关键词： 细颗粒物(PM_(2.5))   臭氧(O_(3))   大气重污染事件   气候变化  

摘要： 地表细颗粒物(PM_(2.5))和臭氧(O_(3))重污染事件是我国大气污染治理的重点关注对象。文中综述了中国近几年关于气候变化对PM_(2.5)和O_(3)重污染事件影响的研究进展。结果表明,PM_(2.5)重污染事件主要发生在静稳天气条件下而O_(3)重污染事件主要发生在高温低湿天气条件下。气候变化(包括气候系统内部变率和大气成分变化驱动的全球变暖),主要通过影响大尺度环流和区域环流进而影响局地重污染气象条件。目前关于气候变化影响PM_(2.5)的研究较为系统,能识别气候因子或全球变暖对典型重污染事件或重污染事件长期变化趋势的影响,但气候变化影响O_(3)重污染事件的研究还较少。

关键词： 类腐殖质   雾霾   来源解析   污染成因  

摘要： 联合固相萃取法和热光法分别获取西安市重污染事件期间高时间分辨率PM2.5中不同极性的HULIS及其HULIS的碳含量（HULIS-C）,并使用配备液体波导毛细管流通池（LWCC）的紫外-可见分光光度计分析HULIS的吸光特性,同时结合正定矩阵因子分解模型（PMF）解析对HULIS进行来源解析.结果表明,中性HULIS（HULIS-n）的平均质量浓度（6.6±2.6）μg/m3,高于酸性HULIS（HULIS-a）(3.7±3.5)μg/m3,分别约占OC的30%、18%,说明重污染期间HULIS的污染比较严重.HULIS-n的吸光系数(AAE、E2/E3和MAE365)均分别大于HULIS-a,表明HULIS-n比HULIS-a包含更多的共轭、芳香族结构且具有更强的吸光性,对大气能见度的影响也更为显著.污染源分析显示,HULIS-n和HULIS-a的源贡献存在明显差异.HULIS-n主要来源包括二次源、燃煤源、机动车源等,而HULIS-a的二次源和燃煤源贡献较高,机动车源和生物质燃烧源贡献为零,工业源贡献显著高于HULIS-n.

关键词： 大气环境质量   Spearman秩相关系数   重污染   乌鲁木齐市  

摘要： 利用2018—2022年乌鲁木齐市大气污染监测数据,通过Spearman秩相关系数方法分析该市大气环境质量,6项大气污染物浓度变化情况和新冠疫情管控期对空气质量的影响。结果表明:乌鲁木齐市大气污染物中NO_(2)、PM_(10)、PM_(2.5)和CO的浓度年变化率呈现下降趋势,非采暖季影响城市空气质量的主要因子是PM_(10)和O_(3),采暖季影响城市空气质量的主要因子是颗粒物PM_(10)和PM_(2.5),应着重加强对颗粒物PM_(10)、PM_(2.5)和O_(3)的污染管控。第一次疫情管控期空气质量明显优于同期的空气质量,第二次疫情管控期间空气质量有所好转。总体上,乌鲁木齐市空气质量达标天数呈波动式增长趋势,重污染天数占比率呈波动式下降趋势,大气环境质量有所好转。

关键词： 敏感因子   大气重污染   潜势定量预报   随机森林(RF)   垂直温度梯度  

摘要： 为了提高大气重污染潜势预报的精准性,提出基于敏感因子的大气重污染潜势分级预报技术。选取大气通风量、垂直温度梯度和风速垂直切变作为大气重污染敏感因子,采用随机森林(Random Forest,RF)算法分析大气重污染的潜在变量。依据大气重污染的日增量,进行数据预处理,建立最优多元线性回归(Multiple Linear Regression,MLR)模型,筛选出最佳变量组合对大气背景场进行聚类处理,通过最优子集回归法得到重污染潜势预报模型。试验结果表明,定量预报大气重污染潜势时,所提技术的预报正确率为92.35%;预测大气重污染潜势等级时,不同等级下的均方误差(Mean Squared Error,MSE)均低于0.2,该技术具有较高的应用价值。

关键词： PM_(2.5)   重污染过程   成因分析   气象条件   区域输送   安徽  

摘要： 综合利用多源数据,应用HYSPLIT4轨迹分析、颗粒物区域传输分析等方法对2022年末安徽一次大气重污染过程变化特征及成因进行分析。结果表明:污染前期,受弱冷空气影响,有利于污染物输送至安徽地区;污染期间,地面处于弱气压场,混合层厚度较低,存在持续性逆温,且地面风速小、相对湿度较高、基本无降水,不利于污染物的扩散和清除,受区域输送叠加本地污染排放累积共同影响,污染程度加剧;2023年1月2日地面以东北、偏东风为主,风速增大、相对湿度下降、混合层厚度抬升,扩散条件转好,污染程度减轻。在此次污染过程中,山东、江苏、河南对安徽累积的区域输送贡献率占比为48.5%,高于安徽本地污染的贡献率(21.4%)。

关键词： 大气重污染   新冠疫情   首要污染物   特征污染物   “乌昌石”城市群  

摘要： 利用2015—2022年“乌昌石”城市群(乌鲁木齐市、昌吉州、石河子市、五家渠市)逐时大气污染物监测数据,分析了该区域大气重污染和6项常规污染物时空演变趋势及新冠疫情对其变化的影响.结果表明:(1)“乌昌石”城市群大气重污染天数的占比由2015年的6.6%上升到2022年的9.9%,增长率为50.0%,均出现在采暖期;优良天数的占比从72.6%上升到74.5%,但轻度-中度污染天数占比从20.8%下降到15.6%.研究期间,昌吉州、石河子市和五家渠市的大气重污染天数呈上升趋势,其中,五家渠市的大气重污染情况最为严重,其上升幅度为145.5%,只有乌鲁木齐市的大气重污染天数出现较大的下降幅度(54.5%).研究区域重污染过程次数呈上升趋势,总持续天数由2015年的21 d上升到2022年的27d,上升率为28.6%.(2)研究区域SO_(2)、CO、NO_(2)、PM_(10)和PM_(2.5)等5项污染物在研究期间的日均和年均浓度整体呈下降趋势,但O_(3)的年均浓度整体处于上升趋势,研究期间上升了23.6%.研究区域占比较高的首要污染物是PM_(2.5)和PM_(10),每年在采暖期1/3以上时间内PM_(2.5)日均浓度超过国家二级标准(75μg·m^(-3)),而在非采暖期则以PM_(10)污染为主.除乌鲁木齐市外,其他城市颗粒物重污染天数在研究区间内呈波动上升趋势,其中,五家渠市颗粒物重污染天数最多(2016年达到64 d).(3)新冠疫情严格防控期间,大气重污染现象得到了明显的控制,2020年(第1次)疫情严格防控期与2019年同期和2021年同期对比,大气重污染天数分别下降了58.8%和50.0%;2022年(第2次)疫情严格防控期,大气重污染天仅出现在昌吉州(1d)和五家渠市(2d).第1次和第2次严格防控期的AQI值、PM_(2.5)、PM_(10)浓度相对于2019年同期分别下降31.3%、34.6%、35.0%和18.0%、21.5%、24.3%.两次疫情严格防控期间大气污染特征均显示为偏粗颗粒型,其中,PM_(10)的特征值较高,表明污染特征受扬尘和沙尘过程等自然因素影响显著.

关键词： 大气污染防治   生态环境保护   持续改善   成因与治理   空气环境质量   全国生态环境   乌鲁木齐   安排部署  

摘要： 为深入贯彻落实全国生态环境保护大会精神,落实2024年全国生态环境工作会议安排部署,持续深入打好污染防治攻坚战,持续改善全区空气环境质量,2024年1月26日,国家大气污染防治攻关联合中心会同中国环境科学研究院、新疆维吾尔自治区生态环境厅、自治区环境保护科学研究院,在乌鲁木齐市举行新疆天山北坡地区秋冬季大气重污染成因与治理研讨会。自治区人民政府副主席王刚出席会议并讲话。

关键词： 遥感影像   重污染企业   多模态数据融合   目标检测   热红外数据  

摘要： 钢铁厂、化工厂、水泥厂等企业是主要的大气污染排放源,也是温室气体排放源,重污染企业进行时空动态监测对国家环境治理具有重要意义。随着卫星遥感、计算机视觉以及图像处理技术的持续进步,遥感影像中自动识别大气重污染企业具有可行性。卫星遥感技术大尺度、周期性和实效性等特点展现出了显著的监测优势。因此,本研究主要对遥感影像中大气重污染企业进行自动识别,目的是为环境和资源的管理与监控提供科学依据。 大尺度遥感影像背景下,重污染企业具有分布分散、形状不同且同类中布局各异的特点,传统目标检测方法难以有效检测与定位。为了精确识别遥感影像中的重污染企业,本文主要开展了以下研究: 1、基于高分辨率遥感影像的重污染企业目标检测。首先基于高分辨率可见光遥感影像构建了全球分布的重污染企业目标检测数据集。探究了基于深度学习的目标检测算法优化方法,并与主流的目标检测算法进行对比分析,实验表明采用SENet网络和Adam优化器进行优化的目标检测方法,能够进一步提升遥感影像中重污染企业的检测精度,m AP提升了5个百分点,进而增强模型整体的鲁棒性和检测性能。 2、基于多模态融合的重污染企业目标检测。本研究结合高分辨率可见光数据和红外数据构建了全球分布的重污染企业多模态融合数据集,提出并实现了基于深度学习目标检测算法的重污染企业检测框架,最后使用京津冀地区多模态融合数据集进行实验证明了框架的有效性。 基于上述的研究内容,构建了一个遥感图像中大气重污染企业的检测软件原型系统。本研究展示了遥感影像数据集的管理和模型训练等功能,并证实了大气重污染企业检测平台原型系统能够有效支持遥感影像中重污染企业的检测研究,具有一定的应用价值。

关键词： 关中地区   硝基酚类化合物   组成特征   来源解析  

摘要： 硝基酚类化合物（NACs）可通过吸收可见光改变辐射平衡,并具有毒性、致癌性、致突变性等特点,严重危害人类健康和生态环境。近年来关中地区冬季空气污染严重,雾霾频发,大气中NACs污染特征与主要来源尚不明确,因此本研究于2019年12月30日至2020年1月7日在关中城市群（西安、宝鸡、渭南）开展4小时分段高分辨PM2.5样品采集,使用高效液相色谱-质谱联用仪测定10种NACs浓度水平。此外,结合无机水溶性离子、气体前体物浓度及气象参数等数据,阐明冬季重污染期中NACs的来源贡献及成因分析。研究的主要结论如下: 采样期间西安、宝鸡、渭南NACs平均浓度分别为87.1±71.8ng/m3、282.7±162.4ng/m3、146.1±120.3ng/m3。在三个城市的PM2.5样品中,4-硝基儿茶酚、4-甲基-5-硝基儿茶酚与4-硝基苯酚占NACs浓度的71.3%～75.7%,其中4-硝基儿茶酚对NACs浓度贡献最大,分别占33.6%（西安）、37.4%（宝鸡）、33.4%（渭南）,其次为4-甲基-5-硝基儿茶酚。西安-宝鸡、西安-渭南,宝鸡-渭南之间的分歧系数分别为0.5、0.27、0.28,表明三个城市之间NACs存在显著差异。 对西安、宝鸡、渭南三市超过我国二级标准浓度（75μg/m3）的PM2.5小时浓度按照25μg/m3浓度梯度划分为污染Ⅰ(75μg/m3≤PM2.5<100μg/m3)、污染Ⅱ(100μg/m3≤PM2.5<125μg/m3)、污染Ⅲ(125μg/m3≤PM2.5)。不同污染程度下,西安、渭南和宝鸡三个城市中的NACs物质浓度均随PM2.5浓度的升高而增加,且以4-硝基儿茶酚、4-甲基-5-硝基儿茶酚为主要组成。不同污染等级下,NACs的浓度变化表现出不同的日变化趋势。西安市、宝鸡市NACs浓度最高值主要出现在夜间0:00-4:00、20:00-0:00时段;渭南市NACs高峰值出现时间则因污染等级不同而各不相同,分别出现在0:00-4:00、8:00-12:00和20:00-0:00时段,该差异主要受环境因素和NACs来源影响。 使用特征比值法对对采样期间关中地区NACs进行来源解析,结果表明2019年冬季煤炭燃烧和生物质燃烧为关中地区PM2.5中NACs的重要来源。正定矩阵因子分解法的结果显示污染Ⅰ发生时,生物质燃烧源（40.7%）和交通排放源（26.1%）为主要贡献源,二次氧化反应和燃煤源分别贡献16.8%和16.3%。污染Ⅱ发生时的主要来源同样为生物质燃烧源（43%）,其次为交通排放源（22.5%）和燃煤源（21.3%）,二次氧化反应贡献为13.2%。污染Ⅲ发生时,生物质燃烧源（40.4%）为主要的来源,燃煤源（20.8%）、二次无机盐反应贡献（20%）以及二次氧化反应（18.8%）贡献占比相差不大。 本研究分析对比了关中地区（西安、宝鸡、渭南）冬季不同污染情形下PM2.5NACs的浓度水平及来源特征,为制定有效的污染控制策略提供了科学依据,有利于制定更加有针对性的措施以应对空气污染问题。

摘要： 为深入贯彻落实全国生态环境保护大会精神，落实2024年全国生态环境工作会议安排部署，持续深入打好污染防治攻坚战，持续改善全区空气环境质量，2024年1月26日，国家大气污染防治攻关联合中心会同中国环境科学研究院、新疆维吾尔自治区生态环境厅、自治区环境保护科学研究院，在乌鲁木齐市举行新疆天山北坡地区秋冬季大气重污染成因与治理研讨会。自治区人民政府副主席王刚出席会议并讲话。