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.     

2007和2008年夏季北京奥运馆大气PM10与PM2.5质量浓度变化特征

为了监测北京奥运主场馆附近大气颗粒物的污染状况以及评估奥运污染源减排措施对北京大气颗粒物质量浓度变化的影响,利用颗粒物在线监测仪器TEOM于2007年和2008年夏季,在奥运主场馆附近的中国科学院遥感应用研究所办公楼楼顶对大气颗粒物PM₁₀和PM_2.5进行了连续同步观测。结果表明,2007年夏季监测点附近大气PM₁₀与PM_2.5质量浓度的平均值分别为153.9和71.2μg·m^-3,而2008年夏季PM₁₀与PM_2.5质量浓度的平均值分别为85.2和52.8μg·m^-3。与奥运前一年同时段相比,奥运时段大气PM₁₀和PM_2.5的质量浓度分别下降44.5%和25.1%。对比分析奥运前后的2次典型污染过程发现,空气相对湿度的增加和偏南气流输送的共同影响易造成大气颗粒物的累积增长,而降雨的湿清除作用和偏北气流则会使大气颗粒物浓度迅速降低。在相近的气象条件下,奥运前后的污染过程中,大气细粒子的日均增长速率分别为25.1和13.9μg·m^-3·d^-1,而大气粗粒子的日均增长速率分别为20.8和2.2μg·m^-3·d^-1,奥运时段污染累积过程中大气粗、细粒子的增长速率分别显著低于和略低于奥运前同时段污染过程中颗粒物的增长速率。污染源减排措施的实施是奥运期间大气颗粒物质量浓度降低的主要原因,从控制效果来看,奥运期间实施的污染源减排措施对大气粗粒子的控制效果明显好于大气细粒子。     

苏南三市秋冬季PM2.5中水溶性离子和元素特征及源解析

2010年11月16日至12月17日在南京、常州、苏州三城市设置采样点,24 h采集大气PM_2.5样品,并测定其水溶性无机离子和元素的浓度,在此基础上讨论PM_2.5及无机组分的时空分布特征。结果表明,采样期间,PM_2.5污染较严重,且苏州最重,常州次之,南京最轻,南京、苏州、常州日均浓度分别是国家二级标准(75 μg/m³)的1.44、2.32、1.53倍;三市PM_2.5离子组分中,阴离子均以SO₄^2-和NO₃^-为主,阳离子以Ca²⁺和Mg²⁺为主;苏州Na⁺和Cl^-之间的相关性较高,其受到海盐输送影响较大;三城市PM_2.5中Ca是最主要元素,Al次之。运用主成分法分析南京、常州和苏州PM_2.5的来源可知,三城市PM_2.5受多个污染源影响,包括生物质燃烧、地表扬尘、五金工业及汽车尾气排放等。     

长三角地区城市O_3和PM_(2.5)污染特征及影响因素分析

O_3和PM_(2.5)是影响长三角地区空气质量的主要污染物。利用2016年33个城市大气环境监测站6项污染物的小时浓度及4个省会城市的气象数据进行统计分析,研究了该地区O_3和PM_(2.5)浓度的时空分布特征及其影响因素。结果表明:长三角地区O_3年平均浓度为50～73μg·m~(-3),平均为61μg·m~(-3);除芜湖和宣城外,其余31城市均存在不同程度的超标状况,超标率为0.34%～18.86%,平均为5.68%。O_3在5月和9月达到浓度高值;四季O_3日变化均呈单峰型,峰值出现在15∶00,夏季O_3峰值浓度最高值为157μg·m~(-3)。O_3浓度沿海城市整体高于内陆城市;夏季宿迁—淮安—滁州片区O_3污染较重。O_3与NO_2、CO显著负相关,且与NO_2相关性较强;O_3与气温、日照时数显著正相关,与相对湿度、降水呈负相关。PM_(2.5)年平均浓度在25～62μg·m~(-3)范围内,平均为49μg·m~(-3);各城市均出现PM_(2.5)超标,滁州PM_(2.5)超标率最大,为23.91%。PM_(2.5)在3月和12、1月达到浓度峰值;其日变化呈双峰型,09∶00—10∶00和22∶00—23∶00达到峰值。冬季徐州PM_(2.5)浓度最高,为102μg·m~(-3)。PM_(2.5)与NO_2、CO、SO_2、PM_(10)显著正相关,与气温、风速、降水负相关。     

成都市PM2.5污染特征及其与地面气象要素的关系分析

为了解成都市PM_2.5污染特征及其与地面气象要素的关系,利用环境空气质量监测资料和地面气象观测资料,分析了PM_2.5质量浓度的季节、月和日变化特征,并分不同空气质量等级分析空气质量与地面气象要素的关系。结果表明：PM_2.5质量浓度具有明显的季节、月和日变化特征,且成都市区6个监测站的变化趋势比较一致;成都市相对湿度较大,地面风速较小,约62%的样本分布在相对湿度80%~100%,约85%的样本分布在地面风速0~2 m·s^-1,地面风速对成都市PM_2.5的水平输送、扩散、稀释不利;降水对PM_2.5的清除量随PM_2.5初始浓度、降雨持续时间和累积降雨量增加而增大。     

武汉市冬季灰霾期PM2.5中水溶性无机离子的特征

2018年1月,利用颗粒物采样器采集武汉市大气PM_2.5样品并进行水溶性无机离子（F^-、Cl^-、NO₃^-、SO₄^2-、Na⁺、NH₄⁺、K⁺、Mg²⁺、Ca²⁺）的分析.结果表明,NO₃^-、SO₄^2-、NH₄⁺是PM_2.5中最主要的3种水溶性无机离子,除Mg²⁺与Ca²⁺外,PM_2.5与WSⅡs （水溶性无机离子）之间的相关性显著,且移动源贡献占主导地位.阴阳离子平衡表明武汉市冬季灰霾期PM_2.5呈中性或弱酸性.通过混合单粒子拉格朗日综合轨迹模式模拟并采用分层聚类得出了4种主要的后向气流轨迹及相应的PM_2.5和水溶性离子浓度,结果表明区域传输对此次灰霾期影响较大.     

北京一次持续性雾霾过程的阶段性特征及影响因子分析

利用北京地区高时间分辨率观测资料对2009年11月3—8日一次持续性雾霾天气过程中的气象因素和气溶胶演变特征进行了分析。结果表明,该次雾霾过程具有明显的阶段性特征,前期以霾为主,中期发展为雾霾交替,后期随着相对湿度减小再次转换为霾并最终消散。边界层逆温是低能见度过程形成的必要条件,但并不最终决定雾霾低能见度强度。相对湿度和PM_2.5浓度是决定能见度大小的两个关键影响因子,对能见度的影响体现出阶段性特征。大部分时段PM_2.5浓度是影响能见度的主要因子,当能见度小于1 km时,能见度变化更多受相对湿度影响。不同的情景计算表明,控制PM_2.5浓度对于改善本次过程的能见度有重要作用。     

大气物理过程方案对PM2.5预报的敏感性试验

利用WRF-Chem大气化学模式,选择2015年12月中旬发生在我国的大范围空气污染过程,在采用同样化学方案条件下,针对模式中不同物理过程及其参数化方案开展了地面PM_(2.5)预报的敏感性试验。结果表明:该模式能较好展示此次PM_(2.5)污染的演变过程,与实况也较接近,但对青海经宁夏至内蒙的PM_(2.5)高值区出现了漏报现象,这可能是模式外边界未对污染物做更新所致。对地面PM_(2.5)的预报,各物理过程的敏感度不同,边界层(含近地面层)过程的影响要明显大于积云对流及微物理过程的影响,不同的参数化方案会造成不同的预报误差。边界层过程QNSE和与其配套的近地面层方案的组合是预报的较佳组合;而TEMF和与其配套的组合以及ACM2和Pleim-X的组合则不佳。合理的物理过程参数化方案有助于提高PM_(2.5)预报质量。模式预报对排放源也有适应过程,其Spin-up时间较气象要素长。     

武汉市冬季典型重污染过程的污染特征和来源解析

2018年1月我国中部及东部地区多个省份出现持续多天的重污染天气.本研究综合分析了2018年1月18-22日武汉市发生的一次重污染过程的气象条件、污染特征及成因.监测数据显示,在此次PM_2.5重污染过程中,武汉市城区PM_2.5小时均值超过150 μg/m³.污染期间PM_2.5以0.5 μm以下粒子变化为主,除了不利的天气形势外,机动车、燃煤是造成重污染的重要原因,北部的河南省、东北部的安徽省以及湖北省黄冈市等省市的污染输送加重了武汉的污染程度.     

北京地区供暖季两次重污染过程气象条件对比

为对比分析北京地区供暖季期间两次重污染过程的影响因素,利用气象常规和非常规资料、环保监测站观测资料分析了2016年11月2—5日（以下简称“2016年过程”）和2018年3月11—14日（以下简称“2018年过程”）两次重污染过程的气象条件。结果表明：2018年过程与2016年过程天气尺度高低层天气影响系统类似,地面平均风速均为1.5 m·s-1,大气水平扩散条件基本相似,边界层风场的分布及风速大小基本一致,但2018年过程低层暖气团影响高度达2 km以上且逆温强度很大,大气垂直扩散条件更不利于污染物的扩散;2018年过程PM2.5浓度较2016年过程污染最重单站峰值浓度偏低30.2%,全市平均浓度也较其略低,且未出现爆发性增长阶段,浓度积累增长平缓;2016年过程一氧化碳（CO）出现爆发性增长,4 h浓度上升接近1 000 μg·m-3,峰值浓度为3 179 μg·m-3,黑碳（BC）浓度持续较高且峰值浓度为19 939 ng·m-3;2018年过程期间CO峰值浓度较2016年过程下降24.6%,且未出现爆发性增长阶段,BC有一定日变化特征,峰值浓度为4 228 ng·m-3,远远低于2016年过程。两次重污染过程发生在基本相似的气象条件下,2018年的垂直扩散能力更为不利,但从细颗粒物和一次排放污染物对比来看,2018年过程多种污染物浓度显著下降、平均浓度明显降低,这与人为减排限排等因素密切相关。     

新冠肺炎疫情时期四川盆地大气污染成因分析

由于新型冠状肺炎病毒(COVID-19)的爆发,中国从2020年春节起实施了限制出行、交通管制等一系列措施,污染物排放量大幅度减少,但四川盆地区域仍出现了多次轻度空气污染事件。本文结合空气质量观测数据与WRF-Chem模式模拟分析了疫情封控减排时期四川盆地污染的时空分布及成因。四川盆地区域二氧化氮(NO₂)因人为活动减排从35.0μg·m^-3下降至20.2μg·m^-3,减少比例约为40%～60%,而臭氧(O₃)因NO_X-VOCs-O₃的非线性关系以及四川盆地区域氮氧化物(NO_X)、挥发性有机物(VOCs)排放与减排的不均衡反而从27.5μg·m^-3上升至41.4μg·m^-3,在重庆甚至增幅高达100%,进而促进了四川盆地区域气态污染物的氧化和二次细颗粒物的生成。疫情减排对污染的影响存在较为显著的区域差异,在成都、重庆地区,二次污染的生成一定程度上抵消了一次污染物减排的影响,二次污染物与一次污...     

2020年新冠肺炎疫情管控期江苏省大气污染物浓度变化特征

利用江苏省大气环境监测站点的大气污染物监测数据,分析了2020年初新冠肺炎疫情管控期间(2—3月)主要大气污染物浓度的变化特征。结果显示,相比于2019、2020年疫情管控期间PM_2.5、PM₁₀、NO₂、SO₂、CO浓度的全省平均降幅分别为37.5%、36.9%、31.9%、28.2%和21.2%。严格管控期的2月和生产恢复期的3月,江苏省十三市PM_2.5、PM₁₀浓度同比降幅大致相当,呈现出较好的时间连续性和空间均匀性。但各市臭氧浓度同比变化呈现出较大的时空差异。空间上,沿江以南城市南京、无锡、常州、苏州和镇江五市臭氧浓度明显上升,而其他城市臭氧浓度以下降为主;时间上,2月南京等九市臭氧浓度上升,3月徐州等八市臭氧浓度持平或者下降。假设未发生新冠肺炎疫情以及未采取为阻断疫情蔓延而实施的种种举措,在仅考虑近年来大气污染防治政策持续实施的情况下,与预期降幅相比,疫情管控对NO₂实况浓度降幅的影响最大,其次是PM_2.5     

2013-2015年合肥市PM2.5重污染特征研究

综合利用中国环境监测网公布的合肥市2013-2015年大气污染物浓度数据和合肥市气象站的常规气象资料,以及激光雷达探测资料、公益性行业（气象）专项（GYHY201206011）获得的气溶胶离子成分分析结果,分析了合肥市PM_2.5重污染（日均浓度>150 μg/m3）特征。结果表明:（1）2013-2015年,合肥市PM_2.5浓度和重污染天数空间分布差异明显,东北部多、西南部少,1月各站差异最大。除了低浓度日（日均浓度≤35 μg/m3）,PM_2.5浓度都存在明显的日变化,午后低、早晚高,且随着污染程度加重,早上峰值出现时间推后。（2）重污染日臭氧以外的气态污染物浓度都显著上升。（3）重污染日常伴随着霾和轻雾天气,以稳定、小风天气为主,重污染日白天相对湿度偏高、风速偏小,600 m以下的消光系数显著增大且峰值高度降低。（4）重污染日PM_2.5中水溶性无机离子含量增高,其中NO₃-含量的占比增加最多,超过了SO₄2-的占比。      

武汉大气能见度与PM2.5浓度及相对湿度关系的非线性分析及能见度预报

武汉作为中部地区高湿度代表城市,大气污染严重,霾天气多发,但有关该地区大气能见度与PM2.5浓度及相对湿度(RH)的定量关系尚不明确。利用2014年9月—2015年3月武汉地区逐时能见度、相对湿度及颗粒物质量浓度观测数据,研究分析了武汉大气能见度与PM2.5浓度及相对湿度的关系,并进行能见度非线性预报初探,得到以下结论:武汉霾时数发生比例高,霾的发生和加重是能见度降低的主要原因;能见度降低伴随大量细粒子产生和累积,这是武汉大气能见度恶化的重要诱因。细颗粒物浓度与相对湿度共同影响和制约大气能见度变化,高湿高浓度时能见度显著下降,湿情景下(RH≥40%),能见度恶化主要是由湿度增高诱使细颗粒物粒径吸湿增长导致其散射效率增大造成的。当RH >90%时,能见度随湿度升高成线性递减,相对湿度每升高1%,武汉平均能见度降低0.568 km。而干情景下(RH2.5质量浓度升高。在城市大气细粒子污染背景下,能见度与相对湿度成非线性关系,这主要与PM2.5对能见度的影响及吸湿性颗粒物的散射效率变化有关。PM2.5浓度与能见度成幂函数非线性关系,80%≤RH2.5浓度对能见度的影响敏感阈值是随着湿度升高而减小的,干情景下能见度10 km对应的PM2.5浓度阈值为70 μg/m3,湿情景下该阈值为18—55 μg/m3。当PM2.5质量浓度低于约40 μg/m3时,继续降低PM2.5可显著提高武汉大气能见度。预报试验表明,基于神经网络方法建立大气能见度非线性预报模型是可行的,预报能见度相关系数为0.86,均方根误差为1.9 km,能见度≤10 km的TS评分为0.92。网络模型具有较高预报性能,对霾的判别有较高准确性,为衔接区域环境气象数值预报模式,建立大气能见度精细化动力统计模型提供参考依据。      

空气污染-气候相互作用:IPCC AR6的结论解读

本文解读最近发布的政府间气候变化专门委员会（Intergovernmental Panel on Climate Change,IPCC）第六次气候变化评估报告（Sixth Assessment Report,AR6）关于空气污染-气候相互作用的主要新结论。在大气污染物的气候效应方面,AR6估算了大气污染物或其前体物排放变化导致的有效辐射强迫值（Effective Radiative Forcing,ERF）,对评估大气污染治理可能产生的气候效应具有启示性意义。AR6也估算出1750—2019年间人为强迫导致的全球平均地表温度（Global mean Surface Air Temperature,GSAT）变化为1.29（0.99～1.65）℃,其中,均匀混合温室气体、臭氧、气溶胶导致的温度变化分别为1.58（1.17～2.17）℃、0.23（0.11～0.39）℃、-0.50（-0.22～-0.96）℃。气溶胶历史变化的气候效应中,起决定性作用的是由SO₂排放变化通过气溶胶-云相互作用所产生的ERF （高信度）,从而部分抵消了人为排放温室气体所引起的变暖（高信度）。在气候变化影响大气污染物方面,AR6首次评估获得了地表臭氧浓度对温度的敏感性,在偏远地区为-0.2 ～-2 nL·L^-1·℃^-1、在污染区为0.2 ～2 nL·L^-1·℃^-1。在大多数陆地区域,关于气候变化是增加还是减少PM_2.5,目前模式结果结论的一致性较低。     

武汉大气能见度与PM2.5浓度及相对湿度关系的非线性分析及能见度预报

武汉作为中部地区高湿度代表城市,大气污染严重,霾天气多发,但有关该地区大气能见度与PM_2.5浓度及相对湿度(RH)的定量关系尚不明确。利用2014年9月—2015年3月武汉地区逐时能见度、相对湿度及颗粒物质量浓度观测数据,研究分析了武汉大气能见度与PM_2.5浓度及相对湿度的关系,并进行能见度非线性预报初探,得到以下结论:武汉霾时数发生比例高,霾的发生和加重是能见度降低的主要原因;能见度降低伴随大量细粒子产生和累积,这是武汉大气能见度恶化的重要诱因。细颗粒物浓度与相对湿度共同影响和制约大气能见度变化,高湿高浓度时能见度显著下降,湿情景下(RH≥40%),能见度恶化主要是由湿度增高诱使细颗粒物粒径吸湿增长导致其散射效率增大造成的。当RH >90%时,能见度随湿度升高成线性递减,相对湿度每升高1%,武汉平均能见度降低0.568 km。而干情景下(RH<40%),能见度迅速降低的关键因素是PM_2.5质量浓度升高。在城市大气细粒子污染背景下,能见度与相对湿度成非线性关系,这主要与PM_2.5对能见度的影响及吸湿性颗粒物的散射效率变化有关。PM_2.5浓度与能见度成幂函数非线性关系,80%≤RH<90%湿度区段下相关性最强。PM_2.5浓度对能见度的影响敏感阈值是随着湿度升高而减小的,干情景下能见度10 km对应的PM_2.5浓度阈值为70 μg/m³,湿情景下该阈值为18—55 μg/m³。当PM_2.5质量浓度低于约40 μg/m³时,继续降低PM_2.5可显著提高武汉大气能见度。预报试验表明,基于神经网络方法建立大气能见度非线性预报模型是可行的,预报能见度相关系数为0.86,均方根误差为1.9 km,能见度≤10 km的TS评分为0.92。网络模型具有较高预报性能,对霾的判别有较高准确性,为衔接区域环境气象数值预报模式,建立大气能见度精细化动力统计模型提供参考依据。     

Reconstructed light extinction coefficients using chemical compositions of PM<Subscript>2.5</Subscript> in winter in Urban Guangzhou,China

The objective of this study was to reconstruct light extinction coefficients (b ext ) according to chemical composition components of particulate matter up to 2.5 μm in size (PM 2.5 ). PM 2.5 samples were collected at the monitoring station of the South China of Institute of Environmental Science (SCIES, Guangzhou, China) during January 2010, and the online absorbing and scattering coefficients were obtained using an aethalometer and a nephelometer. The measured values of light absorption coefficient by particle (b ap ) and light scattering coefficient by particle (b sp ) significantly correlated (R 2 > 0.95) with values of b ap and b sp that were reconstructed using the Interagency Monitoring of Protected Visual Environments (IMPROVE) formula when RH was <70%. The measured b ext had a good correlation (R 2 > 0.83) with the calculated b ext under ambient RH conditions. The result of source apportionment of b ext showed that ammonium sulfate [(NH 4 ) 2 SO 4 ] was the largest contributor (35.0%) to b ext , followed by ammonium nitrate (NH 4 NO 3 , 22.9%), organic matter (16.1%), elemental carbon (11.8%), sea salt (4.7%), and nitrogen dioxide (NO 2 , 9.6%). To improve visibility in Guangzhou, the effective control of secondary particles like sulfates, nitrates, and ammonia should be given more attention in urban environmental management.