关键词： 大气颗粒物   单颗粒   北京   冬季   重污染  

摘要： 近年来,我国大气重污染天气频发,PM2.5成为大部分地区的首要大气污染物。京-津-冀地区是我国大气细颗粒物污染最严重的区域之一,冬季重污染事件的爆发尤为频繁,对气候、环境和人体健康的影响也更为严重。本研究使用单颗粒气溶胶质谱仪(SPAMS)在北京市远郊区进行观测,捕捉到了 2016年12月13日～23日一次典型的灰霾生消过程,详细分析了此次污染过程中大气细颗粒物的化学组分、时间变化、粒径分布和混合状态及可能来源。本研究可加深对北京远郊和华北平原上区域性气溶胶的化学组成、来源和混合状态变化特征的科学理解。主要结果如下:(1)观测期间PM2.5平均浓度为208.4±176.7 μg/m3,清洁期PM2.5平均浓度仅为26.0±28.6 μg/m3,灰霾期PM2.5平均浓度为365.9=102.5 μg/m3,最高小时浓度达588.4μg/m3。清洁期气团主要来自采样点北方、西北方的长距离传输,污染期气团主要来自西北偏西方向的区域传输,北方、西北方清洁干冷气团的到来是灰霾消散的主因。采样点周边方圆约100km的区域是此次污染过程中PM2.5的主要潜在源区。(2)整个观测期间,大气细颗粒物分为新鲜有机碳(OC-fresh)、老化有机碳(OC-aged)、高分子量有机碳(HMOC)、元素碳(EC)、混合碳(ECOC)、生物质燃烧(BB)、富钾(K-rich)、富钠(Na-rich)和富铁(Fe-rich)九种主要类别。有机碳(OC-fresh、OC-aged和HMOC)含量最为丰富,占总颗粒物数量的51.5%,所有含碳类颗粒物(OC、EC和ECOC)占总颗粒数量的72.1%。各主要类别颗粒物中含有硫酸盐成分的颗粒物比例均在70%以上,除OC-fresh外,其余各类别颗粒物含有硝酸盐成分的颗粒物比例也在70%以上,OC-fresh中硝酸盐含量不足40%。(3)OC-fresh、HMOC和BB主要源自本地排放,供暖用燃煤是OC-fresh和HMOC的排放源,餐饮烹饪是BB的主要排放源,三者在清洁期占大气总颗粒物的75%。生物质或煤炭的不完全燃烧过程也是EC的一个重要来源,燃烧飞灰是Fe-rich的主要来源。二次有机物(OC-aged和ECOC)和二次无机盐(K-rich和Na-rich)占灰霾期所有颗粒物的63.6%,主要由采样点周边区域传输而来。(4)0.5 μm以下的小粒径段以一次排放的颗粒物(OC-fresh、HMOC和BB)为主,0.5 μm以上的大粒径段以老化较为严重的二次颗粒物(OC-aged、EC、ECOC、K-rich、Na-rich 和 Fe-rich)为主。(5)各类别颗粒物均发生了不同程度的老化,光化学活动和相对湿度在颗粒物的老化过程中发挥了重要作用。EC、K-rich、Na-rich和Fe-rich类颗粒物的老化过程主要受光化学反应的影响,OC-aged受相对湿度的影响更大,ECOC则受光化学过程和相对湿度的双重影响。(6)铵盐颗粒物约占总颗粒物的31%,但其占比在整个污染事件的不同发展阶段有较大差异,清洁期仅为2.6%,灰霾期则增长至36.8%。根据铵盐的存在形态,将铵盐分为富硫酸类(S-rich)、富硝酸类(N-rich)、硫酸硝酸混合类(NS-rich)和其他类(Other)四个类别。NS-rich含量最多,占总铵盐的64.9%。(7)在清洁期,铵盐颗粒物以NH4C1、(NH4)2SO4或NH4HSO4的形态存在,随着污染程度的加重,NH4NO3在富氨型和高相对湿度的大气环境条件下得以大量产生,NH4C1也被H2SO4和HNO3摄取取代,在灰霾期以NH4NO3、(NH4)2SO4或NH4HSO4的形态存在。(8)相比于总颗粒物,铵盐颗粒物更多的分布在大粒径段范围。各类别铵盐颗粒物的最大粒径段表现为S-rich

关键词： 建材行业   课题研究   大气污染治理  

摘要： 刚才听了建材领域大气污染治理及调控政策研究课题任务来源、攻关重点等情况的全面介绍,我认为,这个课题不单纯是一个治理行业大气污染的科研项目,更是一个涉及民生、也涉及行业生存发展的重大课题。课题由中国建筑材料科学研究总院牵头,建材行业内的许多单位都参与研究,我认为是一件大好事,将有利于加快步伐推动建材行业对大气污染的治理。从建材行业来说,这几年对环保、节能减排的认识有了很大程度的提高,但用党的十九大精神鞭

摘要： 我国部署未来三年大气污染防治工作明显减少重污染 提升蓝天幸福感(政策解读)近日,《打赢蓝天保卫战三年行动计划》(以下简称《三年行动计划》)正式印发,对未来三年国家大气污染防治工作进行部署.目前我国大气环境形势如何?未来三年蓝天保卫战怎么打?记者采访了生态环境部有关负责人及相关专家.

关键词： 大气环境污染   空气质量   关联规则   R语言   数据挖掘  

摘要： 本文主要研究了临安2015年7月--2017年6月不同时间段、不同月份的逆温特征,并针对观测期间唯一连续严重污染过程进行分析。本文研究区别于传统的因果关系和传统的统计学两两相关的关联关系,将关联关系和大数据理论相结合——多事物间的非线性相关关系,利用该方法将MTP5温度廓线仪收集的温度数据进行筛选、离散,使用R软件进行关联规则寻找,找出不同时间段、不同月份逆温发生的概率,同时针对一次严重污染过程进行比较分析,揭示了临安逆温的变化特征。有助于面向大气环境污染问题的管理决策,也为使用大量数据的资源化提供了新的途径和研究视角,本文研究结论为政府科学监管,科研观测研究,公众了解和预防存在积极意义。本文重点研究结论如下:(1)大气逆温按照时间段发生概率排序为T4、T8、T9、T5、T3、T2、T7、T1、T6、T10,逆温与日出、日落有着密切的关系。T4时间段(7:00-9:00)中发生概率最高的月份为3月、10月,分别为春、秋两季。发生逆温种类主要为贴地逆温,逆温顶高平均高度为600-700m,逆温底高平均高度为100-200m,平均逆温温差2.0-3.0℃。T8时间段(17:00-20:00)发生概率最高月份为7月、8月,发生逆温种类主要为脱地逆温,逆温顶高平均高度为700-800m,逆温底高平均高度为200-300m,平均逆温温差0-0.5℃。(2)大气逆温按照月份发生的概率排序M1、M12、M11、M2、M7、M4、M3、M9、M6、M8、M10、M5。最易发生逆温的季节为冬季,尤其是12月、1月,其次为11月、2月。1月不同时间段均有逆温现象出现,其中大部分为脱地逆温,逆温底高平均高度为200m,逆温顶高平均高度为900m,逆温温差范围0.5℃—4.0℃。12月在T7时间段(14:00-17:00)发生逆温现象概率最高,逆温种类为脱地逆温,逆温底高为900m,逆温温差0.5℃-1.0℃。(3)2015年12月雾霾是连续三天轻度污染后衍化为一天的重度污染,随后消弱至中度,之后变为良好,整个过程为6天。污染随逆温而来,又随逆温消散而去,并且伴随逆温过程而积累。雾霾过程中逆温厚度最大值为700m,平均逆温厚度为359m。逆温温差最大值为3.7℃,平均逆温为0.7℃。逆温温差与逆温厚度极显著相关(R2=0.914,P<0.01)。PM2.5、PM10是主要污染物,本次严重污染期间,PM2.5、PM10浓度分别超过115μg·m-3和250μg·m-3;SO2、CO、O3、NO2等四种气体在这次污染过程中始终处在较好质量状态。PM2.5、PM10与逆温底高具有极显著正相关,逆温顶高与两种颗粒物浓度不存在显著相关。造成污染的原因是逆温底高度下降,垂直方向上颗粒物扩散受阻而产生大量聚集。

关键词： 关中地区   颗粒物   气态污染物   空气质量   能见度  

摘要： 改革开放以来,随着关中地区经济的快速发展,以及城市化、工业化进程的不断加快,地区环境空气质量现状不容乐观,尤其是冬季灰霾频发,已被纳入全国大气污染重点防控区域。为了研究关中地区冬季大气污染特征,本次测试在关中中部及边缘地区各选取了一个测试点,采用电子低压撞击仪(ELPI+)、四通道和中流量等气溶胶仪器对冬季大气一次污染过程中的颗粒物进行测试与采集,结合同步监测的常规气态污染物、能见度以及气象数据,分析了关中地区冬季颗粒物浓度、粒径分布以及组分变化特征,并探讨了颗粒物浓度与能见度的相关性。主要研究结论如下:(1)测试期间,关中城市及边缘地区大气中PM和PM的平均质量浓度均超过了国家环境空气质量二级标准限值,SO、NO、CO和O平均日均浓度值均未超标,颗粒物是关中地区冬季首要大气污染物。从浓度比值看,城市及边缘地区大气中PM/PM分别在0.22.57和0.36.90之间,均值分别为0.42和0.71,这表明相比于城区,边缘地区细粒子污染特征更显著;SO/NO分别在0.25.38和0.43.26之间,均值分别为0.30和0.64,这表明关中城区冬季环境空气质量受移动源影响较大,而边缘地区受移动源与燃煤取暖的双重影响。(2)测试期间城市大气中颗粒物总数量、表面积和质量浓度分别是边缘地区的2.19、1.52和1.76倍。两测点0.006.017μm段颗粒物对数浓度的贡献最高,0.1μm段颗粒物是表面积浓度的主要贡献者;10μm段颗粒物是质量浓度的主要贡献者。城市大气中四个模态颗粒物数浓度日变化曲线均呈现出双峰分布;边缘地区核模态(0.006.020μm)和爱根核模态(0.02.10μm)颗粒物日变化曲线呈三峰分布模式,积聚模态(0.1.0μm)呈双峰分布,粗模态(10μm)颗粒物日变化规律不明显。(3)不同空气质量下的气象条件分析结果表明,当主导风向为东北风时,较高的相对湿度、较低的混合层高度以及大气压是导致关中边缘地区环境空气质量变差的一个重要因素。从污染物排放来看,严重污染时段PM、SO、NO和CO的平均浓度分别是清洁天气时的16.56、3.76、3.05和2.90倍,细粒子污染特征显著。(4)不同空气质量下颗粒物粒径分布结果表明,测试期间0.1μm粒径段颗粒物浓度的显著上升是导致该地区环境空气质量变差的主要原因。严重污染时0.1μm粒径段颗粒物数浓度较清洁天增加了4.85倍,表面积浓度和质量浓度分别增加了15.99倍和24.43倍,且随着空气质量的不断变差,峰值粒径不断向大粒径段迁移。(5)PM组分分析结果表明,二次水溶性离子SO和NO是主要污染组分。严重污染时SO和NO的平均质量浓度分别是轻度污染时的6.72倍和47.24倍。从PM各化学组分占比来看,重污染时期SO和NO平均浓度占比为24.84%和26.16%,分别是轻度污染时的1.54和9.02倍,这表明NOx的排放对本地大气污染的形成贡献更为显著。(6)颗粒物质量浓度与能见度呈指数函数关系,但不同相对湿度下的相关性有所不同。当70%≤RH<80%时,颗粒物质量浓度与能见度的相关性最好,相关系数R为0.89;当RH≥80%时,二者的相关性逐渐减弱。不同粒径段颗粒物对大气能见度的衰减程度不同,0.4.6μm段颗粒物对能见度有较强的衰减作用,相关性在80%以上,尤其是1.6μm段颗粒物,相关性达到了97%。

关键词： 重污染期   对流层NO2柱浓度   区域空气污染   乌鲁木齐  

摘要： 在各种防治措施下,乌鲁木齐大气污染状况全年有所缓解,但重污染期（每年11月至次年3月）的污染仍然不断加重。掌握重污染期污染物的排放与扩散规律,解决重污染期大气污染问题,是乌鲁木齐市下一步大气环境治理工作的关键。本文利用地基多轴差分吸收光谱仪（MAX-DOAS）的定点与移动监测技术,反演得到重污染期乌鲁木齐大气对流层NO2垂直柱浓度（NO2 VCDs）的时空变化规律,并结合气象条件、地形、车流量、OMI卫星数据与扩散模型等进行了分析,得到了如下主要成果和结论:（1）2014～2017年重污染期乌鲁木齐3个监测站（师大监测站SD,中泰化工监测站ZTHG,三道坝监测站SDB）NO2 VCDs表现为SD>ZTHG>SDB(值依次为13.76、12.75和8.47×1015 molec·cm-2),即市区站>工业区站>农田区站。SD与SDB站的3年重污染期NO2 VCDs不断增加,ZTHG在2015～2016年重污染期表现为增加,而2016～2017年则为降低。2014～2017年重污染期,乌鲁木齐3监测站对流层NO2 VCDs月均值都表现出连续“n型”的变化规律,震荡幅度ZTHG>SDB>SD。3监测站NO2 VCDs最高值都出现在1或2月,SD站NO2 VCDs最低值都出现在11月,而ZTHG与SDB除2016～2017年重污染期SDB站的最低值出现在11月,其它最低值都出现在3月。（2）3监测站重污染期NO2 VCDs的日变化,SD表现出从上午到傍晚逐渐增大的变化,而ZTHG与SDB表现出早晚高、午间低的“U型”变化,其中ZTHG的变化趋势较为明显。车流量早高峰为10:30,NO2 VCDs在11:30出现一个较高值,存在“滞后性”。汽车尾气是NO2的主要来源,太阳辐射是NO2在大气中分解的重要能源,车流量和太阳辐射的日变化能有效解释NO2 VCDs日变化的规律。（3）乌鲁木齐外环路上空NO2 VCDs表现为下风向>上风向,河滩路上空NO2VCDs表现为“南北低、中间高”,最低值出现在南山停车场附近,高值出现在外环内路段,而且它们都有道路节点容易出现高值的特点。SD站NO2 VCDs与OMI卫星数据有着大体一致的变化趋势,两者的相关性良好（R=0.71）。移动DOAS与OMI数据所反演的NO2 VCDs在空间上也有良好的匹配性。受气溶胶遮蔽效应影响,OMI对流层NO2柱浓度产品在乌鲁木齐重污染期存在系统性低估。（4）高斯烟羽（GPM）模型得到乌鲁木齐道路上空从离市中心较近的苏州路立交桥往北部到上沙河立交桥,NO2浓度梯度呈下降趋势,且河南东路立交桥到上沙河立交桥下降趋势变大,这与DOAS移动监测的结果一致。后向轨迹（HYSPLIT）模型说明乌鲁木齐重污染期间大气的污染物随气流从外地而来的比例较少,以本地源为主,气流更多以搬运、稀释的方式影响本地污染的程度。

关键词： WRF-Chem   PM2.5   大气污染   污染源排放   空气质量  

摘要： 自改革开放以来,随着工业化、城市化和现代化进程的不断加快,我国社会经济迅猛发展,这种以能源消耗为主的粗放型经济增长模式使得大气污染物的排放量不断增加,大气污染问题日益突出。进入21世纪以后,我国的大气污染由传统的煤烟型污染转变为以PM和O污染为主的区域复合型污染,特别是2011年末以来,我国大范围重霾事件频发,尤其是在京津冀、长三角、珠三角等经济快速发展区域。因此,研究大气中PM的主要来源及其形成过程成为当前我国社会经济及生态健康可持续发展亟待解决的问题。本文主要基于WRF-Chem模式模拟研究京津冀地区冬季大气重污染期间家用燃煤排放对空气质量的影响,为京津冀地区大气污染防治策略和污染减排措施的制定提供合理的依据。同时本文还利用WRF-Chem模式模拟研究了关中地区秋冬季大气重污染期间PM污染过程及相关污染源的相对贡献,为当地有关部门采取大气污染控制措施提供依据。本文的研究内容主要包括:(1)京津冀地区冬季大气重污染期间家用燃煤排放对当地空气质量的影响;(2)关中地区秋冬季大气重污染期间咸阳市渭城区本地排放及关中地区主要污染源对当地空气质量的影响。与观测数据相比,WRF-Chem模式能够合理地模拟研究时段内主要大气污染物的质量浓度的时间变化和空间分布以及气溶胶组分的质量浓度的时间变化。通过WRF-Chem模式的敏感性试验分析得到的主要结果如下:(1)基于WRF-Chem模式模拟研究2014年1月京津冀地区一次持续的大气重污染事件中家用燃煤排放对当地大气质量的影响。敏感性试验结果表明家用燃煤排放在京津冀地区雾霾形成过程中起重要作用。模拟期间,京津冀地区家用燃煤排放对当地PM质量浓度的贡献为23.1%。有机气溶胶是京津冀地区家用燃煤排放的PM的主要成分,其贡献为42.8%,其次是硫酸盐(17.1%)。当在模式模拟中去除京津冀地区的家用燃煤排放时,北京PM质量浓度下降约30%;但是如果仅去除北京本地的家用燃煤排放时,北京PM质量浓度下降约18.0%。上述研究结果表明,在京津冀地区实施清洁能源替代家用燃煤项目有利于改善当地空气质量。(2)基于WRF-Chem模式模拟研究2016年11、12月关中地区两次大气重污染事件中咸阳市渭城区本地排放对当地PM污染水平的贡献以及关中地区主要污染源对咸阳市渭城区PM污染的影响。敏感性试验结果表明:秋冬季重污染期间咸阳市渭城区的本地排放对当地PM的贡献约为30%,除去背景贡献,外源输送对当地PM的贡献高达60%。在关中地区的主要污染源中,居民源是秋冬季咸阳市渭城区最主要的PM来源。秋季大气重污染期间,关中地区居民源对渭城区PM污染水平的贡献约为37.4%;工业源和交通源对渭城区PM的贡献分别为22.1%和11.2%;电厂源的贡献仅占2.0%。冬季大气重污染期间,关中地区居民源对咸阳市渭城区PM浓度的贡献高达60.6%;工业源和交通源对PM浓度的贡献也不容忽视,分别为15.6%和9.8%;电厂源对PM浓度的贡献和秋季相当。上述研究结果可以为当地环保部门制定大气污染防治策略和污染减排措施提供合理的依据。

关键词： 大气污染治理   污染成因   管理决策   科学研究   科学化   部长   李干   环境空气质量  

摘要： 今天召开大气重污染成因与治理攻关领导小组第二次会议暨攻关项目启动大会，主要任务是，深入学习贯彻习近平总书记重要讲话和指示精神，认真落实李克强总理和张高丽副总理重要指示要求，贯彻党中央、国务院关于加强大气污染治理的决策部署，总结攻关领导小组第一次会议以来的工作进展，进一步明确攻关任务和要求，加快推动攻关项目实施，为打好蓝天保卫战、改善环境空气质量提供强有力的科技支撑。

关键词： 区域传输   后向轨迹   重污染天气   京津冀  

摘要： 基于HYSPLIT模型,模拟2014年2月19日至2月27日京津冀空气重污染气团24 h后向轨迹。结果表明,京津冀区域重污染期间1000 m高空存在西南输送通道,京津冀三地24 h气团源地分别为河北南部、山东聊城或河北邯郸、山西东南或河南北部。重污染期间,近地层100 m处风速气流表现为西南-南风,风速<3 m/s时,空气质量会达到五级重度污染及以上水平;近地层100m处气流也可能是较强的东南风,能缓解区域空气染污程度。重污染清除过程中高空表现为下沉气流,且100 m处风速>10 m/s。京津冀地区空气质量指数(AQI)与近地层100 m高空风速有显著相关性,相关系数为0.804,可根据低空风速预测空气重污染。

关键词： 雾霾   重污染   大气污染   信息化  

摘要： 大气污染问题是各地生态文明建设重点关注和解决的问题,而大气污染源、地理位置因素、区域性污染物输入都是造成大气污染的重要因素。本文首先分析了重污染天气下大气污染的特点,然后通过分析大气污染因素对空气质量造成的影响,明确污染成因和途径,并提出大气污染的防治策略。人们要依托信息技术,实现颗粒物的动态溯源,同时做好污染源把控,加强联合防治,从而改善大气环境。