西宁市大气污染来源和输送季节特征

在2016～2018年西宁市大气污染物PM10和PM2.5季节污染特征分析的基础上,利用HYSPLIT模式和GDAS资料计算了逐日72 h气流后向轨迹,通过聚类分析确定气流输送路径及其对日均PM10和PM2.5质量浓度的影响,运用TrajStat软件提供的潜在源贡献因子分析法(PSCF)和浓度权重轨迹分析法(CWT),...     

利用轨迹模式研究上海大气污染的输送来源

利用HYSPLIT4模式和全球资料同化系统(GDAS)气象数据,计算了2010年12月─2011年11月期间抵达上海的气流后向轨迹. 结合聚类方法和上海ρ(SO₂)、ρ(NO₂)、ρ(PM₁₀)数据,分析了各季节不同类型气流轨迹对污染物浓度的影响,利用引入权重因子后的潜在源贡献算法分析了不同季节PM₁₀和NO₂潜在WPSCF(源区分布概率)特征. 结果表明:上海气流输送季节变化特征明显. 冬、春和秋季,上海较易受到来自西北、西南等区域的大陆性气流影响,受沙尘或人为污染排放的影响相对较大,ρ(PM₁₀)、ρ(SO₂)和ρ(NO₂)平均值相对较高,分别为162、74和53μg/m3. 夏季上海主要受较清洁的海洋性气流影响,ρ(PM₁₀)、ρ(SO₂)和ρ(NO₂)相对较低,分别为47、19和36μg/m3. 上海PM₁₀和NO₂的WPSCF分布特征类似,在冬、春和秋季,WPSCF高值(0.2~0.4)主要集中在江苏南部,河南、安徽等地的带状区域也有一定贡献,说明这些区域是上海这2种污染物的潜在源区. 夏季WPSCF的分布较为集中,上海以外区域值基本小于0.1,说明外来污染输送的贡献较小.      

常州市冬季大气污染特征及潜在源区分析

为了解常州市冬季大气污染特征,对2013—2015年常州市冬季PM_2.5、PM₁₀、SO₂、NO₂、CO数据进行分析,并结合HYSPLIT 4.9模式研究不同气团来源对常州市各污染物浓度的影响及潜在污染源区分布特征.结果表明,常州市冬季以PM_2.5污染为主,其占冬季首要污染物的90%以上,冬季PM_2.5小时浓度对应的空气质量级别以良和轻度污染出现频次最多,冬季的ρ（PM_2.5）对ρ（PM_2.5）年均值的贡献率高达37.4%,不完全燃烧是颗粒物的一个重要来源.冬季ρ（PM_2.5）、ρ（PM₁₀）、ρ（SO₂）、ρ（NO₂）和ρ（CO）的日变化均呈双峰分布,两个峰值分别出现在交通的早高峰和晚高峰附近.ρ（NO₂）在晚高峰明显大于早高峰,而ρ（SO₂）和ρ（CO）表现为早高峰大于晚高峰.常州市CO/NO_x和SO₂/NO_x的分析结果表明,常州市交通源的贡献明显,点源对常州市的空气质量的影响也较大.1和6 h的ρ（PM_2.5）梯度变化可判识细颗粒物的爆发性增长.冬季常州市受到西北、西和西南等地区的大陆性气流影响较大,其对应的ρ（PM_2.5）、ρ（PM₁₀）、ρ（SO₂）、ρ（NO₂）和ρ（CO）平均值相对较高,且对应的污染轨迹出现概率较大.偏东方向的气流由于移动速度慢,不利于污染物扩散易造成污染累积,导致ρ（PM_2.5）、ρ（SO₂）和ρ（NO₂）相对较高.WPSCF（源区分布概率）高值区（>0.5）集中于从芜湖至上海的长江中下游区域和杭州湾区域.PM_2.5、PM₁₀、SO₂、NO₂和CO潜在源区存在较大差异性,NO₂、SO₂和CO本地化的潜在贡献较PM_2.5和PM₁₀更明显.此外,受船舶等影响海洋源区对NO₂、SO₂和CO的潜在贡献较大.研究显示,长三角区域的大气污染物以本地污染为主,但远距离污染输送贡献也不容忽视.      

2017年春夏期间南京地区臭氧污染输送影响及潜在源区

基于南京市空气质量数据与NCEP 全球再分析资料,利用后向轨迹模式计算了 2017 年春夏(4～10 月)到达南京城区逐时的24 h 近地面气团后向轨迹,并将后向轨迹数据与臭氧质量浓度数据结合,进行轨迹聚类与潜在源区分析.结果表明,2017年南京市臭氧日最大8 h 滑动平均浓度在12～261 μg·m-3,超标共58 ...     

广州市PM2.5污染特征及潜在贡献源区分析

基于NCEP/NCAR全球再分析气象资料和2015-2017年PM_(2.5)浓度,利用HYSPLIT模型研究不同气流轨迹对广州PM_(2.5)浓度的影响,以及污染输送路径和潜在源区空间分布特征。结果表明:(1)广州2015-2017年PM_(2.5)平均浓度为36.5μg/m~3,逐月平均PM_(2.5)浓度1月份最高,为49.3μg/m~3,轻度污染及以上时次比例达15.66%,6月份最低,为20.8μg/m~3,无轻度及以上污染时次。(2)PM_(2.5)平均浓度在不同情景类型下的浓度高低顺序依次为:污染日干季清洁日湿季,其中污染日的PM_(2.5)平均浓度是清洁日的近3倍,干季的PM_(2.5)平均浓度是湿季的1.4倍;不同情景类型下的PM_(2.5)浓度日变化特征基本都在白天时段低(16时最低),晚上时段高(21-22时最高),日变化幅度为污染日干季清洁日湿季。(3)在干季,影响广州的气流轨迹路径主要有5类:东北路径、东南路径、西北路径、西南路径及偏西路径,其中第2类东南路径对广州PM_(2.5)平均浓度的贡献最高;而在湿季,影响广州的气流轨迹路径主要有4类:偏南路径、东南路径、偏北路径及西南路径,其中第3类偏北路径对广州PM_(2.5)浓度的贡献最高。(4)基于潜在源贡献因子和浓度权重轨迹分析法分析表明,广州PM_(2.5)浓度潜在源贡献较大的区域主要集中在广州东部的东莞、惠州、深圳、肇庆、中山等周边地区,该研究可为确定广州污染潜在源贡献区以及区域联防联控提供参考。     

2017年兰州市大气污染物输送来源及传输特征模拟分析

利用HYSPLIT后向轨迹模式,结合兰州市AQI（空气质量指数）及常规大气污染物质量浓度数据,模拟研究了2017年1月1日-12月31日以兰州市为受点的大气污染物输送特征.通过聚类分析确定了抵达兰州市气团的主要输送途径和每类路径所对应的污染物质量浓度特征,并利用受体模型PSCF（潜在源贡献因子分析法）和CWT（权重浓度轨迹分析法）,分析了大气污染区域传输对兰州市空气质量的影响,探讨了影响兰州市空气质量的污染物输送来源和可能的潜在源区.结果表明,在影响兰州市的气流轨迹中,污染轨迹多来自兰州市以西和以北方向,污染轨迹约占总轨迹的39.52%,说明外部污染物的输入对兰州市空气质量具有重要影响.其中,第3类轨迹（对应来向为西）的气团对兰州市的空气质量有较大的影响,该类轨迹虽仅占总轨迹的15.21%,但其中污染轨迹数占56.76%,是影响兰州市空气质量的主要传输路径;第4类轨迹（对应来向为东南）的气团最为清洁.研究显示,对兰州市空气质量影响最大的强潜在源区主要分布在青海共和盆地、兰州市本地及周边区域,中等强度潜在源区为内蒙古自治区南部、宁夏回族自治区及甘肃省河西走廊等地区.      

舟山本岛大气污染输送过程的数值模拟分析

利用HYSPLIT-4后向轨迹模式和NCEP(美国国家环境预报中心)的2012年GDAS(全球资料同化系统)气象数据,结合NO₂、PM_2.5、PM₁₀和SO₂等常规大气污染物的质量浓度数据,对舟山本岛2012年4月、7月、10月和12月的大气污染输送过程进行了模拟,并通过聚类分析和潜在源区分析〔包括PSCF(潜在源贡献)和CWT(浓度权重轨迹)计算〕,确定大气污染传输路径及影响源区. 结果表明:舟山本岛气流后向轨迹呈明显的季节变化特征,4月主要受来自黄海海面气流轨迹的影响,其占总轨迹数的36.7%,ρ(PM₁₀)为(53.24±24.33)μg/m3;7月以途经琉球群岛和东海气流轨迹为主,占总轨迹数的48.4%,对ρ(NO₂)、ρ(PM_2.5)、ρ(PM₁₀)和ρ(SO₂)贡献分别为(24.63±6.33)、(28.60±4.83)、(52.89±18.76)和(8.67±3.11)μg/m3;10月气流轨迹主要来自于东海海面,占总轨迹数的49.2%;12月气流则主要来自辽宁南部和黄海,占总轨迹数的66.1%,对ρ(NO₂)、ρ(PM_2.5)、ρ(PM₁₀)和ρ(SO₂)贡献分别为(28.48±15.14)、(58.71±14.10)、(69.83±38.94)和(20.83±13.28)μg/m3. 舟山本岛PM_2.5的潜在源主要为毗邻城市间局地污染,集中于浙江沿海城市及杭州湾、上海等地.      

沈阳地区冬季空气颗粒物输送路径及潜在源分析

文章利用2016～2017年冬季沈阳地区气象数据和环境空气污染物浓度数据,综合分析沈阳地区冬季环境空气污染特征,分析颗粒物输送路径以及潜在源区贡献情况.结果表明,沈阳地区冬季污染时段内PM2.5是主要污染物,PM2.5平均浓度达到149μg/m3,最大值达到273 μg/m3.沈阳地区环境空气颗粒物除来源于本地排放外,...     

哈尔滨市一次大气污染过程及潜在源分析

本研究以2018年12月10~13日哈尔滨市一次严重的空气污染事件为研究对象,分析了此次污染过程的概况、成因以及污染的潜在源区.结果表明：此次空气污染过程以PM_2.5影响为主,污染类型由10日00：00~11日17：00的偏燃煤型发展为11日17：00~13日15：00的二次气溶胶复合污染,最终在13日15：00后稳定为偏燃煤型.从天气形势和风速风向分析可知此次10~13日的污染过程与不利气象扩散条件也是密不可分的.模拟的48h后向轨迹经过聚类分析主要分为4类,大部分来自内蒙古、吉林等方向,70.83%的轨迹PM_2.5超标,表明来自这些方向的污染气团对哈尔滨市的空气质量影响较大;而通过对模拟的48h后向轨迹进行PSCF、CWT分析,发现哈尔滨的WPSCF和WCWT分布特征类似,WPSCF和WCWT的高值主要集中在哈尔滨本地的双城、巴彦、阿城、吉林省的中部、西部地区等地区,以及大庆、绥化等地区,说明这些区域都是哈尔滨市PM_2.5的潜在源地.     

不同天气形势对南京地区双高污染的输送及潜在源区分析

基于2015~2019年南京细颗粒物（PM_2.5）和臭氧（O₃）逐小时浓度数据,通过T-mode主成分分析法对南京发生PM_2.5和O₃污染同时高浓度并存（双高污染）时的天气形势进行了分型,利用后向轨迹聚类分析法、潜在来源贡献法（PSCF）和浓度权重轨迹分析法（CWT）研究不同天气形势对南京双高污染的输送路径及潜在源区分布.结果表明,有利于南京地区双高污染的天气形势分别为弱的低压型（Type1）和高压中心型（Type2）.天气形势会对后向轨迹的方位来源产生影响.Type1时,南京地区受到东北和西南两个低气压影响,气团的聚类轨迹主要来自东西两个方位,轨迹中ρ（PM_2.5）和ρ（O₃）平均值分别为83.48 μg·m^-3和106.85 μg·m^-3.Type2时,南京及其周边在高压中心边缘,气团聚类轨迹主要来自北方和东方,轨迹中ρ（PM_2.5）和ρ（O₃）平均值分别为94.47 μg·m^-3和92.32 μg·m^-3.同时两种类型后向轨迹绝大部分属于中短距离区域输送,说明周边临近省份的污染是影响南京地区双高污染主要原因之一.PSCF和CWT分析表明,两者高值区域基本保持一致.Type1和Type2两种类型中PM_2.5和O₃的最主要潜在源区均出现分布并不完全一致的情况,表明双高污染中的两种污染物并非来自同一地区.     

兰州地区典型有机污染物长距离迁移及其总持久性模拟

运用TaPL3模型研究了兰州半干旱地区典型有机污染物通过大气和水体的长距离迁移(LRT)及其总持久性(P_ov),讨论了LRT和Pov之间的关系. 以2,3,7,8-TCDD为例,分别利用灵敏度和蒙特卡罗方法对模型的关键参数和输出结果的不确定性进行了研究. 结果显示:2,3,7,8-TCDD,γ-HCH,BaP和HCB在兰州地区通过大气的特征迁移距离(CTD)分别为126,934,117和13 307 km,P_ov分别为1 421,1 082,1 413和3 949 d;通过水体的CTD分别为6 633,119 000,16 249和16 658 km,P_ov分别为1 584,1 551,2 711和4 428 d,且污染物的LRT和P_ov没有直接的联系. 同国外的研究相比,兰州地区的2,3,7,8-TCDD通过大气的CTD明显偏低,通过水体的CTD明显偏高,而P_ov都明显偏高.      

基于气流轨迹聚类的大气污染输送影响

基于中尺度气象预报模式(MM5)、混合单粒子拉格朗日积分(HYSPLIT)轨迹模式模拟和K均值聚类算法,利用气流轨迹聚类判断不同尺度大气输送型对城市空气的质量影响. 采用MM5模式对2006年珠江三角洲地区四季代表月(1,4,7,10月)的气象场进行了模拟,将模拟结果输入到HYSPLIT模式中,以计算广州市上空气团每日逐时的12 h后向轨迹;利用K均值聚类算法按轨迹移动方向和速度将各月气流轨迹线聚为有代表性的5类,计算各类输送型出现时段广州市ρ(PM₁₀₎和ρ(SO₂)的平均值. 结果表明,珠江三角洲地区低层大气输送季节性变化明显,按输送特征及其对城市污染物浓度的影响差异,可将输送型分为局地输送、城市间输送和远距离输送3类. 结合污染源排放清单得出的污染源空间分布,分析结果表明,广州市大气污染较重时段主要受特殊气象条件和珠江三角洲地区周边城市排放源的影响,本地源排放与周边城市污染物输送的叠加使大气污染加重.      

兰州地区16种多环芳烃的长距离迁移潜力和总持久性模拟研究

使用TaPL3模型对兰州地区16种PAHs通过大气和水体的长距离迁移潜力(LRTP)和总持久性(Pov)进行了模拟研究,比较了不同环数多环芳烃(PAHs)的特征迁移距离(CTD)和Pov的大小,对两者的关系进行了分析讨论,并以BaP为例对关键参数进行了灵敏度分析.研究结果表明,16种PAHs在兰州地区通过大气的特征迁移距离(CTDAir)在18.9km(BghiP)和734.9km(PYR)之间,总持久性(PovAir)在0.41d(ACE)和1304.76d(BaP)之间;通过水体的特征迁移距离(CTDWater)在511.1km(NAP)和34472.6km(BghiP)之间,PovWater在5.35d(NAP)和4156.59d(BghiP)之间.16种PAHs中,芘在空气中的LRTP最大,苯并[ghi]芘在水中的LRTP最大.中、高环数PAHs的PovAir和PovWater要比低环数PAHs高.此外,CTD和Pov没有表现出直接的关系.与国外的同类研究相比,BaP在兰州地区的CTDAir明显偏低.     

“兰州蓝”背景下空气污染特征、来源解析及成因初探

兰州市近年空气质量有所好转，频繁出现"兰州蓝"现象.本文利用兰州市2013—2018年空气污染物实时监测数据，分析了兰州市空气污染特征、潜在来源和成因.结果表明，2013—2018年兰州市SO₂、PM_2.5和PM₁₀浓度呈下降趋势，NO₂、CO和O₃浓度呈上升趋势，PM_2.5和PM₁₀是兰州市的主要污染物，其值远远高于标准限值.大气污染物与气象参数的关系表明，较低的一次污染物与较高的风速相关，二次污染物O₃其较低的浓度值与较低的温度有关.从后向轨迹模型分析来看，新疆塔克拉玛干及周围的戈壁沙漠、内蒙古高原和西部青海地区是春季、秋季和冬季污染物的主要来源区，兰州东南部周边地区是夏季的主要源区和秋季的次要源区.初步分析了当地污染物排放和气象条件的影响，由于严格的排放控制，空气质量的改善可能与污染物排放量的减少有关，而气象条件的贡献并不明显，具体还需要进一步研究.     

兰州市公共交通的生态足迹测算研究

以兰州市公共交通(分为公交车和出租车两种)为研究对象,运用生态足迹法,测算2010年-2014年兰州市客运交通生态足迹,并计算兰州市公共交通的生态效率和生态足迹强度.结果表明:公共交通生态足迹年均占比为7.41%;公共交通生态足迹和客运量呈同步增长态势,公共交通生态足迹年均增长1.71%;在影响公共交通生态足迹的因素中,公交车和出租车的化石能源足迹年均占比分别为76.06%和62.32%;就生态效率而言,公交车生态效率是出租车生态效率的6.24倍.