基于超级站数据的南通区域大气PM2.5化学组分来源解析

X823; 基于超级站高时间分辨率观测数据,多尺度对南通市2020年的PM2.5进行来源解析,分析了PM2.5化学组成特征、相关性、行业贡献和分季节PM2.5内外源贡献,同时采用WRF-CMAQ模型构建气象场和污染物场,模拟研究了南通市2020年1、4、7、10月的环境空气质量状况.结果显示,二次无机盐(SNA)是南通市PM2.5的最主要组成成分,且其浓度季节差异明显.硝酸盐浓度大幅升高是南通市PM2.5污染加剧的重要原因.冬季PM2.5污染水平加剧受机动车尾气排放的影响较大.从2020年整体来看,不同季节由于气象条件、污染发生类型的差异,各污染来源所占比例也不相同.南通市PM2.5本地排放贡...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:生态与农村环境学报 2023, Vol.39 (2), p.184-189
Hauptverfasser: 张翔, 曹志刚, 崔萍
Format: Artikel
Sprache:chi
Online-Zugang:Volltext
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Beschreibung
Zusammenfassung:X823; 基于超级站高时间分辨率观测数据,多尺度对南通市2020年的PM2.5进行来源解析,分析了PM2.5化学组成特征、相关性、行业贡献和分季节PM2.5内外源贡献,同时采用WRF-CMAQ模型构建气象场和污染物场,模拟研究了南通市2020年1、4、7、10月的环境空气质量状况.结果显示,二次无机盐(SNA)是南通市PM2.5的最主要组成成分,且其浓度季节差异明显.硝酸盐浓度大幅升高是南通市PM2.5污染加剧的重要原因.冬季PM2.5污染水平加剧受机动车尾气排放的影响较大.从2020年整体来看,不同季节由于气象条件、污染发生类型的差异,各污染来源所占比例也不相同.南通市PM2.5本地排放贡献约为61%,其次为北方长距离传输,约为17%,长三角及苏南地区输送比例为18%.空气质量模型校验结果表明,所有污染物的模拟均能较好地代表污染物的变化趋势,在量级上虽与观测值有一定差距,但处在合理接受范围内.总体而言,模拟结果可信且可在后续研究中使用.
ISSN:1673-4831
DOI:10.19741/j.issn.1673-4831.2021.0682