苏州市近地面臭氧时空分布特征及模拟分析

文章利用2016-2019年苏州市臭氧(O₃)环境监测站点数据,分析了苏州市O₃浓度的时空分布特征及其与NO₂、CO的相关性,并利用WRF-Chem模式模拟了苏州地区O₃高浓度事件来探究湖陆风对O₃迁移的影响。结果表明：苏州市O₃明显超标且2017年超标最为严重;O₃污染日具有明显的季节特征,以O₃作为首要污染物在春夏季尤为突出;月变化呈现双峰型特征,前2年峰值出现时间要略早于后2年;各季节日变化均为单峰型特征,在15:00前后浓度达到最高;空间上市区浓度整体高于周边城市,但在湖陆风盛行的2017年夏季截然相反;苏州市夏季存在明显的O₃“周末效应”,周末的夜间和上午O₃浓度高于工作日,而工作日在O₃峰值时段浓度更高;模拟的O₃高浓度事件证明了太湖湖陆风的存在,而高温时段湖风会将城区O₃往下风向的周边城市移...     

长江中下游地区冬小麦春季涝渍害灾损风险时空分布特征

通过长江中下游地区1961~2010年（3~5月）逐日气象资料，利用冬小麦春季涝渍害的监测指数模型和灾损风险评估模型进行历史反演，分析了春季涝渍害的发生和灾损风险区划的时空分布特征。结果表明：长江中下游地区冬小麦春季涝渍害频发于沿江及以南地区，且30%以上年份造成冬小麦减产。冬小麦春季涝渍害灾损风险空间分布特征明显、南高北低，年代际变化显著。其中，10 a尺度下以1960年代涝渍害灾损高风险范围最大，分布在鄂东、安徽的淮河以南及江苏的江淮西部地区，其次是1970年代和1990年代，2000年代高风险区范围最小，仅零星分布在江南局部地区；30 a尺度下各年代际涝渍害灾损风险呈高值区南缩减小、低值区逐渐扩大的趋势。     

基于微气象学方法的麦田CO2和O3通量的观测与模拟

利用涡度相关技术对长江三角洲地区冬小麦麦田白天时段CO₂和O₃通量进行连续观测,分析其变化特征.引入并参数化Jarvis乘法模型,预测冬小麦冠层尺度CO₂和O₃通量.结果表明：整个观测期间,麦田CO₂浓度和通量的范围分别为372.3~487.1μL/L和-0.4~-40.3μmol/（m²·s）,均值分别为402.6μL/L和-13.4μmol/（m²·s）.O₃浓度和通量的范围分别为4.6~116.6nL/L和-0.2~-20.7nmol/（m²·s）,均值分别为50.9nL/L和-6.8nmol/（m²·s）.CO₂和O₃通量最高值出现在冬小麦的孕穗期和开花期,该时期冬小麦光合能力最强,对CO₂与O₃的吸收最大.冬小麦CO₂和O₃通量总体上呈相似的日变化模式,上午CO₂通量明显高于下午,上午O₃通量却低于下午.温度、水汽压差、光合有效辐射、物候期等环境因子驱动下的冬小麦冠层通量与叶片气孔导度具有相似的限制机制,利用修订后的Jarvis乘法模型模拟了CO₂和O₃通量,并与实测值进行对比验证,表明修订后的模型分别解释了CO₂和O₃通量62%和60%的变异性,适用于本地冬小麦CO₂和O₃通量的模拟.     

南京冬季云凝结核活化特征及闭合研究

2017年12月~2018年1月在南京地区对气溶胶的云凝结核（CCN）活化特征进行外场观测,并利用4种常用的闭合方法实现对CCN数浓度的预测.结果表明本次观测期间南京地区的气溶胶具有较高的CCN活性,吸湿性参数（κ）的平均值为0.36.对清洁到不同程度雾-霾天气溶胶污染的CCN活化特征进行对比分析,发现随着污染程度的加深,气溶胶的吸湿性逐渐减弱;在同一能见度（VIS）范围内,环境相对湿度（RH）更高的天气类型中气溶胶的吸湿性和活化能力也更高,这可能由于高RH条件能促进大气中非均相及液相反应生成更多的二次无机气溶胶.4种闭合方法的结果显示,利用临界粒径、截断粒径及粒径分辨的活化谱三种方法总体上均有较好的闭合结果.其中,对于低过饱和度（S）下的预测来说,利用截断粒径方法的闭合结果最为理想.     

气候变化对中国夏季臭氧影响

气象条件对近地层臭氧(O₃)的生成有重要影响.为了探讨未来气候变化如何影响中国不同地区的O₃浓度,本研究将全球耦合模式比较计划CMIP5提供的CESM地球系统模式的气候预测数据作为WRF区域气象模式的初始边界条件,降尺度模拟了3种代表情景(RCP4.5、 RCP6.0和RCP8.5)下的未来2046～2055年夏季气候变化情况,并驱动CMAQ区域空气质量模式模拟气候变化对O₃的影响.结果表明,气候变化使中国夏季边界层高度、温度均值和高温天数增加,相对湿度有所降低,近地面风速无明显变化.在气象要素的共同影响下,O₃浓度在京津冀、四川和华南等地区呈现增加趋势,O₃每日最大8 h滑动平均(MDA8)极值在不同情景下增幅为：RCP8.5(0.7μg·m^-3)>RCP6.0(0.3μg·m^-3)>RCP4.5(0.2μg·m^-3).夏季MDA8超标日变化与高温天数变化有较为相似的分布,MDA8超标的发生与高温天...     

酸性降水对油菜产量的影响评估

文章利用1992-2011年南京市酸雨资料和油菜的产量资料,分析了酸雨对南京市油菜产量的影响,结果发现:油菜全生育期降水pH值与产量呈正相关,其中1-4月的降水pH值对油菜后期产量形成影响最显著。基于月降水pH值,建立了油菜产量的多项式回归模型,通过反演,发现该模型对产量模拟和灾损评估具有较好效果。     

南京亚微米级颗粒物化学组成的季节变化、粒径分布和来源

于2016～2017年不同季节在南京大学仙林校区采集分粒径的颗粒物样品,分析了粒径≤1.1μm颗粒物(PM_1.1;<0.4、0.4～0.7和0.7～1.1μm)中水溶性离子、碳质组分和元素的浓度.结果表明,受当地扩散条件以及热不稳定组分在高温下挥发分解的影响,PM_1.1、 OC、 NO^-₃、 SO₄^2-和NH⁺₄浓度均表现出秋冬高、春夏低的特点.而元素碳在春季因工业和道路扬尘贡献的升高达到最大浓度[(1.87±0.98)μg·m^-3].根据丰量组分间的特征比值,南京PM_1.1中的阴离子由NO^-₃、 SO₄^2-和Cl^-主导,碳质组分主要来自化石燃料燃烧及老化过程.随着温度的升高,热不稳定组分NH⁺₄、 NO     

杭州市PM2.5中水溶性离子的污染特征及其消光贡献

对杭州市2013年大气PM_(2.5)进行采样分析,探讨了其中水溶性离子的污染特征和消光贡献.杭州市PM_(2.5)中总水溶性离子的质量浓度为37.5μg·m~(-3),占PM_(2.5)质量浓度的44.4%,二次离子SNA(SO_4~(2-)、NO_3~-和NH_4~+)是水溶性离子的主要成分,共占到水溶性离子的83.4%.PM_(2.5)和主要水溶性离子的质量浓度都在冬季最大,夏季最低,夏秋季水溶性离子占PM_(2.5)的比值明显高于冬春季,而SNA在总水溶性离子中的比例4个季节非常接近.燃料燃烧和汽车尾气排放导致的二次离子生成,对杭州市PM_(2.5)贡献最大.SOR和NOR的年平均值分别为0.27和0.15,SO_2在大气中的转化率大于NO_x,SOR和NOR与相对湿度都呈现出明显正相关,非均相氧化过程对SO_4~(2-)和NO_3~-的生成具有重要贡献.气溶胶中[NO_3~-]/[SO_4~(2-)]的年平均值为0.63,主要受到燃煤排放的影响.霾天随着霾污染等级的逐渐加重,PM_(2.5)、水溶性离子和SNA的浓度都逐渐增大,SOR和NOR值也不断升高,霾天稳定的天气条件,能有效促进污染物的积累和二次转化.PM_(2.5)和SNA的质量浓度与大气消光系数都呈现出明显正相关,使用IMPROVE公式对不同化学组分消光系数的计算结果能够基本反映出气溶胶对大气散射的变化趋势,其结果显示SNA对大气总消光系数的贡献达60.8%.SNA的消光系数冬季最高,夏季最低,随着霾污染等级的加重,SNA的消光系数和对总消光的贡献比例也逐步增加.     

江苏降水pH值的特征分析

研究江苏省降水pH值的分布特征。主要采用数理统计和对比分析等方法。江苏酸雨从北向南快速加重,出现酸雨的概率,徐州低于,淮安接近,南京和常州高于全省酸雨发生概率22.8%。年、月、旬、日平均pH值徐州、淮安、南京、常州之间有一部分相关,但大部分相关不明显。徐州的平均pH值随时间变化最不稳定,南京次之,淮安再次之,常州最稳定。在近10多年来降水过程中出现碱雨的概率约是酸雨的1.6~6.5倍。污染物的排放随时间变化虽然具有一定的区域性集中特征,但主要以局部变化为主;具有时间上相对集中的阶段性特征。环境污染物的排放量随时间变化徐州最不稳定,南京次之,淮安再次之,常州最稳定。看到江苏酸雨形势已相当严重的同时必须看到出现碱雨的频率约是酸雨的1.6~6.5倍,降水碱化问题是必须要重视的一个重要事实,应当引起人们的高度重视,加强其对环境影响的研究,提高污染物的综合治理水平。     

南京市大气CO2浓度模拟及源贡献研究

定量研究城市区域人为CO_2通量对于控制温室气体排放具有重要意义,而基于大气CO_2浓度观测与大气传输模型方法反演区域尺度的CO_2通量是未来的一个重要发展方向,其中模型对大气CO_2浓度的模拟则是能否成功反演CO_2通量的重要基础,然而我国还未有针对城市区域CO_2浓度的长时间(1年)模拟.本研究基于高空间分辨率的人为源CO_2资料与拉格朗日大气传输模型(WRF-STILT),对南京市郊区34 m观测高度处2014年大气CO_2浓度进行模拟,并就模型模拟结果的主要影响因素和源贡献组成进行了分析,研究得出以下结论:(1)WRF-STILT模型能较好模拟出4个季节观测到的高CO_2浓度及有季节差异性的日变化特征.(2)观测CO_2浓度的足迹贡献源区(footprint)的季节变化在盛行风向影响下差异巨大,CO_2浓度增加值在前1 d的主要贡献占据总浓度贡献的90%,表明该34 m高度观测点可代表长三角区域的CO_2排放量的影响,而安徽东部和江苏中南部对其影响更大;(3)相对于排放源的日变化,边界层高度等气象因素的差异是引起CO_2强日变化的主要因素,这也是模拟的各季度浓度增加值差异的原因,其中秋季(34.97μmol·mol-1)冬季(30.07μmol·mol-1)夏季(27.28μmol·mol-1)春季(23.36μmol·mol-1);(4)浓度的主要贡献来源分别为石油生产(41%)和能源工业(26%),这和长三角区域的人为源CO_2排放通量差异巨大(石油生产:3%,能源工业:35%).