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。     

秦皇岛2019年冬季重污染过程PM2.5来源数值模拟

秦皇岛地处河北省东北部,是环渤海重要的港口城市,在近几年京津冀地区减排效果较好的情况下,于2019年1月出现了多次持续细颗粒物(PM2.5)污染过程.因此本文利用耦合了数值源解析模块ISAM(Integrated Source Apportionment Method)的区域空气质量模式RAMS-CMAQ(Region...     

两种地面PM2.5质量浓度遥感反演方法适用性比较

为探究地面气溶胶质量浓度遥感反演模型在年际及区域尺度上的适用性,确定一种可以在区域尺度上业务运行的反演模型,基于2015-2016年河南省28个城市MODIS气溶胶光学厚度、PM_(2.5)质量浓度、地面气象观测能见度和相对湿度,分别采用半经验模型和非线性多元回归模型建立了分季节反演模型,并基于2017年观测数据对两种模型的精度进行了对比评价。结果表明:半经验模型中标高订正的AOD与经过湿度订正的PM_(2.5)质量浓度建立反演模型效果最好,四个季节反演模型决定系数R~2分别为0.3938、0.3507、0.3488及0.4212。非线性多元回归模型最优组合为AOD、气溶胶波长指数、气溶胶标高与相对湿度,四个季节反演模型决定系数R~2分别为0.4295、0.3598、0.4099和0.5616。两种反演模型验证结果均通过0.001的显著性检验,非线性多元回归模型的验证决定系数大于半经验模型的,春季和冬季非线性多元回归模型的验证斜率更接近1,而夏季和秋季半经验模型验证斜率更接近1。非线性多元回归模型建模及验证相关性更高,且可有效避免高相对湿度条件下异常值的出现,业务适用性更好。     

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...     

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。     

福州市PM2.5、PM2.5/PM10分布特征及与气象条件关系的初步分析

利用福州市PM2.5、PM10和气象资料,分析PM2.5、PM2.5/PM10的分布特征及与气象条件的关系。结果表明:福州市细粒子污染程度较轻,春季PM2.5和PM2.5/PM10值均是四季中最高的,其次是冬季,夏季最低;影响PM2.5浓度出现高值的天气系统有:暖区辐合与高空槽前、大陆高压后部和暖区降水三种系统,其中暖区降水天气形势下的PM2.5平均浓度最高,超标率为25.5%;影响PM2.5浓度出现低值的天气系统有:冷高压脊、高压底部和高空槽后,副热带高压及边缘,台风(热带辐合带)及外围系统,在后两种天气系统影响下的PM2.5平均浓度最低,超标率为0;剔除因降水、雾等低能见度个例,PM2.5浓度与能见度的相关系数为-0.626,冬春季的相关系数是夏秋季的1.4倍;PM2.5浓度与单一气象要素(如温度、相对湿度、风速等)相关性不明显,但不同季节、不同气象要素变化的组合对PM2.5浓度有直接影响。      

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。     

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。     

基于能见度及AOD数据的北京市PM2.5浓度的反演

选择北京市为研究地区,对2014～2017年AERONET（Aerosol Robotic Network）提供的CE-318太阳光度计440 nm波段反演的气溶胶光学厚度（AOD）进行风速订正,对订正后 AOD 日均数据与同期地面监测站PM2.5日均浓度数据做季节相关性分析并建立回归模型。又引入能见度因子并利用广义差分法构建2015～2017年北京市AOD与PM2.5浓度、能见度的三元回归模型,最后将2014年数据分为污染日和非污染日分别进行模型检验。结果表明:AOD与PM2.5浓度存在显著的线性正相关性,且存在季节性差异,夏季相关性最强、秋季次之、春季和冬季最低。引入能见度因子并消除自相关后,四季的模型相对误差均显著减小,模型拟合优度显著提高。检验结果为四季整体的平均相对误差在21%～31%范围内,与前人的结果相比拟合曲线的准确性得到了明显地提高。且模型对低PM2.5浓度日的模拟效果较好,对于高PM2.5浓度日的模拟效果较差。本研究对构建北京地区PM2.5浓度长期的历史数据具有重要的科学意义。     

北京地区气溶胶PM2.5粒子浓度的相关因子及其估算模型

文中运用统计分析和气象统计预报的方法 ,使用北京白石桥小区的污染物观测资料和同期北京地区的气象观测资料 ,对影响大气污染的气象因子进行了综合分析 ,并分别建立了气溶胶PM 2 .5粒子浓度与气体污染物、气象要素场的两类统计相关拟合模型。发现气溶胶PM2 .5粒子浓度与气体污染物浓度存在不同程度的相关性 ,且与气象条件亦存在显著的相关关系 ,此类时空变化及其量化估算模型具有一定实际应用价值。通过确定气象要素场和气溶胶浓度的关系可进一步研究不同地区的污染物输送和污染源扩散影响的问题。     

南京北郊气溶胶中多环芳烃的污染特征及来源解析

利用2010年8月采集的南京北郊气溶胶样品,使用GC-MS对美国环保总局推荐的16种优先控制的多环芳烃含量、分布特征进行了研究。在此基础上,用特征比值法、主因子分析法分析得到南京市北郊大气中PAHs的主要来源为车辆尾气、燃煤、天然气和草木秸秆燃烧,并应用绝对因子分析法进一步定量计算主要源对PAHs的浓度贡献率。结果表明:1)大气颗粒物中16种多环芳烃的平均总质量浓度为135.85 ng/m~3,多环芳烃以4环为主,在可吸入颗粒物中的浓度占总浓度的88.7%;2)PM10中多环芳烃呈双模态分布,在9~10μm的粗模态和0.65~1.10μm的积聚模态上各出现一个峰值;3)天然气等对PAHs的贡献率为5.7%~44.1%,燃煤源的贡献率为20.7%~57.8%,汽车尾气的贡献率为4.6%~46.7%,木材燃烧的贡献率为2.9%~38.1%。本地交通排放和燃料燃烧是南京北郊大气颗粒物中PAHs的主要来源,远距离输送也对南京北郊气溶胶中的PAHs有重要贡献。     

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     

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。     

北京PM1中的化学组成及其控制对策思考

通过分析北京城区2007年夏季和秋季、2008年冬季和春季4个季节PM₁中硫酸盐、硝酸盐、铵盐、有机物和黑碳等气溶胶化学组成,结合对我国及全球主要区域PM₁₀中上述气溶胶组分及矿物气溶胶组成的评估,发现因受干旱区产生的沙尘和城市逸散性粉尘的共同影响,整个亚洲大陆,尤其是我国的矿物气溶胶浓度与欧美国家城市区域气溶胶总和的平均值相当或更高。我国在重视控制PM_2.5等细粒子污染的同时,不应忽视对PM_2.5~PM₁₀之间粗粒子的控制力度;北京城区春、夏、秋、冬的PM₁平均质量浓度分别约为94,74,66 μg·m-3和91 μg·m-3,全年平均约为81 μg·m-3,其中有机物气溶胶约占41%,硫酸盐占16%,硝酸盐占13%,铵盐占8%,黑碳和氯化物分别占11%和3%,细矿物气溶胶约贡献7%。对于PM_2.5污染的控制,关键是消减PM₁中主要气溶胶粒子的排放与转化,其中对有机物的控制更为重要,尽管对于北京而言进一步污染控制的难度已经很大。从科学上来说,即使我国的控制措施能百分之百实现,也很难稳定地达到欧美国家的空气质量水平,因为我国本底矿物气溶胶的浓度较高。应进一步评估各项控制措施的适用性,并制定考虑我国人群健康状况的PM_2.5空气质量标准。     

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。     

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.     

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。