周边污染对北京大气PM_(10)的影响研究

文章基于Models3/CMAQ空气质量模式,利用北京及周边省市详细调查的污染源数据,采取双层网格嵌套技术建立起适用于我国华北区域的大气PM10数值模拟系统。在此基础上,文章设计了5种污染源情景方案,并对各种情景分别进行数值模拟,定量计算周边各省市对北京大气PM10的具体影响情况,得到2002年采暖季(1月份)和非采暖季(7月份)周边省市对北京大气PM10逐时浓度贡献情况。结果表明,外来污染物输送对北京大气PM10浓度影响较大,在采暖季和非采暖季外来影响分别为23.4%和40.0%。在周边各省市中,河北、天津、山西等地污染源排放对北京市大气PM10均具有不同程度的影响。     

基于遥感资料的北京大气污染治理投资对降低PM_(2.5)的效能分析

采用北京市环境监测中心35个站点的PM2.5监测数据及MODIS Terra的大气气溶胶光学厚度L3 C051产品数据,分季度建立北京市PM2.5历史浓度遥感估算模型.结合北京大气污染物(PM10、PM2.5、SO2、NO2)年均浓度数据,对北京市2001—2012年间用于工业废气污染治理投资累计额进行了效能分析.研究表明,北京市工业废气污染治理投资对于改善大气PM10、SO2、NO2均有显著贡献,但其对于大气PM2.5污染的治理效果并不明显.可能原因包括PM2.5排放源的复杂性、相关治理措施对PM2.5的针对性、经济增长导致的区域PM2.5源排放持续增长及区域外排放的持续影响等.因此,需要采取专门的有针对性的治理措施,建立健全大气污染治理技术和激励机制,控制工业燃煤及城市交通排放,削减本地及周边源排放,以有效改善北京地区大气PM2.5污染状况.     

北京市2009年8月大气颗粒物污染特征

为研究2008年8月北京奥运会1a之后北京市大气颗粒物的污染特征,于2009年8月对北京市大气颗粒物PM10、PM2.5样品进行采集,测量其质量浓度并对其中的水溶性离子组分进行分析.研究发现2009年8月北京市大气颗粒物PM10、PM2.5质量浓度日均值分别为176.9μg/m3和102.5μg/m3.PM10质量浓度比2008年观测值上升了180%,比2007年降低了10%; PM2.5质量浓度比2008年观测值上升了126%,比2007年上升了31%.水溶性离子是大气颗粒物的重要组分,分别占PM10和PM2.5质量浓度的43%和61%.对比发现,污染天气条件下PM2.5/PM10和NO3-/SO42-比值升高,移动源是北京地区主要的污染物来源.风向风速和降水等天气条件对颗粒物质量浓度有很大影响,其中0.5~1.0m/s的东南风条件下大气颗粒物污染最为严重.     

多模式模拟评估奥运赛事期间可吸入颗粒物减排效果

以空气质量多模式系统为工具,分析奥运赛事期间可吸入颗粒物(PM10)浓度大幅减小特征,从气象场和排放源两方面研究PM10浓度大幅减小的主要原因.多模式系统由嵌套网格空气质量模式(NAQPMS)、通用空气质量多尺度模式(CMAQ)和复杂大气空气质量三维模式(CAMx)3个空气质量复合模型组成,并以中尺度气象模式(MM5)和稀疏矩阵排放处理模型(SMOKE)提供统一气象场及排放源.研究对比2006年8月、2008年8月两组气象条件下北京PM10浓度水平及模拟效果,结果表明奥运赛事期间PM10浓度大幅减小的主要原因不是气象因素,而是由于额外措施引起的PM10排放减少.同时采用多模式系统数值模拟反向评估,获得北京奥运赛事期间奥运控制及额外减排措施引起的PM10减排量,结果表明,奥运赛事期间所有额外控制措施对颗粒物浓度效果相当于在2008年8月气象条件下,削减大约200t.d-1的无组织PM10排放,相当于北京正常时期PM10排放的50%.     

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.      

应用嵌套网格模式系统对沈阳市环境空气质量的数值模拟研究

利用嵌套网格空气质量预报模式(NAQPMS)对沈阳市大气污染物的输送与化学转化进行了数值模拟研究,并对SO2、NO2和PM10等大气污染物浓度的模拟结果与监测结果进行了对比分析.结果表明,NAQPMS模式系统能较好地模拟出沈阳市的大气污染物输送与化学转化情况,SO2 NO2和PM10的模拟值与观测值具有较好的一致性,说明该模式能较好地反映这些大气污染物的分布特征和变化规律,可为今后深入开展沈阳市大气污染数值预报与传输扩散研究提供有效的手段.     

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.     

应用Models-3模式系统对沈阳市空气质量的数值模拟研究

利用美国环保局开发的新一代空气质量模式系统Models-3,对2002年冬季采暖期间沈阳市大气污染物的输送与化学转化进行了数值模拟研究,并对SO2、NO2和PM10等大气污染物浓度的模拟结果与监测结果进行了对比分析.结果表明,Models-3模式系统能较好地模拟出沈阳市的大气污染物输送与化学转化情况,SO2、NO2和PM10的模拟值与观测值的变化趋势具有较好的一致性,说明该模式能较好地反映这些大气污染物的分布特征和变化规律,可为今后深入开展沈阳市大气污染数值预报与传输扩散研究提供有效的手段.     

冬季山谷风和海陆风对京津冀地区大气污染分布的影响

为了弄清冬季山谷风、海陆风对京津冀地区大气污染时空分布的影响,利用2016年12月地面加密自动气象站逐时观测数据和中国环境监测总站发布的逐时PM2.5浓度数据,计算平均风矢量场和平均PM2.5浓度场,分析山谷风、海陆风变化规律及其对PM2.5浓度分布的影响,得出:在山谷风日,中午至下午谷风将位于河北太行山东部地区的污染物向北输送。傍晚以后,在北京西部、北部,以及河北太行山山前出现的山风与偏南风构成“人字形”辐合线,辐合线的汇聚作用使北京地区、廊坊,以及保定、石家庄、邢台等地大气污染加重。在海陆风日,下午-前半夜,河北中东部沿海地区出现东南向海风,深入内陆到达天津东南部地区,海风前缘区域大气污染加重;通过对大气所铁塔0~325m风向风速与PM2.5浓度时间变化关系分析,以及利用Cressman法插值得到的地面风向风速和PM2.5浓度二维格点场,分析北京地区重霾污染过程中近地层山谷风和海陆风对大气污染形成的影响,得出:中午至下午,谷风将大气污染物向北京输送。傍晚以后,大气污染物在山风与偏南风形成的辐合线附近汇聚,在北京地区及以南地区形成PM2.5高污染区。凌晨至早晨北京被山风控制,大气污染物被吹离北京、滞留在北京以南至天津西北地区。冬季,山谷风的输送和汇聚作用使大气污染物以日为周期不断循环和累积,对北京地区至北京以南地区、河北太行山东部地区的大气重污染形成起重要作用。     

北京大气颗粒物污染的区域性本质

颗粒物是北京的首要大气污染物,2006年PM10年均浓度超标60%以上.本研究基于颗粒物质量浓度在线监测和逐日TSP的采样分析,结合地面天气形势,论述了北京大气颗粒物污染的区域性特征.首先,北京大气颗粒物污染过程的形成由以冷锋过境为明显标志的周期性的天气系统决定,天气系统的活动尺度决定了颗粒物污染的区域性.其次,从PM2.5/PM10和Pb/Al比值的变化判别出颗粒物污染过程中随着颗粒物浓度的升高,细颗粒物呈现富集趋势;细颗粒物的富集由粗颗粒物的去除和超细颗粒物的生成(核化过程)、以及二次颗粒物的生成所致;污染过程中颗粒物的老化以及化学组成(Pb/Al)的大幅度变化共同表明了北京大气颗粒物来源的区域性本质.     

CMAQ-DDM-3D在细微颗粒物(PM2.5)来源计算中的应用

应用M M5 (Fifth-Generation NCAR/Penn State Mesoscale Model)-Models-3/CMAQ(Community Multi-Scale Air Quality)空气质量模拟系统对京津冀地区进行了模拟,分别采用Brute Force方法和DDM-3D(Decoupled Direct Method in 3 Dimensions)技术对两个代表性城市石家庄、北京的PM2.5来源进行了分析计算.结果表明,两种方法的计算结果具有显著相关性,相关系数在0.950～0.989之间;其次,在某一地区浓度贡献较低的情况下,两种方法的计算结果非常接近,但随着浓度贡献的增加,Brute Force方法的计算结果逐渐高于DDM-3D方法,直线拟合的斜率在1.14 ～2.05之间.以石家庄为例,Brute Force和DDM-3D方法估算的河北南部地区排放的浓度贡献分别为54.7％和64.4％,相差10％左右.浓度贡献空间分布的对比表明,Brute Force方法计算出的浓度影响范围更大,出现某些离散的负值点,或某些负值点与很大的正值点相邻,反映了数值计算带来的计算误差;相比之下,DDM-3D方法的计算结果则更为合理.     

河北及周边地区霾污染特征的模拟研究

应用MM5-Models-3/CMAQ空气质量模拟系统对河北及周边地区进行了区域尺度的模拟,并选取石家庄、邢台、北京、天津、太原、郑州6个代表性城市分析了该地区霾污染特征.首先,通过气象观测数据对2001—2010年10年间的霾天气进行了识别,就统计结果来看,该地区霾污染的季节变化非常显著,冬季最为严重,其次是夏秋季;5月份的发生频率则最低,其次是4月和6月.选取霾污染较为严重的2007年12月进行了模拟,在模拟时段内,霾日的平均PM2.5浓度是非霾日的1.6～3.1倍,霾的发生有很明显的区域同步性.霾日PM2.5的成分也有显著变化,硫酸盐、硝酸盐等二次颗粒物的百分比含量有明显的增加,说明该地区霾的出现与二次颗粒物的形成有非常密切的关系.     

北京地区大气中可吸入颗粒物的污染现状分析

利用2002年7月—2003年6月可吸入颗粒物(PM10)20余站点的监测资料,分析获得了北京地区PM10的浓度水平和地域分布特征。分析表明:远郊区县城关镇与市区污染水平相当;西南部和南部较其他地区污染严重;北京地区背景浓度很高,是国家标准年浓度限值的75%。这一分析结果可为颗粒物污染的进一步研究提供基础信息和建议。      

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.      

北京地区的流场分析

本文利用测风站的资料分析了北京地区的流场。分析结果表明,北京地区流场大致具有四种类型:1.平行线型流场;2.辐合环流型流场;3.辐合线型流场;4.波状辐合线型流场。     

沙尘天气过程对北京空气质量的影响

利用气象、沙尘暴特种观测以及环境监测等多种资料,对2010年3月19─22日沙尘天气过程的大气结构、沙尘源地和垂直水平输送条件以及北京近地层气象要素、空气质量的变化特征进行了分析. 结果表明:这次强沙尘暴天气过程是由冷空气短波槽快速东移南下、地面冷锋明显发展东移造成的;前期沙尘源地土壤湿度的减小为起沙提供了有利条件,同时低层存在的较强西北气流将从源地卷起的沙尘输送到下游地区;沙尘发生时,20 m气层内风速迅速增大,气层内垂直方向风速梯度也逐渐增大,相对湿度急剧降至20%～30%之间;受这次沙尘天气影响,北京地区ρ(TSP)以及10个区县的ρ(PM10)均迅速增加,空气质量达到重污染.      

基于静止卫星GOCI传感器的大气污染过程AOD监测

针对北京及周边地区2017年11月2~8日的一次污染过程,利用韩国静止卫星COMs1GOCI数据,对北京地区进行AOD监测.AOD反演采用时间序列迭代算法,根据地表反射率随时间慢变而大气气溶胶随时间快变的理论,采取最小值拟合的方式,获取气溶胶光学厚度数据.反演结果与地基AERONET监测结果具有很好的一致性,两者的相关系数R²大于0.89.AOD监测结果表明,GOCI传感器1次/h的监测频率,可以很好地展现北京地区大气污染过程的开始,发展及消散过程,可以展示出一天之内AOD的变化,为大气污染监测以及气候变化研究提供依据.     

污染源减排时刻和减排比例对北京市PM_(2.5)浓度的影响

利用Model-3/CMAQ及京津冀地区高分辨率排放源清单,选取文献[19]中污染峰值当天启动50%污染源削减方案的同时,进一步设置了3种污染源控制方案(峰值当天启动75%源削减;峰值日前1d、2d开始启动25%源削减),比较了峰值日前启动适量减排与峰值日当天启动大幅度减排的效果差异.结果表明:污染峰值当天启动50%、75%减排时,北京市PM2.5浓度下降率分布不均匀,高值区集中于PM2.5浓度高值区,减排后PM2.5浓度分布较减排前均匀.提前1~2d启动25%源削减时,峰值日北京市PM2.5浓度整体下降.城、郊PM2.5下降率均表现为当天减排50%小于提前1d开始减排25%;当天启动减排提高到75%时,城区PM2.5下降率大于提前2d启动25%减排,郊区表现为峰值前2d启动25%削减优于当天减排75%.将峰值前1d、2d启动25%减排分别与当天启动50%、75%减排时北京市峰值日PM2.5浓度下降率相减,北京市绝大部分区域下降率差值为正;峰值前1d、2d启动25%减排分别比峰值日启动50%、75%减排时北京市平均PM2.5多下降4.7μg/m3(6%)、2.9μg/m3(4%).综上所述,在污染峰值来临之前采取适量减排较污染当天才启动大幅度减排更有利于北京市整体空气质量达标.