北京地区PM2.5的成分特征及来源分析

选用2003—2004年初PM_2.5连续观测资料，统计分析了北京地区PM_2.5的特征、PM_2.5与PM₁₀以及PM_2.5与地面气象要素的相互关系。结果表明:四季中夏季PM_2.5浓度最低，冬、春两季浓度较高。PM_2.5与PM₁₀比值平均为0.55，非采暖期两者比值为0.52，采暖期两者比值为0.62；夏季该比值主要分布在0.3~0.6之间，春、秋两季该比值分布在0.3~0.8之间，冬季采暖期该比值分布在0.4~0.9之间。PM_2.5与PM₁₀比值日变化与气象条件日变化、人们日常生活习惯密切相关，沙尘天气和交通运输高峰期扬起地面粗颗粒物会导致PM_2.5在PM₁₀中的比例下降，而冬季取暖以及夏季光化学反应则会引起PM_2.5的比例升高。PM_2.5的浓度与地面气象要素中本站气压、相对湿度和风速有很好的的相关性，与气温的相关性较差。SO₄2-，NO₃-和NH₄+为北京地区PM_2.5中主要离子。PMF源解析方法确定了北京地区5类细粒子污染源，分别是:土壤尘、煤燃烧、交通运输、海洋气溶胶以及钢铁工业。     

唐山市PM2.5和O3行业来源解析

京津冀位于华北平原腹地,面临着严重的空气污染问题,尤其是河北省的重点工业城市唐山,长期位于全国空气质量最差的前十名。为改善空气质量,过去的十多年间我国颁布实施了多项污染防治计划,但唐山的PM_2.5和夏季O₃浓度仍超国家标准。为此,使用WRF(Weather Research and Forecasting Model)-CMAQ(Community Multiscale Air Quality Model)模型量化了唐山市2020年PM_2.5和O₃浓度的行业贡献并分析其协同控制可行性。工业源对唐山市PM_2.5浓度贡献最大,约占45%,其次是居民源约占16%。冬季能源、居民源和农业源占比为全年最高,分别达17%、19%和11%。O₃浓度的背景值约占一半以上,4月占比最高。在非背景值中,唐山O₃浓度最大来源为工业源,约占53%,其次是交通源,约占22%。生物源、交通源和能源行业的贡献在7月有所上升,分别约10%、27%和20%。不同污染情...     

潮州市区PM2.5的变化特征及与气象要素关系

利用潮州市2014—2020年空气质量逐小时质量浓度数据,分析了PM_2.5质量浓度的年、月、日变化特征,并结合相应时段的潮州国家站气象资料,分析了PM_2.5质量浓度与气象要素的关系。结果表明：2014—2020年潮州市区PM_2.5年平均质量浓度、超标出现日数均呈下降趋势。PM_2.5质量浓度具有明显的月和季节变化特征,其峰值出现在3月、谷值在6月,秋冬春季的质量浓度较高及超标日较多,尤其是1—4月份,需加强PM_2.5污染防控。二级和轻度污染质量浓度的日变化呈双峰型分布,主峰在20:00,次峰在01:00;中度污染质量浓度出现3个峰区,第1峰在01:00、第2峰在21:00、第3峰在09:00,各级最低谷均出现在14:00—15:00。各级质量浓度对应的气象条件有较大差异,其中一级时平均雨量较大、气温较高、风速较大;超标时平均雨量较小、气温较低、风速较小;二级处于一级和超标之间。日雨量1 mm以下、平均气温15～20℃之间、风速≤1.5 m/s时,平均质量浓度及超标率较高。西风及静...     

京津冀周边秸秆燃烧对PM2.5无机组分影响

华北平原是我国主要农作物产区,田间秸秆焚烧现象普遍存在,选取秋收季节（2014年10月）分析了秸秆燃烧的排放特征,利用区域化学传输模型WRF-Chem模拟研究了燃烧排放对气态前体物及其氧化产物的影响,以及最终导致的PM_2.5中硫酸盐、硝酸盐和铵盐的变化。研究表明:2014年秋收季节,河南和山东等省份的秸秆燃烧排放会在东南风的输送作用下影响京津冀地区;秸秆燃烧排放大量挥发性有机物（VOCs）,导致火点源及周边地区大气中主要氧化剂浓度上升,提升了区域大气氧化能力;当携带大量VOCs的秸秆燃烧烟羽与以化石燃料排放为主的城市气团相混合时,大气氧化性增强会加速城市地区人为源排放的NO_x和SO₂等气态前体物的氧化过程,提高硫酸盐和硝酸盐的形成速率、促进二次无机气溶胶的生成。     

太原冬季PM2.5中有机碳和元素碳的变化特征

2005年12月—2006年2月在太原市区持续观测了气溶胶细粒子PM_2.5, 并应用Sunset碳分析仪进行了有机碳 (organic carbon, OC) 和元素碳 (elemental carbon, EC) 的测定。结果表明:太原冬季PM_2.5, OC和EC浓度均较高, 其中PM_2.5日平均浓度变化范围为25.4~419.0 μg/m3, 日平均浓度为193.4±102.3 μg/m3, OC平均浓度为28.9±14.8 μg/m3, EC平均浓度为4.8±2.2 μg/m3, OC/EC平均比值是7.0±3.9, 即太原市冬季PM_2.5和碳气溶胶污染严重。OC在PM _2.5中占18.6%, EC占2.9%, 这表明碳气溶胶是太原大气细粒子污染控制的关键组分。在太原市冬季, 采暖燃烧的煤是OC和EC的主要贡献源, 造成OC大大高于EC, 从而使OC/EC比值增大。各种气象条件对PM_2.5, OC, EC和OC/EC比值的变化都有不同程度的影响, 特别是大雾天气、相对湿度、风速和降雪是影响碳气溶胶浓度变化的重要因素。     

2013～2020年北京市城区PM2.5及其化学组分正增长机制研究

2013年以来,北京市城区细颗粒物(PM_2.5)质量浓度年均值呈逐年降低趋势,但PM_2.5重污染事件仍旧频发,污染出现快速甚至爆发增长的成因和理化机制仍存在诸多不确定性。基于北京市城区2013～2020年常规气象要素、PM_2.5及其化学组分观测资料,分析了PM_2.5在缓慢、快速和爆发三种增长机制下的颗粒物浓度和组分的阈值及其与气象条件的相关关系。结果表明,2013～2020年,北京市城区PM_2.5在增长时段(1～24 h间隔)中平均累积速率呈逐年放缓的趋势,大气污染累积阶段中缓慢增长的比重逐年升高。在判别标准逐渐严苛的前提下,爆发增长的比重逐年变化不大(4%～7%)。2013～2016年爆发增长的PM_2.5浓度阈值为62μg m^-3,2017年后,该阈值严苛至45μg m^-3。82μg m^-3为2018年以来极易出现PM_2.5爆发增长的界限值,高于此值后爆发增长的概率将...     

石家庄市采暖期与非采暖期PM2.5中多环芳烃的来源解析及健康风险评价

为研究石家庄市采暖期与非采暖期大气细颗粒物(PM_2.5)中多环芳烃(Polycyclic Aromatic Hydrocarbons,PAHs)的污染特征及其人群健康效应,采集了石家庄市2017年1月—2019年12月每月10—16日PM_2.5样品,使用气相色谱-质谱联用仪测定PM_2.5中优先控制的16种多环芳烃的浓度,分析采暖期与非采暖期PM_2.5中多环芳烃的污染水平及组成特征,利用特征比值法和主成分分析法对其来源进行定性判断,并采用健康风险评估模型以及预期寿命损失评估多环芳烃对人群的健康风险。结果表明：(1)PM_2.5及其中多环芳烃浓度平均水平在采暖期分别为106.00μg/m³、44.17 ng/m³,非采暖期分别为73.00μg/m³、40.17 ng/m³。16种多环芳烃中含量最高的是苯并[a]芘,其次为苯并[k]荧蒽、苯并[b]荧蒽、?。多环芳烃单体环数越高其致癌作用越强,不同环...     

泸州市城区PM2.5与地面烟炉增雨消霾关系浅析

利用泸州市2018~2020年的空气污染监测数据,气象数据,地面烟炉增雨消霾作业数据,用统计归纳方法研究了泸州市城区PM_2.5与地面烟炉增雨消霾的关系。结果表明：进行增雨消霾作业是十分有效的,作业后PM_2.5等级均有降低,递减等级情况为：递减1级有10个,2级有22个,3级有11 个,PM_2.5递减率从8.51~56.02%;建立PM_2.5与地面烟炉增雨作业模型F(P) = 0.3998*R + 0.0761*A − 0.0202*S −0.0012*m + 2.38,R^₂ = 0.6323,通过了a = 0.05的F检验;通过3个地面烟炉增雨作业站点进行人工增雨作业,可以成功降低PM_2.5。     

肇庆市PM2.5重污染天气形势及冬季典型污染过程输送特征研究

为了揭示肇庆市颗粒物重污染过程的发生与发展规律,利用2013—2014年PM_2.5监测数据,分析该区域两年间的空气质量整体变化情况以及PM_2.5污染过程的季节变化规律,统计两年间所有颗粒物重污染过程,并根据污染过程的天气形势展开分析,运用空气质量数值模型（WRF-Chem）对冬季一次典型重污染过程进行模拟研究。结果表明,肇庆2013—2014年共发生27次PM_2.5重污染过程且主要出现在秋冬季,结合气象场的分布特征,总结出四种诱发重污染过程发生的天气形势,分别是高压出海型（48%）、热带低压型（22%）、锋面影响型（19%）及冷高压控制型（11%）。在四种天气形势的影响下,肇庆整体风向以东南风和南风为主,大气处于静稳状态,导致污染物的积累并诱发重污染过程。WRF-Chem模拟结果进一步发现,不利气象条件及本地排放源是造成肇庆冬季重污染过程发生的主要原因。结合四维通量模型对肇庆边界污染物输送情况进行定量分析后发现,肇庆PM_2.5以输出为主,其中硝酸盐与氨盐的输出通量较大。此外,模型还揭示了肇庆境内的主要污染物输送通道呈东南-西北走向,外地输入的污染物也通过此通道影响肇庆的空气质量      

基于卫星遥感AOD的华北地区2003—2014年PM2.5浓度时空分布特征

华北及周边地区PM_2.5造成的污染, 近十年来引起了社会的广泛关注, 也是科学研究的重要领域。利用2003—2014年的卫星遥感MODIS AOD数据和2014—2015年的地面观测PM_2.5浓度数据, 采用聚类分析、混合效应模型、EOF分解等统计分析方法, 反演了2003—2014年华北及周边地区PM_2.5浓度, 分析其时空分布特征。主要结论如下:(1)卫星遥感MODIS AOD与地面观测PM_2.5值有较高的相关系数, 可利用MODIS卫星遥感AOD对地面观测的PM_2.5浓度进行反演; (2)华北地区PM_2.5浓度呈现出明显的空间分布特征:太行山脉是污染强弱明确的分界线, 山脉东南部的污染显著高于西部, 且在地势变化的地方出现明显的突变; 河北南部、河南北部和山东西北部分区域是污染最严重的地区; (3)2004年、2009年以及2013年后都是污染浓度比较低的年份。      

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。     

南京市PM2.5物理化学特性及来源解析

在夏、冬两季,分别在南京市4个站点进行为期7天的气溶胶PM2.5采样,同步采集并分离主要排放源的PM2.5样品,用X射线荧光光谱仪(XRF)分析得到气样及源样中PM2.5的化学成分,对南京市PM2.5的物理化学特性、富集因子进行了分析,并应用化学质量平衡法(CMB)计算各类源对气溶胶PM2.5的贡献。结果表明,南京市PM2.5的夏、冬平均值分别为69.1、139.5μg.m-3,PM2.5/PM10的全年平均值为63.9%;富集成分中,S、As、Zn、Pb等主要来源于人为污染源,Na则主要来源于海洋。来源解析的结果表明,各类污染源对南京市气溶胶PM2.5的贡献率分别为:扬尘37.28%、煤烟尘30.34%、硫酸盐9.87%、建筑尘7.95%、汽车尘2.98%、冶炼尘2.57%、其他源9.01%。作者还对扬尘中的PM2.5进行了来源解析。     

2014-2017年华北平原PM2.5组分消光与能见度对比研究

华北平原大气污染与低能见度状况一直是人们关切的问题.本文通过分析2014-2017年PM2.5化学成分的浓度和消光效果,研究了华北平原典型城市保定市的大气污染特征.结果表明,PM2.5组分的年均浓度显示下降趋势,水溶性无机离子,碳质气溶胶和金属元素分别减少了11 μg m-3,23μgm-3和1796 ng m-3.N...     

汕头市PM2.5的气象要素影响分析及预报研究

利用2014—2017年汕头市PM_2.5的日浓度资料、以及汕头市国家基准气象观测站的同期地面气象资料,重点分析了汕头市PM_2.5浓度的变化特征以及风、混合层厚度、降水等气象条件对PM_2.5浓度的影响,同时探讨了污染物浓度变化的成因。在此基础上,根据汕头市的气候特点,采用BP （Back-Propagation）人工神经网络方法针对汛期和非汛期分别建立了PM_2.5质量浓度预报模型。结果表明：与多数内陆城市不同,汕头市PM_2.5浓度日变化为单峰型,这与汕头地处沿海受海陆风影响有关;PM_2.5浓度日峰值出现在08时左右,除早高峰污染物排放增加的因素外,与早晨时段的低风速环境有关;PM_2.5日均浓度随着风速的增大呈现减小趋势,PM_2.5日均浓度与08时混合层厚度显著相关（相关系数为-0.143）;汕头市非汛期PM_2.5浓度比汛期高,这与汕头市的亚热带季风气候特征有关,汛期各量级降水（暴雨以上除外）对PM_2.5的清除效果无明显差别,而非汛期降水对PM_2.5浓度有明显清除作用;BP人工神经网络模型的预报效果表明,汛期和非汛期的PM_2.5级别命中率TS分别为100%和90.3%,准确指数分别为87.7%和89.9%,总体预报效果良好。不同时期预报模型出现正误差的数量和程度均大于负误差,汛期预报模型在有强降水发生时误差较大,而非汛期预报模型在有冷空气入侵时误差较大。     

成都典型秸秆燃烧季节PM2.5中化学成分研究

采集2012年春季和秋季成都城区的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)样品,分析得到水溶性离子、有机碳(OC)和元素碳(EC)等化学成分。结果表明,春季和秋季PM2.5的浓度分别为101±64μg m~(-3)和88±30μg m~(-3),是环境空气质量标准(GB3095-2012)日均值的1.3倍和1.2倍。基于K~+、OC/EC(OC浓度/EC浓度)和K~+/EC(K~+浓度/EC浓度)指标判别生物质燃烧事件,结果发现春、秋季生物质燃烧期间PM2.5中OC、EC和K~+、Cl~-等成分明显高于非生物质燃烧期;SO_4~(2-)、NH_4~+、Ca~(2+)、Mg~(2+)、NO_3~-、Na~+等其它水溶性离子浓度在生物质燃烧期均有不同程度升高。春、秋季生物质燃烧期间OC浓度分别是非生物质燃烧期的4.2倍和1.8倍,EC为非生物质燃烧期的2.3倍和2.3倍。K~+和Cl~-浓度在春季生物质燃烧期超过平均值的3倍,在秋季生物质燃烧期超过平均浓度的0.8倍和0.9倍。     

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。     

预估PM2.5的变化

人类赖以生存的大气环境受到人类燃烧化石燃料和汽车尾气排放等人为活动的影响,其中大气中直径≤2.5μm的颗粒物(particulate matter)被称为PM2.5,由于其来源多样,生成理化过程复杂,有的PM2.5可能会因为带有毒性而引起人们的重视。全球对PM2.5的长期观测记录较少,近些年美国宇航局转发了加拿大两位科学家的研究,他们根据美国宇航局的卫星资料反演得到2001—2006年平均全球PM2.5浓度分布(图1),从图中可以看到,从中国东部到非洲北部撒哈拉沙漠是PM2.5的大值区,即包括中国东部和西北地区、印度半岛、阿拉伯半岛和非洲北部撒哈拉沙漠是PM2.5浓度大值区。这一反演结果虽然为我们提供了一个较好的参考,但是     

Projection of PM2.5 and Ozone Concentration Changes over the Jing-Jin-Ji Region in China

Based on GISS-E2-R model simulations, the changes in PM2.5 and ozone concentrations during 2016– 35 are analyzed over the Jing-Jin-Ji region under different future emissions scenarios: 2.6, 4.5, 6.0, 8.5 Representative Concentration Pathways scenarios(RCP2.6, RCP4.5, RCP6.0, and RCP8.5), compared to the baseline periods of 1851–70(pre-industrial) and 1986–2005(present day). The results show that PM2.5 increases under all emissions scenarios, with the maximum value occurring in the southeastern part of the region under most scenarios. As for ozone, its concentration is projected to increase during 2016–35 under all emissions scenarios, compared to the baseline periods. The temporal evolutions of PM2.5 and ozone show PM2.5 reaching a peak during 2020–40, while ozone will likely increase steadily in the future.     

黄石市大气PM10和PM2.5质量浓度特征研究

利用2015年黄石市5个监测站点可吸入颗粒物(PM10)和细颗粒物(PM2.5)的在线监测数据和风向、风速、气温、气压等常规地面气象要素观测资料,分析了黄石市大气PM10和PM2.5的质量浓度水平分布特征及其与气象参数的关系。结果表明:2015年黄石市5个监测站点大气PM10和PM2.5年均浓度范围分别为95.8—108.6μg·m^-3和64.3—68.9μg·m^-3,均超过国家二级标准;季均质量浓度呈现显著的冬季高夏季低的变化规律,冬季PM10和PM2.5的质量浓度分别为(143.9±62.2)μg·m^-3和(95.5±44.5)μg·m^-3,夏季PM10和PM2.5的质量浓度分别为(75.2±24.0)μg·m^-3和(50.7±17.3)μg·m^-3。5个监测站中,下陆区、西塞山区和铁山区的PM10和PM2.5颗粒物污染较为严重;各站点大气PM10和PM2.5质量浓度显著相关。大气颗粒物浓度与气象因素的分析显示,黄石市大气颗粒物浓度与气温呈显著的负相关关系,与气压呈正相关关系,与风速和相对湿度的相关性不显著,受风向影响变化较大。