北京上甸子区域大气本底站HCFC-22在线观测研究

2007年4月～2008年3月,利用GC-ECD在线观测系统,在北京上甸子区域大气本底站开展了HCFC-22在线观测,讨论了北京上甸子站HCFC-22浓度水平并初步分析其影响因素.该站大气HCFC-22浓度(摩尔分数,下同)为(278.1±113.6)×10-12.利用逐步逼近回归法进行本底值筛分,本底浓度为(199.5±5.1)×10-12,与北半球同纬度带Mace Head和TrinidadHead本底站观测结果基本一致;非本底浓度为(312.1±121.0)×10-12,出现频率69.8%,表明该站受到较强HCFC-22排放源及输送的影响.上甸子站HCFC-22本底浓度季节变化不明显,但非本底浓度呈现夏高冬低的特点,平均非本底浓度最高月(7月)比最低月(1月)高100.9×10-12,与HCFC-22排放的季节性有关.结合风向分析,该站西南扇区平均浓度(327.3×10-12)比东北扇区(236.2×10-12)高91.1×10-12.HCFC-22高浓度水平主要由W-WSW-SW方向贡献引起,NNE-N-NE方向则使得全年HCFC-22浓度水平明显降低.     

北京上甸子区域大气本底站甲基氯仿在线观测研究

利用GC-ECD在线观测系统,在北京上甸子区域大气本底站开展了甲基氯仿(CH3CCl3)2年在线观测,利用逐步逼近回归法进行本底值筛分,讨论了上甸子站CH3CCl3浓度水平及其变化趋势.该站2009年和2010年的年均大气CH3CCl3本底浓度(摩尔分数,下同)分别为(9.03±0.53)×10-12和(7.73±0.47)×10-12,本底数据出现频率为61.1%(2009年)和60.4%(2010年).上甸子站CH3CCl3浓度水平与北半球同纬度带本底站观测结果基本一致,低于文献报道的2001~2005年间我国华南区域和城市观测的结果.观测期间本底浓度呈下降趋势,下降率为1.39×10-12a-1.结合风向分析,该站CH3CCl3平均浓度最高的风向来自西南扇区,而平均浓度最低的风向来自东北扇区,不同风向的浓度差值分别为0.77×10-12(2009年)和0.52×10-12(2010年).2010年各风向CH3CCl3平均浓度比2009年降低1.03×10-12~1.68×10-12.     

北京上甸子站气相色谱法大气CH4和CO在线观测方法研究

参照瓦里关全球大气本底站气相色谱在线观测系统的设计,通过系统调试、测试和参数优化,于2009年在北京上甸子区域大气本底站建立了高精度气相色谱法大气CH4和CO在线观测系统.该系统对CH4和CO的测量精度分别优于0.03%和0.45%,达到世界气象组织全球大气观测计划(WMO/GAW)的质量目标.研究建立了与该系统配套的标气选取方法及运行序列:选取可基本涵盖该站大气CH4和CO浓度范围的2瓶标气作为工作标气,其中CH4浓度分别为2 007.1×10-9、1 809.5×10-9(摩尔分数,下同),CO浓度分别为405.6×10-9、123.8×10-9,在高低浓度工作标气之间穿插分析3次大气样品,能够保证测量的准确度(观测浓度的标准偏差CH4<1.7×10-9、CO<1×10-9),同时可最大程度地节省工作标气.该方法已应用于华北地区本底大气CH4和CO的高精度连续观测.     

浙江临安大气本底站CO浓度及变化特征

利用基于光腔衰荡光谱(CRDS)技术自组装的大气CO在线观测系统,于2010年9月~2012年2月在浙江省临安大气本底站对大气CO进行了在线观测.结果表明临安站四季CO日变化明显受人为活动影响,分别在每日07:00~10:00和19:00~20:00出现峰值,夏季CO日平均浓度和振幅均最低,分别为314.3×10-9±7.6×10-9(摩尔分数,下同)和50.1×10-9±47.9×10-9.该站全年大气CO浓度呈现冬春季高、夏季低的趋势,与北半球瑞士Jungfraujoch站、青海瓦里关等站基本一致,但平均浓度明显高于其他国际站点,全年CO月均值振幅约为286.8×10-9±19.2×10-9.后向轨迹聚类和地面风结果分析表明,临安站非本底CO浓度主要来自于N-NNE-ENE扇区内城市及工业等人为排放所引起.春、夏和冬季最大的浓度抬升均出现在ENE风向,冬季抬升值最大,约为106.3×10-9±58.0×10-9.     

龙凤山本底站大气CO2数据筛分及浓度特征研究

针对黑龙江龙凤山区域大气本底站2009年1月～2011年12月低层(离地10 m)和高层(离地80 m)大气CO2在线观测数据,选取低层数据重点开展研究,分析地面风向和风速等因素对观测CO2浓度的影响.结果表明,龙凤山低层大气CO2浓度明显受局地源汇影响,其与高层观测结果差异在白天08:00～17:00相对较小,小于(0.5±0.5)×10-6(物质的量比).春、夏和秋这3个季节E-ESE-SE-SSE扇区来向的地面风会明显抬升大气CO2浓度,而冬季N-NNW-NW-WNW扇区CO2浓度明显较高.该站4个季节近地面CO2浓度随着风速增大而逐渐减小,在冬季尤为明显.结合日变化及地面风的影响,对低层观测数据进行初步本底/非本底筛分,筛选出代表东北区域混合均匀CO2水平的本底数据占总数据的30.7%.本底CO2浓度季节变化显示该站大气CO2浓度呈现冬季高夏季低的趋势,季振幅约为(36.3±1.4)×10-6,明显大于同期WMO/GAW同纬度站点观测结果,2009～2011年龙凤山大气CO2平均增长率为2.4×10-6a-1.     

云南香格里拉本底站大气CH4体积分数及变化特征

利用基于光腔衰荡光谱(CRDS)技术自组装的大气CH4在线观测系统,于2010年7月—2011年10月在云南香格里拉大气本底站对大气CH4进行了在线观测.结果发现,该站春、夏、秋、冬季CH4平均本底值分别为(1850.7±6.9)×10-9(体积分数,下同)、(1850.9±13.4)×10-9、(1865.6±16.1)×10-9和(1839.2±6.5)×10-9.全年体积分数在9月最高,12月最低,月均值振幅约39.6×10-9.4季日平均最低值均出现在14:00—16:00.日变化振幅在冬季最小,秋季最大,分别为4.4×10-9和10.0×10-9.西南来向的地面风会明显抬升CH4体积分数,而北偏东来向的地面风显著降低观测结果.通过4季每日整点后向轨迹聚类计算,结合观测资料分析发现,该站CH4主要受西南来向气团传输影响,尤其在春、夏、秋3季.     

双通道气相色谱法观测本底大气中的CH_4、CO、N_2O和SF_6

在商用Agilent6890N气相色谱仪基础上,通过自组装、集成及调试,在青海瓦里关全球大气本底站建立了双通道气相色谱在线观测系统,以实现同时高精度分析本底大气中的CH4、CO、N2O和SF6.同时,利用保留时间定性,用峰高定量CH4、CO和SF6,用峰面积定量N2O,对体积分数分别为2000.3×10-9、199.8×10-9、320.04×10-9和5.9×10-12的CH4、CO、N2O和SF6混合标气重复进样110次,分析时每隔3个未知样品穿插分析1个标气,以保证分析结果的可靠性.该站试运行期间的数据表明,该系统分析CH4、CO和SF6的稳定性较好,能满足清洁本底大气高精度、高准确度分析要求,分析结果的相对标准偏差(RSD)分别为0.04%、0.50%、0.08%和1.80%.     

北京市CFCs和CCl_4的浓度水平与变化趋势

采用预浓缩-GC/MS方法对2009年4—8月北京市大气中CFC-11,CFC-12,CFC-113,CFC-114和CCl45种主要消耗臭氧层物质进行了监测.结果表明:观测期内北京市大气中φ(CFC-11),φ(CFC-12)和φ(CCl4)的平均值高于全球本底站观测值,而φ(CFC-113)和φ(CFC-114)与全球本底水平相当,其原因是这5种物质在我国的排放水平差异所致,其中CFC-11,CFC-12和CCl4仍存在一定量的排放.不同季节的日变化分析表明,4月5种物质的体积分数日变化趋势平缓,而8月观测日内基本呈现出夜间物质的体积分数高于白天的特征.8月φ(CFC-11),φ(CFC-12)和φ(CCl4)的平均值比4月高,这可能是由于8月的温度较高,致使这3种物质现有排放源的排放量增加.     

我国4个WMO/GAW本底站大气CH4浓度及变化特征

利用基于光腔衰荡光谱(CRDS)技术自组装的大气CH4在线观测系统,于2009～2010年在青海瓦里关、浙江临安、北京上甸子和黑龙江龙凤山这4个世界气象组织全球大气观测网(WMO/GAW)大气本底站对大气CH4进行了在线观测.临安站在所有季节中CH4浓度都表现出类似的日变化趋势,即浓度在每日～05:00(北京时间)达到最高值,在～14:00为最低.夏季龙凤山站CH4浓度表现出类似的规律,但其日变化振幅较大,达到216.8×10-9(摩尔分数,下同).上甸子站春、秋、冬季CH4浓度呈现类似变化趋势,但夏季日平均值较高,在晚间～20:00达到最高值,瓦里关站四季CH4浓度日变化均不明显.3个区域本底站(临安、上甸子和龙凤山)全年CH4本底浓度存在明显的变化,临安站CH4本底浓度在7月达到全年最低水平.龙凤山站则表现出相反的趋势,在8月达到全年最高值,其全年浓度表现出"W"型变化.冬季龙凤山和上甸子站CH4浓度高于春季和秋季.瓦里关站全年浓度变化较小,月平均浓度振幅仅为11.5×10-9.临安、上甸子和龙凤山3个区域本底站夏季CH4非本底数据占总数据的比例>70%.为分析气团传输的影响,对4站夏季高浓度时刻(瓦里关:CH4>1 870×10-9,龙凤山CH4>2 100×10-9,临安CH4>2 150×10-9,上甸子CH4>2 050×10-9)对应的气团轨迹进行聚类分析表明,夏季出现的高浓度CH4观测数据可能主要由气团传输所引起.     

不同源汇信息提取方法对区域CO2源汇估算及其季节变化的影响评估

从大气二氧化碳(CO2)浓度观测资料中准确提取源汇或本底信息对区域及全球碳源汇及大气CO2浓度长期变化趋势的定量估计至关重要.本研究以瓦里关大气CO2浓度观测资料为例,探讨了同期地面风和同期一氧化碳(CO)浓度观测资料作为源汇信息提取或本底值筛选因子的有效性.结果表明,地面风和同期CO浓度在冬季可作为筛选因子,但是夏季将其作为筛选因子不是十分有效.采用局部近似回归法(robust estimation of background signal,REBS)、傅里叶变换法(Fourier transform algorithm,FTA)和新发展的平均移动过滤法(moving average filtering,MAF)进行大气CO2浓度源汇及本底信息提取.结果表明,MAF法因其以每2周为一个拟合窗口,采用不断变化和调整的过滤标准,避免了在局部将抬升浓度或吸收浓度百分比过高或者过低估计,优于另外两种方法.3种方法对因区域排放源导致的大气CO2的抬升量的结果无显著差异,但对因区域吸收汇导致的大气CO2降低量差异明显.结果表明,3种方法均可以对受到人类活动排放源影响的CO2抬升浓度合理地筛分,但只有MAF法可对夏季吸收浓度较好地判别.MAF法获得的1995~2008年瓦里关大气CO2多年平均季振幅为约10.3×10-6(摩尔分数,下同),与前期观测结果一致;而REBS法得到的大气CO2逐年季振幅约为9.1×10-6,将会导致低估区域或全球CO2通量值.     

Atmospheric sulfur hexafluoride in-situ measurements at the Shangdianzi regional background station in China

We present in-situ measurements of atmospheric sulfur hexafluoride（SF6） conducted by an automated gas chromatograph–electron capture detector system and a gas chromatography/mass spectrometry system at a regional background site, Shangdianzi,in China, from June 2009 to May 2011, using the System for Observation of Greenhouse gases in Europe and Asia and Advanced Global Atmospheric Gases Experiment（AGAGE）techniques. The mean background and polluted mixing ratios for SF6 during the study period were 7.22 × 10-12（mol/mol, hereinafter） and 8.66 × 10-12, respectively. The averaged SF6 background mixing ratios at Shangdianzi were consistent with those obtained at other AGAGE stations located at similar latitudes（Trinidad Head and Mace Head）, but larger than AGAGE stations in the Southern Hemisphere（Cape Grim and Cape Matatula）. SF6 background mixing ratios increased rapidly during our study period, with a positive growth rate at 0.30 × 10-12year-1. The peak to peak amplitude of the seasonal cycle for SF6 background conditions was 0.07 × 10-12, while the seasonal fluctuation of polluted conditions was 2.16 × 10-12. During the study period, peak values of SF6 mixing ratios occurred in autumn when local surface horizontal winds originated from W/WSW/SW/SWS/S sectors, while lower levels of SF6 mixing ratios appeared as winds originated from N/NNE/NE/ENE/E sectors.     

江西景德镇站大气CH4和CO季节变化及源解析

基于江西景德镇温室气体站2017年12月~2018年11月筛分获得的CH₄及CO大气本底和污染浓度数据,对大气CH₄和CO浓度季节变化及其排放源特征进行研究,结果表明：大气CH₄和CO本底浓度季节变化特征与浙江临安本底站类似,即夏季低而冬季高,而夏季江西地区水稻田和湿地排放导致CH₄污染浓度显著抬升,相比本底浓度抬升幅度可达133.9×10^-9,冬季受西北部地区取暖排放的区域输送的影响,1月CO污染平均浓度较本底浓度抬升达227.2×10^-9.基于本底数据及污染数据,结合后向轨迹模型分析发现景德镇站大气CO潜在排放源主要分布在湖北东南部（四季）、安徽（秋冬季）、山东中部（秋季）、长江三角洲上海及杭州（夏秋季）、湖南东部和江西地区（冬季）等区域,其中冬季湖南东部和江西地区贡献率达53.7%,CH₄排放源主要集中在江西地区（夏季）、长江三角洲杭州、南京及安徽南部覆盖区域（夏季）、湖北东南部（夏秋季）以及安徽（秋季）、山东中部（秋季）等区域,夏季南京、杭州及安徽南部覆盖区域的CH₄排放对景德镇站CH₄浓度抬升的贡献率达到69.5%.大气CH₄及CO呈现较好的相关性,冬季其相关系数可达0.86,受CH₄和CO源汇季节变化影响,CH₄/CO排放比呈现冬季低值（0.31）、夏季高值（1.06）.     

奥运前后北京及其周边大气六氟化硫浓度的变化

2008年6~9月,对北京、兴隆、廊坊、沧州、石家庄、涿州、保定和禹城等8个站点进行每日2次的空气样品采集,利用气相色谱法对样品中的SF6浓度进行分析,以期对华北地区大气SF6的浓度范围、空间分布及其变化规律进行初步探索.结果表明,北京及其周边大气SF6浓度分布存在空间差异,8个站点在采样期间的平均浓度分别为:(10.7±5.1)′10-12、(6.7±0.6)′10-12、(7.2±1.6)′10-12、(8.0±1.7)′10-12、(9.6±5.5)′10-12、(7.6±2.1)′10-12、(8.3±3.5)′10-12和(8.5±2.0)′10-12(V/V),区域平均浓度为8.3′10-12(V/V).华北地区SF6的浓度大小和变化幅度主要受人为排放源的影响,呈现出脉冲式排放.兴隆站可作为华北区域的本底站点,观测期间其SF6的浓度呈线性增加,增长速度远大于全球本底增长速度.奥运前后的各种减排措施对北京SF6的排放有一定影响.     

江西赣州站大气CO2和CH4浓度变化特征研究

通过分析2018年12月—2019年11月江西赣州站大气CO₂和CH₄浓度高精度在线观测资料,对其CO₂和CH₄浓度变化特征进行了研究,分析了区域大气输送的影响以及潜在排放源区分布特征.结果表明：研究期内赣州站CO₂和CH₄的平均浓度分别为433.1×10^-6和2142.5×10^-9.赣州站CO₂和CH₄浓度日变化均表现为日间低、早晚高,CO₂浓度日振幅在夏季最大,为29.7×10^-6,冬季最小,为6.9×10^-6.CH₄浓度日振幅在秋季最大,为145.1×10^-9,冬季最小,为41.4×10^-9.CO₂本底浓度季节变化表现为4—8月迅速下降,8—11月逐渐上升,最大值出现在1月,最小值出现在8月,季节振幅为26.2×10^-6.CH₄本底浓度季节变化表现为1—7月逐渐下降,7—9月逐渐上升,最大值出现在1月,最小值出现在7月,季节振幅为79.5×10^-9,基本可代表江西赣州地区混合均匀大气的CO₂和CH₄季节变化状况.与南昌站对比分析表明,赣州站各季节CO₂和CH₄本底浓度均低于南昌站.赣州地区CO₂和CH₄潜在源区主要分布在江西北部、湖北东部、安徽南部和珠江三角洲地区.     

上海市城区VOCs的年变化特征及其关键活性组分

2010年在上海市城区开展了为期一年的连续观测,采用自动在线GC-FID方法定量测试了大气中56个VOCs物种的浓度.结果发现,上海市城区大气VOCs的全年小时体积分数为(2.47~301.48)×10^-9,平均体积分数为(26.45±23.36)×10^-9,其中,烷烃占46.72%,芳香烃占33.18%,烯烃占11.33%,乙炔占8.76%.T/B(甲苯/苯)为3.51±2.40,表明气团除受机动车影响外,受溶剂、油气和LPG挥发等其他VOCs排放的影响也比较突出;E/E(乙烷/乙炔)为0.98±0.68,表明气团存在老化现象,且春冬季节气团光化学年龄相对较短,夏秋季节光化学年龄相对较长.VOCs的浓度水平和组成在不同风向风速影响下存在一定差异,西南部石化和化工企业排放的VOCs对城区的影响明显,其主要物种为芳香烃和烯烃;该地区气团的OH消耗速率常数(K^OH)为8.05×10^-12 cm³·分子^-1·s^-1,平均VOCs最大O₃增量反应活性(4.00 mol·mol^-1)与乙烯相当,平均反应活性较强;对OH消耗速率(L^OH)贡献率最大的是烯烃(42.21%)和芳香烃(40.83%),对臭氧生成潜势(OFP)贡献率最大的是芳香烃(62.75%)和烯烃(21.70%),VOCs的关键活性组分是二甲苯、甲苯、乙苯、乙烯、丙烯、反-2-丁烯及异戊二烯.     

北京及周边地区大气羰基化合物的时空分布特征初探

利用2,4-二硝基苯肼（DNPH）/HPLC方法,于2010年6月24日、7月22日、8月24日、9月14日（夏季）和2011年1月13日（冬季）,在北京及周边地区38个采样点组织5次同步观测,测定了大气中23种羰基化合物的浓度水平.观测结果表明,北京市各类站点夏季和冬季的总羰基化合物体积分数分别为（16.38±6.03）×10-9,（8.50±5.27）×10-9;周边城市夏季和冬季的体积分数分别为（13.19±5.71）×10-9,（13.05±2.44）×10-9.区域大气中最主要的羰基化合物是甲醛、乙醛和丙酮,三者约占总羰基化合物浓度的78%～91%.夏季羰基化合物的浓度水平明显高于冬季,并且上午09：00～12：00时段的浓度高于下午13：00～16：00时段的浓度.在空间分布上,北京市夏季羰基化合物的高值区主要集中在交通密集的主城区,而冬季受西北风影响呈现由西北向东南递增的趋势.夏季,机动车尾气对大气羰基化合物有显著的一次和二次贡献,同时在不利的气象条件影响下,造成城市地区羰基化合物的污染现象.冬季,大气羰基化合物以一次排放为主,燃煤和机动车可能是主要的污染源.     

基于车流和大气污染物浓度同步增量的机动车平均排放因子估算方法

机动车尾气排放已成为城市大气污染的主要来源并受到了高度关注.机动车排放因子是反映机动车排放状况的最基本参数,但实测排放因子代价较高、代表范围有限,基于国外排放模式估算的排放因子又与我国的实际排放状况存在一定差距.本研究首先基于早高峰时段车流量和道路附近大气污染物浓度呈近线性增加、气象条件和背景污染物浓度相对稳定的特征,将时段内污染物浓度的增加主要归因为车流的增加,从而建立车流和污染物浓度增量之间的关系;然后采用无限线源高斯扩散模式,反推道路实际行驶机动车的平均排放因子.以北京市一条主干道为例,利用早高峰车流量、污染物浓度、气象观测数据,进行了实例研究,并将研究结果同COPERT4排放模型的预测结果进行了对比.本研究和COPERT4排放模型预测的8月一氧化碳平均排放因子分别为2.0 g·km-1和1.2 g·km-1,12月分别为5.5 g·km-1和5.2 g·km-1.结果表明,本方法估算的机动车排放因子在数值大小及季节变化上均与COPERT4排放模型较为接近.所提方法通过消除背景浓度的干扰,为实时获取车队实际排放因子提供了一种新思路.