京津冀典型工业城市沙河市大气污染特征及来源分析

近些年京津冀地区秋、冬季大气重污染事件频发,工业生产与居民燃煤是大气灰霾污染的重要原因。河北省沙河市是京津冀地区以玻璃制造和加工为主的典型工业城市,本研究选取该城市为研究对象,主要利用2017年1月至12月国控站点的大气环境监测和气象数据,采用扩散模型、潜在源分析等手段,分析了沙河市主要污染物的时空分布特征和污染来源。主要结论有:（1）沙河市首要污染物具有明显季节特征,春季、夏季、秋冬季分别以PM₁₀、O₃、PM_2.5污染为主,季节贡献率分别为43.3%、72.3%、61.5%。（2）受城市大气边界层和排放的共同影响,PM₁₀、PM_2.5、SO₂、NO₂和CO浓度均有剧烈的季节—日变化特征。（3）冬季东北风时PM_2.5、NO₂、SO₂均展现出高浓度和高相关性特征,表明站点可能受东北方向玻璃企业排放影响。同时,站点可能也受城中村散煤燃烧影响。（4）沙河市冬季PM_2.5浓度为143 μg m-3。冬季的一次重污染中硫氧化率SOR、氮氧化率NOR的最高值分别达0.67、0.39,气态污染物的二次转化剧烈,高湿度利于二次粒子的生成。重污染中C(NO₃-)/C(SO₄2-)均值为1.89,推测沙河市NO₂主要来自大型运输车辆和企业的共同排放。（5）本地源是沙河市PM_2.5的主要潜在源区,周边几个重工业城市也有一定贡献。因此本研究建议沙河市PM_2.5的治理除需加强本地污染源的削减和控制外,区域联防联控也十分重要。     

2018年冬季鲁西北大气污染特征及影响因子分析

利用2018年12月至2019年2月滨州、德州和聊城PM_2.5、PM₁₀、NO₂、SO₂、CO和O₃逐日质量浓度及其对应的气象资料,分析了鲁西北大气污染特征和影响因子。结果表明：2018年冬季鲁西北大气污染比较严重,聊城、德州和滨州轻度及以上污染天数分别占61%、60%和54%,重度以上染污天数分别占24%、11%和9%;首要污染物均为PM_2.5、PM₁₀和NO₂,其中PM_2.5占60%以上。PM_2.5、PM₁₀、SO₂、NO₂和CO日变化呈双峰双谷型,谷值分别出现在04-07时和15-17时,且下午比清晨更低,峰值出现在上午和下午交通高峰期后2-3 h,且峰值上午大于下午;O₃呈单峰型分布,09时出现极小值,18-19时出现极大值。PM_2.5是鲁西北主要的首要污染物,与PM₁₀、CO、NO₂均为显著正相关,并通过0.01水平显著性检验,与NO₂的相关性在低相对湿度(< 60%)时大于高相对湿度(≥ 60%),与CO的相关性在高相对湿度时大于低相对湿度;污染时段(PM_2.5>75 μg·m^-3)的平均相对湿度和平均温度明显大于清洁时段(PM_2.5 ≤ 75 μg·m^-3),清洁时段风速和气压比污染时段明显偏大。     

烟花爆竹燃放对天津市空气质量的影响研究

为了研究烟花爆竹燃放对空气质量的影响,利用动态滤膜校准系统-微量震荡天平法颗粒物分析仪、大气细颗粒化学组分在线离子色谱监测仪、有机碳（OC）/元素碳（EC）在线分析仪、气态污染物分析仪、常规自动气象站并结合云高仪和微波辐射计等设备于2015年2月18日至3月7日对天津市细颗粒物（PM2.5）及其主要化学组分,气态污染物（SO₂、NO₂、CO和O₃）和气象参数进行连续观测。本文选取3个污染事件作为研究重点进行分析,研究发现:烟花爆竹禁放和限放政策导致除夕夜烟花爆竹燃放量减少,PM2.5峰值与2014年相比明显下降;烟花爆竹禁放和限放区的设立导致天津市PM2.5质量浓度在烟花爆竹密集燃放期间存在明显的空间差异;站点之间小时平均值差异最高达到394 μg/m3。受烟花爆竹燃放的影响,距地面80 m以下颗粒物后向散射强度相近,表明80 m以下颗粒物呈均匀分布。污染事件1是由于烟花爆竹密集燃放引起的,PM2.5主要化学组分为K+、SO₄2-和Cl-,同时SO₂和CO质量浓度显著升高;但EC和OC质量浓度并未明显增加。污染事件2的形成是由于不利的气象条件（逆温、逆湿、下沉气流和较高的相对湿度）促进了SO₂和NO_x在烟花爆竹排放的颗粒物表面发生非均相化学反应,导致SO₄2-和NO₃-浓度快速增加。污染事件3由元宵节烟花爆竹燃放引发,而后呈现二次无机组分与臭氧协同增长的复合型污染特征;此外区域传输对污染事件3也有重要贡献。     

银川大气污染物浓度变化特征及其与气象条件的关系

利用2013年银川地区6个监测点污染物质量浓度和同期气象要素数据,对区域内污染物浓度变化特征及其与气象条件的关系进行分析。结果表明：银川市区PM10年均值超标0.7倍,PM_2.5年均值超标0.4倍,SO₂和NO₂也有一定程度超标,CO和O₃未超标|1、2、11月和12月为SO₂、NO₂、PM₁₀、PM_2.5、CO质量浓度较高月,O₃浓度最高月为5月,次高月为10月|9:00-12:00和21:00-00:00是SO₂、NO₂、PM₁₀、PM_2.5和CO质量浓度较高的两个时段,O₃浓度一般于15:00达到最大;6类污染物普遍表现出季节性的准7 d周期和全年性的准30 d周期|空气质量状况良的频率是56 %,轻度污染26 %,优仅为12%;首要污染物以PM₁₀、PM_2.5和SO₂为主|风速与SO₂、NO₂和CO具有良好的负相关关系,与O₃则呈显著正相关关系,风速对PM₁₀和PM_2.5影响较复杂,当风速小于某一值时,有利于PM₁₀和PM_2.5扩散,当风速达到一定程度后,又会导致PM₁₀和PM_2.5浓度的增加|降水对污染物有较好的冲刷作用,且对SO₂的清除作用最明显,对O₃的清洁作用最弱。     

银川市主要污染物变化特征及其关系研究

利用2013-2019年银川市主要污染物浓度数据,分析了近年来银川市主要污染物浓度变化特征,并运用主成分分析法对主要污染物之间的关系进行研究。结果表明：近年来银川市主要污染物浓度除O₃逐年呈上升趋势外,其他均呈下降趋势;市区站O₃浓度较郊区背景站低,其他污染物市区较郊区背景站高;市区站PM₁₀和PM_2.5浓度超国家二级标准;除O₃浓度夏季高,冬季低外,其他污染物冬季高,夏季低;CO、NO₂、PM₁₀、PM_2.5浓度呈"双峰型"日变化特征,O₃和SO₂呈"单峰型"日变化特征。银川市主要污染物NO₂浓度与CO和O₃相关性显著,PM₁₀和PM_2.5之间相关性显著;污染物第一主成分是NO₂、CO和O₃,方差贡献率达到50%以上,加之银川市O₃浓度逐年呈升高趋势,表明近年来银川市大气光化学污染增加。     

彭州市大气污染物浓度变化特征研究

本文利用2017年彭州市大气污染物(SO₂、NO₂、O₃、CO、PM₁₀、PM_2.5)小时浓度数据并结合地面气象观测资料,统计分析了该地区大气污染物浓度的演变规律及影响因素。结果表明:该地区细粒子(PM₁₀和PM_2.5)污染较为严重,O₃次之,其它污染物浓度水平则低于国家新二级标准限值。观测期间,各污染物浓度表现出明显的日变化与季节变化,其中SO₂、O₃呈单峰型日变化,NO₂、CO和细粒子则呈双峰型日变化;污染物浓度的季节变化基本表现为冬高夏低、春秋次之的变化特征(O₃为夏高冬低),并且固态污染物(PM₁₀、PM_2.5)与气态污染物(NO₂、CO)之间有显著的相关性。在污染物浓度与气象要素相关性分析中表明,湿度对于污染物浓度的影响整体上要弱于温度和风速,除了O₃与温度、风速呈正相关外,其它污染物与两者均呈负相关。除此以外,风向对于当地各种大气污染物的积累与清除也有直接的影响。      

庐山2016年冬季三级分档雾水化学特征

探究不同尺度雾滴化学特征是深化雾微物理化学研究的重要内容。2016年12月—2017年1月在庐山开展雾综合观测实验,利用主动式三级分档雾水采集器（CASCC 3_stage）收集到3次雾过程73个分档雾水样本,雾滴分档粒径:4—16 μm（3级）,16—22 μm（2级）和≥22 μm（1级）。定量得到了分档雾水的pH、电导率（EC）及9种水溶性无机离子（Na+、NH₄+、K+、Mg2+、Ca2+、Cl-、NO₂-、NO₃-、SO₄2-）浓度（μeq/L）。结果表明,庐山冬季雾水酸化严重,pH为3.96—5.82,pH < 5.6的样品占98.6%且直径4—16 μm小雾滴的强酸性（pH < 4.5）样品最多,占比达54.2%,小雾滴酸性和电导率更强;NH₄+、Ca2+、NO₃-、SO₄2-是雾水的主要离子组分,[NH₄++Ca2++NO₃-+SO₄2-]分别在三级分档雾水中占总离子浓度（TIC）的83.8%、88.0%和88.7%;综合3次雾过程,总离子浓度、NH₄+、K+、NO₃-、SO₄2-在4—16 μm小雾滴存在富集,表现出尺度依赖特征;86%雾水样品[SO₄2-]/[NO₃-]介于0.5—3.0,属于硫酸和硝酸混合型酸化,雾水酸化主要原因是碱性缓冲物质与酸性组分不平衡以及可能存在有机酸贡献;同一观测点不同雾过程化学特征存在个例差异,第二次雾过程（12月25日14时—26日21时）（北京时）,总离子浓度、NH₄+、Ca2+、NO₃-、SO₄2-在16—22 μm尺度雾滴存在富集,这可能是雾区气溶胶浓度较低、降温、采样间隔和污染气体及气溶胶输送共同作用的结果。后向轨迹聚类和潜在源（PSCF）分析表明,观测期间影响庐山的气团均来自西部,来自湖南北部的局地气团占总轨迹数的68.99%,最为重要;PM_2.5、SO₂、NO₂具有相似潜在源区空间分布,主要位于湖北、湖南、安徽西南部和江西北部等邻近省份地区,以近距离输送为主。      

重庆市主城区雾霾天气过程的污染特征分析

利用重庆主城区沙坪坝站2002~2014年逐日气象观测资料和2009~2011年10月至翌年3月逐时气象观测及污染监测资料,对雾霾天气过程中SO₂、NO₂和PM10污染物浓度变化及与气温、风和降水等地面气象要素的关系进行分析。结果表明:2009~2011年重庆主城区共出现Ⅰ级至Ⅳ级不同强度的雾霾天气过程共27次,雾霾天气过程中SO₂浓度变化为单峰型,峰值出现在中午,白天浓度大于夜间;NO₂浓度变化为双峰型,主峰值出现在晚上20时,次峰值出现在中午12时;PM10的日变化幅度较SO₂和NO₂变幅小,呈双峰双谷型;污染物浓度与气温、相对湿度的相关性比较好,静风条件有利于污染物积累,降水对污染物有较明显的清除作用。      

南京北郊 O3、NO2和 SO2变化特征分析

利用 2008年1-12月南京北郊O₃、NO₂及SO₂质量浓度连续观测资料,分析了南京北郊气体污染物(O₃、NO₂、SO₂) 的质量浓度变化规律。结果表明：南京北郊O₃浓度夏季较高,日变化曲线呈单峰型,NO₂和SO₂浓度夏季较低,日变化曲线呈双峰型,NO₂与O₃的日变化呈现负相关关系,该地区SO₂浓度整体较高,夏季周末效应NO₂和SO₂较O₃更明显。     

成都市大气污染与气象条件关系分析

利用成都市城区2015年12月~2019年12月污染物浓度及气象资料,对PM₁₀、PM_2.5、CO、O₃、 SO₂、NO₂六种大气污染物浓度变化特征以及与气象要素之间的相关性进行分析。结果表明:2016~2019年成都市空气质量冬季最差,秋季最好,年内整体以良为主,重度污染和严重污染的天气较少出现,空气质量逐年变好;主要污染物浓度除O₃外在冬季最高,夏季最低,春秋两季相差不大,O₃浓度变化则相反;主要污染物的日变化特征也较为明显。空气质量综合指数、PM₁₀、PM_2.5、CO、NO₂浓度与气温和降水存在显著负相关性,与气压存在显著正相关性,还与相对湿度呈不同程度的负相关,但与风速相关性不显著;O₃浓度不仅与风速、气温和降水存在显著的正相关,还与气压呈显著的负相关,却与相对湿度的负相关性不显著。      

南京一次暴雪过程大气污染特征分析

利用气象和环境监测资料分析2013年2月19日南京一次短时强降雪过程对各类污染源及污染物浓度的影响,并利用Pearson相关分析法分析不同污染物之间及污染物与气象要素之间的相关关系。结果表明：此次南京暴雪对面源影响最大,扬尘排放量几乎为零,流动源主要受机动车早晚高峰变化影响,工业点源受影响不大。此次暴雪过程后,南京空气质量达到优级,2013年2月19日AQI指数比18日与20日均下降35%,SO₂日变化仍呈单峰型,颗粒物及NO2日变化则未呈现早晚双峰变化。PM_2.5与PM₁₀、SO₂、NO₂、CO呈显著正相关,相关系数分别为0.979、0.663、0.837和0.875,说明污染物来源具有一定的同源性。污染物浓度与风速、相对湿度呈显著负相关,与温度、大气压强呈显著正相关。     

贵阳市大气污染物浓度特征及降水的清除作用

本文利用2013年1月1日~2015年6月30日贵阳市9个环境监测站的6种主要大气污染物(SO2、NO2、O3、PM10、CO、PM2.5)监测数据,分析了贵阳市主要大气污染物的年变化、日变化特征及降水对首要污染物浓度变化的影响。发现SO2、NO2、PM10、CO、PM2.5浓度为单谷型年变化,夏季浓度最低,冬季浓度最高;O3浓度为双峰型年变化,4、10月分别有两个极大值、11~2月与7月分别为两个极小值;SO2、NO2、PM10、CO、PM2.5浓度日变化呈双峰型特征;O3浓度日变化为单峰型特征;郊区SO2、NO2、PM10、CO、PM2.5日平均浓度低于市区,而郊区O3日平均浓度高于市区。降水对O3的湿清除效果不好,对其余大气污染物的湿清除效果较好,尤其夜间降水对颗粒污染物(PM2.5、PM10)的清除效果优于白天降水,但会使O3浓度明显上升。     

冬季采暖优化对北京地区空气质量的影响

空气污染能够影响人体健康、交通运输、农业生产等,会对国家经济造成损失。多年来,北京一直是空气污染严重地区,而冬季燃煤采暖是一个重要的原因。2016～2017年,北京大力优化采暖的能源结构,旨在改善空气质量。本文通过分析5个位于北京不同区域的空气质量监测站的PM2.5、PM10、SO₂、NO₂和CO污染物浓度,对比了2018年和2015年的空气质量变化情况。结果显示:2018年5个站5种污染物浓度较2015均下降,平均下降幅度为37.3%,而5个站降幅最大的污染物浓度都是SO₂,平均降幅为59.2%。进一步分析表明,两年5种污染物浓度的差距主要来自冬季的取暖时期。2018年冬季5个站重空气污染（PM2.5浓度>150 μg/m3）天数较2015年平均下降率高达91.3%,比其他季节多了41.3%。相较于2015年,5个站平均的2018年冬季5种污染物浓度平均下降值是其他季节的4.8倍,平均下降的幅度是其他季节的2.3倍。逐小时数据分析显示,2018年较2015年冬季污染物浓度下降比较大的时刻主要来来自暖更多的时间段。结合气象条件分析表明,北京冬季采暖优化很大程度地提高了空气质量,这为有相似采暖方式的城市的空气污染治理提供借鉴和参考。     

2014-2017年成都市大气污染特征分析

利用2014年5月~2017年12月的成都市环境空气质量监测资料,分析了成都市空气污染情况及污染物浓度时空变化特征。结果表明:成都市空气质量以优良天气为主,市区的首要污染物以PM2.5为主,郊区以O3为主;灵岩寺监测点的PM2.5,PM10,NO2和CO四种污染物的质量浓度低于成都市区各监测点,O3的质量浓度高于成都市区各监测点,SO2的质量浓度值与成都市区各监测点相差不大;成都市各监测站点六种污染物质量浓度具有明显的年际变化、季节变化、月变化和日变化趋势,且成都市区各监测点的变化趋势比较一致。