大气中NH3的光学监测技术研究进展

NH3是大气中含量仅次于NO和N2的含氮化合物,也是大气中重要的碱性气体,作为酸性污染物的中和剂,NH3越来越受到人们的重视。文章介绍了大气NH3的主要农业和非农业排放来源,并详细介绍了近年来大气NH3的光谱测量技术(光声光谱技术,量子级联激光吸收光谱技术,傅里叶红外分析技术,可调谐半导体激光器吸收光谱技术以及紫外差分吸收光谱技术)及其进展,总结并分析了这些技术的技术要点、应用领域以及在最近10年对大气NH3的测量结果和研究热点。     

“散乱污”企业遥感动态监管技术及应用

针对京津冀及周边等大气污染重点地区“散乱污”企业监管缺乏有效技术手段的问题,以卫星遥感技术为基础,综合利用地面站点空气质量监测、车载走航遥测技术、污染源在线监测等多种技术手段,建立了一套“散乱污”企业动态监测与整治效果评估的方法体系,并以京津冀及周边大气污染重点区域“2+26”城市中的廊坊市为典型示范区开展了应用.结果表明:①基于卫星遥感建立的大气污染指数模型及重点关注网格可以很好地指示“散乱污”企业重点集聚区,2018年3月廊坊市在重点关注网格内识别出疑似“散乱污”企业42处.②廊坊市“散乱污”企业PM_2.5和NO₂的整治效果明显,与2017年相比,2018年其对全市PM_2.5浓度和NO₂对流层柱浓度下降的贡献率分别达11.14%和5.95%.③廊坊市“散乱污”企业分布及整治效果核查验证表明,建立的“散乱污”企业识别方法有效,污染企业识别率达79%,“散乱污”企业整治效果明显,待核验的42处疑似企业中已拆除或关停的企业有14家,其他为中小型企业.车载走航遥测技术可以有效配合现场核验,核验的疑似“散乱污”企业沿线中因“散乱污”企业已整治完毕,现场观测显示污染程度较低.研究显示,建立的“散乱污”企业动态监管技术,不仅可以掌握“散乱污”企业区域污染分布规律,而且可以有效提取重点监管目标及评估管控效果,解决了目前“散乱污”企业监管技术手段缺乏的问题,并可应用于中小企业的监管,对提升我国大气环境精准治污、科学治污水平意义重大.      

2013-2014年河南省PM2.5浓度及其来源模拟研究

随着城市化和工业化水平的逐渐提高,河南省的空气污染问题也日益严重.利用嵌套网格空气质量模式（NAQPMS）,数值模拟了2013年7月-2014年6月年河南省大气细颗粒物及其前体物（NO₂、SO₂、PM₁₀、PM_2.5）的地面浓度,并量化了其主要来源.结果表明：模式能够较好地再现污染物的时空演化特征.整体来讲,河南省PM_2.5的高值区集中在中部和北部地区,呈现冬季高、夏季低的特点.在线源解析模拟发现,河南省不同地区PM_2.5的来源有所不同,中西部地区主要来自于本地,而在东部和北部地市,来自周边省份的区域输送更为显著,其贡献达到40%～50%,且在PM_2.5浓度的高值区更为明显.就行业贡献而言,居民源、工业源和机动车排放是河南省PM_2.5浓度的主要来源,其浓度贡献分别为23.7 μg·m^-3（贡献比例24%,下同）、20.6 μg·m^-3（21%）和21.3 μg·m^-3（22%）,电厂、农牧业和地面扬尘的浓度贡献分别为7.0 μg·m^-3（7%）、8.7 μg·m^-3（9%）和17.8 μg·m^-3（18%）.受居民源影响最大的地区是河南中东部和北部地市,其贡献达到PM_2.5浓度的27%、27%和25%.工业源影响最大的地区集中在太行山南部地市,其浓度贡献为26.4 μg·m^-3（24%）,在其他地市的贡献为17%～23%.机动车对河南东部影响最为显著,其浓度贡献为22.9 μg·m^-3（24%）.电厂和农畜牧业对全省PM_2.5的贡献分布比较均匀,分别为6%～9%和8%～10%.分析不同浓度下的PM_2.5来源,发现工业源和扬尘贡献随PM_2.5浓度增加逐渐降低,而居民源和机动车排放的贡献则有所增加,在PM_2.5浓度高于100 μg·m^-3期间,达到22%和20%.     

基于卫星数据研究兰州市NO2时空分布特征以及冬季NOx排放通量

搭载在EOS AURA卫星上的OMI探测器由于其较高时空分辨率在大气痕量气体(O3,NO2,SO2)探测中得到广泛应用.利用2010~2012年OMI NO2柱浓度数据产品重构了兰州市以及周边地区NO2柱浓度分布,分析了其时空变化特征,并利用西南风场下NO2空间分布特征采用拟合方法研究了NOx冬季排放通量以及寿命.研究表明,NO2柱浓度空间分布呈现以兰州市为中心,浓度向四周扩散的特征;兰州市NO2柱浓度的年变化特征为12月达到最大浓度,8月达到最小浓度;2010~2012年NO2寿命分别为10.6,9.9,9.1h,NOx冬季排放通量分别为175.3, 183.7,179.9mol/s.其排放通量与兰州环境公报提供的氮氧化物排放通量数量级之间具有较好的一致性,说明利用卫星数据估算兰州的NOx通量方法的有效性.     

区域大气环境污染光学探测技术进展

环境污染物的形成、转化、输送和演变过程具有极强的时空相关性,研究和发展能适用于多组分环境污染物的快速、实时、动态监测技术是科学研究工作者面临的重大课题.基于光谱学原理的环境监测技术,由于其具有非接触、无采样、高灵敏度、大范围快速监测等特点,是国际上环境监测技术的主要发展方向之一,并被广泛应用于环境、气象和科学研究等领域.针对京津冀地区大气重污染发生-演变-消散全过程的核心科学问题,通过建立大气污染传输通道立体观测网,开展重污染时段和重污染过程的车载走航、机载观测地基遥感和卫星遥感观测,综合运用大气环境监测网以及超级站等观测平台,获取大气污染物的光学特性、环境气象信息等演变规律,从而推动京津冀及周边地区空气质量的持续改善.光谱学技术在环境监测领域的成功应用,为区域大气和全球环境状况奠定了技术基础.      

差分吸收光谱测定北京市冬季大气中的CS2

2006年2月17～23日在北京市丰台区,利用差分吸收光谱技术(DOAS)对大气中的CS2以及SO2、O3进行连续监测.结果表明,大气中CS2具有明显的日变化特征,日变化曲线存在明显的"双峰"结构,浓度峰值分别出现在早晨700～900和午夜0000左右.测量期间CS2最大体积分数达到9.3×10-9.CS2与SO2日变化趋势基本相同,二者存在较好的相关性.北京市CS2可能主要来源于冬季供暖燃煤、居民用煤和周边地区污染源的贡献.     

基于Stacking集成学习模型的气态亚硝酸预测

建立了基于Stacking集成学习下气态亚硝酸（HONO）预测模型.利用非相干宽带腔增强吸收光谱（IBBCEAS）系统获得的北京城区HONO的浓度,结合HONO的来源,选取了O₃、CO、SO₂、NO、NO₂、NO_y、温度（T）、相对湿度（RH）、风速（WS）、j（HONO）、j（NO₂）、j（O¹D）作为特征数据,通过对HONO的平均日变化分析,将测量时间按小时转换为新特征.分别以极端梯度提升（XGBoost）、轻量化梯度促进机（LightGBM）以及随机森林（RF）算法构建基模型,采用5折交叉验证的方式划分训练集,将基模型输出的结果作为新特征集,并将新特征集作为第二层线性回归模型的输入,通过对这两层中的模型进行训练,最终得到Stacking集成学习HONO预测模型.通过对模型的特征重要度分析和计算夜间交通直接排放所占的贡献,表明CO是模型预测中重要的影响因子,说明机动车的直接排放是该区域冬季时期HONO的重要来源.利用测试集分别对单模型和融合后模型的预测性能进行评估,3个单模型的预测结果与测量值的相关系数都达到了0.91以上,其中Stacking融合后的模型性能最好,相关系数达到了0.94,平均绝对误差和均方根误差分别为0.307×10^-9和0.453×10^-9,结果表明基于Stacking集成学习方式下HONO预测模型的可解释性和推广性.     

基于电化学传感器的大气NO2与O3监测研究

利用四电极电化学传感器开展大气NO₂和O₃监测研究.为解决温度和湿度对传感器响应的影响问题,提出了一种具有温湿度补偿与零点校正功能的大气NO₂和O₃测量结果校准模型,通过活性炭吸附特性获得干净的背景气体,实现传感器准确的零点校正,并利用实验系统实测数据结合多元线性回归方法获得校准模型参数.首先对传感器线性响应特性进行了测试,发现O₂和O₃的测量灵敏度分别为3.889 ppbv·mV^-1和4.107 ppbv·mV^-1.同时,在合肥西郊科学岛开展了为期2 d的大气NO₂和O₃连续观测,发现两者的浓度分别为0~30 ppbv和2~100 ppbv.最后将传感器观测结果与NO_x/O₃分析仪测量结果进行了回归分析,发现两者测得的NO₂线性拟合斜率为0.9701±0.0182,R²为0.8378,测得的O₃线性拟合斜率为0.9850±0.0101,R²为0.9431.研究表明,校准后的电化学传感器可用于大气NO₂和O₃的长期监测,可为推动大气环境监测技术发展提供新的思路.     

广州市交通主干道空气中苯系物的测量

为了研究广州市道边空气中苯系物的污染状况,利用差分吸收光谱(DOAS)系统于2010年11～12月广州亚运会期间对广州市荔湾区黄沙大道道边空气中的苯系物(苯、甲苯、二甲苯等)及常规污染物NO2、O3等进行了监测.结果表明,在整个测量期间,苯系物在夜间显示了较高的浓度值,苯的平均浓度为15.9μg·m-3、甲苯为61.3μg·m-3、对-二甲苯为6.5μg·m-3、间-二甲苯为16.9μg·m-3、苯酚为0.88μg·m-3.甲苯与苯的平均浓度与国内其他城市的平均水平较为接近,两者的比值变化范围在1.2～6.16.通过比对甲苯与苯的相关性,在整个测量期间内其相关系数为0.86,在浓度值较高时段,其相关系数达到0.985,表明在该区域苯与甲苯存在同源性;以甲苯为例,分析其与CO的相关性,相关系数为0.78,表明交通排放是苯、甲苯的一个主要来源.结合风速风向等气象数据的分析得出气象条件是影响苯系物污染物浓度水平的一个重要因子,并给出了可能的点污染源.     

大气环境高灵敏光谱探测技术

大气环境高灵敏光谱探测技术是以光与环境相互作用为基础发展起来的学科交叉方向,使用光学的方法和手段来探知研究环境问题。大气环境高灵敏光谱探测技术能够实现从现场瞬态灵敏探测到污染时空分布等不同尺度的遥测,从而获得大气污染"点-线-面"的时空变化规律,由于光谱探测技术具有多组分、非接触、无采样、高灵敏度、大范围快速以及遥测等特点,已经成为国际上大气环境监测技术的主要方向之一。大气环境高灵敏光谱技术在污染源、工业园区、空气质量以及区域污染等监测方面都有很广泛的应用。针对化工园区复杂的环境污染问题,光谱探测技术可以高灵敏、非接触地获取多种污染物浓度特征,掌握化工园区污染时空分布状况,为化工园区的大气污染治理提供有效支撑;针对京津冀、长三角等地区大气重污染过程的核心问题,大气环境高灵敏光谱探测技术通过地基组网观测,车载/机载平台移动观测等三维立体监测手段获取重点区域污染物的生成、转化过程以及重污染过程的形成机制,为区域大气污染成因追溯、污染控制措施评估提供科学的数据和技术支撑。高灵敏光谱探测技术在大气环境领域的成功应用,为污染源、化工园区和重点区域的环境综合诊断和治理奠定了技术基础。