为了研究广元市房建施工扬尘排放特征,通过调研获取了广元市2010 ～2019年间的房建工地施工面积、抑尘措施及控制效率,按照自下而上的方法建立了房建施工扬尘排放清单,分析了2019年广元市房建施工扬尘的时空分布特征,并采用CALPUFF对广元市利州区某房建工地的排放进行了模拟.结果 表明:(1) 2010 ～2019年广元市房建施工扬尘排放量逐步增加,PM10和PM2.5的排放量分别从2010年的830.25t和192.99t增加到2019年的2027.26t和471.24t,年均增长率达到10.43％;(2)广元市房建施工扬尘在春季排放最高,其次为冬季和秋季,夏季排放量最小,全市房建扬尘的高排放区为利州区、剑阁县、苍溪县等区域;(3)通过CALPUFF模拟发现,广元市施工扬尘主要向东南方向扩散,对施工区周边600m范围内的区域影响较大.研究认为,广元市房建施工扬尘排污呈现逐年增加趋势,应当进一步加强管控以降低排污.

为评估2010-2019年成都市机动车防控措施的减排效果,以2010年为基准年,采用排放清单法计算了各减排措施下2019年的减排量,对比分析了4种控制措施的减排效益.结果表明:成都市机动车排污总量逐年下降,2019年PM2.5、NOx、VOCs、CO、SO2和NH3的排放量分别为0.27×104、4.63×104、1.70×104、28.99×104、0.21×104和0.45×104t,主要分布在中心城区,其中重型货车对PM2.5和NOx贡献最大,小型客车对VOCs、CO、SO2和NH3贡献最大;措施中加严标准的综合减排量最大,重点减排车型为小型客车、轻型货车、公交车等,2019年6种污染物减排量分别为0.14×104、2.27×104、1.29×104、6.77×104、0.07×104和0.38×104t;优化城市交通管理对小型客车和摩托车的减排效果显著,2019年6种污染物减排量分别为0.04×104、0.81×104、0.38×104、2.55×104、0.05×104和0.04×104t;淘汰高排放车辆对小型客车、轻型货车等的减排较明显,2019年6种污染物减排放量分别为0.13×104、0.98×104、0.34×104、2.62×104、0.01×104和0.007×104t;推广清洁能源汽车的重点减排车型为出租车和公交车,虽然可有效减少PM2.5、NOx的排放,但VOCs却有小幅增加,2019年6种污染物减排放量分别为0.12×104、0.62×104、-0.13×104、0.30×104、0.004×104和0.000 5×104t.

随着工业污染源末端治理的不断推进,各种污染物末端减排空间持续收缩,产业结构调整是缓解区域环境压力的有效途径.在分析四川省三大产业结构现状的基础上,采用泰尔指数和产业结构高级化指数从四川省、五大经济区、市(州)3个视角对产业结构合理化程度及高级化水平进行了评估,并对区域工业企业主导产业变化趋势进行了统计,通过构建成分数据模型和ARIMA模型对2025年四川省三次产业占比进行预测,以期为四川省制定产业结构优化政策提供参考依据.结果 表明:四川省产业结构在不断优化升级中,但区域间及区域内发展存在较大差距;除成都平原经济区电子信息相对发达外,传统能源、资源消耗密集型行业以及以农产品为原料的初级加工业在区域内仍占有较大比重;加强区域间及区域内协同发展和加强第二产业内部结构优化调整仍是四川省产业结构升级的方向.

为了研究成都市建筑扬尘的环境影响,通过对成都市范围内2016年不同施工阶段的建筑施工工地进行调研以及实地采样,统计了施工场地外界5～ 100m范围内建筑扬尘浓度变化,研究了不同施工源强下扬尘水平扩散的规律.结果 表明,当施工扬尘浓度＞0.65 mg/m3时,水平扩散常数为916.5 mg/m,等效逸散初始距离为29.92m;当施工扬尘浓度在0.15～0.65 mg/m3之间时,水平扩散常数在1 066.3～1 847.6 mg/m之间,等效逸散初始距离在37.2～61.2m之间;当施工扬尘浓度≤0.15 mg/m3时,水平扩散常数在411.1～718.3 mg/m之间,等效逸散初始距离在63.6～95.7m之间;施工扬尘浓度越大,等效逸散初始距离越短.扬尘浓度随距离的增加而递减,在80～ 100m处达到平衡;建筑扬尘扩散浓度与施工工地源强有关,源强越大,在相同距离、相同高度的建筑扬尘浓度越高,等效逸散初始距离越短,但水平扩散常数差异不大.

对MOVES、COPERT、MOBILE、IVE、CEME等五种常见的机动车尾气排放模型的应用进行了总结,从地域性、成熟度、不确定性等方面对比评价了这几种模型的优点和适用范围,并基于研究现状提出了未来我国机动车排放因子的研究方向.

利用ECMWF-ERA5和NCEP-FNL再分析资料作为中尺度气象模式WRF(The Weather Research and Forecasting)初始场,对四川盆地2018年1月一次大气污染过程气象要素进行了模拟,对比分析了气温、风速、风向、相对湿度、边界层高度、温廓线的模拟效果,并结合大气超级站观测数据对模拟结果进行评估.结果表明:两种资料均能较好地模拟出气象要素的变化情况,但由于两套资料时空分辨率、采用的模式、同化方案、数据来源和质量控制方案存在一定区别,导致各要素模拟效果并不一致.与NCEP-FNL相比,ECMWF-ERA5模拟的平均相对湿度(59.23％)与观测值差异更小,且均方根误差、偏差较小,分别为9.83％和-0.83％,但NCEP-FNL模拟的平均气温(8.99℃)更接近观测值,且偏差值较小,为-0.04℃.两组模拟结果均显示盆地内部为模拟区域的低风速区,相对湿度模拟值在60％以上,气温高于西部山地地区.NCEP-FNL模拟的盆地内部气温、相对湿度、风速小于ECMWF-ERA5模拟值,但边界层高度模拟值较大.ECMWF-ERA5模拟的逆温强度相比较小,且温度露点差较小.此次污染过程PM2.5和PM10日均浓度最大值分别为190.1 μg·m-3和261.0 μg·m-3,相对湿度增大引发的颗粒物吸湿增长是导致PM2.5和PM10质量浓度突增的主要原因.

采用DustTRAK TM气溶胶(粉尘)监测仪对成都市112个不同类别的房建、市政工地施工扬尘进行测试,研究了不同类别施工扬尘的排放特征,分析了下风向扬尘浓度的变化趋势,并采用CALPUFF对成都市新都区某建筑工地的排放进行了模拟.结果表明:(1)成都市施工扬尘排放浓度约为0.13～2.91mg/m3,其中房建类施工平均浓度约为0.94mg/m3,高于市政施工;大型工地扬尘平均浓度约为0.61mg/m3,低于中型和小型工地;土方施工阶段平均浓度约为1.21mg/m3,远高于地基建设、主体建设、装饰阶段.(2)成都市施工扬尘呈现出高低浓度交替的周期性变化,其中房建工程土方施工阶段的高低浓度差值可达到0.6mg/m3以上.(3)施工扬尘在场界外下风向5～15m范围内会出现浓度增加的趋势,随后逐渐下降,在50m附近逐渐趋于稳定,稳定浓度介于0.1～0.2mg/m3.(4)CALPUFF模型能较好地从宏观角度来模拟成都地区施工扬尘的扩散趋势,但难以捕捉施工扬尘在下风向近距离的扩散特征.

The Beijing–Tianjin–Hebei urban agglomeration is currently facing severe complex air pollution. In this paper, simultaneous observations conducted in 2014 show that the annual mean concentration of fine particulate matter (PM2.5) was 84 ± 70, 86 ± 60, and 118 ± 95 μg m−3 in Beijing, Tianjin, and Shijiazhuang, respectively. The mean O3_8 h max in the summer was 171 ± 43, 147 ± 45, and 146 ± 44 μg m−3, respectively. This research indicates that PM2.5 and O3 are positively correlated when the temperature exceeds 20 °C, and the urban agglomeration shows characteristics of complex air pollution consisting of superimposed O3 and PM2.5. In summer, when the humidity was less than 55%, secondary particles and O3 also increased in a coordinated manner (y = 1.35x + 29.85; R2 = 0.61), which demonstrates severe complex pollution. However, the mean PM2.5 (y) and mean O3_8 h max (x) in summer showed a negative correlation (y = −1.3x + 245; R2 = 0.61) in the three regions, indicating high concentrations of PM2.5 pollution partially inhibit O3 generation.