隧道车辆排放污染物分布特性实测

为明确车辆排放污染物浓度[PM_(2. 5)和挥发性有机化合物(volatile organic compounds,VOCs)]在山地城市隧道路段的分布特征,以重庆市内5条典型隧道为研究对象,采集了隧道洞内、洞口以及前后100 m范围内的空气污染物浓度值,分析PM_(2. 5)与VOCs在隧道路段的连续分布特征,以及土地开发强度与时段差异等对污染物浓度的影响。结果表明:隧道中段的污染物浓度最高、隧道出口处的污染物浓度次之、隧道进口处的污染物浓度最低;隧道高峰期间污染物浓度比平峰期间污染物浓度波动大,并且高峰期间污染物浓度大于平峰期间的污染物浓度;污染物浓度在郊区隧道路段最低,在商圈外围隧道路段居中,在商圈中心隧道路段最高; 5条隧道样本的通风效果普遍较差。建议优化隧道中段的通风装置,尤其是增加商圈中心隧道的风机密度,以改善加强隧道中段的通风效果、降低污染物浓度。。     

山地城市长上坡路段PM2.5浓度分布特性实测研究

与平原地区城市相比,由于山地城市地形地貌的因素,城市道路具有坡度大、弯道多、路窄、起伏大等特点。车辆在道路上行驶相较于平原存在巨大差异,使得这种道路更容易产生交通污染,为明确山地城市道路长上坡路段汽车尾气与细飘尘排放浓度及其影响因素,特选取重庆主城多条具有代表性的道路采集汽车尾气与细飘尘浓度值,采用交通系统仿真分析方法分析车流量、区域差异、横向距离等对汽车尾气与细飘尘浓度的影响。结果表明：夜间汽车尾气与细飘尘（PM2.5）浓度较日间差异性显著;整体上看,随着横向距离的增加,汽车尾气与细飘尘浓度不断衰减,根据实验结果,日间PM2.5浓度先衰减,当处于横向距离6-10m之间PM2.5浓度出现向上波动,最后下降至稳定值,而夜间PM2.5浓度呈波动式衰减,最后趋于稳定;车流量的大小不是决定山地城市日间上坡路段道路旁PM2.5数值大小的最直接原因;同一个城市的不同区域,道路两旁空气中的PM2.5浓度的含量存在巨大的差异。     

扬州市区大气污染的变化规律及其机理探讨

通过对2013年江苏省扬州市市区大气污染状况进行监测和统计,分析了扬州市大气主要污染指标的变化规律,并探讨其光化学反应机理.研究结果表明:1)受气压变化的影响,扬州市每日细颗粒物(PM2.5)、可吸入颗粒物(PM10)、SO_2和NO_2浓度大约在早晚8:00达最高值;2)O_3浓度全年隔月发生周期性变化,双月份涨幅较大;3)O_3形成的控制区的类型随监测地点、季节、污染物浓度及气象条件的不同而改变,从而影响PM2.5的生成浓度;扬州市区多数情况下属挥发性有机物(volatile organic compounds,VOCs)控制区,因此O_3浓度的变化趋势与PM2.5、PM10、SO_2和NO_2的相反;4)春节期间燃放烟花炮竹引起PM2.5和SO_2浓度急剧上升,据此可预测人口密度的相对高低和污染物的分布特征.     

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.     

烟花爆竹燃放期间大气颗粒物的化学成分特征

为研究烟花爆竹燃放期间大气颗粒物的化学成分特征,于2011年12月和2012年1月对北京市大气颗粒物进行样品采集与测试,分析了2012年春节期间主要污染物的浓度变化特征,以及烟花爆竹燃放时段与非燃放时段PM2.5和PM10的化学成分变化特征.研究表明,受烟花爆竹燃放影响,春节期间的主要污染物浓度有所上升,其中大气颗粒物的增幅最为显著,除夕和年初五通常会到达污染高峰.烟花爆竹燃放时段的PM2.5与PM10中主要化学成分较为相似,但与非燃放时段明显不同,其中烟花爆竹主要成分对应的特征元素和离子在燃放时段增加较为明显,与工矿交通等在春节期间停工的行业相关的元素和离子在燃放期有所减少.     

北京市2014年大气污染物空间分布特征分析

基于地理信息系统ArcGIS 10.2平台,采用反距离权重空间插值模型对2014年北京市35个环境质量监测点监测到的主要大气污染物:一氧化碳(CO)、二氧化氮(NO2)、臭氧(O3)、可吸入颗粒物(PM10)、细颗粒物(PM2.5)和二氧化硫(SO2)质量浓度年均值的变化规律及空间分布特性进行了分析.结果表明,在质量浓度分布上,2014年北京市CO、NO2、SO2、O3、PM10、PM2.5这6类大气污染物的质量浓度分别位于1～3 mg/m3、17.22 ～ 105.4 μg/m3、14.27～25.75 μg/m3、27～ 81μg/m3、76 ～ 179 μg/m3、67 ～ 123 μg/m3范围内.由此可知,北京市2014年大气污染物年均质量浓度除PM10和PM2.5外的其余污染物质量浓度并不高,都在轻度污染范围之内;在空间分布上,除O3质量浓度空间分布上呈现出北高南低的特征外,其余污染物均呈现南部、中部质量浓度较高,北部地区质量浓度较低的特征.     

攀枝花市PM10、PM2.5污染特征及相关性分析

基于西南地区攀枝花市大气监测站5个站点的大气污染物数据,整理了2019年PM10和PM2.5质量浓度的变化趋势,分析了不同季节不同粒径颗粒物浓度的分布特征与气象因素之间的相关性.结果显示:2019年攀枝花市PM10、PM2.5的质量浓度年均值分别为52.8±16.2μg/m3和29.2±10.5μg/m3;由PM10与...     

环境空气质量标准修订后城市空气质量变化趋势及污染特征分析 ——以济南市为例

2012年环境空气质量标准修订后,大气污染物监测指标与频次发生变化,在一定程度上影响了城市空气质量评价及污染特征判定。为进一步促进城市空气质量改善,为地方环境管理与决策提供科学支撑,通过运用统计分析、趋势检验及相关分析等方法研究了济南市执行新环境空气质量标准后,各时段城市空气质量及6项污染物浓度变化趋势,在此基础上识别了空气污染特征。结果表明：自2013年起,PM10、PM2.5浓度不断下降,SO2、CO持续达标,近3年间全市无污染天数占50%左右;从季节变化来看,冬季大气污染最为严重,夏秋两季空气环境质量较好;PM10、PM2.5与NO2长期处于超标水平,O3污染愈加严重。可见济南市环境空气质量虽日趋改善,但以PM10、PM2.5和O3污染为代表的复合型大气污染特征已经形成。     

福州市典型大气污染类型、过程及机理研究

2014年1月和3月,利用福州市国控环境空气监测点位的自动监测数据(PM10、PM2.5、SO2、NO2和O3)、在线黑碳(BC)和挥发性有机物(VOCs)数据,结合后向轨迹模式(HYSPLIT)对福州市典型大气污染进行分析讨论。结果表明,福州市有三种典型大气污染类型,即外来输送型、本地积累型以及特殊突发型。其中,输送型大气污染的特征是高空、远距离输入气团输送较高浓度PM10和PM2.5,造成其浓度快速上升;突发型大气污染的特征是燃放烟花爆竹造成PM10、PM2.5和SO2大量产生,与燃放烟花爆竹的时段吻合;积累型大气污染的特征是污染物没有明显的浓度峰值,浓度水平均较高,尤其是PM10和NO2。输送型和突发型大气污染中,苯和甲苯浓度的比值(B/T值)基本大于0.5,积累型大气污染B/T值基本小于0.5,说明输送型、突发型大气污染很大程度上受煤炭燃烧的影响,积累型污染主要受机动车尾气排放的影响。     

PCA-BP模型下皖北城市群PM2.5浓度分析

为探究皖北城市群大气污染物在不同地域、不同时间下的分布规律以及影响空气中PM2.5浓度的相关变量,结合2018-2021年安徽省生态环境厅统计数据及相关地域资料,采用主成分分析(PCA)法按时间段长短及季节性变化分别选取月度数据与年度数据对空气质量的影响因子做相关性分析,对比分析不同季节下空气污染物PM2.5、PM10的浓度及其它空气污染物的变化,构建基于PCA算法的反向传播神经网络 (BP),建立PCA-BP模型并采用交叉-验证法提高模型精度,对大气中的污染物PM2.5浓度做短期预测。实验结果表明:PM2.5浓度的主要影响因子为PM10、CO、NO2、SO2;皖北地区PM2.5含量整体在冬季偏高;预测模型的精度在夏季与秋季较高,冬季较低,四季的预测精度R2分别达到0.924、0.958、0.935、0.794。     

常州市不同下垫面污染物冲刷特征

为研究城市硬化下垫面降雨径流对污染物的冲刷特征, 选取常州市5类典型硬化下垫面, 采样监测2015年3-8月期间6场降雨径流及污染物浓度变化过程, 得到以下结果。1) 地面径流污染物EMC均值高于屋面径流; 地面径流SS和COD浓度超过水质标准Ⅴ类1.34倍和2.59倍; 屋面径流COD和TN浓度超过水质标准Ⅴ类1.8倍和 2.6倍。屋面径流中溶解态COD和TN分别占全量的72.78%和57.99%; 地面径流溶解态TN占全量的61.59%。2) 径流初期污染严重, 随着降雨过程逐渐降低, 最终趋于稳定。各下垫面污染物初期浓度从大到小依次为水泥地面、沥青地面、铺装地面、平屋面、斜屋面。冲刷过程中, 随雨强增大, 各下垫面污染物浓度升高, 呈波动式变化。各下垫面污染物均有冲刷初期效应, 下垫面初期冲刷强度从强到弱依次为平屋面、斜屋面、水泥地面和沥青地面。前期降雨强度越大, 污染物初期浓度越大, 初期效应越显著。降雨强度为大雨时, SS 浓度呈指数型衰减。降雨强度为小雨时, SS浓度先稳定, 随着降雨变密集开始逐渐减小。降雨强度为暴雨, 但降雨过程集中在中后期时, SS浓度呈先增大随后减小的趋势变化。3) 指数冲刷模型对屋面和水泥地面污染物径流冲刷模拟效果较好, 斜屋面、平屋面、水泥地面全量污染物冲刷系数分别为0.871, 0.765和0.025 mm⁻¹, 屋面冲刷强度远大于地面。斜屋面溶解态COD与颗粒态COD冲刷系数相近, 冲刷强度大。平屋面、水泥地面的颗粒态COD冲刷系数均大于溶解态COD, 颗粒态COD冲刷强度更大。     

不同污染程度下室内外小时PM2.5浓度变化特征对比

依据实测北京市夏季室外和开、关窗室内的PM_(2.5)浓度等数据,利用统计分析,探讨了不同污染程度下室内外小时PM_(2.5)浓度的变化特征。结果表明:室外PM2.5污染程度为轻度时,其浓度达到最大值后3 h,开窗室内PM_(2.5)也达到一天中的最大值。室外PM_(2.5)污染程度为良或优时,二者小时PM_(2.5)浓度的变化特征较同步。同时,关窗室内的小时PM_(2.5)浓度会出现大于室外的现象。室外PM_(2.5)的污染程度不论是轻度还是优或良,早晨7:00~9:00之间因交通早高峰的影响,室外和开窗室内细颗粒物浓度会出现峰值。     

中原城市群重点城市首要污染物日变化特征及成因分析

中原城市群重点城市是我国大气污染较为严重的区域之一。利用2017年河南省各地市环保局国控站点和地面监测站提供的首要污染物浓度和气象要素24h连续监测数据,分析得到2017年首要污染物占比和首要污染物浓度的日变化特征,采用相关分析法和主成分回归分析法得到各首要污染物之间的相关性及气象因子对首要污染物的影响。结果表明,2017年中原城市群重点城市首要污染物主要由PM2.5、PM10和O3组成;一天中,PM2.5呈双峰变化,主峰值出现在8:00-9:00,次峰值出现在22:00,谷值出现在下午16:00;PM10小时浓度呈三峰变化,主峰值出现在9:00,次峰值出现在1:00和21:00左右,主谷值出现在15:00,次谷值出现在0:00和5:00;O3小时浓度呈单峰变化,峰值出现在15:00,谷值出现在7:00左右;PM2.5在低温、高压、中等偏高的湿度、较弱风的条件下利于积累,PM10在低温、高压、中等偏高的湿度、较弱风的条件下易于积累,O3在高温、低压、中等偏低的湿度、强风的条件下易于生成与积累;对PM2.5、PM10浓度影响最大的两个气象因子是气温和气压,对O3浓度影响最大的两个气象因子是风速和气温。     

长三角典型城市PM2.5浓度变化特征及与气象要素的关系

利用长三角地区4个典型城市南京、上海、杭州、合肥2014年4月1日~2015年3月31日的PM2.5监测数据,以及同期MICAPS地面气象要素的观测资料,对该地区PM2.5浓度的变化规律及其与气象要素的关系进行了分析和讨论。结果表明:长三角地区PM2.5浓度总达标率总体表现为夏季最高,冬季最低的态势。4个城市中,上海全年总达标率最高,杭州其次,合肥最低。上海和杭州达标率月变化特征相近,南京和合肥相近;PM2.5逐小时浓度日变化曲线呈现两峰一谷型分布,最大值均出现在早晨,最小值均出现在下午16~17时之间;月平均浓度具有明显的季节变化特征,冬季最高,夏季最低;PM2.5浓度与风速呈现显著现负相关关系,受地面风向影响明显,污染物在主导风的作用下从上游污染源扩散至下风区域;与气温呈现负相关关系;从全年来看,PM2.5浓度与相对湿度呈现负相关关系,高湿度状态更有利于降水从而增加PM2.5湿清除;各个城市PM2.5浓度与气压相关性很弱,并且未通过显著性检验,可见气压是影响PM2.5浓度变化的次要因素;降水对PM2.5清除作用明显。不同城市PM2.5的变化特征及其受气象要素的影响存在差异,主要是由不同城市的地理环境、产业布局以及污染源等因素造成的。     

北京市MODIS气溶胶光学厚度和PM2.5浓度的时空差异及其相关性研究

利用NASA MODIS数据反演北京市气溶胶光学厚度,探讨与北京市12个环境污染监测站点PM2.5质量浓度的时空差异及其相关性。结果显示,AOT与PM2.5均有明显的时空分布特征;二者的日均值具有相反的季节性变化特征(AOT夏季日均值高于冬季,PM2.5浓度日均值相反);日均值空间分布围绕城区向远郊区递减;二者的相关性对季节变化敏感,夏季相关性较好,冬季相关性较差。且郊区相关性明显优于城区。因此,卫星气溶胶数据可以反映PM2.5的分布,弥补地面监测站点的不足。     

“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%.