南京市气溶胶PM2.5一次来源解析

在南京大学鼓楼校区（市区）和南京信息工程大学（郊区）校园,分季采集PM2.5及其主要排放源的颗粒样品,在南京大学现代分析测试中心用X-荧光分析法分析样品中的化学元素,应用化学元素平衡法（CMB）计算了各主要源对PM2.5的贡献。结果表明对市区扬尘和建筑尘是PM2．5最主要的贡献源,贡献率合计约70％;燃煤尘和冶炼尘仅为约15％。对郊区扬尘和煤烟尘是PM2．5的最主要贡献源,平均贡献率分别为50％和22．4％,建筑尘的平均贡献率为8．3％,冶炼尘的贡献小于8％。这些结果可为治理气溶胶细颗粒源提供决策依据。     

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年10月京津冀地区一次PM2.5污染过程的数值模拟

近年来我国东部尤其是华北地区的PM2.5污染逐年加重,引起广泛关注。本文利用WRF Chem模拟了2014年10月京津冀地区一次PM2.5重度污染过程,研究造成此次过程的天气形势、污染物的时空分布特征以及一次、二次PM2.5对总浓度的贡献率,并对污染最严重当日的PM2.5垂直分布进行详细分析。结果表明：造成本次污染过程的是弱高压控制下的静稳天气系统,地面主导风向为南风,垂直方向上有逆温层,抑制了污染物垂直方向上的扩散。发生污染时,PM2.5的高浓度主要分布在北京南部、天津北部与河北接壤的区域,二次PM2.5的贡献率大于一次PM2.5,在清洁大气中则一次PM2.5的贡献更大。垂直方向上,PM2.5中的一次颗粒物只在近地面有高浓度中心,1.2~1.6 km的上空高值区以二次生成的颗粒物为主,是由前体物上升到高空后再通过氧化反应生成的,当这部分颗粒物随着边界层落回近地面时会加重污染。随着时间的变化,污染物的分布高度和边界层高度呈明显的正相关。     

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。     

山东一次PM2.5污染过程的模拟特征

利用Weather Research and Forecasting/Chemistry(WRF/Chem)空气质量模式模拟研究了山东地区2014年2月21~26日期间的中度细颗粒物(PM2.5)污染过程,并从模拟结果评估、分布及演变特征、与气象条件的关系等方面分析了PM2.5的模拟特征。模拟研究结果表明,山东PM2.5积聚期间多为弱的偏南风控制,消散阶段受西北风控制,当北京—天津—河北(京津冀)一带同时存在更为严重的PM2.5污染时,西北冷空气的平流输送使得山东部分地区的PM2.5浓度在完全削弱前又出现了一个高峰值。污染期间山东全省平均PM2.5的模拟浓度为125μg m~(-3),伴随着地面3.0 m/s的低风速、370 m低边界层高度和70%左右的相对湿度,其中PM2.5的模拟值受边界层高度的影响最大。整个污染期间全省平均PM2.5模拟值高于监测值10%左右,但是对于局部站点300μg m~(-3)及以上的观测峰值,模式模拟结果明显偏低。模拟效果的评估结果是:山东南部最好、然后是山东半岛,山东中部、西北部地区较差。     

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...     

宿迁市PM2.5积累机制及重污染天气过程分析

统计宿迁市2017—2021年秋冬季PM2.5数据以及同期常规气象观测资料,基于PM2.5日变化特征,根据15:00—23:00的浓度变化将其分为快速积累、慢速积累、消散三大过程,从积累速率的角度分析了宿迁市PM2.5的积累特征,并将其应用于重污染天气过程下的环流形势与积累速率相关性的探讨。结果表明,发生快速积累过程的平均积累速率为7.14μg·m-3·h-1 ;慢速积累过程平均积累速率为3.27μg·m-3·h-1 ;发生消散过程的PM2.5平均消散速率为5.42μg·m-3·h-1 。PM2.5慢速积累过程中气温高,风速大,湿度小,逆温强度弱,快速积累则与之相反。慢速积累过程的PM2.5潜在源区主要位于苏北地区及北部的山东、河北地区,快速积累过程的PM2.5主要潜在源区则位于西部的安徽、湖北地区。快速积累过程以高空槽后配地面高压前部型为主,慢速积累过程以纬向环流配合地面均压场为主。     

2014年2月北京PM2.5污染过程及天气形势分析

2014年2月19—27日,北京出现了重度污染及以上水平的霾天气,严重危害着人们的身体健康。以北京该段持续污染过程为研究对象,基于同期气象数据与PM2.5 观测数据,利用SPSS统计软件分析了PM2.5浓度与气象因子间的相关性,探究区域周边城市PM2.5 污染变化特征及其与地面天气形势之间的关系。研究结果表明,在一定的气象条件下,PM2.5 浓度与风速、相对湿度分别呈显著的负相关、正相关,与气压呈负相关,与气温无显著相关关系。同时,比较该时段北京市与周边区域7个城市的PM2.5 浓度变化趋势及后向轨迹分析,发现北京市与周边城市在相似的气象背景条件下,污染过程具有区域性特征。华北地区处于地面高压均压场控制时,地面风速小,逆温层明显,大气层结稳定,区域扩散条件差,弱偏南气流主导时间长,受局地源积累和区域输送的影响,污染物浓度累积上升,可形成持续霾天气。     

2015年冬季呼和浩特市一次PM_(2.5)重污染过程分析

文章利用国家环保部数据中心提供的呼和浩特市逐日环境空气质量指数(AQI)等级值及首要污染物数据,在分析了呼和浩特市2015年冬季日均AQI值及首要污染物特点的基础上,对呼和浩特市2015年冬季出现的一次典型PM_(2.5)重污染过程的天气特点进行了分析后得出,风速较小,日平均气温连续几日稳定少变的静稳天气是导致这次连续8d细颗粒物污染过程的天气特点。     

宝鸡2017—2019年冬季PM2.5分布特征及重污染过程分析

利用宝鸡市2017—2019年PM_2.5质量浓度小时数据及相对湿度等气象数据,探讨了宝鸡市PM_2.5质量浓度、相对湿度和能见度三者的关系,并利用HYSPLIT后向轨迹模式对3 a冬季重度及以上污染过程主导来源气团进行了聚类分析。研究发现：宝鸡冬季重度及以上污染过程多发生在1月,期间主导风向为西北风和东南风;PM_2.5质量浓度与能见度在不同相对湿度条件下有不同的拟合幂函数关系,空气相对湿度>80%时,空气中水汽含量是影响能见度的主要因素,空气相对湿度≤60%时,影响能见度的主要因子是PM_2.5质量浓度。2017—2019年冬季宝鸡达重度污染及以上的过程后向轨迹聚类结果略有不同,其中2017年污染以偏北及西南气团近距离输送为主,2018年污染以宝鸡本地积累为主,2019年污染以关中临近城市(西安地区)近距离输送为主;西北路气团移速最快,远距离传输能力最强,偏东路气团移速最慢,远距离传输能力最弱。     

北京地区一次PM2.5重污染过程的边界层特征分析

利用北京市环境保护监测中心和美国大使馆的细颗粒物（PM2.5）逐时监测数据,中国科学院大气物理研究所325 m气象梯度塔资料以及实况天气图和探空资料,对2015年11月27日至12月1日北京的PM2.5重污染过程的边界层特征进行了分析。研究发现:这次重污染过程持续时间长、强度大,其中PM2.5浓度超过75 μg/m3的时次共计126 h,超过150 μg/m3共计116 h,小时最高PM2.5浓度为522 μg/m3。在高低空环流场配置的影响下,近地面静风和多层逆温结构抑制了污染物在水平和垂直方向上的输送,加上边界层内的深厚湿层,使得其中气溶胶不断吸湿增长,高PM2.5浓度得以维持。在重污染期间,湍流动能较低,不利于污染物的水平和垂直扩散。垂直方向的湍流动能一直占水平方向的15%~20%左右,水平湍流动能占主要贡献。摩擦速度与湍流动能呈现出相似的变化趋势,不同高度之间的摩擦速度差别不大。超出前后时次一个数量级的湍流强度尖峰的出现是湍流场发生调整的一个信号,是PM2.5浓度发生剧烈转变的前兆,预示着污染状况更加糟糕。重污染过程中感热通量的输送方向为从地面向大气输送,感热通量和潜热通量都大幅减少,并且表现出明显的日变化特征。对湍流功率谱计算和分析表明,在重污染过程期间,时间尺度为5 min至6 h的中尺度过程对从地面到大气方向的动量和热量通量输送做出了重要贡献。     

2016年1月我国中东部一次大气污染物传输过程分析

利用常规气象数据和空气质量模式CAMx对2016年1月15—19日一次冷空气影响下郑州、武汉、南京的大气污染物传输过程进行了分析。观测发现,本次过程中武汉和南京在地面锋线到达后出现明显的PM2.5浓度的快速增长。通过分析发现,两地在1000~950 hPa高度层上偏北风的侵入带来上风向的大气污染物,同时在垂直方向上锋区内的稳定性层结抑制了大气污染物的扩散,两种作用共同导致污染物快速增长。在冷空气主体影响下,尤其是950~900 hPa高度层上弱风区消失后,污染物得到清除。大气污染物的传输作用主要发生在1000~950 hPa高度上。模式PM2.5来源示踪模拟结果表明,武汉(17日夜间至18日)和南京(17日夜间)在本次污染物快速增长过程中区域污染物输入的贡献在51%和58%左右。由于模式对PM2.5传输过程的低估,区域输送贡献率仍存在不确定性。但是,与1月15—19日平均相比, PM2.5的本地贡献明显减少,上风区域贡献明显增加。     

北京地区一次空气重污染过程的气象条件模拟参数化敏感性试验

气象预报是影响大气重污染预报精度的关键所在。针对2016年12月16～21日北京市一次重污染过程,开展了中尺度气象模式WRF的参数化方案配置敏感性试验。对微物理过程、长波辐射过程、短波辐射过程、陆面过程、边界层过程、近地面过程以及积云对流参数化过程进行组合优选,共设计51组参数化方案组合,分析不同模拟方案下北京市8个气象站点温度、相对湿度、10 m风速的模拟精度及其敏感性。试验结果表明:温度模拟对长波过程参数化方案最为敏感,集合离散度达2.4～7.4°C,再次是短波过程参数化方案;相对湿度模拟也对长波过程参数化方案最敏感,再次是陆面过程;风速模拟对不同过程参数化方案的敏感性程度差异不大。通过模拟结果与观测的统计对比,优选出模拟误差最小的方案组合为Lin微物理方案、RRTMG长波方案、RRTMG短波方案、Tiedtke积云对流方案、Noah陆面方案、MYNN 3rd边界层方案和MYNN近地面方案,并将其与集合平均、基准方案进行对比。对于集合平均来说,其温度模拟与观测相关系数为0.69,高于基准方案,其模拟偏差与均方根误差比基准方案低25%和11%;集合平均的相对湿度和风速模拟相比基准方案变化较小。与集合平均相比,优选方案能同时改进温度、相对湿度和风速模拟,使温度模拟偏差和均方根误差比基准方案下降35%和17%,使相对湿度模拟偏差和均方根误差下降43%和13%,使风速模拟偏差和均方根误差下降33%和24%。以上结果表明,参数化方案的敏感性试验和优选能显著减小重污染期间气象要素的模拟误差,重污染预报改进需重点关注参数化方案模拟上的不确定性。本研究也发现MYNN3rd边界层方案在这次重污染过程的气象要素模拟上具有良好性能,可为未来重污染预报改进提供参考。     

晋城市冬、春季PM2.5和PM10污染水平时空分布及其与气象因子的关系

为深入了解晋城市颗粒物浓度时空分布特征,对晋城市2017年12月至2018年5月国控点、小型站和微型站PM2.5及PM10小时浓度数据进行收集整理,并进行空间插值分析和时间变化趋势分析及与气象监测数据的相关分析。结果表明:颗粒物浓度在冬、春季节具有明显差异,冬季PM10与PM2.5高值区主要位于东北部及东南小部分区域,春季PM10高值区位于城区南部区域,PM2.5高值区主要集中于城区。晋城市城区和郊区PM10与PM2.5月均浓度整体呈单峰型变化,PM10在4月份最高(157.54±5.67μg·m^-3),PM2.5在1月份最高(94.08±2.25μg·m^-3)。冬季PM2.5/PM10平均为0.57,春季平均为0.45。颗粒物小时浓度的变化呈现单峰单谷的型式,冬季PM10与PM2.5小时平均浓度最高值均出现在10时,春季均出现在09时。监测期间晋城市PM10与PM2.5的小时浓度值与相对湿度有较高的正相关性(p<0.01),与风速、风向有较高的负相关性(p<0.01),与温度和气压的相关性较低。冬季,东北至正南风向时,PM10与PM2.5的浓度普遍高于西北风向时的浓度,对晋城冬、春季国控点颗粒物浓度贡献率最高的风向风速为东南偏南风向,风速在1 m/s以内。     

气象预报模式参数化方案对重污染过程PM2.5浓度预报效果的影响

针对北京市2016年12月16～21日的重污染过程,基于嵌套网格空气质量模式预报系统(NAQPMS),面向气象驱动模式WRF中7类物理过程的参数化方案,通过单扰动和组合扰动方式构建了51组不同的WRF模式运行配置,对比分析不同方案配置下NAQPMS对这次重污染过程细颗粒物(PM2.5)浓度预报的性能.结果表明:在重污染...     

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。     

Chemical Components,Variation, and Source Identification of PM1 during the Heavy Air Pollution Episodes in Beijing in December 2016

Air pollution is a current global concern. The heavy air pollution episodes(HPEs) in Beijing in December 2016 severely influenced visibility and public health. This study aims to survey the chemical compositions, sources, and formation processes of the HPEs. An aerodyne quadruple aerosol mass spectrometer(Q-AMS) was utilized to measure the non-refractory PM1(NR-PM1) mass concentration and size distributions of the main chemical components including organics, sulfate, nitrate, ammonium, and chloride in situ during 15–23 December 2016. The NR-PM1 mass concentration was found to increase from 6 to 188 μg m–3 within 5 days. During the most serious polluted episode, the PM1 mass concentration was about 2.6 times that during the first pollution stage and even 40 times that of the clean days. The formation rates of PM2.5 in the five pollution stages were 26, 22, 22, 32, and 67 μg m~(–3) h–1, respectively. Organics and nitrate occupied the largest proportion in the polluted episodes, whereas organics and sulfate dominated the submicron aerosol during the clean days. The size distribution of organics is always broader than those of other species, especially in the clean episodes. The peak sizes of the interested species grew gradually during different HPEs. Aqueous reaction might be important in forming sulfate and chloride, and nitrate was formed via oxidization and condensation processes. PMF(positive matrix factorization) analysis on AMS mass spectra was employed to separate the organics into different subtypes. Two types of secondary organic aerosol with different degrees of oxidation consisted of 43% of total organics. By contrast, primary organics from cooking, coal combustion, and traffic emissions comprised 57% of the organic aerosols during the HPEs.     

北京冬季PM2.5重污染时段不同尺度环流形势及边界层结构分析

城市重霾污染事件的发生除排放源内在原因之外,气象条件是最直接的客观外因。本文以2013年2月21~28日北京地区典型细颗粒物(即PM2.5)重污染过程为例,基于颗粒物水平和垂直监测数据,常规及加密自动气象站数据和高时间分辨率风廓线数据,分析了重污染过程中不同尺度环流形势以及边界层结构的变化对细颗粒物重度污染形成、累积和消散的影响。结果表明:弱低压场或弱高压场控制下,局地西南风和东南风输送与北部山区偏北风在山前的汇聚,配合边界层低层顺时针方向的风切变,易发生大气中细颗粒物的爆发性增长;而均压场控制和近地层持续偏南气流输送,配合高层持续稳定的西北风,是污染长时间持续稳步增长的主因。此外,近地层低风速、高湿度和逆温的维持是区域霾污染爆发增长和长时间持续增长的关键气象因素。高压前部的系统性西北大风是污染得以驱散的直接外部动力。