北京市大气PM_(2.5)监测·模拟和评估技术

针对北京市大气污染防治工作的突出问题和难点问题,介绍了北京市大气二次污染物PM_(2.5)监测、模拟和评估关键技术,旨在为国内各城市环境空气质量评价、模拟评估、预报预警,以及重污染应急、重大活动空气质量保障等重要环境管理工作提供有力的技术支持,为管理部门提供准确、及时、全面的信息。

北京市重大活动空气质量评估技术体系

以2015年国庆大阅兵期间空气质量保障为例,阐述了重大活动期间北京市空气质量分析的技术体系,北京市监测中心在国内首次建立了规范的空气质量综合观测组织体系和科学的措施效果评估方法体系,所获得的数据及其研究结果具有代表性、完整性和综合性。评估方法为基于大数据的观测评估和先进的模型评估相结合,综合各类监测数据及模拟数据,方法可信可行,不确定性更低,对减排措施的环境改善效果展开评估,目标是剔除气象条件等外在因素对空气质量造成的影响,相对客观准确地评估保障措施-污染物排放规模下降-污染排放量削减-空气质量改善之间的内在定性定量关系。

2013~2014年北京市NO_2时空分布研究

根据2013~2014年北京市NO2监测数据,对比分析了全年及重污染日NO2时空分布特征.结果表明：2013年NO2平均浓度为56μg/m3,2014年北京市NO2年均浓度为56.7μg/m3.年均及重污染日NO2月均浓度均呈波浪型分布,日变化呈双峰型分布;空间分布上北部及西部山区NO2浓度明显低于中心城区及南部地区.NO2浓度与PM2.5、CO、NO呈正相关关系,与O3、OX无明显相关性;全年NO2光解速率峰值平均在0.105/min左右,重污染日光解速率峰值平均在0.026/min左右;全年及重污染期间,氮氧化速率分别为0.142±0.061、0.190±0.036;高浓度NO2既有利于O3生成,又对重污染的形成起到了促进作用;重污染日特定条件下北京市NO2的两种转化机制以转化为NO3-过程为主导.经计算2000~2014年北京市机动车的保有量与NO2浓度的相关系数R为-0.84,机动车NOx排放量对北京市NO2浓度的变化有显著的影响.

2015年“九三阅兵”期间北京市空气质量分析

为研究区域性大气污染物减排措施对北京市空气质量的影响,结合地面观测的气象参数、常规污染物和PM_(2.5)化学组分,对"九三阅兵"期间北京市的空气质量进行分析.结果表明,阅兵期间北京市北风平均风速、温度、相对湿度和地面气压等气象要素水平与相邻时段相比较为接近,但北风频率偏高,整体大气扩散条件略有利.阅兵期间SO_2、NO_2、O_3、PM10和PM_(2.5)平均浓度分别为2.7、24.2、63.2、27.2和19.5μg/m^3,与相邻时段相比分别降低了26.0%、31.3%、24.5%、59.0%和59.4%;PM_(2.5)的降幅最大,体现了一次源排放和前体物排放同时减排的叠加作用.从PM_(2.5)化学组分来看,阅兵期间浓度最高前4位依次是OC(6.1μg/m^3)、NH_4^+(3.8μg/m^3)、SO_4^(2-)(3.4μg/m^3)和NO_3^-(2.5μg/m^3),OC中二次生成的组分仍高达57.6%.通过与相邻时段中相似天气形势下污染物浓度的对比测算了减排措施的"净环境效益",阅兵期间的减排措施使得SO_2、O_3、NO_2、PM_(10)和PM_(2.5)浓度分别降低了50.0%、0.7%、42.1%、45.7%和48.6%,并对APEC期间和阅兵期间O_3浓度变化不同的原因进行了讨论.

2014年北京市CO浓度水平和时空分布

对北京市地面监测站点的CO浓度进行分析,探讨其浓度水平、变化趋势和时空分布特征。2014年春、夏、秋、冬四季北京市CO平均浓度分别为1.06、0.87、1.34、2.17 mg/m^3。CO浓度均呈双峰型变化,第一个峰值出现在07:00—09:00,主要由交通早高峰的排放引起;第二个峰值出现在23:00左右,主要受交通晚高峰排放和夜间边界层高度降低的挤压效应的共同影响。从空间分布来看,全年整体呈现南高北低的分布特征,尤其是秋、冬季较为明显,体现了工业布局和区域传输对CO的影响。从全年来看,湿度对CO浓度的影响最大。对2014年冬季北京市的一次高CO浓度分析结果表明,此次过程是由本地排放和区域传输共同造成的,气象要素中地面气压对CO浓度影响最大。

北京市某典型污水处理厂氨气排放研究

在污水处理厂的格栅、沉砂池、初沉池、曝气池、二沉池采集气样,同时采集相应点位水样,分析各点位氨气排放特征及其与污水指标间相关性。在格栅间、污泥脱水间收集氨气浓度分析密闭车间氨气排放量,结果表明:水气界面格栅间氨气排放浓度最高,随着处理工艺的进行,氨气排放浓度呈下降趋势;氨气排放浓度与污水中氨氮浓度及总氮浓度有较好的线性关系;沉砂池及初沉池氨气挥发速率远高于曝气池和二沉池;各工艺段氨气排放量差异较大,污水厂污水氨气排放量为922 mg/m^3,初沉池对污水厂氨气贡献率最高,为78.8%。

2015年田径锦标赛和大阅兵活动期间北京市NO_x浓度特征

利用北京市大气污染物及气象监测数据,综合分析2015年北京市田径锦标赛和大阅兵活动期间北京市空气质量与气象条件变化,初步评估减排措施对氮氧化物浓度的影响.结果表明:2015年8月20日至9月3日"两大活动"期间,北京市NO、NO_2和PM_(2.5)平均浓度分别为2.0、22.7和17.8μg·m^(-3),同比下降58.3%、52.1%和73.2%,空气质量被誉为"阅兵蓝".保障措施实施后,交通站NO日变化的峰值浓度降低约43%;而城市环境站NO峰值浓度降低约45%;NO_2早高峰和夜间的浓度积累速度明显放缓.北京市作为区域NO_2浓度高值区中心明显消失,PM_(2.5)浓度梯度分布特征消失.受局地的弱北风影响,APEC期间早高峰NO_2峰值浓度明显消失;而大阅兵期间,早高峰NO_2峰值浓度明显高于晚高峰.测算结果显示"两大活动"期间区域空气质量保障措施实现的污染物减排比例及环境污染物浓度改善比例略高于去年APEC空气质量保障.

北京市高海拔地区百花山空气质量状况及与市区的差异性研究

对北京市远郊百花山(海拔1300 m)2007—2017年大气常规6项污染物数据进行了分析,并与代表市区的国控站点均值数据进行了比较。研究发现,百花山SO2、CO、PM2.5浓度为国控站点浓度的35.5%~35.7%,NO2、PM 10、O 3浓度分别为国控站点浓度的14.0%、41.5%、185.5%。11年间,百花山6项常规污染物浓度逐年降低。2013—2017年,百花山PM2.5浓度年均降速为11.4%,低于国控站点13.3%的年均改善水平。百花山和国控站点在污染物季节变化趋势上基本一致,秋季颗粒物浓度差异最大,春季差异最小。百花山6项污染物的日变化峰谷比值为1.21~1.44,其差异小于国控站点。各项污染物浓度在18:00出现峰值,认为主要受城区远距离传输影响。2013—2017年,百花山共出现5个PM2.5重污染天,5级以上重污染小时数为442 h,国控站点有2%的重污染小时与百花山同步。

2018年春节北京市噪声污染分析

利用北京市87个噪声自动监测站点监测数据,分析2018年除夕夜(2月15日18:00—2月16日2:00)全市噪声排放水平。通过比较2013—2018年除夕夜噪声排放强度,结合北京市细颗粒物浓度变化分析,表明2018年除夕夜北京市噪声污染排放显著降低,2013—2018年噪声污染排放存在时空分布特征,除夕夜细颗粒物污染变化与噪声污染变化趋势较为吻合,作为主要污染源的烟花爆竹燃放在受到政策的限制后,除夕夜北京市声环境和空气环境同比大幅改善。

2016年北京市空气质量特征及PM_(2.5)传输规律

为研究北京市空气质量特征以及PM_(2.5)区域传输影响,通过对比分析北京不同类型空气质量评价点——昌平、官园、古城、东四环、榆垡等监测点的2016年监测数据,探讨了PM_(2.5)、SO_2、NO_2、CO及O_(3-1h)污染的时空变化特征及其与气象因素的相关性.采用HYSPLIT模型分析了不同季节的气流来向,并利用WRF-CAMx-PSAT模型定量估算了北京不同季节典型污染过程的区域PM_(2.5)传输贡献.结果表明,与2011—2015年相比,2016年北京市气象扩散条件较为有利,气温、能见度、湿度、风速、气压年均值分别增加了5. 6%、8. 7%、3. 6%、-4. 0%、0. 03%.此外,春、夏、冬三季偏南气流轨迹占比较小,分别为14%、9%和4%.年内变化显示,O_(3-1h)4—9月份质量浓度水平较高,PM_(2.5)、NO_2、CO和SO_2冬季日均质量浓度明显高于其他季节,NO_2、PM_(2.5)和CO_2月份月均质量浓度最低.从空间分布来看,PM_(2.5)、SO_2、O_(3-1h)和CO呈现南高北低且非均匀分布,而NO_2则城区高于郊区.从气象因素与污染物的相关性来看,PM_(2.5)与相对湿度、O_3与温度、CO与相对湿度均呈明显正向线性相关,与SO_2相比,NO_2与相对湿度的相关性较好.同时,通过对典型污染过程进行PM_(2.5)传输规律的分析发现,北京市PM_(2.5)主要来自本地源排放,贡献率达36. 4%～56. 8%,而河北、天津以及京津冀地区对北京区域传输也较为明显,贡献率分别为22. 6%～47. 9%、3. 16%～17. 8%和9. 7%～16. 7%.

固定源细颗粒物监测技术现状分析与思考

从固定源细颗粒物采样方法、细颗粒物分级捕集技术与颗粒物样品处理分析技术入手,分析和探讨了国内外固定源细颗粒物监测技术的研究现状,指出了相关细颗粒物监测技术与分析方法的优缺点,提出了针对固定源细颗粒物监测技术与设备配置的研究思路与建议。基于源环境的固定源细颗粒物直接采样法广泛应用于日常监测,而基于大气环境的固定源细颗粒物稀释通道间接采用方法多应用于科学研究,且其烟气稀释比对颗粒物粒数浓度有显著影响。颗粒物惯性撞击式分级切割采样器控制简单,无复杂清洗过程,并可适用于国内大部分烟尘环境。细颗粒物样品因气溶胶占较大比重,不宜烘干处理。

北京市典型燃烧源颗粒物排放水平与特征测试

研究以自行建立的固定燃烧源烟气颗粒物与水溶性离子监测采样系统和FPS4000与ELPI+结合使用的颗粒物分级采样系统,应用于北京市典型燃烧源烟气颗粒物排放监测.结果表明,北京市燃烧源烟气中总颗粒物基准排放质量浓度最高达83.68 mg·m^(-3),最低0.12 mg·m^(-3),颗粒物粒数浓度在10~4~10~6个·cm^(-3)数量级上.北京市燃烧源颗粒物质量和数量浓度排放水平排序依次为:供暖燃气锅炉<电厂燃煤锅炉<供暖燃煤锅炉.PM_(10)排放呈双峰或三峰分布,峰值均在1μm以下.从粒数分析,PM_(10)中99.8%以上为PM_(2.5),并以PM_(0.1)为主,占PM_(2.5)的83%以上,但从质量上分析PM_(10)中PM_(2.5)与PM_(0.1)的比例大幅降低,PM_(2.5)占PM_(10)的82%左右,PM_(0.1)占PM_(2.5)的27%~33%.

卡尔费休库仑法测定大气细颗粒物中水分的方法研究

建立了卡尔费休库仑法测定细颗粒物中的水分的方法;线性回归系数r^2=0.999 3,方法检出限为8.9×10-2μg/m^3,根据不同加标量计算PM_(2. 5)样品膜中的相对标准偏差为1.5%~2.4%,加标回收率为91.9%~96.7%。分别以2015年北京市的春(4月)、夏(7月)、秋(10月)、冬(12月)4个季节PM_(2. 5)中水分进行研究。测定结果表明,水分占PM_(2. 5)质量浓度百分含量分析呈夏高春低,春季占比为14.0%,夏季占比为16.8%。PM_(2. 5)的水分浓度与北京地区PM_(2. 5)质量浓度及主要水溶性离子铵盐(SNA)重建分析结果的相关性较好。

2014年北京市城区臭氧超标日浓度特征及与气象条件的关系

根据2014年1~12月北京市环境保护监测中心监测的O_3浓度数据,综合探讨了北京市O_3的时空分布及与其气象条件的关系.结果表明:2014年北京市全年O_3小时平均浓度约为56.18μg·m^(-3),O_3超标日小时平均浓度约为148.05μg·m^(-3)且超标日主要集中在5~9月;超标日O_3日变化呈现单峰型分布,06:00或07:00为低谷,15:00、16:00左右达到峰值;超标日O_3浓度在09:00~23:00明显高于夏季同时间段浓度平均;空间分布上中心城区站点O_3浓度相对较低,而城区西部植物园站点浓度最高;统计的2014年北京市O_3超标日地面形势场3种类型高压类、低压类、均压类各占16%、36%、48%;超标日O_3浓度与气压、湿度、能见度呈负相关关系,与风速、温度呈正相关关系;2014年5月29日~6月1日北京市发生的一次O_3重污染过程是由本地光化学污染及区域输送造成的,区域输送对北京市O_3浓度有着十分重要的影响.

2015年春节北京市空气质量分析

对2015年春节(2月18~24日)期间北京市PM2.5、PM10、SO2、NO2的浓度及PM2.5组分进行了分析,并基于PM2.5/CO比值法定量估算了除夕夜烟花爆竹PM2.5排放量.结果表明,春节期间北京市PM2.5、PM10、SO2、NO2的平均浓度分别为116.85、184.71、22.14、36.27μg·m-3,比2014年同期分别增长52.61%、92.41%、-40.15%、-0.46%;除夕夜01:00PM2.5、PM10、SO2、NO2峰值浓度分别为412.69、541.63、152.73、51.09μg·m-3,比2014年同期峰值浓度分别增长19.02%、14.37%、76.57%、11.35%;污染物峰值浓度空间分布上人口密集地区浓度水平明显较高;具有烟花燃放特征的指示性PM2.5组分ρ(Cl-)、ρ(K+)、ρ(Mg2+)峰值浓度分别是2013~2014年各项离子年均浓度的18.85、66.72、70.10倍;烟花爆竹燃放会在短时间内造成严重的大气污染,除夕夜北京市区烟花爆竹排放PM2.5总量约为2.13×105kg.进一步分析显示春节半月期间污染源排放量大幅降低对北京市空气质量的改善效果明显.

北京市民用燃煤烟气中气态污染物排放特征

以北京远郊农村居民常用的蜂窝煤、煤球、烟煤散煤为实验用煤,开展燃烧实验.研究了烟气无机污染物排放因子、VOCs释放情况.结果表明在充分燃烧的条件下,蜂窝煤、煤球、烟煤气态污染物SO2排放因子分别为1.50、1.91、1.62kg·t^(-1);NOx排放因子分别为0.420、0.901、2.20 kg·t^(-1);CO排放因子分别为22.4、37.3、87.3 kg·t^(-1).燃烧排放的NOx和CO的排放因子顺序关系为:烟煤>煤球>蜂窝煤;SO2的排放因子大小顺序分别为:煤球>烟煤>蜂窝煤.获得了北京市2014年3种民用煤燃烧排放的气态污染物的排放清单,烟煤散煤排放的SO2超过了0.55万t,NOx超过了0.75万t,CO超过了29万t.3种煤质燃烧过程中点火和封火阶段VOCs排放浓度相对较高,各阶段VOCs排放因子为点火阶段最高,封火阶段次之.

北京城区夏季PM2.5中碳组分和二次水溶性无机离子浓度特征

为探索北京城区大气细颗粒物浓度水平及其碳组分和二次水溶性无机离子的浓度特征,于2014年6月1日至7月15日在车公庄地区使用微量振荡天平(TEOM+FDMS)、EC/OC在线分析仪以及水溶性离子在线分析仪对PM_(2.5)质量浓度及其主要化学组分(OC、EC、SO_4^(2-)、NO_3^-和NH_4^+)进行了实时监测.研究结果表明,北京市城区夏季PM_(2.5)质量浓度平均值为69.0±47.9μg·m-3,PM_(2.5)中OC、EC、SO_4^(2-)、NO_3^-和NH_4^+所占的比例分别为15.8%、2.4%、23.0%、15.7%和19.2%,SNA(SO_4^(2-)、NO_3^-和NH_4^+)合计达到了PM_(2.5)质量浓度的57.9%.研究各组分的日变化特征发现,OC和SO_4^(2-)白天浓度变化较小,夜晚浓度稍高;NO_3^-和NH_4^+则随着光照和温度的增加而逐渐降低;EC呈现出夜晚浓度高白天浓度低的特点.研究各组分的相关性及比值发现,OC和EC的相关系数为0.62,OC/EC大于2.0,说明北京城区夏季存在着较为严重的二次污染;此外,NO_3^-/SO_4^(2-)平均比值为0.68,SOR和NOR的变化趋势基本一致,两者的平均值分别为0.55和0.14.通过分析北京市城区夏季不同浓度级别各组分的变化发现,随着PM_(2.5)质量浓度的增加,OC和EC所占的比例不断降低,而SNA比例则不断升高,其中NO_3^-浓度水平的增加最为显著.

2013年北京市不同方位PM_(2.5)背景浓度研究

利用2013年北京市6个站点PM_(2.5)浓度及5个站点气象监测数据,综合采用数理统计、物理识别、数值模拟的方法分析了2013年北京市不同方位PM_(2.5)的背景值.结果表明,2013年北京市西北、东北、东、东南、南、西南这6个方向边界点位的背景浓度在40.3~85.3μg·m-3之间,按由低到高顺序依次为密云水库、八达岭、东高村、榆垡、永乐店和琉璃河;2013年北京市PM_(2.5)北风时段背景值最低,西风时段次之,南风、东风时段明显偏高,不同风向下背景浓度的平均值分别在6.5~27.9、22.4~73.4、67.2~91.7、40.7~116.1μg·m-3之间,表现出北京东、南方向PM_(2.5)背景浓度较高分布特点;模拟的2013年北京市PM_(2.5)背景浓度空间分布呈现出南高北低的特征,周边区域对北京市PM_(2.5)背景浓度空间分布影响显著.

2015年北京市两次红色预警期间PM_(2.5)浓度特征

利用北京市及周边地区大气污染物监测数据,综合分析了2015年北京市两次空气重污染红色预警期间PM_(2.5)浓度变化特征并初步评估了减排措施对PM_(2.5)浓度的影响.结果表明:第1次红色预警期间,北京市PM_(2.5)平均最高小时浓度出现在12月9日19:00,为282μg·m^(-3),单站最高小时值出现在京东南市界永乐店站,浓度达496μg·m^(-3).第2次红色预警期间,PM_(2.5)全市平均最高小时浓度出现在12月22日20:00,为421μg·m^(-3);单站最高小时值出现在京西南市界琉璃河站,浓度达831μg·m^(-3).两次红色预警累积持续时间均呈现出南部站>城区站>北部站的特征,且第2次红色预警期间PM_(2.5)浓度南北差异明显大于第1次,PM_(2.5)平均浓度在150μg·m^(-3)以上的面积明显大于第1次,第2次红色预警期间重污染面积可达总面积的93%.两次预警期间气象条件均不利于污染物的扩散,均存在不同程度的二次转化和区域输送现象,极端气象条件是重污染形成的外因,区域污染物排放量大才是导致重污染形成的内因.初步评估结果显示红色预警应急措施实施后,北京市PM_(2.5)环境浓度下降约20%~25%,减排效果显著.

多元线性回归方法对北京地区PM_(2.5)预报的改进应用

利用多元线性回归方法(REG)将多模式空气质量预报系统中3个模式(CMAQ、CAMx和NAQPMS)对北京市2016年PM_(2.5)的预报结果和观测数据进行集合,并对集合结果进行评估。结果表明:①不同模式的预报结果不尽相同,均能够反映2016年北京地区PM_(2.5)随时间的变化趋势,CMAQ、CAMx和NAQPMS相关系数为0. 6～0. 9,标准化平均偏差为-0. 6～0. 6。3个模式对重污染峰值预报都存在偏差,NAQPMS预报偏差低于其他模式;②基于多元线性回归集成预报模型能显著提高日均PM_(2.5)预报的准确率,能较好地改进不同季节模式整体高估或者低估的系统性偏差现象,春季国控平均偏差由-23μg/m^3改善至-2. 3μg/m^3,冬季平均偏差降低近20μg/m^3;③利用多元线性回归方法对2016年红色预警期间小时PM_(2.5)订正结果显示,相关系数提高了0. 13,均方根误差降低了20～30μg/m^3,并且对峰值浓度有较好的调整,预报峰值更为接近实况峰值,特别是对北部地区的改进效果较为明显,反映了实际观测数据对空气质量数值模式预报修正的研究意义和可行性。