定量气象与源排放对PM10浓度影响

为了更好地区分污染物浓度变化中气象与源排放因素的影响,使用中尺度气象模型MM5与三维空气质量模型CMAQ,通过固定源清单的方法研究了不同时期气象因素对PM10浓度变化的影响,结合实测的浓度变化,计算源排放因素对浓度的贡献。结果表明:相对于2011年2月,珠三角中西部地区2012—2014年同期PM10浓度下降主要是由于气象条件的改善,肇庆、佛山、顺德与江门因有利气象近三年2月PM10平均浓度分别下降23、15、27和15μg/m3。佛山因排放源变化导致的PM10浓度下降较大,在2014年2月甚至超过了有利气象的影响,表明佛山的减排措施较有效,其余三地源排放变化对PM10浓度变化贡献较少,甚至为正贡献,表明不利的源排放变化抵消了部分有利气象条件对PM10污染改善的作用,应加强对这些地方源排放的控制。     

长治市大气环境中可吸入颗粒物来源研究

采集长治市环境空气可吸入颗粒物(PM10)及其主要污染源(煤烟尘、机动车尾气尘、土壤风沙尘、城市扬尘和建筑水泥尘)样品,利用化学质量平衡(CMB)受体模型和"二重源解析"技术解析了长治城区环境空气PM10的来源.结果显示城市扬尘对环境空气中PM10的贡献最大,占31%,其次为煤烟尘、建筑水泥尘和土壤风沙尘,贡献率分别为24%,12%和10%.城市扬尘主要来源于土壤风沙尘、煤烟尘和建筑水泥尘,其中土壤风沙尘是城市扬尘的最主要提供者.     

无锡市细颗粒物理化特征和来源解析研究

研究在无锡市两个站点进行细颗粒物采样,获得了不同季节代表月份(2014年4、7、10、12月)和重污染天气条件下(2015年1月)PM2.1的质量、化学元素、水溶性离子以及碳组分的浓度并进行分析,结合化学质量平衡模型(CMB model)计算了无锡市全年以及重污染天气下不同排放源对细颗粒物的贡献,结合排放清单对二次气溶胶进行再解析,得到最终的排放源贡献结果.无锡全年平均PM2.1浓度为68.6μg·m~(-3),崇宁站浓度(71.9μg·m~(-3))高于旺庄站浓度(65.3μg·m~(-3)),冬季浓度高于其它季节,平均可达85.7μg·m~(-3),重污染天气浓度为122.8μg·m~(-3),明显高于全年平均水平.细颗粒物中最主要的化学成分是二次无机盐离子(36.4%)和碳组分(29.1%),重污染情况下有机碳成分明显升高,可以达到38.4%,表明二次有机气溶胶的转化生成和积累老化是细颗粒物浓度升高的主要原因.利用CMB模型解析得到无锡全年PM2.1来源贡献比例,各类排放源贡献依次是二次硝酸盐(26.4%)、二次硫酸盐(22.6%)、二次有机气溶胶(7.8%)、电厂燃煤(7.3%)、土壤扬尘(6.5%)、柴油车尾气(6.4%)、汽油车尾气(4.1%)、秸秆焚烧(3.4%)、建筑扬尘(3.3%)、城市扬尘(2.5%)、海盐气溶胶(2.2%)、餐饮油烟(1.1%)、钢铁冶炼(1.0%),可以看出无锡市细颗粒物排放贡献主要来自于二次气溶胶的转化生成、汽车尾气和扬尘类的贡献.基于本地排放清单进行二次来源解析,得到无锡全年各类排放源贡献依次为电厂燃煤(30.68%)、钢铁冶炼(13.92%)、其它工业(10.48%)、秸秆焚烧(3.49%)、汽油机动车尾气(6.50%)、柴油机动车尾气(8.80%)、船舶(0.44%)、建筑机械(0.66%)、民航飞机(0.03%)、建筑扬尘(3.3%)、土壤扬尘(6.5%)、城市扬尘(2.5%)、餐饮油烟(1.1%)、海盐(2.2%)、其它来源(9.40%),结合二次解析计算,可以看出无锡市细颗粒物排放贡献主要来自于电厂燃煤、工业冶炼、汽车尾气,因此应该加强对燃煤和工业生产活动的管控,控制机动车尾气排放,大力发展清洁能源.     

贵州省大气污染物浓度变化特征及气团传输来源分析

通过对贵州省各市(州)大气污染物观测资料分析表明：PM_2.5、PM₁₀、SO₂、NOx年均浓度逐年降低,而O_3-8hmax出现逐年增高。2017年PM_2.5超过国家《环境空气质量标准》(GB 3095—2012)的二级标准限值的天数排前三位分别为六盘水市、遵义市和毕节市,为27、21和22 d,基本出现在冬季;贵阳市超标16 d,超标率为4.1%,最高浓度为107μg/m³。对PM_2.5进行溯源分析表明：贵阳市、遵义市和六盘水市主要来自于本地源贡献,分别占了85%、93%和90%。本地排放源中,贵阳市主要是移动源、道路扬尘、建筑扬尘,贡献比例分别为26%、22%、20%;遵义市主要是居民燃煤和移动源,贡献比例分别为25%和20%;六盘水市主要是工业源和居民燃煤,贡献率分别为28%和20%。不同季节气团传输存在差异,并且不同城市在相同季节的传输也存在差异。中长距离气团传输主要来自于成渝地区,短距离主要是本地传输。溯源及气团传输分析表明,...     

长沙市PM2.5浓度时空分布特征及影响因子分析

为分析长沙市PM2.5浓度时间变化特征、空间分布特征及其影响因子,利用数据统计分析、克里金空间插值技术、地理探测器等方法与Arc GIS平台表达,选取长沙市中心城区10个监测点2013—2019年PM2.5日变化数据.结果显示:在PM2.5浓度时间变化特征方面,不同季节中,PM2.5浓度表现出冬季>秋季>春季>夏季的季节特征,不同时段中,各季节PM2.5浓度日均小时变化曲线均大致呈双峰形态;在PM2.5浓度空间变化特征方面,PM2.5浓度的高值区主要分布在中部芙蓉区,整体呈城区向郊区逐渐递减的变化规律.根据地理探测器研究结果发现,2017年长沙主城区PM2.5浓度主要受气温、降雨和风速因子影响,其次是道路、相对湿度、气压和人口密度,高程、植被和餐饮因子影响较小;且任意两个影响因子共同作用均会对PM2.5浓度影响增强.     

北海市城区大气污染物变化特征与地区生产总值的关系

利用北海市2002～2012年中NO2,SO2和PM10浓度的监测数据,分析城区大气污染物的月变化、季节变化、年变化、空间分布以及地区生产总值（GDP）增长对污染物浓度的影响.结果表明：北海城区大气环境质量整体状况较优,主要污染物NO2,SO2和PM10污染物浓度具有明显的时空变化,污染物在时间上呈冬高夏低的季节性变化,并受季风、降水湿沉降的影响明显;在空间上,污染物呈南高北低的区域性变化,市区及近郊高于远郊.污染物浓度和GDP增长关系明显,GDP增长幅度较污染物增长幅度大,两者之间存在着显著线性相关关系.北海市第一产业（农林牧渔业）和第三产业（服务业）对污染物排放量贡献大于第二产业（工业及建筑业）.     

道路人工清扫扬尘中PM10污染影响因素研究

目的确定影响道路人工清扫过程扬尘大小的因素之间关系及排放因子量化模型。方法采用模拟实验方法，通过改变路面粉尘负荷q清扫强度Q以及路面粉尘湿度F等条件，对影响道路清扫过程PM10发生的主要影响因素展开研究。结果提出了中国北方城市道路人工清扫过程扬尘中PM10浓度的量化计算模型。结论粉尘含湿量对道路人工清扫扬尘量的影响最大，粉尘负荷次之，清扫强度最小。     

上海城乡细颗粒物中碳质、无机和重金属的全组分特征及来源分析

为系统研究我国超大城市上海城乡细颗粒物（PM2.5）的组成特征及来源,本研究于2015年夏季在上海中心城区（普陀区市政大楼）和农村（青浦区淀山湖边）两地进行同步观测,全面分析了两地PM2.5浓度及各种化学组分：水溶性离子（8种）、元素（20种）、有机碳（OC）和元素碳（EC）。结果意外表明,农村站点PM2.5平均质量浓度（43.5±19.8 μg·m-3）高于城区站点（34.8±15.0 μg·m-3）。从化学组分来看,除Ca2+、Mg2+浓度低于城区站外,农村站测得的PM2.5中水溶性离子质量浓度均高于普陀站。二次无机离子（硫酸盐、硝酸盐及铵盐）在两地PM2.5中均占主导地位,贡献超过一半。元素分析表明,燃煤相关排放（以Pb、Hg等为示踪元素）对两地污染贡献均较大,其中城区站点有较显著的道路扬尘和机动车排放影响。观测期间两地同步出现一次PM2.5高浓度污染事件,后向轨迹结合潜在源贡献因子分析（PSCF）表明,本次污染事件可能受浙江北部工业污染物的短距离传输所致。     

南宁市工地基础施工扬尘分布量化分析

为量化分析在基础施工阶段工地内的扬尘分布情况,选取南宁市环境空气质量实时发布系统公布数据作为对比标准,测量2015年10月到2016年1月间南宁某教学楼工地内细颗粒物PM2.5和可吸入颗粒物PM10数值量。将测得数据对数转化,减少数据变异性,使其接近正态分布,并选取置信度为95%的数据。对PM2.5及PM10排放量提取主成分表示排放强度。依据排放强度,将工地内位置用系统聚类分成三类。结果显示:1工地内排放强度最大一类区域为钢筋加工棚,挖掘机工作区,挖掘机破碎锤工作区,水泥搅拌区。利用独立样本T检验对分类效果进行检验,得到分类效果良好。2排放强度最大一类区域PM10与PM2.5排放量呈极强正相关(R~2=0.838),即两种污染物具有相同的污染源。3对排放强度与气象因素进行相关性分析,得到基坑周围、工人生活区、道路边、桩机和水泥车周围排放强度和温度呈显著正相关和湿度呈显著负相关,扬尘主要来源于颗粒物扩散。     

呼和浩特市施工扬尘排放因子和粒径分布

按照四维通量法模型要求的施工扬尘排放因子监测方案,2008-2009年对呼和浩特市9个建筑工地和5个背景点进行降尘监测,得出施工降尘量(ΔDF)年均值为31.7t/(km2.30d).采用微孔均匀沉积式碰撞采样器(MOUDI-110)分别采集施工现场大气和工地道路积尘(≤75μm)经实验室再悬浮后的颗粒物,结果表明,施工现场大气颗粒物粒径分布的峰值不确定,再悬浮颗粒物粒径分布呈双峰分布,峰值粒径范围在3.2-5.6μm和10-18μm,PM2.5:PM10:TSP=0.21:0.53:1,施工扬尘是PM2.5的来源之一.呼市施工扬尘PM10排放因子(以建设用地面积表示)为0.133kg/(m2.30d),是美国CARB排放因子的1.42倍,春夏秋冬4季排放因子的比值为1:0.76:0.38:0.36.2006年呼市建筑施工扬尘PM10排放量为2595 t/a.     

贵阳市西郊PM10污染特征及其与主要气象因素的关系探讨

对贵阳市西郊一贵州大学蔡家关校区的PM10进行了系统采样,分析了PM10的污染水平及在时间上的污染特征,并探讨了PM10与主要气象因素（如相对湿度、风速、气压、温度等）的关系。结果表明：贵阳市西郊PM10出现轻度污染,且春、夏、秋季PM10超标率分别是24％,25％,14％,超标倍数范围分别是0．04～0．49,0．02～0．35,0．09～0．48;春、夏、秋季的PM10／TSP比值平均值分别为62％,72％,69％,与北京、西安等城市的PM10／TSP比值结果相当,略高于安阳市;春、夏、秋季PM10浓度变化不大,夏季略高、秋季次高,春季略低。春季和秋末白天易出现高浓度污染,而夏季夜间易出现高浓度污染;PM10浓度与相对湿度、风速呈负相关关系,与气压呈正相关关系,与温度的相关性不大。     

贵阳市大气PM10中水溶性金属元素的污染特征

2008年7月到2009年4月对贵阳市三个采样点(贵州大学蔡家关校区、市中心和甘荫塘水泥厂附近)的PM10进行了系统采样,运用ICP-AES对PM10中Al、As、Fe、Mn、Pb、Cd、Co、Cu、Zn、Sb、Ti、V等元素进行分析.研究表明,Al、As、Fe、Mn、Zn的含量很高,最高值分别是5809 ng/m3、...     

残极集气系统对无组织烟气减排的作用

残极冷却过程中的无组织排放是铝电解HF进入大气的主要方式.针对该问题，开发了残极集气系统，研究了不同烟气流速下，残极集气系统内残极的温度变化、HF散发规律，以及该系统对HF无组织排放的减排效果.结果表明，残极集气系统可有效降低残极冷却过程中的无组织排放.残极进入集气系统的初始温度为920℃，降温速度先快后慢.HF质量浓度随烟气流量加大而增加，随烟气温度降低而减少，通过拟合函数进行了相关性分析.运行4h时，HF的累计散发量达到总散发量的95%以上.在最优烟气流速4000m³/h时，氟化物的无组织排放较无减排措施时降低0.201kg/t(吨铝减排量).     

燃煤电厂可吸入颗粒物中痕量元素的排放规律研究

在2个燃煤电厂除尘器入口和出口处利用荷电低压捕集器（ELPI）和稀释采样系统,对烟气中的可吸入颗粒物（PM10）进行现场采样,对其中的痕量元素的粒径分布、富集机理和排放因子进行了研究。电厂除尘器前后PM10中痕量元素的质量粒径分布,与PM10质量浓度粒径分布相似,大多呈现双模态。初步推测所测痕量元素在亚微米颗粒上的富集过程由异相化学反应控制,而在粗颗粒上的富集则可能由异相凝结或化学反应两种机制控制。相对富集因子的计算结果显示,除了Mn在PM10中呈亏损趋势外,其他元素在亚微米颗粒物中均有富集趋势。由于电除尘器对0.1~1μm粒径范围内的颗粒物去除效率较低,其对PM1、PM2.5和PM10中多数元素的去除效率均低于相应的除尘效率。除尘器后PM10中各元素的排放因子差别较大,其排放总量及导致的环境效应值得关注。     

基于晋城市工业园区PM10容量核算方法的研究

功能区划分的基础上,应用A—P值法对山西省晋城市工业园区的PM10容量进行核算．计算得出该地区的PM10总排放量和总削减量,以及各污染源的削减量．计算结果表明,该地区的PM10排放量超过国家标准,应立即采取补救措施．     

Inorganic chemical composition and source signature of PM2.5 in Beijing during ACE-Asia period

Aerosol samples for PM2.5 were collected in Beijing for 38 consecutive days from March to April 2001 using an IMPROVE Sampler. Concentrations of 20 elements in PM2.5 were determined using a PIXE method. Results show that the average mineral dust concentration of PM2.5 was 14.6 Ilg/m3 during the observation period. On the sand-dust event days of March 21 and April 10, dust PM2.5 mass concentrations were 62.4 and 54.1 μg/m^3, respectively.These demonstrate that fine particle pollution by dust event in Beijing was very severe. The enrichment factors of S and Cu reached minimums on the dusty days and were high on the non-dusty days. It is considered that enrichment factors of elements in PM2.5, which are associated with human activities, can probably provide an effective method to distinguish local sources from external sources of dust. Factor analysis on the chemical composition in PM2.5 shows that sources of crustal matters, anthropogenic emission, and oil combustion contributed to PM2.5 levels in air in the springtime of 2001 in Beijing.     

利用TRS系统建设特色数据库的研究和实践

以贵阳特色文献数据库的建设为例,介绍了建设贵阳特色文献数据库的意义,并从实践出发,对如何利用TRS系统完成贵阳特色文献数据库的后台数据库结构设计和数据发布等相关问题进行了阐述。     

基于BP人工神经网络的大气颗粒物PM10质量浓度预测

根据2008年长沙市火车站监测点全年大气PM10及气象参数的小时平均数据,建立BP人工神经网络预测模型,预测PM10小时平均浓度。为证明人工神经网络模型用于预测PM10质量浓度的准确性,研究中考虑2种预测模型:多元线性回归模型与人工神经网络模型。研究结果表明:与传统的多元线性回归模型相比,人工神经网络模型能够捕捉污染物浓度与气象因素间的非线性影响规律,能更好地预测PM10质量浓度,拟合优度R2有较大提高;所选取气象参数及污染源强变量能较准确地描述大气PM10质量浓度的实时变化,用于PM10质量浓度的预测准确度较高,整体R2可达0.62;人工神经网络预测模型不仅适用于一般污染浓度情况,对于高污染时期PM10质量浓度的预测也较为准确。     

长沙市大气颗粒物PM10质量浓度的统计分布特性

为了研究长沙市大气颗粒物的统计分布特性,选定4种理论分布函数(伽马分布、对数正态分布、韦伯分布和皮尔逊分布)拟合长沙市大气颗粒物PM10质量浓度样本,采用矩估计和极大似然估计法求解分布函数的参数;使用双参数指数分布函数描述高质量浓度PM10的尾部分布特性。研究结果表明:长沙市大气颗粒物PM10的整体分布特性为伽马分布,高质量浓度PM10的尾部分布为双参数指数分布。根据双参数指数分布PM10质量浓度超过国家空气质量日平均质量浓度标准的频率为8.5%;PM10达到国家标准所需要的污染源散发强度的降低量为35.8%。     

居住区内大气颗粒物污染特征和影响因素探究——以南京某高校为例

2014年4—5月,在对南京某高校居住区室内和室外的大气污染物PM10进行采样、监测的基础上,分析并讨论其具体的分布特征和影响因素.结果表明:该居住区室内外PM10日均质量浓度基本满足国家二级排放标准(PM10日均浓度小于150μg/m3),只有少数情况下超过国家二级排放标准;室内污染物浓度变化较室外污染物浓度变化有滞后;温度、相对湿度、大气压和天气条件与PM10质量浓度呈现出一定的关联性.