基于多源数据的北京地区PM2.5暴露风险评估

基于2014-2016年的北京地区PM_2.5监测数据, 用空间插值法获得北京地区的PM_2.5空间分布, 并基于DMSP/OLS夜间灯光数据, 模拟得到北京地区的人口密度空间分布。在此基础上, 从PM_2.5浓度空间分布、PM_2.5污染的人口暴露特征、PM_2.5污染人口暴露强度以及人口加权PM_2.5浓度4个方面评估北京地区PM_2.5污染暴露风险。结果显示: 1)PM_2.5浓度呈现南高北低的空间分布特征, 人口暴露风险空间分布与人口密度空间分布呈现高度的一致性, 即人口密度高的区域,PM_2.5污染人口暴露风险也相对较高; 2) 2014, 2015, 2016年北京地区GB3095-2012二级年均浓度标准35 μg/m³的超标人口比例均为100%, 24小时平均浓度标准75 μg/m³的超标人口比例呈逐年显著下降趋势; 3) 2014-2016年北京市人口加权PM_2.5年均浓度值与PM_2.5年均值均存在差异, 差异度与城市暴露人口和污染情况密切相关; 4) 由于PM_2.5污染物浓度空间分布特征与人口密度空间分布特征不同, 北京市PM_2.5污染对总体人群的实际影响和健康危害与其平均浓度水平并不相同, 因此考虑人口密度空间分布特征的暴露风险评估比只考虑PM_2.5污染物浓度的暴露风险评估更准确。     

山东省大气环境污染时空特征及其原因分析

 利用大气例行监测数据,分析了2014年山东省大气污染进行时空特征。从空间看,淄博、济南、枣庄等是山东省大气污染最严重的城市,日照、青岛、威海等城市的污染最轻,东部沿海城市的污染程度明显轻于内陆城市;各地市SO₂的达标情况较好,超过50%,其余污染物的达标率均较低,PM_2.5甚至出现各地市均超标的现象。从时间看,污染物冬季浓度高夏季浓度低;PM₁₀和NO₂浓度在3月有小高峰;8月份,SO₂、NO₂浓度略有升高;从全年来看,NO₂污染物排放浓度变化不大。通过灰色关联法分析可知,能源消费与污染物空间分布相关性最大,风速与污染物时间分布相关性最大。     

合肥市高新区大气SO2与O3和NO2污染特征及来源分析

采用长光程差分吸收光谱系统对合肥市高新区大气SO₂,O₃,NO₂进行连续观测，分析气体污染特征和可能存在的污染源.日变化显示，夜间SO₂质量浓度较高，日间质量浓度低.NO₂呈单峰单谷型，交通晚高峰对NO₂质量浓度有一定影响，全日质量浓度持续偏高(35～45μg/m³)且变化较小，存在其他重要的氮氧化物排放源.O₃有明显的日变化，日间质量浓度高，在午后16:00出现最大值；夜间质量浓度低，凌晨出现最低值.冬季大气边界层低，不利于污染扩散，NO₂和SO₂质量浓度保持较高水平，而夏季光解反应剧烈，湿沉降明显，污染物质量浓度较低，O₃质量浓度表现为春夏季高于秋冬季.污染源分析表明，SO₂高值主要与观测点西北面农村居民生活燃煤及东南侧制药公司和涂料厂的无组织排放有关.低风速下NO₂高质量浓度受观测点附近望江西路的机...     

人为排放对信阳市细颗粒物和臭氧的影响评估

基于信阳市2017—2020年细颗粒物(PM_2.5)和臭氧(O₃)浓度数据及同期地面气象观测资料,利用Kolmogorov-Zurbenko(KZ)滤波法将原始浓度序列分解为短期分量、季节分量和长期分量,采用逐步回归方法建立污染物基线分量和短期分量与相应尺度气象要素的线性回归模型,通过对残差进行滤波和序列重建,得到去除气象影响的污染物长期变化趋势,该浓度仅与污染物的排放量有关。结果表明,PM_2.5和O₃浓度的波动主要由污染源排放及气象条件的短期变化和季节变化引起,气象条件对PM_2.5季节分量和O₃长期分量影响较大。信阳市PM_2.5污染排放减弱,O₃污染排放先升高,在2018年10月后降低。由于污染排放导致的2017—2020年PM_2.5和O₃长期分量分别降低3.5、1.5μg/(m³·a)。     

太原市城区SO2扩散分布规律研究

采用CALPUFF空气质量模型,对2006年太原市城区大气污染源排放SO2的传输及转化过程进行数值模拟.借助于地理信息系统软件和其它工具软件,结合实际监测结果详细分析了太原市城区范围内的SO2浓度分布特点及其对各关心点的浓度贡献.结果表明:太原市1、4两月大气污染物整体向东南方向扩散,7月由市中心向四周均匀扩散,10月向东北方向扩散;太原市7月份最不利于污染物扩散,其次为1月份;相比之下,4、10两月污染物扩散能力强.从空间分布来说,太原市SO2污染总体呈现东部重于西部,北部重于南部的态势;高值区主要分布在北部太钢工业区、西部煤化工工业区和东部工商混合区.太原市污染源排放对各关心点的SO2浓度贡献值呈现1、7月高,4、10月低的趋势,贡献值较大的关心点由高到低依次为涧河、坞城、桃园、尖草坪.     

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。     

基于GIS技术与嵌套网格的大气PM2.5污染最优集成预报方法

为了提升城市空气质量的预报准确率,分析大气PM_2.5污染物各尺度污染变化情况,提出基于GIS技术与嵌套网格的大气PM_2.5污染最优集成预报方法.基于大气污染扩散模拟情况,利用GIS技术的前、后期数据处理以及结果显示输出,处理大气PM_2.5污染数据,可视化展示污染扩散情况;采用嵌套网格空气质量预报模式系统(NAQPMS),模拟大气PM_2.5污染物各尺度污染变化,完成污染预报;基于观测、预报资料结合多种集成方法组建集成预报,经评价获取评分最高集成预报方法,完成大气PM_2.5污染最优集成预报.以安阳市为例,应用该方法进行空气质量预报实验.结果表明：该方法的PM_2.5质量浓度预报值与实际观测值更加接近,有效提升了大气污染预报准确率,以PM_2.5为代表的细颗粒物和以扬尘为主要源的粗颗粒物污染突出,需加强企业烟尘污染物的管控.     

秦皇岛冬季典型污染时段PM2.5中重金属和PAHs的污染特征

为了探究近年来秦皇岛市大气中PM_2.5污染特征和影响因素,通过采集冬季重污染时段城区和开发区PM_2.5样品,使用等离子体发射光谱仪和气相色谱-质谱仪,分别测定城区样品中6种元素(Cu,Pb,Zn,Cr,Ni,Cd)和PAHs.结果表明,秦皇岛城区PM_2.5日平均质量浓度186μg/m³,开发区平均质量浓度为118.88μg/m³,城区PM_2.5中各重金属元素的浓度水平排序为Zn＞Pb＞Ni＞Cr＞Cu＞Cd,其中Cd为强-极强污染,Pb为中-强污染,Zn属于中等污染,Ni,Cu,Cr等其他元素基本无污染.PM_2.5中定性的检测到奈(Nap)、菲(Phe)、荧蒽(Fla)、芘(Pyr)、苯并(k)荧蒽(BkF)等单体.PM_2.5日浓度与风速具有显著的负相关性,与相对湿度呈正相关性.     

机动车排放因子的隧道测试——以西安市为例

 为深入了解西安市机动车污染物的排放特征, 选取代表性城区隧道进行机动车污染物排放浓度及排放因子的测试实验, 获得了隧道入口和出口的PM_2.5、CO、NO_x、HC 和VOCs 等污染物的质量浓度, 并结合气象数据和交通参数, 计算了各污染物平均排放因子。结果表明:PM_2.5、CO、NO_x、HC 和VOCs 的平均排放因子分别为(0.016±0.005)、(1.097±0.398)、(0.159±0.092)、(0.179±0.089)、(0.317±0.172)g/(km·辆)。不同时段的排放因子存在一定差异, 并且PM_2.5的排放因子显著小于气态污染物。此外, 本次实验测得的排放因子小于国内先前多数研究结果, 这可能与燃料品质、发动机效率、尾气排放控制技术和城市管理水平的提高有关。     

京广地区大气过氧化物浓度测定及影响因素分析

利用高效液相色谱测定了北京和广州地区大气过氧化物浓度,并分析了相关因素对过氧化物浓度变化的影响。北京地区在5月、6月和9月3个监测时段中H₂O₂的平均浓度分别为2.33×10^-9、0.338×10^-9和0.148×10^-9;广州11月H₂O₂的平均浓度为0.168×10^-9(V_H2O2/V_air)。植物排放对有机过氧化物的生成有一定贡献,有机过氧化物浓度变化与H₂O₂浓度变化具有较好的一致性。过氧化物浓度与O₃和甲醛浓度表现出较好的正相关性,而与SO₂浓度则表现出负相关性。     

广西城市环境空气质量变化趋势分析

根据2005～2009年广西14个设区市的环境空气监测数据,统计和分析了主要污染物浓度以及环境空气综合污染指数和污染负荷系数的年际变化特征及趋势,探讨影响空气质量的主要因素.结果表明,广西城市环境空气质量保持良好的水平,二氧化硫和可吸入颗粒物浓度总体上呈现下降的趋势,二氧化氮的污染程度虽然比较小,但是其浓度却逐年上升....     

Localized 3D-structural features of dynamic-chemical processes of urban air pollution in Beijing winter

The Beijing City Air Pollution Observation Field Experiment (BECAPEX) is described with emphases on the “point-surface” research approach and composite analysis. The analysis results of measurements from four observation sites across the Beijing urban area from January to March indicate that the overall impact of urban emission sources in the heating season is significant, and the staggered impact of urban emission sources has different features at observation sites over different parts of Beijing in both heating and non-heating seasons. The pollutants NOx, SO2 and CO in the urban boundary layer have the in-phase variation features over a large area. 03 concentrations at different sites have the same variation trend but its change is reversed phases with above pollutants. The pollutants over the urban area in heating and non-heating seasons also have the synchronous variation trend. The comprehensive sounding of BECAPEX indicates that pollutants and aerosol verticalprofiles are closely correlated to the vertical structure of the large-scale inversion layer in the urban boundary layer over the urban area. The localized 3D-structural features of local urban polluting processes associated with the peripheral areas are discussed with a “point-surface” comprehensive sounding technique.     

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）.     

北京地区大气中尺度扩散模态和时间特征分析

用随机游走大气扩散模式和1981年的历史气象观测资料,研究北京地区中尺度扩散的历史背景状态.由示踪物从北京城区连续排放条件的模拟结果,分析各季平均浓度的空间分布和示踪物在模式区域输送扩散的时间尺度.结果表明,冬季示踪物偏南、夏季偏西北的输送明显;春季扩散影响范围最小、秋季最大.示踪物从200km×200km模式区域输出的平均时间(去除时间)明显分为冬春季和夏秋季两组,前者较小,平均在20h以下,后者较大,平均约30h.不同去除时间出现的频率分布是非对称的,在长去除时间一侧,出现频率下降缓慢,显示污染物有在该区域内长时间滞留的可能.     

泸州市城区空气质量时空变化分析

为了掌握泸州市城区近年空气质量时空变化,对泸州市城区2004-2009年空气质量监测数据进行系统分析。结果表明,近年来泸州市城区空气质量总体良好,平均空气污染指数为80,空气质量优良率在72.33%以上。空气质量有逐步好转的趋势,SO2和PM10年平均浓度明显下降,分别从0.110 mg/m3、0.120 mg/m3下降到0.058 mg/m3、0.070 mg/m3;NO2略有上升,从0.029 mg/m3上升到0.040 mg/m3。污染物浓度时空分布不均,SO2与PM10夏季浓度较低,冬季较高,NO2浓度季节性变化不明显;兰田宪桥、小市上码头污染物浓度总体上高于忠山环监站。     

“9·3”阅兵期间协同减排措施对北京市大气PM2.5质量浓度及其来源影响的数值模拟

本文利用嵌套网格空气质量预报模式系统(NAQPMS),模拟研究了“9·3”阅兵期间北京市及周边地区主要气象要素和大气细颗粒物(PM2.5)质量浓度的时空变化特征,结合污染物源解析的方法,定量分析了基准和减排情景下各周边源地对北京市近地面层PM2.5质量浓度的贡献.结果表明:1)NAQPMS模式系统能较好地模拟北京市PM2.5质量浓度的时空变化特征;2)协同减排控制措施有效降低了首都地区PM2.5质量浓度,阅兵活动当天PM2.5质量浓度削减率高达31%;一次PM2.5排放量大,下风向特别是风场辐合区等污染物易累积的地区减排后的削减程度大;3)阅兵活动期间,北京市PM2.5质量浓度最主要的贡献来源于本地排放,日平均贡献率最高达48.6%,河北东南部、中部及河南等地是其主要的外来源地,日平均贡献率最高分别为21.1%、17.6%和16.4%;4)相比于基准情景,减排情景下北京及周边减排力度较大的源地贡献率显著降低,其中北京降幅最大,达2.2%.      

芜湖市环境空气质量时空变化特征分析

以芜湖市2003- 2009年环境空气的三项主要污染物SO2、NO2和PM10的监测数据为基础,运用环境空气质量标准、上海大气质量指数和空气污染指数API,对芜湖市区以及芜湖县、繁昌县、南陵县的环境空气质量进行评价.并结合各地产业结构特点,对空气污染的年际变化特征、地域分布特征进行分析,进而对各区域环境空气污染的原因进行探究.针对芜湖市环境空气存在的主要问题,提出合理的意见和建议,以期为城市环境综合整治、环境规划与管理提供参考.     

镇江市区空气污染状况分析

2008年以来,镇江市区环境大面积整治,重点污染企业逐步搬离市区,集中进入工业园区,城市环境逐步改善。分析多次环境整治后镇江市区空气中二氧化硫（SO2）、二氧化氮（NO2）、颗粒物（PM2．5和PM10）等主要污染指标的最终结果,为政府改善城市环境提供帮助。     

北京大气污染区域分布及变化趋势研究

本文利用2000-2005年北京市8个国控点PM10、SO2、CO、NO2和NOX等污染物浓度数据,分析了北京各区域大气污染分布与季节变化特征,以及近几年大气污染变化趋势.方法以主成分分析为主,辅以时间序列分析.分析结果显示：北京大气污染存在明显的时空差异,第一、二主分量可以很好地表征城市大气污染属性,所有污染物对第一主分量贡献都为正值,能够清楚区分大气污染程度,以及城市与区域背景的异同,第二主分量可以区分城市污染的源排放特征.基于此标准,全市范围内大气污染划分为燃煤型、机动车排放型、过渡型以及环境背景等四种污染类型.     

Foreshowing of the Western Pacific tropical cyclone track to PM10 air pollution episode in the Beijing area

By utilizing the air quality monitoring data and the NCEP reanalysis data, the relationship between the PM10 air pollution episode and synoptic situation is analyzed in the Beijing area. It is interesting to find that PM10 air pollution episode in and around the Beijing area is correlated with the Western Pacific tropical cyclone track to some extent, namely when a tropical cyclone lands southward to the Changjiang River, PM10 air pollution episode is not easy to take place generally in the Beijing area; but when a tropical cyclone moves northward and finally lands at the Korea Peninsula or the Japanese mainland, and under this condition the Beijing area is generally controlled by weak high or weak low for several days, PM10 air pollution episode often takes place in one day or several days. Above findings indicate that predicting the Western Pacific tropical cyclone track can foretell whether or not PM10 air pollution episode takes place in the Beijing area, which can offer a technique for urban air quality prediction and air pollution source management in the Beijing area. Supported by Knowledge Innovation Project of the Chinese Academy of Sciences (Grant No. KZCZ2-YW-219) and Frontier Research of IAP of Chinese Academy of Sciences (Grant No. 8-070204)