兰州市3种主要污染物大气环境容量季节差异及排放总量控制

基于气象数据与大气污染物网格化排放清单,利用ADMS-Urban大气扩散模型,模拟了兰州市3种主要大气污染物ρ(PM_(10))、ρ(NO_2)和ρ(SO_2)日均值的空间网格分布,结合线性规划模型反推得到污染物各季节的大气环境容量,采用指南推荐的修正A值法验证了该大气环境容量的准确性及合理性.基于兰州市2015年3种主要大气污染物排放量,估算了各行政区县3种主要大气污染物的剩余大气环境容量,提出以大气环境容量作为基准的总量控制目标值,并基于各行政区县2015年的排放水平提出了削减目标和对策.结果表明, ADMS-Urban模拟得到的ρ(PM_(10))、ρ(NO_2)和ρ(SO_2)分别为108.9、37.8和35.4μg/m~3,与2017年实际监测值的相对标准偏差在20%以内.基于模拟的质量浓度值,估算得到3种大气污染物的年大气环境容量D(PM_(10))、D(NO_2)和D(SO_2)分别为3.81×10~5、1.68×10~5、5.14×10~5t/a,各区县的大气环境容量由大到小依次为永登县皋兰县榆中县红古区西固区城关区七里河区安宁区;环境容量由大到小的季节差异为夏季春季秋季冬季.与2015年排放的3种主要污染物相比,兰州市全部区域整体大气环境容量均有剩余, SO_2的剩余量最大,其次为PM_(10)和NO_2;各行政分区的大气环境容量中SO_2均有剩余, PM_(10)除永登、榆中以外的各行政区已无剩余大气环境容量,包括红古、西固、城关和七里河区的NO_2已无剩余大气环境容量.以大气环境容量、2015年排放量及空气质量二级标准为基准,兰州市整体仍需削减PM_(10)和NO_2的排放量为5.53×10~4和1.41×10~4t/a.     

基于A值法的庆阳地区大气环境容量研究

大气环境容量是指特定区域所能容纳污染物的最大负荷量。本文利用A值法,通过计算各控制区的大气环境容量得出庆阳地区SO_2的环境容量为9.46×10~4t/a,NO_2的环境容量为7.57×10~4t/a,PM10的大气环境容量为12.11×10~4t/a,结合庆阳地区大气污染物排放量现状,分析表明庆阳地区SO_2、NO_2的环境容量剩余空间较大,而PM10的排放量已经接近庆阳市的大气环境容量。     

典型生态旅游城市黔江区大气污染物分析及健康风险评估

以典型生态旅游城市黔江城区大气为研究对象,采用相关性分析、主成分分析、聚类分析和多元统计分析等方法对大气污染物进行研究,结果表明:黔江城区主要污染物随季节变化呈明显时空变化特征,PM_(10),PM_(2.5),SO_2,NO_2,O_3年平均质量浓度分别为(55±19.4),(28±12.5),(18±8.0),(28±5.8),(22±4.8)μg/m~3,均符合国家二级标准(GB3095-2012).研究期间气压、温度、风速和湿度等重要气象因子对5种大气污染物均产生显著性影响;5种大气污染物之间也存在极显著性或显著性影响.利用主成分分析和正交旋转方法,共抽取3个主成分,累计解释了总因子的38.067%,58.408%,70.148%,反映了人类生产生活活动、汽车污染源等排放.气象因子与大气环境中5种污染物之间具有聚合性,综合分为2类,其聚类距离大小为:第一类PM_(10),SO_2,NO_2小于气压,PM_(2.5)最大;第二类O_3、风速小于风向和湿度,温度最大.城区大气环境中PM_(10)和PM_(2.5)健康风险值为0.78×10~(-6)~1.64×10~(-6),0.52×10~(-6)~1.72×10~(-6),除夏季外,其余3个季节均为PM_(2.5)值大于PM_(10)值,由此表明PM_(2.5)比PM_(10)对人类的健康危害更大.     

龙岩市中心城区大气污染特征与相关性研究

为了解龙岩市中心城区大气环境质量现状,利用2016—2019年龙岩市中心城区6种大气污染物监测数据进行统计分析,结果表明,2016—2019年,龙岩市中心城区SO_2、CO和NO_2三种污染物质量浓度年际变化平稳。O_3的质量浓度年际变化呈明显上升趋势。PM_(10)和PM_(2.5)质量浓度于2016—2018年呈上升趋势,2019年则下降。龙岩市中心城区SO_2、NO_2、PM_(10)、PM_(2.5)和CO的空气质量分指数(IAQI)具有冬季最高、夏季最低的特征,O_3的IAQI则是秋春季高,冬季最低。PM_(10)、PM__(2.5)、NO_2和CO日间浓度变化呈现双峰特征,O_3和SO_2日间浓度变化呈单峰分布特征。通过对一次臭氧超标事件的模拟表明,外来输入和本地的臭氧污染物的集聚是臭氧超标的原因。分析各种污染物间的关系表明,SO_2、NO_2、PM_(10)、PM_(2.5)和CO浓度之间呈显著的两两正相关。O_3与CO、SO_2、NO_2呈显著负相关,与PM_(10)、PM_(2.5)呈正相关。     

2018年春节期间燃放烟花爆竹对福州市晋安区大气污染物浓度的影响

利用2018年春节期间晋安区五个空气自动监测站点PM_(10)、PM_(2.5)、CO、NO_2、SO_2、O_3的监测数据,分析了春节期间燃放烟花爆竹对晋安区大气污染物浓度的影响,重点讨论了除夕、初一两日大气污染物浓度的小时变化特征。结果表明,晋安区春节期间首要污染物主要为颗粒物。烟花爆竹对PM_(10)、PM_(2.5)、SO_2、NO_2浓度有直接影响,对PM_(10)和PM_(2.5)浓度的影响尤其突出,对CO、O_3浓度无显著影响。     

基于微博大数据的游客情感与空气质量关系研究——以西安市为例

利用西安市国内游客发布的微博数据,采用修正的"微博情感倾向算法验证程序"(MBEWC)计算游客的情感倾向值,对情感倾向和空气质量进行相关分析,研究情感倾向和空气质量的相互关系。研究发现:PM_(2.5)、PM_(10)、NO_2、SO_2、CO这5种污染物均与游客微博情感值呈现较弱的负相关;在所有污染物指标中,NO_2对游客情感的影响程度最大,具体表现为每多排放1 000μg NO_2,游客微博情感值下降21分;其次,在烟尘污染物PM_(2.5)和PM_(10)中,PM_(2.5)粒径很小,对游客情感的影响比PM_(10)严重;而对于气体污染物,NO_2和SO_2对游客情感的影响程度远大于CO。空气中多种污染物同时存在对游客情感的影响要明显大于某一污染物单独存在时的影响,具体表现为PM_(2.5)和SO_2同时存在对游客情感的影响程度大于SO_2单独存在对游客情感值的影响。     

天津武清区PM_(2.5)与气态污染物SO_2及NO_2污染特征研究

利用2016年武清区大气污染物监测数据,研究了武清区PM_(2.5)及SO_2、NO_2等典型大气污染物浓度变化特征和相互关系。结果表明:2016年PM_(2.5)污染较严重,年均浓度分别为73μg·m~(-3),超标1.1倍。大气中SO_2年均值为25μg·m~(-3),NO_2年均值47μg·m~(-3)。冬季及春秋季节大气中存在明显的二次转化过程,大气中的SO_2和NO_2通过转化生成硝酸盐和硫酸盐,对PM_(2.5)浓度变化具有重要影响。     

宜宾市2018年移动源污染物排放清单与空间分布特征

移动源已成为城市大气污染的主要贡献源。基于MOVES模型和地理信息系统(ArcGIS)技术,建立了宜宾市2018年分辨率为2 km×2 km的移动源网格化排放清单。研究结果表明:宜宾市2018年移动源污染物碳氢化合物(THC)、CO、NO_X、PM_(2.5)、PM_(10)、NH_3、SO_2和挥发性有机化合物(VOC)的年排放量依次为0.33×10~4 t、3.53×10~4 t、1.29×10~4 t、0.56×10~3 t、0.59×10~3 t、0.16×10~3 t、0.98×10~3 t和1.82×10~3 t。摩托车和出租车是THC的主要贡献源,摩托车和小型客车是CO的主要贡献者,非道路移动机械和重型货车是NO_X、PM_(2.5)和PM_(10)的主要贡献源。THC和CO主要来自于道路国Ⅲ标准移动源,NO_X、PM_(2.5)、PM_(10)、NH_3和SO_2则主要来自于道路国Ⅳ标准移动源。     

基于高分辨率在线气溶胶监测仪数据分析南京北郊冬季PM_(2.5)中水溶性离子污染特性

于2017年1月~2月在南京北郊利用MARGA在线监测仪采集大气细颗粒物(PM_(2.5))测量气溶胶中的无机离子质量浓度,分析各离子的变化特征及来源。研究表明,南京北郊冬季总水溶性无机离子质量浓度平均值为(48.47±25.44)μg/m~3,8种无机离子质量浓度高低顺序为SO_4~(2-)NO_3~-NH_4~+Cl~-(K~+、Ca~(2+))Na~+Mg~(2+),其中二次无机离子(NH_4~+、NO_3~-和SO_4~(2-))是最主要的水溶性离子。各水溶性无机离子的日变化特征存在差异,其中SO_4~(2-)和Cl~-的日变化较为显著,变化特征为日间高夜间低。NH_4~+、NO_3~-和SO_4~(2-)三者在大气中的结合方式为(NH_4)_2SO_4和NH_4NO_3,主成分分析结果显示,南京北郊冬季大气的污染物来源主要为化石燃料燃烧,另外生物质燃烧和二次转化、矿物粉尘对大气污染也有贡献。     

四川盆地城市群6种大气污染物的时空分布

利用四川盆地18个城市2015-2016年6种大气污染物质量浓度资料,采用了集中期、集中度和变异系数等统计学方法,对该地区大气污染的时空分布特征进行了分析,将四川盆地划分为3个区进行对比研究.结果表明,四川盆地18个城市中,大气污染最严重的是自贡市,年均空气质量指数为100,污染天数占总天数的37.6%;污染最轻的是广元市,年均空气质量指数为57,污染天数占总天数的4.5%.四川盆地3个区域按照污染物质量浓度高低以及出现污染天数的长短排序均为:川南经济区成都平原经济区川东北经济区.研究时间段内,18个城市PM_(2.5)年均质量浓度达标的只有广元市;PM_(10)年均质量浓度达标的只有广元市和巴中市;SO_2年均质量浓度18个城市均达标;NO_2年均质量浓度除成都市和重庆市外,其他16个城市均达标;所有城市的CO和O_3日质量浓度均达标.近36年来,颗粒物和SO_2质量浓度呈现不同程度降低,表明国家对大气污染物排放的管控措施对颗粒物和SO_2污染改善明显.污染物PM_(2.5)、PM_(10)、CO、NO_2和SO_2质量浓度的季节变化为冬季高,夏季低;O_3质量浓度季节变化则为冬季低,夏季高.PM_(2.5)、PM_(10)和O_3质量浓度高的时段相对于SO_2、NO_2和CO来说更为集中,PM_(2.5)、PM_(10)、SO_2、NO_2和CO高质量浓度时段主要集中在1月左右,O_3高质量浓度时段主要集中在6月左右.不同城市间SO_2和NO_2质量浓度差异明显,其他污染物质量浓度分布则较为均匀.     

河北邯郸市典型大气污染物的特性分析

根据对邯郸市大气污染物特征研究,分析污染物在线监测数据、气象数据和水溶性离子数据的变化规律。结果表明,除O_3外,邯郸市近年来大气污染状况有所改善,但PM浓度仍明显高于河北省其他城市。PM_(2.5)、PM_(10)、SO_2、CO浓度秋冬高,春夏低,O_3浓度则相反。春节期间污染物浓度的变化特征表明,烟花爆竹对粗颗粒物的影响较大。对污染物年平均值贡献较大的是各污染物的重污染累积浓度,其中PM和SO_2影响尤其显著。SO_2、NO_2、SO_2/NO_2与湿度相关性为负,PM_(2.5)/PM_(10)与湿度相关性为正,并且与工业比重、能源结构、环境质量、机动车和人口等也存在相关性。     

集中供暖与非集中供暖城市的冬季大气污染状况——以天津和上海为例

为了解集中供暖和非集中供暖2种不同模式对空气质量的影响,基于天津和上海冬季采暖期及非采暖期的空气质量数据,分析不同供热模式下大气污染物的长时间变化和日变化特征及其影响因素.结果表明:天津和上海采暖期PM_(2.5)、PM_(10)、CO、NO_2和SO_2的质量浓度均高于非采暖期.天津采暖期PM_(2.5)、PM_(10)、CO和SO_2浓度较高主要是受到集中供暖消耗的化石燃料燃烧排放和大气逆温层2个方面因素的影响.上海虽然处于非集中供暖区,但也受到了北方城市供暖区远距离污染物传输的影响.天津集中供暖模式产生的PM_(2.5)、PM_(10)、CO和SO_2排放对空气质量的影响高于非集中供暖城市上海.与非采暖期相比,天津和上海采暖期NO_2浓度的增加量几乎一致,说明供暖活动对大气中NO_2的贡献并不明显;天津和上海采暖期O_3浓度均低于非采暖期,表明供暖活动未对O_3排放产生显著作用.采暖活动明显改变了天津PM_(2.5)、PM_(10)和CO的日变化特征;受采暖活动和逆温层的影响,SO_2和NO_2浓度均在夜间呈现升高趋势;O_3的日变化趋势未受采暖活动影响.与非采暖期对比,采暖期上海的非集中供暖未对污染物的日变化趋势产生显著影响.     

滇东地区城市空气污染变化特征及其与气象条件的关系

基于滇东城市曲靖2014-2018年2个国控空气质量监测点的逐日空气质量指数和6种空气污染物(SO_2、NO_2、PM_(10)、PM_(2.5)、CO和O_3)逐小时浓度资料以及同期气象要素数据,统计分析了曲靖主城区空气污染变化特征及气象因子对污染物浓度分布的影响.结果表明:①2014至2018年,曲靖主城区空气质量优良率为97%-99.7%,污染日数呈逐年减少趋势,首要污染物以PM_(10)、PM_(2.5)和O_3为主.②曲靖主城区空气质量呈现出夏秋季节较好、冬春季节较差的季节性特征.③6种污染物浓度各自表现出不同的季节性变化和日变化特征.气象条件影响着曲靖主城区污染物的扩散、迁移和转变.④风速与SO_2、NO_2、CO和PM_(2.5)浓度具有较好的负相关关系;与O_3浓度呈正相关关系;风速对PM_(10)影响较复杂,当风速小于2 m/s时有利于PM_(10)扩散,当风速超过2 m/s时反而导致PM_(10)浓度增加.⑤地面盛行西北风和东南风时,SO_2、NO_2、CO、PM_(10)和PM_(2.5)浓度较高;地面盛行西南风时,O_3浓度达到最高值.⑥降水对6种污染物具有显著冲刷清洁作用.⑦温度与O_3浓度呈显著性正相关关系,与NO_2、CO、PM_(10)和PM_(2.5)浓度呈显著性负相关关系;与SO_2浓度关系不显著.⑧相对湿度与O_3、PM_(10)和PM_(2.5) 3种首要污染物浓度呈显著性负相关关系;与SO_2、NO_2和CO 3种非首要污染物浓度的关系不显著.     

重庆涪陵大气污染物特征及其与气象要素的关系

利用重庆涪陵2010—2014年空气质量监测数据和同期的气象资料,分析了涪陵地区大气污染物的变化情况与气象要素的相关关系.结果表明:涪陵从2010到2014年空气质量有变好趋势,迎宾大道和兴华中路的空气质量总体较好,AQI指数优良天数分别占87%和85.6%,PM_(10)为涪陵首要污染物.PM_(10),SO_2质量浓度具有周期性变化特征,从1月至12月为先降低后升高的趋势,每年较冷的12月、1月、2月PM_(10)质量浓度值较高,较热的月份质量浓度值较低.NO_2质量浓度年际间变化幅度较小.PM_(10)与气温、降水量、相对湿度、平均风速具有负相关性,与气压具有正相关,即气温越高、降雨量越大、气压越低、风速越大,PM_(10)质量浓度越低.SO_2,NO_2与气温、气压、降水量均为负相关,与相对湿度正相关.不同月份大气污染物与气象要素的相关性存在较大差异.     

晋安区大气污染物浓度变化分析

利用2016年1月1日~12月31日福州市晋安区五个空气质量监测站点CO、SO_2、NO_2、O_3、PM_(2.5)、PM_(10)的监测数据,分析了晋安区大气污染物的污染水平及时间分布情况。结果表明,晋安区空气质量基本处于国家一、二级标准内,首要污染物为PM10,按污染物浓度日均值分布情况分析,O_3浓度在14时前后出现峰值,其余污染物浓度日变化主峰值均出现在9时前后,次峰值出现在18时前后。     

陕北地区冬季采暖期大气污染特征分析

基于2016年12月1日至2017年3月31日陕北地区(延安市、榆林市)SO_2、NO_2、PM_(10)、PM_(2.5)、O_3、CO逐小时监测数据,研究陕北地区冬季采暖期大气污染水平及污染特征,并为陕北地区冬季空气质量改善提出建议.结果显示,2016年陕北地区冬季大气污染首要污染物为PM_(10)和PM_(2.5),大气污染类型为颗粒物污染型;通过月变化趋势分析和Pearson相关系数验证,各项大气污染物间表现出极强的相关性,O_3与其他5项污染物均为负相关,其他5项污染物两两互为正相关;经日变化趋势分析,SO_2、NO_2、PM_(10)、PM_(2.5)、CO污染物浓度日变化趋势均为"双峰双谷"型,且时间变化上保持一致,O3为"单峰"型;"周末效应"分析发现,SO_2、NO_2、PM_(10)、PM_(2.5)周末浓度均大于工作日浓度,CO周末浓度与工作日浓度变化不显著,日平均偏差为6.24%,O_3工作日浓度普遍高于周末浓度.建议陕北地区加强对冬季颗粒型污染物的抑制,加大城市绿化建设投入,积极宣传环保理念,倡导绿色出行,市民在周末尽量减少出行.     

武汉市大气污染特征及变化趋势

以2013—2015年武汉市大气污染物特征及变化趋势为研究对象,对大气污染物综合指数和各污染物单项指数进行分析.其主要结论是:大气污染冬季的污染状况比夏季严重,其中空气质量2013年优于2015年,2014年最差;根据各污染物单项指数,确定颗粒物(PM_(2.5))为大气污染的主要因子;PM_(2.5)、PM_(10)、SO_2、NO_2、CO的浓度冬季大于夏季,O_3的浓度夏季大于冬季;根据各污染物之间相关性及气象因素的分析,PM_(2.5)、PM_(10)、SO_2、NO_2、CO之间均成正相关关系,其中PM_(2.5)与CO的相关性为0.901(P0.01),接近1,说明CO对PM_(2.5)的形成有直接作用;污染物与气象因素的相关性分析,几种污染物与气压、降水量、气温有明显的相关性;根据聚类分析,大气污染变化趋势与季节有关,季节变化特征为夏季春秋季冬季.     

福州市大气PM_(2.5)中水溶性无机离子污染特征研究

为研究福州市大气PM_(2.5)中水溶性无机离子组成与污染特征,于2015-2016年分四个季节对8个点位进行PM_(2.5)样品采集,分析了PM_(2.5)的质量浓度和9种水溶性无机离子SO_4~(2-)、NO_3~-、F~-、Cl~-、NH_4~+、K~+、Na~+、Ca~(2+)、Mg~(2+)成分。分析表明,研究期间福州市大气PM_(2.5)浓度的日均值为35.1μg/m~3,呈现春、冬季节高,夏、秋季节低的特征;水溶性无机离子浓度总和占PM_(2.5)浓度的47.1%,其中SO_4~(2-)、NO_3~-、NH_4~+的浓度Cl~-、Na~+、K~+、Ca~(2+)的浓度Mg~(2+)、F~-的浓度。离子平衡分析显示,阴离子相对亏损。二次离子(SO_4~(2-)、NO_3~-、NH_4~+,简称SNA)占水溶性无机离子浓度总和的81%以上,相关性分析表明,NH_4~+主要以(NH_4)_2SO_4和NH_4NO_3的形式存在。各季的NO_3~-/SO_4~(2-)比值均小于1,呈现冬季高、夏季低的特点,表明固定源排放是福州PM_(2.5)的主要影响因素。对非海盐离子贡献的分析表明,海盐源对PM_(2.5)的影响较小,人为活动是主要来源。     

黔东南州城市环境空气质量季节性变化特征

以2018年黔东南州16个县(市)城市空气自动监测数据为基础,分析城市环境空气污染物浓度变化趋势、污染物之间相关性以及城市环境空气综合指数,研究黔东南州城市环境空气质量季节性变化特征。结果显示:黔东南州城市环境空气中除CO浓度水平具有不明显的季节特征外,其余SO_2、NO_2、O_3、PM_(10)和PM_(2.5)浓度水平具有明显的季节特征,其中,SO_2浓度高值出现在秋季和冬季;NO_2浓度高值出现在冬季和春季;O_3浓度高值出现在冬季和春季;PM_(10)和PM_(2.5)浓度高值出现在冬季和春季。在0.01的置信水平下,PM_(10)和PM_(2.5)的Pearson相关系数达到0.962,具有极强的正相关,初步判断PM_(10)和PM_(2.5)是影响黔东南州城市环境空气质量季节性变化的主要污染物。从全年空气质量变化趋势来看,黔东南州城市环境空气质量从好到差依次为夏季、秋季、春季、冬季,PM_(10)和PM_(2.5)浓度的高低直接影响城市空气质量综合指数的变化。     

重庆北碚地区大气污染物与气象要素的相关性分析

利用北碚地区2009—2014年空气质量监测数据和同期的气象资料,分析了大气污染物的变化情况及其与气象要素的相关性.结果表明:大气污染物PM_(10),SO_2,PM_(2.5)的浓度具有先减小后增加的周期性变化规律,NO_2变化规律周期性不明显.大气污染物浓度从高到低依次为PM_(10),SO_2,NO_2,可吸入颗粒物为北碚地区首要污染物.北碚地区天生、缙云山、蔡家3个监测点大气污染物浓度差异有统计学意义,从高到低依次为蔡家、天生、缙云山,造成这种差异与地理环境、人类活动有密切联系.大气污染物浓度与气温、风速、降雨量具有负相关性,静风更容易造成大气污染物积累,并且静风时出现高浓度的比例更大.在特定条件下,高湿环境能使大气污染物浓度升高.大气污染物浓度在不同的月份受气象要素的影响程度不同,主要影响因素也不同.