西安市城市降尘和土壤尘PM10和PM2.5中碳组分特征

为研究西安市城市降尘和土壤尘PM₁₀和PM_2.5中碳组分污染特征,丰富大气降尘的成分谱库,于2015年4~5月收集了西安市城区5个点位的城市降尘和周边16个点位的土壤尘样品,通过ZDA-CY01颗粒物再悬浮采样器获得PM₁₀和PM_2.5的滤膜样品,使用Model5L-NDIR型OC和EC分析仪测定了样品中的有机碳（OC）和元素碳（EC）,定量分析了西安市城市降尘和土壤尘PM₁₀和PM_2.5中碳组分特征及其主要来源.结果表明,不同站点降尘PM₁₀和PM_2.5中OC的占比差异较大,分别为6.0%~19.4%和7.6%~29.8%.不同站点降尘PM₁₀和PM_2.5中EC的占比较小,在城市站点的占比分别为0.6%~2.2%和0.2%~3.6%,而在多数外围土壤尘中几乎检测不到EC的存在.PM₁₀中含碳组分的占比为：城市降尘>外部对照>河滩土>土壤尘,PM_2.5中含碳组分的占比为：城市降尘>土壤尘>外部对照>河滩土.不同站点降尘含碳气溶胶均以OC为主,在城市降尘中相对较低,在PM₁₀和PM_2.5中OC占总碳（TC）的比值分别为85.2%~95.3%和87.9%~98.9%;在土壤尘中OC的占比较高,均超过99%.含碳物质主要集中在细颗粒物中.不同城市站点降尘中碳组分的分布具有一致性,不同土壤尘中碳组分的差异较大.城市和土壤降尘中碳组分主要受生物质燃烧、燃煤、汽油车和柴油车尾气等污染源的影响,PM₁₀和PM_2.5中含碳气溶胶的来源贡献率存在差异.     

伊犁河谷核心区夏季碳质气溶胶污染特征及来源解析

为研究伊犁河谷PM_2.5中碳组分特征及来源,于2021年7月19—29日在其核心区伊宁市及周边3个县（伊宁县、察布查尔县和霍城县） 设置6个监测点位采集PM_2.5样品.采用热光法测定了样品中有机碳（OC）和元素碳（EC）的质量浓度,深入分析了夏季伊犁河谷核心区PM_2.5中OC和EC的浓度特征,并用最小比值法定量估算了二次有机碳（SOC）的浓度.此外,综合使用8种碳组分丰度及正矩阵因子分解模型定量解析出PM_2.5中碳质气溶胶的来源.结果表明：夏季采样期间该区域PM_2.5、OC、EC的平均浓度分别为（21.9±2.0）、（5.0±0.6）、（0.6±0.1） μg?m^-3,且 呈现出伊宁市碳组分浓度高于周边3县的规律.OC、EC浓度显著相关,反映出二者有较高的同源性.整个区域SOC的平均浓度为（2.1±0.9） μg?m^-3,在PM_2.5中的占比为9.4%,在OC中的占比为40.1%,反映出OC主要来自一次排放,但二次生成也有较大贡献;碳组分浓度相对较低的霍城县和伊宁县SOC/OC反而高于碳组分浓度较高的伊宁市和察布查尔县,说明这两个县二次转化程度较高.源解析结果表明,采样期间伊犁河谷核心区PM_2.5中碳组分主要来源于机动车尾气源、道路扬尘和生物质燃烧与燃煤混合源,其贡献率分别为48.8%、34.0%和17.2%.     

石家庄市采暖季PM2.5碳组分昼夜污染特征及来源分析

为探究2017年石家庄市采暖季昼夜PM_2.5中碳组分的污染及来源特征,选取2017年11月30日-2018年1月22日时间段分别采集石家庄白天（8：00-20：00）、夜晚（20：00-翌日8：00）的PM_2.5样品,分析PM_2.5组分中OC和EC昼夜间的浓度变化特征、来源特性,SOC的估算及影响因素,并对石家庄市碳质气溶胶进行源解析和区域传输分析.结果表明,①采样期间白天PM_2.5、OC和EC的平均质量浓度分别为（110.6±71.6）、（39.9±20.4）和（9.3±3.6）μg·m^-3,夜间平均质量浓度分别为（128.5±75.3）、（64.7±36.5）和（13.6±6.0）μg·m^-3,PM_2.5、OC和EC质量浓度均呈现出夜间质量浓度高于白天的特征.②燃煤和机动车尾气排放在增加了一次有机碳（POC）和元素碳（EC）的本底质量浓度的同时,产生的CO、NO₂、SO₂等气体污染物又促进了光化学反应,两者协同作用下促进了SOC质量浓度的生成和积累.根据估算,SOC、SOC/OC值在夜间高于白天,白天较强的太阳辐射和光化学活性是SOC转化的主导因素,夜间气态有机前体物浓度是SOC转化的主导因素.③采样期间昼夜间OC、EC的相关性较好,其来源具有较好的同源性.大气PM_2.5碳质气溶胶主要来自燃煤、汽油车和柴油车尾气排放混合源,夜间柴油车污染源对碳质气溶胶的贡献率较白天更为明显.④后向轨迹结果表明,石家庄市严重污染期间颗粒污染物浓度变化主要受到低空东北方向气团的影响,PM_2.5以及OC、EC质量浓度的变化和周边地区的污染物输送有关.     

2019年西安末场雾霾PM2.5生消扩散特征

为了探寻西安雾霾气溶胶典型生消扩散特征,对2019年最后一场雾霾(简称末场雾霾)开展了高分辨WRF-Chem(the Weather Research and Forecasting model coupled to Chemistry)模拟,并结合环境监测站监测数据、以及特殊观测数据(西安理工大学气象站、粒谱仪、太阳光度计观测等),对末场雾霾发生发展的气象条件与气溶胶条件进行了综合诊断,研究结果如下:①通过与观测数据对比表明,模式较好地再现了雾霾生命史(发生于12月20—25日,于23日上午发展为重度霾).②四川北部是此次雾霾的发源地,在雾霾形成初期,沿着低矮地势存在一条输送通道(青川县-康县-徽县-两当县-秦岭西部低矮地形与青藏高原东部山脉之间的豁口-宝鸡-西安).③特殊的地形使得西安易于滋养雾霾,而较大尺度的秦岭山脉并不能完全阻挡西安雾霾的形成与扩散.④通过对比2019年首、末两场雾霾,揭示了两场雾霾气溶胶的共性特征:雾霾天气背景下,PM_2.5的组份以有机碳为主(接近或突破40 μg·kg^-1);偏北风是西安雾霾消散的关键因子(底层持续6 m·s^-1以上的平均风速,即可以吹散雾霾),雾霾消散时先从底层开始消散.     

2016年10～11月期间北京市大气颗粒物污染特征与传输规律

本研究采用气溶胶化学组分在线监测仪（ACSM）对北京地区2016年10月15日~11月15日期间非难熔性PM₁（NR-PM₁）化学组分进行实时连续在线观测,探讨了NR-PM₁化学组分的演变特征;运用潜在源贡献分析（PSCF）法和气象-空气质量模式（WRF-CAMx）识别了北京PM_2.5潜在污染源区和传输路径,揭示了PM_2.5净传输通量的垂直分布特征.结果表明,北京秋季NR-PM₁和PM_2.5质量浓度分别为（59.16±57.05）μg·m^-3和（89.82±66.66）μg·m^-3,其中NR-PM₁平均占PM_2.5的（70.31±22.28）%.整个观测期间,有机物（Org）、硝酸盐（NO₃^-）、硫酸盐（SO₄^2-）、铵盐（NH₄⁺）和氯化物（Chl）分别占NR-PM₁总质量浓度的（42.75±11.35）%、（21.27±7.72）%、（19.11±7.08）%、（12.19±2.64）%和（4.68±3.24）%,不同化学组分的日变化特征存在明显差异.对北京秋季NR-PM₁污染影响较大的潜在源区主要集中在河北南部、河南东北部及山东西部,重污染期间保定、北京南部及廊坊等城市对NR-PM₁贡献较大.WRF-CAMx模拟结果表明,PM_2.5总的净传输通量呈现出显著的垂直分布特征.整个观测期间,毗邻城市主要向北京输入PM_2.5,净通量最大出现在海拔600~1000 m;而重污染前期外来源输送PM_2.5主要位于高空,直到污染最严重的11月5日,PM_2.5转为近地面传输,说明高空和近地面传输是影响北京秋季PM_2.5重污染形成的重要因素.同时鉴别出了两种传输路径,即西南-东北方向（保定→北京→承德）和西北-东南方向（张家口→北京→廊坊北→天津）.     

MERRA-2再分析PM2.5资料在广东地区的适用性分析

利用2015—2021年环境监测站点的PM_2.5小时实测数据详细评估了美国航空航天总署（NASA）的现代气溶胶再分析资料第2版（MERRA-2）PM_2.5资料在广东地区的适用性.结果表明,MERRA-2与实测PM_2.5在低浓度范围（小于50 μg?m^-3）较为接近,在污染严重时存在明显低估现象;其模拟性能具有明显的季节和区域依赖性,在湿季和实测浓度较低地区表现能力较好.通过对PM_2.5浓度分级比较发现,MERRA-2与实测值之间的偏差随着污染程度的增加而显著增大.这主要是由于MERRA-2缺乏硝酸盐气溶胶的模拟以及排放清单的误差所造成.综合考虑气象条件的影响,本文基于2016年广州番禺气溶胶化学组分数据提出硝酸盐和铵盐参数化方法,对不利大气输送扩散条件下PM_2.5的组分构成进行校正,校正结果能够有效减小MERRA-2与实测值之间的偏差,改善MERRA-2对高浓度PM_2.5的低估.     

湖北咸宁细颗粒物PM2.5来源

为了解咸宁细颗粒物（PM_2.5）来源,对2019年在湖北咸宁两个环境受体点位采集的不同季节大气中PM_2.5样品中的主要成分和化学元素进行统计研究;通过颗粒物排放源采样建立本地特征源谱,用化学质量平衡（CMB）受体模型解析其来源;通过VOCs离线监测数据分析其中二次气溶胶（SOA）生成关键组分,并对关键组分进行来源解析.结果表明,咸宁市PM_2.5超标情况主要出现在冬季,PM_2.5中主要化学成分以水溶性无机盐和含碳组分为主;一次解析揭示硝酸盐、硫酸盐和铵盐等的二次转化对PM_2.5浓度的贡献最大,总贡献率在45%以上;二次解析揭示工业源、机动车源及电厂对PM_2.5浓度的贡献最大;VOCs对二次有机气溶胶贡献最高的组分为芳香烃,关键组分为苯、甲苯、间/对-二甲苯和乙基苯,对关键组分来源分析发现主要来源为溶剂使用.控制工业排放、机动车排放及调整能源结构是目前控制咸宁PM_2.5的主要途径,同时也要考虑控制溶剂排放的芳香烃.     

陕西省冬春季PM2.5时空分布特征研究

根据陕西省2016年12月至2017年5月PM_2.5质量浓度逐小时数据，利用ArcGIS分析陕西省PM_2.5污染时空变化格局，并分析造成南北差异的原因，再利用小波分析手段探讨各市PM_2.5污染时间序列周期和突变特性。结果表明：（1）陕西省冬季PM_2.5污染重，春季污染轻，并表现出"关中高，南北低"的特征，秦岭南北经济发展差异和供暖差异是控制陕西省PM_2.5污染空间格局的主要原因；（2）冬季和春季单日PM_2.5浓度变化趋势基本一致，为"双峰双谷型"，日最低值出现在16∶00~18∶00；（3）Morlet小波分析结果显示，陕西省PM_2.5日均变化序列存在多时间尺度特征。陕北城市PM_2.5污染第1主周期为40 d，关中城市和陕南商洛市有40 d和65 d两个共同周期，安康市和汉中市共同周期为20 d和80 d；（4）陕西省PM_2.5突变事件冬季频繁而春季较少，多发生在1月和2月，春季1次大范围的沙尘天气，造成了陕西省5月5日8个城市PM_2.5污染浓度剧增。     

“2+26”城市PM2.5与气象因子的尺度依存关系及影响因素分析

基于"2+26"城市的PM_2.5浓度和气象数据，通过连续小波变换（CWT）和离散小波变换（DWT）分析PM_2.5时间序列的变化，利用小波相干（WTC）和多小波相干（MWC）量化PM_2.5与单个、多个气象因子在时频域中的响应关系，并结合偏小波相干（PWC）定量评估大气遥相关因子对响应关系的影响.结果表明：①"2+26"城市的PM_2.5浓度具有中间高、外围低的空间分布特征.PM_2.5突变事件主要发生于气象条件稳定的冬季，并且集中在2018年以前.256~512 d的年尺度周期特征较稳定，同时也是PM_2.5时间序列的主导周期.②PM_2.5与气象因子的相干性取决于时频尺度和变量组合.在所有时频尺度上，PM_2.5与相对湿度、温度的相干性较强；在小、中时频尺度上，PM_2.5与风速相干性较强；在大时频尺度上，PM_2.5与温度的相干性较强.降水、温度和相对湿度的组合可作为解释PM_2.5在所有时频尺度上变化的最佳变量组合.③时频尺度不同，大气遥相关因子对响应关系的增强/削弱作用不尽相同.在所有时频尺度上，厄尔尼诺-南方涛动（ENSO）对PM_2.5与降水、温度之间响应关系的影响较大，太平洋年代际涛动（PDO）对PM_2.5与相对湿度、风速之间响应关系的影响较大.结果可为区域大气污染治理提供参考.     

“大气十条”实施对2013—2017年大气气溶胶-辐射相互作用的影响

为应对严重的大气污染问题，我国于2013年颁布并实施了严格的《大气污染防治行动计划》（"大气十条"）.本研究利用在线耦合的区域大气化学传输模型WRF-Chem进行数值模拟，研究了2013—2017年"大气十条"实施期间大气气溶胶-辐射相互作用（Aerosol-Radiation Interaction，ARI）强度的变化及其对空气质量的影响，并量化分析了排放和气象条件变化对气溶胶-辐射相互作用强度变化和空气质量改善的相对贡献.研究发现，"大气十条"实施后ARI对PM_2.5质量浓度的增强效应明显减弱，ARI效应的减弱导致2017年全国平均PM_2.5浓度相较2013年下降了2.7 μg·m^-3，占PM_2.5浓度总降幅的9.1%.在这一过程中污染减排起了主导作用，约占ARI效应减弱导致全国平均PM_2.5浓度下降的88%，气象条件变化的贡献约占12%.在季节尺度上，冬季ARI效应减弱最为明显，使得2017年冬季全国月平均PM_2.5浓度同比2013年下降了12.1%.在区域尺度上，ARI效应的减弱对京津冀区域PM_2.5浓度的影响最为显著，使得2017年该区域平均PM_2.5浓度相较2013年下降了2.8 μg·m^-3，占该区域PM_2.5浓度总降幅的9.9%.2013—2017年，ARI效应对京津冀区域冬季重污染天气的影响程度也明显降低.以2013年1月和2017年1月为例，ARI效应使得这两个月内强霾事件期间区域日平均PM_2.5浓度峰值分别增加了47.6 μg·m^-3和33.7 μg·m^-3.研究表明"大气十条"实施后ARI对PM_2.5质量浓度的增强效应明显减弱，从而进一步推动了全国及重点区域PM_2.5浓度的下降，带来了额外的空气质量改善效益.     

基于数值模拟对西安地区冬季一次重污染过程PM2.5区域来源解析

西安是关中盆地经济发展的核心城市,特殊的地形和工业发展导致冬季细颗粒物（PM_2.5）污染严重,制定科学合理的治理措施迫切需要明确PM_2.5的来源.本文基于空气质量模式CAMx（Comprehensive Air Quality Model with extensions）、颗粒物源解析模块PSAT（Particulate Source Apportionment Technology）及融入多种来源数据后建立的排放清单来量化西安地区本地及区域传输贡献.在本文研究的重污染过程中,模式的模拟精度合理,模拟与观测值相关系数为0.78,FAC2达到95%.PSAT模块在本次重污染过程中对西安PM_2.5的来源解析结果显示：在城区,西安本地为最大的排放源区,日均贡献率均大于60%,其次为咸阳8%,省外的传输为6%;在郊区,西安本地的贡献减少,传输贡献增加,其中阎良区传输贡献达到83%.对西安城区的一次细颗粒物面源排放量减少50%模拟后,城区和郊区来自周边区域渭南或咸阳的贡献率有6%~8%的增长.该研究结果表明需要从本地排放管控和区域联防两方面来改善西安地区的空气质量.     

西安市PM2.5健康损害价值评估

选取2014、2015、2016年冬季PM_(2.5)(24 h)浓度平均值,采用泊松回归模型评价全市居民连续3 a冬季PM_(2.5)暴露的急性健康损害效应,修正的人力资本法评估过早死亡经济损失,疾病成本法评估住院、患病与门诊经济损失.结果表明,研究时段内(2014、2015、2016年冬季)由PM_(2.5)造成的经济损失约为335.23亿元(95%CI:249.61~369.75)、211.05亿元(95%CI:135.60~268.80)、371.32亿元(95%CI:272.46~411.64),分别约占当年GDP的6.10%(4.54%~6.73%)、3.64%(2.34%~4.63%)、5.91%(4.34%~6.55%);健康经济损失与当年冬季PM_(2.5)浓度均值呈正相关关系;PM_(2.5)污染物对西安市常住人口健康影响显著,影响的病例(2014、2015、2016年)分别约为1 071 338例(95%CI:646 432~1 385 847)、438 273例(95%CI:246 842~599 989)、1 019 503例(95%CI:611 407~1 324 547);对哮喘儿童患者的影响比成人显著,而慢性支气管炎的影响成人比儿童显著.该研究可为西安市实施PM_(2.5)空气质量标准的成本效益分析提供科学的依据,为环境质量的管理提供参考.     

基于空间插值的西安市重空气污染期间主要污染物时空变化特征及相关性分析

西安市是我国承东启西、连接南北的战略性枢纽城市,但其长期受到重空气污染的影响.基于2018年11月24日-12月3日西安市及其周边7个地级市共38个环境质量监测站点的逐时数据,利用空间插值、趋势分析和相关性分析方法,研究了西安市一次重空气污染期间六大污染物（PM_2.5、PM₁₀、CO、NO₂、SO₂和O₃）的质量浓度时空变化及彼此间的相关关系.结果表明:①IDW（inverse distance weighting,反距加权插值法）和OKri（ordinary Kriging,普通克里格插值法）均能较好地获得西安市空气污染物的时空变化情况,但IDW的插值精度优于OKri,距离指数为7的IDW可以满足西安市空气污染物时空变化模拟的要求.②研究期间,西安市首要污染物为PM_2.5和PM₁₀,二者分别是中度-重度污染及严重-"爆表"污染天气的首要贡献因子.③ρ（PM_2.5）、ρ（PM₁₀）、ρ（CO）、ρ（NO₂）和ρ（SO₂）均呈中部高、两边低,北部高、南部低的空间分布特点,而ρ（O₃）则相反;PM_2.5、PM₁₀、O₃污染程度日趋严重,NO₂污染程度逐渐缓解.④ρ（PM_2.5）、ρ（NO₂）、ρ（CO）之间呈中等正相关,三者在时空变化上具有较高的一致性;ρ（SO₂）与ρ（PM_2.5）、ρ（NO₂）、ρ（CO）均呈弱正相关;ρ（O₃）与ρ（NO₂）、ρ（CO）均呈弱负相关.受扬尘天气和特殊风向及地形共同影响,西安市PM₁₀出现"爆表"现象,导致ρ（PM₁₀）与其他污染物质量浓度之间的相关性不明显.研究显示,距离指数为7的IDW适合西安市空气污染情况时空变化的模拟,重污染天气条件下,西安市ρ（PM_2.5）、ρ（NO₂）、ρ（CO）之间具有较高的同源性,但各污染物间时空变化和相关性关系较复杂.      

基于多源数据的西安大气重污染过程案例分析

基于大气污染六要素（PM_2.5、PM₁₀、SO₂、NO₂、CO和O₃）、PM_2.5化学组分数据、地面气象观测数据、微波辐射计数据和大气再分析数据,采用物质平衡和硫/氮氧化速率（SOR/NOR）等方法对2019年1月西安市一次重污染事件过程和成因机制进行综合分析.将该次污染过程划分为累积阶段（P1）、维持阶段（P2）和消散阶段（P3）,本次重污染过程主要是由于不利天气形势叠加反馈效应造成的,P1和P2阶段西安在500hPa都受平直西风气流影响,海平面气压为均压场,等压线稀疏,天气形势稳定,且925hPa以偏东风为主,不利于大气污染扩散.地基微波辐射计可辅助反映气象条件与重污染间的反馈机制,其反演的水汽密度和逆温均与PM_2.5存在显著线性相关关系,相关系数分别为0.86和0.38.反馈机制主要表现为：当污染达到一定程度时产生辐射冷却效应使地面降温,进而导致或加强逆温,混合层高度降低,水汽积聚,高湿条件通过加速二次转化和促进气溶胶吸湿增长使污染进一步维持,因此P2阶段二次无机离子（SO₄^2-+NO₃^-+NH₄⁺,SNA）和"其他"组分对PM_2.5的贡献率较大,分别为43.2%和23.1%,且SOR、NOR和消光系数均在P2阶段达到峰值.NH₄NO₃、有机物（OM）、（NH₄）₂SO₄和元素碳（EC）对消光系数的总贡献率超过85%,但各组分占比排序在每个阶段略有不同.     

2001~2019年气象条件对江苏省PM2.5分布的影响

利用区域在线空气质量模式WRF-Chem模拟研究了2001～2019年气象条件对江苏省PM_2.5浓度分布的影响.在排放源不变的情况下,气象条件引起的江苏省PM_2.5年均浓度的最强正、负异常分别出现在2008和2001年,它们的异常值相对于多年平均值分别占比10.5%和-14.3%,表明气象条件对PM_2.5浓度年际变化有明显影响.经验正交函数分解的结果表明,气象条件对江苏省PM_2.5浓度的空间分布的影响具有一致性.边界层高度、温度、相对湿度、风速和降水整体上都与江苏省PM_2.5浓度呈现显著负相关关系.以上气象因子所构建的线性回归方程能较好地描述PM_2.5浓度和气象条件之间的关系,其拟合值与模拟值相关性为0.73,通过了99%的信度水平检验.     

西安市人为源一次PM2.5排放清单及减排潜力研究

颗粒物是影响西安市环境空气质量的主要因子.结合《西安统计年鉴2015》《2014年环境统计数据》和现场调查等确定了西安市各类PM_2.5排放源的活动水平数据,采用物料衡算法和排放因子法测算了西安市2014年大气中PM_2.5的年排放总量,并从行业和区域角度详细分析了PM_2.5的排放贡献率.在此基础上,以2014年为基准年,依据西安市地方政策和各行业最新排放标准,对PM_2.5的减排潜力进行了预测.结果表明:2014年西安市人为源一次PM_2.5排放总量为33 660.1 t,其中,固定燃烧源、工艺过程源、移动源、生物质燃烧源、扬尘源和餐饮源的贡献率分别为27.6%、23.5%、6.8%、10.7%、31.1%和0.3%.道路扬尘、窑炉和发电为西安市PM_2.5的重点排放行业,其PM_2.5排放量分别占排放总量的21.4%、20.3%和11.0%.各区县中,鄠邑区、灞桥区和未央区的PM_2.5排放量较高,其贡献率分别为15.7%、13.7%和12.7%;新城区PM_2.5排放量最小,为297.8 t/a.2014年西安市PM_2.5平均排放强度为2.07 t/km2,其中,碑林区排放强度（16.80 t/km2）最大,高陵区（0.48 t/km2）最小.按照《西安市2017年"铁腕治霾保卫蓝天"工作实施方案》等新政策的规定,预测在新的排放标准下西安市PM_2.5排放量将比2014年削减63.7%.研究显示,固定燃烧源、工艺过程源和生物质燃烧源有较大的减排潜力.      

天津市PM2.5浓度时空分布特征及重污染过程来源模拟分析

天津市多发生以PM_2.5为首要污染物的重污染事件,明确ρ（PM_2.5）时空分布特征及重污染过程来源对PM_2.5的综合治理意义深远.利用天津市2014-2017年环境资料和2016年气象资料,结合WRF-Chem模式研究了天津市ρ（PM_2.5）时空分布特征及重污染过程来源.结果表明:①自2014年以来,天津市ρ（PM_2.5）呈逐年下降趋势.②ρ（PM_2.5）月变化曲线呈"U"型分布,呈冬春季高、夏秋季低的季节性特征;ρ（PM_2.5）日变化呈双峰型分布,主峰值出现在08:00-09:00,次峰值出现在21:00-翌日00:00.③各季节天津市ρ（PM_2.5）空间分布不同,春季、夏季、秋季和冬季高值中心分别位于天津市西南部的静海区、中心城区北部的北辰区、西部的武清区及北部的蓟州区.④WRF-Chem模式模拟的天津市秋冬季污染物来源结果表明,本地源贡献率为56%,外来源输送贡献率为44%,其中以河北省和山东省的输送为主.2016年12月16-22日天津市一次重污染过程的模拟结果表明,天津市本地源贡献率为49.6%,河北省、北京市和山东省的外来源输送贡献率分别为32.2%、7.0%和2.2%.污染前期,不利气象条件和外来源输送造成天津市ρ（PM_2.5）聚集并形成重度污染;污染持续过程中,本地源贡献率逐渐增大并占主导地位.研究显示,近年来天津市ρ（PM_2.5）呈下降趋势,并有明显的空间分布特征.      

中国东部冷锋推进中的PM2.5三维结构变化特征

利用观测资料和中尺度天气-化学模式（WRF-Chem）对一次冷锋南下天气过程导致的我国东部大范围空气污染开展研究,强调了冷锋过境前后的边界层结构及其对PM_2.5三维结构和变化的影响.观测发现,地面重污染区域位于冷锋前部均压场或等压线稀疏区域,在冷锋由北向南快速移动过程中,途经各站点PM_2.5浓度峰值伴随锋前而至.WRF-Chem模式可以较好地模拟中国东部地面和高空气象要素以及PM_2.5浓度的时空变化.模拟结果表明,处于该移动冷锋天气系统相同位置的沿途各站点的边界层结构以及PM_2.5垂直廓线表现出相似的特征.即:当冷锋开始入侵时,锋前污染物从地面被抬升到高空,PM_2.5浓度的增加和高空风速的增大导致高空PM_2.5通量增大,且PM_2.5浓度高值区随着高度升高向暖气团一侧倾斜.夜间冷锋过境引发边界层内对流性不稳定增加,边界层高度可达1 km以上,打破了边界层昼夜演变特征.本研究表明,垂直观测和精细模拟的结合可以有效地解释天气过程对空气污染的...     

西安地区PM2.5中环境持久性自由基(EPFRs)性质及来源研究

环境持久性自由基(environmental persistent free radicals, EPFRs)是一种近年来备受关注的环境风险物质,可能会危害人体健康.本研究利用溶剂萃取方法从西安市大气PM_(2.5)样品中分离出物质,运用电子顺磁共振波谱(EPR)技术分析了不同大气污染状况下大气PM_(2.5)样品及类黑碳成分中EPFRs的种类和含量,并分别测定PM_(2.5)和类黑碳成分催化H_2O_2产生羟基自由基的能力.结果表明:PM_(2.5)中的EPFRs约有85%～90%是由类黑碳成分产生的.可见光照(400～700 nm)前后,PM_(2.5)样品中EPFRs的含量增加10%～20%.此外,实验结果亦表明PM_(2.5)中能催化H_2O_2产生羟基自由基的物质主要是PM_(2.5)中水溶性物质而不是类黑碳.大气PM_(2.5)中的EPFRs没有显著催化H_2O_2产生羟基自由基的能力,也不能将O_2分子转化为活性氧物质.