凉山州工业排放PM10的数值模拟研究

利用CALPUFF耦合MM5的大气扩散模型,对四川省凉山彝族自治州2007年工业排放PM10的扩散传输进行数值模拟,分析了污染物的浓度时空分布以及影响污染物浓度分布的主要因素.结果表明:CALPUFF耦合MM5模型对凉山州2007年工业排放PM10的浓度模拟有着较好的适用性;污染物主要沿着安宁河和黑水河分布,浓度分布特征随时间变化,其中冬季污染较为严重;各市(县)的PM10浓度值有空间差异,西昌和甘洛污染最为严重,季平均浓度分别为67.81μg/m3和57.23μg/m3;凉山州PM10的浓度分布受气象条件、地形和污染源的地理位置的综合影响.     

2007年冬季沈阳典型大气污染源PM10排放模拟

选取沈阳市区9个典型的大气污染源冬季的PM10。排放浓度资料,利用MM5耦合CALPUFF对2007年12月至2008年2月沈阳城市区域气象场和排放PM10。浓度分布进行月平均数值模拟。结果表明：冬季沈阳地区受高压控制,北风较强,并经过增强、减弱的过程,多呈现对大气污染物扩散不利的天气形势。高空为偏西风且风速较大时,地面和高空有明显的风向和风速的切变,切变有增强和减弱的变化。2007年冬季沈阳市区域月平均大气污染最严重的是2月,污染物分布主要集中在南部、东南部地区,南部地区大气污染最为严重。PM10。浓度分布的范围与风场、地形有直接的关系。地势平坦、风速大时,污染物扩散范围大,污染物浓度小;地势不平、风速小时,污染物扩散范围小,污染物浓度大。     

2007年冬季沈阳典型大气污染源PM10排放模拟

选取沈阳市区9个典型的大气污染源冬季的PM10排放浓度资料,利用MM5耦合CALPUFF对2007年12月至2008年2月沈阳城市区域气象场和排放PM10浓度分布进行月平均数值模拟.结果表明:冬季沈阳地区受高压控制,北风较强,并经过增强、减弱的过程,多呈现对大气污染物扩散不利的天气形势.高空为偏西风且风速较大时,地面和...     

气象条件对石家庄PM_(2.5)浓度的影响分析

利用2013~2014年石家庄逐小时PM2.5监测浓度与地面及探空等气象观测资料,从大气的垂直扩散、水平扩散和地面局地环流等方面,探讨气象条件对PM2.5浓度的定量影响关系。结果表明:(1)石家庄PM2.5浓度具有明显的日、月和季节变化特征,早晨08时前后PM2.5浓度最高,下午16时前后浓度最低;冬季PM2.5浓度最高,夏季最低;(2)2 a共出现485 d逆温,其中10~12月出现频率最多,达82.8%~86.2%,逆温致使低层大气垂直运动受阻,不利于污染物扩散;(3)大气混合层高度与PM2.5浓度呈反相关,PM2.5浓度75μg/m3(空气质量优良),对应大气混合层高度平均为1 448 m,而PM2.5浓度≥150μg/m3(空气重污染)的混合层高度降到878 m;(4)受地形影响,石家庄地面风与边界层附近风对污染物的影响明显不同:925 h Pa西南风、地面偏东风不利于污染物扩散;925 h Pa西北风、地面偏西风有利于污染物浓度降低。925 h Pa风速4 m/s、地面偏西风风速2 m/s、地面偏东风风速3 m/s,有利于污染物扩散;(5)降水对污染物有湿清除作用,清除量不仅与降水量有关,还与前期PM2.5浓度有关,且冬季降雪过程对PM2.5的清除作用是降雨的4倍。     

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。     

利用WRF-Chem模拟研究京津冀地区夏季大气污染物的分布和演变

应用WRF—Chem（Weather Research and Forecasting Model with Chemistry）模式模拟研究了2007年8月京津冀地区近地面O3、NO2、PM2.5浓度的时空变化特征,将模拟结果与观测数据进行详细对比,结果表明,模式可以较好地模拟O3、PM2.5,浓度的空间分布和时间变化特征,成功再现了8月33和PM2.5的几次积累增加过程,其中O,的模拟值与观测值的相关系数为0．69～0．86,PM2.5的相关系数为0．44～0．49,但模式对NO2的模拟相对较差,相关系数为0．27～0．43。北京、天津地区为O3月均低值区,月均体积浓度约30×10^-9,渤海及京津冀以西地区O3月平均体积浓度可达60×10^-9;PM2,呈现南高北低的分布特征,变化范围为120～240μg／m3。14时月平均03体积浓度在北京、天津地区低于周边地区,约为60×10^-9;而PM2.5质量浓度在环渤海地区和河北南部较高,为100～120μg/m^3。8月17日北京出现一次典型的高浓度O,污染事件,14时北京地区温度达到33℃,O3体积浓度为80×10^-9～110×10^-9。在局地排放、化学反应和外来输送的共同作用下,渤海西岸和北岸PM2.5的质量浓度超过120μg／m3,其中二次气溶胶质量浓度为50～100μg／m3,一次排放人为气溶胶质量浓度为10～20μg／m3,海盐质量浓度为1～7μg／m3,二次气溶胶是该地区PM2.5的主要贡献者。     

天津城区秋季PM2.5质量浓度垂直分布特征研究

为研究天津大气颗粒物的污染水平和时空分布特征,利用天津大气边界层观测铁塔(255m),分别在40m、120m、220m处设立监测点,通过监测到的PM2.5的质量浓度,结合PM10、能见度等资料来分析污染物的时空分布规律和分布特征.结果表明,天津城区PM2.5污染水平相当严重,日均质量浓度远高于美国1997年制定的65μg*m-3的排放标准.混合层厚度和稳定度的变化对PM2.5浓度变化有一定的影响,随混合层厚度的变化,不同高度PM2.5质量浓度值有所不同.23时至11时,120m浓度明显高于其它各层,11-18时,由于大气扩散能力的增强,三层污染物质量浓度开始下降,而到了18-23时,低层污染物浓度较高,各层浓度总体趋势为120m＞40m＞220m.PM2.5质量浓度的日变化与稳定度的变化较一致.气象条件和早晚出行高峰期的影响导致PM2.5的质量浓度出现峰值.PM10与PM2.5的总体变化趋势基本一致,说明污染物来源基本相同.能见度水平和细粒子污染水平呈现较好的负相关,细粒子质量浓度的高低是决定能见度好坏的主要因子.降水过程是颗粒物从大气中清除的重要机制.     

CALPUFF在沈阳地区大气污染模拟研究中的应用

利用CALPUFF模拟了2006年1月5日沈阳地区大气污染物扩散。结果表明,CALPUFF能够直观、真实地模拟大气环境中污染物浓度的分布。污染物扩散的范围与风速相关,风速大时污染物扩散的范围大,风速小时污染物扩散的范围小。当污染物扩散的范围大时污染源附近的污染物浓度值小,污染物扩散范围小时污染源附近的污染物浓度大。其中,日平均浓度的分布受平均风场和地形的双重影响,实时浓度的分布主要受风场的影响。     

CALPUFF在沈阳地区大气污染模拟中的应用

利用CALPUFF模拟了2006年1月5日沈阳地区大气污染物扩散。结果表明,CALPUFF能够直观、真实地模拟大气环境中污染物浓度的分布。污染物扩散的范围与风速相关,风速大时污染物扩散的范围大,风速小时污染物扩散的范围小。当污染物扩散的范围大时污染源附近的污染物浓度值小,污染物扩散范围小时污染源附近的污染物浓度大。其中,日平均浓度的分布受平均风场和地形的双重影响,实时浓度的分布主要受风场的影响。     

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。     

2010年广州亚运限行减排对大气环境的影响

通过对亚运会、亚残运会期间限行减排各个阶段的广州和相邻城市监测到的污染物浓度以及同期的天气背景进行分析,探讨污染源、城市的地理位置、天气条件和限行减排对亚/亚残运会期间广州大气环境的影响,结果表明:由于人为限行减排、城市的地理位置和气象扩散条件等各种因素综合作用,使得亚运会期间广州统计平均的能见度基本大于10 km;机动车的限行减排对PM10的削减作用不如PM2.5和PM1明显;限行减排对广州O3浓度控制"不敏感",但是会导致浓度峰值时间相对广东东莞出现1小时左右时间"滞后";珠江三角洲(简称珠三角)的大气环境问题呈现区域性,而且污染程度不容乐观,将来对该区域的大气环境治理需要进行长期持续的联防联控。     

中国的PM2.5和对流层臭氧及污染物排放控制对策的综合分析

本文首先对中国PM2.5和近地面臭氧浓度的观测进行了简要的综述;并利用2010-2013年全球对流层臭氧的卫星观测数据给出了对流层臭氧浓度在全球和中国地区的分布特征,其平均值分别为29.78 DU和33.97 DU。然后,利用一个气溶胶大气化学-全球气候双向耦合模式模拟了中国地区PM2.5的浓度分布和季节变化,其年平均值为0.51×10^-8 kg/m³。在此基础上又分析了5种典型气溶胶对PM2.5总浓度在不同季节的贡献。结合IPCC第五次评估报告（AR5）,讨论了气溶胶和温室气体及其前体物的排放与辐射强迫的联系,以及减排大气臭氧前体物和气溶胶颗粒物质（PM）对气候变化的可能影响。指出减排臭氧前体物对气候的影响还不完全清楚,对短寿命的温室气体和黑碳气溶胶的减排是一种短期（未来50年）的辅助措施;为了保证全球平均温度增长不超过2℃,减少二氧化碳的排放仍是我们需要坚持的长期战略。短期和长期的减排战略对于保护环境和减缓气候变化都是至关重要的。     

CALPUFF模型在合肥地区SO2大气环境容量测算中的应用

在对合肥地区污染源调查的基础上,利用CALPUFF模型模拟了合肥地区大气污染物SO₂质量浓度场,通过与现场监测结果对比分析了模型的适用性,并根据模拟结果研究了不同排放源对合肥地区大气污染的贡献情况,建立了大气污染物传递矩阵;通过综合考虑城市区域的大气扩散能力、污染源贡献和大气环境质量目标等,采用线性规划模型测算了合肥市的大气环境容量.     

2005年南京市PM_(10)浓度时间序列分析

根据南京市2005年的PM10日均浓度和气象观测资料,利用Maflab小波分析工具,对PM10浓度的年时间序列进行分析,得出了该地区PM10日均浓度的变化规律：2—5月较大,6-9月较小,10—12月较大;并且全年共有5个突变点。结合HYSPLIT4污染扩散模式,对污染源进行追踪,结果表明：造成南京市大气污染主要有局地污染物的排放和外来污染物的输送两种类型;在垂直方向上,污染物的长距离输送一直稳定在低层。     

辽西北沙化土地起尘量估算及对沈阳大气环境影响的初步研究

辽西北沙化土地面积约为12368 km2。在大风条件下,沙地扬起大量沙尘,在本地和大风经过的地带形成沙尘天气。利用US EPA推荐的地面起尘的半经验公式,估算了辽西北沙地地面尘的排放总量和各季节的排放量。结果表明:辽西北地区起尘量(PM50)为1.38×105t/a,春季起尘量占全年的70.2%。同时以2004年气象资料和空气质量监测数据为基础,利用CALPUFF模拟系统对沈阳市空气质量进行模拟。定量解析了辽西北沙地可吸入颗粒物(PM10)对沈阳空气质量的贡献率,贡献率较大主要集中在春冬季,年平均贡献率为26.9%。%。     

广州市大气能见度影响因子的贡献研究

通过对广州市2004年10月1日~11月5日污染性气体NO2、气溶胶散射系数和吸收系数以及粒子化学成分组成等观测资料的分析,得到了影响广州市大气能见度因子的贡献比例:大气气溶胶散射bsa为75.26%、大气气溶胶吸收baa为12.89%、水汽bsw为5.78%、气体吸收bag为3.68%、大气分子散射bsg为2.38%;给出了不同粒径段气溶胶对散射的贡献比例;然后采用逐步多元线性回归得到了大气干气溶胶散射系数与PM2.5、PM10及化学成分的经验关系式;并给出了广州市区气溶胶的质量散射系数。     

新标准下空气质量预报指导产品对比检验

为了解和掌握上级指导产品对石家庄市空气质量预报的适用性,进一步提高石家庄市空气质量预报的准确性,利用国家气象中心(NMC)、北京区域气象中心(BJ)和河北省气象局(HB)空气质量预报产品,对石家庄市夏季4种主要污染物PM_(2.5)、PM_(10)、O_3和SO_2的预报进行了对比检验,结果表明:1)NMC对4种污染物的预报效果均逊于HB和BJ的,对PM_(10)、PM_(2.5)和SO_2的预报值明显较实况偏大,尤其在发生重污染天气时,对PM_(10)和PM_(2.5)的空报率高达90%以上;2)HB对PM_(10)和SO_2的预报效果好于BJ的,对SO_2的预报值与实况值均在一个等级范围内,发生重污染天气时,对PM_(10)的预报效果好于BJ的,预报值更接近于实况,但对重污染向优、良转折天气的预报值偏高;3)BJ预报PM_(2.5)和O_3的效果好于HB的,对O_3的0级误差级别预报准确率高达90.5%,对PM_(2.5)优到轻度污染等级的预报效果较好,但对重污染天气的预报值低于实况。     

Pollutant dispersion characteristics in Dhaka city, Bangladesh

Air pollution is a major environmental concern in major cities around the world. The major causes of air pollution include rapid industrialization/urbanization and increased non environment-friendly energy production. This paper analyses the atmospheric pollutant such as carbon monoxide (CO) and particulate matter (PM) dispersion characteristics of Dhaka city. The yearly and diurnal variations of pollutant concentration are described by taking into consideration of both meteorological and emission source parameters highlighting washout effect due to rainfall and inversion phenomena. Concentration of PM (both PM2.5 and PM10) and CO in the ambient air are measured for a period of one year with Airmetric Minivol air samplers and Gas Chromatographic (GC) technique, respectively. The trend over the year shows an increase in the monthly average hourly PM and CO concentrations in winter months (November to March) when both PM10 and PM2.5 annual average concentrations (about 130 and 95 ??g m^?3, respectively) exhibit levels exceeding World Health Organization (WHO) guidelines as well as exceed more than twice the national standards of annual PM10 (50 ??g m^?3) and PM2.5 (15 ??g m^?3) concentrations. Such high pollutant concentrations may have significant health implications for residents of Dhaka city. It is also found that the PM concentration increases with the increase of wind speed during dry winter season and is also influenced by transboundary air pollution. The data and subsequent recommendations can be useful in formulating air quality management strategies for the Dhaka city.