乌鲁木齐大气污染物变化特征及综合评价

随着经济发展和城市化速度加快,大气污染已经成为区域性环境问题,基于2001～2018年乌鲁木齐市城市空气质量监测数据,选取SO_2、NO_2、PM_(10) 3种常规大气监测污染物作为乌鲁木齐大气环境体系评价指标,利用AHP层次分析法,建立大气污染物层次构造模型,对乌鲁木齐市大气环境质量作出综合评价。结果表明:乌鲁木齐市大气2001～2014年期间环境质量为三级,2015～2018年环境质量为二级,大气污染物权重排序为:煤改气前PM_(10)SO_2NO_2,煤改气后PM_(10)NO_2SO_2,说明乌鲁木齐市大气颗粒物占主要作用,"煤改气"能源结构调整使SO_2的浓度也有所降低,大气污染类型从以前的煤烟型污染向复合型污染逐渐转化。各年度大气质量优劣依次为2014～2018呈现逐年变好的趋势,2001～2013年有升高也有降低交替存在,整体评价与乌鲁木齐市环境质量状况公报公布的一致。表明大气环境质量改善趋势较明显,研究成果为探索乌鲁木齐市大气环境治理提供重要依据。     

天津市河东区空气质量状况分析及其污染防治对策

以相关空气质量数据为基础,对天津市河东区2016年空气质量状况进行了研究,分析大气环境中PM_(10)、PM_(2.5)、SO_2、NO_2、O_3等污染因子的污染时间和污染来源,分析结果表明,河东区空气质量受季节性影响较为严重,工业扬尘和机动车尾气等构成了大气污染物的主要来源。据此,从政府、企业以及民众等角度提出污染防治对策。     

乌鲁木齐空气质量指数特征及其与气象要素相关性分析

利用2018年3月至2019年2月乌鲁木齐市空气质量指数(AQI)和同期6种主要空气污染物(PM_(2.5)、PM_(10)、NO_2、SO_2、CO、O_3)以及气象要素数据,研究空气质量指数的变化特征,并分析其与6种主要空气污染物浓度及气象要素的相关性,为乌鲁木齐市大气污染与气象要素相关性研究提供一定的数据支撑。结果表明:乌鲁木齐市首要污染物最多的是PM_(2.5),其次是PM_(10)、NO_2和O_3,AQI指数与PM_(2.5)、PM_(10)、NO_2、SO_2、CO均呈高度相关,与O_3呈中度相关;空气质量指数与平均气温以及能见度具有显著的负相关性(p0.01),而与平均本站气压、平均相对湿度、平均风速、日照时数的相关性均不显著(p0.01)。     

秦皇岛空气污染特征及其与气象因素的关系

利用国控站点空气监测数据和气象数据,对2016年秦皇岛市空气污染特征及其与气象因素的关系进行了分析。结果表明:2016年秦皇岛市NO_2、PM_(10)和PM_(2.5)浓度未达到国家二级标准限值,污染物浓度季节变化规律明显,SO_2峰值出现在1月,O_3峰值出现在5月,PM_(10)、PM_(2.5)、NO_2和CO浓度峰值均出现在12月。污染物在西南偏西风时污染程度较高。PM_(10)、PM_(2.5)、SO_2、CO浓度受风速影响较小,NO_2、O_3浓度受风速影响较大。颗粒物浓度受湿度影响较大,随湿度增加而增大。     

层析分析法在重庆市生态保护发展区十二五大气环境质量评价中的应用研究

运用层次分析方法,选用SO_2、NO_2、PM_(10)作为评价因子,参照大气环境质量标准,对重庆市生态保护发展区大气环境质量进行评价。层次分析评价结果表明,重庆市生态保护发展区十二五期间大气环境质量基本上处于清洁和轻度污染水平,且大气环境质量有逐年改善趋势。     

长沙市空气质量变化特征及气象要素影响分析

利用2015—2018年长沙市连续在线观测得到的环境空气6项污染物质量浓度和同期的气象要素数据,分析空气质量变化特征及其与气象要素的关系。结果表明:长沙市空气质量正逐年好转,且具有明显的季节特征,呈春夏季较好、冬秋季较差的特征;影响长沙市空气质量最主要的首要污染物为PM_(2.5),其次为O_3,且以PM_(2.5)为首要污染物的天数逐年减少,以O_3为首要污染物的天数逐年增加。PM_(2.5)、PM_(10)、NO_2、SO_2、CO浓度的季节变化特征都是夏低冬高,但O_3浓度的季节变化却是夏高冬低。各项污染物浓度与同期5种气象要素的相关性分析结果表明:各项污染物浓度与气压、气温、降水量、风速相关程度较高,其中,O_3与气象要素的相关性与另外5种污染物的相关性完全相反。     

南充交警大气PM_(2.5)个体暴露水平及健康风险评价

为探讨交警工作环境大气PM_(2.5)个体暴露水平,现场监测交警大气PM_(2.5)个体暴露浓度,同时采集个体暴露大气PM_(2.5)样品,分析样品的化学成分并对部分元素进行健康风险评价。结果表明,交警大气PM_(2.5)个体暴露浓度为74.4μg/m~3,明显高于大气环境浓度42.2μg/m~3;交警PM_(2.5)个体暴露浓度与风速、湿度负相关,与温度存在一定程度上的正相关,降雨能降低PM_(2.5)个体暴露浓度。应用健康风险评价模型发现Mn对交警存在非致癌风险,风险指数为2.48;Cr对交警存在致癌风险,风险指数为1.58×10~(-3),应予以重视。     

天然气长输管道项目大气环境影响评价在新旧导则下的比对分析

HJ 2.2—2018《环境影响评价技术导则大气环境》是HJ 2.2—2008的修订版本。文章依据HJ 2.2—2018,从评价等级判定、评价范围确定、环境空气质量现状调查、污染源调查、大气环境影响预测、污染物排放量核算等评价步骤入手,对比分析新旧导则下天然气长输管道项目大气环境影响评价工作的差异。对导则在实际使用中存在的问题提出建议:长距离线性工程可按省市行政区域或其他方法分段进行达标区判定;对于二、三级评价等评价等级不高的项目,可简化等级判定对基础资料的要求。     

乌鲁木齐大气污染“周末效应”特征及其变化趋势分析

利用乌鲁木齐市主城区内四个国控环境空气质量自动监测站点2015—2019年的小时数据,对乌鲁木齐城区大气污染物"周末效应"情况及演变趋势进行研究,并对其产生的原因进行简要分析。研究结果表明:乌鲁木齐大气环境中PM_(10)、PM_(2.5)、SO_2呈现出明显的"负周末效应"现象,工作日PM_(10)、PM_(2.5)、SO_2浓度分别较周末高出2.2%、3.5%和0.5%。臭氧(O_3)呈现明显的"正周末效应",周末臭氧浓度较工作日高出3.5%。周末臭氧前体物CO、NO、NO_2浓度较工作日分别低3%、5.9%、2.2%,均呈现明显的"负周末效应"现象。近五年乌鲁木齐市各主要大气污染物"周末效应"偏差呈现逐渐减小的趋势,并在整体上呈现出由"负周末效应"向"正周末效应"转变的趋势。     

AERMOD模型在大气环境影响评价中的应用

通过实例,对AERMOD在大气环境影响评价中的应用进行讨论。根据2007年1月～12月达州市地面和高空气象数据、项目所在地的地形资料,应用AERMOD预测模型建立了空气扩散模型,对工程的大气环境影响进行了预测与评价。结果表明:AERMOD空气扩散模型实现了评价区域二维地形向三维地形的可视化转变,预测浓度分布能够反映出污染源分布和气象场变化以及地形等对大气污染物迁移和扩散的影响。     

燃放烟花爆竹对自贡市环境空气质量的影响分析

利用2016～2019年春节期间自贡市环境空气自动监测系统主要污染物浓度小时及日监测数据,分析燃放烟花爆竹及采取禁燃措施对自贡市空气质量的影响。结果显示:集中燃放烟花爆竹会造成短时空气严重污染,但随着自贡市实行行政辖区内全面禁止销售、燃放烟花爆竹,污染状况明显改善,2019年污染时段在春节期间占比较2016下降45. 6%。颗粒物浓度(PM_(2. 5)、PM_(10))大幅度下降,2019年春节期间PM_(2. 5)和PM_(10)均值分别为73μg/m~3和104μg/m~3,2019年春节期间PM_(2. 5)和PM_(10)均值分别较2016年同期下降了55. 2%和51. 6%。烟花爆竹对PM_(10)和PM_(2. 5)浓度影响明显高于SO_2、CO、O_3、NO_2。春节期间有利的气象因素对自贡市污染物的稀释和扩散具有一定的影响,但禁燃烟花爆竹对颗粒物浓度降低起决定性作用。     

巴中市城区PM_(2.5)污染特征及时空变化规律分析

利用巴中市城区一个自然年(2016年3月1日~2017年2月28日)的空气质量数据,分析了巴中市城区PM_(2.5)的污染特征和时空变化规律。结果表明,PM_(2.5)日均浓度对数值接近正态分布特征,PM_(2.5)与其他主要大气污染物都具有显著的相关关系。CO、NO_2是主要的相关因素,与PM_(2.5)的相关系数都高达0.7以上。PM_(2.5)浓度表现为冬季秋季春季夏季,这与首要污染物是PM_(2.5)的天数占比以及PM_(2.5)与PM_(10)相关系数的季节变化一致,反映了PM_(2.5)呈现出以冬季污染最重,春、秋季污染中等,夏季污染最小的季节特征。PM_(2.5)与PM10的浓度比值表现为冬季秋季夏季春季。各个站点的PM_(2.5)变化趋势一致,相互之间浓度差异小且比较均衡,巴中中学站点的PM_(2.5)浓度无论在任何季节都高于其他站点,苏山坪站点在冬季的PM_(2.5)浓度明显低于其他站点,表明PM_(2.5)污染具有明显的区域性特征,与人类活动强度相关的局地污染对PM_(2.5)污染具有一定影响。     

川南城市群大气污染时空分布及气象因子分析

以大气环境地面监测数据及其对应的地面气象数据作为基础数据,分析了2005~2014年间川南城市群大气污染时空分布特征及与气象因子相关关系。结果表明,近10年来,川南城市群PM_(10)存在典型的双峰变化,NO_2和SO_2年平均值总体保持稳定趋势;季节上表现为冬季大气污染最严重,夏季大气污染最轻。风速对PM_(10)浓度影响较大,能见度与PM_(10)呈明显的相关性。     

气象因素对成都市主要大气污染物影响的非参数分析

通过获取2014年成都市大气污染物和气象因素的在线监测数据,分析大气污染物的时间变化规律,并采用Spearman秩相关系数来分析污染物逐日浓度和气象因素的相关性。结果显示,SO_2、NO_2、CO、PM_(10)和PM_(2.5)夏季浓度最低,冬季最高,O_3则夏季最高,冬季最低;受秸秆露天焚烧影响,5月各污染物浓度均出现一个小高峰。温度和风速均与O_3显著正相关,与其他污染物显著负相关;大气压则相反;相对湿度与各污染物均显著负相关,但在严重污染时与颗粒物显著正相关。     

新疆环科院承担的国家自然科学基金大气污染研究方向项目通过验收

<正>2019年3月,新疆环科院承担的国家自然科学基金项目《SO_2、NO_2和NH3在典型PM_(2.5)表面降解形成二次无机颗粒物的化学过程研究》顺利通过国家自然科学基金委员会地球科学部的审核验收,准予结题。本项目针对我国多种类、高浓度气态污染物和颗粒物共存的复合污染特点,选取典型的PM_(2.5)组分中的矿物质颗粒物,设计搭建气-固反应原位漫反射红外光谱和离子色谱联合检测技术(DRIFTS/IC),较系统地研究了SO_2、NO_2、NH_3和在典型PM_(2.5)矿物质颗粒物表面吸附-降解形成二次无机颗粒物的非均相反应过程,并考察了气体浓度、配比、温度、相对湿度和光照对反应的影响,结合DFT方法,从分子层次上探讨反应机     

高密市环境空气污染物浓度变化特征

基于2014—2018年高密市大气监测数据,分析了SO_2、NO_2、PM_(10)、PM_(2.5)浓度的变化特征及成因,对四项污染物及降雨量进行了相关性分析,利用GM(1,1)模型对高密市未来空气质量进行了预测。结果表明,2014—2018年高密市环境空气中SO_2、NO_2、PM_(10)、PM_(2.5)年际变化呈现出逐年下降趋势;污染物月均值变化均为冬春季浓度高,夏秋季浓度低;通过相关性分析发现,环保政策对高密市空气质量总体改善起到了决定性作用,自然地理因素对高密市大气污染物月均值的变化影响明显。     

CALPUFF模型在石化项目PM2.5模拟计算中的应用

以某新建石化项目作案例,介绍利用CALPUFF模型进行PM_(2.5)预测的一般方法,给出预测结果并对其合理性进行分析,说明该模型在预测PM_(2.5)方面具有能操作、预测结果相关性好的特点,同时也指出由于PM_(2.5)生成的复杂性和模型在模拟污染物化学转化方面的局限性,导致模型预测结果在完整性上存在一定的不足,这需要在下一步PM_(2.5)的预测评价工作中继续探索完善。     

降水对西宁市大气污染物浓度的影响分析

文章利用西宁市区2013~2014年逐日空气污染日平均浓度资料和日平均降水资料,分析了西宁市区大气污染物浓度的分布和不同等级降水对SO_2、NO_2、PM_(10)、PM_(2.5)污染物浓度的清除能力。结果表明,西宁市空气质量以二级为主,二级天数占样本总数的57.8%;西宁市大气中的首要污染物是PM_(10)和PM_(2.5);降雨、降雪对污染物浓度具有稀释作用;不同等级的降雪量对4种污染物的稀释作用不同,降雪量在0.5mm以下时对污染物浓度的清除作用较弱甚至出现反弹现象,降雪量≥5.0mm时对4种污染物的清除能力最强;降雨量越大,对各项污染物的清除作用越明显,日降水量≥10.0mm对4种污染物的清除率达到了29.54%~57.57%;清除能力表现为SO_2PM_(10)PM_(2.5)NO_2的特征;连续降雪比连续降雨更有利于空气质量的改善;降雨等级不同时,AQI指数级别不变的天数居于首位的均为PM10;降雪量为0.6~1.0mm、1.1~1.9mm、≥5.0mm时,AQI指数级别不变的天数居于首位的是PM2.5;无论降雪还是降雨,PM_(10)和PM_(2.5)级别下降天数明显大于上升天数,尤其以PM2.5明显。     

京津冀地区重点耗煤行业大气污染物排放清单研究

本研究通过京津冀地区各行业的年度煤炭消费量确定火电行业、钢铁行业和焦化行业为重点耗煤行业,以在线监测数据、污染源调查(现场调研、环评、验收)数据、排放因子数据为基础,自下而上建立了2013年京津冀地区重点耗煤行业大气污染物排放清单,分析研究了SO_2、NO_x和PM_(10)的排放量与污染贡献分布情况,掌握了京津冀地区重点耗煤行业大气污染物排放现状,为大气污染物减排提供数据基础。研究表明,2013年京津冀火电、钢铁焦化行业共排放SO_2 72.35万t、NO_x 131.99万t、PM_(10) 30.36万t。     

2015～2019年云南省城市空气质量特征及影响因素研究

利用2015～2019年云南省16个州市29188个空气质量日报数据进行数理统计,采用克里金插值法及Daniel趋势检验法分析AQI (空气质量指数)及主要污染物浓度的时空变化特征,探讨近5年云南省城市空气质量时空变化特征及其影响因素。结果表明:(1) 2015～2019年云南省SO_2、PM_(2.5、)PM_(10)浓度呈下降趋势,NO_2浓度保持基本稳定,O_3浓度呈显著上升趋势,各年间空气质量综合指数值波动较小,且逐年改善。(2) 2019年O_3-8h作为超标污染物占比达57.52%。云南省PM_(2.5)年均值相对较高区域面积略有减少,O_3年均值相对较高区域面积显著增加。(3)云南省PM_(2.5)与PM_(10)月均值呈现冬春高夏秋低的变化规律,O_3月均值为春季单峰高值,SO_2月均值整体趋势平稳变化幅度不大。(4)云南省AQI值及平均能见度和平均降水量呈显著负相关(P0.01),AQI值与平均气温及平均风速不存在显著相关性。研究显示云南省空气质量优良逐年改善,污染类型由颗粒物污染转为以颗粒物和臭氧为特征的复合型污染。空气质量受气象条件影响,能源结构优化、污染物总量减排等措施对空气质量改善起到积极作用。