,采暖期PM_2.5污染明显高于非采暖期,超标天数占全年总超标天数比例由2015年的75.0%上升到2017年的83.4%.（3）2015~2017年,除铜川和三门峡外,各城市PM_2.5浓度都有不同程度的上升.咸阳至运城间的平原地区和洛阳盆地污染最严重,已形成连片的高污染区域,且区域内城乡差异小.临汾及其上游平原地区其次,但主要分布在城镇,城乡差异较大.（4）空间回归分析表明,汾渭平原PM_2.5浓度有显著的空间溢出效应.年均气温、城镇化率、能源消费指数和年均人口不仅与本地PM_2.5浓度有显著的正相关,而且会加重邻近地区PM_2.5污染.年降水量和地形起伏度则不仅与本地PM_2.5浓度有显著的负相关,而且能降低邻近地区PM_2.5浓度.风的传输作用能加重本地PM_2.5污染,植被覆盖度能消减本地PM_2.5浓度,但其间接效应都不显著.     

杭州市大气细颗粒物中铁溶解度的变化特征及影响因素

采集了杭州市污染天和非污染天的PM_2.5样品,并进一步获取了PM_2.5中可溶铁(FeS)的浓度及%FeS.研究结果显示,采样期间气溶胶中总Fe(FeT)的浓度为(629±296)ng/m³(150～1167ng/m³),FeS的浓度为(51.4±30.5)ng/m³(4.2～90.5ng/m³),%FeS为(7.8%±3.5%)(1.5%～12.9%).污染天PM_2.5、FeT和FeS的浓度均明显高于非污染天,且污染天%FeS为9.3%,高于非污染天的5.1%.本研究发现%FeS的差异主要与Fe的来源和大气酸化过程相关,污染天Fe受交通排放和工业排放等人为源的影响更大,且污染天大气酸化程度更强.     

中国钢铁行业排放清单及大气环境影响研究

自下而上建立2018年中国高分辨率钢铁企业大气污染物排放清单（HSEC,2018）,定量模拟中国钢铁企业2018年和未来年情景下排放各种大气污染物对环境的影响情况.结果表明：2018年,中国钢铁行业共排放SO₂、NO_x、PM₁₀、PM_2.5、PCDD/Fs、VOCs、CO、BC、OC、EC、氟化物分别为29.02万t、66.57万t、28.73万t、11.69万t、2.24kg、89.21万t、4057.49万t、0.45万t、0.61万t、0.06万t、0.88万t,焦化、烧结、球团、高炉4个铁前工序是中国钢铁行业大气污染物主要排放环节,中国钢铁行业对各省份SO₂、NO_x、PM_2.5年均浓度贡献比例平均值分别为2.85%、3.37%、1.54%;未来年,中国钢铁企业SO₂、NO_x、PM₁₀排放量分别为4.94万t、7.58万t、4.11万t,分别下降了82.98%、88.61%、85.69%,中国钢铁行业对各省份SO₂、NO_x、PM_2.5年均浓度贡献比例平均值分别为0.31%、0.22%、0.02%.     

兰州市冬春两季PM10重度污染的气象条件分析研究

根据兰州市环境监测站2001年1月1日～2005年12月31日兰州市区空气质量日报和同期兰州气象观测资料,分析了兰州市区可吸入颗粒物(PM10)和PM10重度污染季节分布特征。结果显示:5年间兰州市共出现108dPM10重度污染,其中97d分别出现在春季(3～4月)和冬季(12～2月)。其日平均浓度变化在春季和冬季分别表现为"陡峰型"和"缓慢累积型"。春季造成PM10重度污染的原因是强沙尘暴东移向下游的兰州输送大量尘土,主要由"外源"造成,污染日前后气象要素变化剧烈。冬季PM10重度污染由于地面连续处于地面高压和均压场影响之中,加之冬季近地面有逆温层结,抑制了污染物的扩散,地面气象要素表现为水平风速小、能见度差。     

低温等离子体处理柴油机NOx和PM 试验研究

建立了一种具有较强实用性的介质阻挡放电等离子体反应器试验装置.借助静态试验研究其放电特性,通过发动机台架试验探讨了利用低温等离子体处理柴油机2种主要有害排放物NOx和PM的效果和化学反应机理,并通过模拟试验作了处理PM的进一步验证.试验结果表明,放电功率对于低温等离子体活性成分的产生有重要影响,应当优选放电参数以获得高的放电功率从而达到更好的处理效果;采用低温等离子体处理柴油机排气,NOx总量变化不大,主要将NO转化成NO2;低温等离子体可以有效去除柴油机排气中的PM,去除率随能量密度的增大而提高.     

密闭微波消解电感耦合等离子体发射光谱(ICP-AES)法同时测定大气颗粒物PM10中的18种无机元素

建立了测定大气颗粒物PM10中18种无机元素的密闭微波消解电感耦合等离子体发射光谱法。考察了微波消解体系和消解条件,选取了适宜的仪器工作条件和最佳的分析谱线,合理地进行了背景扣除,并对共存元素的干扰情况进行了研究。样品采用硝酸-盐酸-过氧化氢-氢氟酸体系进行消解并经饱和硼酸溶液络合后上机测定,测定值与参考样品标准值相符,主量元素的方法精密度(RSD%)小于3%,次量、微量元素的方法精密度小于10%。各元素的检出限在0.0001~0.0141mg/L之间,回收率在90%~110%之间,应用建立的方法对北京市的颗粒物膜样品进行了分析。     

低成本大气颗粒物传感器的室外环境性能评测研究

对目前大气环境颗粒物监测中采用的基于光散射法的3种型号传感器进行了评测研究,其中A和B是用于室内环境监测,C用于室外环境监测.对3种型号颗粒物传感器与基于β射线方法的标准仪器MATONE BAM-1020对比,对传感器的变异性、时间序列、传感器与标准仪器的线性相关性、其他因素影响、数据质量五个方面开展了分析.结果表明：各型号颗粒物传感器之间有较强相关性（R²达到了0.95以上）;3种颗粒物传感器与标准仪器测量结果吻合度较高,R²分别为0.58,0.80,0.61,且在整个测试时间段内,传感器相对于标准仪器来说高估了PM_2.5;高的相对湿度（RH>50%）和PM_2.5/PM₁₀（ratio）会对传感器产生影响.A、B、C三种型号传感器PM_2.5数据平均绝对误差（MAE）分别为23.31,10.14,28.17μg/m³;归一化均方根误差（RMSE）分别为25.80,14.01,32.98μg/m³,准确性（A%）分别为51.39%,72.97%,46.51%.