大气环境防护距离确定方法的改进

文章分析了大气环境防护距离的确定现状与存在的问题,针对模式估算可能产生的误差,对现行的大气环境防护距离确定方法提出了改进意见,并阐述了改进方法的可行性。     

烟台市环境受体PM2.5四季污染特征与来源解析

于2016～2017年四季在烟台市3个点位采集了PM_(2.5)样品,分析了其质量浓度和化学组分特征.利用CMB模型对受体进行解析,并利用后向轨迹和PSCF对传输气流和潜在源区进行了分析.结果表明,烟台市监测点位冬季、春季、夏季和秋季的PM_(2.5)平均质量浓度分别为(89. 45±56. 80)、(76. 78±28. 44)、(32. 65±17. 92)和(57. 32±24. 60)μg·m~(-3). PM_(2.5)浓度表现出明显的季节变化特征(P 0. 01).全年PM_(2.5)各源类分担率大小依次为:二次硝酸盐源(20. 3%)城市扬尘源(15. 7%)机动车排放源(14. 9%)燃煤源(13. 8%)二次硫酸盐源(12. 8%) SOC(6. 1%)建筑水泥尘源(5. 5%)海盐源(2. 9%),可以看到烟台市以二次源、扬尘、机动车排放源和燃煤源为主要污染源.春季硝酸盐源和城市扬尘源是重要贡献源类,夏季硫酸盐源贡献突出,燃煤源在秋冬季占比突出.烟台市气流输送和潜在源区也呈现出明显的季节变化:冬季主要受烟台市短距离输送的影响;夏季主要受烟台东部沿海和本地的影响;春秋季主要受山东东北部和东部沿海地区的区域传输和烟台市本地源的影响.     

南京地区一次臭氧污染过程的行业排放贡献研究

采用WRF-CHEM模式对南京地区春季一次臭氧(O_3)污染过程进行了模拟及行业排放贡献分析.此次O_3污染过程发生在2015年5月22—26日,南京地区一直处于地面高压控制的晴好天气之下,并于25日达到O_3污染的峰值.模拟与观测的一致性指数IOA达到0.89,表征本次O_3污染过程的模拟与观测结果的一致性较高.通过5类排放源(工业源、农业源、居住源、交通源、生物源)的敏感性试验,探究各行业排放源中O_3前体物对近地面O_3浓度的相对贡献.结果表明工业源在白天为持续正贡献,且在午后16:00时达到峰值,而交通源、居住源和农业源的贡献随气温的升高在白天由负贡献转为正贡献,并在18:00时左右达到峰值.在夜晚,O_3则主要通过交通源排放的大量NO进行滴定消耗.在高O_3浓度(≥200μg·m~(-3))时,各人为排放源均为正贡献,工业源的贡献最大,达到50μg·m~(-3),在低O_3浓度(200μg·m~(-3))时,交通源、居住源和农业源呈负贡献.生物源在人为排放源主导的南京城区O_3污染过程中的贡献几乎为零.考虑到O_3生成机制的复杂性,对于南京地区,减少工业源排放是控制O_3污染的关键.     

北京秋冬季一次重污染过程PM2.5来源数值模拟研究

利用WRF模式(The Weather Research and Forecasting Model)和嵌套网格空气质量模式(NAQPMS)对2016年11月发生在京津冀地区一次PM_(2.5)污染事件进行模拟研究并分析污染过程中的天气形势变化.结果表明,均压场、低空逆温层和偏南暖湿气流输送的存在为北京地区PM_(2.5)形成提供了有利条件,NAQPMS模式能够合理的再现北京大气污染物时空变化,细颗粒物PM_(2.5)和可吸入颗粒物PM_(10)模拟与观测数据相关系数达0.71,模拟数据在观测数据两倍范围内占比(FAC2)达65%.源解析结果表明,在不考虑临时实施减控措施下,11月18日区域外输送对北京PM_(2.5)浓度贡献为55.25%,区域内输送贡献为44.75%,北京东北区域PM_(2.5)外地源主要为河北中部、河北南部、天津和山东,所占贡献为9.67%、9.01%、7.90%和7.99%.污染物主要来源为生活源、交通源和工业源,分别占比39.6%、34.6%和20.0%.而实际上北京在唐山、保定采取一系列控制措施后仍在研究时段内出现高PM_(2.5)浓度,意味着在同样天气形势下需要对河北中部、河北南部、天津和山东等浓度贡献占比大的城市加强减排管控才能有效减缓高PM_(2.5)浓度的出现.     

成都市冬季大气消光系数及其组成的特征研究

由于气溶胶吸湿增长的复杂性和不确定性,大气消光的演化机理至今尚不十分清晰.为此,利用成都市2017年12月浊度仪和黑碳仪的逐时观测资料,结合同时次的环境气象监测数据,系统研究了该区域冬季对应550 nm大气消光系数及其组成的特征.结果表明:①观测期间大气消光系数为(1173.42±641.21) Mm~(-1),其中"干"气溶胶散射系数、"干"气溶胶吸收系数、干洁大气散射系数、气态污染物吸收系数和气溶胶吸湿性消光系数对其平均贡献率分别是53.02%、6.54%、1.50%、1.65%和37.29%.②大气消光系数、"干"气溶胶散射系数和气溶胶吸湿性消光系数的日变化为"单峰单谷型",而"干"气溶胶吸收系数和气态污染物吸收系数的日变化则分别表现为"单谷型"和"双峰双谷型".③明确了单位质量大气消光系数及其组成随相对湿度的变化特征,并就其各自成因进行了分析.     

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.      

基于可解释性机器学习的城市O3驱动因素挖掘

受前体物排放和气象条件等因素共同驱动,大气臭氧(O₃)已成为影响城市夏季环境空气质量的主要污染物.目前物理化学机制驱动的演绎模型在进行O₃污染解析时需要的模型参数众多,运算时效性较差;数据驱动的归纳模型运算效率高,但存在可解释性差等问题.通过建立可解释性数据驱动的Correlation-ML-SHAP模型,Correlation模块挖掘O₃浓度关联影响因素,机器学习ML模块耦合可解释性SHAP模块计算各驱动因素对O₃浓度的影响贡献,实现对驱动因素的定量解析,并以晋城市2021年夏季O₃污染过程为例开展应用研究.结果表明,Correlation-ML-SHAP模型能够挖掘并利用强驱动因素模拟O₃浓度和量化影响贡献,其中ML模块采用XGBoost模型模拟准确度最佳. 2021年夏季晋城市O₃污染强驱动因素为：气温、日照强度、湿度和前体物排放水平,贡献权重为：32.1%、 21.3%、 16.5%和15.6%,其中气温、日照强度和前体物排放...     

基于PSR模型的城市生态安全评价与贡献度研究——以铜川市为例

以铜川市为例进行城市生态安全评价和指标分析,采用压力-状态-响应模型和层次分析法构建出含有项目、因素、指标的铜川市生态安全评价体系。通过生态不安全指数定量表示城市的生态安全状况,对铜川市2014-2016年的生态安全状况进行了综合评价,并计算分析了各指标对城市总体生态不安全指数的贡献度。结果表明,铜川市的生态安全处于“临界安全”状态,并呈现逐渐向好的发展趋势。人均灌溉农田面积、地表水环境质量、环境空气质量和环保投资占GDP比例对铜川市生态不安全指数贡献度较大,应给予重视。     

磁性生物炭对水中CIP和OFL的吸附行为和机制

采用化学共沉淀方法将Fe2+/Fe3+和芦苇生物质材料进行复合,然后于873.15 K限氧热解制备出具有磁分离及高吸附性能的磁性生物炭(MBC).利用SEM、BET、FTIR和VSM等对其理化性质进行表征,并考察了MBC对水中环丙沙星(CIP)和氧氟沙星(OFL)的吸附行为和机制.结果表明,MBC表面含有大量的含氧官能团,比表面积和总孔体积分别为254.6 m2·g-1和0.257 cm3·g-1.MBC对CIP和OFL的吸附有很强的p H和温度依赖性.不同p H下,CIP和OFL各形态离子(阳离子、两性离子和阴离子)对吸附的贡献不同.MBC对CIP和OFL的吸附过程为自发、熵增的吸热过程.CIP和OFL在磁性炭上的吸附动力学符合准二级动力学模型,吸附等温线符合Langmuir模型.MBC对CIP和OFL的平衡吸附量分别为27.84 mg·g~(-1)和22.00 mg·g~(-1).孔填充作用、π-π电子供体受体作用、氢键作用、疏水作用和静电作用可能是MBC吸附CIP和OFL的重要机制.     

浑河流域沈抚段氮素污染综合溯源研究

通过对浑河流域沈抚段水体样品和主要污染源样品采集及检测,结合氮氧双稳定同位素及SIAR模型,统计分析研究区域氮素污染现状及氮素污染来源,绘制典型污染源的δ15N、δ18O特征分布图并估算其贡献率,准确追踪和定量外来性氮,从而更好地控制进入浑河流域的氮负荷.结果表明,浑河流域沈抚段受排污口、支流输入、工业废水的影响较大,氮素污染严重.研究区域δ15N值在-5.23‰~33.8‰范围内波动,δ18O值变化范围较大,为-4.12‰~61.54‰.工业废水对氮素贡献率为20.6%~96.3%,贡献率最高,其次是生活污水与粪便、化学肥料、土壤,贡献率分布范围分别为0.3%~29.4%、1.2%~33.5%、1.7%~30.1%,大气沉降对氮素贡献率最低,为0~7.2%.考虑大气污染及污废水排放规律能更准确的确定氮素的污染来源.