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.     

中国5个大气本底站观测的CH_4浓度变化规律

甲烷作为大气中仅次于二氧化碳的第二大温室气体,其浓度的增加会加速全球气候变暖。应用M-K突变检测等方法对2009年1月-2013年12月瓦里关(WLG)、临安(LAN)、龙凤山(LFS)、上甸子(SDZ)和2010年7月-2013年12月香格里拉(XGLL)本底站甲烷浓度的时间、空间变化特征及形成原因进行了分析。结果表明,研究时段内临安站点的甲烷体积浓度最高,平均值为1 965×10~(-9);龙凤山站次高,平均值是1 939×10~(-9);上甸子站居中,均值为1 914×10~(-9);瓦里关和香格里拉站的最低,平均值分别是1 864×10~(-9)和1 861×10~(-9)。瓦里关站甲烷浓度年均增长率为0.034%,临安、龙凤山、上甸子和香格里拉本底站的年均增长率分别为0.033%、0.025%、0.018%和0.01%。临安、龙凤山、上甸子均出现浓度突变点,突变点出现的时间与污染过程发生的时间相吻合。季节变化特征表现为:临安站甲烷浓度在7月份达到谷值;龙凤山为"W"型变化;上甸子站在7、8月份CH_4浓度最高,瓦里关季节变化与上甸子类似;而香格里拉站点夏季CH_4浓度受季风的影响较大,表现出明显的单峰。除了瓦里关站点,其它4个站点甲烷浓度的日变化均表现出同样的趋势:午后达到全天最低值,夜间和凌晨的浓度较高;而瓦里关正好相反,于正午达到全天甲烷浓度的峰值,这是由于牧区放牧造成的。     

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.     

长江三角洲背景地区CO2浓度变化特征研究

通过分析2009年1月~2010年12月临安区域大气本底站在线观测获得的CO2浓度,研究地面风向、地面风速、气团输送等因素对长江三角洲背景地区CO2浓度的影响.结果表明,临安站CO2浓度的日变化分布表现为单峰型形态,下午低、凌晨高,浓度日变幅在9.5′10-6~44.3′10-6 (V/V)之间;季节变化特征表现为冬春季高,夏季低,浓度年较差为10.1′10-6 (V/V).通过分析地面风向、地面风速和气团输送等因素对临安站CO2浓度的影响表明,引起CO2浓度升高的地面风向夏季主要为NW~NNE,冬季主要为NNE~ESE;地面风速越大,CO2浓度越小;气团远距离输送的影响主要取决于气团途径区域的CO2排放情况.     

本底站和城区站CO浓度变化特征和源贡献

采用FLEXPART大气扩散模式结合清单的模拟方法,通过与2010年上甸子大气本底站和城区海淀宝联站的CO观测浓度的比较,研究了北京地区CO浓度变化特征,并统计分析了各类排放源的贡献差异.研究结果表明:上甸子站和宝联站CO模拟浓度与观测浓度的变化趋势基本一致,相关系数分别优于0.74和0.45;与观测值相比,两站模拟浓度值偏低,模式对观测浓度峰值模拟能力有限.利用不同源清单模拟获得的同一站点CO浓度值相近,但交通、工业、民用等分类排放源对CO模拟浓度的贡献差异明显.与INTEX-B2006清单相比,利用MEIC2010排放清单模拟的宝联站交通与工业排放贡献的占比小、民用排放占比大;而上甸子站交通排放贡献的占比小,民用与工业排放的贡献占比大.因此,利用FLEXPART模式结合清单的模拟方法对CO浓度具有较好的模拟能力,可以较为准确地反映区域大气本底站和城区站CO浓度的变化特征;各类排放源对模拟浓度的贡献不仅受到测站所在地的局地排放源影响,更与影响测站的印痕区域的排放源密切相关.     

瓦里关气相色谱法大气CO_2和CH_4在线观测数据处理分析

加强我国本底站温室气体数据资源的科学管理与共享,首先应保证观测全流程的标准化和规范化,确立数据处理和质量控制方法.我国青海瓦里关全球本底站自1994年开始了气相色谱-氢火焰离子化检测器法(GC-FID)大气CO2和CH4在线观测,本文详细讨论了该系统原始资料采集、数据信息合并、时间序列检查、观测员级质量控制和专家级质量控制等流程.利用局部近似回归法对大气CO2和CH4数据进行本底值筛分,获得CO2本底数据百分比约占有效数据的72%、CH4占44%.在线观测的CO2和CH4月平均浓度与同期瓶采样分析结果基本一致,相对偏差均在±0.5%以内.经流程化处理和质控的瓦里关大气CO2和CH4本底浓度变化资料已进入全球同化数据库(Globalview-CO2、Globalview-CH4),报送世界温室气体数据中心(WDCGG)并应用于世界气象组织(WMO)温室气体公报和联合国政府间气候变化专门委员会(IPCC)评估.     

上甸子区域背景站VOCs污染特征及其对臭氧生成贡献

大气中的挥发性有机物(volatile organic compounds,VOCs)作为对流层臭氧和二次有机气溶胶的前体物,在光化学反应和细颗粒物污染中发挥着重要的作用.本研究于2017年9月1～27日在上甸子区域背景站开展VOCs的连续在线观测,对VOCs的浓度水平,时空变化特征,化学反应活性及其对臭氧生成的贡献进行了研究,并运用特征物种比值法对初始VOCs的来源进行了分析.结果表明, 2017年9月上甸子站总VOCs平均体积分数为12.53×10~(-9),其中,烷烃是体积分数最大的组分,占到了总VOCs的65.3%,其次是烯烃和芳香烃,分别占到了总VOCs的26.7%和6.5%.从大气化学活性来看,上甸子站总的L~(·OH)(·OH损耗率)为5.2 s~(-1),其中C4～C5烯烃占到了61%,其次是C2～C3烯烃,占到了12.8%.VOCs的臭氧生成潜势平均值为36.5×10~(-9),烯烃是贡献最大的组分,占到了71.2%.烯烃中又以C4～C5烯烃的贡献最为突出,而体积分数较大的烷烃对臭氧生成的贡献却不大.对特征物种的比值研究发现,上甸子站VOCs受生物质燃烧和燃煤排放的影响较大,除此之外,交通排放源也有一定的影响,完全不受工业排放源的影响.     

区域污染对本底地区气溶胶光学特性及辐射强迫影响的地基和卫星遥感观测研究

基于华北区域大气本底站(北京上甸子站)地面观测和卫星遥感监测数据,分析了2011年10月1~15日在天气系统和人为污染物排放的影响下3次华北平原地区污染输送事件对本底地区气溶胶质量浓度及其光学特性的显著影响.结果表明,受人为污染事件输送影响,上甸子站10月4~5日、7~9日及11~12日气溶胶浓度和反应性气体浓度显著增加,和10月1~3日背景条件相比,反应性气体NOx、CO体积浓度增加3~6倍,SO2体积浓度增加了10~20倍;PM2.5质量浓度10月9日达到200μg·m-3;污染期间500 nm日平均气溶胶光学厚度达到0.60~1.00,气溶胶单次散射反照率低于0.88,黑碳浓度增加4~8倍,表明此次污染事件气溶胶吸收很强,因气溶胶吸收作用导致大气吸收太阳辐射增加100~400 W·m-2,气溶胶吸收和散射导致地表入射太阳辐射下降100~300 W·m-2,地表入射太阳辐射减弱且大气加热增强将导致大气稳定度增加,这可能将显著影响云和降水过程,对区域天气和气候产生重要影响.     

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.     

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.     

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.     

江西赣州站大气CO2和CH4浓度变化特征研究

通过分析2018年12月—2019年11月江西赣州站大气CO₂和CH₄浓度高精度在线观测资料,对其CO₂和CH₄浓度变化特征进行了研究,分析了区域大气输送的影响以及潜在排放源区分布特征.结果表明：研究期内赣州站CO₂和CH₄的平均浓度分别为433.1×10^-6和2142.5×10^-9.赣州站CO₂和CH₄浓度日变化均表现为日间低、早晚高,CO₂浓度日振幅在夏季最大,为29.7×10^-6,冬季最小,为6.9×10^-6.CH₄浓度日振幅在秋季最大,为145.1×10^-9,冬季最小,为41.4×10^-9.CO₂本底浓度季节变化表现为4—8月迅速下降,8—11月逐渐上升,最大值出现在1月,最小值出现在8月,季节振幅为26.2×10^-6.CH₄本底浓度季节变化表现为1—7月逐渐下降,7—9月逐渐上升,最大值出现在1月,最小值出现在7月,季节振幅为79.5×10^-9,基本可代表江西赣州地区混合均匀大气的CO₂和CH₄季节变化状况.与南昌站对比分析表明,赣州站各季节CO₂和CH₄本底浓度均低于南昌站.赣州地区CO₂和CH₄潜在源区主要分布在江西北部、湖北东部、安徽南部和珠江三角洲地区.     

临安区域大气本底站CO_2浓度特征及其碳源汇变化研究

通过分析2006年8月～2009年7月临安区域大气本底站Flask瓶采样获得的CO2浓度特征,结合碳追踪模式的模拟结果,研究了长三角地区碳源汇变化对CO2浓度的影响.结果表明,临安区域大气本底站的CO2浓度分布在368.3×10-6～414.8×10-6之间,具有较明显的季节波动变化特征,冬季高、夏季低,浓度年较差接近...     

青海湖东北岸天然草地CO2 通量变化特征

采用涡度相关法对青海湖东北岸地区草甸化草原生态系统的CO₂ 通量进行了观测,结果表明： 在生长季节(5~9 月),就日变化,08:00~19:00 为CO₂ 净吸收,20:00~07:00 为CO₂ 净排放,CO₂ 通量 净吸收峰值一般出现在12:00 时,7 月份12:00 时CO₂ 净吸收峰值为1.41 g·(m2·h)^-1;就月变化,7 月 是生长季CO₂ 净吸收最高月份,月CO₂ 净吸收量达到162.70 g·m^-2,整个生长季CO₂ 净吸收的总量达 468.07 g·m^-2。非生长季节(1~4 月及10~12 月),CO₂ 通量日变化振幅极小,最大CO₂ 净排放通量出现 在3 月,为0.29 g·(m2·h)^-1,除12 月和1 月各时段CO₂ 通量接近于零,其余月份各时段CO₂ 净排放在 0.02~0.29 g·(m2·h)^-1;3 月是全年CO₂ 净排放的最高月份,全月CO₂ 净排放量为72.33 g·m^-2,整个非生 长季CO₂ 净排放为319.78 g·m^-2。结果表明,无放牧条件下青海湖东北岸地区草甸化草原,全年CO₂ 净吸收量达148.30 g·m^-2,是显著的CO₂ 汇。