基于MOS的杭州秋冬季空气污染预报和霾诊断

利用由数值预报模式WRF和辨识理论实时迭代统计方法RTIM组成的MOS方法对杭州市2013年2~3月和11~12月期间的空气污染物日平均浓度做预报,预报值与实测值之间相关系数都超过0.75 ,PM2.5、PM10、SO2、NO2、CO 24h平均浓度和O3 8h平均浓度分类预报临界成功指数(CSI)分别为89%、87%、100%、93%、100%和100%,命中率(POD)分别为93%、95%、100%、100%、100%和100%.分析表明,研究期间杭州地区气溶胶以细颗粒为主.根据PM2.5浓度、相对湿度及能见度预报值做霾日分类预报,临界成功指数为89%,命中率为93%.说明该MOS系统对污染物浓度及霾天气预报性能良好,可以为业务化预报提供参考.     

天津地区霾天气特征研究

基于2014~2017年天津地区PM_2.5质量浓度，能见度和相对湿度监测数据开展霾天气特征研究.结果表明：天津中度以上霾过程分为五类：高压后部型，北部弱高压型，低压槽型，均压场型和锋前低压型.在现行标准下，中度霾一般对应重度污染天气，重度霾对应重度到严重污染天气；五级重度污染天气一般有中-重度霾发生，六级严重污染天气有重度霾天气发生.2013年“大气污染防治行动计划”开展以后，天津PM_2.5质量浓度和霾日均显著减少，2017年相比2013年霾日减少了55%，中度及其以上霾日由2013年的41d下降到2017年的20d，下降幅度超过50%.基于实况监测的PM_2.5质量浓度，能见度和相对湿度，可以较好的构建区域能见度计算方程.统计数据显示，其估算的能见度和实况值相关系数为0.94，相对误差为18.6%，非霾日辨识准确率为85%，霾日辨识准确率为95.6%，轻微霾辨识准确率为83%，轻度霾辨识准确率为78%，中度霾辨识准确率为93%，重度及以上霾辨识准确率为94%，对于判断霾等级，有较强的适用性.将该方程与空气质量模式结合开展霾等级预报，2015~2017年24h预报产品检验显示：能见度预报值与实况值相关系数为0.75，预报均值13.9km，实况均值14.1km，相对误差为29.6%，FAC2（预报值在实况值两倍范围内百分比）为98.1%，霾日预报准确率81.4%，霾日漏报率18.6%，霾日空报率20.6%，如果容错1级，轻微霾日预报准确率为96%，轻度霾日预报准确率为85%，中度及以上霾日预报准确率为69%，可有效支撑天津霾等级预报的开展.     

上海市PM_(2.5)浓度统计释用综合集成研究

在WRF模式输出的基础上,结合卡尔曼滤波(KALMAN)、偏最小二乘回归(PLS)和辨识理论实时迭代统计方法(RTIM)组成3种模式输出统计预报(MOS),并运用这3种MOS模式分别建立多模式平均、递归正权综合和多元线性回归集成模式,对上海市2014年12月2日~31日(PM_(2.5)轻度污染天气过程)以及2015年12月15日~2016年1月13日(PM_(2.5)重污染天气过程)进行了1d、2d和3d的PM_(2.5)日均浓度试预报.结果表明:相比于3种单一的MOS模式,集成模式通过获取更为准确的信息而减少了系统误差,这不仅可以提升对污染天气过程的预报能力,且有可能降低污染过程中决策失败的风险.通过对PM_(2.5)轻度污染天气和重污染天气过程预报的比较分析,多元线性回归集成模式整体预报显示出更高的精度和稳定性.统计释用方法综合集成模式对于PM_(2.5)预报显示出良好的性能,可为业务化预报模型的选择提供可借鉴的参考.     

京津冀重霾期间PM_(2.5)来源数值模拟研究

厘清PM2.5的来源是开展重霾污染防治的前提条件.本研究利用嵌套网格空气质量预报模式系统(NAQPMS)及其耦合的污染来源追踪技术,针对2013年1月我国中东部的重霾污染过程,定量模拟分析京津冀各城市PM2.5浓度的来源和相互贡献.研究结果表明,NAQPMS模式能够合理反映京津冀不同城市PM2.5浓度的变化特征.京津冀各城市近地面PM2.5浓度主要受本地排放影响,本地贡献率介于29.8%~63.7%.而800 m高空层各城市PM2.5浓度以外来贡献为主(69.3%~86.3%).在污染最严重的东南部地区(包括邢台、邯郸、沧州和衡水),PM2.5浓度受区域外的山东和河南的显著影响,贡献率可达25.2%~31.5%.因此,在京津冀区域内进行协同减排控制的同时,需进一步将山东、河南等省份纳入联防联控范围,才能有效防控重霾污染.     

基于精细观测资料的深圳不同季节霾及其污染特征分析

利用2010~2013年逐时霾、能见度和空气质量监测数据,分析了深圳霾天气的变化特征、霾与空气质量和气象条件的关系.结果表明:深圳市霾日数总体呈现增多增强趋势,2009年开始明显下降;霾日数呈“V”型月变化:即秋冬季多、春夏季少,秋冬季多发持续时间长、影响严重的霾过程,春夏季多发持续时间短的霾过程; 霾常伴有污染发生(35%),污染以轻度污染为主;霾时首要污染物PM2.5最多、其次O3,这说明PM2.5是造成深圳霾的主因,且深圳光化学污染严重. 霾时PM2.5、PM10 和O3季节变化明显,冬春季首要污染物以PM2.5为主(75%以上),夏秋季O3和PM2.5为主;分析还发现,风、相对湿度与霾密切相关,风速越弱,湿度越大, 越利于霾出现和发展.约80%的中重度霾出现在风速<2m/s,相对湿度70%~90%的情况下.     

西安市一次严重霾污染天气特征及气象条件分析

为了解西安市气象条件对霾污染天气的影响,利用西安市13个测点PM2.5逐时监测资料和气温(T)、风向(WD)、风速(WS)、相对湿度(RH)、气压(p)以及能见度(VIS)等地面气象观测数据,对西安市2013年12月16—26日发生的一次严重霾污染过程进行分析。结果表明:此次霾污染过程中,西安市PM2.5日均值浓度最高达744μg/m3,超过国家二级标准近10倍,能见度最低降至0.42 km,重霾污染期间PM2.5/PM10在64%~80%。分析认为高相对湿度、低风速和主导风向不明显以及大气层结稳定是造成本次霾污染天气的主要气象因素,其中大气能见度与风速和大气压呈正相关,其相关系数(r)分别为0.3162、0.3479,能见度与温度的相关系数r=0.0825,呈微弱正相关,能见度和相对湿度的相关系数r=-0.7465,呈显著负相关。细颗粒物对能见度的影响非常明显,二者之间的相关系数为-0.7290,细颗粒污的消光系数最高达9.2 km-1。     

珠三角空气质量数值预报系统的检验与订正研究

通过对珠三角空气质量预报模式的模拟结果进行检验,发现模式预报值整体偏小,特别是峰值,但变化趋势与实测一致,峰值都能较好模拟出.模式对PM10的预报准确率要高于PM2.5,从等级预报来看PM10和PM2.5的二级预报准确率要高于一级,利用MOS方法对模式预报结果进行订正,订正后颗粒物平均偏差都有一定程度的下降,颗粒物等级预报准确率PM10由64.7%提高到77.6%,PM2.5由59.9%提高至74.5%,准确率的提高明显.     

南京城区夏秋季能见度与PM2.5化学成分的关系

为研究南京细颗粒物PM2.5化学成分与能见度的关系,于2011年8月4~17日和2011年10月31日~11月11日在南京城区采集PM2.5样品并分析其化学成分,同时对能见度、PM2.5、相对湿度等进行了同步观测.结果表明:南京城区夏季采样期间的能见度高于秋季,分别约为10.9km、7.5km,低能见度天PM2.5质量浓度较高,能见度与PM2.5的相关系数为-0.75.水溶性离子和总碳分别占PM2.5质量浓度的38%和26%,其中与能见度相关性较显著的是NO3-、SO42-、NH4+、EC.总消光系数的主要贡献者是颗粒物,达98.2%.8月首要消光组分是硫酸铵(NH4)2SO4,占47.0%,有机碳OC和硝酸铵NH4NO3分别占19.2%和14.3%;而11月是NH4NO3、(NH4)2SO4和OC,分别占29.3%、28.7%、26.8%.对不同相对湿度下的能见度和PM2.5化学成分进行拟合.进一步根据WRF/Chem细颗粒物化学成分模拟结果,分别利用拟合关系式和美国IMPROVE关系式,对2011年8月和11月能见度进行计算,与观测对比发现,利用本文拟合关系式计算的能见度结果优于IMPROVE关系式.     

1981~2010年深圳市不同等级霾天气特征分析

利用1981~2010年深圳市地面观测及空气质量监测资料,分析深圳不同等级霾天气的长期变化特征以及大气水平能见度、空气质量与霾的关系.结果表明:深圳霾日数总体呈增多趋势,强度增强,中度以上霾增多;各等级霾日数均呈增多态势,但不同等级霾日占年总霾日的比例变化趋势不同,轻微霾所占比例下降,轻度以上霾上升; 霾天气呈现冬季>秋季>春季>夏季的季节特征,但重度霾却是夏季最多; 霾导致大气水平能见度明显下降,霾日平均能见度较非霾日低6~7km,霾等级越高,能见度下降越明显,霾日能见度日变化幅度较非霾日小;霾日SO2、NO2浓度为非霾日的1.4~1.7倍,PM10是非霾日的2.2倍,大气颗粒物污染加剧可能是深圳能见度恶化、霾天气增多的一个重要原因;针对荔香站霾日SO2浓度日变化不明显,PM10 、NO2浓度呈双峰型分布,与上下班时段吻合,说明机动车的增加也是深圳霾天气增多的主因之一;霾等级越高,空气中PM10、SO2、NO2的浓度越高,从轻微到重度霾各级之间SO2、NO2和PM10浓度增幅大都在15%~20%.     

杭州市大气能见度与PM_(2.5)浓度的关系

为了研究杭州市大气能见度与PM2.5质量浓度之间的关系,选取杭州市区2013年冬季至2014年春季期间PM2.5浓度、相对湿度以及能见度有效观测数据进行分析。结果表明:能见度与PM2.5的关系并不是直接的线性关系,而是与大气湿度也有着密切关系。随着相对湿度和PM2.5浓度的增长,能见度水平逐渐降低。而进一步量化相对湿度与PM2.5浓度对能见度的影响,将相对湿度分为40%~50%、50%~60%、60%~70%、70%~80%、80%~90%以及>90%共六个区间,对PM2.5与能见度的关系用非线性幂函数来拟合,拟合曲线的R2均大于0.9,表明拟合曲线与真实情况符合程度较好。另外,能见度与PM2.5的拟合曲线均在PM2.5浓度为50μg/m3左右出现拐点,说明在杭州市只有将PM2.5浓度控制在50μg/m3内,能见度才能得到显著提升。     

中山市旱季霾特征及数值模拟分析

利用观测数据、Hysplit后向轨迹模式以及WRF-CMAQ模式对中山市旱季霾特征进行模拟分析.中山市霾污染的天气形势以大陆高压型为主.当相对湿度在71%~90%时,气溶胶浓度和能见度的负相关性最显著,且当能见度减小到5 km以下时,PM_(2.5)浓度的大幅减小才能使能见度略有好转.最有可能引起中山发生霾天气的两条污染带,一条是沿中山至湖南南部,另一条是沿中山到粤东地区.WRF-CMAQ模式能较好地模拟出2014年1月份中山PM_(2.5)浓度、能见度的变化趋势以及广东省区域内灰霾的污染过程.在气溶胶质量权重及消光贡献中,硫酸盐的比重最高,在高相对湿度下,二次气溶胶的消光权重超过80%.通过中山PM_(2.5)过程分析发现,在霾过程,无冷空气时PM_(2.5)主要来自气溶胶反应、排放源和水平平流,贡献率分别为35%、15%和10%,有冷空气时水平平流的贡献最大,达37%;在清洁过程,无冷空气时气溶胶主要靠水平平流和干沉降清除,贡献率分别为-39%和-14%,有冷空气时清除以水平平流和垂直对流、扩散为主,贡献率分别为-29%和-25%,说明不同天气条件下霾的污染和清洁机制有着明显差别.     

2006~2009年我国超大城市霾天气特征及影响因子分析

收集了2006～2009年北京、上海、广州和成都能见度等气象因子以及SO2、NO2和PM10等环境空气质量资料,在此基础上统计分析上述4个超大城市霾天气频率季节和年际变化特征及其主要的影响因子.结果表明,北京、上海、广州和成都霾天气频率季节最高值分别为夏季、冬季、春季和秋季.北京和广州霾天气频率呈现逐渐下降趋势,而上海和成都呈现逐渐上升趋势.PM10和相对湿度是影响能见度或霾天气频率关键因子.北京能见度变化对相对湿度比较敏感,而上海和广州对PM10浓度变化比较敏感,成都对相对湿度和PM10浓度敏感程度相当.     

2013-2015年上海市霾污染事件潜在源区贡献分析

统计分析2013-2015年上海市每个月不同空气质量等级天数比重,根据HYSPLIT（Hybrid Single Particle Lagrangian Integrated Trajectory）后向轨迹模型对3年内的12月份影响上海地区的污染气团进行了综合聚类分析和逐年聚类分析.在综合12次严重霾事件的后向轨迹基础上,结合上海实时公布的PM_2.5小时浓度资料,对潜在源贡献因子PSCF（Potential Source Contribution Function）和浓度权重轨迹CWT（Concentration-weighted Trajectory）进行分析与比较,研究重霾期间影响上海PM_2.5质量浓度的潜在源区及不同源区对PM_2.5质量浓度的贡献差异.结果显示,上海市3年期间12月份霾颗粒物外来源主要输送渠道为西北路径和北方路径,源自于西北方向的气团比重占总气团的50.4%,北方向的气团几乎都经过海洋后进入上海地区.影响上海地区PM_2.5质量浓度的潜在源区主要分布在安徽、江苏和山东地区,此外江西北部、浙江北部、河北南部及山西少部分地区也对重霾事件中的污染物颗粒有一定程度的贡献.     

Chemical characteristics of fine particles and their impact on visibility impairment in Shanghai based on a 1-year period observation

In this work, a one-year observation focusing on high time resolution characteristics of components in fine particles was conducted at an urban site in Shanghai. Contributions of different components on visibility impairment were also studied. Our research indicates that the major components of PM_2.5 in Shanghai are water-soluble inorganic ions and carbonaceous aerosol, accounting for about 60% and 30% respectively. Higher concentrations of sulfate (SO₄²⁻) and organic carbon (OC) in PM_2.5 occurred in fall and summer, while higher concentrations of nitrate (NO₃⁻) were observed in winter and spring. The mass concentrations of Cl⁻ and K⁺ were higher in winter. Moreover, NO₃⁻ increased significantly during PM_2.5 pollution episodes. The high values observed for the sulfate oxidizing rate (SOR), nitrate oxidizing rate (NOR) and secondary organic carbon (SOC) in OC indicate that photochemical reactions were quite active in Shanghai. The IMPROVE (Interagency Monitoring of Protected Visual Environments) formula was used in this study to investigate the contributions of individual PM_2.5 chemical components to the light extinction efficient in Shanghai. Both NH₄NO₃ and (NH₄)₂SO₄ had close relationships with visibility impairment in Shanghai. Our results show that the reduction of anthropogenic SO₂, NO_x and NH₃ would have a significant effect on the improvement of air quality and visibility in Shanghai.     

2013年1月北京市PM2.5区域来源解析

2013年1月,北京地区经历了多次严重的灰霾天气,细颗粒物污染已成为北京地区所面临的重要问题.了解和掌握北京细颗粒物的污染来源,是解决细颗粒物污染的重要途径,也是制定防治政策的重要依据.通过建立三维空气质量模型系统,对2013年1月20~24日的污染过程进行模拟,并运用PSAT技术探究北京市细颗粒物污染的区域来源.结果表明,本地源排放是北京市PM2.5的主要来源,平均贡献率为34%;河北和天津的平均贡献率分别为26%和4%;京津冀周边地区及模拟边界外的贡献分别为12%和24%.在重污染日,区域传输对北京市PM2.5的影响显著增强,是北京PM2.5污染的主要来源.PM2.5中的硝酸盐主要来自北京市周边地区的贡献,而硫酸盐和二次有机气溶胶呈现远距离传输的特性,铵盐和其他组分则主要来自北京本地的贡献.     

上海霾与非霾期间大气颗粒物光学特性垂直分布特征和质量浓度对比研究

采用美国国家航空航天局的云-气溶胶激光雷达红外开拓者卫星搭载的正交极化云-气溶胶激光雷达数据产品,包括消光系数、光学厚度、总后向散射系数、体积退偏比和色比,结合地面监测的颗粒物质量浓度,分析上海大气相对湿度小于80%霾发生期间气溶胶光学属性的垂直分布特征和颗粒物质量浓度变化,并与非霾期间进行比较.结果表明:霾期间532 nm和1064 nm消光系数在垂直高度上(海拔:0~10 km)均大于非霾期间,且大多数霾期间颗粒物在整层大气的光学厚度大于非霾期间.在近地面,霾期间大气颗粒物散射能力大于非霾期间.各垂直高度层,霾与非霾期间小粒径和规则气溶胶占主导地位.霾期间近地面大粒径颗粒物在霾期间所占比例大于非霾期间;2.0~4.0 km高度层,霾和非霾期间细颗粒所占比例接近;4.0~10.0 km高度层,霾期间细颗粒气溶胶所占比例大于非霾期间.PM1、PM2.5和PM10质量浓度在霾期间均大于非霾期间,且霾期间细颗粒物所占比例明显增加.颗粒物质量浓度和比值PM1/PM2.5和PM2.5/PM10分别随霾污染程度的加重而升高.冬季颗粒物质量浓度最高,主要来自细颗粒物的贡献;而春季PM10质量浓度高于其它季节.     

成都市冬季相对湿度对颗粒物浓度和大气能见度的影响

利用成都市城区2015年12月的连续在线观测数据,如相对湿度（RH）、能见度、颗粒物（PM₁₀、PM_2.5和PM₁）浓度、气态污染物（SO₂和NO₂）浓度以及PM_2.5中SO₄^2-和NO₃^-浓度,探讨RH对颗粒物浓度和大气能见度的影响.结果表明,高颗粒物浓度和高RH协同作用导致低能见度事件.观测阶段,PM_2.5在PM₁₀中的平均比重为64%,表明成都市冬季细颗粒物污染严重;随着RH增加,PM_2.5/PM₁₀显著增加,表明高RH会加重细颗粒物污染.随着PM_2.5浓度增加,能见度呈幂指数下降;在相同PM_2.5浓度下,RH越高,能见度越低.当颗粒物浓度较低时,RH对能见度的影响作用较强;当颗粒物浓度较高时,大气消光主要由PM_2.5浓度控制,RH对能见度的影响减弱.当RH大于70%时,硫氧化率（SOR）和氮氧化率（NOR）的均值分别从0.27和0.11（RH小于40%）增长至0.40和0.19,表明较高RH对二次硫酸盐和硝酸盐的生成有显著的促进作用,二次硫酸盐和硝酸盐单独或协同影响空气质量.     

南京冬季一次重霾污染事件PM2.5区域传输收支分析

利用WRF-Chem模式对2015年12月21—23日南京一次重霾污染过程进行模拟.基于合理的模拟评估,采用大气传输通量计算法,着重分析了此次霾污染过程中模拟的南京地区PM_(2.5)的传输收支特征,以及周边地区大气污染物传输对南京市PM_(2.5)变化的贡献.结果表明,此次霾污染过程中,本地源与外来源区域传输共同影响着南京市的空气质量.PM_(2.5)的跨区域传输是此次重霾污染发生和消亡的重要因素.在霾污染事件的形成维持阶段,南京地区是作为周边地区PM_(2.5)的接收区,大气污染物主要由南京的西边界输入,大气污染物的外源输入是南京PM_(2.5)污染的主要贡献来源,占南京PM_(2.5)污染的84%.在霾污染事件的消亡阶段,南京地区则是作为周边地区PM_(2.5)的源,大气污染物主要由南京的东边界持续向外输出.     

2013年1月宁波市PM_(2.5)污染的形成过程与传输规律

为了深入认识宁波市冬季细颗粒物(PM2.5)的污染特征和主要影响因素的作用规律,利用Models-3/CMAQ模式系统对2013年1月宁波市的PM2.5污染形成过程进行了模拟分析.结果表明,宁波市PM2.5的重点污染区主要分布在市区、北部地区及东部沿海,除了受到局地污染源排放的影响外,对比非污染的情况,大气输入和气溶胶生成作用的增强是引起PM2.5污染的主导因素,其中水平传输过程对PM2.5浓度升高的贡献最为突出.气溶胶过程的贡献在近地面(0~80 m)最显著,随着高度升高而逐渐减弱.硝酸盐在局地二次生产的细颗粒物中占主要份额(~70%).对于硫酸盐,局地二次生成所占的比例很低,主要来自宁波局地排放和宁波以外地区的大气传输(贡献比例分别为44%和40%).宁波市的PM2.5污染主要受到来自北向沿岸气团(占比54%)、西北向大陆气团(占比21%)和西向局地气团(占比25%)的传输影响.在西北方向短距离区域传输的作用下PM2.5浓度最高;在我国中东部大范围灰霾天气的影响下,西北向和北向的长距离传输作用也会导致宁波地区的PM2.5污染.