2008年奥运期间华北区域大气污染物本底浓度变化与分析

为了解华北区域的大气背景状况,评估污染源限排对区域空气质量的影响以及污染物输送在区域污染中的作用,在2008年奥运期间(6～11月),对华北区域兴隆大气本底监测站主要污染物NOx、SO2、O3和PM2.5进行了连续在线观测,对不同时间段的污染物的浓度水平和日变化特征进行了比较分析,结合地面气象资料和后向轨迹模式初步探讨了污染物的区域传输过程,并对区域不同站点的污染情况进行了初步比较.结果显示,2008年夏季兴隆本底站NOx、SO2、O3与PM2.5平均浓度分别为8.4、10.5、126.0和59.8μg·m-3,秋季平均浓度分别为11.7、17.2、97.5和30.7μg·m-3.奥运时段(2008-08-08～2008-08-24),兴隆NOx、SO2、O3和PM2.5平均浓度分别为6.6、6.8、100.5和33.3μg·m-3,较奥运时段前后平均浓度分别降低了29.0%、46.9%、18.6%和36.5%,与2007年奥运时段同期观测结果相比,NOx浓度下降了62.5%,PM2.5浓度下降了29.0%,奥运时段华北区域空气质量明显改善.在污染物限排之前,兴隆主要污染物的日变化形势都是夜间浓度低,白天浓度不断升高,在傍晚17:00～20:00之间达到峰值,显示了污染物区域输送在兴隆的累积,而污染源排放控制期间污染物白天的积累过程明显减弱,区域输送的污染物含量降低,这些结果表明北京及周边地区污染源的联合控制取得了明显效果.兴隆夏秋季节主要受偏南方向的季风影响,在此方向上对应的污染物浓度值最高,偏南方向上的区域污染输送对兴隆影响较大.将京津冀区域不同站点间的污染物浓度进行比较分析发现,华北区域夏秋季NOx和SO2污染较轻,O3污染不容乐观,PM2.5污染严重,需要引起足够重视.     

区域大气污染数值模拟方法研究

大气污染是一个区域性的环境污染问题,北京大气环境的质量与周边地区污染源的排放有密切关系.将气象模型高级区域预报系统(ARPS)与空气污染模型Models-3耦合进行模拟计算,从检验结果可以看出,模拟值与实测值有较好的一致性,表明该模式系统可以用来研究区域大气污染物传输及相互影响.模拟计算了2002年北京地区各季ρ(PM10)以及山西污染源对北京的贡献,结果表明,在特殊的天气条件下的典型时段,尤其是在西南风气流场控制下,山西污染源对北京空气质量有较大的影响.比较而言,夏季(8月)山西污染源的平均贡献率最大,约为15.44%;冬季(1月)最小,约为2.25%.表明控制北京大气污染不容忽视周边污染源的影响.      

北京及周边地区一次典型大气污染过程的模拟分析

利用区域中尺度大气数值预报模式(MM5)和美国国家海洋和大气局(NOAA) 后向轨迹模式(HYSPLIT-4),对2002年10月7 —13日发生在北京及周边地区的典型大气污染过程进行了模拟与分析,揭示了该污染过程的形成机理和生消过程.结果表明:该污染过程具有区域性特征,是由本地污染源和外来污染源在特殊的气象条件下共同造成的混合型污染.HYSPLIT气流来向轨迹分析表明,北京周边地区的污染对北京有显著影响,南部周边城市污染物外源的输入是造成北京地区重污染的主要原因.      

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.     

基于综合立体观测网的京津冀地区污染过程分析

为揭示大气污染的演变规律,推动京津冀及周边地区空气质量的持续改善,针对大气重污染发生—演变—消散全过程的核心科学问题,在京津冀及其周边地区建立大气污染传输通道立体观测网,围绕2017年秋冬季和2018年春、秋、冬三季开展重污染时段和重污染过程的地基和车载走航观测,评估区域大气污染输送和城市间大气污染的相互传输量.结果表明:北京市污染呈明显的区域性特征,春季主要受区域不利扩散条件及沙尘传输影响,秋季主要受西南通道传输影响,冬季主要受西南、南部、东南通道混合层内传输与区域扩散条件不利的共同影响.秋冬季京津冀地区NO₂、SO₂污染物垂直柱浓度整体低于西南、东南和南部输送通道区域,当弱南风静稳天气条件主导时,北京市易受到污染物输送的影响,形成局域污染过程.研究显示,北京市重污染时段外来污染物各类尺度输送通道中,西南通道污染传输为主导,部分时段还受到东南和东部通道污染传输的影响.      

基于天气背景天津大气污染输送特征分析

区域输送是大气污染防治中需要考虑的重要因素,本文利用大气化学模式定量估算2016年10月~2017年9月区域输送对天津的影响,重点基于天气背景分析区域输送影响和气象条件的关系,为京津冀地区大气污染联防联控提供支撑.结果表明,京津冀地区各城市区域输送贡献百分率平原城市显著高于沿山城市,天津一次PM_2.5本地贡献62.9%,区域输送贡献37.1%,主要受沧州、廊坊、河北中南部、北京、唐山和山东等地输送影响,每年4~6月区域输送最显著,7~8月区域输送最弱.区域输送与天气形势、风场和降水等气象条件密切相关,高压后和锋前低压是区域输送占比最高的两种污染天气类型,西南风、西风和南风3个风向下天津大气污染输送影响最为明显,风速2~3 m ·s^-1时最有利于PM_2.5区域传输,降水超过5 mm以上将降低大气污染物区域传输效率.对于不同污染类型和重污染阶段,轻度污染天气时区域输送贡献最为明显,比均值偏高20.5%,重污染天气虽受静稳气团控制,但由于周边区域高浓度的PM_2.5,污染气团迁移对区域内污染聚集传输有显著影响,重污染期间PM_2.5输送贡献占比超过均值,约偏高10%~15%.重污染过程中,开始积累阶段和峰值阶段,输送贡献占比高于其它时期,与暴发阶段相比偏高14.5%和19.5%,重污染暴发阶段本地排放贡献更明显,比均值偏高9.9%.     

车载激光雷达对北京地区边界层污染监测研究

介绍了自行研制的车载差分激光雷达AML-2探测原理及技术参数,于2006-08、2006-09在不同天气因素条件下对北京西南郊榆垡地区大气边界层污染物O3、NO2、SO2进行了实时监测,对比分析了3种污染物浓度垂直分布及日变化特征.结果表明,无外来污染输送时,3种污染物在阴雨天气总体浓度较小,O3和NO2浓度随高度升高而减小,SO2浓度垂直分布少见此特征,但在近地面0.6 km左右有较强SO2污染层.南部气流输送对北京地区大气环境影响明显,2006-08-23～2006-08-25这次强污染气流输送高度约1～1.5 km,3种污染物浓度垂直分布及日变化特征受到干扰,北京榆垡地区边界层O3、NO2、SO2总体浓度明显上升.     

影响上海PM2.5污染不同源地和路径的数值模拟

对2014~2017年上海出现的PM_2.5中度及以上污染过程的地面形势进行分析,发现上海出现PM_2.5中度及以上污染的地面形势场主要可分为输送型、静稳型和叠加型3种类型,其中输送型是影响上海市PM_2.5中度及以上污染的主要天气形势,占比45.8%.通过选取典型个例,分析了3类污染天气型气象成因和维持机制.并利用WRF驱动FLEXPART模式,结合排放源清单,探讨不同污染天气型下影响上海的主要污染物来源：输送型污染有3条影响上海的主要污染传输通道,分别为东路（东海海面）、中路（江苏沿海）和西路（安徽-苏南）,主要时段在污染前1d;静稳型污染影响上海的潜在污染源区集中在上海及周边地区;叠加型污染既存在明显污染输送通道,也有明显的上海及周边潜在污染贡献区域.     

2020年泰州市典型PM2.5重度污染过程分析

2020年,泰州市大气PM2.5中度、重度污染日主要集中在1月和12月,共计8次污染过程19个污染日,3次PM2.5重污染过程天气背景总体相似.对泰州市2020年1月12-14日大气PM2.5重度污染过程展开分析,结果表明,该次污染是典型的区域污染,污染过程中都伴随着冷高压南下带来的污染物区域输送过程,前期的区域输送、...     

APEC期间北京及周边城市AQI区域特征及天气背景分析

利用环境监测总站公布的监测资料,分析2014年11月1日至15日,即北京举办亚太经合组织(Asia-Pacific Economic Cooperation,APEC)会议期间北京及周边地区空气质量演变及区域特征,结合中国气象局官方发布的同期气象要素和天气形势图,探讨天气背景对APEC期间空气质量改善的影响,结果表明:1强化减排措施实施期间,北京及周边地区良好和轻度污染的天数相对较多,而强化减排措施终止后,重度和严重污染的天数明显增多,表明强化减排措施对北京及周边城市局地空气质量的改善贡献明显;2强化减排措施实施初期,受逆温层的影响,北京及周边城市空气质量指数迅速上升,说明在不利的天气背景下,即便有强化减排措施,污染物也会累积升高,形成污染过程,可见天气背景对空气质量的影响不容忽视;3在强化措施实施后期,虽然受逆温层影响,北京污染物的浓度并没有累积到很高的程度,而天津、唐山、保定和邢台均出现中度和重度污染,进一步说明,强化减排措施的实施对改善北京空气质量的贡献明显.     

奥运时段北京及近周边区域空气污染观测与比对分析

为研究奥运时段北京与近周边区域空气质量的相互影响,评价区域污染源协同减排对奥运时段北京空气质量的作用,寻求北京空气污染预警的有效途径,2008-06-01～2008-10-03在北京奥运村以及近周边的河北涿州、廊坊、香河、燕郊进行了空气污染联网观测.结果表明,夏秋季节北京和近周边首要污染物均为颗粒物,北京和周边可吸入颗粒物(PM10)平均质量浓度分别为(114±66)μg/m3和(128±59)μg/m3;细粒子(PM2.5)质量浓度则分别为(77±47)μg/m3和(81±51)μg/m3;臭氧质量浓度小时最大值的平均分别为(164±52)μg/m3和(165±55)μg/m3;NOx分别为(58±23)μg/m3和(25±14)μg/m3.相对于6月,奥运会时段(8月8日～8月24日)北京地区PM10、PM2.5、O3、NOx的浓度分别下降69%、62%、18%和41%,残奥会时段(9月6日～9月17日)PM10、PM2.5、O3、NOx的浓度分别下降56%、49%、17%和16%.北京大气中细粒子浓度受周边影响严重,而NOx有向周边扩散的潜势,夏季臭氧则表现出区域污染的特征.结合气象要素分析表明,近周边区域联网观测,有助于北京空气质量预警研究,并可为区域协同防控空气污染提供科学支撑.     

北京市臭氧的时空分布特征

对2012年12月~2013年11月期间北京市35个自动空气监测子站的O3浓度进行分析,探讨北京市O3浓度的时间、空间分布特征,并对夏季的一次O3高浓度过程进行了分析.结果表明,北京市O3浓度在5~8月维持相对较高浓度,其他月份则维持较低浓度.整体来看,4类功能的监测站点中O3平均浓度由高到低分别是对照点及区域点、郊区环境评价点、城区环境评价点和交通污染监控点;O3浓度日变化呈单峰型分布,一般在15:00、16:00达到峰值;O3还呈现明显的"周末效应",即周末白天时段O3浓度大于工作日浓度.北京市O3浓度城区相对较低,周边区县相对较高,生态植被优良的东北部地区浓度最高.2013年6月3日北京市发生一次O3高浓度过程,在下午西南风的作用下,榆垡、丰台花园、奥体中心和怀柔监测站O3峰值出现的时间从南到北依次滞后,且怀柔站在20:00才出现峰值,体现了这次过程中存在明显的O3输送特征.     

APEC会议前后北京地区PM2.5污染特征及气象影响因素

为分析APEC会议前后北京地区PM_2.5变化特征,利用中国科学院大学雁栖湖校区超级站在2014年10—12月的连续观测数据,对APEC会议前后北京地区污染物分布及变化特征、气象影响因素和气团传输路径特征进行了分析. 结果表明:APEC会议期间北京地区减排效果显著,ρ(PM_2.5)平均值比会前下降了60.5%. 气象条件对污染物扩散起到积极作用,APEC期间平均风速为1.40 m/s,平均相对湿度为31.9 %,近地面气象条件优于APEC会前、会后. 北京地区受到外来污染物输送的影响,在2.00~3.00 m/s的南风下易发生来自南部地区的PM_2.5和SO₂输送. APEC会议期间北京地区主要受来自西北地区的高速、高海拔气团控制,其出现频率为39.6%,远低于APEC会前 (15.9%)和会后(20.8%),而来自南部地区的低速、低海拔污染气团的出现频率仅为2.1%,扩散条件总体良好. 研究显示,除了减排措施有效削减了污染物排放以外,有利的气象条件也是APEC会议期间北京地区保持良好空气质量的重要因素.      

北京一次重污染过程的天气成因及来源分析

采用天气学分析和GRAPES-CUACE气溶胶伴随模式相结合的方式,探讨了北京市2016年2月29日~3月6日一次PM_2.5重污染过程的大气环流特征、污染形成和消散原因,并利用伴随模式追踪了造成此次重污染过程的关键排放源区及敏感排放时段.结果表明：此次重污染过程北京市PM_2.5浓度存在明显日变化,在3月4日20：00达到污染峰值,观测数据显示海淀站PM_2.5浓度达到506.4μg/m³.形成此次重污染过程的主要天气学原因是北京站地面处于低压中心,且无冷空气影响,风速较弱,逆温较强,大气层结稳定,混合层高度较低,500hPa西风急流较弱,污染物水平和垂直扩散条件差,大气污染物易堆积;此次过程中,500hPa短波槽过境、边界层偏南风急流和冷空气不完全渗透导致了本次严重污染PM_2.5浓度的短暂下降.伴随模式模拟结果表明,此次污染过程目标时刻的污染浓度受到来自河北东北部和南部、天津、山西东部、以及山东西北部污染物的共同影响,目标时刻PM_2.5峰值浓度对北京本地源响应最为迅速,山西响应速度最慢;北京、天津、河北及山西排放源对目标时刻前72h内的累积贡献比例分别为31.1%、11.7%、52.6%和4.7%.北京本地排放源占总累积贡献的1/3左右,河北排放源累积贡献占一半以上,天津和山西分别占1/10和1/20,河北源贡献占主导地位,天津和山西贡献较小;目标时刻前3h内,北京本地源贡献占主导地位,贡献比例为49.3%,目标时刻前4~50h内,河北源贡献占主导地位,贡献比例为48.6%,目标时刻前50~80h,山西源贡献占主导地位,贡献比例在50%以上.     

北京城区臭氧日变化特征及与前体物的相关性分析

对2012年12月至2013年11月北京城区12个自动空气监测子站的臭氧及其前体物的浓度进行了分析,探讨北京城区臭氧浓度的日变化特征以及与前体物的关系.研究发现,北京市城区臭氧在5~8月份维持相对较高浓度,其他月份则较低.臭氧浓度呈现单峰型分布,基本在15:00、16:00达到峰值;同时臭氧呈现较明显的“周末效应”,即周末臭氧浓度高于工作日浓度. CO、NO、NO2和NOx等前体物多呈现双峰型分布,与O3均呈显著的负相关性,相关性在夏季较低.通过大气氧化剂OX和NOx的拟合方程发现,冬季北京市城区OX在白天受区域O3影响相对较大,在夜间受局地NOx污染影响相对较大.计算了在理想情况下的城区NO2光解速率,春季、夏季、秋季和冬季的平均值分别为0.180,0.209,0.169,0.149min-1.在白天臭氧的高浓度时段城区O3、NO和NO2体现出近似光化学平衡态的特征.     

太原市秋冬季大气污染特征和输送路径及潜在源区分析

采用环境空气质量指数(AQI)统计分析了2014～2018年太原市全年及秋冬季污染特征,并采用HYSPLIT后向轨迹模型计算了2014～2017年秋冬季逐时后向轨迹,结合太原市AQI,通过聚类分析、潜在源贡献因子和浓度权重轨迹方法对影响太原市的污染物输送路径和潜在源区进行了分析.结果表明,太原市污染状况不容乐观,太原市2014～2018年全年优良天数波动较大,尤其近两年从64%下降到不足50%;然而秋冬季优良天数稳步上升,2018年超过50%,空气质量有好转趋势.污染类型可能发生变化,全年及秋冬季PM_(2.5)为首要污染物的污染天数下降显著,PM_(10)为首要污染物的天数上升明显.聚类分析2014～2017年秋冬季太原的后向轨迹,53%的气团来自偏西方向,21%来自西北方向,12%来自西南方向,14%来自偏东方向,其中西南方向轨迹是外来污染物输送进入太原的主要轨迹,对太原空气质量有显著影响.PSCF和CWT分析表明,影响太原空气质量的重要潜在源区主要位于汾渭平原的陕西汉中、西安和山西的吕梁、临汾等地.建立汾渭平原及其周边区域联防联控机制对控制区域污染有着重要意义.     

上海市嘉定区大气颗粒物网格化监测

目的深入研究大气网格化监测的实际应用。方法利用2017—2018年上海市嘉定区大气网格化监测数据,对嘉定区颗粒物浓度变化趋势进行分析,同时结合颗粒物激光雷达扫描数据,对颗粒物污染过程进行解析。结果颗粒物污染浓度水平较高的区域主要集中在嘉定北部地区。2017年PM10和PM2.5浓度均表现出冬季>春季>夏季>秋季的趋势。在东北偏北风向条件下,发生区域传输污染时,污染较重区域集中在嘉定的东部和中部;在风速较小的静稳条件下,企业夜间排放的大量废气极易对周边区域空气质量产生影响,夜间到次日凌晨浓度值不断升高,次日凌晨5时45分的PM2.5的浓度值为前一日20时浓度值的3.1倍。结论大气网格化监测的实施及配套大气减排监管工作开展,使嘉定区环境质量改善明显。     

延庆地区山谷风对PM2.5浓度的影响

基于2015~2019年北京生态环境监测和气象数据, 分析了延庆地区山谷风对PM_2.5浓度的影响, 揭示了含山谷风环流污染过程(事件1)与未有山谷风污染过程(事件2)初始阶段的异同及其气象影响机制.结果表明, 延庆持续性污染过程集中在9月~次年3月, 共计63次, 其中27次(43%)伴随1d或多天的山谷风日, 39d山谷风中有32d(82%)出现在污染过程的初始阶段, 18%出现在峰值阶段; 36次过程未出现山谷风日.山谷风日逐时PM_2.5浓度大于非山谷风日4.5~15.4μg/m³, 全日差值最大时段为谷风阶段(15:00~19:00)均大于13μg/m³, 山谷风日存在SSE-ESE风频中心0.59%, 15:00~16:00风速3.3m/s左右, 非山谷风日风频中心在WSW-SW和SE-ESE, 最大值为0.41%, 风速较山谷风日小.事件1和2初始阶段PM_2.5浓度变化关键期为15:00~19:00, 事件1风向E-SSE风速2~4m/s, PM_2.5增长速率大于事件2, 与露点变化趋势基本一致, 23:00事件1PM_2.5浓度显著高于事件2 20μg/m³左右, 污染过程发展初期出现的山谷风环流谷风阶段的偏东南风形成气溶胶和绝对水汽的区域传输, 对PM_2.5浓度的升高有正贡献.平原空气污染过程(延庆未出现)特殊污染型占比20%, 该类污染型白天风频中心分布分散, NNW-WNW、SW-SSW和ENE-NNE均有0.7%左右的风频中心, 未出现S-ESE的风频.