2013年1月北京市一次空气重污染成因分析

采用数值模式与观测资料相结合的方式,对北京市2013年1月9日至15日一次空气重污染过程的大气环境背景、气象条件和形成原因进行了初步分析.结果表明,重污染过程期间10日至14日PM2.5平均值为323μg·m-3;重污染过程与当地气象条件密切相关,稳定的大气环流形势为污染的持续提供了大气环流背景,风速较小、湿度较大、边界层较低、持续逆温是造成重污染的主要原因;重污染过程中区域输送对北京PM2.5贡献率在53%~69%之间且存在明显的二次转化,区域输送起着更为重要的作用;气象条件对持续性重污染的形成和破坏起到了关键性的作用,因此需要加强对重污染预警预报研究,以有效预防和控制空气重污染.     

传输指数在合肥市重污染过程中的应用分析

利用潜在源区贡献法计算了合肥市2015年冬季传输指数,并基于传输指数和PM_(2.5)浓度将合肥市的重污染过程划分为3类,同时对各类重污染过程进行气象成因分析.结果表明:污染物传输型重污染过程的传输指数明显增大且PM_(2.5)浓度急剧增大;污染物积累型重污染过程的传输指数无明显增大且PM_(2.5)浓度逐渐增大;污染物暴发性排放型重污染过程的传输指数无明显增大但PM_(2.5)浓度急剧增大.污染物传输型重污染过程主要是高压南下迫使北方重污染气团输送引起的;污染物积累型重污染过程主要是静稳的天气形势导致污染物堆积造成的;污染物爆发性排放型重污染过程是由污染物暴发性排放而无法及时扩散引起的.     

北京市臭氧污染跳变型特征及影响因素分析

基于2016~2022年北京市环境监测和气象观测数据,结合后向轨迹聚类和潜在源区贡献分析北京市臭氧（O₃）污染特征、气象影响和潜在源区.结果表明,2016~2022年北京市共发生41次具有跳变特征的O₃污染过程,平均为5.9次·a^-1,发生时间集中在5~7月,跳变当日（OJD2）较跳变前一日（OJD1）的ρ（O₃-8h）平均值偏高78.3%,峰值浓度偏高78.9%,OJD2区域O₃浓度高值带呈现由南向北推进的特征.北京市跳变O₃污染发生主要原因可归纳为不利气象条件导致的本地积累叠加区域传输影响.跳变型O₃污染发生时具有偏南风频率增加、温度上升、气压降低和降水减少的特征,偏南风频率增加为O₃及其前体物的传输提供条件,在本地高温作用下快速发生光化学反应,叠加降水较少,综合推高OJD2的O₃浓度水平.聚类分析得到6条气团输送路径,OJD2来自偏北方向的气团减少11.2%,来自偏南和偏东方向气团增加6.7%和4.4%,气团以短距离传输为主,偏南和偏东方向对应的O₃浓度较高,对北京污染贡献较大.潜在源区分析揭示OJD2的O₃污染的主要潜在源区是京津冀中南部和东部,贡献了82.6%污染轨迹.跳变型O₃污染区域输送贡献明显,需要加强京津冀区域联防联控．     

2014年10月太原市一次空气重污染过程分析

采用数值模拟(CAMx)与污染物、气象观测资料相结合的方式,对太原市及周边区域2014年10月6—12日一次典型空气重污染过程的大气环境背景、气象条件和形成原因进行了分析.结果表明:2014年10月8—10日太原ρ(PM_(2.5))日均值平均为175μg·m~(-3),太原城区约1460km~2的国土面积处于重度污染(ρ(PM_(2.5))150μg·m~(-3))之下,而京津冀约20×104km2的国土面积达到重度污染水平;区域稳定的气象条件是形成重污染的主要原因,重污染过程中大气层结稳定,逆温明显(2.14℃/100m)、风速小(1.91 m·s~(-1))、湿度大(68.13%)、负变压(-0.74 h Pa)、正变温(0.92℃).模拟结果显示,8—10日重污染期间区域输送对太原PM_(2.5)的贡献率在17%~24%之间,太原市PM_(2.5)浓度以本地贡献为主;估算的2014年太原城区PM_(2.5)排放量是其大气环境容量的1.4倍,重污染期间大气环境容量的大幅降低又加剧了空气污染的程度.     

成都市一次典型空气重污染过程特征及成因分析

为了研究成都市冬季空气重污染过程的成因,以2015年12月26日—2016年1月6日成都市一次典型重污染天气过程为例,基于HYSPLIT后向轨迹模式结合全球资料同化系统(Global Data Assimilation System,GDAS)气象数据和成都市7个监测站的AQI、PM_(2.5)、PM10、NO2质量浓度数据,使用气象分析、轨迹聚类(Cluster Analysis)、潜在源贡献因子法(Potential Source Contribution Function,PSCF)和浓度权重轨迹法(Concentration Weighted Trajectory,CWT),分析了此次过程的气象特征、轨迹输送特征和污染物潜在来源分布.结果表明,此次污染天气过程是以PM_(2.5)为主要污染物,其次为PM10、NO2.2015年12月30日14:00左右是此次污染天气过程各站点PM_(2.5)、PM10浓度到达峰值的时刻.缺少北方冷空气南下,四川盆地内空气水平运动弱,以及扩散条件差的静稳天气形势是导致此次大气污染过程成都市污染物累积的原因,而冷空气活动是改善这种天气形势的关键.污染过程辐射逆温层的形成对当时污染物浓度增长有促进作用,但随着每日生消、加强减弱,其并不是最终导致重污染天气形成的关键因素.川东北的广元、绵阳、德阳等地区和成都本地及其南向的眉山、雅安等地区是此次过程主要的潜在源区,这些地区人口较密集,工业较发达,且沿地形走向而分布.     

2018年西安市春节期间重污染过程分析

对2018年西安市春节的污染过程、污染来源、不利气象条件及烟花爆竹对PM_(2.5)的贡献4个方面进行分析。结果显示,在该污染过程的污染快速增长期,PM_(2.5)、PM_(10)、SO_2和NO_2浓度峰值分别是污染前期浓度的3.56、1.74、2.28和1.81倍;排放源主要为燃放烟花爆竹,对PM_(2.5)的贡献率为50%以上;不利气象条件为小风、静稳、高湿、逆温、边界层低、倒槽等。污染持续期的排放源除了烟花爆竹燃放还有其他污染源;不利气象条件除了均压场外,其它与快速增长期相似。     

长江三角洲初冬一次重污染天气成因分析

利用站点气象和PM_2.5资料以及NCEP的全球再分析数据集研究了2015年12月17~28日长江三角洲地区一次重污染天气过程.结果表明：地面弱气压场是此次污染事件发生发展的主要天气背景,而冷空气带来的大风使PM_2.5浓度迅速下降,有效清除了PM_2.5.区域热力因子和动力因子分析发现,此次过程中大气中低层层结稳定、近地面逆温强,有利于PM_2.5和水汽的累积,使其浓度水平升高;对于动力因子来说,较小的通风率和较低的边界层高度不利于污染物扩散,同样使PM_2.5浓度上升.两者相比,热力因子对PM_2.5浓度值的贡献比动力因子大.结合后向轨迹和排放源分布发现,此次污染过程中长江三角洲地区的PM_2.5主要受来自其西北方向的大陆气团（占46%左右）的影响,这些气团途经高污染排放源并把污染物远距离传输至长江三角洲地区.最后利用PSCF和CWT对长江三角洲地区污染物的潜在来源进行了分析,发现PM_2.5的来源主要集中在安徽、河南、山西、山东以及长江三角洲本地,说明此次过程中长江三角洲地区的污染物浓度受到远距离输送和局地过程的共同影响.     

华北南部重污染城市周边区域二次气溶胶的化学特征及来源解析

为探究华北南部地区重污染城市邯郸市北部地区冬季大气颗粒物的化学组分及来源,于2020年11月23日至12月12日采集了 PM1 和PM2.5样品并进行了分析.观测期间日平均ρ(PM1)和ρ(PM2.5)分别为114.53 μg·m-3和124.25μg·m-3,PM1/PM2.5比值的变化范围为83.3％～95.3％,...     

2014年10月北京市4次典型空气重污染过程成因分析

采用数值模拟与观测资料相结合的方式,对2014年10月北京市4次典型空气重污染过程的大气环境背景、气象条件和形成原因进行了分析. 结果表明,京津冀区域稳定的气象条件是形成空气重污染的主要原因,4次重污染过程大气条件均不利于污染物扩散,表现为大气层结稳定,近地层逆温(平均逆温强度为2.26 ℃/100 m)明显,风速(平均值为1.52 m/s)小,相对湿度(平均值为80.75%)大. 在4次重污染过程中8—11日污染最重,ρ(PM_2.5)日均值平均为264 μg/m3,并且区域输送对北京贡献率最大,平均值为63.75%;24—25日污染程度次之,逆温最强,逆温强度达5.94 ℃/100 m;18—20日重污染中北京ρ(PM_2.5)高值(＞200 μg/m3)区主要集中在该市西北部地区;30—31日污染相对较轻,ρ(PM_2.5)日均值最高只有154 μg/m3. 数值模拟表明,在4次典型重污染过程中,来自南方(包括河北、河南和山西西部等地)的外来污染物输送对北京PM_2.5贡献较大,外来贡献率分别在42.36%~69.12%之间,同时北京本地也存在较强的二次无机盐及有机物转化过程.      

2018年济南市PM2.5叠加沙尘重污染过程分析

为揭示重污染过程中多因素的综合作用,选取济南市2018年11月25日-12月4日一次长时间、高强度PM_2.5污染和沙尘混合的重污染过程,利用气象资料、空气质量监测结果、激光雷达探测资料及水溶性离子在线数据,开展污染特性以及潜在污染源综合分析.结果表明:①研究期间,首要污染物为颗粒物,ρ（PM₁₀）、ρ（PM_2.5）平均值分别为294、141 μg/m3,污染较严重.②根据ρ（PM_2.5）/ρ（PM₁₀）将此次重污染过程分为4个阶段,阶段Ⅰ~Ⅳ总水溶性离子浓度分别为（107.3±35.9）（95.2±34.5）（99.0±18.2）（29.3±9.3）μg/m3,分别占ρ（PM_2.5）的73.8%、56.9%、64.2%和43.2%.SOR（硫氧转化率）分别为0.47、0.42、0.55、0.25,NOR（氮氧转化率）分别为0.42、0.26、0.28、0.13,表明济南市大气中出现了显著的二次转化过程,SOR均大于NOR表明SO₄2-转化程度高于NO₃-.NO₃-/SO₄2-（质量浓度比）分别为2.97、1.75、1.69、1.45,表明此次污染各阶段中氮和硫的来源以移动源为主.③此次重污染过程济南市ρ（PM_2.5）受本地及周边城市传输和两次沙尘过境的综合影响,主要潜在污染源有山东省本地以及江苏省北部、安徽省北部、内蒙古自治区中部和京津冀地区等区域.④近地面均压场、高湿、小风等不利气象因素是导致此次重污染过程的重要因素.研究显示,济南市此次污染过程是不利气象条件、污染物一次积累和二次转化、区域污染传输、沙尘天气等多因素综合作用的结果.      

沈阳市一次PM2.5污染天气过程成因分析

利用气象与环境监测数据,对沈阳市2015—2018年PM_2.5的污染事件、浓度变化特征和污染物相关性进行分析;并利用WRF-Chem模式、HYSPLIT模型,从气象要素、高空环流形势和污染传输特征等方面对沈阳市2018年一次污染天气过程进行分析。结果表明:PM_2.5月浓度变化呈冬季>春季>秋季>夏季的“V”形特征,日浓度变化呈“双峰”特征。相关性分析显示,气温(-0.3666)和相对湿度(-0.1158)是影响PM_2.5浓度主要的气象因子,PM₁₀(0.9964)和NO₂(0.7242)是影响PM_2.5浓度的主要污染物。2018年1月26—28日沈阳地区出现了一次持续重污染过程,在重污染开始过程中,高空环流平直,浅槽前暖平流占主导地位,地面为弱高压均压场控制,地面风速以静小风为主,风场辐合,气象条件有利于污染物积聚。在重污染发展的过程中,地面相对湿度增大有利于颗粒物吸湿增长,贴地和高空逆温层厚度较大,污染加剧。在重污染减弱的过程中,逆温层消失,大气层结稳定,垂直扩散条件变好。“静稳”气象条件下本地污染物以及外部传输的积累是导致沈阳市此次重污染过程的主要原因。     

2015年12月北京市一次重污染过程中PM_(2.5)特征分析

2015年入冬以来京津冀区域重污染频发,综合分析了2015年12月19—26日京津冀及周边地区发生的一次重污染过程中PM_(2.5)分布特征及成因。监测数据显示,2015年12月北京市重污染日共计13 d,累计月均值为151.8μg/m3。在12月19—26日一次重污染过程中,区域污染面积均超过40万km2,北京市单站PM_(2.5)小时均值超过800μg/m3。污染初期北京市南部地区PM_(2.5)浓度明显偏高,且PM_(2.5)极端高值出现在南部站点。污染输送阶段,北京市PM_(2.5)小时浓度在短时内呈爆发式增长,浓度增值是年均值的2~5倍。污染缓解阶段,偏北风作用,浓度明显下降。除了极端不利的天气形势外,区域散煤排放是造成重污染的重要原因;河北省唐山、保定、廊坊、石家庄等城市区域输送加重了污染程度。     

北京市大气重污染过程中AQI的时空扩散特征及其预测模型

通过对北京市大气重度污染时段AQI与气象因子分析,探讨AQI的时间和空间变化特征,并建立了AQI的空间预测模型。结果表明:1)风速>2.5 m/s,且持续时间长(超过5 h)时,AQI曲线特征呈现倒"V"型。若其在1.7 m/s中部>北部,4 d后则中部>南部>北部。3)各方向上中部和北部的AQI预测模型中幂函数模型精度最高,且两者受西南方向的影响最大。     

呼和浩特市大气污染主要因子分析--灰色关联度法

灰色系统理论是环境污染趋势预测及评价模型常用的一种方法。本文运用灰色系统理论关联度的分析方法，对呼和浩特市大气污染成因进行分析。     

某铅锌矿区公路两侧土壤重金属污染分布研究

通过采样广东省某铅锌矿区公路两侧土壤样品,以全谱直读等离子体发射光法对采集的土壤样品进行检测分析,并运用富集变化度和生态风险评价方法,研究了土壤中Pb、Zn、Cr、Cd、Cu、Ni 6种重金属的水平分布状况。研究结果表明:该区域土壤Pb、Zn、Cd重金属已出现重度富集问题,Cd累积量对该矿区的生态环境产生了较严重的风险,而且其生态风险预警指数平均值已达到26;矿区公路侧土壤重金属水平分布状况与普通交通运输道路侧具有相近的水平分布规律。     

重庆市主城区交通干道空气污染特征分析

2002年2月对重庆市主城区6条交通干道空气中PM10、CO、NOx、THC进行了监测,分析了这些污染物的时空变化特征及其与车流量的关系。结果表明:六条主干道PM10、CO、NOx、THC的日平均浓度分别为0.30、5.34、0.307、12.84 mg／m3,按空气质量二级标准,超标率分别为95％、60％、74％和100％,最大超标倍数分别为4.97、1.94、8.5和6.05。除THC外,按照污染因子分担率评价,在九龙坡区、渝中区和江北区,首要污染物是PM10,在南岸区、沙坪坝区和大渡口区首要污染物是NOx。沙坪坝区CO和NOx污染最严重,九龙坡区PM10污染最严重。CO、NOx的日变化趋势大致相同,而且与车流量关系较为明显,随着车流量的增加CO、NOx的浓度逐渐增加,但PM10与车流量相关性不大,说明PM10浓度还受其它源的影响。     

重庆市主城区交通干道空气污染特征分析

2002年2月对重庆市主城区6条交通干道空气中PM10、CO、NOx、THC进行了监测,分析了这些污染物的时空变化特征及其与车流量的关系。结果表明：六条主干道PM10、CO、NOx、THC的日平均浓度分别为0．30、5．34、0．307、12．84mg／m^3,按空气质量二级标准,超标率分别为95％、60％、74％和100％,最大超标倍数分别为4．97、1．94、8．5和6．05。除THC外,按照污染因子分担率评价,在九龙坡区、渝中区和江北区,首要污染物是PM10,在南岸区、沙坪坝区和大渡口区首要污染物是NOx。沙坪坝区CO和NOx污染最严重,九龙坡区PM10污染最严重。CO、NOx的日变化趋势大致相同,而且与车流量关系较为明显,随着车流量的增加CO、NOx的浓度逐渐增加,但PM10与车流量相关性不大,说明PM10浓度还受其它源的影响。     

污灌区土壤中重金属污染状况与磁化率的相关性分析

根据乌鲁木齐某典型石油化工废水灌溉区土壤样品重金属(Cr、Cu、Ni、Pb、Zn、As、Hg、Cd)总量结果,对其进行风险评价,并依据相关性分析结果,尝试用土壤磁化率指示污灌区重金属污染程度。结果表明:研究区土样中8种重金属含量均未超过GB 15681—2018《土壤环境质量农用地土壤污染风险管控标准(试行)》。除Pb以外,其余7种重金属含量均超出新疆农田土壤背景值,其中As、Hg和Cd超出背景值较多。内梅罗综合指数评价结果表明,土壤样品中除Pb以外,其余7种重金属均表现出不同程度的污染,其中Hg与Cd属于重度污染。地质累积指数评价结果表明,土壤样品中As、Hg和Cd的污染状况较重。相关性分析结果表明,该污灌区土壤磁化率与重金属含量之间存在一定程度的相关性,具有很好的指示作用。     

呼和浩特市十年来环境空气污染趋势分析

通过对呼和浩特市10年的环境空气监测数据进行分析,结果表明,二氧化硫、总悬浮颗粒物呈下降趋势,二氧化氮变化不大,尘是影响呼市环境空气质量的主要污染因子,并提出了改善呼市大气环境质量的对策。     

乌鲁木齐城市群城市间大气污染相互影响分析

利用乌鲁木齐城市群2010—2015年空气质量日报,引入时间序列的VAR模型对城市间的大气污染相互影响关系及贡献进行研究。结果表明:乌鲁木齐城市群5市存在影响效应,乌鲁木齐受外源影响为主,昌吉、阜康受内源影响为主,五家渠、石河子受内外源共同影响;乌鲁木齐城市群城市间大气污染相互影响存在明显的滞后效应,前3期的影响最大,第10期以后响应值趋于0。