干气溶胶复折射率的参数化方案

基于成都市2017年10~12月WS600一体式气象站、AURORA-3000积分浊度计、AE-31黑碳仪以及GRIMM180环境颗粒物监测仪的地面逐时观测数据,结合Mie散射理论数值改进算法与免疫进化算法反演了550nm波长处干气溶胶复折射率（DACRI）的实部（n_re）和虚部（n_i）.通过分析DACRI反演结果与颗粒物质量浓度之比（BC/PM₁,BC/PM_2.5,BC/PM₁₀,PM₁/PM_2.5,PM₁/PM₁₀和PM_2.5/PM₁₀）之间的相关性,利用逐步线性回归方法分别构建了n_re和n_i的参数化方案. n_re和n_i的参数化方案拟合值与实测值之间的相关系数（R）分别为0.54和0.85（P<0.0001）,平均相对误差（MRE）分别为2.31%和15.18%.此外,利用该参数化方案计算的DACRI模拟了一次灰霾演化过程中干气溶胶的散射系数b_sp和吸收系数b_ap,其模拟值与实测值之间的相关系数分别为0.98和0.91（P<0.0001）,平均相对误差分别为7.43%和14.97%.     

北京市冬春季大气颗粒物的粒径分布及消光作用

2004年1─5月,在北京市区连续监测了大气环境中ρ(PM₁₀₎,ρ(PM_2.5),ρ(PM₁)和ρ(TSP),以及大气能见度、地面气象要素.结果表明:春节期间颗粒物中细粒子所占的比例较高,ρ(PM₁)/ρ(PM_2.5)为0.81,ρ(PM10)/ρ(TSP)为0.61;而沙尘期其值分别为0.55和0.28.不同粒径的颗粒物质量浓度均呈在明显日变化,其夜间浓度峰值高于早晨交通繁忙时段.根据经验公式,将大气能见度换算为大气消光系数,并导出颗粒物消光系数.结果表明:颗粒物消光系数与颗粒物质量浓度呈显著正相关.进一步定义了颗粒物质量浓度消光比(CE_P),用来表征颗粒物的污染特征.统计分析结果表明:当CE_P<103时,颗粒物质量浓度很低,PM_2.5所占比例较高,代表了有利于污染扩散的气象条件;当CE_P>167,颗粒物质量浓度高,但细粒子比(ρ(PM_2.5)/ρ(PM₁₀₎)稳定在0.5～0.7,湿度也稳定在20%～50%,代表了不利于污染扩散的气象条件.      

长江三角洲地区冬季能见度特征及影响因子分析

利用Micaps提供的2013和2014年冬季长江三角洲地区(以下简称长三角)28个站点的地面常规观测资料、NCEP FNL再分析资料和国家环境保护部发布的PM_2.5质量浓度自动检测数据,分析了长三角冬季大气能见度特征,以及空气污染物和气象条件对能见度的影响.2013年冬季长三角霾天发生频率为53.4%.多元非线性回归分析表明,PM_2.5质量浓度、地表10m风速、500~850hPa水平风垂直切变、相对湿度、925~1000hPa垂直温差、850~925hPa假相当位温差这6个因子能够解释能见度变化的81.6%.气象条件对能见度的作用与污染物浓度相当,热力因子的贡献大约是动力因子的2倍.PM_2.5质量浓度越低,空气质量越好,以及相对湿度大于70%时,相对湿度通过气溶胶吸湿增长对能见度的作用越强.考虑PM_2.5质量浓度的影响时,相对湿度对能见度的贡献提高了1倍.利用2014年冬季资料验证多元拟合方程,效果较好.     

鞍山大气颗粒物浓度的变化特征

利用鞍山大气成分监测站Grimm180观测的2007年颗粒物数浓度,ρ(PM₁₀₎,ρ(PM_2.5)和ρ(PM_1.0)以及台站的常规气象观测资料,分析了该地区颗粒物数浓度的谱分布、质量浓度的变化特征及与气象条件的相关性. 结果表明:颗粒物数浓度谱分布符合Junge分布;参数υ与能见度呈负相关,υ值越大且PM0.45占PM₁₀的数浓度比例小于90%,能见度较差;颗粒物质量浓度日变化呈双峰特征,ρ(PM₁₀₎,ρ(PM_2.5)和ρ(PM_1.0)之间有很好的相关性,ρ(PM_2.5)/ρ(PM₁₀₎平均值为0.654,ρ(PM_1.0)/ρ(PM_2.5)的平均值为0.832,ρ(PM_1.0)/ρ(PM₁₀₎平均值为0.545;鞍山地区年主导风向为SE,颗粒物质量浓度变化受辽宁沙尘移动路径的影响较小,主要受排放累积型污染影响,其中大雾天气条件下颗粒物质量浓度较高,大雾期间的回归方程截距较年平均回归方程的大,这对研究颗粒物质量浓度的突变特性具有指示作用.      

相对湿度和PM2.5浓度对乌鲁木齐市冬季能见度的影响

基于2016~2017年冬季乌鲁木齐市城区PM_2.5和气象要素观测数据,采用线性和非线性回归、变量分类分析等统计方法,研究了大气能见度与相对湿度（RH）、PM_2.5浓度的定量关系.结果表明：乌鲁木齐市冬季能见度日变化呈单峰形分布,中午13：00前后和夜晚20：00前后能见度分别达到最高和最低.相对湿度增加、PM_2.5污染加重都会造成冬季大气能见度明显降低,但低能见度天气的主要影响因素是PM_2.5污染.在RH < 90%时PM_2.5累积及其吸湿增长对能见度变化起控制作用,特别是70%￡RH < 90%时,PM_2.5浓度对大气能见度影响最大.RH³90%时相对湿度成为决定因素.在PM_2.5污染逐渐加重的过程中,相对湿度对能见度的影响在减弱.能见度增加与PM_2.5浓度降低之间存在非线性响应.在PM_2.5污染由严重减轻至中度污染级别过程中,能见度改善并不明显.只有把PM_2.5浓度控制在115μg/m³以下（轻度污染或优良级别）,PM_2.5浓度降低,能见度才开始出现显著提高.但冬季要达到较高能见度水平（8km）,PM_2.5浓度需要继续严控至39μg/m³以下.本文对乌鲁木齐市冬季大气污染治理具有重要指导意义.     

耦合气溶胶双参数化方案的大气能见度数值改进算法

将气溶胶复折射率（Aerosol Complex Refractive Index,ACRI）和气溶胶粒径吸湿增长因子（Growth Factor,Gf（RH））参数化方案进行耦合,提出了一种基于Mie散射模型的大气能见度数值改进算法.并利用成都市2017年10~12月WS600一体式气象站、AURORA-3000积分浊度计、AE-31黑碳仪以及GRIMM180环境颗粒物监测仪分别观测获得的相对湿度（RH）,干气溶胶散射系数（b_sp）,干气溶胶吸收系数（b_sp）,气溶胶质量浓度（PM₁₀,PM_2.5,PM₁）及其数浓度粒径分布（N[r（RH）]）的地面逐时观测资料,通过与两种能见度计算模型（经验参数的Mie散射模型和统计模型）在不同能见度区间（<2km,2~5km,5~10km,>10km）模拟结果的对比分析,评估了该改进算法的适用性.结果表明：三种能见度计算方法均能较好地模拟出能见度的变化特征;改进算法通过本地化参数化方案更准确地估计出DACRI和Gf（RH）,从而可更准确地模拟出四类能见度区间,对应模拟值与实测值的相关系数（R）分别为0.62,0.90,0.89,0.93,平均相对误差（MRE）分别为9.86%,10.39%,9.94%,14.06%.     

苏州城区能见度与颗粒物浓度和气象要素的相关分析

利用苏州市2009年9月─2010年5月的颗粒物(包括黑碳,PM_2.5和PM₁₀)质量浓度、能见度、相对湿度、风速、风向、气温等观测资料,分析了苏州城区能见度与颗粒物质量浓度及气象要素的相关关系.结果表明:ρ(黑碳),ρ(PM_2.5)和ρ(PM₁₀₎与能见度的r(相关系数)分别为-0.465,-0.359和-0.238,这3种颗粒物中,能见度与ρ(黑碳)的相关性最显著.当相对湿度≤60%时,ρ(黑碳),ρ(PM_2.5)和ρ(PM₁₀₎与能见度的r分别为-0.675,-0.411和-0.364.相对湿度较低时,颗粒物与能见度相关性较好.能见度与温度、风速的r分别为0.132和0.188,与相对湿度的r为-0.632.用颗粒物质量浓度和气象要素建立的能见度多元线性回归模型效果不好,在该模型基础上用ρ(黑碳),ρ(PM₁₀₎和相对湿度建立了能见度的多元二次回归模型,R(复相关系数)达到0.865,R2(复决定系数)达到0.749.      

基于AGRI颗粒物浓度遥感反演及季节变化分析

基于AGRI数据反演区域PM_2.5浓度.利用6S辐射传输模式,分析气溶胶光学厚度AOD与能见度相关性,建立AOD、气溶胶标高和能见度模型;通过对大气柱AOD垂直订正,构建AOD与近地面PM_2.5浓度关系的物理模型;同时引入了地面相对湿度数据.结果表明,FY-4A遥感的PM_2.5浓度与地面空气质量监测站的PM_2.5浓度变化趋势一致,算法计算效率较高.利用AGRI估算近地面PM_2.5与地面观测网对比分析,其结果不亚于于MODIS以及VIIRS的对比结果,AGRI估算的均方根误差和相对误差较小.从季节分析,冬季近地面颗粒物浓度是影响整层大气柱AOD值的主要因素,AGRI反演结果精度较好,夏季相关系数相对于其他三个季节偏低.总体而言,采用FY-4A/AGRI反演颗粒物浓度精度可靠,有利于实现区域气溶胶全天候实时监测.     

燃煤电厂烟气湿度控制对PM2.5采样结果的影响

为研究脱硫后高湿烟气相对湿度的改变对颗粒物采样结果的影响,使用扩散干燥管对烟气进行除湿,并分析不同相对湿度下PM_2.5的粒径分布、传输损失和质量浓度变化。结果显示,模拟烟气湿度越高,PM_2.5粒数浓度和质量浓度也随之升高。40%相对湿度下,模拟烟气中ρ(PM_2.5)为22.77 mg/m³,粒数浓度约为1.16×10⁶个/cm³,模拟烟气湿度提升至50%、60%和80%时,ρ(PM_2.5)分别升高1.06,4.35,4.69倍,粒数浓度分别升高1.31,1.70,1.76倍;使用扩散干燥管对模拟高湿烟气除湿,采集到的颗粒物质量浓度有不同程度的下降,最高相对湿度(94.9%)下,ρ(PM_2.5)为27.17 mg/Nm³,湿度81.4%、68.5%、48.7%和30.4%时,质量浓度相比最高湿度时分别降低了14.5%、28.8%、43.0%和45.7%;烟气除湿可降低PM_2.5     

南京冬季气溶胶消光特性及霾天气低能见度特征

利用2015年1月气溶胶散射和吸收系数、PM_2.5质量浓度、大气能见度以及常规气象观测数据,分析了南京冬季大气气溶胶散射系数与吸收系数的变化特征,给出了散射系数与吸收系数对大气消光的贡献,以及能见度与PM_2.5质量浓度和相对湿度的关系.结果表明,观测期间南京大气气溶胶的散射系数和吸收系数分别为(423.4±265.3) Mm^-1和(24.5±14.3) Mm^-1,对大气消光的贡献分别为89.2%和5.2%,表明大气消光主要贡献来自于气溶胶的散射.散射系数与PM_2.5相关性较好(R²=0.91),能见度随PM_2.5质量浓度呈指数下降,也与相对湿度保持一定负相关性.能见度均值为4.3km,且连续出现能见度不足2km的低能见度天气,霾天气下消光系数和PM_2.5质量浓度大幅超过非霾天气,最高值分别达到1471.2Mm^-1和358 μg/m³,霾天气下能见度的降低来自颗粒物与相对湿度的共同影响.     

光散射法与β射线衰减-光散射联用法颗粒物在线测量方法对比

为考察光散射法和β射线衰减-光散射联用法的适用性,以β射线衰减法颗粒物自动监测仪（BAM）为标准,于2016年2月4日-4月18日,在中国环境科学研究院利用β射线衰减-光散射联用法颗粒物自动监测仪（MP-CPM）与光散射法传感器对ρ（PM₁₀）和ρ（PM_2.5）测量结果进行了对比.结果表明:① MP-CPM与BAM测量ρ（PM₁₀）的结果具有较好的一致性,相关系数为0.92,平均相对偏差为0.04%;ρ（PM_2.5）结果一致性较差,相关系数为0.69,MP-CPM测量ρ（PM_2.5）整体较高于BAM,平均相对偏差为45.8%.② 光散射法传感器与BAM测量ρ（PM_2.5）结果一致性较好,相关系数为0.85,平均相对偏差为11.24%,但ρ（PM₁₀）远低于BAM,平均相对偏差为-44.64%.在特殊污染情景下,光散射法将因受到较大影响而严重错估颗粒物浓度.烟花燃放期间,MP-CPM和光散射法传感器严重低估颗粒物浓度,与BAM测量颗粒物浓度的平均相对偏差均低于-50%;沙尘污染过程中,MP-CPM严重高估ρ（PM_2.5）,与BAM测量ρ（PM_2.5）结果平均相对偏差为79.27%,光散射法传感器严重低估ρ（PM₁₀）,与BAM测量ρ（PM₁₀）结果平均相对偏差为-59.35%.研究显示,不同原理的仪器,在不同的使用场景下应该区别对待.      

我国6个典型城市大气能见度及其影响因素研究

采用线性相关性分析、分类变量分析等统计学方法,分析了巴彦淖尔、石家庄、廊坊、郑州、武汉、广州六市2019—2020年的PM_2.5与气象观测数据,研究了PM_2.5浓度与大气相对湿度对大气能见度的影响。结果表明：六市大气能见度年变化规律虽存在较大差异,但最低值均出现于每年12月—次年2月,且年变化规律基本一致;气象条件、相对湿度、PM_2.5浓度对能见度的影响明显,其中相对湿度通过改变PM_2.5物化性质间接影响能见度,与能见度相关程度相对较弱。PM_2.5浓度与能见度的线性相关性良好,以幂函数为主;整体上,相对湿度与PM_2.5浓度对大气能见度影响呈协同作用,相对湿度越大的城市对PM_2.5的控制要求越高。此外,PM_2.5浓度高于平台点时,大气能见度基本不随PM_2.5浓度增加而继续降低,只有PM_2.5浓度低于突变点时,大气能见度才会随PM_2.5浓度降低而显著提...     

两种不同构型b射线颗粒物分析仪线性关系的有效性评价

为评价导流锥式同时采样-测量β射线颗粒物分析仪的测量准确度,以分步采样-测量β射线颗粒物分析仪采样分析作为参比方法,使用2类构型的仪器对环境空气中可吸入颗粒物PM₁₀和细颗粒物PM_2.5进行长期平行比对监测.本文依据EN 16450标准对比对数据线性关系进行有效性评价,建立了修正的线性方程,导出了方法间不确定度评价式,结果表明导流锥式同时采样-测量结构和分步采样-测量结构的β射线颗粒物分析仪之间存在有效的线性关系.通过仪器内置修正参数浓度斜率、浓度截距修正后,在较宽浓度跨度范围（0~250μg/m³）内和足够多的比对数据（n>100）条件下,两种不同结构的仪器监测PM₁₀和PM_2.5的比对斜率、截距和相关系数（参比方法作为X轴）均能满足EPA CFR 40part53的要求.     

深度学习方法在上海市PM2.5浓度预报中的应用

为提升PM_2.5浓度预报能力,尤其是对PM_2.5重污染的预报能力,以中尺度气象-化学耦合模式系统（WRF-Chem）为基础,结合中尺度WRF气象预报数据、地面及高空气象观测数据、PM_2.5浓度观测数据,基于人工智能深度学习序列到序列的算法建立了上海市PM_2.5统计预报模型.结果表明,人工智能深度学习算法（Seq2seq）明显修正了WRF-Chem模式由于模型非客观性造成的偏差,提高了上海市PM_2.5浓度的预报能力;该算法优化和修正了WRF-Chem模式结果,并通过检验发现可以使PM_2.5浓度预报值与实况值间的相关系数由0.51上升至0.79,均方根误差由25.9μg/m³下降至15.01μg/m³.而单独使用套索法（Lasso）线性回归算法对WRF-Chem模式优化效果不理想.基于Seq2seq的PM_2.5浓度预报修正模型能够有效提升预报精度.     

合肥冬半年降水及所处天气型对大气颗粒物浓度的影响

利用合肥市2015—2017年冬半年环境监测站和自动气象站数据,以及高空、地面天气图资料,运用常规统计和天气学方法分析了降水强度及不同降水天气系统对PM_2.5、PM₁₀浓度的影响.结果表明：冬半年降水日PM_2.5、PM₁₀平均浓度较无降水日分别下降18.1μg·m^-3（23.9%）、38.2μg·m^-3（37.8%）;小于5 mm的日降水量对颗粒物清除效果不明显,且有28%样本PM_2.5和PM₁₀浓度不降反升;当日降水量大于10 mm,位于“优”等级的PM_2.5和PM₁₀浓度比例分别为54%和80%,显著上升.连续降水期间PM_2.5、PM₁₀日均浓度中位值和均值逐日下降,降水第2日PM_2.5、PM₁₀日均浓度降幅最大.合肥冬半年降水天气系统可以分为切变线Ⅰ型、切变线Ⅱ型、低槽冷锋型和...     

基于深度学习模型的广州市大气PM2.5和PM10浓度预测

精准预测大气污染颗粒物PM_2.5、PM₁₀浓度能为大气污染防治提供科学依据,但目前较多PM_2.5和PM₁₀浓度预测在缺少污染源排放清单和能见度数据时,预测精度不高。而目前深度学习模型应用于PM_2.5和PM₁₀浓度预测的研究还鲜见报道。基于广州市2015年6月1日—2018年1月10日的空气质量和气象监测历史数据,分别构建了随机森林模型(RF)、XGBoost模型2种传统的机器学习模型和长短时记忆网络(LSTM)、门控循环单元网络(GRU)2种深度学习模型,并对广州市的PM_2.5、PM₁₀日均浓度值进行预测。结果表明:在缺少污染源排放清单和能见度数据时,4种模型也能较好地预测PM_2.5、PM₁₀日均浓度。根据MSE、RMSE、MAPE、MAE和R2等评价指标,对4个模型的PM_2.5、PM₁₀预测效果进行测评,得出深度学习GRU模型预测效果均为最佳,RF模型的预测结果均为最差。相比目前研究及应用较多的RF模型、XGBoost模型、LSTM模型,基于深度学习的GRU模型能更好地预测PM_2.5、PM₁₀浓度。     

合肥市郊夏季PM10浓度及其与能见度的关系

年8—9月在合肥市郊对ρ(PM₁₀)进行了观测,并分析了其中9种水溶性离子(NO₂-、Cl-、NO₃-、SO₄2-、NH₄+、Ca2+、Na+、Mg2+、K+)质量浓度. 结果表明:采样期间该地区ρ(PM₁₀)日均值为78.9 μg/m3,9种水溶性离子的平均质量浓度为18.93 μg/m3,占ρ(PM₁₀)的26.6%,表明水溶性组分是PM₁₀的重要组成之一. SO₄2-、NO₃-、NH₄+和Ca2+是主要的阴、阳离子,日均质量浓度分别为8.14、4.81、3.46和1.33 μg/m3. 不同RH(相对湿度)下PM₁₀对能见度的影响不同,RH小于80%时,二者呈显著的线性负相关〔R(相关系数)为-0.80〕;RH大于80%时,二者呈指数负相关(R为-0.48). 离子间相关性分析显示,PM₁₀中水溶性离子的主要结合方式为(NH₄)₂SO₄、NH₄HSO₄、NH₄NO₃、KCl及K₂SO₄. 采样期间ρ(NO₃-)/ρ(SO₄2-)平均值为0.59,说明在该地区固定源对水溶性组分的贡献大于移动源. 另外,扬尘也是PM₁₀重要来源之一.      

基于环境模式PM2.5的渤海及其西岸能见度预报技术优化研究

基于2019年12月1日—2020年11月30日渤海及其西岸地区能见度观测和数值模拟,研究了该区域海岸陆能见度演变特征及其预报方法,并通过引入PM_2.5浓度及建立相应的消光方程,提升该地区能见度预报准确率.结果表明：渤海及其西岸地区海岸陆能见度演变特征存在差异,就年平均能见度而言,海上（含港口）高于陆地,并且前者的能见度日变化较后者更趋平缓,低能见度（<3 km）天气陆地主要出现在0:00—8:00,海上（含港口）则全天均有可能出现,海上（含港口）0～500 m低能见度天气多于陆地,500～3000 m低能见度天气少于陆地.渤海及其西岸地区能见度预报需要考虑气溶胶消光的影响,欧洲数值模式（ECMWF）和天津气象台主观能见度预报产品,在该区域预报与实况的相关系数为0.2～0.3,相对误差为40%～50%.引入天津环境模式PM_2.5浓度预报,基于ECMWF相对湿度和环境模式液态水含量,通过消光方程可以较好地改进预报该区域能见度的效果,其产品陆地和港口能见度预报与实况的相关系数分别为在0.8和0.5以上,相对误差分别为20%和40%左右,小于...     

多机器学习模型下逐小时PM2.5预测及对比分析

为了能及时、准确的估算出PM_2.5浓度及污染等级,分别构建了K最邻近模型（KNN）、BP神经网络模型（BPNN）、支持向量机回归模型（SVR）、高斯过程回归模型（GPR）、XGBoost模型和随机森林模型（RF）6个PM_2.5浓度预测模型,选取江西省赣州市为实验区域,采用2017~2018年逐小时气象站数据、PM_2.5浓度数据和Merra-2再分析数据开展PM_2.5预测实验.结果表明,缺少污染物观测数据时,利用能见度和气象因子等数据也能较好的预测PM_2.5浓度.在PM_2.5浓度预测精度方面,XGBoost模型最高,随机森林模型次之,高斯过程回归模型最差.6个模型的预测精度总体呈现冬季最高,秋季和春季次之,夏季最低.XGBoost模型的PM_2.5污染等级预测准确率高于其他模型,综合准确率达87.6%,并且XGBoost模型具有训练时间短,占用内存小等优点.XGBoost模型的变量重要性结果表明,能见度变量的重要性最高,相对湿度和时间变量次之.本研究可为环境部门准确预测、预报PM_2.5浓度提供参考.     

基于小波变换的武汉市PM2.5、PM10与臭氧污染特征

为验证城市空气污染物排放及协同控制后的周期性规律,利用小波变换对武汉市2013～2020年共计2421d的逐日PM_2.5、PM₁₀及臭氧浓度数据进行分析.结果表明:可吸入颗粒物污染情况逐年改善,PM_2.5浓度年均值由80.5μg/m³降至45.3μg/m³,超标比例由44%降至11%;PM₁₀浓度年均值由113.6μg/m³降至72.6μg/m³,超标比例由22%降至2%.臭氧污染未有明显改善,浓度年均值在90～100μg/m³间波动.PM_2.5、PM₁₀与臭氧浓度均表现出明显的周期性,PM_2.5浓度主周期300d、次周期140d左右;PM₁₀浓度主周期300d、次周期125d左右;臭氧浓度主周期300d、次周期143d左右.PM_2.5与PM₁₀的周期与位相均相...