2006年春季沙尘天气下背景地区大气气溶胶光学特性的观测研究

利用2006年3～5月北京上甸子本底站气溶胶细粒子(PM2.5)质量浓度、吸收和散射系数的连续观测资料,对2006年春季上甸子本底站清洁、污染输送及典型沙尘天气下气溶胶的消光特性进行了分析.结果显示:①本底站在春季清洁情况下PM2.5质量浓度、吸收和散射系数的日均值水平分别为:10 μg/m3、7 Mm-1和20Mm-1左右,单散射反照率分布在0.71～0.78之间;此次观测到的污染输送过程中PM2.5质量浓度、吸收和散射系数平均值分别为:145 μg/m3、44.5 Mm-1、374.3 Mm-1,单散射反照率分布在0.84～0.94之间;沙尘影响期间,PM2.5质量浓度、吸收和散射系数以及单散射反照率的测量结果分布在248.2～424.1 μg/m3、10.8～44.7Mm-1、225.4～392.5 Mm-1和0.89～0.96之间.②观测得出,沙尘影响集中的时段细粒子质量浓度、气溶胶散射系数和气溶胶吸收系数都成倍地上升,其中质量浓度和散射系数上升的幅度要高于吸收系数.③3种天气条件的对比结果显示.受沙尘天气影响PM2.5质量浓度明显上升,且逐时波动幅度大;吸收系数远高于清洁天气下的观测结果,但比污染输送过程的测量结果偏低;散射系数同样高于清洁天气下的观测结果,与污染输送情况下的测量结果接近.沙尘天气导致颗粒物浓度明显上升,其对气溶胶粒子散射作用的贡献要大于吸收作用.     

广州城区和城郊大气颗粒物污染现状及来源分析

为更好地表征当前广州城区和城郊大气颗粒物污染现状与差异及其与气象要素的关系,对2017年城郊站黄埔和城区站番禺的大气颗粒物(PM2.5和PM10)和气象观测数据进行了分析。结果表明:全年来看,城区和城郊PM2.5和PM10具有相似的质量浓度频率、月际变化和日变化;城区站的平均PM2.5质量浓度为39.3μg/m3,高于城郊站(35.3μg/m3);城区站PM10质量浓度为58.5μg/m3,低于城郊站(62.9μg/m3);ρ(PM2.5)/ρ(PM10)显示,相比城郊,城区的2次污染更严重,细粒子占比更高。风玫瑰图分析发现,静风或小风状态下,城区番禺的颗粒物污染程度要高于城区黄埔,本地排放对城区站的颗粒物污染,特别是细颗粒物污染的影响更为显著;城郊站颗粒物污染的形成也同时受本地排放和外源输送影响,主要的输送来源于西北上风向肇庆、佛山一带的污染排放,其对PM2.5的影响更为显著。     

2015年冬季湖北省PM2.5重污染传输特征及影响天气系统的数值模拟

为了研究湖北省两种污染来源的重污染天气特征及其形成机制,采用WRF/Chem零排放情景模拟方案,将2015年冬季湖北省PM2.5模拟浓度分离为外源传输量和本地累积量,基于对数值模拟结果的统计分析,确定了湖北省污染传输通道和外源传输贡献率,研究了敏感区天气系统对两种污染来源的影响作用。结果表明,外源污染物输送在湖北省内有两条主要通道,一是由南襄盆地夹道直接输送汇入江汉平原,二是沿京广线从信阳到随州、孝感、武汉至江汉平原。湖北长距离跨区域传输的潜在污染源区为河南、安徽、江苏、山东等地。2015年冬季湖北省17个地（市）平均外源贡献率为42%,而对于重污染过程,平均外源贡献率高达66%,外来源输送对湖北重污染过程贡献非常显著。对外源传输型,我国东南地区为主要敏感区,气压（气温）变化与PM2.5输送显著负（正）相关,对维持南、北两支矢量带（PM2.5输送与风场相关）,推动偏南和偏东气流起到积极作用。此外,伊朗高原天气系统通过上下游效应对东亚地区大气环流起到一定影响,从而也间接影响了区域污染输送。对本地累积型,冬季风环流系统为主要影响天气系统,在弱的冬季风环流形势下,蒙古高压系统偏弱、西太平洋地区海平面气压值偏高,对应湖北本地累积污染总量贡献大。     

深圳市东北部PM_(2.5)的变化特征及潜在传输来源

2014年深圳市东北部吓陂监测站PM_(2.5)的年均质量浓度为47.0μg/m~3,在全市处于较高污染状态,并呈现出冬季秋季春季夏季的季节变化特征。气象要素的分析表明,2014年吓陂监测站夏季时降水较多、湿度最大、风速最大、气温最高、边界层高度最高,最有利于污染物的扩散和清除;冬季时降水最少、湿度最小、风速最小、气温最低、边界层高度最低,最不利于污染物的扩散和清除。后向轨迹聚类分析表明,吓陂监测站的后向轨迹主要分为5类,其中来自北方内陆地区的气团污染最重,来自南海地区的气团污染最轻。进一步利用潜在源贡献因子进行源区识别分析,结果表明:2014年吓陂监测站的PM_(2.5)主要来源于本地源的排放及周边地区(尤其是广东东北部地区)的短距离输送,此外江西等内陆地区的长距离传输在一定程度上也可能导致吓陂监测站PM_(2.5)质量浓度的升高。     

Assessment of the regional source contributions to PM_(2.5) mass concentration in Beijing

将先进的在线源追踪模拟模块ISAM与空气质量模式系统RAMS-CMAQ耦合,对2015年7月华北地区主要气溶胶物种(硫酸盐、硝酸盐、铵盐、黑碳、有机碳、沙尘和海盐)进行模拟,并且深入探讨了不同地区排放源对PM_(2.5)质量浓度的贡献特征。模拟结果显示PM。2.5质量浓度高值主要出现在河北省南部和山东省西部北京和天津市的排放源对PM_(2.5)质量浓度的贡献主要集中在本地,而河北和山东省则为华北地区PM_(2.5)质量浓度的主要贡献者。就北京市而言,由于近年执行了多项减排措施,目前该地区的本地贡献占20%-30%。而河北和山东省是北京市PM_(2.5)的主要区域传输贡献者,分别可超过25%和10%。此外,在污染背景下周边地区传输贡献的比重更大。当空气质量恶化时,河北和山东省的传输贡献比例均有所提升。因此,建议在污染期间,应重点基于对区域尺度的排放源开展协同控制,制定综合的减排措施方可进一步降低北京市的PM_(2.5)质量浓度。     

山东省大气污染时空分布特征分析

通过分析山东省近6a来大气中污染物的浓度变化,发现影响山东省空气质量的主要污染物是颗粒物（PM2.5和PM10）,山东省PM2.5年平均浓度均超过国家规定的轻污染标准10%以上,PM10年平均浓度基本接近轻污染标准值,其余四种污染物（SO2、CO、O3和NO2）浓度均低于轻污染规定标准,因此山东省大气污染治理的重点是减少颗粒物。分析污染物浓度时间变化发现：11—1月山东大气污染最严重,6—9月污染较轻;济南周四污染相对最轻,周六到周一污染较重;每日15—17时是空气质量最好的时段。分析污染物浓度空间分布发现：O3浓度半岛地区较其他地区高;SO2浓度鲁中地区较高;CO浓度鲁西北和鲁中较高;NO2、PM10和PM2.5浓度分布基本一致,除半岛地区外,其他地区均维持较高污染物浓度。     

曹妃甸工业区空气污染来源及其对周边地区污染贡献的数值模拟研究

为了深入研究曹妃甸工业区的建立和大型工业企业的迁入对京津冀地区空气质量的影响,利用嵌套网格空气质量预报模式系统NAQPMS(Nested Air Quality Prediction Modeling System)研究该工业区和周边地区在2016年秋、冬季空气质量状况,并对PM2.5(空气动力学当量直径小于等于2.5μm的颗粒物,即细颗粒物)来源与区域输送进行分析。结果表明:模式能很好地再现气象要素和污染物浓度分布特征;曹妃甸地区本地排放在1月和10月的月均贡献分别为17.8%和25.8%。当空气质量为优良时,曹妃甸地区PM2.5主要受短距离周边传输影响,唐山和天津贡献率之和达23%～53%;当空气出现轻度及以上污染时,曹妃甸地区PM2.5浓度主要受到长距离输送的影响,河北中南部和山东地区贡献之和达40%～50%。曹妃甸工业园区排放对周边地区PM2.5浓度贡献相对较小,对唐山和天津地区贡献为3%～7%,对京津冀地区其他城市PM2.5浓度贡献可忽略不计。空气质量转差时,曹妃甸、北京和天津地区PM2.5中一次排放占比相较于空气质量优良时明显下降,二次生成的无机盐类和二次有机气溶胶贡献率增加;曹妃甸地区10月二次生成硫酸盐贡献率较1月明显增加,月均贡献率为22%。因此,在致力于削减京津冀地区PM2.5一次排放的同时,对SO2、NOx等进行控制,能有效改善该地区空气质量。     

脱硝技术与天然气应用情景下京津冀地区空气质量模拟评估

针对京津冀地区主要大气污染物NOx（氮氧化物）和PM2.5（大气中粒径小于或等于2.5μm的颗粒物）,应用柴油车尾气净化技术及中小锅炉烟气脱硝技术,并根据2015年和2030年我国能源规划,设计3种技术应用情景,采用WRF-CAMx耦合模式,对京津冀地区大气中NOx和PM2.5进行了应用情景模拟。结果表明,单独应用柴油车尾气净化技术后（方案1）,北京、天津地区大气中的NOx浓度降低幅度达20%,河北地区降低5%;PM2.5的浓度降低幅度约10%;应用柴油车尾气净化技术和2015年能源规划情景（方案2）,京津冀地区大气中NOx和PM2.5浓度的降低幅度均超过20%;应用柴油车尾气净化技术和2030年能源规划情景（方案3）,该地区NOx浓度降低幅度与之相当,PM2.5浓度降低幅度超过30%。可见脱硝技术和清洁能源利用的有效性依赖于其应用比例。二次气粒转化的化学过程形成的硝酸盐、硫酸盐和铵盐对该地区空气中PM2.5浓度的贡献很大,冬、春、秋季硝酸盐最大贡献高达60%,夏、秋季硫酸盐最大贡献超过70%,铵盐四季最大贡献约25%。这说明PM2.5的主要前体物NOx、SO2、NH3、VOCs (Volatile Organic Compounds)、CO等均大幅度削减才能有效降低该地区空气中PM2.5浓度。     

太原市一次重污染天气过程的成因分析

针对2016年12月29日—2017年1月6日山西省太原市内发生的一次重污染天气过程,通过分析常规天气条件,SO2、PM2.5和PM10的排放清单以及后向轨迹模式,探讨本次重污染事件的成因。结果表明:本次污染事件持续时间长,重度染污持续将近5 d,多种污染物浓度严重超标,细粒子是污染过程的主要贡献;太原市处于冷空气较弱和水汽条件较好的大尺度大气环流形势下,为冷高压持续稳定,近地面风速小、风力弱地面形势下,形成了大范围、长时间的静稳天气;在污染期间太原地区主要受到来自西北和西部共四种气流输送类型的控制,其中来自西北的气流输送轨迹对应的污染物浓度明显小于其他三条轨迹对应的污染物浓度,输送轨迹的输送高度可能是造成轨迹对应污染物浓度之间差异的一个原因,结合污染物排放源分布发现这次污染事件的形成受本地源和长/近距离输送的共同影响,其中本地源的贡献更为显著。     

2013-2016年惠州市大气颗粒物质量浓度变化特征和典型污染过程分析

利用2013-2016年惠州市5个环保国控站的PM质量浓度和国家基本气象观测站的气象要素观测数据及NCEP/NCAR日平均再分析资料,统计分析了惠州市大气颗粒物质量浓度变化特征及其与气象条件的关系。结果表明：2013-2016年惠州市大气颗粒物质量浓度、污染日数和超标日数均呈明显下降趋势,2016年PM10年平均质量浓度已接近年平均质量浓度限值一级标准,PM2.5年平均质量浓度达到年平均质量浓度限值二级标准。大气颗粒物质量浓度冬季的最高、秋季的次之,非汛期的（10月次年3月）显著高于汛期的（4-9月）。PM2.5污染日均出现在非汛期,尤其是冬季的1和12月,大多出现在晴朗干燥的东北风天气下。分析惠州市20132016年间两次长时间大气颗粒物污染过程发现,这两次大气颗粒物污染过程出现在冷空气减弱、冷高压东移出海后或下一波冷空气来临前,但随着南下冷空气的到来,北风加大或带来明显降水,空气质量明显好转。     

深圳市龙华新区PM2．5质量浓度分布特征及来源分析

通过对龙华新区2个监测站点2012年的PM2．5监测数据进行分析,得出新区PM2．5年均质量浓度值为0．043mg／m^3,全年总超标天数为30d,超标率为8．2％。PM2．5污染具有明显的季节性特征,干季污染严重,雨季则较轻。新区常年盛行偏北风,处于东莞、惠州等污染严重区域的下风向,且风速偏小,是新区PM2．5来源及质量浓度升高的重要原因之一。同时,利用大气环境影响评价系统的AERMOD模型对新区PM2,污染质量浓度分布进行模拟,结果显示新区PM2．5主要来自本地污染源,贡献率为51．2％,外地污染源贡献率为48．8％。其中,PM2．5污染主要受机动车尾气和道路扬尘影响,贡献率为32．0％,其次是施工项目和裸露土地影响,贡献率为18．2％,工业污染源影响非常小。     

邢台沙河市冬季大气污染特征与潜在源区分析

为了解邢台沙河市冬季大气污染特征,选取2017年12月至2018年2月沙河市区3个省控站点（司法局、市政府、宣传中心）的逐时监测数据,分析了沙河市主要污染物的时空分布特征和潜在源区。污染物浓度特征分析表明:整个冬季司法局、市政府和宣传中心站点的细颗粒物（PM2.5）平均浓度分别为118.0 μg/m3、121 μg/m3和135 μg/m3。在大气自然活动和人为污染排放的共同作用下,PM10、PM2.5、SO₂、NO₂和CO均有明显的日变化特征。整个冬季沙河市的ρ(PM2.5)/ρ(PM10)、ρ(SO₂)/ρ(NO₂)均值分别为0.57和1.05（ρ为各物质的浓度）。且随着污染加重,ρ(PM2.5)/ρ(PM10)、ρ(SO₂)/ρ(NO₂)均明显升高,表明燃煤贡献增加;污染物空间分布特征分析表明:位于3个站点东北处的玻璃企业产生的污染物可能对监测站点造成了一定影响。污染物空间差异分析表明,区域污染范围越大、强度越高,大气污染的空间差异性越小;潜在源分析表明:沙河市PM2.5的强潜在源区分布在其周边区域,随着PM2.5浓度增加,强潜在源区呈缩小趋势。沙河市东南部的本地源对PM2.5浓度有主要贡献,而此处正是玻璃企业的聚集地。     

Reductions of PM<Subscript>2.5</Subscript> in Beijing-Tianjin-Hebei urban agglomerations during the 2008 Olympic Games

The Atmospheric Environmental Monitoring Network successfully undertook the task of monitoring the atmospheric quality of Beijing and its surrounding area during the 2008 Olympics.The results of this monitoring show that high concentrations of PM2.5 pollution exhibited a regional pattern during the monitoring period(1 June-30 October 2008).The PM2.5 mass concentrations were 53 μg m 3,66 μg m 3,and 82 μg m 3 at the background site,in Beijing,and in the Beijing-Tianjin-Hebei urban agglomerations,respectively.The PM2.5 levels were lowest during the 2008 Olympic Games(8-24 August):35 μg m 3 at the background site,42 μg m 3 in Beijing and 57 μg m 3 in the region.These levels represent decreases of 49%,48%,and 56%,respectively,compared to the prophase mean concentration before the Olympic Games.Emission control measures contributed 62%-82% of the declines observed in Beijing,and meteorological conditions represented 18%-38%.The concentration of fine particles met the goals set for a "Green Olympics."     

济南PM2.5质量浓度与气象条件相关性初步研究

通过对济南2013年12月—2018年2月PM2.5质量浓度数据分析得出,PM2.5质量浓度平均和最大值均为冬季最高,春秋季次之,夏季最低;PM2.5质量浓度值1月和12月最高,8月最低;其质量浓度呈明显的逐年递减趋势。在不同风向上PM2.5质量浓度存在显著差异性,在N风向和ESE(盛行)风向上均出现了质量浓度较大值,一方面与污染物的异地输送有关,另一方面与济南的特殊地形有关。研究表明,无论污染源在山脉的背风侧还是迎风侧,都很容易导致高浓度污染;尤其在冬季,山脉地形还会加重逆温影响,使污染程度加重。通过相关性研究发现,冬季、春季和秋季,PM2.5质量浓度与相对湿度和平均总云量均呈正相关,与日照时数及其距平呈负相关;冬季,PM2.5质量浓度与平均气温及其距平以及最高、最低气温均呈正相关,与平均、最高、最低气压均呈负相关;春季和秋季,PM2.5质量浓度与气温距平值呈正相关;夏季和秋季,PM2.5质量浓度与日降水量呈负相关,而且随着雨强的增大,对PM2.5的洗消作用越显著。上述变量间相关性均通过了P≤0.01显著性检验。     

北京地区气溶胶PM2.5粒子浓度的相关因子及其估算模型

文中运用统计分析和气象统计预报的方法 ,使用北京白石桥小区的污染物观测资料和同期北京地区的气象观测资料 ,对影响大气污染的气象因子进行了综合分析 ,并分别建立了气溶胶PM 2 .5粒子浓度与气体污染物、气象要素场的两类统计相关拟合模型。发现气溶胶PM2 .5粒子浓度与气体污染物浓度存在不同程度的相关性 ,且与气象条件亦存在显著的相关关系 ,此类时空变化及其量化估算模型具有一定实际应用价值。通过确定气象要素场和气溶胶浓度的关系可进一步研究不同地区的污染物输送和污染源扩散影响的问题。     

北京及周边地区2013年1—3月PM2.5变化特征

2013年1—3月北京及周边地区雾、霾高发,气候特征异于常年。利用2013年1—3月北京及周边地区6个地面观测站观测资料,研究PM_2.5和黑碳 (BC) 的质量浓度、区域分布特征及气象要素的影响情况。结果表明:北京及周边地区PM_2.5污染呈区域性高值、污染局地积累以及由南向北输送的特征。北京上甸子站在雾、霾与清洁期间BC与PM_2.5质量浓度的比值分别为7.1%和10.3%,雾、霾期间低于清洁期间;而河北固城站在雾、霾与清洁期间BC与PM_2.5质量浓度的比值分别为17.5%和11.9%,雾、霾期间明显高于清洁期间。二者相反的比值特征反映在清洁的下游地区雾、霾过程中二次生成的气溶胶所占比例较污染的上游地区偏高。     

Comparison of Submicron Particles at a Rural and an Urban Site in the North China Plain during the December 2016 Heavy Pollution Episodes

An extensive field experiment for measurement of physical and chemical properties of aerosols was conducted at an urban site in the Chinese Academy of Meteorological Sciences (CAMS) in Beijing and at a rural site in Gucheng (GC), Hebei Province in December 2016. This paper compares the number size distribution of submicron particle matter (PM1, diameter < 1 μm) between the two sites. The results show that the mean PM1 number concentration at GC was twice that at CAMS, and the mass concentration was three times the amount at CAMS. It is found that the accumulation mode (100–850 nm) particles constituted the largest fraction of PM1 at GC, which was significantly correlated with the local coal combustion, as confirmed by a significant relationship between the accumulation mode and the absorption coefficient of soot particles. The high PM1 concentration at GC prevented the occurrence of new particle formation (NPF) events, while eight such events were observed at CAMS. During the NPF events, the mass fraction of sulfate increased significantly, indicating that sulfate played an important role in NPF. The contribution of regional transport to PM1 mass concentration was approximately 50% at both sites, same as that of the local emission. However, during the red-alert period when emission control took place, the contribution of regional transport was notably higher.     

Comparison of Two Air Pollution Episodes over Northeast China in Winter 2016/17 Using Ground-Based Lidar

This study analyzes and compares aerosol properties and meteorological conditions during two air pollution episodes in 19–22 (E1) and 25–26 (E2) December 2016 in Northeast China. The visibility, particulate matter (PM) mass concentration, and surface meteorological observations were examined, together with the planetary boundary layer (PBL) properties and vertical profiles of aerosol extinction coefficient and volume depolarization ratio that were measured by a ground-based lidar in Shenyang of Liaoning Province, China during December 2016–January 2017. Results suggest that the low PBL height led to poor pollution dilution in E1, while the high PBL accompanied by low visibility in E2 might have been due to cross-regional and vertical air transmission. The PM mass concentration decreased as the PBL height increased in E1 while these two variables were positively correlated in E2. The enhanced winds in E2 diffused the pollutants and contributed largely to the aerosol transport. Strong temperature inversion in E1 resulted in increased PM_2.5 and PM₁₀ concentrations, and the winds in E2 favoured the southwesterly transport of aerosols from the North China Plain into the region surrounding Shenyang. The large extinction coefficient was partially attributed to the local pollution under the low PBL with high ground-surface PM mass concentrations in E1, whereas the cross-regional transport of aerosols within a high PBL and the low PM mass concentration near the ground in E2 were associated with severe aerosol extinction at high altitudes. These results may facilitate better understanding of the vertical distribution of aerosol properties during winter pollution events in Northeast China.     

Chemical composition of PM2.5 at an urban site of Chengdu in southwestern China

PM2.5 aerosols were sampled in urban Chengdu from April 2009 to January 2010, and their chemical compositions were characterized in detail for elements, water soluble inorganic ions, and carbonaceous matter. The annual average of PM2.5 was 165g m－3, which is generally higher than measurements in other Chinese cities, suggesting serious particulate pollution issues in the city. Water soluble ions contributed 43.5% to the annual total PM2.5 mass, carbonaceous aerosols including elemental carbon and organic carbon contributed 32.0%, and trace elements contributed 13.8%. Distinct daily and seasonal variations were observed in the mass concentrations of PM2.5 and its components, reflecting the seasonal variations of different anthropogenic and natural sources. Weakly acidic to neutral particles were found for PM2.5. Major sources of PM2.5 identified from source apportionment analysis included coal combustion, traffic exhaust, biomass burning, soil dust, and construction dust emissions. The low nitrate: sulfate ratio suggested that stationary emissions were more important than vehicle emissions. The reconstructed masses of ammonium sulfate, ammonium nitrate, particulate carbonaceous matter, and fine soil accounted for 79% of the total measured PM2.5 mass; they also accounted for 92% of the total measured particle scattering.