银川市可吸入颗粒物(PM10)来源解析

通过对银川市四个季度PM10样品采集和主要排放源(煤烟尘、土壤尘、建筑尘、冶炼尘)样品及地面扬尘样品采集,分析了其中的17种元素含量,用化学元素平衡法(CEB)定量计算了各主要排放源对PM10的贡献。结果表明：四类源之间PM10的元素含量有明显差异,四类源对PM10的贡献之和介于80～90％,平均为86．5％。春、夏、秋季各源贡献率差别不大,冬季差异明显,地面扬尘是PM10的重要来源。说明银川市治理PM10的主要对象是煤烟尘、地面扬尘及周边包括外来沙尘在内的土壤尘。     

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。     

我国若干地区总悬浮颗粒物和沉积尘来源解析

使用受体数学模型中的化学元素平衡法（CEB）对西安市的总悬浮颗粒物和市区地面以及北京郊区、湖北黄石工业区、河南平顶山工业区、陕西枣园的积尘进行了来源解析。结果显示几类源中,土壤上贡献是最主要的,其次是煤烟尘和建筑尘,再次是冶炼尘,汽油尘最小。各源贡献出现的地区、季节差别,主要是与工业活动和人们生活使用的材料和燃料相一致。这些结果反映了我国大气颗粒物来源的基本状况,对大气环境防治有指导意义。     

陕西气溶胶总悬浮颗粒物来源解析

使用受体数学模型中的化学元素平衡法（ＣＥＢ）对西安市３个不同地点和枣园大气气溶胶进行来源解析,以表明陕西地区气溶胶来源的总体水平。结果显示,土壤尘占３５％～６０％,煤烟尘占１５％～３０％,建筑尘占１５％～２５％,冶炼尘占４％～１５％。各源贡献率的差异与工业排放和人类活动很好一致     

南京市主城区大气颗粒物来源探讨

在2005-05-03——05-27期间,用Anderson九级采样器在南京市两个采样点采集大气气溶胶样品,同时进行了部分排放源的采集。用X射线—荧光光谱仪(XRF)分析得到气样及源样中PM10的化学成分,分析了南京市大气气溶胶的元素质量谱分布,进行了PM10的富集因子分析,并应用化学质量平衡法(CMB)计算各类源对气溶胶PM10的贡献。结果表明,各类污染源对南京市气溶胶PM10的贡献率分别为:建筑尘(35.45%)、煤烟尘(22.13%)、土壤尘(20.27%)、硫酸盐(5.43%)、汽车尘(4.61%)、海盐(1.91%)、冶炼尘(1.69%)、其它源(8.51%)。文中还结合了南京市TSP和PM2.5的来源解析结果,分析了南京市不同粒径气溶胶颗粒物的污染特征。     

南京市总悬浮颗粒物（TSP）及地面积尘来源解析

本文使用受体模型中的化学元素平衡法（CMB）对南京市的大气总量浮颗粒物（TSP）来源进行解析研究，同时对地面积尘进行解析，结果表明建筑尘对TSP的贡献为31％－45％，位列第一，其次是煤烟（20％－38％），土壤尘（15％－23％），冶炼尘（＜3％），对地面积尘的解析结果也与TSP相同，该文的结果为污染物的防治提供决策依据。     

常州市大气气溶胶颗粒来源解析

用“化学元素平衡法”对常州市气溶胶来源进行鉴别，结果表明：土壤尘对ＴＳＰ和ＩＰ的贡献率居首位，分别占３０％和４０％，燃煤尘和建筑尘对ＴＳＰ的贡献率各占２５％，对ＩＰ的贡献率，前者为２１％，后者为１７％，钢铁尘，对ＴＳＰ和ＩＰ贡献率分别为２．５％和４．１％，汽油尘对ＴＳＰ贡献率小于１％，对ＩＰ为３．４％。     

武汉市源成分谱特征研究

通过采集武汉市土壤风沙尘、建筑水泥尘、城市扬尘、餐饮源、生物质燃烧源、工业煤烟尘和电厂煤烟尘等7类源样品,并分析其碳组分、水溶性离子组分和无机元素组分,建立PM₁₀和PM_2.5源成分谱.研究表明,地壳元素Si、Ca、Al以及Fe等是土壤风沙尘的主要特征组分,其中Si是含量最高的成分,也是土壤风沙尘的标识组分.无组织建筑水泥尘中Si和Ca元素含量较高,将Ca元素作为无组织建筑水泥尘区别其他源类的重要元素,而有组织建筑水泥尘中OC、SO₄^2-含量比无组织建筑水泥尘高.城市扬尘中Ca的含量相对较高,表明城市扬尘受到建筑水泥尘影响较多.生物质燃烧源成分谱中OC的含量远高于成分谱中其他组分,另外Cl^-和K的平均含量也较高,K一般为生物质源的特征元素.     

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。     

深圳市龙华新区PM2.5气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0.043 mg/m3,全年总超标天数为30 d,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PM2.5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.     

南京市大气细颗粒物化学成分分析

为了解南京大气细粒子的污染水平和污染特征,在南京市中心鼓楼和北郊南京信息工程大学校内进行了连续1a、每季度5d的大气气溶胶同步采样。用称重法、离子色谱法和电感耦合等离子质谱法分别测得细颗粒物的质量浓度、水溶性离子和元素组成。结果表明,南京地区PM2.1污染比较严重,水溶性离子是细粒子的重要组分,所测6种离子质量浓度总和分别占市区和北郊PM2.1的46.99％、42.32％。PM2.1中的各离子最高浓度都出现在冬季。NH^＋4与SO^2-4的相关性好,可能主要以（NH4）2SO4形式存在。温度对SOR和NOR的影响显著,温度升高时SOR值增大而NOR显著减小。通过计算NO^-3与SO^2-4的质量比发现,南京市SO2和NOx主要来自于固定源（如煤的燃烧）。分析细颗粒物中元素含量和富集因子结果表明,Pb、As、Zn、Hg、Cu、Cr、Ni元素的人为污染较明显,且北郊的污染重于市区。比较PM2.1和PM3.3中的离子成分发现,SO^2-4、NH^＋4在PM2.1中占据绝对优势,F^-、Cl^-、NO^-2、NO^-3等不在细粒子中占明显优势。从元素组成来看,Pb、Zn在PM2.1细粒子中含量显著,而Ca、Mg、Na等在粗粒子中富集。     

The Interannual Variation of Transboundary Contributions from Chinese Emissions of PM_(2.5) to South Korea

In recent years,several studies pointed out that anthropogenic emission sources in China which significantly contribute to the PM_2.5mass burden was an important cause of particulate pollution in South Korea.However,most studies generally focused upon a single pollution event.It is rare to see comprehensive research that captures those features prone to interannual variations concerning the transboundary pollutant contribution in South Korea using a unified method.In this paper,we establish the emission inventories covering East Asia in 2010,2015,and 2017,and then conduct the source apportionment by applying a coupled regional air quality model called the Integrated Source Apportionment Module(ISAM).Comparison of simulated and observed PM_2.5mass concentration at 165 CNEMC(China National Environmental Monitoring Center)sites suggests that the PM_2.5concentrations are well represented by the modeling system.The model is used to quantitatively investigate the contribution from emission sources in China to PM_2.5concentrations over South Korea and those features found to be prone to interannual variations are then discussed.The results show that the average annual contribution of PM_2.5has dropped significantly from 28.0%in 2010 to 15.7%in 2017,which strongly suggests that China has achieved remarkable results in the treatment of atmospheric particulates.     

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。     

秸秆燃烧对北京秋季气溶胶浓度和短波辐射影响的模拟研究

利用地面细颗粒物（PM2.5）浓度和气象常规观测资料、地基 AERONET观测资料、GFED生物质燃烧排放清单和大气化学—天气耦合模式WRF-Chem,模拟研究了华北地区2014年10月气象要素和大气污染物的时空演变,重点关注北京10月7～11日的一次重霾事件及其天气形势、边界层气象特征、输送路径、PM2.5及其化学成分浓度变化等特征,以及秸秆燃烧对华北和北京地区细颗粒物浓度和地面短波辐射的影响。与观测资料的对比结果显示,模式可以很好地模拟北京地区地面气象要素和PM2.5质量浓度,考虑秸秆燃烧排放源可以明显改进北京PM2.5浓度模拟的准确性,但在重度污染情况下,模式总体上低估气溶胶光学厚度和高估地面短波辐射。10月7～11日北京地区重霾事件主要是不利气象条件下人为污染物累积和区域输送造成,也受到华北地区南部秸秆燃烧的影响。河南北部、河北南部和山东西部大面积秸秆燃烧释放的气态污染物和颗粒物在南风的作用下输送至北京,秸秆燃烧对北京地区地面PM2.5、有机碳（OC）、硝酸盐、铵盐、硫酸盐和黑碳（BC）的平均贡献率分别为24.6%、36.8%、23.2%、22.6%、7.1%和19.8%,秸秆燃烧产生的气溶胶可以导致北京地面平均短波辐射最大减小超过20 W m－2,约占总气溶胶导致地表短波辐射变化的24%。     

武汉市一次霾污染过程不同发展阶段下水溶性离子来源解析

本文利用气体组分及大气气溶胶在线监测系统(MARGA ADI 2080)观测武汉市2018年1月9—26日大气气溶胶中的8种水溶性离子(NH⁺₄、NO^-₃、SO^2-₄、Cl^-、K⁺、Ca²⁺、Na⁺和Mg²⁺),结合气象要素数据,使用主成分分析(PCA)、正定矩阵因子分析法(PMF)、HYSPLIT后向轨迹模式、潜在源区贡献(PSCF)和浓度权重轨迹(CWT),对霾污染过程中水溶性离子进行了全面的来源解析,探究了霾不同阶段下来源差异和空间分布特征。结果表明:(1)本次霾污染中的8种水溶性离子和4种污染气体,PCA解析出的源和占比分别为二次源和燃煤源的混合源(41.28%)、工业排放和土壤扬尘混合源(27.73%)和机动车排放源(9.63%),PMF解析出的源和占比分别为燃煤与土壤扬尘混合源(18.57%)、机动车排放源(20.74%)、二次源(18.30%)、光化学污染源(22.24%)和燃煤源(20.15%)。(2)霾在不同阶段下水溶性离子和4种污染气体的来源存在差异,在清洁天和霾消散阶段,光化学的贡献最高,占比分别为31.42%和36.07%;在霾发生阶段燃煤与土壤扬尘源的贡献最高,其贡献为40.94%;在霾发展阶段,最大的控制源为二次源,贡献占比为37.51%。(3)此次武汉市霾污染中PM_2.5浓度和NH⁺₄、NO^-₃和SO^2-₄的潜在源区为皖豫鄂三省和赣湘鄂三省交界处。霾污染中PM_2.5的主要影响范围是武汉市南部和北部省份,NO^-₃、NH⁺₄和SO^2-₄的主要影响区域为武汉市东北方向的城市、湖南省和江西省。     

STUDY OF THE VERTICAL WIND FIELD STRUCTURE AND ITS RELATIONSHIP WITH PM2.5 AIR POLLUTION OVER THE PEARL RIVER DELTA IN AUTUMN

Meteorological conditions, particularly the vertical wind field structure, have a direct influence on the PM2.5 concentrations over the Pearl River Delta (PRD). In October 2012, an exceptional air pollution event occurred in the PRD, and a high concentration of PM2.5 was registered at some stations. During days with PM2.5 air pollution, the wind speed was less than 3 m s-1 at the surface, and the vertical wind field featured a weak wind layer (WWL) with a thickness of approximately 1000 m. The mean atmospheric boundary layer height was less than 500 m during pollution days, but it was greater than 1400 m during non-pollution days. A strong negative correlation was detected between the PM2.5 concentration and the ventilation index (VI). The VI was less than 2000 m2 s?1 during PM2.5 air pollution days. Because of the weak wind, sea–land breezes occurred frequently, the recirculation factor (RF) values were small at a height of 800 m during pollution days, and the zones with the lowest RF values always occurred between the heights of 300 and 600 m. The RF values during PM2.5 pollution days were approximately 0.4 to 0.6 below a height of 800 m, reducing the transportation capacity of the wind field to only 40% to 60%. The RF and wind profile characteristics indicated that sea–land breezes were highly important in the accumulation of PM2.5 air pollution in the PRD. The sea breezes may transport pollutants back inland and may result in the peak PM2.5 concentrations at night.