民用燃料燃烧排放PM2.5和PM10中碳组分排放因子对比

在实验室中模拟民用燃料在家庭炉灶中的燃烧,应用稀释通道系统采集颗粒物,获得玉米秸秆、薪柴、蜂窝煤和块煤四种常用民用燃料燃烧排放PM10,PM2.5及载带碳组分的排放因子.结果表明,民用燃料燃烧排放的颗粒物以细颗粒为主, PM2.5占PM10的70%~90%.颗粒物排放因子最大的为块煤,其PM2.5和PM10的排放因子分别为9.837和11.929g/kg,分别是蜂窝煤的12.6和13.7倍;玉米秸秆和薪柴PM2.5和PM10的排放因子稍低于块煤,为7.359~10.444g/kg.4种燃料燃烧OC排放因子块煤最高,其在PM2.5和PM10中分别为5.29和5.19g/kg.薪柴燃烧EC的排放因子最高,其在PM2.5和PM10 中的排放因子分别为1.065和1.126g/kg.块煤两种粒径上EC的排放因子略低于薪柴.蜂窝煤EC的排放因子最低,比薪柴低300倍左右,玉米秸秆EC的排放因子也要比薪柴低10倍左右.碳组分是块煤,秸秆,薪柴排放颗粒物的主要成分,其含量在40%~60%之间,该值比蜂窝煤高3倍.四种燃料对应的OC/EC比值差异很大,薪柴和块煤燃烧排放颗粒该值为3~6,秸秆和蜂窝煤燃烧排放颗粒其值高达30~50.     

北京及周边地区典型站点近地面O3的变化特征

利用2008年6月1日~2009年5月31日在北京城区中国气象局(CMA),及其西南方向固城站(GCH)和东北方向上甸子本底站(SDZ)的近地面O3等观测数据,分析了O3的变化特征及其与其他污染物和气象要素的关系.结果表明,上甸子本底站近地面O3的季节变化和日变化规律与固城和北京城区站存在一定的差异,而固城站和北京城区站的O3变化特征差异较小.相关性分析显示,O3与NO、NO2、NOx、RH多呈负相关,且相关性冬季好于夏季,此外,O3与气温和风速呈正相关,其中北京城区站冬季和夏季O3与风速的相关性差异最明显.O3浓度与地面风向有一定关系,当风向为偏南时,O3浓度较高,当风向为东北时,O3浓度偏低.     

反应性气体观测中标准气的误差问题及建议

通过制定严格的质量保证和质量控制措施,在实验室对不同的国产标准气与同一的具有NIST标准的进口标准气进行定量比对.结果发现,国内不同厂家生产及同一厂家生产不同批次的标准气,特别是SO2和NO标准气,其出厂浓度与比对后的浓度间存在较大的偏差.在所有比对结果中,有2/3的SO2标准气样品超过±5%的相对偏差,有1/3的SO...     

2014~2017北京市气象条件和人为排放变化对空气质量改善的贡献评估

2014～2017年北京地区霾日数和污染日数逐年减少,PM_(2.5)、PM_(10)、SO_2和NO_2年平均质量浓度下降,污染程度缓解,采暖期中的11～12月尤为明显.针对空气质量的显著改善,从气象条件的改善和减排措施两方面进行探讨分析,并结合数值模式和大数据挖掘技术实现气象和排放对大气污染贡献率的定量化研究.结果表明,2017年与过去3 a相比,平均风速增加7. 9%,≥3. 4 m·s~(-1)的风速频次最高(10. 6%),≥70%湿度日占比最小(25. 1%);其中,采暖期与过去3 a同期相比,小风日数减少8. 6%、大气环境容量指数和通风指数平均增加约11%,边界层高度以3. 2%·a~(-1)的速率升高,尤其11～12月各要素改善更显著,且该时段内2014年各因子变化与2017年相似.非采暖期(4～10月)累积降水量558. 3 mm,仅次于2016年,有利于污染物的清除和湿沉降.利用WRF-CHEM对霾和污染频发的12月进行模拟发现,气象要素的改变导致2017年12月北京PM_(2.5)质量浓度较2014～2016年同期分别降低5%、38%和25%.因缺少政府实际施行的减排方案,无法利用WRF-CHEM量化气象和减排的具体贡献率,因此借助大数据挖掘算法,基于K近邻算法(KNN)和支持向量机(SVM)模型对气象和减排对空气质量改善的贡献进行评估,结果显示2017年减少的霾日和重污染日,65. 0%归因于减排的贡献,35. 0%归因为气象条件的改善.可见,气象与生态环境部门应继续加强数据开放共享,科学开展气象条件预报与减排评估.     

内蒙古锡林河流域土壤呼吸的温度敏感性

2004年9月～2005年9月对内蒙古锡林河流域4种草地类型的土壤呼吸速率及相关水热因子进行了野外测定,应用2种数学模型和不同温度指标对草地土壤呼吸的温度敏感性问题进行了探讨.结果表明,Van′tHoff模型对温度变化较为敏感,显示出冬季的Q₁₀值明显大于夏季的特征,应用Arrhenius模型求算的不同季节的Q₁₀值变化不大.在>5℃时,Q₁₀值的变动范围,Van′tHoff模型为1.60～2.03,Arrhenius模型为1.48～1.67,略高于全球平均值;2种模型均对水分的变化比较敏感,表现为Q₁₀值随土壤水分的降低而升高的趋势.     

上甸子本底站地面臭氧变化特征及影响因素

利用TE Model 49C型臭氧监测仪,于2004年1月1日-12月31日,在上甸子本底站进行了地面φ(O₃)的连续在线监测.分析了全年φ(O₃)的变化特征及其与同期气象要素的相关关系,并对φ(O₃)高值日的个例分析进行了验证.结果表明,上甸子本底站地面φ(O₃)具有明显的季节变化和日变化规律,并且与同期的气象条件密切相关.主要特征:①夏初φ(O₃)较高,6月的平均值达到最高,小时平均最大值可达129.7 μL/m3;而冬季φ(O₃)较低,12月的平均值达到最低,小时平均最大值仅为32.7 μL/m3.②日变化趋势较为明显,在4:00-7:00出现最低值,在15:00-18:00出现最高值,变化幅度为夏季最大、冬季较小.③气温与φ(O₃)呈显著正相关,夏季相对湿度与φ(O₃)呈显著负相关,风向和辐射强度也与φ(O₃)及其变化规律呈显著相关关系.      

近年来珠三角地区大气中痕量氟氯烃(CFCs)的浓度水平与变化特征

用预浓缩-GC/MS方法研究了珠江三角洲大气中的CCl3F、CFC-12、CFC-113和CFC-114等4种痕量氟氯烷烃气体。结果表明,2005年珠江三角洲背景点鼎湖山大气中CFC-12和CFC-11的年平均浓度高于全球本底站,说明珠三角地区还存在一定CFC-11和CFC-12的排放源;CFC-113浓度水平则与全球本底站点浓度接近,且CFC-113和CFC-114在广州城区与鼎湖山差别不显著,表明区内其排放源强度应很小。观测日内广州和鼎湖山大气中四种CFCs的日变化幅度均较小,无明显的昼夜变化规律。广州市CFCs总体呈夏秋高、冬春低的特征,与城区致冷设备高温季节使用频率较大有关;鼎湖山则呈冬春高、夏秋低的特征,主要受扩散作用和季风的影响。初步分析显示,从1997年到2005年,CFC-11、CFC-12和CFC-114浓度总体呈现先上升后缓慢降低的趋势,而CFC-113的浓度一直逐年下降。     

天津地区霾天气特征研究

基于2014~2017年天津地区PM_2.5质量浓度，能见度和相对湿度监测数据开展霾天气特征研究.结果表明：天津中度以上霾过程分为五类：高压后部型，北部弱高压型，低压槽型，均压场型和锋前低压型.在现行标准下，中度霾一般对应重度污染天气，重度霾对应重度到严重污染天气；五级重度污染天气一般有中-重度霾发生，六级严重污染天气有重度霾天气发生.2013年“大气污染防治行动计划”开展以后，天津PM_2.5质量浓度和霾日均显著减少，2017年相比2013年霾日减少了55%，中度及其以上霾日由2013年的41d下降到2017年的20d，下降幅度超过50%.基于实况监测的PM_2.5质量浓度，能见度和相对湿度，可以较好的构建区域能见度计算方程.统计数据显示，其估算的能见度和实况值相关系数为0.94，相对误差为18.6%，非霾日辨识准确率为85%，霾日辨识准确率为95.6%，轻微霾辨识准确率为83%，轻度霾辨识准确率为78%，中度霾辨识准确率为93%，重度及以上霾辨识准确率为94%，对于判断霾等级，有较强的适用性.将该方程与空气质量模式结合开展霾等级预报，2015~2017年24h预报产品检验显示：能见度预报值与实况值相关系数为0.75，预报均值13.9km，实况均值14.1km，相对误差为29.6%，FAC2（预报值在实况值两倍范围内百分比）为98.1%，霾日预报准确率81.4%，霾日漏报率18.6%，霾日空报率20.6%，如果容错1级，轻微霾日预报准确率为96%，轻度霾日预报准确率为85%，中度及以上霾日预报准确率为69%，可有效支撑天津霾等级预报的开展.     

2013年1月华北地区重霾污染过程SO2和NOx的CMAQ源同化模拟研究

以2006年中国地区的INTEX-B排放清单为基础,采用CMAQ模式污染源同化方法,反演更新了2013年1月重霾污染过程华北地区的SO₂和NO_x排放源;应用WRF-CMAQ模式以及2006年INTEX-B初始排放源和2013年1月改进的排放源,分别模拟了1月9-15日和28-31日两次持续重霾污染过程的SO₂和NO₂浓度,并与华北地区47个环境监测站点实测值进行对比,重点分析了基于初始源和同化反演源的模拟效果及其改进原因;本文亦采用2012年清华大学编制的东亚地区MEIC排放清单评估了SO₂和NO_x同化反演源的合理性.分析结果表明:①CMAQ模式污染源同化方法可适用于重霾污染过程,即采用同化反演源模拟的SO₂、NO₂浓度时空变化特征与实测值较一致,而且可反映SO₂、NO_x排放源强的动态变化特征;②基于同化反演源的SO₂、NO₂浓度模拟效果明显优于2006年INTEX-B排放源,其时间变化趋势与实测值较一致,而且可模拟重霾污染过程SO₂、NO₂浓度的峰值;③采用反演源模拟的SO₂、NO₂浓度空间区分布特征与实测值较一致,而且可较好反映重污染区的极值分布特征;④经污染源同化改进后SO₂、NO₂模拟浓度与实测值的相关系数有所提高,误差明显减小;SO₂的改进效果略优于NO₂,这与污染源对两种污染物浓度的影响差异有关;⑤初始源中SO₂、NO_x排放源的空间分布和强度与2012年清华大学编制的排放源强差异较大,而同化反演源的空间分布和强度均接近于上述2012年排放源,较好反映出重点地区的高污染源分布特征.本文研究结果将为改进重霾污染过程的空气质量预报、减小自下而上建立的排放源清单不确定性、评估SO₂、NO_x等排放源的影响效应以及不同气象条件下区域排放源的动态调控等提供新技术途径和研究思路.