京津冀及周边地区秋冬季大气污染物排放变化因素解析

基于大气污染源排放清单技术方法,定量分析2016 ～2017年秋冬季跨年霾至2019 ～2020年秋冬季疫情霾期间京津冀及周边地区主要大气污染物排放量变化,解析大气污染防治政策实施带来的减排和疫情造成的活动水平下降对主要污染物排放的贡献,并利用空气质量模型模拟分析不利气象条件下措施减排和疫情影响对空气质量改善的...     

IVE机动车排放模型应用研究

对IVE模型进行了系统分析和介绍,以北京市为研究对象给出了模型的主要输入参数的确定方法和思路,运用IVE模型对北京市不同车型车队的排放进行计算。结果显示：公交车和卡车的排放因子明显较高,特别是颗粒物排放因子,分别为普通轻型车的14和44倍。北京市机动车的CO、VOC、NOx和PM的平均日排放总量分别为2767.4、182.5、353.8和7.1t。对于CO和VOC,普通轻型车的分担率分别为42.0%和34.7%;对于NOx和PM而言,卡车的贡献率最高,分别达到66.3%和83.0%。此外,比较了IVE模型与MOBILE6模型的方法和计算结果,讨论了IVE模型在我国的主要应用优势。     

电除尘器的选型方法及投资估算(Ⅱ)

<正> 3 选型的数学模型及其应用 70年代后期,国外(尤其是美国)关于电除尘器数学模型的研究有了很大进展。电除尘器数学模型的建立和应用为电除尘器的设计选型提供了重要的技术基础。目前,世界著名的电除尘器公司几乎都开发了自己的选型模型,遗憾的是这方面公开的文献很少。下面准备从Deutsch方程、Matts方程、RTI模型和SRI模型等四方面介绍电除尘器数学模型及其在设计选型中的应用。     

SO2排放造成的森林损失计算:以湖南省为例

SO2排放对我国的森林生态系统造成了严重的损害,因而损失计算对于SO2控制具有重要意义,但是目前仍缺乏有效的方法计算不同排放水平下的森林损失.本研究以硫沉降超临界负荷作为计算森林损失的参数,推导了适用于我国硫沉降导致森林损失的剂量-响应函数,并以湖南省为例,以1995为基准年,计算了2000年～2020年高中低3种SO2排放方案下的森林损失.研究结果表明,随着今后湖南省经济和能源消费的增长,森林损失将继续增加.高排放方案下2020年SO2排放将增长1.2倍,但森林损失增长4.3倍,边际损失高于6000元/t.在当前排放水平下对SO2排放进行削减,边际效益达到1500元/t,因此控制SO2具有显著的经济效益.对湖南案例的不确定性分析显示,计算方法有较高的可靠性.研究结果为区域SO2控制策略的优化提供了支持.     

区域大气环境中PM2．5／PM10空间分布研究

提出了一种利用移动监测技术研究区域大气环境中PM2.5／PM10空间分布的方法,并在2004年12月进行了宁波市全市域PM2.5／PM10空间分布的研究。数据显示：相同路径所代表的地区PM2.5和PM10具有很好的相关性,多数路径上PM2.5与PM10数据的相关系数平方在0．95以上,而不同路径上PM2.5与PM10的比值不同。文中给出了宁波市PM2.5／PM10污染的空间分布图,直观地显示出PM2.5／PM10污染的空间分布情况,突出了污染的重点点位和地区。     

北京市燃煤源排放控制措施的污染物减排效益评估

为分析北京市燃煤源排放控制措施的污染物减排效益,基于MEIC（中国多尺度排放清单模型）,采用情景分析法,评估了北京市电厂能源清洁化与末端治理、燃煤锅炉改造和城区平房区居民采暖改造等措施的污染物减排效益.结果表明,相对于无控情景,2013年北京市电厂能源清洁化与末端治理减少PM_2.5、PM₁₀、SO₂和NO_x排放量为1.28×104、2.10×104、5.13×104和4.98×104 t,分别占无控情景的85%、86%、87%、74%;北京市燃煤锅炉改造减少PM_2.5、PM₁₀、SO₂、NO_x排放量为1.09×104、2.68×104、11.64×104和5.81×104 t,分别占无煤改气情景的83%、89%、83%、83%;北京市老旧平房区的居民采暖改造减少PM_2.5、PM₁₀、SO₂和NO_x排放量分别为630、870、2 070和790 t,均占无煤改电情景的8%.研究显示,北京市从1998年开始采取的各种减排措施有效地减少了污染物的排放,对北京市空气质量改善具有重要意义.      

北京市大气PM2.5中矿物成分的污染特征

为了解北京市大气细粒子中矿物成分的浓度水平和污染特征,在清华园和车公庄进行了连续1a的PM_2.5累积周采样和全样品分析.Al、Si、Ca、Mg和Fe等地壳元素的周变化相似,最大周均浓度均出现在春季有强沙尘天气的一周;其季节变化显著,显示季节性的源排放以及气象条件对矿物成分的含量影响显著.土壤尘的季节平均浓度从夏季逐步上升,至次年春季达到最高(21.1 μg·m^-3),表明春季频繁发生的沙尘天气对土壤尘细粒子有重要贡献.大量的建筑活动可能大大增加了北京细粒子中Ca的负荷,应加强其排放控制.     

北京城区大气干沉降的水溶性离子特征

为了解北京城区大气干沉降中水溶性离子的化学组成与时间变化特征,连续进行了4年多的干沉降采样与分析.结果表明,在222个有效干沉降样品中,存在不同程度的阴离子缺失. SO42-与Ca2+分别是含量最丰富的阴、阳离子组分,其次是NO3-和NH4+. SO42-、NO3-和NH4+呈现相似的季节变化特征,即其浓度在夏季最高,冬季最低. 干沉降基本呈中性,其pH值月变化幅度小,但季节变化明显,夏季低而春季高.     

北京大气PM2.5中微量元素的浓度变化特征与来源

为了解北京大气细粒子中微量元素的污染水平和来源,在车公庄和清华园进行了连续1年、每周1次的PM_2.5采样和全样品分析.微量元素浓度的周变化大,尤以冬季为甚,相邻2周最大相差达1.6倍;但除冬季的平均浓度较高之外,其季节变化并不显著.微量元素的富集因子在春季最低,反映了频繁发生的沙尘天气的影响.Se、Br和Pb的浓度比来自于北京A层土壤中的含量要高出约1000～8000倍,表明它们主要来自于人为污染.其中Se的富集度最高,反映了北京细粒子来自于燃煤污染的特征.Pb的年均浓度(0.31μg·m^-3)虽然未超过WHO的年均标准,但与洛杉矶和布里斯班相比处于较高的水平;与Br、Se的比较分析表明,燃煤可能是Pb除机动车排放之外的另一个重要来源.     

2011~2012北京大气PM2.5中重金属的污染特征与来源分析

为研究北京PM_(2.5)中重金属污染特征,于2011年夏季~2012年夏季每3 d采集一次PM_(2.5)样品.利用电感耦合等离子体质谱(ICP-MS)分析了Li、V、Cr、Mn、Co、Cu、Zn、As、Se、Ti、Ga、Ni、Sr、Cd、In、Ba、Tl、Pb、Bi和U的浓度,选取其中Zn、Pb、Mn、Cu、As、V和Cr 7种主要重金属元素进行深入讨论.北京市PM_(2.5)中重金属Zn、Pb、Mn、Cu、As、V和Cr的平均质量浓度分别为(331.30±254.52)、(212.64±182.06)、(85.96±47.00)、(45.19±27.74)、(17.13±19.02)、(4.92±3.38)和(9.04±7.84)ng·m-3.采样期间秋冬季节PM_(2.5)中重金属污染较春夏季节严重,这可能与北京秋冬季节取暖导致煤燃烧增加有关.霾过程会加剧北京PM_(2.5)中主要重金属Zn、Pb、Mn、Cu、As、V和Cr的污染,霾天对重金属污染的增加作用呈现一定的季节变化特征.源分析结果表明北京大气颗粒物中重金属主要来源于扬尘(包括建筑扬尘和道路扬尘)和煤燃烧,少量来自远距离输送和其他工业来源.