临安区域本底站大气甲烷浓度变化特征

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CH4浓度特征，结合地面风向、后向轨迹、排放清单，研究了CH4浓度变化特征和长三角地区排放源对CH4浓度的影响作用。结果表明，临安区域大气本底站的CH4浓度分布在1 7584×10-9~1 9700×10-9，具有较明显的季节波动变化特征，浓度季节变化幅度为737×10-9；CH4浓度平均年增幅达176×10-9，增速较快。东北风和东南风时，CH4浓度较高；西南风时CH4浓度较低。导致CH4高浓度分布的气团主要来自临安站的东北、偏东方向；导致CH4低浓度分布的气团集中在西南 偏南     

地面的臭氧浓度是多少?

【问 :】山东读者陈东来信问臭氧浓度。【答 :】地面的臭氧浓度是用臭氧的体积占空气体积的 1 0亿分之几 ( PPb)为单位加以衡量的。人们普遍认同的规律是 :地面臭氧的标准浓度是 1 2 0 ppb,这应该是根据每小时进行一次测量的结果得出的平均值。一个环境保护良好的地区 ,每年只能有一天时间超过 1 2 0 ppb的标准浓度。像墨西哥城这样的城市 ,地面的臭氧浓度高达 50 0 ppb。洛杉矶已经采取了一些保持环境清洁的措施 ,在情况较糟的时候该市的臭氧浓度约为 2 0 0～ 30 0 ppb,每年超过 1 2 0 ppb标准浓度的日子约为 2 0 0天。芝加哥、休斯敦及一…     

2015年长三角地区城市PM2.5时空格局及影响因素分析

PM_2.5浓度值增加对大气能见度、人体健康和气候变化有着重要影响。采用2015年长三角地区监测数据，运用探索性空间数据分析法和相关系数法，分析长三角地区城市PM_2.5污染的时空格局和影响因素，结果表明：（1）2015年长三角地区城市PM_2.5年均浓度值为54.54 μg/m³，季节变化总体呈现春冬高夏秋低的季节性周期变化规律，1月和12月为一年中PM_2.5污染最严重的月份，污染范围最广，5~9月是PM_2.5浓度值优良时段，日均值春季和冬季的波动周期较短而剧烈，夏季和秋季波动周期相对较长而平缓。（2）2015年长三角地区城市PM_2.5年均浓度值整体上从江苏到浙江呈减少趋势，具有北高南低，局部突出的特征。（3）长三角地区城市PM_2.5浓度空间上存在集聚现象，低值集聚主要分布在浙江沿海地区，高值集聚主要分布在苏南地区。（4）燃烧排放的烟尘和前体物的二次转化对长三角地区PM_2.5浓度有显著影响。风速和降水量是影响PM_2.5浓度的两个重要气象因素。     

基于地面监测数据的2013~2015年长三角地区PM2.5时空特征

近年来,长三角地区灰霾天气持续增多,空气细颗粒物污染问题日益突出。基于2013年1月至2015年5月长三角地区及周边缓冲区内共214个空气质量监测站点PM_2.5逐时监测数据,运用普通克里金插值方法,从年、季、月尺度上分析了PM_2.5的空间分布格局和时间动态变化。结果表明:(1)2 a来,长三角地区PM_2.5浓度空间分布明显呈现整体北部高南部低,局部地区略有突出的分布特征;长三角地区PM_2.5浓度年均值为57.08μg/m³;其中,江苏省PM_2.5的年均值为三省市最高,为65.84μg/m³;其次为上海市,年均值为53.87μg/m³;浙江省PM_2.5的年均值较小,为51.53μg/m³。(2)从季节尺度分析,长三角地区PM_2.5浓度变化表现出冬春季高,夏秋季低的变化趋势;这与区域内冬季风向来源、降水稀少、气象扩散条件差有着密切的关系; (3)长三角地区月浓度变化大致呈U形分布; 12月份PM_2.5浓度最高; 3月份以后, PM_2.5浓度开始呈逐步下降趋势;在5~9月份,区域PM_2.5处于"U"字的谷底,其中6月份夏收时期秸秆焚烧、气象等因素导致PM_2.5浓度有略微升高;进入10月份后迅速攀升,且11、12月份呈现持续升高态势。     

基于理性预期理论的大气污染经济成本评估

我国大气污染形势严峻,科学合理地评估大气污染的经济损失不仅有益于政策效益分析,同时是“绿色国民经济”核算的一项基础性工作。基于我国2013年2月到2018年7月的区县月度房屋交易数据和7种大气污染指标(AQI、SO₂、NO₂、CO、O₃、PM₁₀、PM_2.5)的浓度数据,运用特征价格模型实证量化大气污染物减少的边际支付意愿(MWTP)和总经济损失。首先通过改变理性预期的时间段验证理性预期假设的成立,在此基础上采用理性预期方法解决遗漏变量所导致的内生性问题。研究结果显示:①NO₂、CO、PM_2.5和PM₁₀每上升1μg/m³,房价分别降低约2.04%、0.028%、0.34%和0.39%;而SO₂与O₃对房价的影响并不显著。②近年来大气污染的经济损失有所降低,政府的治理效果显著,但仍不容小觑。2013年AQI、PM₁₀和PM_2.5未达标导致的经济损失分别约为35600亿元、19300亿元和24100亿元,约占当年GDP的6.06%、3.29%和4.11%;2018年分别降低至19200亿元、5300亿元和6700亿元,占当年GDP的2.14%、0.60%和0.74%。尽管PM₁₀和PM_2.5浓度也在逐年下降,但仍未达到《环境空气质量标准》所要求的二级限值。最终评估结果显示,PM₁₀和PM_2.5二者导致的经济损失的加总数值,与AQI得到的数值相差无异。进一步证实了我国当前大气污染导致的社会经济福利损失主要是来自PM₁₀和PM_2.5的超标,因此治理“雾霾”是改善当前空气质量的关键。     

安庆大气颗粒物污染外来输送轨迹及源区研究

在对安庆2015~2016年大气颗粒物变化特征分析的基础上,利用HYSPLIT-4后向轨迹模式,采用气团轨迹聚类分析、潜在源贡献因子法(PSFC)和浓度权重轨迹法(CWT),研究了不同季节安庆地区外源污染物传输的路径及潜在源区。结果表明:(1)安庆市大气颗粒物质量浓度存在显著的季节变化,表现为冬季春季秋季夏季,12月份污染最重,7月份污染最轻。(2)影响安庆地区气流轨迹具有显著性季节性变化特征,夏季主要受来自南方和东南方向海洋气流影响,PM10和PM2.5的平均值较低;冬、春和秋季安庆地区受到海洋性气团和大陆性气团共同影响,且以偏西和西北路径的大陆性气团影响最为明显,受沙尘或人为排放因素的影响,对应PM10和PM2.5的平均值相对较高,颗粒物高污染时段与该2类大陆性气流轨迹输送关系密切。(3)安庆颗粒物冬季PSFC值和CWT值最大,夏季最小。PSFC和CWT值2处高值区主要分布在湖北东部、江西北部和湖南南部等带状地区,以及山西、河南中部、山东南部及安徽北部等带状区域。     

四川盆地逆温特征及其对PM2.5的影响研究

基于2000-2020年ERA5逐时温度廓线数据探究了四川盆地逆温特征时空变化,量化了逆温对PM_2.5的贡献,分析了成都和宜宾重污染期间逆温特征及边界层结构。空间上,盆地中部逆温频率最大,在15～25%之间,东部和南部地区次之,盆地西北和西南地区最低;盆地逆温厚度季节变化的空间分布差异较小,整体集中在200～350 m之间;逆温强度冬季最强,中部地区逆温强度最大可达0.45°C/100 m左右。时间上,逆温频率12月至次年4月达到最大,最大可达25%,6～8月最小,逆温厚度3～4月达到最大,多在280.85～400.97 m之间,7～8月最小,逆温强度总体变化不显著,多小于0.4°C/100 m。四川盆地站点逆温频率、厚度、强度与PM_2.5呈正相关,相关系数分别为0.3,0.28和0.25。成都和宜宾逆温特征与PM_2.5的拟合关系表明,成都和宜宾逆温厚度分别为376和374 m时,PM_2.5平均浓度均达到75μg/m³左右,逆温强度与PM_2.5浓度的拟合曲...     

上海城区典型臭氧浓度偏低年的成因分析

利用2006~2010年上海徐家汇、崇明、宝山、金山和浦东5个监测站的臭氧资料,分析了上海地区不同功能区臭氧的浓度特征及年际变化特征。结果表明：2006年上海地区臭氧平均浓度是这5 a的最低值,以徐家汇和浦东两个站臭氧浓度年际差异最为明显。2006年各站春末和夏季的臭氧浓度明显低于其他年份,而秋冬季臭氧浓度却差别不大。以徐家汇地区为例的综合分析表明,天气状况、日照时数、温度和风速等气象要素不是造成2006年上海城区臭氧浓度偏低的原因,臭氧前体物（VOCs和NOx）才是造成这种现象的主要原因。2006年4~8月NOx和VOCs浓度明显偏低,典型臭氧日变化情况下2006年VOCs/NOx比值较小,平均值为1.22,比2007、2008年低了近65%,而O3的生产率也分别减少了65%和59%。OZIPR模式的结果也表明较低的VOCs浓度以及VOCs/NOx比值,是导致2006年上海城区臭氧浓度偏低的主要原因     

城市生态系统复合下垫面碳通量特征——以上海市奉贤大学城为例

随着城市化进程的加速和城市人口规模的增加,城市已成为最大的碳源,研究城市生态系统对大气二氧化碳的贡献成为碳循环研究的焦点问题之一。基于研究区域内土地利用现状和一年的涡动观测系统观测数据,结合地理信息技术(Arc GIS)和通量计算工具(Eddypro及ART Footprint Tool)以及碳通量足迹模型分析了上海奉贤大学城碳通量足迹特征,基于此探讨不同下垫面类型,包括以草本和木本等透水层为主的下垫面(称为自然系统),以建筑物、道路等不透水层为主的下垫面(称为社会系统)碳通量的变化特征。研究结果表明:1)在不同风向上,碳通量贡献区范围随着大气稳定度的增加而扩大。大气处于稳定条件下,非主风向上的碳通量贡献区范围(最大范围1 100 m)比主风向上的碳通量贡献区范围(最大范围780m)要大;当大气处于不稳定条件下时主风向和非主风向下的碳通量贡献区范围相差不大(最大范围分别为321和351m)。2)不同下垫面其源汇特征不同,以绿色植物为主的自然系统年碳通量均值为–4.1μmol/m~2/s,表现为碳汇;社会系统的年碳通量均值为8.6μmol/m~2/s,表现为碳源。3)自然系统的碳通量日变化具有较明显的季节分异,变化特征大致呈"U"型;社会系统的碳通量日变化没有明显的季节分异,变化特征大致呈"M"型。绿色植物对城市生态系统的大气二氧化碳有降低作用,结合自然和社会系统的碳通量变化特征可以为以后合理规划城市布局,建立低碳城市提供服务。     

长江中游城市群土地利用变化对PM2.5污染的影响及空间溢出效应

城市群已成为当今中国空气污染的重灾区，严重损害了区域生态环境与人体健康，但少有研究考虑如何通过优化土地利用结构，使大气环境的自然净化能力最大化，进而减少既定污染排放对空气质量的负面效应。鉴于此，以城市化进程迅速、空气污染严重的长江中游城市群为实证对象，从土地利用结构的视角出发，利用自主反演的高精度PM_2.5数据，基于广义可加模型与空间回归模型，揭示2005～2020年土地利用变化对PM_2.5浓度的非线性影响及其空间溢出效应。研究结果表明：(1)2005～2020年长江中游城市群建设用地大幅增加而耕地持续减少，PM_2.5浓度在2011年前后呈现先上升后下降趋势，并具有显著的空间自相关性；(2)土地利用变化对PM_2.5浓度的影响为复杂的非线性关系，其中建设用地与耕地变化对PM_2.5浓度的影响存在边际递减效应；(3)土地利用变化对PM_2.5浓度的影响存在显著的空间溢出效应，且除草地外，各地类对PM_2.5浓度影响的直接效应均大于间接效应；(4...     

桂林毛村地下河水-气界面CO_2通量的变化特征及其影响因素

为揭示不同时间尺度下岩溶区地下河出口CO_2通量的变化特征及其影响因素,本研究采用静态浮游箱-气相色谱法对毛村地下河出口水-气界面CO_2交换通量开展季节性和连续48小时昼夜监测。结果显示:水-气界面CO_2交换通量具有明显的季节性和昼夜变化特征,并且均表现为由水体向大气释放CO_2,呈现出大气CO_2源的特征。在季节性尺度上,CO_2交换通量的变化范围为90.27～406.32 mg·(m~2·h)~(-1),平均值为253.50 mg·(m~2·h)~(-1)。CO_2交换通量的季节性特征表现为雨季大于旱季。在昼夜尺度上,CO_2交换通量的变化范围为46.8～244.45 mg·(m~2·h)~(-1),平均值为137.81 mg·(m~2·h)~(-1)。CO_2交换通量的昼夜性特征表现夜晚大于白天,最高值出现在凌晨0∶00和1∶00,最低值出现在下午14∶00和15∶00。由于毛村地下河出口水-气界面CO_2交换通量受到诸多因素的影响。通过相关分析表明,毛村地下河出口水-气界面CO_2交换通量在季节性尺度下的主控因素为岩溶水体中碳酸的平衡系统,但是在昼夜尺度下的主控因素为局地区域环境参数。     

基于MODIS AOD数据的南京市大气能见度估算

以南京市为研究区,利用MODIS气溶胶产品数据(MOD04L2)获取研究区气溶胶标高数据,结合地面气象站点能见度观测数据,构建研究区不同季节能见度估算模型,估算南京市2013年能见度时空分布。研究结果表明,研究区能见度模型估算值与实测值总体趋势较为一致,分季节模型能见度估算均值相对误差为14.3%;南京市2013年能见度年均值为6.07km,大致呈现出由市区向周边郊区逐渐升高的趋势;研究区不同季节能见度差异明显,夏季能见度显著高于其他3个季节,在该季节全市能见度均值达到9.93km,约为其余3个季节均值的2倍左右,气候状况与经济社会发展布局是影响研究区能见度时空差异的主要因素。     

Comparison of temporal and Spatial Characteristics of Ozone Pollution at Ground Level in the Eastern China

Abstract

Monitoring data from ozone(O₃ automatic stations in three typical cities with different climatic areas in the southern and northern parts of eastern China are used to analyze temporal and spatial characteristics of ozone pollution at ground level. The results show that ozone pollution level has distinct regional differences and the concentration in the suburbs is higher than that in the urban areas. The seasonal variation of ozone concentration in different climatic areas is greatly affected by the variation of precipitation. Ozone concentration in Shenyang and Beijing, in the temperate zone, has one perennial peak concentration, occurring in early summer, May or June. Ozone concentration in Guangzhou, in sub-tropical zone, has two peak values year round. The highest values occur in October and the secondary high value in June. The ozone season in the south is longer than that in the north. The annual average daily peak value of ozone concentrations in different climates usually occur around 3 pm. The diurnal variation range of ozone concentration declines with the increase of latitude. Ozone concentration does not elevate with the increase of traffic flow. Ozone concentration in Guangzhou has a distinct reverse relation to CO and NO_x. This complicated non-linearity indicates that the equilibrium of ozone photochemical reaction has regional differences. Exceeding the rate of Beijing's 1h ozone concentration is higher than that of Guangzhou, whereas the average 8h ozone level is lower than that of Guangzhou, indicating that areas in low latitude are more easily affected by moderate ozone concentrations and longer exposure. Thus, China should work out standards for 8h ozone concentration.     

上海崇明岛近三年PM_(2.5)浓度变化特征与气象条件的关系

利用2011年1月~2014年2月上海崇明岛地区颗粒物(PM_(2.5)、PM_(10))的连续监测资料,研究了PM_(2.5)总体分布、季节变化、日变化及浓度频率分布规律,初步分析了逆温、相对湿度、风向风速等气象要素对颗粒物浓度的影响。结果表明:2011~2013年该地区PM_(2.5)平均值分别为24.7,33.6和28.3μg/m~3,均低于PM2.5的年平均浓度限值35μg/m~3,细粒子污染程度较轻。PM_(2.5)浓度日变化幅度不大,呈微弱的单峰型分布,9∶00左右达到一天中的最大值,15∶00左右达到最小值。PM_(2.5)浓度的季节分布特征明显,呈现出冬季春季秋季夏季,一般情况下5月份PM_(2.5)月均浓度值最高,8月份浓度最低。PM_(2.5)日平均浓度有57.9%达到国家空气质量一级标准,有93.4%达到国家空气质量二级标准,超标率为6.6%。对PM_(2.5)与各气象要素进行分析后发现:PM_(2.5)质量浓度在逆温层结稳定、风速小、高湿以及近地面盛行西北到西风这样的静稳天气条件配合高空西北方向上的外来污染物输送,容易造成高浓度的PM_(2.5)污染。     

长江三角洲城市群PM_(2.5)时空演变及影响因素

科学识别PM_(2.5)的空间分异及其驱动因素,是实现区域空气污染治理的关键。以国测点日均PM_(2.5)浓度为数据来源,基于多种空间分析方法,研究长江三角洲城市群PM_(2.5)浓度的时空演变及影响因素。结果发现:(1)2013～2017年,长江三角洲城市群的PM_(2.5)年平均浓度,处于不断下降的趋势;城市间的差异,呈现逐渐减少的趋势。(2)一年中,12月份的PM_(2.5)浓度最高,8月份的PM_(2.5)浓度最低。1～12月,PM_(2.5)浓度先减后增。(3)2013年,PM_(2.5)高浓度区域主要分布在江苏省;2017年,PM_(2.5)高浓度区域主要分布在安徽省。5年间,PM_(2.5)浓度的空间重心,向安徽省转移72 km。(4)长江三角洲城市群PM_(2.5)浓度存在明显的空间自相关。存在PM_(2.5)浓度高-高值区、低-低值区"扎堆"现象,且集聚程度趋于增大。(5)影响PM_(2.5)浓度的因素包括了自然因素和社会因素。自然因素中,降雨与PM_(2.5)浓度显著相关。社会因素主要来自工业排放、交通排放和能源消耗。其中,能源消耗的影响程度最大,工业排放次之,交通排放最后。     

Comparison of temporal and Spatial Characteristics of Ozone Pollution at Ground Level in the Eastern China

Monitoring data from ozone（O3） automatic stations in three typical cities with different climatic areas in the southern and northern parts of eastern China are used to analyze temporal and spatial characteristics of ozone pollution at ground level. The results show that ozone pollution level has distinct regional differences and the concentration in the suburbs is higher than that in the urban areas. The seasonal variation of ozone concentration in different climatic areas is greatly affected by the variation of precipitation. Ozone concentration in Shenyang and Beijing , in the temperate zone, has one perennial peak concentration, occurring in early summer, May or June. Ozone concentration in Guangzhou, in sub-tropical zone, has two peak values year round. The highest values occur in October and the secondary high value in June. The ozone season in the south is longer than that in the north. The annual average daily peak value of ozone concentrations in different climates usually occur around 3 pm. The diurnal variation range of ozone concentration declines with the increase of latitude. Ozone concentration does not elevate with the increase of traffic flow. Ozone concentration in Guangzhou has a distinct reverse relation to CO and NOx. This complicated non-linearity indicates that the equilibrium of ozone photochemical reaction has regional differences. Exceeding the rate of Beijing＇s lh ozone concentration is higher than that of Guangzhou, whereas the average 8h ozone level is lower than that of Guangzhou, indicating that areas in low latitude are more easily affected by moderate ozone concentrations and longer exposure. Thus, China should work out standards for 8h ozone concentration.     

Surface ozone trends in Hong Kong in 1985-1995

Ozone trends in Hong Kong were assessed from the ozone data recorded at three urban stations and one station in the new development area. Three parameters were selected as the robust trend indicators in the study: monthly mean, monthly averaged daily 1-h maximum, and number of annual hours > 120 microg m(-3). As the ozone data displayed obvious seasonal variation, using deseasonalized monthly average parameters to estimate the ozone trends could smooth out the influence of seasonal fluctuations. The detection of an increase of more than 10% per year in ozone concentration at one station was particularly alarming. Effects of meteorological factors, control programmes of ozone precursors, and long-range transport on the ambient ozone level were examined in the study.     

High-resolution spatial analysis of stomatal ozone uptake in arable crops and pastures

Ozone effects on plants depend on atmospheric transport and stomatal uptake. Thus, ozone-risk assessments should use measured ozone concentrations and account for the influence of atmospheric conditions and soil moisture on stomatal and nonstomatal ozone deposition. This requires disaggregated data for the physical input parameters and species-specific data for specific stomatal conductance (g(s)). In this study, an approach was developed based on a resistance analogue transport model. This model requires interpolated routine-measuring data for ozone concentration at 3-5 m height, wind speed, precipitation, and soil moisture content as inputs to estimate the amount of ozone taken up by wheat (Triticum aestivum) and grass/clover pastures with a 1x1-km resolution. The model was applied to the area under agricultural production in Switzerland. Using data for June 1994, the calculations revealed that the median of the distribution of stomatal ozone uptake was 88% higher in wheat compared to grassland. This was mainly due to the higher maximum stomatal conductance in wheat. Because ozone flux to soil and to external plant surfaces was comparable in both vegetation types, the difference in the stomatal fluxes was mainly responsible for distinct differences in flux partitioning. In both cases, only about 11% of the total cumulative flux was absorbed by external plant surfaces, whereas the soil was a strong sink responsible for as much as 50% of the total flux into grasslands. The higher-ozone flux to wheat resulted in clearly lower-ozone concentrations at canopy height, but no significant correlation between cumulative canopy-level ozone exposure, expressed as accumulated exposure above 40 ppb (AOT40), and stomatal uptake was found. Thus, to estimate the ozone risk for crops using a flux-based approach may lead to results that differ substantially from those obtained with a concentration-based approach.