南京和北京气溶胶光学厚度与PM2.5质量浓度关系对比分析

利用南京与北京地区2014年5月1日—2019年10月31日的PM_2.5监测数据、气溶胶光学厚度观测资料以及同期MICAPS地面气象要素的观测资料,对两地PM_2.5浓度的变化规律及其与气溶胶光学厚度、气象要素的关系进行了分析和讨论,结果表明：南京与北京均呈现PM_2.5浓度冬季显著高于夏季,AOD冬季小于夏季的特征;对比而言,北京PM_2.5月均浓度高于南京地区;南京与北京的PM_2.5浓度与AOD均为正相关关系,PM_2.5浓度与AOD间相关性存在显著的季节差异,主要表现为夏季相关性大于冬季相关性;两地AOD与PM_2.5浓度均为正相关关系,在同一AOD水平下,相对湿度越大,PM_2.5浓度越大,气溶胶吸湿增长易造成污染物积累;南京PM_2.5浓度与能见度的r为0.57,而北京的r为0.83,两地的PM_2.5浓度与能见度的冬季相关性较夏季好,在高相对湿度下,同一PM_2.5浓度水平时,南京能见度较北京好.     

东南亚生物质燃烧输送影响我国西南气溶胶辐射特性研究

利用2013年地基CE-318太阳光度计观测数据,结合中分辨率成像光谱仪（MODIS）遥感产品和HYSPLIT后向轨迹分析,研究了一次东南亚生物质燃烧污染长距离输送至中国西南昆明站点过程（2013年4月5~8日）中,气溶胶光学特性和辐射特性的变化及其可能来源.结果表明,此次污染过程期间,我国西南地区生物质燃烧活动较少,而中南半岛地区生物质燃烧活动显著.4月5~7日,昆明站点气溶胶光学厚度（AOD）升高,消光波长指数（EAE）和吸收波长指数（AAE）均增大.此外,依据EAE和AAE分类方法,5~6日昆明站点以城市工业气溶胶为主,7~8日以生物质燃烧气溶胶为主,其细模态峰值半径（0.11μm）小于5~6日（0.15μm）,7日细模态粒子体积浓度峰值（约为0.16μm³/μm²）是5日的2倍.气溶胶直接辐射强迫（ARF）日变化结果表明4月7日气溶胶对地表的降温效应达到最大,对大气的加热作用最强.气溶胶直接辐射强迫效率值（ARFE）的变化表明生物质燃烧气溶胶对大气顶的降温作用减弱.MODIS遥感以及HYSPLIT模式后向轨迹表明,此次昆明站点生物质燃烧气溶胶主要来源于东南亚地区（主要是印度北部、印缅北部和不丹地区）.     

2019年西安首场雾霾PM2.5关键特征的综合诊断

通过对WRF-Chem（Weather Research and Forecasting Model Coupled to Chemistry）环境模式模拟资料、HYSPLIT（HYbrid Single Particle Lagrangian Integrated Trajectory Model）前/后向气团轨迹资料、环境站监测资料，以及西安理工大学（Xi''an University of Technology，简称XUT）多波长激光雷达、米散射激光雷达、能见度仪、粒谱仪等观测资料的综合诊断，探讨了2019年1月初发生在西安的雾霾过程（记为首场雾霾）PM_2.5组分、分布及传输特征，旨在为雾霾气溶胶研究提供有益的个例积累.定性、定量双重检验表明，Chem模式较成功复制了此次雾霾气溶胶过程.利用这些可靠的模式数据分析表明，PM_2.5中碳气溶胶的主要组分为有机碳，约占85%，强盛期气溶胶各组分随高度增加均呈递减趋势，各组分近地面浓度最高.通过对两类不同方法获取的消光系数对比分析表明，相比于模式数据，激光雷达数据具有更高的垂直分辨率，因此，更善于描述消光廓线的细节特征.通过对多源资料的综合诊断最终揭示出，"北风涌"是雾霾消散的关键影响因子，沿铜川-西安-山阳一带存在着污染物传输的重要路径，雾霾由此体现出自北向南依次消散的特征.     

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。     

光腔衰荡光谱(CRDS)法观测我国4个本底站大气CO2

利用基于光腔衰荡光谱(CRDS)技术自组装的大气CO2在线观测系统,于2009年在青海瓦里关、浙江临安、北京上甸子和黑龙江龙风山4个世界气象组织全球大气观测网(WMO/GAW)大气本底站对大气CO2进行了在线观测.初步分析结果表明,4站全年大气CO2体积分数最低值出现在7～8月,夏季临安、龙风山和上甸子站CO2平均体积...     

2006~2010年珠三角地区SO2特征分析

对广州番禺大气成分站2006~2010年期间的SO2资料进行了分析,讨论了珠江三角洲(珠三角)地区地面SO2体积分数的年、季节、月、日变化特征和概率的分布特征.珠三角地区地面SO2变化特征的分析结果表明,2010年地面SO2体积分数的总体水平相对近年来有一定下降,高浓度事件发生频率降低;冬、春季SO2各项统计值要高于夏、秋季,干季明显高于湿季,可能与大气边界层高度和太阳辐射等因素的季节性变化相关;SO2干湿季的日变化趋势相仿,日最高峰时间相同,只是湿季达次高峰和最低点的时间比干季要提前1 h,这可能与季节性的大气边界层高度和辐射强度变化,以及日照时间长度有关;SO2体积分数的概率分布特征比较复杂,各月谱型分布各有不同,可能与季节性因素的变化规律相关.     

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.     

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.     

使用RCFP-IC对南京市不同污染状况下PM_(2.5)中水溶性离子的观测分析

本文使用大气细颗粒物快速捕集系统及化学成分在线分析系统(RCFP-IC)和美国热电污染气体分析系统(EMS系统)对2013年11月16日—12月10日南京地区PM2.5中主要水溶性离子和污染气体进行了观测分析,并结合气象要素数据分析了灰霾天PM2.5中主要水溶性离子的污染特征.结果表明:不同污染条件下PM2.5中水溶性离子分布差异较大,清洁天浓度最大的6种离子排序为SO2-4NO-3NH+4Cl-NO-2K+,霾天(11月20—24日)和雾-霾天(12月1—8日)前6种离子排序分别是SO2-4NH+4NO-3NO-2Cl-K+和NO-3SO2-4NH+4Cl-NO-2K+.受污染源和化学反应的日变化影响,不同离子的日变化特征不同.污染天NO-3、SO2-4和NH+4的浓度是干净天的2.8~5.0倍.不同水溶性离子对能见度的影响不同.     

不利风向条件下北部湾人为源对海口市PM2.5浓度影响的模拟研究

通过分析2013—2017年海口市风向频率、地面PM_(2.5)浓度及海口市所处北部湾地理位置,确定12月为北部湾对海口市最不利风向时间段.利用中尺度气象模式(WRF,Weather Research Forecast)驱动空气质量模型(CMAQ,Community Multi-scale Air Quality),设置一系列数值模拟情景,深入分析北部湾人为源对海口市PM_(2.5)浓度影响.结果表明:WRF/CMAQ能很好地再现北部湾气象场和PM_(2.5)浓度的时空分布.2013年12月,北部湾人为源对海口市PM_(2.5)平均贡献率约为45.4%,其中约有90%来源于海口市自身人为源,约有10%来源于广东广西片区,海南片区除海口外其余市县贡献可忽略不计.污染时段,北部湾和海口市自身贡献率均下降,平均贡献率分别为40%和36%,表明污染时段海口市PM_(2.5)主要源区不仅来自北部湾.通过分析后向轨迹,发现污染时段均会经过一个关键区——珠三角区域,表明珠三角区域很有可能也是造成2013年12月海口市PM_(2.5)污染的主要源区.清洁时段,北部湾和海口市自身贡献率均上升,平均贡献率分别为52%和48%,表明北部湾对海口市PM_(2.5)浓度影响在清洁时段更显著.因此,北部湾未来产业规划值得关注,因为这些产业很有可能使目前海口市清洁时段变为污染时段,导致空气质量下降.