军运会期间武汉东南传输通道PM_(2.5)中水溶性离子区域传输解析

2019年10月武汉市举办第七届世界军人运动会。为探究军运会期间武汉市和黄石市两地的大气细颗粒物浓度特征、污染源差异及区域传送情况,于2019年10月10日至2019年11月5日对武汉和黄石两站点的大气细颗粒物进行了连续观测,并分析了PM_(2.5)中水溶性离子的浓度特征,通过后向气团运动轨迹结合潜在源贡献因子(PSCF)和浓度权重轨迹(CWT)分析方法探究了两站点的污染物区域传送。结果表明:本次观测期间武汉站点和黄石站点的PM_(2.5)浓度超过《环境空气质量标准》(GB 3095—2012)日均二级限值(75μg/m^(3))的超标率分别为26.1%和17.4%,时间主要处于军运会结束后;武汉和黄石两站点PM_(2.5)中的水溶性离子主要以NO-_(3)、SO_(4)^(2-)和NH~+_(4)为主;黄石站点CE/AE值的拟合曲线斜率小于1,表明颗粒物表面呈弱酸性,而武汉站点CE/AE值的拟合曲线斜率大于1,表明颗粒物表面呈中性或弱碱性;两地PM_(2.5)中水溶性离子的存在形式主要以NH_(4)HSO_(4)或(NH_(4))_2SO_(4)为主,武汉站点的缺氨样品的占比为30.4%,而黄石站点的缺氨样品的占比为43.5%;主成分分析结果表明,两站点污染源相同,以二次污染源、扬尘源和生物质燃烧源为主;PSCF和CWT分析结果表明,黄石是武汉站点PM_(2.5)的主要潜在源区,WPSCF因子大于0.7,且浓度贡献权重超过45μg/m^(3),而黄石站点的主要潜在源区位于湖北省与安徽省交界处和安徽省安庆市内。

郴州市秋冬季PM_(2.5)污染传输路径与潜在源贡献分析

通过应用HYSPLIT、MeteoInfo模型,计算2017—2021年秋冬季抵达郴州地区72 h的后向气流轨迹并进行轨迹聚类、潜在源贡献因子(PSCF)和浓度权重轨迹(CWT)分析,探讨郴州市PM_(2.5)传输特征及污染潜在源分布。结果表明,郴州市秋冬季PM_(2.5)潜在源区主要分布在北偏东方向,以近距离输送为主,频率最高的是从咸宁市通城县经岳阳市平江县、株洲地区的短距离轨迹,其频率为34.17%;WPSCF高值带起源于河南省,经湖北、平江、江西等地区,最终到达郴州。WCWT分析结果得出,PM_(2.5)污染趋势与上述一致,影响范围更宽,影响程度相对较轻。2017—2021年间,郴州地区污染传输通道影响逐年减小,PM_(2.5)浓度平均下降19.7%。

城市不同环境空间下PM_(2.5)及表层土壤细菌群落结构差异性研究

为探究不同环境空间下空气微生物的组成特征和来源,在桂林城区与市郊选择8类典型的人类活动环境空间,分别采集大气细颗粒物(PM_(2.5))及表层土壤样本,利用高通量测序技术分析样本的细菌群落结构。结果表明:在不同环境空间下,PM_(2.5)样本间的细菌群落结构差异性较小,表层土壤则表现出较明显的城区与市郊差异性,同一采样点的PM_(2.5)与表层土壤也表现出较大的差异性。PM_(2.5)与表层土壤中的主要细菌门为变形菌门(Proteobacteria)、放线菌门(Actinobacteria)、绿弯菌门(Chloroflexi)、拟杆菌门(Bacteroidetes)及厚壁菌门(Firmicutes),其相对丰度总和超过80%。各个环境空间中的微生物群落差异均表明人类活动对微生物群落的影响较大。此外,不同环境空间中的优势菌属也有所不同,这与环境的特点、细菌的生态功能相关。PM_(2.5)中的优势菌属为异样根瘤菌属(Allorhizobium Neorhizobium Pararhizobium Rhizobium)、假双头斧形菌属(Pseudolabrys)、甲基杆菌属(Methylobacterium)和不动杆菌属(Acinetobacter),而表层土壤中的优势菌属为鞘氨醇单胞菌属(Sphingomonas)、异常球菌属(Deinococcus)、马赛菌属(Massilia)和酸杆菌门(Acidobacteria)下的Subgroup_6属。

武汉市冬季重污染过程中PM_(2.5)组分特征与区域来源解析

随着《大气污染防治行动计划》和《打赢蓝天保卫战三年行动计划》的相继实施,在高强度的污染治理下,中东部地区PM_(2.5)污染改善效果显著。为探讨在PM_(2.5)浓度不断降低的背景下,仍时有发生的武汉冬季重污染过程的成因及特征,以2020年12月武汉地区一次长达10 d的重污染过程为例,利用多种观测数据和嵌套网格空气质量预报模式系统(NAQPMS)分析污染过程中PM_(2.5)的化学组分特征和区域贡献等。结果表明:污染日二次无机盐SNA(SO_(4)^(2-)、NO_(3)^(-)和NH+4)和碳质组分(EC和OC)在PM_(2.5)中的占比高(分别为78%和18%),NO_(3)^(-)的占比从清洁日的36%上升到污染日的46%,是污染过程中占比最高的化学组分。污染期间,NO_(3)^(-)和SO_(4)^(2-)的浓度比为2.9~6.1,因此二次无机盐的主要来源可能是移动源;OC和EC的浓度比为3.0~9.8,因此碳质组分的主要来源可能是燃煤源。污染期间主要有河南-孝感-武汉和安徽-黄冈-武汉2条污染传输带,污染物传输以武汉周边城市的近距离输送为主,随着污染程度加重,武汉本地及武汉城市圈的区域贡献增加。重度污染天是静稳天气下持续的偏弱东风和西北风输送的污染气团在不易扩散的天气条件下累积形成的。

基于PM_(2.5)浓度达标约束和区域联防联控的河南省地级市大气环境容量研究

为研究以河南省为代表的受大气污染传输影响显著省份的大气环境容量,本文基于CMAQ模型,采用嵌套迭代模拟的方法,计算了在周边省份区域联防联控的前提下河南省PM_(2.5)浓度达标(GB 3095-2012《环境空气质量标准》二级标准限值)时17个地级市SO_(2)、NO_(x)、一次PM_(2.5)和NH_(3)的大气环境容量.结果表明:①省外传输对河南省PM_(2.5)浓度的贡献率为50.29%,其中周边7个省份传输贡献率为36.19%,可见周边省份实施大气污染联防联控是河南省实现空气质量达标的必要条件.②在省级PM_(2.5)浓度达标时,河南省周边7个省份SO_(2)、NO_(x)、一次PM_(2.5)和NH_(3)的大气环境容量分别为279.07×10^(4)、465.61×10^(4)、172.67×10^(4)和182.96×10^(4)t,超载排放量分别为243.13×10^(4)、402.79×10^(4)、143.63×10^(4)和142.54×10^(4)t.③在区域联防联控的前提下,全省PM_(2.5)浓度达标时河南省17个地级市的SO_(2)、NO_(x)、一次PM_(2.5)和NH_(3)环境容量分别为23.48×10^(4)、52.40×10^(4)、22.74×10^(4)和32.17×10^(4)t,超载排放量分别为48.43×10^(4)、106.78×10^(4)、45.84×10^(4)和61.63×10^(4)t.④河南省东南部区域的SO_(2)和NO_(x)排放以及西北部区域的一次PM_(2.5)和NH_(3)排放会对全省PM_(2.5)浓度变化有显著贡献.研究显示,河南省PM_(2.5)浓度达标时,4种主要大气污染物的环境容量的最大值为52.40×10^(4)t,超载排放量的最大值为106.78×10^(4)t.为实现河南省PM_(2.5)浓度达标,河南省周边省份均需要实施大气污染联防联控,同时河南省需要加大对东南部区域的SO_(2)和NO_(x)排放以及西北部区域的一次PM_(2.5)和NH_(3)排放的管控.

昆明PM_(2.5)质量浓度演变特征与潜在源扩散模拟分析

基于2016—2020年昆明地区近地面PM_(2.5)质量浓度逐时监测数据、同期气象数据,分析PM_(2.5)质量浓度变化特征与气象因素的相关性,利用后向轨迹模型研究昆明地区PM_(2.5)传输路径、污染轨迹季节特征及其潜在源区分布。结果表明:PM_(2.5)质量浓度年内均呈现先升后降、峰陡谷平波动变化的态势,整体呈现为春冬季节高于秋夏季节57.4%,日内呈现夜间相对稳定而昼间变化幅度大且夜间浓度显著高于白天;PM_(2.5)质量浓度与气温、风速呈现显著负相关,相关系数分别为-0.60和-0.13,与气压呈现显著正相关(R=0.44,P<0.01)。昆明地区气流轨迹来源方向存在季节性差异,其中春季、冬季轨迹来源较为集中,主要来自西南方向,分别为86.8%和48.7%,夏季、秋季以南部为中心呈散射状分布;除夏季、秋季到达昆明地区的所有气流均为清洁气流外,春季的传输路径较远且贡献源区范围较大,中国云南省中部(玉溪市)和西南部(楚雄州、普洱市)以及孟加拉国西北部、缅甸北部的部分区域是昆明地区PM_(2.5)质量浓度的最主要贡献区域,冬季高值覆盖范围和贡献程度均小于春季,仅在云南省中南部(玉溪市、红河州)呈点状分布。

基于多源数据的像元尺度东北三省夜间PM_(2.5)估算

气候变化与森林植被影响着PM_(2.5)质量浓度的分布,而PM_(2.5)作为空气的重要污染物也可直接或间接影响森林植被生长。目前,基于光学气溶胶厚度(AOD)反演日间PM2.5的技术已经较为成熟,夜间PM_(2.5)作为日间PM_(2.5)的补充,对于PM_(2.5)的全天监测具有重要意义。基于辐射传输理论,以夜间灯光亮度、增强型植被指数和7个气象因素(2 m露点温度、2 m温度、U风速分量、V风速分量、大气表面压力、蒸发量、降雨量)作为输入变量,夜间PM_(2.5)质量浓度作为响应变量,建立机器学习估算模型,以期为东北三省夜间PM_(2.5)质量浓度监测提供参考。结果表明,基于集成树构建的模型具有较高的估算精度,其拟合优度(R2)为0.68,平均绝对误差(MAE)为7.05μg/m^(3),均方根误差(RMSE)为11.62μg/m^(3)。此外,通过分析东北三省各监测站PM_(2.5)估算值与真实值的误差,发现模型具有一定的时空敏感性。通过及时准确地掌控夜间PM_(2.5)质量浓度的分布状况,可以为森林植被保护工作的开展提供参考。

基于扩散模型的辽宁中部城市群PM_(2.5)传输规律研究

研究采用扩散模型法,基于气象模型WRF耦合空气质量模型Models-3/CMAQ,对2019年辽宁中部城市群PM_(2.5)污染特征进行模拟分析,通过目标情景设计,获取辽宁中部城市群7个城市间大气污染物传输特征并建立传输矩阵。研究发现:辽宁中部城市群中的PM_(2.5)浓度本地源贡献率最高的是本溪(72.2%),其次为沈阳(63.2%),其他城市本地源贡献率在48.9%~62.1%之间。本溪为对外输送型城市,其排放的PM_(2.5)主要影响辽阳(7.8%)和抚顺(7.1%);铁岭与抚顺之间为单向输送,铁岭向抚顺输送的PM_(2.5)占到抚顺贡献率的9.0%,反之仅为2.3%;鞍山与辽阳PM_(2.5)为双向输送,二者之间的影响分别为7.1%与8.3%。受海洋气候影响,营口本地源贡献率为48.9%,且对其他城市的影响仅在0.2%~2.4%之间。

2018年11月上旬一次中韩PM_(2.5)相互影响传输过程分析

2018年11月5—7日,韩国首尔出现了一次PM_(2.5)污染过程。利用拉格朗日轨迹分析(HYSPLIT)模型分析了首尔峰值浓度气团的来源,结合污染物监测和气象资料,定性分析了中国对韩国浓度高值可能的影响及其程度。利用嵌套网格空气质量预报模式(NAQPMS)及其耦合的在线污染来源追踪模块进行了污染来源解析和敏感性测试,分别计算了同一时期中韩两国相互间的PM_(2.5)传输贡献。结果显示:2018年11月5—7日,中国对韩国首尔污染过程的日均贡献不足10%;此次污染过程后期,首尔的污染气团对上海PM_(2.5)浓度峰值产生了影响。

北京冬季不同污染情况下PM_(2.5)传输特征模拟研究

近年来北京空气质量持续得到改善,但仍未达国家二级标准,且在减排效果良好情况下,2019年冬季仍有严重的细颗粒物污染发生,所以还需对现阶段北京PM_(2.5)来源进行有针对性的研究。因不同污染阶段,污染物来源和构成均会发生变化,所以本研究利用耦合了源解析模块ISAM的空气质量模式RAMS-CMAQ对2019年12月北京PM_(2.5)来源进行解析,并从非污染、轻度污染和中重度污染3种情况分析PM_(2.5)和其组分及相应前体物的区域传输特征。结果表明,现阶段北京冬季PM_(2.5)以外来输送为主,其比例可由非污染天的69.7%增至中重度污染天的75.7%,主要来自河北和内蒙古自治区。非污染天以偏西风长距离输送为主,当同时有持续的偏南方向气团输入时,北京将出现污染并持续加重。二次无机气溶胶在北京冬季PM_(2.5)中的占比较大,其比例随污染加重而增加,中重度污染天比非污染天高6.7%。其中硫酸盐贡献随污染加重而降低,硝酸盐贡献却持续增加,是污染加重的主导组分。除硝酸盐外,硫酸盐、铵盐、有机碳、一次尘和黒碳均以外来输送为主,相应比例也随污染加重而增加,中重度污染天比非污染天分别高出3.8%,15.7%,9.8%,6.9%和7.4%。此外,作为前体物的SO_(2)、NH_(3)和NO_(2)也以外来输送为主,其中SO_(2)和NH_(3)的外来输送比例随污染加重而增加,中重度污染天比非污染天分别高出5.4%和6.2%,但外来输送对NO_(2)的贡献并没有类似变化。

2016~2020年北京城区和郊区PM_(2.5)爆发性增长特征对比研究

利用PM_(2.5)浓度、气象要素、NCEP以及ECMWF再分析资料等,对比分析2016~2020年北京城区和郊区的污染特征,根据多种阈值指标定义爆发性增长过程,并着重分析爆发性增长过程中的环流形势以及污染物的不同来源.结果显示,北京城郊全年污染日数呈逐年下降趋势,但秋冬季的污染日数占比2016~2017年逐年下降,2018~2020年逐年升高,城区污染改善速度慢于郊区.2016~2020年城郊污染持续时长一般≤3d,城区≥2d的污染日次数均多于郊区,且均呈逐年下降趋势.城区和郊区细颗粒物污染存在明显的相互影响特征,城区对郊区的影响更为显著.城郊爆发性增长次数和爆发性污染占比整体先下降再升高.城区发生的爆发性增长过程次数多于郊区,但爆发性污染占比城区低于郊区.爆发性增长过程出现概率≥10%的地面天气形势为均压场型和高压前部型,高空形势为纬向环流和槽后型.城区传输型爆发性增长过程出现概率最高的天气形势为高空槽后配合地面高压前部型,占比可达37.0%,郊区传输型爆发性增长过程出现概率最高的天气形势为高空纬向环流配合地面高压前部型,占比可达31.6%,城区和郊区本地型爆发性增长过程出现概率最高的天气形势均为高空纬向环流配合地面均压场型,占比分别可达34.5%和56.5%.

福州市PM_(2.5)与PM_(2.5)/PM_(10)变化特征及气象响应分析

利用2015—2021年福州市的大气颗粒物(PM_(10)、PM_(2.5))质量浓度、地面气象观测资料及全球数据同化系统(GDAS)数据,采用合成对比、天气分型及拉格朗日混合单粒子轨道模型(HYSPLIT)对福州市PM_(2.5)与PM_(2.5)/PM_(10)变化特征和气象响应进行分析,并对PM_(2.5)的传输路径进行聚类总结。结果表明,2015—2021年福州市ρ(PM_(2.5))和ρ(PM_(2.5))超二级标准天数呈下降趋势;ρ(PM_(2.5))具有明显季节变化特征,冬季最高,春秋次之,夏季最低;ρ(PM_(2.5))日变化特征不明显,呈弱“双峰”型。此外,天气形势对ρ(PM_(2.5))变化的作用在不断减弱。

PM_(2.5)浓度湍流特征和通量获取的实验研究

利用PM_(2.5)质量浓度测量仪E-Sampler的1 Hz高频采样功能,采用涡动相关法,计算山东省德州大气环境实验站2018年12月27日至2019年1月7日多次污染事件的PM_(2.5)浓度脉动和湍流通量,探讨PM_(2.5)浓度湍流特征。结果表明,实验观测期间PM_(2.5)浓度湍流通量均值为0.026μg/(m^(2)·s);不同污染过程中PM_(2.5)浓度湍流通量传输方向不同,表明不同污染过程的污染源汇属性不同。随着湍流统计特征量(如湍流动能、水平风速标准差、垂直风速标准差、水平风速、动量通量和感热通量)增大,PM_(2.5)湍流垂直通量呈现指数型减小的趋势,即先急剧减小,然后随各变量的增长变化不大。随着PM_(2.5)浓度增大,其湍流通量绝对值呈现增加趋势,因此PM_(2.5)浓度湍流通量的大小与PM_(2.5)浓度和湍流强弱有关。不稳定条件下,PM_(2.5)浓度归一化标准差与稳定度参数ζ=z/L遵循−1/3幂次关系,即σ_(c)/C*=6.7(‒ζ)^(‒1/3);稳定条件下,实验结果相对离散。另外,PM_(2.5)浓度脉动方差谱曲线在高频段满足−2/3幂指数率,PM_(2.5)浓度脉动与垂直速度脉动的协方差谱曲线在高频段满足−4/3幂指数率。研究结果表明,利用E-Sampler的PM_(2.5)浓度1 Hz高频采样功能可以得到连续且有效的PM_(2.5)浓度湍流通量。

重庆市荣昌区冬季PM_(2.5)污染的气象因素及区域传输特征

利用2016—2018年重庆市荣昌区冬季PM_(2.5)质量浓度监测数据,结合地面气象观测资料、L波段探空雷达资料、ERA-Interim再分析资料及全球资料同化系统(GDAS)数据,并与HYSPILT模型相结合,分析荣昌区冬季PM_(2.5)污染的气象影响因素及区域传输特征。结果表明:(1)2016—2018年荣昌区冬季PM_(2.5)污染超标频率高达56.3%,但空气质量有好转趋势。PM_(2.5)质量浓度日变化有2个峰值,分别出现在12:00和23:00;(2)荣昌区冬季PM_(2.5)污染主要受降水、逆温层、低层风速等气象条件影响。当925 hPa以下和700~600 hPa存在明显逆温层结,500 hPa呈西北气流或平直西风气流,850 hPa以下为偏东北弱风时不利于PM_(2.5)扩散,易发生重度污染天气。日降水量R>2.0 mm时,降水对PM_(2.5)具有明显的正清除,且清除能力随着降水等级的增大而增大,R<1.0 mm时,降水对PM_(2.5)表现为负清除,微量降水期间不利的扩散条件加之颗粒物吸湿增长作用反而导致PM_(2.5)质量浓度增加,空气质量恶化;(3)荣昌区冬季PM_(2.5)污染主要受距离荣昌区西北和东北方向约300 km范围内的成渝城市群城市间污染物区域输送影响,外域颗粒污染物的传输是荣昌区冬季PM_(2.5)污染的重要原因。

城市内部尺度PM_(2.5)传输关联方法研究—以北京市为例

基于数据驱动思想,以城市内部环境空气质量监测站点为研究对象,建立了目标站点与周边站点间PM_(2.5)浓度、风向、风速、欧几里得距离等参数的多元线性关联回归模型,使用梯度下降算法学习得到各参数权重系数,计算得出周边站点对目标站点PM_(2.5)传输贡献,并评估了模型的可行性.以北京市丰台花园(FT)为目标站点的应用研究结果显示,2016年FT站点PM_(2.5)浓度为82μg/m^(3),周边站点大兴(DX)、房山(FS)、亦庄(YZ)、东四环(DS)、古城(GC)和万柳(WL)浓度分别为93,82,80,79,77,71μg/m^(3);FT站点PM_(2.5)浓度与上一时刻周边站点WL、GC、DX、YZ的相关性分别为0.634、0.631、0.608和0.601,显示其对FT站点PM_(2.5)污染传输显著;建立的4个季节关联回归模型RMSE值分别为13.22、11.74、12.51和13.22,PM_(2.5)模拟浓度与监测浓度变化趋势一致,验证了模型的可行性;WL、DX、YZ、GC分别是对应春、夏、秋、冬4个季节对FT站点PM_(2.5)污染传输贡献较大的站点,其贡献值分别为1.61%、1.71%、2.20%和8.57%.该模型解析的结果可为北京市未来城市规划、建设提供依据,提出的PM_(2.5)传输多元线性关联回归方法同样可用来解析其他城市内部尺度PM_(2.5)传输关联,为挖掘城市内部PM_(2.5)传输路径、精准溯源提供基础.

安徽省春节-疫情期间PM_(2.5)浓度变化成因分析

该研究将2020年1-2月分为春节前(1月1-23日)、春节期间(1月24-30日)和疫情期间(2月1-28日)3个时段,通过对比分析这3个时段与2019年同期空气质量数据,发现不同时期浓度较2019年同期均有较大幅度下降,其中PM_(2.5)浓度在疫情期间浓度下降幅度最大,达到了40%,结合污染物排放量的变化及模型模拟结果对比可知:3个时段PM_(2.5)浓度改善原因有所不同,本地污染源和省外污染源排放影响略有差异,春节前受本地源影响更小,外源输送影响更为严重,空气改善主要是受有利的气象条件影响所致,春节期间省外源贡献更严重,空气质量改善得益于春节期间降水湿沉降影响,疫情期间空气质量改善得益于本地污染源排放减少和省外污染源输送的减少与适宜气象条件的双重利好所致。

京津冀地区典型城市秋冬季PM_(2.5)输送特征研究

运用潜在源贡献分析(PSCF)方法,识别了2018年秋冬季京津冀地区典型城市北京,唐山和石家庄PM_(2.5)的潜在污染源区;基于气象-空气质量模式(WRF-CAMx)和传输通量计算方法定量评估了与其周边省市之间PM_(2.5)的传输贡献,识别了三个典型城市PM_(2.5)的传输路径,揭示了PM_(2.5)传输净通量的垂直分布特征.结果表明,三个城市秋冬季PSCF高值主要集中在河北南部,河南东北部和山西中东部地区;秋冬季PM_(2.5)均以本地贡献影响为主(51.78%~68.40%),外来贡献为辅(31.60%~48.22%),不同季节贡献率有所波动.整个观测期间,近地面主要表现为毗邻城市向北京和石家庄输送PM_(2.5),而唐山主要表现为向外输送PM_(2.5),净通量最大值出现在海拔0~50m,其净通量为-99.47t/d.同时鉴别出了一条主要的传输路径,即西南-东北方向.

典型输送通道城市冬季PM_(2.5)污染与传输变化特征

以京津冀典型输送通道上的河北西南4个城市邯郸、邢台、衡水和沧州为例,分析了2019~2021年冬季3 a气象条件与PM_(2.5)浓度变化特征,运用潜在源贡献分析(PSCF)和浓度权重分析(CWT)识别了研究期内4个城市PM_(2.5)输送特征,基于气象-空气质量模型(WRF-CMAQ)传输矩阵法和传输通量法量化评估了邯郸、邢台、衡水和沧州与周边地区之间的PM_(2.5)传输贡献,揭示了PM_(2.5)传输净通量的垂直分布变化特征,并进一步识别4个城市两条PM_(2.5)污染主要传输路径.结果表明,在研究期间,4个城市PM_(2.5)浓度呈下降趋势,下降比例分别为45.85%、49.45%、42.40%和31.65%;邯郸和邢台潜在源贡献较大的区域主要分布在山西中南部(临汾、长治和晋中)和河南北部(新乡、开封和郑州)以及少部分内蒙古部分地区(PSCF>0.9),衡水和沧州潜在贡献较大的区域主要集中在河北南部(邯郸、石家庄)、山西中部(太原、阳泉)和部分山东地区(PSCF>0.7),CWT结果显示与PSCF类似;研究时段内4个城市冬季PM_(2.5)均呈现本地贡献率(51.11%~62.99%)略高于区域贡献率(37.01%~48.89%)的特征,受水平湍流和垂直扩散等影响,4个城市2020年区域传输影响较其他年份稍高(0.50%~9.52%),而2021年由于PM_(2.5)浓度较低、气象因素影响等原因,区域传输影响较其他年份稍低(-2.15%~-9.52%);邯郸、邢台、衡水和沧州这4个城市3 a冬季与周边区域总流入(流出)通量强度大小均为:2020年>2021年>2019年,对于总净通量而言,4个城市3 a冬季分别为邯郸:0.094、-0.070和0.087 kt·d^(-1);邢台:0.212、0.395和0.544 kt·d^(-1);衡水:-0.040、-0.228和0.185 kt·d^(-1);沧州:0.062、0.126和0.128 kt·d^(-1).在研究期间邯郸、邢台和沧州多作为污染传输受体,而衡水多为传输源体.在0~1260 m之间,PM_(2.5)净传输通量强度基本随着高度的升高而增大,不同时期不同城市最大净通量不同,邯郸最大净通量位于252~1261 m,邢台最大净通量位于817 m,衡水最大净通量位于252~817 m,沧州最大净通量位于252~359 m;分析4个城市传输特征发现存在两条主要PM_(2.5)传输方向,即西北-东南方向(山西→邯郸→河南、山东;石家庄→邢台→邯郸、山东;保定→沧州→山东)以及西南-东北方向(山西→邢台→衡水→沧州→渤海湾).

2015~2019年日照市PM_(2.5)长期变化特征及其潜在源区分析

利用2015~2019年山东省日照市PM_(2.5)质量浓度和气象要素的小时数据,对日照市PM_(2.5)季节污染特征和日照市海陆风特征进行了分析,并基于HYSPLIT模式计算了5年逐日02:00、08:00、14:00和20:00(BTC)的48h后向轨迹,不仅通过轨迹聚类分析和潜在源区分析探讨了日照市不同季节PM_(2.5)主要传输路径和其轨迹污染特征及其潜在源区分布和贡献,也分析了海陆风对日照市污染物的影响.结果表明:日照市PM_(2.5)呈现冬季最高、夏季最低的分布特征,监测站点颗粒物浓度在偏西北风影响下较高.日照市不同季节主要输送路径存在差异:春季主要受到偏东和偏北方向气流影响;夏季在副热带高压影响下主要受到来自海上的较为清洁的偏东气流影响;秋季主要受到西北和偏东气流影响;冬季主要受西北和偏北气流影响.整体而言,不同季节受偏西至偏南气流影响时,日照市对应的PM_(2.5)浓度较高.日照市海陆风春秋季多,夏冬季少;在海陆风影响下,日照市PM_(2.5)污染和臭氧污染呈现不同的分布特征,且在不同PM_(2.5)污染等级下,PM_(2.5)浓度日变化特征也与其在非海陆风日的日变化有所差异.污染潜在源区分析结果表明,日照市最主要的潜在源区位于山东省临沂市、潍坊市、青岛市和江苏省连云港市.

肇庆市PM_(2.5)重污染天气形势及冬季典型污染过程输送特征研究

为了揭示肇庆市颗粒物重污染过程的发生与发展规律,利用2013—2014年PM_(2.5)监测数据,分析该区域两年间的空气质量整体变化情况以及PM_(2.5)污染过程的季节变化规律,统计两年间所有颗粒物重污染过程,并根据污染过程的天气形势展开分析,运用空气质量数值模型(WRF-Chem)对冬季一次典型重污染过程进行模拟研究。结果表明,肇庆2013—2014年共发生27次PM_(2.5)重污染过程且主要出现在秋冬季,结合气象场的分布特征,总结出四种诱发重污染过程发生的天气形势,分别是高压出海型(48%)、热带低压型(22%)、锋面影响型(19%)及冷高压控制型(11%)。在四种天气形势的影响下,肇庆整体风向以东南风和南风为主,大气处于静稳状态,导致污染物的积累并诱发重污染过程。WRF-Chem模拟结果进一步发现,不利气象条件及本地排放源是造成肇庆冬季重污染过程发生的主要原因。结合四维通量模型对肇庆边界污染物输送情况进行定量分析后发现,肇庆PM_(2.5)以输出为主,其中硝酸盐与氨盐的输出通量较大。此外,模型还揭示了肇庆境内的主要污染物输送通道呈东南-西北走向,外地输入的污染物也通过此通道影响肇庆的空气质量。