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.     

北京上甸子区域大气本底站四氯化碳(CCl_4)在线观测

利用自组装GC-ECD系统在北京上甸子区域大气本底站开展大气四氯化碳(CCl4)摩尔分数在线观测.2007年4月～2008年3月期间,该站CCl4本底摩尔分数(89.4±0.7)×10-12,与北半球同纬度带Mace Head和Trinidad Head本底站观测结果基本一致;非本底摩尔分数(94.7±5.1)×10-12,出现频率63.6%,表明该站也能捕捉到高摩尔分数CCl4空气团输送信息;CCl4本底摩尔分数变化较小,且没有明显的季节变化;非本底摩尔分数呈现夏高冬低的特点,平均非本底摩尔分数最高月份(6月)比最低月份(1月)高7.6×10-12.应用CO比值相关法初步估算2007年4月～2008年3月我国CCl4排放量约4.7kt·a-1,与文献报道Bottom-up方法估算我国同期CCl4排放量接近;CO比值相关法估算CCl4排放量的不确定性主要来自同源假设及观测站代表性.     

GC-MS和GC-ECD同时在线观测本底大气中的HCFC-142b

2010年5月～2011年5月,利用自组装气相色谱-质谱联用法(GC-MS)和气相色谱-电子捕获检测法(GC-ECD)在线观测系统,在北京上甸子区域大气本底站开展了二氟一氯乙烷(HCFC-142b)在线观测对比实验,GC-MS和GC-ECD系统分析精度分别为0.23%和0.88%.观测期间HCFC-142b浓度变化范围约为21×10-12～355×10-12;通过独立样本T检验P>0.05,表明两种方法获得的HCFC-142b浓度数据无显著性差异;对两套系统观测浓度数据的差值分析表明,造成两套系统观测浓度间微小差别的主要因素是空气样品时间分辨率和观测精度.利用局部近似回归法进行本底值筛分,GC-MS和GC-ECD法获得的本底浓度均值差、中值差、25和75百分位数值差均优于系统观测精度.两种方法捕获HCFC-142b污染过程一致,污染浓度均具有夏秋高冬低的特点;两种方法观测HCFC-142b污染浓度的年变化趋势一致.     

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.     

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.     

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.     

大气氢氟碳化物采样分析和质量控制方法研究

用自组装采样系统冲洗双口不锈钢采样罐,并采集大气样品至1.36×105 Pa,在实验室利用自组装气相色谱-质谱联用(GC-MS)系统分析样品,对6种主要氢氟碳化物(HFCs)分析精度为0.24%~1.02%.空白实验表明,采样-分析过程未引入污染.通过压力-体积曲线对进样压力变化的影响进行了校正.回收率实验及存储实验表明,6种HFCs回收率范围为99.5%~100.4%,存储112d内HFCs浓度没有显著变化.在北京上甸子区域大气本底站采集80m梯度塔顶大气样品并分析,2个串联采样罐HFCs浓度差值范围为0.04×10-12~0.16×10-12.采样分析与同期该站GC-MS在线观测系统获得的HFCs浓度差值范围为-0.17×10-12~-0.86×10-12.本研究建立的采样-分析-质量控制方法和流程适用于大气中HFCs高精度观测.     

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.     

北京上甸子站大气CH_4数据筛分及变化特征

基于气团72h后向轨迹输送特征,结合数值统计方法,对北京上甸子站2010~2014年瓶采样样品大气CH_4进行污染/非污染数据筛分.结果表明约42%的数据筛分为污染数据,剩余数据则被认为是未受局地源汇污染、混合较为均匀的本底数据.基于这些本底数据对上甸子站大气CH_4本底浓度变化特征进行研究,结果表明:观测期间上甸子站大气CH_4本底浓度从1884.0×10~(-9)(2010年)增长到1916.4×10~(-9)(2014年),年均增长率为8.5×10~(-9)/a.其季节变化特征与北半球平均状况类似,冬春季高、夏秋季低,高值出现在1~2月,低值出现在6~7月,季节振幅达32.8×10~(-9),主要与·OH自由基浓度季节变化有关.此外,CH_4本底浓度年均值及平均季节变化月均值均高于同纬度带海洋边界层水平及全球大气本底站瓦里关站.     

珠三角地区大气中HCFC-22的浓度观测和变化趋势初步研究

通过罐采样和预浓缩-色谱/质谱方法,对珠三角地区广州城区和鼎湖山大气中HCFC-22进行了初步的观测和分析.结果表明,2005年广州城区HCFC-22年平均体积分数达到(479.5±241.4)×10-12,鼎湖山仅为(244.4±51.3)×10-12.广州城区大气HCFC-22日变化幅度夏秋季节相对较大,而鼎湖山日变化不明显;广州城区大气HCFC-22的体积分数夏秋季节高于冬春季节,鼎湖山则相反.与城区HCFC-22排放的季节性有关,夏秋季节广州城区与鼎湖山HCFC-22体积分数差别很大,冬春季节则比较接近.初步研究结果表明,广州城区和鼎湖山大气HCFC-22的体积分数呈现快速增长趋势,年增长率分别达到6.57%和7.28%,约为一些全球基准观测站(NOAA/CMDL)的1.9～2.8倍.     

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.     

重污染天气下电力行业排放对京津冀地区PM2.5的贡献

利用CAMx(区域空气质量模型)中的PSAT(颗粒物源示踪技术),分析了重污染天气下分区域、分行业的污染物排放对京津冀地区PM_2.5的贡献,设计了分行业排放的环境影响效率系数(EESCR)计算方法,并对“电能替代”(以电力行业产能替代民用能源消耗)情景方案下的排放进行模拟分析. 结果表明:在重污染天气背景下,电力行业排放对京津冀地区ρ(PM_2.5)的贡献率较低,各地均低于10%,并且区域排放的贡献次序为京津冀以外地区>京津冀其他城市>当地,这与电力行业高架源排放的特征有关,而工业和民用行业对区域排放的贡献次序相反. PM_2.5主要组分和前体物的分行业EESCR计算结果表明,电力行业ESSCR值均在y=1/2x趋势线之下,远低于其他行业,因此优先控制其他行业排放才是改善京津冀地区空气质量的关键.电能替代的情景模拟结果表明,电能替代是有效降低京津冀地区ρ(PM_2.5)的可行方式. 研究显示,充分利用电力行业高架源排放的特点和便于集中处理的行业优势,尽力降低因产能增长带来的排放增量,实施电能替代可成为改善区域空气质量的有效途径之一.      

北京大气中CFC-11的浓度观测与变化趋势

近几年大气中CFC的浓度在人类活动的影响下发生了迅速变化,考虑到CFC浓度变化对平流层臭氧和全球变暖的影响,采用两步深冷冻浓缩自动进样系统,配以气相色谱/质谱联机对北京大气中的CFC-11进行了连续观测.结果表明,1999～2003年CFC-11的浓度季节变化均呈单峰形态,峰值出现在7～8月,月平均浓度最高值为1149.5±531.9×10^-12(体积分数);谷值出现在春季的3～5月份,月平均浓度最低值为487.5±131.5×10^-12(体积分数);北京大气中CF-11年平均浓度在观测时间段内呈先上升后下降的趋势,其中1995～1998年增长较快,平均增长率为17.9%,1999年后呈缓慢下降趋势,平均下降率为10.7%,平均浓度是Mauna Loa全球基准观测站观测到大气本底CFC-11浓度的3～5倍.     

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.     

夏秋季北京及河北三城市的大气污染联合观测研究

为评估北京西南方向城市群对北京大气污染的影响,于2009年夏秋季节（2009年7月16日～10月15日）,利用自动在线大气环境观测仪器,对北京及太行山东侧河北省的3个城市涿州、保定和石家庄进行了大气污染物PM10、NOx和O3的联合观测研究.结果表明,夏秋季节4个城市的首要污染物均为可吸入颗粒物（PM10）,平均质量浓...     

中国区域HCFC-142b排放量模式反演研究

利用拉格朗日粒子扩散模式FLEXPART结合上甸子区域本底站在线观测HCFC-142b数据,采取自上而下的反演方法,估算了2009和2010年中国HCFC-142b的排放量分别为10.82kt/a和15.42kt/a,分别占全球HCFC-142b排放量的29.7%和45.8%.反演HCFC-142b排放量的空间分布结果显示其排放源主要集中在京津冀、四川、山东西部以及长江中下游地区,与相关研究中自下而上方法获得的排放量分布一致.模式反演源较先验源更接近观测数据,2009年相关系数从0.38提高到0.47,2010年相关系数则从0.60提高到0.65.     

基于空间密集传感器解析城市本地排放和区域传输贡献方法初探

为了对城市污染物进行详细区域来源解析,基于长沙市低成本传感器监测网络,收集了2019年10月PM_2.5、PM₁₀、SO₂、NO₂的高空间分辨率监测数据,对污染特征进行分析.同时,根据本地排放和背景浓度变化的不同相对频率,基于小波分析提取了污染物背景浓度并结合空间密集监测量化了城市环境中监测点的近场、远场及区域传输贡献.结果显示,2019年10月长沙市4项常规污染物中,PM_2.5浓度较高,SO₂浓度较低.小波分析提取各监测点背景浓度结果表明,部署在乡村的监测点PM_2.5、PM₁₀和NO₂背景浓度平均水平较低,而城市总体数据分布更分散,存在明显的本地排放源.估计近场、远场及区域传输对城市监测点总污染水平贡献发现,研究期间,区域传输对监测点污染贡献最大.其中,PM_2.5的区域贡献、远场贡献和近场贡献占比分别为43%、24%和17%;PM₁₀的区域贡献占比较高为59%,远场贡献和近场贡献分别占比14%和16%;NO₂的区域贡献、远场贡献和近场贡献占比分别为45%、24%和19%;而SO₂主要以区域贡献为主,占比达78%.