福州市PM_(2.5)污染过程中大气边界层和区域传输研究

以福建省会福州市2013年1月空气质量变化为对象,分析大气边界层变化和周边区域污染物传输对福州市大气颗粒物PM2.5的影响.利用福州市2013年1月逐日地面和探空观测资料以及NCEP提供的2013年1月FNL分析资料,通过大气边界层要素与PM2.5浓度之间的相关性,对PM2.5污染过程的大气边界层特征进行分析;同时采用HYSPLIT后向轨迹模拟及区域风场相关矢分析对影响福州雾霾的污染物区域传输路径进行探讨.结果表明:地面气温与PM2.5浓度呈正相关,地面风速与PM2.5浓度呈负相关,近地面边界层条件有利于霾颗粒物的形成和累积.但不同于我国东部主要污染源区霾污染过程中存在大气边界层逆温,福州PM2.5污染过程中并未出现大气边界层逆温结构,这一边界层结构的垂直混合可有利于区域传输的污染物从上层大气到达近地面从而加重福州霾污染,福州是华东地区一个PM2.5污染物的主要接受区,PM2.5污染物主要以外源输送为主.2013年1月份福州市清洁日近地面风向为海洋吹向大陆的东南风,霾污染日则为大陆吹向海洋的偏北风,PM2.5污染物主要从长三角地区、苏北以及安徽河南一带通过东北和西北方向的传输路径影响福州的空气质量.     

2013年12月初长江三角洲及周边地区重霾污染的数值模拟

运用WRF-CMAQ模型模拟了2013年12月1~9日长江三角洲及周边地区的一次重霾污染过程.初步探究灰霾天气下大气细颗粒物(PM2.5)的时空分布特征和区域输送过程,并定量研究了外部源区域输送和本地源对长江三角洲地区PM2.5的贡献.结果表明:模式能够合理再现灰霾天气下长江三角洲及周边地区PM2.5的时空分布特征和演变规律.静稳天气下大气细颗粒物仍然存在着显著的区域输送.污染期间来自安徽、山东南部、苏北地区的跨界输送对长江三角洲区域PM2.5的贡献率分别为3.5%~24.9%、0.14%~30.0%、0.03%~17.5%.整个污染期间本地贡献占49%左右,本地贡献和外地贡献基本相当.     

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.     

霾天气南京市大气PM_(2.5)中水溶性离子污染特征

为了讨论南京市大气细颗粒物(PM2.5)及水溶性组分在霾天气下的污染水平和污染特征,2007年6月10日至2008年5月29日对南京市大气细粒子PM2.5进行了采样,用PM2.5在线监测浓度、离子色谱法等分别测得PM2.5的质量浓度、水溶性离子组成,初步研究了南京市大气细粒子(PM2.5)及水溶性组分在霾天气下的污染水平和污染特征。结果表明,南京市大气细颗粒物污染严重,霾天气下PM2.5中总水溶性离子质量浓度为54.28μg/m3,为非霾天气的1.6倍。分析的6种离子中SO42-、NO3-、NH4+是PM2.5的主要组成成分。灰霾期间PM2.5与NO3-、SO42-、NH4+的相关性较高,PM2.5中颗粒物的主要存在形式可能为NH4Cl、NH4NO3,(NH)42SO4或NH4HSO4。对比不同季节不同天气下的SOR(SO2转化率)和NOR(NOx转化率),发现霾天气下SO2和NOX转化率高于正常天气,表明SO2、NO2在霾天气更容易转化为二次粒子。     

北京地区冬春PM2.5和PM10污染水平时空分布及其与气象条件的关系

北京2012~2013年的冬春多次出现雾霾天气,可吸入颗粒物(PM10)污染严重.而PM2.5作为PM10中粒径较小的部分,在PM10中所占比重越高,污染越严重.因此,本研究选取了能够覆盖北京所有区县的30个PM2.5和PM10的质量浓度监测点,对该地区的PM2.5和PM10污染特征进行分析,确定其空间差异特征和时间性变化特征.普通克里格插值(Original Kriging)法得到的北京地区冬、春季颗粒物浓度分布图显示,颗粒物浓度从北部山区到南部地区逐渐递增,在中心城区处,西部高于东部,且局部地区存在一定的城乡差异.颗粒物浓度月变化曲线呈单峰单谷型,1月最高,4月最低;逐日变化反映了PM2.5和PM10浓度具有较好的相关性,且受气象条件影响显著;日变化呈双峰趋势.本文选取日平均气温(℃)、相对湿度(%)、风速(风级)、降水量(mm)等气象因子,利用Spearman秩相关分析研究各个气象因子对大气PM2.5和PM10浓度的影响.北京冬季PM2.5和PM10的质量浓度分别与气温、相对湿度正相关,与风速负相关,风速和相对湿度是影响污染物质量浓度分布的主要因素.     

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。     

南京冬季典型霾天气过程多元对比分析

选取2017～2020南京地区冬季3个典型霾天气过程,综合分析了霾天气过程中污染物、气象要素以及边界层条件等影响机制与特征变化.结果表明,3次过程中,AQI指数峰值分别为304(严重污染)、227(重度污染)与176(中度污染),且与PM2.5、PM10浓度变化基本趋于一致,PM25与PM10比值基本都大于0.7;污染...     

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.     

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.     

上海市青浦城厢地区可吸入颗粒物污染状况分析

为了研究青浦城厢地区可吸入颗粒物污染状况,分析了2005年至2010年空气质量资料,结果表明:青浦城厢地区首要污染物为PM10,其质量浓度呈逐年下降趋势。PM10浓度的月度变化幅度比较大,全年PM10浓度及超标率呈现"高一低一高"的变化趋势。春、冬季比较高,夏、秋季比较低。PM10质量浓度的日变化非常明显,呈现出"双峰"状分布。PM2.5和PM10的平均比值为0.531,表明该地区可吸人颗粒物中细颗粒物的比例较高,细颗粒物对人群的健康影响更为严重。PM10和PM2.5各月日均值之间和各月均值之间均呈高度相关,线性关系非常显著,二者之间回归直线关系存在,可用回归方程y=ax+b进行计算。     

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.     

珠三角冬季PM2.5重污染区域输送特征数值模拟研究

利用嵌套网格空气质量模式系统(NAQPMS)及其耦合的污染来源追踪模块,针对2013年1月珠三角区域的PM_(2.5)重污染过程输送特征进行了数值模拟研究.结果表明,污染气团首先形成于广州、佛山地区,并在弱偏北风的作用下南移加强,影响整个珠三角区域.重污染期间,广州(64.9%)、佛山(58.9%)的PM_(2.5)主要来自本地贡献,是区域输送最主要的来源地区;中山(51.9%)、珠海(66.2%)的PM_(2.5)主要来自外来贡献,是区域输送主要的受体地区.重污染期间,广州和佛山对中山的PM_(2.5)日均贡献率之和总体保持在25%以上,污染最重时达到40%.交通(26%)、工业(24%)、扬尘(16%)、火力发电(15%)和生物质燃烧(8%)是对中山贡献最大的5类源:工业源中山本地与外来输送贡献率基本相当;交通和扬尘源以中山本地贡献为主,贡献率分别为55%和67%;火力发电和生物质燃烧源以外来输送为主,贡献率分别为56%和62%.各类排放源的外来输送中,以广州、佛山所占的比例最大.     

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.     

基于KZ滤波法的河北省PM2.5和O3浓度不同时间尺度分析研究

大气细粒子和臭氧是影响我国城市空气质量的主要污染物质,其浓度的大小不仅与污染源的排放量有关,气象条件也是影响其浓度分布特征的重要因素.要评估污染物减排措施的效果,有必要将气象条件的影响剥离出来,仅评估排放量的降低对污染物浓度长期变化趋势的影响.本文使用KZ(Kolmogorov-Zurbenko)滤波方法对河北省石家庄、保定、张家口三市2013—2017年PM_(2.5)和O_3逐日浓度时间序列进行分解,并使用同期地面气象观测数据对各时间序列进行逐步回归分析,将经过KZ滤波后的长期序列与经逐步回归后的结果的差值再次进行滤波处理,得到去除气象影响的污染物浓度长期变化趋势,该浓度仅与污染物的排放量有关.结果表明,因污染源排放的影响,河北省三市大气PM_(2.5)浓度在研究年内除在2017年初略有上升以外,其余季节均呈下降趋势.河北省三市大气O_3浓度在研究年内均有波动上升趋势.气象条件对PM_(2.5)浓度长期变化趋势的影响大于O_3.     

基于LMDI分解方法的河北省PM2.5排放驱动因素分析

研究了河北省1990—2015年PM_(2.5)的排放总量及各个产业部门的排放量分布,并应用LMDI模型对五大部门PM_(2.5)排放变化的驱动因素进行了较全面的分解分析,以找出每个部门中PM_(2.5)排放变化的关键驱动因素.同时,通过对原始数据的整理分析和模型计算,结果发现:①工业、生活消费、农业部门是河北省PM_(2.5)排放的三大来源.其中,工业部门是PM_(2.5)排放的最主要贡献部门,占PM_(2.5)总排放量的70%;生活消费部门的贡献位居第二,占比约24%.②对于生产端,经济规模总量扩张是PM_(2.5)排放量增加的最主要原因;能源利用效率的提高和污染治理工艺水平的改进使得各部门的排放强度减弱,明显缓解了PM_(2.5)的排放增长,部门经济结构的优化也可带来明显的减排效应.③对于消费端,人均收入的提高促进了PM_(2.5)排放的增加,倡导绿色消费模式可以有效减缓PM_(2.5)排放.根据以上结论,本研究通过找到各部门存在的问题,为河北省大气污染治理提供参考和借鉴.     

京津冀PM2.5时空分布特征及其污染风险因素

为分析京津冀及其周边区域2013年典型污染事件中PM_2.5的时空分布特征及污染风险因素,根据国家城市环境空气质量实时发布数据和京津冀地区地理国情信息监测成果,采用空间数据挖掘方法对PM_2.5污染的热点区域进行了划分;并采用地理探测器定量分析了PM_2.5污染风险因子及其影响程度. 结果表明:在选取的京津冀6个城市中,在PM_2.5污染事件统计上存在保定—廊坊—北京—天津—承德—张家口的污染顺序. PM_2.5污染在空间上呈河南省(山东省)—河北省—北京市(天津市)一线的带状分布特征,在单次污染事件中,城市间的PM_2.5污染存在空间运移关系. 空间热点探测表明,京津冀及其周边区域主要分为5个热点聚集区,其中3个高值区分布在北京市、天津市、河北省和山东省的中部,面积分别为5.31×104、10.26×104、5.04×104 km2. 在8个污染风险因子中,污染企业总数(影响力为0.97,下同)、降水量(0.93)、地形坡度(0.89)对PM_2.5污染的影响显著高于其他风险因子;其他风险因子影响力排序依次为人口数量(0.60)、降水量大于0.1 mm的降水日数(0.57)、地表覆盖类型(0.52)、年均相对湿度(0.51)、年均风速(0.33),但风险因子间相比没有显著性差异. 研究显示,京津冀地区PM_2.5污染的主要因素是污染物排放,其次,气象要素中的年降水量和自然地理环境中的地形坡度也是影响PM_2.5污染特征的重要风险因子.      

京津冀城市群冬季二次PM2.5的时空分布特征

二次组分是造成京津冀城市群冬季PM_2.5污染的重要因素.采用CO示踪法,估算2017～2021年冬季京津冀城市群二次PM_2.5浓度,并分析其时空分布特征,探讨区域二次PM_2.5的影响因素.结果表明,2017～2021年冬季京津冀区域PM_2.5浓度下降趋势明显,河北中南部一次PM_2.5下降幅度最大,二次PM_2.5浓度年际波动平稳,北京和天津二次PM_2.5占比明显高于其他城市.随着污染程度加剧,一次PM_2.5和二次PM_2.5质量浓度均有不同程度的增加,二次PM_2.5占比呈显著增大趋势.与直接测量结果相比,CO示踪法获得的结果偏低,与冬季CO浓度较高,一次PM_2.5浓度高估有关,选取合适的一次气溶胶基准值是改进该方法,获取合理估算值的关键.     

辽宁中部城市群一次灰霾天气过程的外来影响程度研究

利用中国科学院大气物理研究所自主开发的嵌套网格空气质量模式系统(NAQPMS)及其污染源在线追踪技术,对2011年10月27—30日辽宁中部城市群发生的一次灰霾过程的外来影响贡献率进行了模拟计算和分析.研究结果表明:NAQPMS模式能较好地模拟辽宁中部城市群PM10浓度的时空演化,特别是代表性城市沈阳的PM10浓度的时间变化,这为利用污染源在线追踪技术研究外来影响的贡献率奠定了基础;在此次辽宁中部城市群灰霾天气期间(10月27—30日),外来贡献率随着城市与京津冀地区距离的增加而减小,从营口的61%减小到铁岭的23%,而辽宁省本地贡献率则逐渐增大;京津冀城市群相对于胶东半岛城市群是主要的外来影响源地;在辽宁中部城市群近地层PM10浓度先后达到峰值时段,京津冀地区对营口、鞍山、沈阳、本溪、抚顺和铁岭的贡献率分别为60.6%、42.8%、31.8%、34.9%、30.7%和19.7%,因此,至少可以说京津冀地区对此次灰霾过程中营口、鞍山、沈阳和本溪等地的空气质量恶化具有决定性的作用.本文研究表明,虽然开展区域调控是解决区域灰霾污染的有效措施,但也要注意灰霾污染的跨控制区影响问题.     

北京、石家庄2017—2018年PM2.5与SNA组分特征及典型重污染分析

基于北京、石家庄2017、2018年的1月和7月PM_2.5样品采集,研究两地采暖期、非采暖期及典型重污染过程的PM_2.5、SNA污染特征及二次转化特征.应用TrajStat模型,结合浓度权重轨迹分析法（CWT）,分析两地PM_2.5气流输送路径以及潜在源区.利用WRF-CAMx模式定量分析两地重污染月份（2017年1月）PM_2.5、硫酸盐及硝酸盐的区域传输贡献.结果表明, 2017年1月北京和石家庄均存在重污染过程,两年1月石家庄市PM_2.5浓度均高于北京; SNA占PM_2.5所有组分的34.11%~51.68%,对PM_2.5浓度有重要贡献,其中北京NO₃^-浓度最高,石家庄SO₄^2-浓度最高, SO₄^2-/NO₃^-夏季高于冬季;北京SOR高于石家庄,石家庄NOR高于北京,重污染期间两城市硫酸盐、硝酸盐、铵盐质量浓度、SOR与NOR明显升高;两地冬季气流主要受俄罗斯、蒙古、内蒙戈壁等地区的西北方向远距离输送影响,另外北京两年冬季均存在西南传输通道,石家庄重污染期间受冀南和鲁西北重工业城市群潜在贡献较高,两市夏季受东南季风影响,污染轨迹多来自渤海湾和山东等地区; 2017年1月,北京、石家庄PM_2.5受周边区域传输贡献分别为33.80%、22.54%,其中河北南部分别贡献14.86%, 17.21%,二次离子中NO₃^-的传输作用比SO₄^2-更加突出.从PM_2.5本地源来看,北京主要来源为移动源和扬尘源,分别占比43.30%、20.10%,石家庄为工业、燃煤和扬尘,分别占比26.40%、24.82%、22.50%.