八级空气撞击采样器在环境空气污染物监测领域的应用

对八级空气撞击采样器在环境空气污染物监测领域的应用进行了研究,并与颗粒物自动监测仪器进行了相应得对比。结果表明,相同条件下八级空气撞击采样器得出的结果与颗粒物自动监测仪器的监测结果相关性均较好;在使用八级空气撞击采样器时应使用预分离器以尽可能避免因发生微粒反弹和被重新带走而对监测结果造成的误差;八级空气撞击采样器采样滤膜可根据需要在实验室进行颗粒物组成成分的定性和定量分析以得出不同粒径范围颗粒物的组成成分。

论ACCU自动采样器在环境空气监测领域的应用

对ACCU多通道自动采样器在环境空气污染物监测领域的应用进行了研究,并与颗粒物自动监测仪器进行了相应得对比。结果表明,ACCU自动多通道采样器可根据提前设定的程序进行特征性采样,并且ACCU多通道自动采样器得出的结果与颗粒物自动监测仪器的监测结果相关性较好,其采样滤膜可根据需要在实验室进行颗粒物组分的定性和定量分析。

新标准下天津市大气环境监测预警体系的构建

通过对天津大气环境监测现状进行客观分析,并结合天津市整体发展规划、经济与环境发展的新需求,提出了构建天津大气环境监测预警体系的基本框架,将逐步以"三个说清"为目标,全面提升天津大气环境监测综合能力和水平,最终建立了天津大气环境监测预警体系。该研究完善了天津市PM2.5监测及预警能力,能够实现对主要污染源的实时监控,弥补了现有预报预警能力不足的情况,使我市环境空气质量预报更为科学准确,环境空气质量预警信息发布更为及时,能大幅提高天津市对重污染天气的应对能力。

空气自动监测系统的运维及保障

为使公众更加及时准确的了解环境空气状况,我国建立了环境空气自动监测系统,并将监测数据进行实时发布.为了保证发布的数据真实有效,就需要我们对空气监测系统进行有效及时的运维及保障.这就需要运维人员对监测仪器故障进行判断,并提出相应的解决方案.

天津市环境空气中氮氧化物分布状况

天津市环境空气中氮氧化物近几年呈缓慢上升趋势。氮氧化物分布状况在不 同地段,不同道路之间存在明显差异。市区各道路网严重超过国家日均二级标 准,影响了天津市环境空气质量,为此提出了控制机动车尾气污染的措施。

喷雾抑尘车作业规范研究

当前天津市大气污染情势非常严重,以臭氧、细粒子(PM2.5)及挥发性有机物为特点的区域性复合型大气污染日益突出.为继续深化大气污染防治任务,全市大部分地区使用了喷雾抑尘车对辖区内重点区域进行喷雾抑尘作业,基于此,文章以不同湿度条件下喷雾抑尘作业对环境空气质量的实际影响,进行了喷雾抑尘车使用规范的相关研究.

天津市交通环境监测点位空气质量特征

利用天津市2019年交通站与环境空气质量监测数据,分析了天津市交通环境监测站空气质量特征。结果表明,交通监测站PM2.5、PM10、NO2、CO、O3和SO2浓度分别为56、85、48、2700、191、9μg/m3,综合指数为6.03。与环境空气中站相比,交通站空气污染水平总体较高,综合指数比全市高10.0%,PM2.5高9.8%,NO2(比淮河道)高26.3%,CO高50.0%,交通站的NO2和CO对综合指数的贡献比例相对较高。交通站主要污染物逐月分布特征与日分布与环境空气站基本一致,交通站的NO2浓度在3—11月、PM2.5浓度在4—5月明显高于环境空气站,CO浓度整体较高,O3浓度整体较低,NO2、PM2.5和CO逐小时浓度水平明显高于环境空气站,而O3相对偏低。

北辰区2013~2019年环境空气质量特征分析

利用北辰区2013~2019年环境空气质量监测数据,分析了北辰区环境空气质量特征。结果表明,北辰区除O3浓度呈现上升趋势外,PM2.5、PM10、NO2、CO、SO2浓度均呈现下降趋势,PM2.5浓度从2013年的100 μg/m3降至2019年的53 μg/m3,O3浓度从149 μg/m3升高至211 μg/m3。达标天数从122天增加到210天,综合指数从9.41降至5.69,PM2.5对综合指数的贡献率最高,其次为O3,即PM2.5依旧是环境空气中最主要的污染物,O3污染问题日益突出。PM2.5、NO2、CO、SO2四项污染物浓度季节分布均表现为冬季 】秋季 】春季 】夏季,PM10表现为冬季 】春季 】秋季 】夏季,O3表现为夏季 】春季 】秋季 】冬季。

动态校准仪臭氧发生器开度测试系统自动化研究

臭氧污染问题日益严峻,高质量的臭氧监测数据对打赢大气污染防治攻坚战起到基础保障作用。动态校准仪在环境空气自动监测系统运行与质控中具有重要作用。基于臭氧校准仪49i-PS,本研究开发了动态校准仪臭氧发生器开度自动测试系统,使动态校准仪臭氧发生器、臭氧校准仪、工控机及电磁阀有效连接,根据动态校准仪臭氧发生器开度所对应的目标浓度值,实现环境空气自动监测系统运行与质控中量值传递的自动化。

2013~2020年天津市PM_(2.5)-O_(3)污染变化趋势和影响因素分析

基于2013~2020年高时空分辨率的PM_(2.5)和O_(3)在线监测数据以及气象观测数据,利用KZ(Kolmogorov-Zurbenko)滤波耦合逐步回归等技术,对天津市PM_(2.5)和O_(3)浓度变化趋势、相互关系和影响因素进行了分析.结果表明,与2013年相比,2020年天津市PM_(2.5)浓度下降50.0%,O_(3)浓度上升25.8%.从月际变化来看,与2013~2017年相比,2018~2020年天津市PM_(2.5)浓度月际间差异逐渐缩小,O_(3)浓度从4月开始出现明显上升,污染发生时间节点提前.O_(3)与PM_(2.5)的相关性呈现明显的季节性分布特征,冬季整体呈负相关,夏季正相关且相关性比其他季节高.不同季节O_(3)与PM_(2.5)之间的拟合斜率与相关性系数整体呈正比例关系,拟合斜率与相关性系数的比值逐年升高说明PM_(2.5)对O_(3)生成的抑制作用逐年降低.2013~2020年,天津市PM_(2.5)浓度时间序列的长期分量呈显著下降趋势,其中污染源减排起主导作用,气象因素对PM_(2.5)长期分量的贡献在-3~6μg·m^(-3).PM_(2.5)/CO与NO_(2)/SO_(2)之间关系由2013~2017年间的负相关转变为2018~2020年正相关,说明受减排的影响,NO_(x)对PM_(2.5)中二次组分形成的贡献潜势逐渐增加,PM_(2.5)中主要二次组分由硫酸盐逐渐转向硝酸盐.2013~2020年天津市O_(3)浓度时间序列的长期分量整体表现为上升趋势,前体物排放对O_(3)长期分量的贡献在2013~2018年上升,2019年后开始降低;气象因素对O_(3)长期分量的贡献呈现明显的阶段性变化特点,2013~2016年下降,2016~2020年上升.与2013~2015年相比,2016~2020年夏季典型时段(11:00~16:00)O_(3)-NO_(2)间的拟合曲线向NO_(2)低值方向偏移,反映出该时段NO_(x)的减排取得一定效果,2019~2020年的拟合曲线整体下移,说明近两年NO_(x)和VOCs减排效果较明显,对降低O_(3)有重要作用.

天津市“十三五”期间O_(3)污染特征和驱动因子

为了解“十三五”期间天津市O_(3)污染特征和驱动因素,基于2016~2020年高时空分辨率的在线监测数据,利用空间自相关、空间热点分析和STIRPAT模型分析了O_(3)污染空间分布、聚集特征和驱动因子.结果表明,2016~2020年天津市O_(3)浓度变化特征呈现污染发生时间点提前和污染范围扩大的趋势.6~10月O_(3)污染分布具有显著聚集性,高值-高值聚集区主要为市内六区、北辰区、津南区和静海区,O_(3)浓度在西南部地区形成高值热点聚集区,在东北部地区形成低值冷点聚集区.气温、小风百分率和日照时数等气象因子与NOx排放量、VOCs排放量和机动车保有量等社会因子对O_(3)浓度有显著性影响,综合驱动STIRPAT模型的回归拟合效果比单一气象因子或社会因子模型更好.为科学高效地开展“十四五”期间O_(3)污染的防治,在关注气象条件基础上,在“双碳”目标的约束下,天津市应进一步提升钢铁、石化、火电和建材等行业全过程排放的绩效水平,引导企业清洁化提升改造、转型升级和绿色发展,减少企业VOCs和NOx的排放量,同时进一步控制燃油机动车保有量的增加,大力推广新能源机动车,减少机动车尾气的排放.

天津市冬季气溶胶吸湿因子的粒径分布特征

气溶胶粒径吸湿增长因子[g(RH)]是影响气溶胶消光和气溶胶辐射强迫的重要因素.利用吸湿性串联差分电迁移率分析仪(HTDMA)观测了天津市冬季不同污染状态下气溶胶粒子g_(m)(RH)的粒径分布.同时基于水溶性离子的粒径分布,利用κ-K9hler理论获取了较宽粒径范围内(60 nm~9.8μm)的gκ(RH),为环境状态下气溶胶光学参数和直接辐射强迫的模拟提供基础.结果表明,清洁状态下大气光化学反应较为活跃,超细粒子(<100 nm)的g_(m)(RH)较高,g_(m)(RH=80%)在1.30以上.重度污染天,气溶胶中水溶性离子的质量分数随粒子粒径增大而增加,导致g_(m)(RH)随着粒子粒径增大而增大,300 nm粒子的g_(m)(RH=80%)和g_(m)(RH=85%)分别可达1.39和1.46.在较宽粒径范围(60 nm~9.8μm)内,不同模态气溶胶的吸湿性强弱表现为积聚模态>爱根模态>粗模态.大气重污染过程中气溶胶粒径明显增大,积聚模态气溶胶中NO_(3)^(-)和SO_(4)^(2-)含量较清洁天明显增加,受此影响,污染状态下积聚模态气溶胶的吸湿性较清洁天明显增强,gκ(RH)达到1.3~1.4,具有强吸湿性的气溶胶粒径范围也同时扩大,在0.18~3.1μm粒径段均较高,对能见度恶化有重要的贡献.

京津冀区域重污染期间PM2.5垂直分布及输送

2016年12月17~19日重污染期间,在天津市武清区高村开展车载系留气球颗粒物浓度垂直观测,并以观测数据为基础,计算了区域内PM2.5传输通量.结果表明重污染过程期间,大气混合层较低,约200 m左右,PM2.5浓度垂直分布特征与混合层高度密切相关,混合层以下,PM2.5浓度较高,垂直变化特征不显著,形成明显的污染层,混合层以上,PM2.5浓度迅速降低并维持在降低水平.观测期间,粒径小于1. 0μm颗粒物浓度较高,粒径大于2. 2μm颗粒物浓度较低,近地层粒径为0. 777μm颗粒物浓度最高.颗粒物浓度粒径谱分布与相对湿度和混合层高度相关,高湿度和低混合层下颗粒物浓度粒径谱分布较宽泛.观测期间,PM2.5在西南方向上的传输通量最高,占总传输通量的63. 3%,其中46~156 m和156~296 m高度之间PM2.5传输通量最高.近地面300 m内PM2.5传输主要以西南方向传输为主,300 m以上传输方向较分散.

基于在线观测的天津市PM2.5污染特征及来源解析

为了解天津市PM2.5的污染特征及来源,基于2017~2019年高时间分辨率的在线监测数据,对PM2.5浓度、化学组分和来源进行了分析.结果表明,2017~2019年,天津PM2.5平均浓度为61μg·m^-3,PM2.5中主要化学组分为NO3^-、OC、NH4^+、SO4^2-、EC和Cl-,在PM2.5中占比分别为17.7%、12.6%、11.5%、10.7%、3.4%和3.1%.从年分布上看,PM2.5及主要化学组分浓度均呈现下降趋势,NO3^-和NH4^+在PM2.5中占比上升,SO4^2-、OC和EC在PM2.5中占比下降,Cl-在PM2.5中占比略上升,其他组分K^+、Ca^2+和Na^+浓度及在PM2.5中占比均上升.PM2.5及主要组分浓度在采暖季相对较高,非采暖季相对较低,夏秋季SOR和NOR较高,二次转化强,PM2.5中二次无机离子(NO3^-、NH4^+和SO4^2-)占比相对较高.当PM2.5浓度为优良级别时,PM2.5中二次无机离子占比较低,OC占比较高,SOC生成较高,Ca^2+和Na^+占比相对较高;PM2.5浓度为轻度及以上污染级别时,随着污染程度加重,PM2.5中二次无机离子占比明显上升,OC占比基本稳定,EC和Cl-占比略升,K^+、Ca^2+和Na^+等离子占比下降.PM2.5浓度处于中度及以上污染级别时,机动车影响明显增加.PMF解析结果表明,2017~2019年,天津市PM2.5的主要来源为二次源、机动车排放、工业和燃煤排放以及扬尘.其中机动车排放的贡献分担率上升,二次源、扬尘的贡献分担率略升,工业和燃煤源的贡献分担率略降.对天津来说,机动车、燃煤和工业排放始终是PM2.5最主要的一次污染来源,产业结构和能源结构的调整以及机动车的管控是大气污染防治的主要方向.

2020年天津市两次重污染天气污染特征分析

为了解2020年天津市两次重污染天气污染特征,基于2020年1~2月高时间分辨率的在线监测数据,对天津市2020年1月16~18日(重污染过程Ⅰ)和2020年2月9~10日(重污染过程Ⅱ)进行分析,结果表明,两次重污染过程均呈现前期区域输送和后期本地不利气象条件叠加双重影响的特点,重污染过程期间平均风速均较低,平均相对湿度接近70%,部分时段接近饱和,边界层高度低于300 m,水平和垂直扩散条件均较差.与重污染过程Ⅰ相比,重污染过程Ⅱ主要污染物浓度和污染程度均降低,尤其是NO2浓度下降明显,重污染过程Ⅱ北部地区PM2.5和CO浓度较高.两次重污染过程PM2.5中化学组分浓度和占比发生明显变化,重污染过程Ⅰ二次无机离子(SO4^2-、NO-3和NH^+4)、EC和Ca^2+平均浓度较高,OC和Cl^-平均浓度略低于重污染过程Ⅱ,K^+平均浓度低于重污染过程Ⅱ.与重污染过程Ⅰ相比,受燃烧源增加和移动源大幅降低影响,重污染过程Ⅱ中SO4^2-、OC和K^+在PM2.5中占比明显上升,NO-3和EC在PM2.5中占比明显下降;工业持续生产使重污染Ⅱ中NH^+4和Cl^-在PM2.5中占比相对较高;工地的停工使两次重污染过程中Ca^2+占比均较低.PMF解析结果表明,重污染过程Ⅰ中PM2.5来源为二次离子、燃煤和工业、机动车、扬尘、烟花爆竹及生物质燃烧,贡献率分别为53.8%、20.2%、18.6%、6.3%和1.1%;重污染过程Ⅱ中各源对PM2.5的贡献率分别为48.3%、28.2%、8.7%、2.6%和12.2%.与重污染过程Ⅰ相比,重污染过程Ⅱ燃煤和工业、烟花爆竹及生物质燃烧对PM2.5贡献率明显上升,二次离子、机动车和扬尘贡献率明显下降,尤其是机动车和扬尘,贡献率分别下降53.2%和58.7%.

2020年春节期间天津市重污染天气污染特征分析

为了解春节期间重污染天气污染特征,基于城区点位2020年1月高时间分辨率的在线监测数据,开展天津市春节期间重污染分析.结果表明:区域污染物输送叠加本地污染物排放和不利气象条件导致春节重污染的发生,重污染期间天津市平均风速为0.97 m·s^-1,平均相对湿度为70%左右,边界层高度为210 m,水平和垂直扩散条件均较差.春节重污染期间,天津市PM2.5、SO2、NO2和CO平均浓度分别为219、14、46μg·m^-3和1.9 mg·m^-3,与春节前重污染相比,春节重污染期间污染程度有所降低,尤其是NO2浓度下降明显.PM2.5浓度空间分布表明,天津远郊区依然存在烟花爆竹燃放情况.春节重污染期间,城区PM2.5中主要化学组分为二次无机离子(NO^-3、SO4^2-和NH^+4)、OC、K^+和Cl^-,平均浓度分别为96.4、22.5、9.5和8.9μg·m^-3,在PM2.5中占比分别为41.3%、9.7%、4.1%和3.8%.与春节前重污染相比,受移动源减少、工业企业排放降低、工地停工影响,春节重污染期间NO^-3、SO4^2-、NH^+4、EC和Ca^2+浓度及其在PM2.5中占比明显下降;受烟花爆竹燃放影响,OC、K^+、Cl^-和Mg^2+浓度及其在PM2.5中占比均上升.与清洁天气相比,春节重污染期间PM2.5中二次无机化学转化明显增强.PMF解析结果表明,春节重污染期间,天津市城区PM2.5的主要来源为二次无机盐、燃煤和工业、烟花爆竹及生物质燃烧、机动车和扬尘,贡献分担率分别为40.1%、30.6%、20.6%、6.9%和1.8%.与春节前重污染相比,春节重污染期间二次无机盐、机动车和扬尘贡献率分别下降25.5%、62.9%、71.4%,燃煤和工业贡献率上升51.5%,烟花爆竹及生物质燃烧源显著上升.无论是重污染还是非重污染,常态化还是特殊时期,二次无机盐、燃煤和工业排放始终是天津市PM2.5最主要的来源,产业结构和能源结构的调整始终是天津大气污染防治的主要方向.

天津市2020年冬季重污染过程气溶胶消光特性及其来源

为了解天津市2020年冬季重污染过程气溶胶消光特征,基于2020年1~2月高时间分辨率的在线监测数据,对1月16~18日(重污染过程Ⅰ)、1月26~28日(重污染过程Ⅱ)和2月9~10日(重污染过程Ⅲ)进行气溶胶消光特性及其来源分析.结果表明,3次重污染过程PM_(2.5)平均浓度分别为(229±52)、(219±48)和(161±25)μg·m^(-3),NO^(-)_(3)、SO^(2-)_(4)、NH^(+)_(4)、OC、EC、Cl^(-)和K^(+)为PM_(2.5)中主要组分.3次重污染过程气溶胶散射系数(Bsp550)和吸收系数(Bap550)分别为(1055.65±250.17)、(1054.26±263.22)、(704.44±109.89)Mm-1和(52.96±13.15)、(39.72±8.21)、(34.50±8.53)Mm-1,散射效应高于吸收效应.重污染天气下硝酸盐(38.9%~48.8%)、硫酸盐(31.1%~40.7%)和OM(9.9%~21.8%)为PM_(2.5)中最主要消光成分.3次重污染过程PM_(2.5)组分对气溶胶消光的贡献发生明显变化,重污染过程Ⅰ,硝酸盐对消光系数的贡献最高;重污染过程Ⅱ,受春节期间烟花爆竹燃放影响,OM对消光系数的贡献升高;重污染过程Ⅲ,交通出行减少但燃煤源排放相对稳定,硝酸盐对消光系数的贡献降低,硫酸盐的贡献升高.来源解析结果显示,重污染天气气溶胶消光的主要来源为二次无机气溶胶(37.1%~42.0%)、燃煤和工业(22.9%~24.2%)、机动车(23.9%~27.2%)、扬尘源(5.0%~6.4%)和烟花爆竹及生物质燃烧排放(3.9%~6.2%).与重污染过程Ⅰ相比,重污染过程Ⅱ烟花爆竹及生物质燃烧排放对消光系数的贡献升高;重污染过程Ⅲ机动车对消光系数的贡献明显降低;燃煤和工业对消光系数的贡献在3次重污染过程中较接近.后轨迹分析表明,重污染天气期间天津市主要以来自河北的小尺度、短距离以及内蒙古中部的中尺度、中短距离气团传输轨迹为主.

天津市冬季重污染二次有机化学污染特征及VOCs对SOA生成潜势

基于天津市2019年1~3月超级观测站数据,研究重污染期间二次有机化学污染特征.重污染过程期间SOC约占PM2.5质量的3.1%~3.8%,增长幅度显著高于PM2.5,二次有机化学反应对重污染PM2.5有较大影响.VOCs增长幅度较PM2.5低,可能与VOCs作为前体物生成二次颗粒物而有所消耗有关.乙烷/乙炔比值在2.0以上,但较污染前下降,说明尽管重污染期间气团老化,但活性有所提升.重污染期间VOCs对SOA的生成潜势为0.49~1.21μg·m^-3,芳香烃对SOA生产贡献最大,贡献率大于90%,较污染前芳香烃类SOA生成潜势贡献升幅最大,说明芳香烃类是对SOA形成影响最大的物种.