四川中东部地区2009年大气硫沉降模拟

采用第三代公共多尺度空气质量模型Models-3/CMAQ,对四川中东部地区2009年1月、4月、7月和10月SO₂排放所产生的硫沉降分布进行数值模拟研究,并且将该模型输出的ρ(SO₂)、SO₄2-湿沉降量分别与地面层的ρ(SO₂)、降水中SO₄2-湿沉降量实测值进行相关分析,探讨硫沉降的季节、区域分布特征及湿沉降变化. 结果表明:ρ(SO₂)模拟值与实测值的R(相关系数)为0.445,SO₄2-湿沉降量模拟值与实测值的R为0.510;四川中东部地区夏季硫沉降量为2.2×104 t,高于其他三季,冬季最小,为1.0×104 t;硫沉降呈三大片区分布,宜宾、乐山、泸州为高值分布区,资阳、遂宁、南充、广安和达州均属于硫沉降低值区,成都、德阳、绵阳片区属硫沉降次高值区;干沉降中SO₂沉降量在各季所占比例均在85%以上,湿沉降中各季SO₄2-沉降量所占比例均在99%以上.      

基于多机器学习算法耦合的空气质量数值预报订正方法研究及应用

应用多种机器学习算法进行时空耦合从而建立一种新的多模式集合预报订正算法(简称“ET-BPNN算法”),对4种常规污染物(NO₂、O₃、PM_2.5和PM₁₀)的空气质量模型预报结果进行订正. 订正方法分为两步,第一步中利用随机森林、极端随机树和梯度提升回归树3种机器学习算法,采用4个空气质量数值预报模式(CMAQ、CAMx、NAQPMS和WRFChem)的多尺度污染物浓度预报数据、中尺度天气模式(WRF)的气象因子预报数据(包括2 m温度、2 m相对湿度、10 m风速、10 m风向、气压和小时累计降水量)以及污染物浓度观测数据作为训练集,训练结果进入基于均方根误差的择优选择器,选取3种机器学习算法中优化效果最好的算法;在第二步中利用了BP神经网络算法,通过加权平均获得集合模式订正预报结果. 结果表明:①与模式集合平均算法相比,ET-BPNN算法使NO₂、O₃、PM_2.5和PM₁₀浓度预报值与观测值之间的均方根误差分别减小了30.4%、18.9%、43.3%和38.1%. ②ET-BPNN算法的优化效果较随机森林、极端随机树和梯度提升回归树3个机器学习算法有明显提升,与极端随机树算法相比,ET-BPNN算法使NO₂、O₃、PM_2.5和PM₁₀浓度预报值与观测值之间的均方根误差分别降低了42.7%、20.1%、19.7%和9.7%. ③在易发生污染的秋冬季,ET-BPNN算法对PM_2.5浓度的预报具有明显的优化效果,此外该算法明显缩小了不同站点预报和不同预报时效之间的偏差,具有较好的鲁棒性. ④对O₃和PM_2.5浓度预报而言,经ET-BPNN算法优化后的预报结果能够更好地把握污染过程,对污染物峰值浓度的预报也较模式集合平均算法更准确. 研究显示,ET-BPNN算法提高了空气质量模式对污染物浓度的预报效果.      

近周边电厂源对北京市采暖期间SO2的贡献分析

应用中尺度气象模式(MM5)与区域多尺度空气质量模型(CAMx)的耦合模型系统,模拟研究了2005年采暖期间近北京地区电厂源排放对北京市空气质量的影响;采用SO₂贡献来源识别技术筛选了对北京市空气质量影响大的区域电厂源. 结果表明:近北京地区电厂源对北京市ρ(SO₂)的影响从南到北呈递减趋势,其对北京城区、北京全市ρ(SO₂)月均贡献值分别为6.97和6.40 μg/m3;影响北京城区ρ(SO₂)的电厂排放源主要来自张家口、唐山、天津、石家庄、廊坊和衡水等地区,占ρ(SO₂) 总贡献值的83.2%;为缓解北京采暖期间SO₂污染压力,应首先控制和削减张家口、天津、唐山、石家庄地区SO₂排放量大的电厂源.      

基于GA-ANN改进的空气质量预测模型

基于人工神经网络的空气质量预测模型优于传统的逐步回归模型,但由于性能差异不明显而较少在空气质量预报中应用. 设计了将遗传算法和神经网络算法相结合的基于GA_-ANN的空气质量预测模型,并利用天津市2003—2007年气象和污染物监测资料对该模型进行验证. 对2007年全年的ρ(SO₂),ρ(NO₂)和ρ(PM₁₀₎进行预测,预测值与实测值的相关系数分别为0.899 6,0.828 3和0.600 0. 与一般的人工神经网络预测模型相比较,GA_-ANN模型将空气质量等级预报的准确率从77.57%提高到79.67%. GA_-ANN模型可结合其他方法进行日常空气质量预报.      

佛山市中心城区工业污染源排放的数值模拟

以广东省佛山市中心城区为研究区域,在分析城区工业污染源排放与分布特征的基础上,应用中尺度气象模式MM5耦合空气质量模式CALPUFF的方法,模拟了中心城区工业污染源排放SO₂的扩散传输过程. 在考虑周边污染源及本地污染物的情况下,发现ρ(SO₂)模拟值与实测值的变化趋势一致,表明模拟方案可较好地反映ρ(SO₂)的时空分布特征. 分析中心城区工业源排放时空分布模拟结果发现,工业污染源排放与分布特征和气象环境是影响城区工业源排放SO2的时空分布的重要因素.      

唐山市大气环境治理措施的效果及分析

为揭示河北省唐山市大气环境治理的措施效果,分析了“十一五”期间唐山市的减排措施、污染物排放量和空气污染物浓度的变化. 结果表明:“十一五”期间(2005—2010年),烟尘、工业粉尘、SO₂排放量分别减少35%、57%、20%,ρ(PM₁₀)、ρ(SO₂)、ρ(NO₂)年均值分别下降12%、33%、33%. 与GB 3095—2012《环境空气质量标准》相比,2005年ρ(PM₁₀)、ρ(SO₂)、ρ(NO₂)分别超标36%、42%、7%,而到2010年ρ(SO₂)、ρ(NO₂)已达标,但ρ(PM₁₀)仍然超标20%. 2008年北京奥运会期间的减排措施使得唐山市ρ(PM₁₀)、ρ(SO₂)、ρ(NO₂)年均值均显著下降,分别比2007年下降13%、20%、28%. 2008—2009年的全球经济危机使得2009年地方生产总值增速较其他年均值降低13%,2009年烟尘和SO₂排放量也呈显著下降趋势,二者比2008年分别下降14%和10%,但工业粉尘排放量反而增加8%. 经济危机使ρ(PM₁₀)、ρ(SO₂)、ρ(NO₂)下降速率分别提升了20%、2%、2%. 研究结果表明,“十一五”总量减排、2008年北京奥运会期间的治理措施和全球经济危机对唐山市的空气质量产生了明显的影响.      

云水和云下冲刷颗粒物与气态污染物对降水中硫酸盐和硝酸盐的贡献

为定量云水和云下冲刷分别对降水中SO₄2-、NO₃-的贡献,并进一步解析云下冲刷颗粒相和气相物质分别对降水样品中SO₄2-、NO₃-的贡献,于2016年4月-2017年2月采用APS-3A型降水自动采样仪对降水进行分段采集.采用离子色谱检测分段降水样品的ρ（SO₄2-）、ρ（NO₃-）,分析其变化规律;在降水前、降水中及降水后同步采集并检测大气颗粒相ρ（SO₄2-）、ρ（NO₃-）和气相ρ（SO₂）、ρ（NO₂）,分析颗粒相中ρ（SO₄2-）、ρ（NO₃-）和气相中ρ（SO₂）、ρ（NO₂）的变化与分布.结果表明:①ρ（SO₄2-）、ρ（NO₃-）在同一场降水的分段样品中呈逐渐降低至后期趋于平稳的趋势,说明降水对空气中污染物的冲刷使空气逐渐清洁,后期冲刷作用有限使得降水中离子质量浓度趋稳.②颗粒相中ρ（SO₄2-）、ρ（NO₃-）与气相中ρ（SO₂）、ρ（NO₂）在降水前较高,在降水中减小,并在降水后回升,说明降水对颗粒相SO₄2-、NO₃-和气相SO₂、NO₂均有清除作用,降水结束后无云下冲刷作用,污染物质量浓度逐步回升.③云水对降水中ρ（SO₄2-）、ρ（NO₃-）的贡献率分别为22%~56%（平均值为35%）、9%~49%（平均值为29%）,云下冲刷颗粒相SO₄2-、NO₃-对降水中ρ（SO₄2-）、ρ（NO₃-）的贡献率分别为39%~69%（平均值为55%）、43%~73%（平均值为56%）,云下冲刷气相SO₂、NO₂对降水中ρ（SO₄2-）、ρ（NO₃-）的贡献率分别为5%~17%（平均值为10%）、5%~19%（平均值为15%）.研究显示,降水中SO₄2-、NO₃-主要来源于云水和云下冲刷颗粒相SO₄2-、NO₃-,而来源于云下冲刷气相SO₂、NO₂较少.      

利用差分吸收光谱系统对O3，SO2和NO2的监测分析

结合我国对空气质量自动监测系统质量保证的要求及差分吸收光谱(DOAS)技术自身的技术特点,重点讨论了对南京江北地区的大气污染物的DOAS监测数据的质量控制, 并对2007年12月—2008年8月ρ(O₃),ρ(SO₂)和ρ(NO₂)的日、季节变化特征进行了分析. 结果表明:ρ(O₃),ρ(SO₂)和ρ(NO₂)小时均值的频率分布峰值分别出现在30～40,20～30和30～40 μg/m3;三者超过《环境空气质量标准》(GB3095—1996)一、二级标准的频率分别为4.37%和1.02%(O₃),21.78%和0.89%(SO₂),5.65%和0 (NO₂);ρ(O₃)季节变化十分明显,春季最高;ρ(SO₂)和ρ(NO₂)的日变化与局地排放源、大气扩散能力和人类活动密切相关;ρ(O₃)和ρ(NO₂)日变化呈负相关.      

青岛市不同空气质量下可培养生物气溶胶分布特征及影响因素

利用Andersen空气微生物采样器采集青岛市不同空气质量下的可培养生物气溶胶,分析了其浓度和粒径分布特征,并利用Spearman’s相关性分析了可培养生物气溶胶浓度和空气质量指数中的颗粒物质量浓度〔ρ(PM₁₀)、ρ(PM_2.5)〕、气体污染物质量浓度〔ρ(O₃)、ρ(SO₂)、ρ(NO₂)〕和气象参数(温度、相对湿度、风速)之间的关系.结果表明:可培养真菌和细菌气溶胶浓度范围分别为133～1 113和13～212 CFU/m3.真菌气溶胶浓度与ρ(SO₂)、ρ(PM₁₀)、ρ(PM_2.5)均呈正相关,而与相对湿度呈显著负相关(P<0.05).细菌气溶胶浓度与ρ(NO₂)、ρ(SO₂)呈负相关,而与ρ(O₃)、温度呈正相关.风速对可培养生物气溶胶浓度的影响较小.以AQI(空气质量指数)中ρ(PM₁₀)为依据,将研究时间段空气质量划分为4个空气污染等级.在不同污染等级下,真菌气溶胶均呈对数正态分布,粒径主要分布于2.1～4.7 μm.低污染时细菌气溶胶呈偏态分布(粒径>4.7 μm),高污染时粒径分布发生改变.初步推断,随着空气污染等级的升高,可培养生物(真菌+细菌)气溶胶总浓度增加,但单位颗粒物上的浓度变化较稳定.ρ(PM₁₀)是影响可培养生物气溶胶浓度及粒径分布的主要因素.      

兰州冬季大气污染来源分析

利用WRF(天气研究与预报模式)输出的高分辨率气象数据驱动HYSPLIT_4.9(混合单粒子拉格朗日轨迹模式),结合PSCF(潜在源贡献因子)和CWT(权重浓度轨迹分析)模拟研究复杂地形下兰州城市尺度大气污染物局地输送特征、潜在源区及其对空气质量的影响. 结果表明:2002—2008年影响兰州城区冬季12月空气质量的轨迹可分为5类,输送类型可分为城区内输送和城区外输送. 第1、3类轨迹出现频率均大于20%且污染轨迹出现频率均大于38%,是污染物的主要输送路径,对应潜在源区为兰州城关区东北部和榆中县东部,这2个源区对ρ(PM₁₀)的影响最大,对ρ(SO₂)的影响最小,对ρ(PM₁₀)、ρ(SO₂)和ρ(NO₂)的贡献分别超过200、80和60 μg/m3. 来自榆中县的第4类轨迹和兰州西固区的第5类轨迹易造成大气重污染,而来自皋兰县的第2类轨迹属于清洁轨迹. 兰州冬季污染既受局地输送的影响,也与地面天气形势密切相关.      

边界层方案对华北一次污染过程模拟的影响

采用WRF模式中YSU、MYJ和ACM2 3种边界层参数化方案,利用WRF模式和空气质量模式CAMx对2015年11月11~15日发生在京津冀地区的一次污染过程进行了模拟,同时利用地面气象要素、风廓线、秒探空和空气质量观测数据对3种参数化方案下的模拟结果进行了验证对比.一种基于临界垂直湍流交换系数确定边界高度的方法被用于对比3种参数化方案之间垂直扩散能力的差异.结果表明,MYJ方案对10m风速高估最大（平均高估0.66m/s）,对2m温度和2m湿度低估最小,YSU和ACM2方案对地面气象要素的模拟效果相近;ACM2方案对于边界层内垂直廓线模拟效果优于YSU和MYJ方案,但是3种参数化方案对边界层内风速均存在高估（高估可达2.6m/s）;基于临界垂直湍流交换系数方法定义的边界层高度更能反映大气的垂直扩散能力,MYJ方案边界层高度最小,其模拟的PM_2.5浓度最高;MYJ方案对于地面风速的高估,会降低模拟的区域整体PM_2.5浓度,但是会增加风速较大区域下风向的PM_2.5浓度;ACM2方案对边界层垂直廓线模拟最好,夜间底层垂直湍流交换系数计算值较大,使得ACM2方案对于本次过程中PM_2.5等污染物的模拟优于MYJ和YSU方案.     

气态污染物和气溶胶在线检测装置(GAC)测量结果评估

气态污染物和气溶胶在线检测装置(GAC)是一种连续收集、测量气态污染物和气溶胶水溶性组分的装置. 分别将GAC的测量结果与二氧化硫(SO₂)分析仪、差分吸收光谱(DOAS)、颗粒物-液体转换采集系统(PILS)和膜采样法的测量结果进行比对. 结果表明:GAC对SO₂吸收完全,测量结果稳定可靠;GAC测量的气态亚硝酸(HONO)质量浓度比DOAS测量值略偏高,原因可能是在相对湿度较高的条件下GAC对HONO的测量受到了NO₂的干扰;GAC和PILS测量的硫酸盐、硝酸盐和氯离子质量浓度〔分别以ρ(SO₄2-),ρ(NO₃-)和ρ(Cl-)计〕均有较好的相关性,将ρ_GAC (SO₄2-)校正到与PILS相同的粒径范围后,与ρ_PILS (SO₄2-)的系统偏差仅为-2%;GAC与膜采样法测量的ρ(SO₄2-)具有较好的相关性(R20.96),而二者的ρ(NO₃-)相关性较差,原因可能是硝酸盐在膜采样过程中有损失,使膜采样法的测量结果偏低.      

大气多环芳烃区域迁移转化模型比较与关键影响因素:以京津冀地区为例

针对芘(Pyr)和苯并[a]芘(BaP),以京津冀地区2014年为例分别构建CMAQ和BETR模型系统开展数值模拟,对比评估两种模型对PAHs大气迁移转化的模拟效果,并利用XGBoost模型识别CMAQ中影响PAHs环境行为的关键大气物理化学过程和参数.结果表明,BETR和CMAQ模拟年均值与实测年均值比值基本在1/2～2之间,且CMAQ模拟值和实测值季节变化趋势相同,验证了两类模型结果的可靠性.同时,将CMAQ模型9 km网格模拟浓度平均至27 km网格并和BETR模拟浓度的对比结果显示,BETR模型Pyr和BaP模拟浓度平均分别约为CMAQ年均模拟浓度的1.59倍和1.38倍,两类模型在年均浓度水平和空间分布方面具有较好的可比性.基于XGBoost模型的SHAP变量重要性分析表明,边界层高是对Pyr和BaP迁移转化影响最大的气象因素,其重要性在所有因素中占比高达22%～35%,在部分城市和污染物中对浓度变化的贡献甚至超过排放量,且和两种PAHs浓度呈显著负相关;PAHs浓度水平其次受风速影响最大,且风速和PAHs浓度呈负相关关系;风向对不同城市污染物浓度的影响则各不相同.     

A numerical study of summer ozone concentration over the Kanto area of Japan using the MM5/CMAQ model

We assessed the ability of the MM5/CMAQ model to predict ozone (O3) air quality over the Kanto area and to investigate the factors that a ect simulation of O3. We find that the coupled MM5/CMAQ model is a useful tool for the analysis of urban environmental problems. The simulation results were compared with observational data and were found to accurately replicate most of the important observed characteristics. The initial and boundary conditions were found to have a significant e ect on simulated O3 concentrations. The results show that on hot and dry days with high O3 concentration, the CMAQ model provides a poor simulation of O3 maxima when using initial and boundary conditions derived from the CMAQ default data. The simulation of peak O3 concentrations is improved with the JCAP initial and boundary conditions. On mild days, the default CMAQ initial and boundary conditions provide a more realistic simulation. Meteorological conditions also have a strong impact on the simulated distribution and accumulation of O3 concentrations in this area. Low O3 concentrations are simulated during mild weather conditions, and high concentrations are predicted during hot and dry weather. By investigating the e ects of di erent meteorological conditions on each model process, we find that advection and di usion di er the most between the two meteorological regimes. Thus, di erences in the winds that govern the transport of O3 and its precursors are likely the most important meteorological drivers of ozone concentration over the central Kanto area.     

CCSM4/WRF-CMAQ动力降尺度预估RCP8.5情景下京津冀地区空气质量的潜在变化

目前,针对气候变化对区域空气质量影响的研究相对较少,并且多采用统计降尺度方法对全球气候模式结果进行处理.采用WRF中尺度气象模式对CCSM4气候模式的CMIP5 RCP8.5情景预估结果进行动力降尺度处理,并为CMAQ空气质量模式提供气象场;在2012年清华大学MEIC大气污染物排放清单的基础上,选取2005年作为气候现状代表年、2049-2051年作为未来气候代表年,对京津冀地区典型月份（1月、4月、7月、10月）的气象及空气质量数值模拟结果进行对比,以此预估气候变化背景下京津冀地区空气质量潜在变化.结果表明,在排放情况不变及RCP8.5情景下,未来代表年与现状代表年相比,京津冀地区以典型月份为代表的年均气象因素整体呈现温度升高,风速、相对湿度及大气边界层高度均降低的趋势;年均大气污染物浓度整体呈现升高的趋势,其中,温度升高约0.8℃,风速降低约0.11 m/s,相对湿度降低约2%,大气边界层高度降低约8 m,ρ（PM_2.5）升高约2.4 μg/m3,ρ（SO₂）升高约1.8 μg/m3,ρ（NO_x）升高约1.0 μg/m3;此外,主要的气象条件（温度、风速、相对湿度、大气边界层高度）中,风速及大气边界层高度的降低可能是造成这些大气污染物浓度变化的主要气象因素,并且风速及大气边界层高度的降低与ρ（PM_2.5）降低的相关系数分别约为-0.44和-0.26.研究显示,气候变化会对京津冀地区造成污染物浓度升高的潜在风险,同时由于现阶段缺乏可用于空气质量模式的未来排放情景数据、在线耦合模式日臻完善,在我国气候-空气质量的研究领域亟待进行更深层次的研究.      

珠三角空气质量暨光化学烟雾数值预报系统

基于中尺度气象模式(MM5)、排放源模式(SMOKE)和大气化学模式(CMAQ),耦合本地排放源清单,建立了珠三角区域空气质量数值模式预报系统。该套模式系统对清洁、污染过程的一次、二次污染物都有较好的预报能力。冬季,能见度和PM_(2.5)的预报值和观测值的相关系数最高达0.76和0.78。O_3和NO_x的预报值和观测值的相关系数为0.64和0.61。随着预报时效的增加,预报效果没有明显降低。夏季,在2个典型光化学过程中,O_3的预报值和观测值的相关系数分别为0.68和0.81,NO_x分别为0.57和0.64。在相关的边界层气象因子中,地表通风系数和能见度相关度最高,相关系数达0.71。混合层高度、地面风速、比湿和能见度的相关系数分别为0.55、0.50、和-0.37。在灰霾过程中,PM_(2.5)占PM_(10)的质量浓度为78%。在气溶胶质量权重中,硫酸盐所占的比重最高,占PM_(2.5)权重达到33%,元素碳为18%,有机碳为14%,铵盐为5%,硝酸盐仅为1%。灰霾过程的二次气溶胶的质量权重比清洁过程的大。     

珠三角秋季典型气象条件对空气污染过程的影响分析

利用空气质量指数(AQI)、主要大气污染物浓度和气象要素、天气图等数据资料,结合中尺度数值天气预报模式WRF,对2014年10月珠三角地区污染期间的天气形势及气象特征进行了分析.结果表明,WRF模式可以较好地反映珠三角地区主要城市地面和高空气象要素的时空变化,9个城市平均地表的温度、相对湿度和风速的模拟值与观测值的相关系数分别为0.90、0.87和0.78.对2014年10月3次污染过程的分析表明,造成该时段珠三角地区空气污染的天气形势主要是高压底部型和均压场型.静风或小风(2 m·s~(-1))及稳定的大气层结均不利于污染物的扩散,同时由于偏北气流输送周边污染物到珠三角地区,导致污染物浓度不断增加.相对湿度低于65%时,珠三角地区首要污染物以O_3为主;相对湿度高于70%时,PM_(2.5)浓度逐渐增加,成为主要污染物.高温等气象条件会影响光化学反应,加重珠江三角洲的空气污染,表现了该地区大气复合污染的特性.     

2001~2019年气象条件对江苏省PM2.5分布的影响

利用区域在线空气质量模式WRF-Chem模拟研究了2001～2019年气象条件对江苏省PM_2.5浓度分布的影响.在排放源不变的情况下,气象条件引起的江苏省PM_2.5年均浓度的最强正、负异常分别出现在2008和2001年,它们的异常值相对于多年平均值分别占比10.5%和-14.3%,表明气象条件对PM_2.5浓度年际变化有明显影响.经验正交函数分解的结果表明,气象条件对江苏省PM_2.5浓度的空间分布的影响具有一致性.边界层高度、温度、相对湿度、风速和降水整体上都与江苏省PM_2.5浓度呈现显著负相关关系.以上气象因子所构建的线性回归方程能较好地描述PM_2.5浓度和气象条件之间的关系,其拟合值与模拟值相关性为0.73,通过了99%的信度水平检验.     

2013年1月华北地区重霾污染过程SO2和NOx的CMAQ源同化模拟研究

以2006年中国地区的INTEX-B排放清单为基础,采用CMAQ模式污染源同化方法,反演更新了2013年1月重霾污染过程华北地区的SO₂和NO_x排放源;应用WRF-CMAQ模式以及2006年INTEX-B初始排放源和2013年1月改进的排放源,分别模拟了1月9-15日和28-31日两次持续重霾污染过程的SO₂和NO₂浓度,并与华北地区47个环境监测站点实测值进行对比,重点分析了基于初始源和同化反演源的模拟效果及其改进原因;本文亦采用2012年清华大学编制的东亚地区MEIC排放清单评估了SO₂和NO_x同化反演源的合理性.分析结果表明:①CMAQ模式污染源同化方法可适用于重霾污染过程,即采用同化反演源模拟的SO₂、NO₂浓度时空变化特征与实测值较一致,而且可反映SO₂、NO_x排放源强的动态变化特征;②基于同化反演源的SO₂、NO₂浓度模拟效果明显优于2006年INTEX-B排放源,其时间变化趋势与实测值较一致,而且可模拟重霾污染过程SO₂、NO₂浓度的峰值;③采用反演源模拟的SO₂、NO₂浓度空间区分布特征与实测值较一致,而且可较好反映重污染区的极值分布特征;④经污染源同化改进后SO₂、NO₂模拟浓度与实测值的相关系数有所提高,误差明显减小;SO₂的改进效果略优于NO₂,这与污染源对两种污染物浓度的影响差异有关;⑤初始源中SO₂、NO_x排放源的空间分布和强度与2012年清华大学编制的排放源强差异较大,而同化反演源的空间分布和强度均接近于上述2012年排放源,较好反映出重点地区的高污染源分布特征.本文研究结果将为改进重霾污染过程的空气质量预报、减小自下而上建立的排放源清单不确定性、评估SO₂、NO_x等排放源的影响效应以及不同气象条件下区域排放源的动态调控等提供新技术途径和研究思路.     

铜的大气腐蚀研究

综述了各种因素对铜大气腐蚀的影响,其中介绍了单一气体SO2、NOx、O3及混合气体协同作用对铜大气腐蚀的影响。在铜腐蚀中,SO2 NO2的协同效应只有在一个相对高的湿度(90%)下才发生。SO2 O3的协同效应要强于SO2 NO2的协同效应,这可以解释为什么铜在富含O3的乡村环境中有高的腐蚀率。重点阐述了硫酸铵微粒的影响,在硫酸铵的临界相对湿度(CRH)时,铜的腐蚀率和机制变化很显著;同时介绍了铜的几种腐蚀产物及其形成机制。简述了研究铜大气腐蚀的常用实验方法和几种表征手段,并展望了铜大气腐蚀的研究趋势。