基于MERRA-2资料的PM2.5主要组分污染特征及与气象条件的相关性分析

利用MERRA-2再分析数据,对1980～2020年中国区域黑碳、有机碳和硫酸盐质量浓度的空间分布特征、多时间尺度变化规律进行了分析,并进一步探讨了典型区域黑碳、有机碳、硫酸盐浓度与大气自净能力指数之间的可能联系.结果显示:中国黑碳、有机碳、硫酸盐浓度都呈西部低、中东部高的空间分布特征,且京津冀、川渝、江浙沪、两广等4个区域的污染特征具有代表性;中国黑碳、有机碳、硫酸盐浓度均呈现阶段性的年代际变化特征,1980—2020年期间经历了缓慢增加、快速增加和缓慢下降的过程;4个区域3种组分的季节变化规律有较大差异,其中黑碳浓度呈夏季低、冬季高的“U”型变化规律,有机碳和硫酸盐浓度无显著的一致性特征;大气自净能力指数与黑碳、有机碳、硫酸盐浓度的长期变化趋势上有显著的负相关关系,即大气自净能力指数越大(小),污染物浓度越低(高).     

2018年秋冬季长江三角洲区域PM2.5污染来源数值研究

使用WRF-Chem和WRF-FLEXPART模式定量研究了2018年秋冬季,尤其是在明显冷空气影响时的长江三角洲PM_2.5来源贡献.结果表明：2018年秋冬季长江三角洲以外的跨区域输送对长江三角洲PM_2.5的贡献占15.9%,长江三角洲内部排放贡献占84.1%,长江三角洲区域内部排放及污染相互传输的影响比长江三角洲外跨区域输送的影响更为显著.而在冷空气影响时段中,跨区域输送对长江三角洲PM_2.5的贡献率为33.1%,约为整个秋冬季长江三角洲外部跨区域平均输送贡献率的2倍,输送影响更为明显;输送对长江三角洲三省一市的贡献为46.2%~56.2%,其中跨区域输送的贡献10.2%~38.6%,也明显大于各自秋冬季的平均水平.在冷空气影响时段,长江三角洲四座重点城市（上海、合肥、南京、杭州）的污染潜在输送路径主要以中东路为主;上海、南京受到长江三角洲以外的污染潜在贡献较多,超过30%;杭州受到长江三角洲以外的污染潜在贡献较少,为16.1%.     

南京北郊不同大气污染程度下气溶胶化学组分特征

为了解不同大气污染程度下大气细颗粒物中水溶性化合物和含碳物质的污染特征,使用瑞士万通850 professional IC型色谱仪和Model 2001热光碳分析仪分别对2015年南京北郊冬季清洁、轻/中度污染和重度污染程度下的水溶性离子、OC(有机碳)和EC(元素碳)进行了分析.结果表明,重度污染中PM_(2.5)日平均浓度为清洁天的4.0倍,SO_4~(2-)、NO_3~-和NH_4~+这3种主要二次离子平均浓度则分别为清洁天的6.4、3.1和3.9倍,且它们均以(NH_4)_2SO_4和NH_4NO_3的形式存在于清洁天和污染天中.两种呈酸性的污染天均主要受流动源影响.OC与EC的最高浓度均出现在重度污染天,分别达到49.8μg·m~(-3)和10.3μg·m~(-3).清洁天中SOC平均浓度最低(4.28μg·m~(-3)),但SOC占OC质量分数却高于另外两种污染天(41.14%).通过碳组分丰度值发现燃煤燃烧和汽油车尾气排放是观测期间内碳质颗粒物的共同主要贡献源.     

南京北郊黑碳气溶胶的来源解析

利用七波段黑碳仪对2015年1~12月南京北郊地区黑碳(black carbon,BC)气溶胶实时监测,并结合黑碳仪模型对该期间内BC进行来源解析,探讨化石燃料排放产生BC(BCff)与生物质燃烧产生BC(BCbb)各自的贡献大小.结果表明,观测期间BC的吸收波长指数(α)和生物质燃烧对BC的贡献百分比(BB)的变化范围都较大但趋势较为一致;冬季α值偏高而夏季α值较低,表明不同季节时间BC来源和强度的差异性.BCff在各季节BC总浓度中占比略有不同但均高于75%;BC、BCff和BCbb的日变化趋势均呈双峰特征,在07:00~09:00和18:00~21:00左右浓度有最大值;全天中,BCff对BC贡献最大,浓度值约为BCbb的3~5倍;夜晚BC浓度普遍高于白天,其平均浓度值是白天的1.2倍.由浓度权重轨迹分析的结果可知,影响南京北郊地区高浓度BC的源区主要集中在浙江、安徽以及江西和福建等地区.     

2015年10月南京霾污染过程分析

为探讨南京秋季霾污染过程发生的主要影响因素,利用南京信息工程大学太阳光度计观测霾污染发生天气下AOD（aerosol optical depth,气溶胶光学厚度）数据,计算AE_440-1020（?ngstr?m Exponent,波长指数）以及a₂（光谱曲率）,结合CALIPSO（Cloud-Aerosol Lidar and Infrared Pathfinder Satellite Observations）卫星气溶胶组分分析以及MODIS（Moderate Resolution Imaging Spectroradiometer）火点数据,对2015年10月南京霾污染过程进行分析.结果表明:2015年10月出现的两次霾污染过程期间南京地区AE_440-1020均高于1.0并且a₂呈负值,其中10月16日AQI达到峰值（201）,AOD₅₀₀达1.51,AE_440-1020达1.37,a₂达-0.77;这两次较为严重的霾污染过程均主要由人为因素（工业污染、城市建设、生物质燃烧、汽车尾气排放等）产生的细粒子所致.后向轨迹分析发现,2015年10月16日南京地区霾污染天气发生的主要原因是区域型污染,同时受长距离输送影响,大量携带人为因素产生的细粒子以及少量沙尘等污染物的空气团途经内蒙古、山东等地到达南京,加剧了当日的污染程度;2015年10月23日南京地区霾污染天气的发生则主要受长距离输送影响,同时也受到区域型污染影响,加剧了当日的污染程度.研究显示,在稳定的气象条件下,较高的相对湿度、较低的地表风速、低混合层高度以及贴地逆温的出现是诱发霾污染天气产生的有利气象条件.      

嘉兴市春季一次持续雾霾过程中气象条件与污染物变化特征分析

2015年5月17~20日嘉兴市发生了一次持续性雾霾过程,本研究根据5月17~22日污染气体(O_3、SO_2、NO_2和CO)、PM_(10)、PM_(2.5)、10 nm~10μm气溶胶数浓度、气象要素及边界层探空数据,分析了这次过程的成因及其不同污染物的变化特征.结果表明,副高位置北抬、均压场结构、地面静小风和边界层中逆温层为这次雾霾过程的发生和维持提供了水汽、动力和热力条件.这次雾霾过程包含1次降雨和2次雾过程(雨雾和辐射-平流雾).雾霾过程中NO_2、CO、PM_(10)和PM_(2.5)的浓度较高,SO_2和O_3的浓度较低.强降雨对PM_(10)、PM_(2.5)和SO_2清除作用较大,弱降雨会加重污染过程.雨雾的发展过程中,PM的浓度持续积聚;辐射-平流雾过程中,PM浓度先快速下降然后再增加.不同过程中气溶胶数浓度谱均为单峰型分布,但是谱型差异较大,干净天、降雨、雾霾过程、雨雾和辐射-平流雾过程中气溶胶数浓度谱峰值分别位于20~30 nm、100 nm、30~60nm、120 nm和90 nm.表面积浓度谱在干净天、降雨、雾霾和雨雾过程中均为三峰型分布,辐射-平流雾为四峰型分布.     

基于CMAQ源同化反演方法的京津冀局地污染源动态变化特征模拟研究

利用"Nudging"源同化技术反演了京津冀地区2014年1、3、7、11月SO_2、NO_x的局地动态污染源,并分析其排放源强、特征及地理分布,对比其与初始源的差异,同时检验了反演源的模拟效果.结果表明,SO_2、NO_x污染源存在明显的季节变化,冬季或采暖期排放强度最大.由唐山、北京、天津、廊坊、保定、石家庄、邢台、邯郸构成东北-西南走向的带状污染物高排放区,最高排放中心主要集中在太行山、燕山山前区域,且排放具有典型的"城市化"特征,即各个城市市区及附近强度最大,周边郊县稍弱.与初始源模拟结果相比,采用反演源更能反映出污染物的时空变化特征,模拟值与实测值较接近,而且对于重污染过程亦具有较好的模拟效果.     

基于距离相关系数和支持向量机回归的PM2.5浓度滚动统计预报方案

针对目前空气质量统计预报方法存在的主要缺陷,本文提出了距离相关系数和支持向量机回归相结合的统计预报方案DC-SVR.利用淮安市2013年1—12月PM_(2.5)观测资料和常规气象观测资料,首先在选入预报当日气象要素的基础上,增加选取前期污染物和气象要素作为预报因子,再采用距离相关系数分季节从预报因子中筛选出重要预报因子,最后采用支持向量机回归对PM_(2.5)浓度值进行逐日滚动统计预报.研究发现,淮安地区气温和气压对PM_(2.5)的距离相关性要高于其他气象要素,夏秋季PM_(2.5)与气象要素的距离相关性较春冬季好.基于距离相关系数和支持向量机回归建立DC-SVR模型,PM_(2.5)的试预报值和实测值的全年相关系数高达0.76,平均偏差仅为1.13μg·m~(-3),平均绝对误差为23.47μg·m~(-3).通过与支持向量机回归、人工神经网络的统计预报效果对比,DC-SVR模型有效降低预报因子维数且能自适应选取最佳参数,预报精度显著优于其他3种统计预报方案,可为业务化预报提供参考.     

不同季节气象条件对北京城区高黑碳浓度变化的影响

利用2013年至2015年北京城区黑碳气溶胶(下文统称为"BC")和PM2.5观测资料,结合地面气象观测资料、ECMWF边界层高度再分析资料和FNL/NCEP不同高度风速再分析资料,讨论了BC质量浓度及其在PM_(2.5)质量浓度中所占比例(下文统称"黑碳占比")的季节、月、日变化特征,并通过计算北京城区BC浓度与不同高度风速的相关矢量,分析了气象条件和外来输送对北京城区BC浓度变化的影响.结果发现:研究时段内北京城区BC浓度平均值为(4.77±4.49)μg·m~(-3);黑碳占比为8.23%±5.47%.BC浓度和黑碳占比在春、夏季低,秋、冬季高,其日变化特征在4个季节均为"白天低夜间高"的单峰型特征.随着PM_(2.5)浓度的升高,BC浓度增大,黑碳占比减小.当北京地区风向为东北、东北偏东、东南和西南偏西(主风向)时,BC浓度与风速和边界层高度均呈反向变化,即随风速和边界层高度的增大而减小.另外不同季节BC浓度随风速变化的临界值及其变化速率不同.冬季高BC浓度时段,北京城区BC浓度在低层大气的关键影响区分别位于河北南部与山东交界地区以及河北西北部与山西内蒙交界地区;高空关键影响区主要位于北京以西的河北西部、山西北部和内蒙古地区.     

上海地区通风指数的应用研究

利用2013—2014年上海地区的风廓线资料及NCEP再分析资料,计算研究了上海地区通风指数的变化情况,并结合实际天气情况和预报经验,对常用通风指数公式进行本地化修正.通过分析修正前后的通风指数与颗粒物浓度的关系发现,修正后通风指数的时间变化特征与PM_(2.5)浓度的时间变化有显著的负相关关系,且经过修正的通风指数对于PM_(2.5)浓度变化的指示意义更强;研究其在典型污染个例中的应用情况发现,修正后的通风指数低时,对应的PM_(2.5)浓度值高,说明修正后的通风指数能较好地反映出边界层内大气对污染物的扩散和输送作用;另外,与未修正的通风指数对比发现,修正后的通风指数降低了原通风指数的数值,对污染的指示意义更强,尤其表现在上海地区受冷空气影响时,修正后的通风指数较原通风指数降低明显,能更好地反映出大气对上游地区污染物的输送作用.由此可见,经过修正后的通风指数更适用于本地化的预报服务,这也为上海地区的空气质量预报和霾预报提供了一个新的参考指标.