南京2007年12月持续雾霾过程的大气消光特性

2007年南京冬季雾外场综合试验期间,雾、霾交替持续的最长时间达100 h以上。利用大气气溶胶粒子和雾滴数浓度尺度谱分布、能见度、相对湿度等同步观测资料,从Mie散射理论出发,研究了雾、霾不同阶段大气消光特征,重点分析了大气气溶胶粒子和雾滴在雾、霾持续和转化过程中的消光作用。结果表明,雾、霾过程不同阶段平均能见度的大小关系为：雾<湿霾<霾~轻雾。平均而言,雾阶段雾滴和气溶胶粒子的消光作用相当,其中,雾滴消光波动幅度大于气溶胶粒子消光,能见度的变化趋势主要由雾滴的消光决定。湿霾、霾和轻雾阶段的消光主要由气溶胶粒子造成。湿霾阶段的低能见度是由于大量积聚模态的气溶胶粒子在较高相对湿度环境中吸湿增长所致。霾阶段气溶胶粒子数浓度达到最大,核模态粒子占总数浓度的80%左右,是导致该阶段能见度较低的主要原因。轻雾阶段气溶胶粒子的消光系数最小,但雾滴可提供10%~15%的消光贡献,导致能见度与霾阶段相当。     

南京北郊一次霾过程中气溶胶理化特征变化研究

本研究利用单颗粒飞行时间气溶胶质谱仪(SPAMS)、宽范围粒径谱仪(WPS)并结合气象数据对南京北郊一次霾过程中气溶胶的理化特征变化进行了分析.结果表明观测期间风向变化导致的气溶胶来源变化是大气能见度变化的主要原因.最低大气能见度出现在西北气团控制期间,其次是偏东气团和北西北气团.不同方向上气溶胶粒子的粒径分布有显著的差异,其中来自西北气团的气溶胶粒子,有最大的表面积浓度,尤其是0.5~1μm粒径范围内的气溶胶粒子浓度最大;而北西北气团的气溶胶粒子主要集中在核模态和粗模态.不同气团中气溶胶粒子的化学组成也有显著的差异,其中K-nitrate、Ammonium、C3、Metal主要来自西北气团的贡献、其次为偏东气团贡献,K-Biomass、K-OC、EC、ECOC在3类气团中均有浓度贡献,其中K-OC、EC、ECOC、Dust在北西北气团所占比例最高.     

西安市一次严重霾污染天气特征及气象条件分析

为了解西安市气象条件对霾污染天气的影响,利用西安市13个测点PM2.5逐时监测资料和气温(T)、风向(WD)、风速(WS)、相对湿度(RH)、气压(p)以及能见度(VIS)等地面气象观测数据,对西安市2013年12月16—26日发生的一次严重霾污染过程进行分析。结果表明:此次霾污染过程中,西安市PM2.5日均值浓度最高达744μg/m3,超过国家二级标准近10倍,能见度最低降至0.42 km,重霾污染期间PM2.5/PM10在64%~80%。分析认为高相对湿度、低风速和主导风向不明显以及大气层结稳定是造成本次霾污染天气的主要气象因素,其中大气能见度与风速和大气压呈正相关,其相关系数(r)分别为0.3162、0.3479,能见度与温度的相关系数r=0.0825,呈微弱正相关,能见度和相对湿度的相关系数r=-0.7465,呈显著负相关。细颗粒物对能见度的影响非常明显,二者之间的相关系数为-0.7290,细颗粒污的消光系数最高达9.2 km-1。     

中山市旱季霾特征及数值模拟分析

利用观测数据、Hysplit后向轨迹模式以及WRF-CMAQ模式对中山市旱季霾特征进行模拟分析.中山市霾污染的天气形势以大陆高压型为主.当相对湿度在71%~90%时,气溶胶浓度和能见度的负相关性最显著,且当能见度减小到5 km以下时,PM_(2.5)浓度的大幅减小才能使能见度略有好转.最有可能引起中山发生霾天气的两条污染带,一条是沿中山至湖南南部,另一条是沿中山到粤东地区.WRF-CMAQ模式能较好地模拟出2014年1月份中山PM_(2.5)浓度、能见度的变化趋势以及广东省区域内灰霾的污染过程.在气溶胶质量权重及消光贡献中,硫酸盐的比重最高,在高相对湿度下,二次气溶胶的消光权重超过80%.通过中山PM_(2.5)过程分析发现,在霾过程,无冷空气时PM_(2.5)主要来自气溶胶反应、排放源和水平平流,贡献率分别为35%、15%和10%,有冷空气时水平平流的贡献最大,达37%;在清洁过程,无冷空气时气溶胶主要靠水平平流和干沉降清除,贡献率分别为-39%和-14%,有冷空气时清除以水平平流和垂直对流、扩散为主,贡献率分别为-29%和-25%,说明不同天气条件下霾的污染和清洁机制有着明显差别.     

不同判别方法下四川霾日的气候变化特征

根据近34年(1981—2014年)156个四川地面站的地面观测资料,对比分析了在3种霾日判别方法下霾日的空间分布、季节变化、年代际变化特征以及气候趋势系数的分布特征.利用Morlet小波分析法比较了霾日的周期变化特点.结果表明:1原始观测霾日集中于四川盆地的北部;方法一霾日集中于盆地中南部和东部;方法二霾日集中于盆地地区,无代表高值区;方法三分布类似于方法一.2在季节变化上:不同判别方法下霾日的季节变化类似,秋冬霾日多于春夏.3霾日年代际变化明显.原始观测霾日2013年始出现突增;方法二霾日从2001年始有明显增长;方法一与方法三的年代际变化特征相似.4气候趋势系数上:原始观测变化特征不明显;方法一的系数呈现出南北反向变化;方法二与方法一的分布相似;方法三中系数的正负值区较为集中.5小波变化上:原始观测中霾日无明显周期变化,判别方法一、二、三均有各自的周期变化特点.     

青岛近海不同污染过程下大气颗粒态氮磷浓度分布特征

2018年3月~2019年10月在青岛近海连续采集了大气气溶胶样品,测定出样品中溶解无机氮（DIN）、溶解无机磷（DIP）、溶解态总氮（DTN）、溶解态总磷（DTP）、总氮（TN）和总磷（TP）的浓度分别为（7.13±6.59）μg·m^-3、（17.42±9.88）ng·m^-3、（8.34±7.03）μg·m^-3、（25.59±13.67）ng·m^-3、（10.68±10.59）μg·m^-3和（76.34±51.79）ng·m^-3.结果表明,受排放源强度、气团来源和气象条件等因素影响,采样期间气溶胶中不同形态氮磷浓度变化范围较大,DIN、DTN和TN呈现秋季浓度最高,春季和冬季次之,夏季浓度最低的季节变化特征;DIP、DTP浓度与氮组分具有相似的季节变化,表现为秋季高,夏季低,而TP浓度在春季最高,夏季最低.霾天气溶胶中不同形态氮磷浓度较晴天对照天均显著增加,DIN、DTN和TN较对照天分别提高了4.3、3.8和4.5倍,而DIP、DTP和TP较对照天分别提高了1.9、1.9和1.2倍,但不同时期霾天样品的氮组分浓度增长幅度相差较大,其中采暖期与非采暖期霾天气溶胶中DIN/DTN的值分别为（92.65±4.09）%和（80.52±8.42）%,较对照天分别提高了8.87%和4.83%;而采暖期与非采暖期霾天气溶胶中DTN/TN值分别为（73.41±12.18）%和（80.36±4.72）%,较对照天分别降低了13.35%和5.92%.霾天气溶胶中DIP占DTP的比重较对照天仅提高了1.47%,但变化较为复杂,随霾天不同而有较大差异;受气团来源、相对湿度和大气酸化过程等因素影响,气溶胶中DTP/TP的值较对照天提高了10.58%.受沙尘事件影响的气溶胶中DIN、DTN和TN的浓度较对照天分别提高了2.5、2.6和2.6倍,DIP、DTP和TP的浓度较对照天分别提高了4.0、2.8和7.2倍.     

1960~2013年华南地区霾污染的时空变化及其与关键气候因子的关系

利用线性回归、聚类分析及相关分析等统计方法对华南地区57个地面气象站的观测资料进行分析,探究近54年华南地区霾日数的时空变化特征及其气候成因.结果表明,年平均霾日数大值区主要分布在广东珠江三角洲(珠三角)地区和广西中东部.54年来霾日数呈现显著的上升趋势,而2008年后有所下降.霾日数的季节变化表现为冬季最多,其次是秋季和春季,夏季最少.2008年以后春、夏、秋3季霾日数有所下降,而冬季仍维持在较高水平.不同等级霾日数在近54年来均有不同程度的上升,霾污染不仅在日数上有明显的增加趋势,而且污染强度在加强.不同地区霾日数的快速增长时期不一样,污染严重和正常污染地区发生在20世纪90年代,而相对清洁地区发生在2000年以后.另外近10年污染严重和正常污染地区霾日数有所下降,但相对清洁地区仍维持快速的增长趋势.近54年华南地区年降水日数、年平均风速、大风日数和年小风日数等气候因子变化结果致使气溶胶粒子的湿沉降减弱,污染物扩散能力下降,霾天气生成概率增加.     

2014年河北中南部两次重霾天气成因分析

利用河北省环保局环境监测站提供的污染物浓度数据及常规气象观测数据、NCEP再分析资料,结合HYSPLIT4.9后向轨迹模式,对2014年10月上旬发生在河北省的2次大范围的重霾天气特征和成因进行综合分析.结果表明,这2次重污染天气过程PM_2.5地面浓度最大值出现在邢台,为507μg/m³,水平能见度不足1km.均压场的分布和较为平稳的高空形势为2次霾天气提供了有利的气象背景.高湿,静小风以及较低的混合层高度不利于污染物扩散,是导致这两次重污染天气持续的主要原因.结合卫星火点及污染物来源分析表明,河北南部及周边省份的秸秆燃烧加重了第2次过程的污染,污染气团的输送对区域性重霾天气产生重要影响.     

基于星地同步观测的华北平原中部背景地区冬季霾污染过程

利用地基观测结果和多源卫星遥感观测,结合气象数据及HYSPLIT4后向轨迹模式,对华北平原中部背景地区(河南省郑州市中牟县东南郊)冬季霾事件的污染物特征和形成过程进行分析.综合观测时间为2014年12月13日~2015年1月16日,共有5次霾过程,占观测总天数的82%.地面监测结果显示,不同的污染过程污染物浓度变化曲线相似,O₃浓度在清洁天浓度较高;NO_x、SO₂、PM₁₀、PM_2.5呈较强正相关性,NO_x、SO₂与 PM₁₀相关系数0.64、0.57,与PM_2.5相关系数0.56、0.45;近地面污染物以细粒子污染物为主,其中又以气态污染物二次生成的细粒子为主.AMPLE地基激光雷达和CALIPSO数据表明,华北平原霾层中上部受浮尘影响,以粗粒子污染物为主.气象探空数据表明该地区冬季大气对流层稳定利于霾的维持,假相当位温垂直差、K指数、露点差与能见度相关系数分别为0.52、0.56和 0.38.分析近地面风速风向对霾过程的影响表明,该地区冬季以南方向静小风为主,风速与能见度相关系数为0.32 ,PM₁受东北方向污染源影响,PM_1~2.5及PM_2.5~10受西北方向污染源影响;结合高空风场分析,霾过程1受西北浮尘影响,霾过程5受南来水汽影响.通过后向轨迹分析,该地区冬季的低空污染传输主要来自东北和西北方向,其中东北方向区域传输来自河北与山东,占来源比例的14%,近距离污染传输主要来自站点以西的郑州、洛阳,约占来源比例的33%.     

Improving simulations of sulfate aerosols during winter haze over Northern China: the impacts of heterogeneous oxidation by NO2

Incorporating the missing heterogeneous oxidation of S(IV) by NO₂ into the WRF-Chem model. Sulfate production is not sensitive to increase in SO₂ emission. The newly added reaction reproduces sulfate concentrations well during winter haze. We implemented the online coupled WRF-Chem model to reproduce the 2013 January haze event in North China, and evaluated simulated meteorological and chemical fields using multiple observations. The comparisons suggest that temperature and relative humidity (RH) were simulated well (mean biases are -0.2K and 2.7%, respectively), but wind speeds were overestimated (mean bias is 0.5 m?s⁻¹). At the Beijing station, sulfur dioxide (SO₂) concentrations were overpredicted and sulfate concentrations were largely underpredicted, which may result from uncertainties in SO₂ emissions and missing heterogeneous oxidation in current model. We conducted three parallel experiments to examine the impacts of doubling SO₂ emissions and incorporating heterogeneous oxidation of dissolved SO₂ by nitrogen dioxide (NO₂) on sulfate formation during winter haze. The results suggest that doubling SO₂ emissions do not significantly affect sulfate concentrations, but adding heterogeneous oxidation of dissolved SO₂ by NO₂ substantially improve simulations of sulfate and other inorganic aerosols. Although the enhanced SO₂ to sulfate conversion in the HetS (heterogeneous oxidation by NO₂) case reduces SO₂ concentrations, it is still largely overestimated by the model, indicating the overestimations of SO₂ concentrations in the North China Plain (NCP) are mostly due to errors in SO₂ emission inventory.