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.     

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.     

京津冀及周边地区秋冬季大气污染物排放变化因素解析

基于大气污染源排放清单技术方法,定量分析2016~2017年秋冬季"跨年霾"至2019~2020年秋冬季"疫情霾"期间京津冀及周边地区主要大气污染物排放量变化,解析大气污染防治政策实施带来的减排和疫情造成的活动水平下降对主要污染物排放的贡献,并利用空气质量模型模拟分析不利气象条件下措施减排和疫情影响对空气质量改善的贡献.结果表明,从"跨年霾"（2016-12-16~2017-01-14）至"疫情霾"（2020-01-22~2020-02-14）该区域主要大气污染物排放量大幅下降50%左右,不利气象条件下,区域PM_2.5平均浓度可削减40%以上.措施减排主要来自火电、钢铁等重点工业行业提标改造和工业锅炉、民用燃煤等燃煤源治理,对SO₂和PM_2.5排放量的削减贡献较大,贡献率分别为67.1%和53.4%;疫情主要影响移动源和轻工业活动水平,对NO_x和VOCs排放量的削减贡献较大,贡献率分别为71.9%和68.2%.措施减排对区域空气质量改善贡献突出,有效抑制了重污染过程的强度和范围.在"跨年霾"的不利气象条件下,措施减排使区域PM_2.5平均浓度下降26%,重度及以上污染天数减少44%.受疫情影响,区域PM_2.5平均浓度继续下降24%,重污染持续时间和范围进一步缩减.     

区域气象条件和减排对空气质量改善的贡献评估

区域气象条件和减排与空气质量的变化关系密切.区域污染天气的发生不只受人为排放的影响,其与气象条件也密切有关.我国地处全球的主要季风气候区,大气环流具有明显的季风气候变化特征,区域气象条件受年际气候变化影响显著.研究通过分析不同气候条件下京津冀地区、成渝地区、长三角和珠三角城市群2001~2018年主要气象要素及其污染天气的变化趋势,利用KNN大数据挖掘算法量化分析区域气象条件和减排对大气污染的贡献率.结果表明,2001~2018年间全球气候变化异常频繁,厄尔尼诺/拉尼娜非正常气候占比近一半.减排与气候变化均对空气质量的改善起促进作用.在非正常气候条件下,气象对空气质量改善的贡献更为明显.例如,非正常气候时京津冀地区气象条件对空气质量改善的贡献约为51%,而正常气候时约为30%.对于长三角和珠三角城市群,其气象条件在非正常气候时的贡献达到了50%左右,几乎与减排贡献相当.此外,各区域2015~2018年的减排贡献均高于2001~2012年的平均水平,表明随着我国实施大气污染物排放控制措施力度的增大,减排对空气质量改善的贡献显著.但气象条件对空气质量改善的贡献仍不容忽视,区域减排控制仍然任重而道远.     

2015年北京“阅兵蓝”特征及成因探讨

利用大气成分和气象要素观测数据,对2015年8~9月北京田径世锦赛和抗战胜利70周年纪念活动期间的北京PM_2.5浓度变化特征及其相关的大气污染气象条件进行了研究,并采用大气化学数值模式模拟了气象条件、减排措施和区域减排联合行动对北京PM_2.5浓度下降的作用和贡献.结果表明：纪念活动期间北京地区空气质量显著改善,PM_2.5平均浓度仅为18.7μg/m³,比前期8月1~19日下降70%,比2014年同期降低74.0%;东北冷涡长时间稳定少动为空气质量改善提供了良好的大气环流条件,北京地区混合层高度相比前期升高20%,相对湿度降低17%,风速增大7%,气象要素变化为庆祝活动期间PM_2.5浓度下降提供了良好的气象条件,尤其是地面主导风向转为偏北风后,阻止了北京城南及华北中南部地区的污染物输入北京城区;CAMx模式的模拟结果表明,与2014年同期相比,气象条件变化在北京PM_2.5浓度降幅中的贡献率达73%;纪念活动期间有无减排的模拟分析显示,在相同的气象条件下,减排措施使北京PM_2.5浓度下降约33%;期间北京PM_2.5来源以本地排放为主,本地的减排措施对改善空气质量的贡献率约为72%,周边地区减排的贡献率约为28%.     

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。     

1973-2012年乌鲁木齐市霾日数变化特征

基于乌鲁木齐市1973-2012年逐日气温、降水、风速、能见度等资料,分析了霾日数的时间变化特征及其与气象因子的关系。结果表明:乌鲁木齐霾主要发生在冬半年,其中10月霾日数最多;夏半年发生较少。年霾日数、年霾最大持续日数、轻度霾日数、中度霾和重度霾日数总体都呈减少趋势,且都在1981-1990年发生最多,在1991-2000年发生最少。年霾日数存在18~20 a的周期,并在1990年发生减少突变。霾日数与气象因子有密切的相关性,平均水汽压、年平均相对湿度和年降水量与霾日数呈正相关,风速和平均气温与霾日数呈负相关,日照时数与霾日数相关性不显著。     

2014~2017年北京城区霾污染态势及潜在来源

统计分析2014~2017年北京城区霾污染发生情况,利用HYSPLIT模式对4年内气流来向进行聚类计算,识别区域内的主要污染传输通道和潜在污染源区分布及变化.结果显示,研究期间北京市城区空气质量状况整体呈改善趋势,灰霾时发生率从2014年的50.6%降至2017年33.7%,灰霾日数由165d降至78d,每年10月到次年采暖结束的3月灰霾发生较为集中.不同强度霾发生频率逐年下降,秋、冬季灰霾发生频率及污染强度均逐步降低.冀东南平原区、太行山东麓以及燕山南麓沿线为京津冀地区的3条主要污染传输通道,传输高度均在近地1000m内,期间通道轨迹对应北京城区PM_2.5平均达124.1μg/m³,其出现频率在2014~2017年逐年减小,并且各年当中同类轨迹所对应的北京PM_2.5均呈逐年下降趋势.北京城区PM_2.5的主要潜在源区从华北平原和渤海天津港区域逐渐缩小至冀中南和鲁西北地区,且传输通道区域污染贡献率逐年降低,有利的天气形势和人为的区域减排是近年空气质量改善的2大主因.     

不同时刻污染减排对北京市PM2.5浓度的影响

利用空气质量模式Model-3/CMAQ及京津冀地区高分辨率排放源清单,针对有代表性的污染时段(2012年2月7~16日),设置了5种不同时刻的减排方案(在污染峰值提前4d、提前3d、提前2d、提前1d及当天减排),对比在同样的减排比例下,不同时刻开始减排的效果差异.研究发现,提前采取减排控制措施比污染峰值当天开始减排对降低PM2.5浓度的影响更为明显,而且提前采取应急减排的时间越早,PM2.5浓度下降越明显.提前1d、2d、3d减排海淀站和城六区峰值浓度下降率分别为23%和22%、31%和30%、39%和38%,均明显高于当天减排的峰值浓度下降率10%和9%.但随着提前天数的增加,PM2.5峰值浓度进一步下降的幅度越来越小,减排效益较之前显著降低.提前4d减排海淀站和城六区峰值浓度下降率分别为40%和39%,提前4d减排和提前3d减排对降低污染峰值日PM2.5浓度的效果已没有太大差别.同时针对另一个污染时段(2012年1月11~20日)进行了相似的敏感性试验,得出了类似的结论.因此,针对某些污染事件的应急减排,综合考虑减排成本和减排效果,根据气象条件的预报,在可能引起重污染事件的不利气象条件来临时提前2~3d采取减排措施效果最好,既能有效降低PM2.5浓度,也可以避免因盲目长时间减排造成的成本过大.     

2013-2017年成都冬季空气质量状况改善评估

利用2013—2017年冬季成都市国家环境监测子站PM_(2.5)小时数据,结合MICAPS常规气象观测数据及ERA-interim再分析资料,对成都市2013—2017年冬季空气质量状况、气象条件及近10年大气扩散能力进行综合评估.结果发现,2013—2017年成都冬季12月末—1月初易发生持续性重污染事件,2015—2017年冬季持续性重污染事件总天数较2013—2014年有所减少,2013年冬季PM_(2.5)浓度值最高,达到(149.3±72.2)μg·m~(-3),2015年最低((80.7±44.1)μg·m~(-3)),5年内冬季PM_(2.5)浓度值呈波动下降趋势,下降率为9.65%,成都市冬季空气质量状况总体有所改善.2013—2017年成都冬季日降水量清除率表明,大于1 mm的降水对PM_(2.5)有明显清除作用,而弱风和低边界层(加权平均)对PM_(2.5)的累积效应显著,2013和2016年空气质量较差由于累积气象主控导致,2015年空气质量较优是由于清除气象主控.综合PM_(2.5)浓度、边界层高度、地面风速和降水等因子,使用2498个有效样本构建成都地区冬季空气停滞气象条件阈值经验公式,为地面风速小于2.2 m·s~(-1)、边界层高度小于520 m且无有效降水(日降水量1 mm).以2015年冬季大气扩散条件为基准,量化同等扩散条件下减排对PM_(2.5)的影响,结果显示减排有效,但近10年成都地区大气扩散能力有所下降,说明今后大气污染防控将面临更大的挑战.     

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.     

南京市霾天气与主要气象条件的相关分析

利用天气学原理,分析研究2012~2014年南京市霾天气的主要地面天气形势、气象要素以及PM2.5与PM10浓度的相互关系.结果表明,2012~2014年南京市霾天气以轻度和轻微霾为主,且冬季最多,夏季最少;相对湿度在50%~80%之间有利于霾的发生,尤其是70%≤RH<80%时;有87.6%的霾发生在风速≤4m/s的情况下,并且主要来自东北偏东到东南风向区域.最利于南京霾天气形成的主要天气形势是均压场、高压控制和高压后部,而低压槽、副高控制和台风影响时霾发生较少.PM2.5在PM10中所占比例与霾强度呈正比.通过对南京市气象条件与霾的关系,及后向轨迹HYSPLIT4模式的聚类分析显示,结合南京市霾天气时的风向统计,影响南京霾发生的污染源主要有本地源、南京市东南地区的近距离污染源和华北地区的远距离污染源.     

污染减排及新冠肺炎对广州空气质量影响分析

自2017年《广州市空气质量达标规划》实施以来,广州空气质量大幅改善并于2020年首次实现全面达标,评估《规划》中本地污染减排措施实施成效可为后续大气污染防治提供参考.本研究基于各种减排情景的排放核算结果,综合运用空气质量模型模拟和数据融合技术,量化评估了本地污染减排措施、新冠疫情防控工作、周边排放控制及气象条件变化4种影响因素对2017—2020年广州市空气质量改善的贡献.评估结果显示,本地污染减排措施是2017—2020年SO₂、NO₂、PM₁₀及PM_2.5浓度下降的主导因素,其浓度削减贡献分别为53.58%、31.60%、34.24%及30.82%;疫情防控工作的浓度削减贡献在初期较大,但在后期随着复工复产而减弱;周边减排空气质量改善效果弱于本地污染减排;气象条件变化对各污染物浓度下降均存在正贡献,且对O3浓度削减的贡献(81.96%)尤为显著.     

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%.     

利用多元线性回归方法评估气象条件和控制措施对APEC期间北京空气质量的影响

气象条件对大气污染物的扩散和传输有重要影响,准确分离和定量气象因素对空气质量的影响是评估大气污染控制政策有效性的前提。本研究利用APEC会议期间及前后(2014-10-15~2014-11-30)北京城区朝阳观测站点SO2、NO、NO2、NOx、CO、PM2.5、PM1和PM10以及气象因素的观测数据,采用多元线性回归分析方法,定量评估了气象条件和空气污染控制措施对APEC期间北京空气质量的影响。在假定排放条件不变的情况下,基于气象因素参数建立的预测污染物浓度的多元线性回归模型模拟效果较为理想,决定系数R2在0.494~0.783之间。控制措施使得APEC控制期SO2、NO、NO2、NOx、CO、PM2.5、PM1和PM10浓度分别降低48.3%、53.5%、18.7%、40.6%、3.6%、34.6%、28.8%和40.6%,气象因素使得APEC控制期SO2、NO、NO2、NOx、CO、PM2.5、PM1和PM10浓度分别降低1.7%、-2.8%、18.7%、4.5%、18.6%、27.5%、30.6%和35.6%。气象因素和控制措施共同作用使得APEC控制期北京空气质量得到了明显改善。控制措施对SO2和氮氧化物浓度的下降起主导作用,气象因素对CO浓度的下降起主导作用,气象因素和控制措施对颗粒物浓度降低的贡献相当。本研究还利用相对权重方法研究了气象因素对污染物浓度影响的贡献,结果表明影响不同污染物浓度的决定性气象因素不同。     

珠江三角洲秋季典型O3污染的气象条件及贡献量化

利用自组织神经网络分析法,对珠江三角洲2013~2017年秋季海平面气压和全风速场进行大样本客观分型.结果表明,影响O₃的天气类型共有7种,由污染程度高低分为高、中、低3类,对应的平均O₃超标率分别为32.3%, 12.0%和4.2%.对比2017年和2016年秋季O₃污染天气分型下促发O₃污染的气象因子差异,2017年秋季高污染型O₃天气形势出现的天数比2016年增多,且中污染型天气形势出现时,2017年的局地污染气象条件更为不利.采用WRF-CAMx模式通过改变气象场输入来量化气象条件贡献,并用实测变化减去气象变化以推算排放贡献.结果表明,气象条件变化导致O₃浓度上升的贡献率为29.8%,而排放的变化引起O₃浓度下降的贡献率为7.1%.在2017年秋季开展的O₃污染防治专项行动指导下的珠江三角洲O₃前体物控制措施,有效缓解了部分由于不利气象条件而引起的O₃污染浓度上升.不利气象条件是导致2017年秋季O₃浓度升高的重要成因.     

太原市集中供热方案实施的空气质量效益模拟

太原市采暖期大气污染明显严重于非采暖期,为解决采暖期的大气污染问题,太原市制定了《太原市集中供热专项规划方案》。为了定量分析该规划实施后环境空气质量改善的效果,文章通过现场调查、资料调研和公式估算等方法,建立了太原市供热相关的现状污染源清单和供热改造后污染源清单,并以MM5模拟气象场和部分地面气象站观测数据为基础,利用适用于太原市复杂地形条件的CALPUFF大气扩散模型,对供热相关污染源在规划实施前后的污染贡献分别进行了模拟,分析了空气质量改善的效果。模拟显示,在供热相关污染源污染贡献相对较大的太原市区,SO2、NO2和PM10冬季采暖的污染贡献率可分别达到36.4%、35.3%和25.3%,规划实施后,各区域环境空气质量均明显好转。其中SO2下降幅度在8%~30.9%之间,NO2下降幅度在4.7%~22.1%之间,PM10下降幅度在2.3%~24.4%之间,最大下降幅度均出现在太原市区。     

近50年大兴区雾、霾气候特征及影响因素分析

文章利用北京市大兴区国家一般气象观测站1964-2013年50 a的历史地面气象观测资料,系统地分析了大兴区雾、霾天气气候变化特征及气温、风、相对湿度、最长连续无降水日数这些趋势变化特征对大兴当地雾、霾过程的影响。结果表明,雾日数变化趋势总体来说较平稳,霾日数波动性变化趋势比较明显;大兴区雾、霾日数在初秋及冬季较多,春季最少。从长期气象条件来看,雾、霾天气时,近地层主导风向多为偏南风,风速较非雾、霾天气时低了1.0 m/s以上,且静风所占频率较高;从1980-2014年北京地区霾现象发生时的相对湿度空间分布图来看,大兴、房山、通州相对湿度相比其他区域更大,维持在70%以上;逐月最长连续无降水日数与雾、霾出现次数的单谷型变化趋势较为一致。另外,1964-2013年气温每10 a增高0.4℃,平均风速减少速率为每10 a 0.2 m/s,气温和风速的这种变化趋势也不利于大兴地区污染物的扩散。     

京津冀区域霾天气特征

汇总京津冀区域内107个地面站的气象资料,利用14时实测的气象要素和天气现象资料对霾日进行判别,统计出各个站点1980~2008年中逐年及各月的霾日数.结果表明,北京、天津、河北霾天气整体变化趋势和波动特征较为相似,且均呈增加趋势,非城区站点平均霾日数明显呈增加趋势,且与市区站点霾日数的差距越来越小.京津冀区域霾日数的月际变化呈明显的双峰特征,即夏季和冬季霾日数较高.空间分布表明,霾日数高值区主要位于北京、天津、保定、石家庄、邯郸和邢台等地.多数站点霾日14时平均风速比非霾日低了1.0m/s以上,14时平均相对湿度则比非霾日高出20%以上.     

2014年10月北京市一次空气重污染过程分析

采用轨迹模拟与观测资料相结合的方式,对北京市2014年10月6—12日1次典型空气重污染过程的大气环境背景、气象条件和形成原因进行分析。结果表明:京津冀区域稳定的气象条件是形成重污染的主要原因,重污染过程中大气层结稳定,平均逆温强度每100 m为3.42℃,平均风速为1.56 m/s,平均湿度为83.13%;重污染过程中10月8—11日污染最重,北京ρ(PM_(2.5))日均值平均为264μg/m~3,且京津冀约20×104km~2国土面积处于重度污染水平;模拟结果显示污染最重的8—11日区域输送对北京PM_(2.5)贡献率在61%~69%;区域输送对北京PM2.5浓度起着更为重要的作用。