ARIMA时间序列分析模型在臭氧浓度中长期预报中的应用

近年来,京津冀地区近地面臭氧浓度呈现上升趋势,臭氧污染超标情况严重.目前由于前体物源排放清单、臭氧生成和扩散的物理和化学过程机制存在不足等原因,导致了数值模型在预报夏季臭氧浓度时仍然存在较大偏差,而时间序列分析方法由于具有建模简单、计算成本低的特点,在臭氧污染预报中具有很好的应用前景.本研究利用华北区域大气本底站上甸子站点和环境监测总站天津和保定站点的臭氧观测数据,采用ARIMA时间序列分析模型开展臭氧浓度中长期预报研究.结果表明,季节性ARIMA模型在预报臭氧长期月均值时,预测值和观测值的相关系数R可达0.951,均方根误差RMSE仅为10.2 μg·m^-3.加入了日最高气温及二次项作为协变量的动态ARIMA模型,对臭氧日最大8 h滑动平均值的预报效果得到了很大提升,预测值和观测值的相关系数由0.296~0.455提升至0.670~0.748,RMSE得到了有效降低.     

采用因素分解模型研究京津冀地区用水变化的驱动效应

京津冀地区水资源供需矛盾突出,迫切需要分析其用水量变化与社会经济发展之间的内在联系. 在分析用水总量变化时空特征的基础上,采用因素分解模型研究了2003—2013年京津冀地区产业用水量变化的规模效应、结构效应和技术效应. 结果表明:京津冀地区产业用水量10年间下降了8.84%,是京津冀地区实现经济增长和水资源利用脱钩的主要影响因素;规模效应10年间累计增加了267.95×108 m3,是导致产业用水量增长的唯一驱动因素;结构效应和技术效应都倾向于减少产业用水量,分别累计减少124.17×108和164.11×108 m3;技术效应是北京产业用水量减少的主要原因,10年间累计减少了79.14%的产业用水量;而天津的结构效应要强于技术效应,10年间分别累计减少81.17%和73.71%的产业用水量;河北的结构效应和技术效应10年间分别累计减少51.37%和68.33%的产业用水量,相比京津仍有较大潜力. 研究显示,调整产业结构、推广节水技术是缓解京津冀水资源短缺压力的有效途径,未来河北在承接产业转移的同时,应紧密结合产业结构的优化和经济增长方式的转变.      

京津冀区域重污染天气过程数值预报评估新方法

利用区域空气质量监测数据、空气质量模式数值预报产品及天气图资料,建立了一种适用于区域重污染天气过程预报的评估方法,将其用于评估NAQPMS模式系统对2013年和2014年京津冀地区静稳型、沙尘型和特殊型3类重污染天气过程的预报能力,并探讨了重污染天气过程早报、晚报及漏报的可能气象条件原因,以提高预报准确率.结果表明:数值模式系统提前3 d预报重污染天气过程的预报准确率可达57%,秋冬季预报效果好于其他季节,静稳型预报效果好于沙尘型和特殊型.对模式AQI预报结果统计发现,当预报AQI值达到150以上时,实际发生重污染天气过程的概率较大,如定义AQI等于150作为重污染天气预警临界值,模式预报准确率可提高至70%以上.天气系统对污染过程预报有重要影响,WRF气象模式对中低层天气系统位置及强度预报偏差是导致静稳型污染过程早报和晚报的一个重要原因.     

2013—2019年京津冀及周边地区PM2.5重污染特征

为探讨2013—2019年京津冀及周边地区"2+26"城市PM_(2.5)重污染时空演变特征,对"2+26"城市7年间的大气环境监测网数据进行了统计分析。在年际变化上,重污染过程次数逐年下降,发生时长和强度分3个阶段大幅降低。相比2013年,2014—2016年重污染小时数、天数和峰值浓度均降低了一半左右,2017—2019年则下降了约80%。目前,区域重污染过程以持续1～2 d的较短过程为主。在季节分布上,全年重污染集中于秋冬季,其中冬季占比从60%升至80%,尤其是1月的重污染占比最高且有逐年增加趋势。在空间分布上,区域差异明显缩小,呈相对均匀化趋势,区域污染中心有所南移,南部的冀南豫北区域在区域重污染中的占比呈上升趋势。在污染成因基本类型上,污染排放导致的积累型为主要类型,占比约90%;沙尘型及烟花爆竹燃放型的总占比约为10%,虽然其占比较低,但近年的比重较稳定,未有明显下降趋势。     

区域大气重污染过程识别指标及算法研究

重点区域秋冬季大气重污染应对是大气污染防治工作的重中之重，但针对区域大气重污染过程尚无明确、统一的判定依据，给空气质量管理造成不便。以京津冀大气污染传输通道"2+26"城市为研究对象，依据秋冬季大气重污染过程的区域性特征，以及"发生—发展—消散"的演变规律，将区域内3个及以上相邻城市至少1 d空气质量达到重污染水平判定为一次区域大气重污染过程；若前后两次重污染过程仅间隔1 d，将两次过程及间隔日视为一次完整的区域大气重污染过程。基于"2+26"城市空间相邻矩阵设计了区域大气重污染过程识别算法，以2019—2020年秋冬季为研究时段，在"2+26"城市识别出7次区域大气重污染过程。该研究可为统一区域大气重污染过程的统计口径、优化区域重污染天气的预警范围和重点区域的划定等提供技术支持。     

京津冀典型区域地下水污染风险评价方法研究

地下水污染风险评价是开展京津冀地区地下水污染防控工作的基础,对于保障京津冀地下水环境安全至关重要.为了有针对性地开展京津冀地区地下水污染防控工作,以京津冀地区内某典型区域为研究区,提出了一种基于HYDRUS-2D软件的地下水污染风险评价方法,并以研究区内特征污染物硝酸盐为对象进行地下水污染风险评价.结果表明:①研究区内地下水污染荷载主要受垃圾填埋场分布影响,其次为工业源和农业面源;②包气带结构类型不变的情况下,污染源荷载的变化只会导致进入含水层中的污染物浓度不同,不会改变包气带硝酸盐折减系数;③污染源类型、包气带介质岩性及厚度是造成研究区内地下水硝酸盐污染风险评价存在差异的主要原因.研究显示,采用基于HYDRUS-2D软件的地下水污染风险评价方法,能够有效地降低地下水污染评价过程中的主观性,对于确定京津冀地区地下水污染重点防控区域,提高地下水环境管理水平具有重要的参考价值.      

京津冀地区典型城市大气细颗粒物碳质组分污染特征及来源

为研究京津冀地区典型城市大气细颗粒物及其碳质组分的时空变化特征及来源,于2016年12月28日—2017年1月22日及2017年7月1—26日,对北京市与石家庄市PM_2.5（细颗粒物）及PM₁（亚微米颗粒物）进行采集,使用DRI（热光碳分析仪）检测PM_2.5与PM₁中ρ（OC）与ρ（EC）,并对其碳质组分来源进行分析.结果表明:①采样期间,冬、夏两季PM_2.5与PM₁中ρ（OC）均为石家庄市采样点远高于北京市采样点;冬季PM_2.5与PM₁中ρ（EC）均为石家庄市采样点高于北京市采样点,夏季则略有不同.②冬季污染日,北京市采样点ρ（PM_2.5）与ρ（PM₁）均为石家庄市采样点的1.08倍,PM_2.5与PM₁中的ρ（OC）分别为石家庄市采样点的1.14和1.12倍,石家庄市采样点PM_2.5与PM₁中ρ（EC）分别为北京市采样点的1.15和1.28倍;冬季重污染日,北京市采样点的ρ（PM_2.5）与ρ（PM₁）分别为石家庄市采样点的1.03和1.04倍,PM_2.5和PM₁中的ρ（OC）分别为石家庄市采样点的1.23和1.22倍,石家庄市采样点PM_2.5和PM₁中的ρ（EC）分别为北京市采样点的1.03和1.16倍.夏季污染日,石家庄市采样点ρ（PM_2.5）与ρ（PM₁）分别为北京市采样点的1.16和1.30倍,PM_2.5与PM₁中ρ（OC）分别为北京市采样点的1.64和2.71倍,两个采样点ρ（EC）相近.③冬、夏两季PM_2.5与PM₁中ρ（SOC）/ρ（OC）均较高,冬季北京市采样点分别为48.09%和54.29%,石家庄市采样点分别为44.98%和48.09%,夏季北京市采样点分别为48.47%和61.50%,石家庄市采样点分别为61.52%和63.55%,表明SOC更易富集于亚微米粒子中.④冬季北京市和石家庄市两个采样点PM_2.5与PM₁中碳质组分均主要来源于生物质燃烧、燃煤和机动车尾气;夏季北京市采样点PM_2.5与PM₁中碳质组分主要来源于机动车尾气,石家庄市采样点PM_2.5与PM₁中碳质组分主要来源于燃煤和机动车尾气.研究显示,北京市和石家庄市两个采样点大气细颗粒物及其碳质组分浓度存在时空分布和污染来源差异.      

基于混合效应模型的京津冀地区PM2.5日浓度估算

利用2016年182d的MODIS 3km AOD数据与地面监测数据,评估了混合效应模型不同参数组合的模拟性能,得出模型在解释AOD-PM_2.5关系时,对时间序列变异的解释能力要比空间差异更佳.在此基础上,利用混合效应模型建立京津冀地区每日的AOD-PM_2.5关系,模型拟合R²为0.92,交叉验证调整R²为0.85,均方根误差（RMSE）为12.30 μg/m³,平均绝对误差（MAE）为9.73 μg/m³,说明模型拟合精度较高.基于此模型估算的2016年京津冀地区年均PM_2.5浓度为42.98 μg/m³,暖季（4月1日~10月31日）为43.35 μg/m³,冷季（11月1日~3月31日）为38.52 μg/m³,与同时期的地面监测数据差值分别为0.59,0.7,5.29 μg/m³.空间上,京津冀地区的PM_2.5浓度呈现南高北低的特征,有一条明显的西南-东北走向的高值区.研究结果表明,基于每日混合效应模型可以准确评估京津冀地区的地面PM_2.5浓度,且模型估算的PM_2.5浓度分布状况为区域大气污染防治提供了基础的数据支撑.     

京津冀及周边地区工业大气污染排放因素分解——基于LMDI模型分析

运用对数平均迪氏指数分解法探究了2011~2015年京津冀及周边地区工业大气污染物排放的主要影响因素.将该地区排放量变化的总效应分解为人口效应、经济规模效应、产业结构效应、能耗效应、能源结构效应和排放强度效应.研究结果表明,人口效应和经济规模效应基本为正效应,产业结构效应、能耗效应和排放强度效应基本为负效应.京津冀及其周边地区能源结构在2011~2015年期间变化不显著,因此能源结构效应对总效应的贡献很小,贡献度均未超过0.52%.北京市、天津市、河北省、河南省、山东省和山西省的情况不同,各效应贡献度的变化趋势也不相同.人口效应、经济规模效应、产业结构效应、能耗效应和排放强度效应的变化,主要来自于人口增速、经济规模增速、工业增加值比重降幅、能耗强度降幅和排放强度降幅的变化.在制定减排政策时,应根据各效应的累计贡献值和贡献度大小,对于该地区共存的主要影响因素,制定联合减排政策措施.对于存在地区差异的主要影响因素,因地制宜制定不同的减排政策措施.     

京津冀对流层甲醛的时空演变特征及其影响因素

依据2009—2016年OMI卫星反演的逐日数据,结合遥感图像处理技术和克里金插值法,对京津冀地区对流层甲醛柱浓度的时空特征及影响因素进行了分析.结果发现,2009—2016年8年间京津冀地区甲醛柱浓度年际变化总体呈上升趋势,年均增长率为1.01%,最大增长率出现于2009—2010年,为12.91%.8年间,甲醛柱浓度值具有波动性,最低值和最高值分别出现于2009年和2013年.研究区甲醛柱浓度季节变化表现为夏季值秋季值冬季值春季值,甲醛柱浓度月均值在每年的6月达到最高.甲醛柱浓度空间分布的低值区大多处于地势较高的京津冀地区西北部,高值区主要分布在京津冀地区南部平原.甲醛柱浓度变化不仅与自然因素的温度呈显著正相关,与气压呈显著负相关,还与社会经济因素中的煤炭消耗量、原油消耗量及工业增加值等呈正相关.京津冀地区甲醛柱浓度时空特征总体受当地自然和社会经济因素的综合影响.