冬季不同天气形势下杭州市大气环境容量研究

文章利用2015-2018年杭州市地面PM_(2.5)质量浓度资料、ERA5再分析资料和地面观测资料,在使用PCT分型法对杭州市冬季天气形势进行客观分型基础上,通过修正A值法计算得出了杭州市冬季不同天气形势下大气环境容量的变化特征。结果表明:2015-2018年杭州市冬季PM_(2.5)质量浓度持续偏高,空气污染最为显著。通过客观分型得出影响该地区冬季主要天气形势共分6种,分别为高压控制、高压底部控制均压场、L型高压控制、高压前部控制均压场、低压控制、低压前部控制均压场。其中,在高压控制、高压底部控制均压场、L型高压控制、低压控制时,其逐日大气环境容量相对较小,依次为5.66、5.88、7.95、0.52 t/d,易发生空气污染;在低压前部控制均压场和高压前部控制均压场时,大气环境容量较大,依次为15.26、13.14 t/d,不易发生空气污染。因此,得出的不同天气形势下大气环境容量的变化特征对于杭州市冬季大气污染排放管控政策的制定能够起到一定的指导作用。     

江苏油田大气环境容量研究

本课题应用“Ａ值法箱模式”，在最不利的气象条件下，以二氧化硫、氮氧化物为例，对江苏油田的大气环境容量进行了研究，得到了不同大气质量标准所地应的不同的环境容量，这就为江苏油区总量控制和总量规划分配提供了科学的依据。     

淮阴城区大气环境容量初步研究

通过对城市扩散模式“ＡＴＤＬ”模式和“箱模式”的比较，以二氧化硫为例，对城市各功能区的大气环境容量进行了研究，得到不同环境质量标准下的大气环境容量，为城区的大气总量控制和总量规划提供科学的依据。     

京津冀中南部污染气象贡献的时空变化特征

基于环境气象评估指数（EMI,environmental meteorology index）,以石家庄、邢台、邯郸、衡水四个京津冀中南部重点城市为研究对象,对2013~2018年的气象条件变化时空分布特征进行分析.结果显示：EMI指数与经过去趋势处理的PM_2.5浓度的相关系数达0.88,说明EMI指数具有较好的可靠性,能够可靠性地应用于大气环境评价和重污染天气过程评估业务;基于气象条件对PM_2.5浓度贡献的定量分析方法,计算得到2013~2018年月度气象条件对PM_2.5浓度变化的贡献率,定量分析不同月份的气象条件变化,可有效评价不同污染程度月份的气象条件影响.此外,该定量方法在重大活动期间气象条件和减排效果评估中得到有效应用;从冬季气象定量贡献的空间分布来看,在京津冀中南部的山前地区形成EMI正距平百分比高值区,除人为排放较高外,恶劣的气象条件是京津冀中南部颗粒物污染严重的重要原因.     

新疆地区大气环境容量系数的气候特征及其在空气质量变化中的作用

新疆在我国属于冬半年大气环境容量系数(A值)显著偏低的区域.研究了1975—2019年新疆大气环境容量系数的时空变化特征.新疆的低A值区主要分布在塔里木盆地北部和新疆东部;研究期间新疆的大气环境容量系数在随机波动中整体呈下降趋势,这与新疆平均风速的变化较为一致,主要是由气候变化引起.新疆A值的季节差异大,春夏高、秋冬低;A值的冬季均值远小于年均值,说明新疆冬季的大气自净能力很弱.新疆4个地级市的月均A值与PM_2.5浓度具有显著的负相关,A值能够较好地反映当地空气污染的气象条件特征.南疆城市则由于沙尘天气的影响,大气颗粒物浓度很高,但A值与PM_2.5浓度的相关性较差.还基于A值,利用城市大气环境荷载指数对新疆4个地级市的大气污染排放变率进行了评估.     

京津冀地区臭氧浓度时空变化特征

为研究京津冀地区臭氧浓度的时空变化,文章利用2014年6月-2018年5月中国环境监测总站臭氧浓度数据进行分析。结果表明:(1)京津冀地区臭氧浓度平均水平不断增高,不同区域增速差异明显,高值区出现由单中心向双中心的转变且逐渐形成了日益明显的沿海臭氧高浓度分布带;(2)臭氧浓度的季节性差异显著,春、夏两季较秋、冬两季臭氧浓度高,其中夏季最高,冬季则缺乏高值区;(3)不同城市的年均臭氧浓度分布模式不同,大部分城市核密度估计峰值对应臭氧浓度20μg/m~3;(4)臭氧浓度的日内变化基本遵循周期性单峰型变化规律;(5)不同城市臭氧浓度超标天数差异显著,变化趋势可分为稳定增长型、突变增长型和稳定型。     

京津冀及周边地区PM2.5时空变化特征遥感监测分析

为分析京津冀及周边地区的PM_(2.5)时空变化特征,先利用MODIS数据反演1 km分辨率的AOT产品,采用地理加权回归模型实现京津冀及周边地区2016~2017年逐日PM_(2.5)浓度的遥感反演,并在此基础上对多种时间尺度PM_(2.5)浓度合成结果进行验证分析,最后从不同时间尺度对2016年和2017年PM_(2.5)时空变化特征进行了对比分析.结果表明本研究反演的日均、月均和年均这3种时间尺度的PM_(2.5)浓度结果总体上效果较为理想,时间尺度越大,遥感估算的PM_(2.5)效果越好,年均PM_(2.5)结果相对精度达80%以上,并且2016年和2017年同一时间尺度的PM_(2.5)遥感结果精度较为接近.京津冀及周边地区PM_(2.5)分布总体均呈现"冬季秋季≈春季夏季"和"南高北低"的季节变化和空间分布趋势.与2016年相比,2017年京津冀及周边地区PM_(2.5)浓度平均下降约9.2%,且高值区范围明显减小,PM_(2.5)浓度高值一般发生在11月和12月,而低值则一般发生在8月.2017年与2016年PM_(2.5)浓度时空变化与2017年的大气污染综合治理攻坚行动巡查和空气质量专项督查活动密切相关,这也能间接说明大气污染减排的成效.     

基于PM2.5浓度达标约束和区域联防联控的河南省地级市大气环境容量研究

为研究以河南省为代表的受大气污染传输影响显著省份的大气环境容量,本文基于CMAQ模型,采用嵌套迭代模拟的方法,计算了在周边省份区域联防联控的前提下河南省PM_2.5浓度达标(GB 3095-2012《环境空气质量标准》二级标准限值)时17个地级市SO₂、NO_x、一次PM_2.5和NH₃的大气环境容量.结果表明：(1)省外传输对河南省PM_2.5浓度的贡献率为50.29%,其中周边7个省份传输贡献率为36.19%,可见周边省份实施大气污染联防联控是河南省实现空气质量达标的必要条件.(2)在省级PM_2.5浓度达标时,河南省周边7个省份SO₂、NO_x、一次PM_2.5和NH₃的大气环境容量分别为279.07×10⁴、465.61×10⁴、172.67×10⁴和182.96×10⁴     

集成AEC和时空特征的工业园区PM2.5浓度预测

为实现工业园区企业污染排放精细化管控,捕捉工业园区内企业污染排放与污染物浓度之间的响应关系,提出一种集成大气环境容量(AEC)和时空特征的工业园区PM_2.5浓度预测模型.通过有限体积法获得工业园区日均大气自净能力指数(ASI),结合工业园区日排放数据作为AEC特征;同时利用小波分析和Pearson相关系数法提取时空特征,包括目标监测站PM_2.5浓度的时间变化特征和其与周围监测点PM_2.5的空间相关特征.通过CNN获取训练数据中PM_2.5的关联特征,并利用BILSTM充分反映时间序列训练数据中隐含的关键历史长短期依赖关系,确保快速准确的预测性能,以2018～2020年濮阳市工业园区大气污染物观测数据、气象数据及排放数据进行实验验证.结果表明:本文提出的CNN-BILSTM预测模型相较于传统LSTM模型预测精度提升10%;AEC特征和时空特征有利于提高模型精度和稳定性,集成AEC和时空特征的CNN-BILSTM预测模型在PM_2.5污染天数预测准确率最高,达93%;分季节预测结果表明...     

基于全国城市PM2.5达标约束的大气环境容量模拟

基于第3代空气质量模型WRF-CAMx 和全国大气污染物排放清单,开发了以环境质量为约束的大气环境容量迭代算法,并以我国333个地级城市PM2.5年均浓度达到环境空气质量标准(GB3095-2012)为目标,模拟计算了全国31个省市区SO2、NOx、一次PM2.5及NH3的最大允许排放量.分析结果表明,以城市PM2.5年均浓度达标为约束,全国SO2、NOx、一次PM2.5和NH3的环境容量分别为1363.26×104,1258.48×104,619.04×104,627.71×104t.2010年全国实际SO2、NOx、一次PM2.5和NH3排放量分别超过环境容量的66%、81%、96%、52%.空气污染较严重的河南、河北、天津、安徽、山东及北京6省市4项污染物排放量均超过环境容量1倍以上,环境容量严重超载区域与PM2.5高污染地区具有显著的空间一致性.     

牡丹江市大气环境容量研究

为了更合理地制定牡丹江市总量控制目标和控制战略,使有限的大气环境容量资源得到合理的利用,促进牡丹江市大气污染物排污许可制度的落实,为“十一五”城市环境保护规划提供技术支持,对牡丹江市大气环境质量现状、大气污染源、气象条件及环境空气质量功能区划分等进行了较为详细的调查分析,并对目前常用的容量测算模型进行了比较,结合牡丹江市的实际情况,认为A-P值法为目前牡丹江市大气环境容量测算的适用模型,并对牡丹江市大气环境容量进行了研究,为牡丹江市合理管理和利用大气环境容量提供了科学依据。     

京津冀地区典型城市大气细颗粒物碳质组分污染特征及来源

为研究京津冀地区典型城市大气细颗粒物及其碳质组分的时空变化特征及来源,于2016年12月28日—2017年1月22日及2017年7月1—26日,对北京市与石家庄市PM_2.5（细颗粒物）及PM₁（亚微米颗粒物）进行采集,使用DRI（热光碳分析仪）检测PM_2.5与PM₁中ρ（OC）与ρ（EC）,并对其碳质组分来源进行分析.结果表明:①采样期间,冬、夏两季PM_2.5与PM₁中ρ（OC）均为石家庄市采样点远高于北京市采样点;冬季PM_2.5与PM₁中ρ（EC）均为石家庄市采样点高于北京市采样点,夏季则略有不同.②冬季污染日,北京市采样点ρ（PM_2.5）与ρ（PM₁）均为石家庄市采样点的1.08倍,PM_2.5与PM₁中的ρ（OC）分别为石家庄市采样点的1.14和1.12倍,石家庄市采样点PM_2.5与PM₁中ρ（EC）分别为北京市采样点的1.15和1.28倍;冬季重污染日,北京市采样点的ρ（PM_2.5）与ρ（PM₁）分别为石家庄市采样点的1.03和1.04倍,PM_2.5和PM₁中的ρ（OC）分别为石家庄市采样点的1.23和1.22倍,石家庄市采样点PM_2.5和PM₁中的ρ（EC）分别为北京市采样点的1.03和1.16倍.夏季污染日,石家庄市采样点ρ（PM_2.5）与ρ（PM₁）分别为北京市采样点的1.16和1.30倍,PM_2.5与PM₁中ρ（OC）分别为北京市采样点的1.64和2.71倍,两个采样点ρ（EC）相近.③冬、夏两季PM_2.5与PM₁中ρ（SOC）/ρ（OC）均较高,冬季北京市采样点分别为48.09%和54.29%,石家庄市采样点分别为44.98%和48.09%,夏季北京市采样点分别为48.47%和61.50%,石家庄市采样点分别为61.52%和63.55%,表明SOC更易富集于亚微米粒子中.④冬季北京市和石家庄市两个采样点PM_2.5与PM₁中碳质组分均主要来源于生物质燃烧、燃煤和机动车尾气;夏季北京市采样点PM_2.5与PM₁中碳质组分主要来源于机动车尾气,石家庄市采样点PM_2.5与PM₁中碳质组分主要来源于燃煤和机动车尾气.研究显示,北京市和石家庄市两个采样点大气细颗粒物及其碳质组分浓度存在时空分布和污染来源差异.      

京津冀地区雾霾及影响因素研究

本文研究了京津冀地区的雾霾特点及影响的因素,并在文章的结尾提出了环保措施。     

茂名市SO2大气环境容量研究

利用高斯扩散模式和单纯形法求解容量，用线性规划模型计算出茂名市不同环境目标值下的大气环境容量值。该研究成果为制定茂名市大气污染物排放标准和从目标总量控制向容量总量控制转变提供了依据。     

福建省三明市大气环境容量研究

利用CALPUFF空气质量扩散模型模拟了三明市2011年气象场和二氧化硫、二氧化氮和可吸入颗粒物浓度场,利用监测值对模拟结果进行验证表明了模型的适用性;并基于三明市现状污染源,建立大气污染物传递系数矩阵,结合线性优化模型分别测算了三明市现状环境空气质量标准和新标准下的大气环境容量,并进行比较。研究结果表明,目前三明市主要大气污染物尚有较大的环境容量,但是需要严格控制大气污染物特别是工业和机动车尾气产生的氮氧化物的排放。     

后奥运时期京津冀区域大气本底夏季污染变化

为探索后奥运时期京津冀区域大气本底污染状况及变化趋势,在中国科学院华北兴隆大气本底观测站,对夏季大气主要污染物(NO_x、SO₂、O₃和PM_2.5)进行了连续3年的在线观测,结合气流轨迹模式对大气污染物的传输路径及贡献率进行了分析. 结果表明:兴隆站大气本底夏季ρ(NO_x)、 ρ(SO₂)、 ρ(O₃)和ρ(PM_2.5)的平均值分别为(11.5±5.9)、(8.3±7.0)、(137.6±38.4)和(50.9±33.0)μg/m3;首要污染物为O₃和PM_2.5,ρ(O₃)和ρ(PM_2.5)日均值超过GB 3095─2012《环境空气质量标准》二级标准〔ρ(O₃)为200 μg/m3,ρ(PM_2.5)为75 μg/m3〕的天数分别为102和60 d,占观测期间有效天数的39%和23%,表现为大气氧化性增强、二次污染逐年上升;受偏南气流影响,太行山沿线区域和山东半岛—渤海湾地区是兴隆夏季大气本底污染的主要贡献区域,特别是京津冀城市区域夏季高浓度O₃和PM_2.5,对华北区域大气本底污染物浓度的整体上升具有重要影响.      

区域大气环境容量紧缺度分析

采用大气环境容量紧缺度计算模型,以福建省为例,根据福建省各个地区2011—2016年的污染物排放情况,测算福建省内各个地区的SO_2、NO_x、PM_(10)环境容量紧缺度指数.结果显示:从时间尺度来看,各地区大气环境容量在个别年份出现波动,但总体上呈下降趋势.从空间尺度来看,总体上呈南高北低、东高西低的趋势.厦门、福州、泉州地区SO_2、NO_x、PM_(10)紧缺度比其它地区偏高,厦门地区SO_2、NO_x紧缺程度更为显著.其它地区大气环境容量的紧缺度相对较低,可以适当加大大气环境容量开发利用程度.     

2014年京津冀地区PM2.5浓度时空分布及来源模拟

采用模式(CAMx)模拟与污染物、气象观测资料相结合的方式,分析了2014年京津冀地区PM2.5时空分布及来源特征.结果表明:PM2.5具有较为明显的时间变化规律,呈秋冬高、春夏低的规律和双峰型分布的日变化特征;重污染日PM2.5高浓度(PM2.5>150μg/m3)主要分布在太行山前的华北平原区,特别是北京、保定、石家庄一线,而太行山、燕山等西部及北部山区PM2.5浓度明显低于平原区;重污染日京津冀地区PM2.5平均浓度在150μg/m3以上的面积约占总面积的73%;重污染日北京、天津、石家庄市的PM2.5外来输送率分别为58%、54%、39%;2014年10月6~12日京津冀地区发生的一次重污染过程中污染物由南向北输送,区域输送对于各地区PM2.5浓度有着十分重要的影响.