大气污染总量控制GA方法中的多源模拟系统

大气污染总量控制的GA方法,是利用遗传算法(GA)的自适应全局搜索寻优功能,通过模拟的自然进化机制来求算经过全局优化的区域允许排放总量以及区域允许排放总量在区域内各污染源之间的分配方案的一种新的大气污染总量控制方法。在基于遗传算法的大气污染总量控制中,需要运用一个高效而可靠的大气污染多源模拟系统,以便根据源强分布快速计算出准确的浓度场。文章介绍了该大气污染多源模拟系统的设计与实现技术。     

城郊道路交通污染个例分析

为建立和研究适合地面道路的宽路幅、高等级、支路多等特点的大城市城郊道路交通大气污染扩散模式,选取了受环境外来源影响较小的上海市沪青平公路的徐泾段,作交通大气污染实测和相关气象因子项目的观测。在获得详细实测结果的基础上,以NOx为例分析了大气稳定度、风向、风速、交通量对城郊地面道路交通污染扩散的影响。     

大气污染总量控制方案的区域排放当量制定方法

在分析现有的大气污染总量控制方案的制定方法的基础上,本文提出了区域排放当量概念及相应的大气污染物总量控制方法。应用该概念制定总量控制方案,首先是运用线性规划模型求解区域允许排放当量,线性规划模型中的技术系数是以区域内网格为基础的污染物转移函数;其次是分配区域允许当量至各个污染源,从而确定污染源的允许排放量。该方法已在南昌市的大气污染总量控制方案的制定中得到应用。     

遗传算法在二氧化硫总量控制中的应用研究

污染物总量控制是目前我国广泛应用的一种控制区域环境质量达标的方法,为了实施城市大气污染物排放总量控制,实现各功能区污染物浓度达标,采用浓度控制与总量控制相结合的方法。本文提出利用遗传算法进行大气污染总量控制,并在传统遗传算法的基础上做了改进,提出基因库和基因重组的方法。     

风向、风速、稳定度类别联合概率分布及混合层深度的诊断估计初探

本文从概率理论给出了由风玫瑰、各风向下年平均风速、稳定度频率求算的联合概率分布函数,并给出了由10米高度上气象常规风速观测值及稳定度级别确定混合层厚的半经验诊断公式。     

气象因子对北京一次重污染天气过程影响研究

文章利用空气质量和气象要素小时观测数据,详细分析了一次典型大气污染过程前后空气质量和主要气象因子的变化特征,探讨了气象因子对大气环境的影响,研究结果表明:北京地区的大气污染呈"缓慢积累、快速清除"的时间变化特点,其中积累过程可持续多天,而清除过程只需数个小时。大气本底站点和城市站点的污染物浓度变化趋势总体一致,但本底站点的浓度峰值和污染程度明显低于城市站点。在污染积累阶段,风速明显偏小,初始风向为西南风,此后逐渐转为东北风,相对湿度逐渐增加,日最大混合层厚度则有所下降;而在污染快速清除阶段,气象要素的变化则相反,风速明显增大,风向多为西北风,相对湿度显著下降,日最大混合层厚度有明显抬升。检验了污染过程前后风速、相对湿度与PM2.5质量浓度间的相关关系,其中风速与PM2.5质量浓度呈指数相关,R2达到0.621 6,相对湿度与PM2.5质量浓度呈线性相关,R2达到0.809 7,均通过了显著性水平为0.01的相关性检验,表明在大气污染过程中气象因子对大气环境的影响十分明显。     

上海地区大气稳定度和气象区块的研究

根据１９８６年６月～１９８７年５月从上海市区４个站、郊县２个站的气象资料,研究了上海地区的大气稳定度和气象区块。采用３种方法确定稳定度的级别,并进行了比较。应用对风向、风速的聚类分析方法划定气象区块。对两站之间风的相关系数用了３种不同的公式进行计算。利用这些相关系数的结果,同时采用“最短距离法”和“最长距离法”,得到相关树枝图,并由此得出了上海地区的气象区块图。     

西宁市大气重金属污染与气象因子分析

主要收集了西宁市2016年1月至12月5个重金属Pb、Cd、Cr、Hg、As的浓度数据,以及同时间段内的风向、风速、温度和相对湿度4个气象因子的实测数据,通过确定各季节的主要风向结合污染系数玫瑰图,明确了该地区不同季节风向对重金属污染物浓度扩散方向的影响。再利用SPSS22.0统计分析软件对该市重金属数据与同时段的气象中风速、气温、相对湿度的数据进行相关性分析,结果表明,风速对于各个重金属因子浓度的影响均非常显著,之间的相关性较强,可视为大气重金属污染的主要影响因子。     

大气污染也应实施总量控制

我国对废水排放已试行了总量控制、许可证制度,并取得了成效。笔者认为,大气污染防治,也可借鉴这些水污染控制管理制度的原则和若干方法,对大气污染物实行总量控制。 1.选定需控制的污染物种类。根据我国大气常规监测项目以及各地区的大气污染实况,可以选择SO_x、NO_x、TSP等项目中一种或几种作为实施总量控制的因子。 2.指定实施的区域范围。选择工厂、企业密集,且被认为仅按排放标准控制难以确保大气环境质量的地区,进行总量控制。不同地区,可实施不同的污染物总量指标。 3.编制总量控制计划。根据大气环境标准,计算出选定区域内,可以允许的指定污染物总量;测定排入区域内大气的指定污染物总量;然后计算指定污染物的削减量。最后,由环境保护部门编写总量控制计划,报上级主管部门批准后实施。     

关于浙江几个大城市SO2排放年总控制量的探讨

国家标准GB／T13201－91推荐基于单箱模型推导出来的A值法制定地方大气污染物排放总量标准,该文在放弃了控制区呈圆形的假设之后推导出可利用风向大气稳定度联合频率的更为详细的单箱模型,并用于计算杭州、宁波、温州、衢州的SO₂排放年总控制量,在温州和衢州得到不同于A值法的结果。      

北京奥运会及残奥会期间PM10质量浓度演变特征及成因

2008年8─9月北京及周边各省市ρ(PM₁₀₎明显低于2006─2007年同期值. 结合污染物监测数据及气象资料,采用影响因子资料统计以及典型个例诊断对比法,研究造成北京奥运会及残奥会期间低ρ(PM₁₀₎的原因. 对2006─2008年同期风速的统计表明,2008年7─10月北京各月平均风速均低于往年,2 m/s以上的风发生频率低于往年,不利于大气污染物扩散. 2008年8月北京月降水量与2005年接近,但ρ(PM₁₀₎明显优于2005年,可见降水并不是该次ρ(PM10)月均值低的原因. 对比2006─2008年8─9月典型相似累积型天气型背景影响下ρ(PM₁₀₎日均值及演变过程发现,2008年ρ(PM₁₀₎日均值及演变曲线均低于往年. 根据对影响因子统计和北京及其周边省(市、区)严格的减排措施等分析,指出天气形势及其伴生的气象因素演变可能影响ρ(PM10)日均值波动,但六省(市、区)协同减排是保障优质空气质量的主要原因.      

广州市大气TSP浓度变化及其与气象因子的关系

利用实地监测大气TSP浓度和局地气象数据,研究了2005年至2006年广州市不同功能区大气TSP浓度变化及其与气象因子的关系。结果表明,工业区大气TSP月平均浓度0.273mg/m3最高,显著高于交通繁忙区的0.207mg/m3;极显著高于商业区的0.180mg/m3、社区的0.155mg/m3和对照郊区的0.142mg/m3。研究显示,广州市大气TSP污染仍然比较严重。广州市大气TSP浓度与降雨呈现负相关性,与温度呈极显著的负相关性,与相对湿度呈显著的负相关性,与风速呈负相关性,与风向的相关性不明显。各功能区大气TSP浓度与局地气象因子也存在类似的规律。     

2014~2017北京市气象条件和人为排放变化对空气质量改善的贡献评估

2014～2017年北京地区霾日数和污染日数逐年减少,PM_(2.5)、PM_(10)、SO_2和NO_2年平均质量浓度下降,污染程度缓解,采暖期中的11～12月尤为明显.针对空气质量的显著改善,从气象条件的改善和减排措施两方面进行探讨分析,并结合数值模式和大数据挖掘技术实现气象和排放对大气污染贡献率的定量化研究.结果表明,2017年与过去3 a相比,平均风速增加7. 9%,≥3. 4 m·s~(-1)的风速频次最高(10. 6%),≥70%湿度日占比最小(25. 1%);其中,采暖期与过去3 a同期相比,小风日数减少8. 6%、大气环境容量指数和通风指数平均增加约11%,边界层高度以3. 2%·a~(-1)的速率升高,尤其11～12月各要素改善更显著,且该时段内2014年各因子变化与2017年相似.非采暖期(4～10月)累积降水量558. 3 mm,仅次于2016年,有利于污染物的清除和湿沉降.利用WRF-CHEM对霾和污染频发的12月进行模拟发现,气象要素的改变导致2017年12月北京PM_(2.5)质量浓度较2014～2016年同期分别降低5%、38%和25%.因缺少政府实际施行的减排方案,无法利用WRF-CHEM量化气象和减排的具体贡献率,因此借助大数据挖掘算法,基于K近邻算法(KNN)和支持向量机(SVM)模型对气象和减排对空气质量改善的贡献进行评估,结果显示2017年减少的霾日和重污染日,65. 0%归因于减排的贡献,35. 0%归因为气象条件的改善.可见,气象与生态环境部门应继续加强数据开放共享,科学开展气象条件预报与减排评估.     

青岛冬季PM2.5持续重污染天气的大气边界层特征

鲜有出现空气质量问题的北方沿海城市青岛近年来也频频出现重污染天气. 2014年1月青岛市总计出现7 d重污染天气,其中1月15-18日是持续4 d的PM_2.5重污染,其余的则分别出现在1月6日、11日和30日.为了获得气象条件对持续重污染天气发展、维持和消除的影响机制,利用激光雷达、大气稳定度仪探测数据以及地面、高空气象观测和空气质量监测数据,重点分析了1月15-18日持续重污染期间青岛市大气边界层气象要素的时间和空间特征.结果表明,2014年1月影响青岛冷空气势力弱、青岛近地面低于3 m/s的风速不利于污染物扩散,66%以上的相对湿度有利于污染物浓度增大.在污染源稳定的背景下,气象要素的差异性导致了污染物浓度时空分布的差异.在持续的弱偏北风下污染物浓度居高不下;在偏南风影响下,污染物浓度趋于下降.边界层内存在高层干冷弱北风和低层暖湿弱南风的风切变、稳定层结、低层相对湿度为70%的高湿大气以及交替出现的近地面南北风是此次重污染持续的主要原因.大气边界层高度变化对污染物浓度具有6 h左右的延迟影响;而低边界层高度、大稳定度因子,低云的存在和较高的污染物浓度之间具有较好的一致性变化趋势.当近地面温度升高、相对湿度减小以及增大的偏南风和存在弱不稳定层结时,有利于提高青岛局地大气扩散能力.      

2000～2020年天津市机动车全过程VOCs排放特征及演变

机动车排放已成为城市地区人为源挥发性有机物(VOCs)的重要来源,排放清单是量化其环境影响的重要手段.针对已有研究中存在的过程区分不清、排放因子测试不全和气象参数考虑不细等问题,基于文献调研与实验测试完善了排放因子库,在月尺度上提出了涵盖尾气排放和蒸发排放(包括运行损失、昼间排放、热浸排放和加油排放)的机动车全过程VOCs逐月排放清单构建方法,并应用此方法建立了2000～2020年天津市机动车全过程VOCs排放清单.研究期内,天津市机动车VOCs排放总量呈现出先缓慢上升后逐步下降的趋势,2020年排放总量为2.14万t,小型客车是对排放总量贡献最大的车型,贡献率达75.00%.排放标准升级对不同过程VOCs排放的影响存在差异.与尾气排放量的持续下降不同,蒸发排放量呈现出先升后降的倒U型走势,且对总排放量的贡献逐年上升,2020年时贡献率为31.69%.机动车排放的月度变化受活动水平与排放因子的双重影响.VOCs排放量呈现出秋冬季高和春夏季低的特点,2020年新冠疫情期间,封控措施限制了机动车活动水平,使得VOCs排放量显著低于往年同期.计算方法和数据结论可为大气污染防治工作提供技术参考...     

青海省东部农业区参考作物蒸散量的变化及对气象因子的敏感性分析

使用FAO推荐的Penman-Monteith公式计算了青海省东部农业区7个气象代表站的逐日参考作物蒸散量(ET₀),运用多窗谱方法(MTM)对青海省东部代表站的ET₀的变化周期进行了分析,同时,分析了影响ET₀的主要气象要素的变化趋势,运用基于偏导数的敏感系数法分析了生长季ET₀对气温、日照时数、相对湿度、风速的敏感性,结果表明,青海省东部农业区的7个站点有比较一致的19.23~22.22 a的周期;整个东部农业区的气温(最高温度、最低温度、平均温度)呈明显的上升趋势,日照时数、风速、相对湿度则随纬度的变化而趋势不同,北纬36°以南的两个站日照时数、风速均有增加的趋势,相对湿度则减小,以北的5个站则呈相反的变化;ET₀对日照时数最为敏感,其次是气温、相对湿度和风速;敏感系数在整个生长季随气象因子的变化而变化,日照时数敏感系数呈波动状,最大值出现在4月,最小值出现在9月,气温敏感系数呈现单峰型变化,最大值出现在7月,风速敏感系数则呈单谷型变化,最小值出现在7月。     

南京市两次秋季污染过程及成因分析

为探究南京秋季污染过程的特征和影响因素,利用MODIS(Moderate Resolution Imaging Spectroradiometer)传感器获得的气溶胶光学厚度(Aerosol Optical Depth)、波长指数(Angstrom Exponent)、火点数据及CALIPSO(Cloud-Aerosol Lidar And Infrared Pathfinder Satellite Observations)卫星数据和来自NECP、MICAPS的温度、相对湿度、风向风速等常规气象要素数据,对南京2015年10月、2016年9月两次污染过程进行分析.研究结果表明:两次污染过程的AE412-470值(埃斯特朗波长指数α)均高于1,由此判断两次污染均以人为排放产生的细粒子为主.但2015年10月的AE412-470值明显低于2016年9月,说明在2015年10月污染过程中粗粒子所占比重高于2016年9月.结合对后向轨迹的分析发现,南京地区2015年10月污染天气的发生还受长距离输送的影响,污染源主要为来自内蒙古、山西等地的污染型沙尘粒子.研究还发现,较高的相对湿度、较低的地表风速、低混合层高度及贴地逆温等气象条件会导致污染物难以扩散稀释而累积在南京地区,造成该区域在秋季出现较严重的污染天气.     

兰州市大气臭氧与其前体物及气象因子相关性研究

兰州市在"一带一路"建设中发挥着重要的战略支点作用.基于OMI（ozone monitoring instrument,臭氧层监测仪）数据产品,对2006-2015年兰州市对流层O₃柱浓度与前体物及气象因子的相关性进行研究.结果表明:2006-2015年兰州市对流层O₃柱浓度值与HCHO总柱浓度值均随时间的变化呈先增后减的趋势,对流层NO₂柱浓度值呈逐年递减的趋势;相关性分析得出,对流层O₃柱浓度与HCHO总柱浓度、对流层NO₂柱浓度相关性较高的地区范围呈先增后减的趋势.在敏感控制区上,2006-2015年VOCs敏感控制区从有到无,VOCs-NO_x协同敏感控制区范围逐渐缩小,NO_x敏感控制区范围逐渐扩大;在气象因子上,对流层O₃柱浓度与气温、日照时间呈显著正相关,与气压、降水量呈显著负相关.在偏北风向上,风速为1.7~1.9 m/s时,兰州市大气对流层O₃柱浓度相对较高.研究显示,NO_x排放量的减少能有效降低兰州市对流层O₃柱浓度.      

华北平原AOD时空演化与影响因素

深入了解大气气溶胶时空变化及其影响因素,对控制大气污染,改善大气环境具有重要意义.首先利用2013～2019年的VIIRS IP气溶胶光学厚度（AOD）数据分析华北平原AOD的时空变化规律.其次,选取SO₂、 NO₂、 PM_2.5、气象数据、 NDVI、 DEM、 GDP和POPU作为影响因素,基于XGBoost模型分别建立华北平原5个代表城市的AOD与其影响因素之间的连接模型,定量估算并揭示AOD时空分布规律背后各个影响因素的贡献.结果表明在空间分布上,华北平原AOD以太行山脉为界,呈现东南高西北低的格局.在时间变化上,5个城市AOD年均值整体呈下降趋势,AOD月均值先上升后下降,最高值出现在7月,最低值出现在12月.此外,建立的华北地区5个城市AOD估算模型精度较高,R²在0.60～0.67之间.华北平原的AOD影响因素中,NO₂和SO₂是对5个城市AOD贡献最大的影响因素,此外,PM_2.5是另外一种重要的污染排放影响因素.气象因...