环境空气PM2.5化学组分监测数据审核指标的建立:以长三角地区为例

本研究基于2014~2017年长三角地区2100余组环境空气PM_2.5组分监测数据,建立了组分监测数据有效性的审核指标.以百分位数法（P_2.5,P_97.5）确定了长三角地区阴离子（A）与阳离子（C）电荷当量浓度比（A/C）、所测组分浓度之和（∑组分）与PM_2.5实测浓度比、基于物质重构的PM_2.5质量浓度（PM_2.5,重构）与PM_2.5实测浓度比、S/SO₄^2-和K/K⁺的双侧95%参考范围分别为：（0.82,1.35）、（0.63,0.94）、（0.62,1.00）、（0.28,0.50）和（0.66,2.31）,且上述指标各月的平均值和参考范围基本不受季节变化影响.NH₄⁺的理论浓度与实测浓度检验结果表明,NH₄⁺的化学形态呈现季节性变化,春夏季主要以NH₄NO₃和（NH₄）₂SO₄形态存在,秋冬季则主要以NH₄NO₃、（NH₄）₂SO₄和NH₄Cl形态存在.相关研究的验证结果表明,A/C指标的通过率为87.1%,其他4项指标的通过率高达100%,说明上述审核指标的参考范围不仅适用于长三角地区,在我国其他地区也具有参考价值.本研究还发现,审核指标的使用有一定条件,对于S/SO₄^2-,夏季数据适用条件为PM_2.5≥40 μg ·m^-3,春秋冬三季数据适用条件为60 μg ·m^-3≤PM_2.5≤140 μg ·m^-3;对于其他审核指标,当PM_2.5≥60 μg ·m^-3时,上述参考范围基本能够全年普遍适用.     

上海市可持续交通指标体系的建立及评价方法研究

以城市交通的可持续发展为出发点，运用层次分析法（AHP），采用塔式结构，构成一个以目标层．系统层．状态层及要素层所组成的递阶层次结构的上海市可持续交通指标体系，包括48项指标。采用Expert Choice Model模型，通过应用层次分析法对各类指标进行权重的计算：利用隶属函数及线性加权法进行综合指数的计算，从而对城市交通可持续发展状况进行评价。根据综合指数的大小将交通可持续发展状况分为4个等级及相应的特征描述。对指标的选择及评价过程提出了一些问题和建议。     

模糊数学在河流水质评价中的应用

目前,国内外的水体环境质量评价一般采用指数方法。其数学模型不外乎污染物分指数(I_i=(C_i)/(S_i))、均权迭加(P=∑I_i)、加权平均(P_j=1/K∑W_iI_i)、兼顾极值(算术平均、几何平均)以及Nemerow水质指数等。虽简单而易于理解,但方法粗略,计算缺乏严密性。采用模糊数学进行评价,不但可克服原有评价方法的粗略性,并且能反映评价参数与评价标准间的符合程度,使评价结果更具有科学性。评价方法及评价结果一、评价程序     

重型柴油公交车实际道路颗粒物排放的理化特征

为研究重型柴油公交车实际道路颗粒物排放的理化特征,采用车载排放测试方法,选取了2辆国Ⅲ和4辆国Ⅳ柴油公交车,对气态污染物和颗粒物排放因子、粒径分布及颗粒物中的组分(包括碳组分、离子、元素和有机组分)排放特征进行了实测分析.结果表明:测试车辆的颗粒数量主要集中在100 nm以下粒径段,颗粒质量排放总体呈倒U型分布,粒径峰值位于300 nm左右.OC和EC分别占尾气颗粒物总质量的36.10%±8.94%和27.97%±10.00%,离子和元素组分分别占7.75%±1.01%和22.71%±3.09%.柴油质量对柴油车尾气颗粒物成分具有较大影响,燃用国Ⅲ柴油的车辆尾气中富含S、Ca、Mg、Na等元素组分,其主要来自燃油中的硫分和杂质.在可检出的弱极性可溶有机物中,正构烷烃和脂肪酸的含量较为丰富,分别占颗粒物总质量的1.95%和5.13%,此外还有一定量的藿烷和PAHs(多环芳烃).其中,正构烷烃组分主要分布于C19～C29,正构烷酸主要集中在C12、C14、C16和C18等偶数碳组分.国Ⅲ和国Ⅳ柴油公交车的PAHs排放因子分别为198.2、62.5 μg/km,以3环和4环PAHs为主,菲、荧蒽、芘、惹烯、苯并荧蒽、、苯并[123-cd]芘和苯并苝是较为主要的PAHs组分.需要指出的是,由于采用定比例稀释方法,颗粒物中组分的测试结果可能与其实际排放存在一定偏差.      

CALRoads模式在上海市典型道路CO扩散预测中的应用

根据上海市市区、郊区典型主干道的气象条件、车流量、车型比例,以及CO小时质量浓度的监测资料,采用CALRoads模式中CALINE4和CAL3QHC模块,对郊区主干道和市区典型路口的适用条件分别进行了验证.结果表明,在稳定的气象条件下,CALINE4模式在模拟周围相对空旷主干道附近的CO质量浓度时,具有较好的结果,将CAL3QHC模式应用于市区典型交叉口,可以得到同监测值相对吻合的模拟结果,但准确性低于郊区.应用CALRoads模型对未来城郊典型道路附近CO高峰小时质量浓度的发展趋势进行了预测,并基于情景分析给出了减少交通污染的对策建议.     

挥发性有机化合物气体泄漏检测与修复技术

介绍了一种先进的挥发性有机物(VOCs)排放控制技术,即设备管线组件泄漏检测与修复(LDAR)技术,详细分析了LDAR技术在国内外的实施经验,并探讨了该技术应用于我国石化行业VOCs排放控制的前景.     

基于OSAT方法对上海2010年夏季臭氧源解析的数值模拟研究

上海夏季臭氧浓度超标现象频繁出现,危害人体健康,已成为一个重要的大气环境问题.本文采用CAMx模型并使用OSAT方法对上海2010年夏季（8月）地面臭氧的源贡献进行了数值模拟研究,探讨了上海本地、浙江、江苏和远距离传输对上海徐汇站O₃浓度的贡献,同时还详细分析了上海本地8类源（农业源、工业过程、工业锅炉、电厂、生活源、交通源和挥发源）的贡献特征.结果表明：在白天O₃低浓度污染时段和夜间,上海徐汇站O₃主要来自外围（最内层模拟区域之外）的贡献.而在白天高浓度O₃污染时段,来自上海市本地污染源排放的贡献率显著地升高.从2010年8月6—31日期间徐汇站O₃小时浓度贡献百分率的平均值来看,外围贡献了61.2%,上海本地、江苏和浙江对上海徐汇站的平均贡献率分别为22.8%、7.4%和8.6%.工业过程是上海本地O₃的最大贡献源,其次是挥发源和交通源,因此,降低上海本地O₃污染浓度的有效措施为控制来自工业过程、挥发源和交通源的O₃前体物的排放.另外,通过OSAT方法模拟计算还得出,上海市交通源、上海电厂和工业过程是徐汇站NO_x浓度（O₃的重要前体物之一）的三大主要贡献源,实施针对该三大重点排放源的减排措施将有效减少上海市的NO_x大气环境浓度.     

基于Urban-RAM模型的上海居民生活碳排放研究

随着全球对碳排放相关研究的不断深入,居民生活引起的能源消耗和碳排放问题引起了研究人员越来越多的关注,但目前鲜有对上海市居民生活整体碳排放的系统研究.本文以2010年为基准年,引入美国劳伦斯伯克利国家实验室开发的Urban-RAM模型,对上海市居民生活碳排放情况进行定量分析,旨在初步掌握上海市居民生活碳排放的总体规模和结构特征,为上海市低碳城市建设和相关决策提供科学依据.研究结果表明,上海市2010年居民生活碳排放总量(CO2e)为4985.7万t,主要以间接排放为主,间接碳排放和直接碳排放分别占居民生活碳排放总量的64.1%和35.9%;上海市居民生活碳排放在各个消费领域的分布不均,直接碳排放主要来自公共和居住建筑领域,该领域的直接碳排量为1065.0万t,占全市居民生活直接碳排放总量的59.5%;间接碳排放主要来自家庭消费领域,该领域的间接碳排量为1625.2万t,占全市居民生活间接碳排放总量的50.9%,其中以食品消费和衣装消费的贡献最大,分别占家庭消费领域碳排放总量的53.5%和29.5%;综合来看,公共和居住建筑领域的整体碳排量最大,为2231.6万t,占全市居民生活碳排放总量的44.8%.     

2013年1月中国中东部大气重污染期间上海颗粒物的污染特征

2013年1月,我国中东部地区连续遭受多场大范围、长时间、高强度的灰霾天气.期间,本研究采用在线连续观测手段测量了上海市城区大气中气态污染物、颗粒物的质量浓度、细颗粒物的化学组分等,获得了高污染过程中颗粒物的污染特征.观测结果显示,1月份期间PM₁₀、PM_2.5与PM_1.0平均浓度分别为(125±75) μg·m^-3、(82±54) μg·m^-3和(44±27) μg·m^-3,PM_2.5/PM₁₀为65.0%±13.0%,能见度小于10.0 km的累计时间长达284 h,占整月小时数的38.2%.灰霾期间大气PM_2.5中SO₄^2-、NO₃^-、NH₄⁺和OM分别占PM_2.5的21.5%±4.9%、22.8%±5.9%、15.9%±3.1%和20.4%±4.3%,其中,二次组分(SNA+SOA)占PM_2.5的65.7%±8.4%,表明灰霾期间二次组分对PM_2.5的贡献较大;灰霾期间还测得较高的SOR和NOR,分别为0.335±0.121和0.229±0.066,说明SO₄^2-和NO₃^-的生成效率较高;较高的/比值(1.137±0.438)表明灰霾期间机动车的污染较明显.研究发现,随着PM_2.5质量浓度不断地增加,SNA的比例明显上升,期间NH₄⁺对SO₄^2-、NO₃^-等酸性物质的中和发挥了重要作用.研究结果显示,灰霾期间,因受低温和高浓度颗粒物的影响,上海地区的大气对有机物的氧化能力明显减弱,昼夜OC/EC值差别不大.