基于卫星遥感的京津冀热环境效应分析

为探究北京城区和京津冀城市群等不同尺度上地表热环境时空格局变化以及与大气污染和污染排放的关系,利用Landsat-58、Terra MODIS和Aura卫星上OMI等多期数据,采用普适性单窗算法反演了不同区域的地表温度强度,并结合京津冀重点行业NOX排放量和区域NO2柱浓度空间分布数据,分析了2001—2016年北京及京津冀地区大气污染、能源消耗和城市热力格局之间的关系。结果表明:北京市热岛分布具有显著的地域性,高地表温度与相对较低地表温度集聚与相间分布并存,建成区城市热岛效应明显; 2001—2016年随着城市的快速发展,城区快速向外蔓延,北京城市的热场强度逐年加强,范围逐年向东、向南扩大;热岛高强度范围与NO2高污染区、NOX高排放区有较好的一致性,热岛强度的分布特征有助于大气污染物"热量"网络的规划,卫星热红外遥感可提供必要的技术支撑。     

北京市农业大棚冬季燃煤散烧污染排放估算

选取北京农业种植的典型区域,使用高分辨率影像对2013年冬季、2014年夏季及2014年冬季的三期农业大棚进行了精细化提取,分析了污染物空间分布特征.在此基础上,通过现场调查的方式获取了蔬菜、瓜果、水果、花卉以及其他类五种不同种植类别农业大棚的燃煤系数,估算了北京市典型区农业大棚的燃煤散烧量及污染物排放量.结果表明:以面积为衡量指标,北京市农业大棚主要集中在城乡结合部,南部区域量多面广,而北部区域分布集中、规模较大,受城市扩张影响,农业大棚呈现重心向外转移的变化趋势.选取大兴、通州、昌平以及海淀4个区作为典型区,通过实地调查发现其他类农业大棚燃煤系数最大,达到15.0 kg/(m2·a),瓜果、水果、蔬菜及花卉燃煤系数依次为8.2、3.5、3.4及1.7 kg/(m2·a).北京典型区农业大棚燃煤量为3.4×104 t,全市农业大棚的燃煤总量约为5.2×104 t.结合农业大棚活动水平与污染物排放因子估算2014年北京市农业大棚燃煤散烧的PM₁₀、PM_2.5、NO_x及SO₂排放量分别为623.7、516.2、98.3及184.0 t.将2013—2014年冬季持续存在、夏季未被拆除的大棚定义为长期持续性大棚,核算发现,长期持续性大棚PM₁₀、PM_2.5、NO_x及SO₂排放量分别为399.7、482.9、76.1及142.5 t.      

2016年北京市春节大气颗粒物污染特征激光雷达监测分析

基于激光雷达大气颗粒物消光系数实时数据以及PM_2.5和PM₁₀自动在线监测数据对北京市2016年春节期间（2月7~13日）大气污染进行系统分析.除夕夜间受燃放烟花爆竹影响,大气颗粒物浓度在短时间内急剧攀升,市中心的官园站PM_2.5浓度最大值达到639.3 μg·m^-3,9 h内增长了近30倍,城郊的琉璃河站及定陵站颗粒物最大小时浓度均超过1000 μg·m^-3,显著高于市中心的官园站.初三至初五存在持续的颗粒物高浓度污染且城郊的颗粒物浓度均高于市中心.激光雷达的监测结果表明,除夕燃放时段内3个站点105 m处的消光系数显著高于405 m,呈现出明显的鞭炮燃放排放污染特征.3个站点的垂直消光特性存在显著差异,大气清洁时1.0 km下定陵、车公庄及琉璃河的背景极值分别为0.09、0.20和0.19 km^-1,2月8日00：00的消光系数最大值分别为0.23、1.36和1.19 km^-1,为同时刻同高度背景值的2.6倍、6.8倍和6.0倍,燃放烟花爆竹使得颗粒物的消光系数短时间内急剧增大.     

北京市大气PM10环境背景值的计算方法探讨

为了消除或降低PM10环境背景值计算中城市局地污染的影响,并且提高背景值在污染过程模拟中的准确程度,紧密联系天气过程、通过监测和统计途径探讨了确定环境背景值的方法.北京市空气质量背景监测站点在地方性天气过程中明显受到城市污染的影响,文中根据天气形势场、垂直方向上风向一致性、系统影响持续时间等判别标准区分了系统性和地方性过程,筛选出受系统性过程影响的、"背景时段"的监测数据.背景时段监测数据统计计算时,将背景值视为变量,用百分位数、剪裁均值、最大概率密度值、50%概率区间等特征统计量来表达其概率分布.文中还将背景值细化,根据天气系统特征和区域自然环境、人类活动的差异将背景值区分为4类,以代表不同污染过程的背景水平.使用2003年11月至2004年12月北京市北部和南部共5个清洁站点的监测数据,计算了117个中尺度天气系统影响时,PM10浓度概率密度分布以及背景值特征统计量.结果表明,4类背景值差别很大,从小到大排序依次是:北风＞东风＞西风＞南风,剪裁均值依次为:24～34、58、89～110和105μg·m-3.对4类背景值综合运算,得到2004年PM10年尺度上的综合背景值为58～67μg·7-3,较好地扣除了局地污染的影响.     

北京市基于PM10/CO关系的可吸入颗粒物自然源解析

通过详细分析北京市大气污染物多年(2000～2004年)的连续监测数据,建立了一种简便易行的大气颗粒物源解析方法.根据PM10与CO来源差异及不同时期PM10/CO比值的变化,推导出大气颗粒物的自然源贡献率.通过研究PM10、CO等大气污染物的年变化规律,发现PM10与CO等气态污染物浓度具有一定线性关系,且该线性关系存在明显季节变化,自然源贡献较少的秋冬季节二者的线性关系较好,而沙尘影响较重的春季线性差.建立了理想条件下冬季PM10/CO比值基准,并视其为城市人为源排放基准.冬季当PM10/CO比值大于该基准时,可以认为PM10有自然源贡献,比值越大,自然源贡献越多.根据冬季PM10/CO基准值和整个冬季PM10/CO比值变化情况,推算出2003年和2004年冬季自然源对PM10平均贡献为19%～23%;应用相同方法得到夏季PM10自然源平均贡献率为24%～28%;自然源年均贡献率为29%～35%,高于冬季和夏季,这主要是由于春季沙尘贡献量较大造成的.通过北京市大气污染物的源解析结果可以认为此方法准确有效.     

基于Himawari 8的沙尘遥感监测与应用

基于Himawari 8静止卫星数据实现了沙尘天气24h动态遥感监测.通过对Himawari 8通道15、13、11亮温值、通道15与13亮温差（BT15-BT 13）、通道13与11亮温差（BT13-BT 11）进行时间序列分析和直方图统计,发现在所选通道中,各地物亮温值分布较为接近,冰云亮温值约为220~250K;沙尘、水云和高纬度地表亮温值约为260~270K;低云、雾和中纬度地表亮温值约为270~290K.通道13对识别沙尘较为敏感,沙尘在通道13的亮温值明显低于通道11和15,在BT15-BT13亮温差值图上沙尘区存在明显高值,在BT13-BT11亮温差值图上为负值,明显低于其他地物.相关性分析结果显示,BT15-BT13和BT13-BT11与地面PM₁₀浓度在0.01水平上显著相关.通过BT15-BT13、BT13-BT11和通道13进行假彩色合成生成的沙尘遥感结果与气象数据,地面PM₁₀数据,激光雷达数据相结合,可对华北地区沙尘污染的起源,形成过程和行进轨迹进行24h的三维动态观测.     

2013~2014年北京大气重污染特征研究

从污染物浓度的时间变化、空间分布以及大气污染类型等方面,对2013~2014年北京大气重污染过程进行了分析,并初步探讨其影响因素.结果表明:2013~2014年北京共出现大气重污染105d,重污染频率为14.4%.其中,首要污染物为PM_2.5的天数为103d,首要污染物为PM₁₀和O₃各有1d;冬半年重污染天数占全年的76.2%.重污染气象要素特征主要表现为风速小、湿度高、能见度低.重污染日PM_2.5/PM₁₀浓度比值为91.3%,明显高于全年平均水平,表明重污染时颗粒物以细颗粒物为主.北京大气重污染区域分布表现为南高北低,平原高、山区低的总体特征,交通站重污染天数普遍高于市区其它站点.北京大气重污染主要表现为积累型、光化学型、沙尘型以及复合型等类别;其中积累型大气重污染往往伴有区域污染水平的整体升高,PM_2.5组分中NO₃^-、SO₄^2-、NH₄⁺等水溶性二次离子的浓度增幅最为明显;O₃污染在近两年有加重的趋势.     

2015年“十一”期间北京市大气重污染过程分析

采用垂直观测、地面观测、PM_2.5化学组分观测和气团轨迹分析等手段,对2015年10月份北京市一次大气重污染过程进行了分析.结果表明,重污染时近地面层气溶胶消光系数升高,污染物主要积聚在600m以下.重污染期间气象要素特征为：风场弱,湿度大,地面受弱气压场控制,边界层高度极低.重污染期间不同站点PM_2.5浓度变化趋势和峰值出现时间较为一致;大部分时段PM_2.5中NO₃^-浓度明显高于其他组分;周边区域受重污染的影响面积相对较小,高浓度区主要集中在北京市及近周边地区.多手段的观测结果以及PM_2.5浓度与气象要素和各化学组分的相关性分析的结果均表明：区域传输,包括秸秆焚烧,对本次北京市重污染天气过程具有一定的影响,但本地机动车排放在不利气象条件下的积累、二次转化以及垂直方向空间的极端压缩是导致重污染的主要原因.     

北京市冬春季大气颗粒物的粒径分布及消光作用

2004年1─5月,在北京市区连续监测了大气环境中ρ(PM₁₀₎,ρ(PM_2.5),ρ(PM₁)和ρ(TSP),以及大气能见度、地面气象要素.结果表明:春节期间颗粒物中细粒子所占的比例较高,ρ(PM₁)/ρ(PM_2.5)为0.81,ρ(PM10)/ρ(TSP)为0.61;而沙尘期其值分别为0.55和0.28.不同粒径的颗粒物质量浓度均呈在明显日变化,其夜间浓度峰值高于早晨交通繁忙时段.根据经验公式,将大气能见度换算为大气消光系数,并导出颗粒物消光系数.结果表明:颗粒物消光系数与颗粒物质量浓度呈显著正相关.进一步定义了颗粒物质量浓度消光比(CE_P),用来表征颗粒物的污染特征.统计分析结果表明:当CE_P<103时,颗粒物质量浓度很低,PM_2.5所占比例较高,代表了有利于污染扩散的气象条件;当CE_P>167,颗粒物质量浓度高,但细粒子比(ρ(PM_2.5)/ρ(PM₁₀₎)稳定在0.5～0.7,湿度也稳定在20%～50%,代表了不利于污染扩散的气象条件.      

2018~2020年北京市交通监测站点大气污染特征分析

基于北京市34个空气质量监测站点收集的5种主要污染物浓度（NO₂、CO、O₃、PM_2.5、PM₁₀）数据,对2018~2020年北京市5个交通站点污染物浓度进行分析,并与11个城市评价站点及2个背景点（密云水库、定陵）进行对比.结果表明：（1）3a间各污染物浓度年际变化总体呈下降趋势,除PM₁₀外,交通站点各污染物浓度降幅均大于城市评价站点.2020年交通站点NO₂降幅最大,比2018年下降了31.37%.除个别时期外,5种污染物浓度在交通站点比城市评价站点普遍高出3%~50%.且以NO₂最为突出.（2）2018~2020年各监测站点不同污染物浓度的季节变化特征表现不同.O₃夏季高、冬季低,最高值出现在2018年6月;其余4种污染物浓度基本表现为冬季高、夏季低;2018年3月受沙尘及不利气象条件影响,污染物浓度出现了极高值.（3）为研究新冠肺炎疫情对交通污染排放的影响,比较了5种污染物的浓度变化.与2019年同期相比,疫情后三个阶段的NO₂下降最为显著.交通站点NO₂、CO、PM_2.5平均降幅比城市评价站点高出了4.81%、10.21%、4.38%.