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.     

农业活动大气污染物排放及其大气环境效应研究进展

农业活动是一个重要的大气污染物排放源。随着我国工业污染物减排措施的不断加强,以及我国农业现代化发展进程的加快,农业活动的污染物排放对大气环境的影响将日益突出。综述了农业活动排放大气污染物的基本形式和影响大气复合污染的主要机理,分析了农业活动的污染物排放及其大气环境效应模拟研究现状;并提出了面临的主要问题:1农业排放源估算和排放源清单制定的不确定性;2PM2.5与农业排放各前体物之间呈高度非线性关系;3现有空气质量模式仍缺乏对PM2.5及其化学组成的认识以及对PM2.5形成机理和形成过程的描述,对PM2.5浓度及其化学组分预报的准确性不够。     

农业活动的污染物排放及其大气环境效应研究进展

农业活动是一个重要的大气污染物排放源。随着我国工业污染物减排措施的不断加强以及我国农业现代化发展进程的加快,农业活动的污染物排放对大气环境的影响将日益突出。文章综述了农业活动排放大气污染物的基本形式和影响大气复合污染的主要机理,分析了农业活动的污染物排放及其大气环境效应模拟研究现状,并提出了面临的主要问题：(1)农业排放源估算和排放源清单制定的不确定性;(2)PM2.5与农业排放各前体物之间呈高度非线性关系;和(3)现有空气质量模式对PM2.5浓度及其化学组分预报准确性不够。     

河北省道路交通部门节能减排情景分析

基于COPERT模型,对河北省道路交通部门的能源消耗、CO_2排放和4种大气污染物排放(CO,NO_x,PM2.5和SO_2)进行计算,探讨提高机动车排放标准政策和总量控制政策在2015—2030年的减排潜力.研究结果表明,提高机动车标准政策对NO_x、PM 2.5和SO_2的减排效果显著,相比于基准情景,在2030年对3种污染物实现减排效果分别为74.20%、43.33%和80.17%.而机动车总量控制政策则对节约能耗与减少CO_2和CO排放效果明显,相比与基准情景,在2030年实现节能37.96%、CO_2减排37.84%和CO减排35.81%.建议应尽快实行统一的机动车排放标准政策,并将适当的小客车总量控制措施纳入未来政策的制定中.     

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.     

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。     

福建省主要大气污染物分布研究

针对我国当前大气环境污染严重问题,以福建省为研究对象,对福建省2015年大气污染物中的PM2.5、PM10、SO_2、NO_2、CO和O_3之间错综复杂的关系进行综合分析,并运用多变量统计分析方法中的因子分析法,将这些复杂关系进行处理以归结为少数的主因子.结果显示,福建省目前主要的大气污染物为PM10.因子分析结果表明,原生大气污染物如PM和SO_2等自聚合成一类称为第1个主因子,主因子中的PM10和PM2.5贡献度最大;O_3之类的二次污染物构成第2个主因子.所讨论及建立的大气污染物之间的相关关系和所生成的因子模型,将有利于综合分析判断福建省主要大气污染物分布,对于未来控制和改善大气空气质量等均具有重要意义.     

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。     

ECMWF和T639数值预报产品在兰州市空气质量预报应用中的对比

利用2013-2015年兰州市空气污染逐日监测资料,分析了兰州市6种主要空气污染物PM_(10)、PM_(2.5)、NO_2、SO_2、CO和O_3的污染特征;以2014年欧洲中期天气预报中心(ECMWF)资料与T639气象要素预报产品,结合兰州市同期污染物质量浓度监测数据,分别建立了基于最小二乘法支持向量机(LS-SVM)的6种主要空气污染物未来2d的日均质量浓度预报模型;将ECMWF和T639中2015年2月1日-10月31日的气象要素与同期污染物质量浓度监测数据分别输入各模型进行试预报检验.结果表明,以ECMWF建立的预报模型对未来2 d的PM_(10)、PM_(2.5)、NO_2、SO_2和CO的日均质量浓度的预报效果优于T639,而T639对预报O_3有一定优势.用ECMWF建立的预报模型对未来24 h的空气质量指数等级和首要污染物的预报成功率为86.14%,48 h的为82.33%;T639对应的未来24 h预报成功率为83.52%,48 h的为74.43%.两种数值预报产品均可应用于基于LS-SVM预报模型的空气质量预报,其中使用ECMWF的预报产品的释用预报效果整体上更好.     

天津市近五年空气质量变化特征分析

利用天津市2013—2018年空气质量监测数据和同期气象数据,分析了天津市大气主要污染物浓度变化特征及其与气象要素之间的关系。结果表明,自2013年实施"大气十条"以来,天津市环境空气质量逐年改善效果显著,6项主要污染物中,除O_3外,PM_(2.5)、PM_(10)、SO_2、NO_2、CO_5项污染物浓度均明显下降。与京津冀13个城市平均水平相比,天津市2018年环境空气质量总体略好,但与首批实施新环境空气质量标准的74个重点城市平均水平相比仍有一定差距。降水、风速、湿度和温度等气象要素对于天津市空气质量影响显著,风速、气温、降水、日照时数与O_3正相关,与其他污染物负相关;气压与SO_2、NO_2、CO正相关,与O_3负相关性,与颗粒物无明显相关性;相对湿度与PM_(2.5)和CO正相关,与SO_2、NO_2负相关,与PM_(10)、O_3无明显相关性。     

“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%.      

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.     

近两年武汉市环境空气质量时空分布特征及污染源解析

运用主成分分析和聚类分析法,对2016—2017年武汉市环境空气10个国控点10个市控点的6个空气质量指标数据进行分析,揭示武汉市环境空气质量时空分布差异性,辨识主要污染因子,解析污染成因.结果表明:2016—2017年,武汉市空气质量有变好的趋势,主要是因为PM_(2.5)和PM_(10)同期月均浓度下降; SO_2、NO_2、PM_(10)、PM_(2.5)浓度排序依次为:冬春秋夏; CO浓度排序依次为:冬秋春夏; O_3浓度排序依次为:夏秋春冬;武汉市监测点位空气质量从好到坏的顺序为:远郊区中心城区工业园(区)或经济开发区;春季的主要污染物因子为NO_2、CO、O_3、PM_(10),夏季的主要污染物因子为NO_2、SO_2、PM_(2.5),秋季的主要污染物因子为NO_2、PM_(2.5)、CO、O_3、PM_(10),冬季的主要污染物因子为NO_2、CO、O_3、PM_(2.5)、PM_(10);近两年,机动车尾气、工业废气排放以及建筑扬尘构成武汉市空气污染的主要来源,秸秆燃烧对空气质量的影响逐渐减小.     

苏州城市颗粒物与臭氧相互作用的数值模拟研究

利用南京大学城市空气质量预报模式(NJU-CAQPS)研究苏州城市颗粒物和臭氧的相互作用,评估各效应对污染物的影响和冬夏两季相对重要性.研究表明冬季颗粒物的辐射效应造成模拟域向下短波辐射减小5.4%~22%,近地面气温降低0.25~0.48℃,湍能和风速减小,边界层高度降低,城区PM2.5、NO_2、NO和SO_2浓度分别增加1.01%、0.48%、1.58%和0.71%,O_3浓度降低0.99%;颗粒物的光化学效应造成PM2.5、硫酸盐、硝酸盐、O_3和NO浓度分别降低0.04%、0.07%、0.04%、4.33%和8.09%,NO_2浓度升高3.59%;颗粒物的非均相效应造成PM2.5、硫酸盐、硝酸盐和NO浓度分别升高4.72%、22.07%、6.93%和2.59%,O_3、NO_2和SO_2浓度分别降低5.05%、1.19%和11.38%.非均相效应对颗粒物、O_3和SO_2起主导作用;光化学效应对NO_2和NO起主导作用.夏季各效应引起污染物浓度变化趋势与冬季相近,但夏季辐射效应对除O_3外的NO_2、NO和SO_2影响程度加强,对颗粒物影响程度减弱;光化学效应对各污染物(除NO)的影响程度加强尤其对硝酸盐和硫酸盐;非均相效应对各污染物(除硝酸盐)的影响程度加强.     

近15a兰州市空气质量变化特征及沙尘天气影响

采用2002-2016年兰州市PM10、SO_2及NO_2质量浓度监测数据、空气质量指数和地面常规气象观测资料,统计分析了兰州市的空气质量变化特征及沙尘天气的影响.结果表明,兰州市空气重污染天数减少,空气质量呈好转趋势,首要污染物仍以PM10为主,其污染天数占总污染天数的89%.较重的空气污染主要出现在11-4月,尤其春季的沙尘天气对空气污染有重要影响.兰州市每3～4 a会出现一个沙尘天气多发年, 3类沙尘天气以浮尘为主;沙尘天气的月、季分布特征明显, 90%以上的沙尘天气出现在春季.沙尘天气的PM10年均质量浓度最高,为非沙尘天气的1.2～5.4倍,平均为2.6倍;沙尘天气的PM2.5年均质量浓度比非沙尘天气高2.4倍, SO_2和NO_2的年均质量浓度差别不大.沙尘天气对兰州市PM10月均质量浓度贡献率较大的月份为3、4月,对PM2.5月均质量浓度贡献率较大的月份则持续至5月. 14 a间3类沙尘天气对PM10日均质量浓度的平均贡献率均为正值,对SO_2和NO_2,除沙尘暴对SO_2的贡献率为正值外,其余均为负值, 2013-2016年浮尘对PM2.5日均质量浓度的平均贡献率为110%,扬沙对PM2.5的平均贡献率为-30%.不同强度的沙尘天气对兰州市空气质量的影响体现在细颗粒物和粗颗粒物上有差异.     

西安市区大气污染物时空分布特征分析*

利用2014年10月31日～2015年11月31日西安市区13个环境空气质量监测站AQI、CO、SO_2、NO_2、O_3、PM_(2.5)和PM_(10)逐日数据,分析了西安市区各种污染物的时空分布特征,研究污染物之间的相关性及西安和周边城市的空气质量相关性。结果表明,西安市空气主要分布国家标准在二三级之间,长安区超标率最低(24.41%)。利用空间插值法分析污染物空间分布各监测点夏季空气质量均优于冬季,长安区空气质量较好,主城区污染严重,西安大气污染物呈现明显的主城区向郊区递减变化趋势。月平均气温与CO、SO_2和PM_(10)显著负相关,与O_3显著正相关;月降雨量与CO、SO_2和PM_(10)显著负相关;日照时数与O_3显著正相关。SO_2月均浓度值在监测期中达到一级标准;O_3在5～8月份月均浓度值达到最大,其他月份均达到一级标准;NO_2在11月～次年1月月均浓度为全年最高,其他月份达到一级标准;CO在1～2月份浓度达到最高值,其他月份满足一级标准;PM_(2.5)和PM_(10)在整个监测期内均未达到一级标准。西安和周边城市空气质量存在显著相关性,需要城市间协同解决大气污染问题。     

电力减排对华东空气质量影响的数值模拟研究

我国经济正处在高速发展时期,电力需求将持续增长,但以燃煤为主的电力工业带来的能源消耗和环境污染问题也不容忽视。为了进一步了解电力排放对华东空气质量的影响,本文应用中尺度大气动力-化学耦合模式WRF-Chem针对两种不同的电厂减排情景模拟分析了冬季华东地区主要污染物浓度变化量和分布情况,得到以下结论：(1)模式能较好模拟华东主要大气污染物的时间变化规律和空间分布特征;(2)华东冬季主要大气污染物浓度高值区为山东西部、安徽北部及长三角地区,冬季大气环流条件不利近地面污染物扩散,易造成污染物堆积;(3) 减排的敏感性试验表明：电厂排放减半时华东大部地区SO2、NO2的浓度降低约10~30%,关闭时约30~50%;PM2.5和PM10在江西和福建沿海一带减少较多,电厂排放减半时约5%,关闭时约10%;CO基本不受电厂减排影响,仅降低1~2%;而O3在电厂排放减半或关闭时在华东大部地区增加30%以上。     

电力减排对华东空气质量影响的数值模拟

中国经济正处在高速发展时期,电力需求将持续增长;但以燃煤为主的电力工业带来的能源消耗和环境污染问题也不容忽视。为了进一步了解电力排放对华东空气质量的影响,应用中尺度大气动力-化学耦合模式WRF-Chem针对两种不同的电厂减排情景模拟分析了冬季华东地区主要污染物浓度变化量和分布情况,得到以下结论:(1)模式能较好模拟华东主要大气污染物的时间变化规律和空间分布特征;(2)华东冬季主要大气污染物浓度高值区为山东西部、安徽北部及长三角地区,冬季大气环流条件不利近地面污染物扩散,易造成污染物堆积;(3)减排的敏感性试验表明:电厂排放减半时华东大部地区SO2、NO2的浓度降低约10%~30%,关闭时约30%~50%;PM2.5和PM10在江西和福建沿海一带减少较多,电厂排放减半时约5%,关闭时约10%;CO基本不受电厂减排影响,仅降低1%~2%;而O3在电厂排放减半或关闭时在华东大部地区增加30%以上。     

2012—2016年安庆市空气质量状况分析及控制对策

利用安庆市环境空气质量监测点的数据,对安庆市近5年的空气污染特征进行研究。分析了该地区影响大气质量的主要污染物SO_2,NO_2,O_3,PM_(10),CO和PM_(2.5)浓度的时空分布特征。结果表明:安庆市近5年空气污染指数的年平均值都低于90;年优良天气率在70%到80%之间,天气优良频率在春夏两季相对较高,秋冬两季较低;主要污染物SO_2,NO_2,O_3,PM_(10),CO和PM_(2.5)都达到国家空气质量二级标准,总体的空气质量表现为良好;分析不同采样地点得到的污染物浓度,以及不同年份的季节变化规律,得出市区污染物的时空分布。最后分析了其影响因素并且提出了进一步改善空气质量的基本对策。     

乌鲁木齐市PM_(2.5)及其影响因素关系的研究——基于VAR模型的脉冲响应和方差分析

通过对乌鲁木齐市从2015年1月1号到2016年12月31号每天的PM_(2.5)、PM_(10),以及SO_2、CO NO、NO_2、O_3污染物浓度等数据的整理和分析,进一步设立向量自回归(VAR)模型,对时间序列PM_(2.5)与其它空气污染物之间的关系探索使用格兰杰因果关系检验、脉冲响应函数方法和方差分解的方法分析,建立了它们之间的自回归模型关系,探讨了其他空气污染物对PM_(2.5)的影响。结果表明:乌鲁木齐市PM_(2.5)与其它空气污染物所构成的空气质量系统是稳定的,PM_(10)SO_2、CO、PM_(2.5)、NO_2、O_3浓度值的增加会引起PM2.5浓度值持续较长时间的增加,其中SO_2对影响作用最大;O_3浓度值的增加则会使PM_(2.5)浓度值降低。