关键词： 北京市   单颗粒物质谱   重污染过程   混合状态  

摘要： 利用在线单颗粒物气溶胶质谱仪(SPAMS)对2014年1月北京市典型大气重污染过程进行了连续监测,分析了具有正负离子质谱信息的颗粒物共2248225个.同时,利用ART-2a神经网络分类方法并结合Matlab统计分析,将具有质谱信息的颗粒物归为10类,分别为:矿尘类颗粒物(Dust)、元素碳颗粒物(EC)、有机碳颗粒物(OC)、元素碳和有机碳混合颗粒物(ECOC)、钠钾颗粒物(Na K)、富钾颗粒物(K)、含氮有机物(KCN)、高分子有机物(MOC,Macromolecular OC)、多环芳烃类颗粒物(PAHs)和重金属类颗粒物(Metal).结合PM2.5质量浓度数据和HYSPLIT4.0后向轨迹模型结果,将观测时间段划分为3个典型污染过程和1个清洁过程.结果显示,重污染期间OC、MOC和PAHs为最主要的颗粒物类型.最后,本文还比对分析了污染过程和清洁期间颗粒物的混合状态,结果表明,污染过程中硫酸盐和硝酸盐较清洁期间更容易与碳质颗粒物结合.

关键词： 大气环境   重污染过程   颗粒物来源   源解析  

摘要： 近年来，我国大气污染受到了社会的广泛关注，研究者对大气污染过程中的颗粒物及其化学组分进行了广泛而深入的研究。由于大气污染具有一定的突发性，且持续时间通常较短、二次反应较为复杂，当前基于离线采样对大气污染过程颗粒物来源解析研究具有一定的延迟性。为解决上述问题，本论文通过对污染过程中颗粒物样品采集和处理方法、样品分析方法进行优化，对颗粒物来源解析中所需的关键化学组分进行筛选，并将筛选后的化学组分纳入受体模型进行解析，对比分析了筛选关键组分后纳入模型得到的源解析结果与传统源解析结果的差异。\n 研究内容主要包括:(1)通过分析大气颗粒物中各化学组分的方法检出限及在不同污染过程中各化学组分的百分含量变化，计算得到满足不同化学组分检出限的最低颗粒物质量，基于在线监测与离线监测颗粒物质量浓度的线性关系估算污染过程中离线监测的颗粒物浓度，以获得颗粒物中各化学组分可检测的最短采样时长;(2)通过对颗粒物源解析中所需的关键化学组分进行筛选，优化纳入CMB模型拟合的化学组分数目;(3)以西安市为例，利用CMB模型对颗粒物进行来源解析并与传统源解析结果进行对比分析。\n 研究结论主要有:(1)当前普遍使用的ICP元素分析方法具有前处理费时、工序繁杂、处理过程中样品易受污染等缺点，而XRF分析方法因无需膜消解前处理、检测时间短（2～5分钟），可作为重污染过程颗粒物无机组分分析测定的优选方法;(2)受城市地形地貌、气象因素、污染源类型及排放特征的综合影响，不同季节大气污染过程中颗粒物化学组分的含量具有明显差异，各化学组分可检测的最短采样时长存在差异，同一城市不同污染类型，颗粒物中化学组分的最短采样时长也存在一定的差异;(3)利用恒温烘箱对采样滤膜样品进行快速恒重具有一定的可行性;(4)经优化的重污染过程源解析方法在西安市的应用实践中表明源解析结果与传统源解析结果无明显差异;(5)经“样品采集—处理—分析—解析”的全过程优化所用最短时长为6～11.5h。

关键词： 北京   大气重污染   污染类型   PM2.5   O3  

摘要： 从污染物浓度的时间变化、空间分布以及大气污染类型等方面,对2013~2014年北京大气重污染过程进行了分析,并初步探讨其影响因素.结果表明：2013~2014年北京共出现大气重污染105d,重污染频率为14.4%.其中,首要污染物为PM2.5的天数为103d,首要污染物为PM10和O3各有1d;冬半年重污染天数占全年的76.2%.重污染气象要素特征主要表现为风速小、湿度高、能见度低.重污染日PM2.5/PM10浓度比值为91.3%,明显高于全年平均水平,表明重污染时颗粒物以细颗粒物为主.北京大气重污染区域分布表现为南高北低,平原高、山区低的总体特征,交通站重污染天数普遍高于市区其它站点.北京大气重污染主要表现为积累型、光化学型、沙尘型以及复合型等类别;其中积累型大气重污染往往伴有区域污染水平的整体升高,PM2.5组分中NO3-、SO42-、NH4＋等水溶性二次离子的浓度增幅最为明显;O3污染在近两年有加重的趋势.

关键词： 京津冀区域   PM2.5   重污染天气过程   NAQPMS   预报准确率   冬奥会   空气质量   减排方案  

摘要： 我国区域空气质量远未达标,大气重污染事件频发,京津冀区域尤为严重。因此,迫切需要大气污染业务预报。空气污染数值预报是一种有效的获知未来空气质量方法,它可以深入分析污染过程演变特征,解析污染物的来源和去向,及模拟预测应急控制效果等。2013年开始中国环境监测总站联合中国科学院大气物理研究所建立了京津冀预报预警业务化测试系统,从该年开始开展区域6项污染物及AQI预报预警服务,并重点关注京津冀区域的重污染天气过程。业务预报时,主要关注重污染天气过程的起始时间,持续时间以及污染影响的空间范围。因此,本文利用2013和2014年测试系统的预报产品,从上述三个方面着手发展了一种用于评估京津冀区域重污染过程数值预报能力的新方法,并探讨重污染天气过程早报、晚报及漏报的可能气象条件原因,以提高预报准确率。结果表明：（1）数值模式系统提前三天预告重污染天气过程的预报准确率可达57%,秋冬季预报效果好于其他季节,静稳型预报效果好于沙尘型和特殊型。（2）对模式AQI预报结果统计发现,当预报AQI值达到150以上时,实际发生重污染天气过程的概率较大,如定义AQI等于150作为重污染天气预警临界值,模式预报准确率可提高至70%以上。（3）天气系统对污染过程预报有重要影响,WRF气象模式对中低层天气系统位置及强度预报偏差是导致静稳型污染过程早报和晚报的一个重要原因。本文将发展的新方法应用于评估预测2006-2015年冬奥会同期发生重污染的风险。2022年冬季奥运会将在北京举行,届时北京地区空气质量要达到国家标准和世界卫生组织指导值要求。通过对2006-2015年冬奥会同期PM2.5浓度研究表明,冬奥会同期北京PM2.5浓度会出现不同程度超标现象,其中,2014年污染最为严重,2015年则相对较好,且在历年的2月13-16日易出现持续的重污染天气过程。假设2022的2月污染程度和气象条件介于2014和2015年之间,利用发展的新方法评估模式系统的这一过程模拟能力,并对2022年污染风险进行评估,在此基础上设计减排实验,使得会期不出现重污染。本文从气象和排放源两个方面,研究不同年份冬奥会同期污染物浓度变化的主要原因。研究对比2014年2月和2015年2月两组气象条件下北京和张家口PM2.5浓度水平及模拟效果,结果表明：（1）减排方案使得2014年和2015年冬奥会同期PM2.5浓度在130ug/m3以下,除13-16日外,其他日期空气质量达标。（2）对比2014和2015年冬奥会历史同期,2014年气象要素引起北京和张家口PM2.5升高40%-60%,SO2和NO2浓度升高0-40%（3）2014年减排使得PM2.5,SO2和NO2浓度降低60%以上,2015年减排使得PM2.5浓度降低40%-60%。

关键词： 大气颗粒物   化学组成   来源解析   重污染天气  

摘要： 在2014年12月21日30日采集了太原市采暖季大气PM2.5和PM10样品,进行了18种无机元素组分、9种水溶性离子组分和2种碳质组分的化学分析,深入分析了PM2.5和PM10的化学组成特征,并利用富集因子法（Enrichment Factor,EF）和因子分析法（Factor Analysis,FA）进行了来源解析,最后结合气流后向轨迹（HYSPLIT Trajectory Model）探讨了观测期间重污染天气的可能成因。太原市2014年全年重度污染和严重污染天气全部分布在采暖季内,采暖期内大气首要污染物主要为PM2.5和SO2。观测期间PM2.5中主要化学组分为OC>EC>SO42->NH4+>Cl->NO3->Si>Ca;PM10中主要化学组分为OC>EC>SO42->Ca>NH4+>Cl->NO3->Si。碳质组分、水溶性离子组分和元素组分分别占PM2.5总质量浓度的43.6%、42.7%、13.7%,占PM10总质量浓度的38.9%、38.7%、22.4%。SO42-、NH4+、Cl-、NO3-、Ca2+是离子组分中质量浓度最高的五种离子,Cl-质量浓度偏高是采样期间太原市水溶性离子组分中较为突出的特征。离子平衡分析显示观测期间太原市大气颗粒物整体偏碱性,NH4+过剩,是二次无机气溶胶的形成的控制因子;PM2.5中ρ（NO3-）/ρ(SO42-)为0.47,说明固定燃烧源是影响太原市采暖季环境空气质量的主要因素,煤烟型污染仍是太原市大气污染的显著特征。OC和EC主要富集在细颗粒物中,PM2.5中的OC和EC分别占到PM10中的87.9%和78.5%。通过OC/EC法、相关性分析和回归分析,推测大量取暖燃煤的一次排放及不完全燃烧是造成采样期间太原市采暖季大气颗粒物中碳质组分含量较高的主要原因。富集因子法（EF）分析显示As、Cu、Zn、Pb、Cd的EF值大于100,其中Pb和Cd的富集极为强烈,EF值分别为355.6和1494.8,说明大气中的重金属元素主要受到人为活动的影响,强烈地改变了As、Cu、Zn、Pb、Cd等元素在自然界的分布规律。因子分析法（FA）解析得到的太原市采样期间大气颗粒物PM2.5源解析结果是:①燃煤为主的燃烧源24%、②扬尘（土壤风沙及建筑施工）23%、③二次无机气溶胶（SIA）17%、④工业生产13%、⑤机动车9%,⑥其他源14%;采样期间太原市大气颗粒物PM10源解析结果是:①扬尘（土壤风沙及建筑施工）及工业飞灰34%、②二次无机气溶胶（SIA）及生物质燃烧25%、③燃煤及机动车16%,④其他25%。重污染天气发生时大气颗粒物的化学组成会发生较大变化:水溶性离子组分的质量分数显著上升（PM2.5:24.6%→45.3%）以及地壳组分百分含量的大幅下降（PM2.5:24.9%→9.3%）,而碳质组分的质量分数未出现较大波动,说明了地壳元素对重污染天气的形成影响不大,二次无机气溶胶（SIA）的大量生成是观测期间重污染天气形成的化学本质。燃煤、工业生产、机动车等人类生产生活过程排放的大量污染物是重污染天气发生的内在原因;静稳无风、高湿逆温等不利气象条件是重污染天气的重要诱因,加剧了大气二次反应,表现为水溶性离子组分质量分数显著上升;大风是重污染去除的重要机制。气流后向轨迹（HYSPLIT）分析表明,在重污染天气形成前,出现了气流传输方向转折、速度瘀滞的现象,可能挟裹周边地区的大气污染物进入太原地区,形成区域传输,加重太原本地大气污染;而当西伯利亚冷气流长距离、快速经过太原市上空时,污染物就被气流稀释、吹散,表现为气温下降、空气湿度降低、风速增大,环境空气质量的迅速好转,在颗粒物化学组成上表现为地壳组分质量分数上升。

关键词： 重污染   机动车限行   应急预案   海口市   人民政府  

摘要： 海府办[2016]251号各区人民政府,市政府直属各单位:经市政府同意,现将《海口市大气重污染应急预案(2016年修订)》印发给你们,请认真组织实施。2016年11月7日海口市大气重污染应急预案(2016年修订)一、总则(一)编制目的。为确保大气重污染发生后能迅速、有效地开展应对工作,最大限度地控制和减少事件造成的危害,保障人民群众身体健康,保护环境,促进社会全面、协调、可持续发展,特制定本预案。

关键词： 空气污染   大气粗颗粒物PM10   南京市   区域传输   湿清除  

摘要： 基于观测及模拟个例,分析了2014年3月17—19日南京地区出现的大气粗颗粒物重污染过程及其污染物区域传输特征。结果表明,这次大气粗颗粒物重污染过程中观测的PM_(10)浓度和近地面风速变化呈现显著的正相关,与重雾霾过程中大气细颗粒物PM_(2.5)浓度和近地面风速的负相关关系不同,说明强风驱动的污染物区域传输对这次大气粗颗粒物PM_(10)污染形成贡献;受大气边界层高度昼夜变化的影响,整个污染事件的南京地区平均PM_(10)地面浓度具有昼低夜高的日变化特征;地面风向观测和HYSPLIT模拟分析进一步表明,大气粗颗粒物重污染主要贡献来自途经华北平原和苏北地区的PM_(10)区域传输,春季裸露农田的土壤扬尘可能是这次大气粗颗粒物重污染物的主要来源;伴随3月19日南京地区降雨,大气粗颗粒物重污染事件结束,表明降雨对大气粗颗粒物起到有效的湿清除作用。

关键词： 霾   污染   气象条件  

摘要： 利用西安区域8个气象站点的气象观测资料及西安市13个环境质量监测站点的空气污染物浓度监测资料,对2013年12月16—25日西安地区一次长时间重污染霾天气过程的污染特征及成因进行了分析.结果表明此次霾重污染天气过程主要是一次在不利气象条件下形成的高浓度颗粒物污染事件,其中有54.6%的霾属于干霾,其余属于湿霾.气压场偏弱,气压梯度力小,风速小,弱冷空气形成的下冷上暖的稳定性层结等天气形势有利于霾重污染的形成与维持;弱的降温与相对湿度增大叠加,有利于气溶胶吸湿增长而加重霾的强度.关中盆地特有的喇叭口地形通风不畅,造成外来输送与当地排放的大量污染物堆积,为此次长时间霾发生提供了增强条件.低的混合层厚度抑制了垂直方向上的对流输送,严重削弱了大气垂直扩散能力,造成了大气中各类污染物浓度的大量积聚,是造成此次霾重污染过程的重要原因之一.城市污染加重热岛效应、热岛效应反过来通过热岛环流改变城市污染物传播扩散规律并加重污染,二者相互作用、互为增强条件.

关键词： 2014年10月上旬   北京   重污染   PM2.5   化学组分   秸秆焚烧  

摘要： 使用垂直观测、地面观测和PM2.5化学组分观测等手段,对2014年10月上旬北京市一次重污染过程进行分析.结果表明,本次大气重污染发生时北京市近地面后散射激光强度变强,气溶胶消光系数升高,说明污染物在近地面层积累.重污染期间气象要素特征为:风场弱,湿度大,地面受弱气压场控制.从PM2.5浓度变化趋势来看,这次重污染过程大体分为四个阶段:"两个台阶"型的浓度爬升阶段(P1和P2)、高浓度维持阶段(P3)和迅速清除阶段(P4).结合地面观测、遥感反演和PM2.5组分分析可发现,区域传输是导致本次重污染的诱因,其中秸秆焚烧是影响因素之一,随后区域传输和本地污染物排放共同维持并加重了重污染过程.大气氧化剂OX与PM2.5浓度、二次离子浓度均表现出显著正相关性,表明较强的大气氧化性能促进PM2.5浓度增长.