北京市平原区裸露地风蚀扬尘排放量

以北京市平原区为研究对象,基于美国国家航空航天局（NASA）的陆地卫星（Landsat系列）遥感资料,设计算法批量提取裸露地信息,并结合通用扬尘排放模型,计算估计北京市平原区的裸露地风蚀扬尘源中PM₁₀、PM_2.5的排放系数及年排放量,建立了北京市各区的裸露地风蚀扬尘排放清单.研究表明,1987~2016年间北京市平原区裸露地面积减小了约600km²;风蚀扬尘最严重的地区为大兴区,其次为通州区;以气候年均值为参数计算获得,2016年北京平原区裸露地由于风蚀扬尘效应产生的PM₁₀年排放量为7591.7t,这一排放量与前人研究估算的北京裸地风蚀扬尘PM₁₀排放量较为接近.在此基础上,进一步引入月和季度尺度气候参数,并对模型进行改进,探讨了逐月和季度累计的扬尘排放结果.进一步的研究表明：北京市平原区裸露地面积具有显著季节变化特征,2月裸露地面积最大,可达4500km²,8月最小为500km²;基于月气候参数和季度气候参数结合每月卫星资料反演获得的裸地面积估算,逐月累计的PM₁₀年排放量可达55175t,分季度累计PM₁₀年排放量为39294t.这说明当前常采用的裸地扬尘估算方法,由于扬尘排放模型的气候参数采用年均值,忽视了风蚀过程的季节差异,将会导致裸地风蚀扬尘的极大低估.     

多模式模拟评估奥运赛事期间可吸入颗粒物减排效果

以空气质量多模式系统为工具,分析奥运赛事期间可吸入颗粒物(PM10)浓度大幅减小特征,从气象场和排放源两方面研究PM10浓度大幅减小的主要原因.多模式系统由嵌套网格空气质量模式(NAQPMS)、通用空气质量多尺度模式(CMAQ)和复杂大气空气质量三维模式(CAMx)3个空气质量复合模型组成,并以中尺度气象模式(MM5)和稀疏矩阵排放处理模型(SMOKE)提供统一气象场及排放源.研究对比2006年8月、2008年8月两组气象条件下北京PM10浓度水平及模拟效果,结果表明奥运赛事期间PM10浓度大幅减小的主要原因不是气象因素,而是由于额外措施引起的PM10排放减少.同时采用多模式系统数值模拟反向评估,获得北京奥运赛事期间奥运控制及额外减排措施引起的PM10减排量,结果表明,奥运赛事期间所有额外控制措施对颗粒物浓度效果相当于在2008年8月气象条件下,削减大约200t.d-1的无组织PM10排放,相当于北京正常时期PM10排放的50%.     

不同时刻污染减排对北京市PM2.5浓度的影响

利用空气质量模式Model-3/CMAQ及京津冀地区高分辨率排放源清单,针对有代表性的污染时段(2012年2月7~16日),设置了5种不同时刻的减排方案(在污染峰值提前4d、提前3d、提前2d、提前1d及当天减排),对比在同样的减排比例下,不同时刻开始减排的效果差异.研究发现,提前采取减排控制措施比污染峰值当天开始减排对降低PM2.5浓度的影响更为明显,而且提前采取应急减排的时间越早,PM2.5浓度下降越明显.提前1d、2d、3d减排海淀站和城六区峰值浓度下降率分别为23%和22%、31%和30%、39%和38%,均明显高于当天减排的峰值浓度下降率10%和9%.但随着提前天数的增加,PM2.5峰值浓度进一步下降的幅度越来越小,减排效益较之前显著降低.提前4d减排海淀站和城六区峰值浓度下降率分别为40%和39%,提前4d减排和提前3d减排对降低污染峰值日PM2.5浓度的效果已没有太大差别.同时针对另一个污染时段(2012年1月11~20日)进行了相似的敏感性试验,得出了类似的结论.因此,针对某些污染事件的应急减排,综合考虑减排成本和减排效果,根据气象条件的预报,在可能引起重污染事件的不利气象条件来临时提前2~3d采取减排措施效果最好,既能有效降低PM2.5浓度,也可以避免因盲目长时间减排造成的成本过大.     

西安市加油站挥发性有机物排放及其影响的数值模拟研究

目前,挥发性有机物（VOC）对臭氧等大气污染的贡献持续受到关注,各地陆续出台包括限制加油站排放在内的VOC管控举措.西安市作为汾渭平原特大城市,机动车保有量大、加油需求量大,加油站排放的VOC污染不容忽视.为更科学地了解加油站VOC排放对臭氧、二次有机气溶胶的影响,为加油站管控和治理方案提供科学依据,本文在调研的基础上结合稀疏矩阵排放模型SMOKE构建了网格化的西安市加油站VOC排放源,并采用空气质量模式WRF-CAMx敏感性数值模拟试验研究了加油站VOC排放对夏季臭氧、二次有机气溶胶浓度的影响.结果表明：（1）考虑加油站VOC排放后,敏感性控制试验所模拟的2018年7月臭氧（O₃）、二次有机气溶胶（SOA）浓度略高于无加油站VOC排放的基准情景试验模拟结果;（2）与基准情景试验类似,考虑加油站VOC排放控制试验模拟的2018年7月O₃浓度日变化呈单峰型分布特征;二次有机气溶胶（SOA）浓度的日变化特征为上午浓度较高且出现浓度峰值,而下午浓度水平整体降低,在晚上浓度又逐渐攀升;（3）敏感性数值试验结果表明,仅考虑西安市加油站排放VOC对空气质...     

AQI标准下北京市空气质量数值预报系统及其在重大活动保障中的应用

围绕新AQI标准下环境空气重污染预报预警工作的需求,全面优化升级了北京市空气质量数值预报系统。该系统集成了新一代天气模式WRF,并进一步发展污染源处理模型SMOKE,实现了点源、面源、机动车源等排放源高时空分辨率制作,同时紧追空气质量模型(CMAQ、CAMx、NAQPMS)新发展,实现在线源解析模块的业务应用。这一系统不仅在日常业务预报中有效提升了北京市空气重污染过程的预报准确率,还成功应用于2014年APEC会议、2015年纪念中国人民抗日战争暨世界反法西斯战争胜利70周年阅兵等重大活动空气质量保障工作中,满足了重大活动对空气质量预报预警的特殊需求,为进一步提高城市空气质量预报预警技术的发展做出有益尝试,并积累了丰富的经验。     

北京市大气可吸入颗粒物排放源空间优化及模式验证

采用大气污染排放处理模型SMOKE,整合东亚区域排放清单及北京本地大气污染排放数据,结合人口、路网等地理信息数据,处理获得较高空间分辨率的网格化排放源,通过嵌套网格空气质量模式(NAQPMS)模拟验证表明,排放更新后,模式对2006年8月PM10小时浓度模拟效果显著提高.市区各站点平均偏差MB由-87.4～-43.2μg·m-3改善为-31.0～13.4μg·m-3;市区平均的MB由-57.3μg·m-3显著改善为-5.9μg·m-3,约束条件更为严格的平均误差ME由66.6μg·m-3下降到43.6μg·m-3;各站点模拟-实测两倍因子百分比FAC2从17%～43%上升到44%～70%,市区平均的FAC2更是达到74%;除郊区定陵站外,市区各站点归一标准均方误差NMSE从1.030～3.447下降到0.370～0.867,市区平均NMSE由1.311下降到0.303.     

珠三角秋季典型气象条件对空气污染过程的影响分析

利用空气质量指数(AQI)、主要大气污染物浓度和气象要素、天气图等数据资料,结合中尺度数值天气预报模式WRF,对2014年10月珠三角地区污染期间的天气形势及气象特征进行了分析.结果表明,WRF模式可以较好地反映珠三角地区主要城市地面和高空气象要素的时空变化,9个城市平均地表的温度、相对湿度和风速的模拟值与观测值的相关系数分别为0.90、0.87和0.78.对2014年10月3次污染过程的分析表明,造成该时段珠三角地区空气污染的天气形势主要是高压底部型和均压场型.静风或小风(2 m·s~(-1))及稳定的大气层结均不利于污染物的扩散,同时由于偏北气流输送周边污染物到珠三角地区,导致污染物浓度不断增加.相对湿度低于65%时,珠三角地区首要污染物以O_3为主;相对湿度高于70%时,PM_(2.5)浓度逐渐增加,成为主要污染物.高温等气象条件会影响光化学反应,加重珠江三角洲的空气污染,表现了该地区大气复合污染的特性.     

不同分辨率CMAQ模式系统对北京PM2.5预报效果研究

自北京奥运会以来，CMAQ模式作为北京多模式预报系统的一个成员在北京空气质量预报中得到广泛应用.为了更好地发展模式系统预报性能，本文针对北京开展完整年份PM_2.5模拟预报效果评估，结合我国环境空气质量标准，引入IAQI预报准确率、等级预报准确率以及预报综合评分法等多项指标，研究评价不同代际不同模式分辨率CMAQ模式系统预报效果差异.研究结果表明，①新研发的CMAQ模式系统预报效果整体优于原有业务预报模式系统，综合考虑预报级别准确性和预报空气质量分指数精确度的得分评估结果显示，新一代CMAQ模式3 km空间分辨率（BJ03）4 d预报时效内得分为73.1~80.5分，高于9 km空间分辨率（BJ09）和原有CMAQ模式5 km空间分辨率（CN05）和15 km空间分辨率（CN15）的预报结果综合得分.②BJ03区域的预报效果优于BJ09区域，BJ03区域预报的PM_2.5-IAQI准确率达42%，空气质量等级准确率达68%~79%，预报综合评价得分最高80.5分；而9 km分辨率CMAQ模式预报的PM_2.5-IAQI准确率为30%，等级准确率为53%~70%，预报综合评价得分最高为75.3分.③模式PM_2.5-IAQI预报准确率整体随预报时长增加而下降，原有业务系统CMAQ模式的CN05、CN15区域IAQI预报准确率由24 h内的27%下降至7 d预报时长的22%左右；BJ03区域IAQI预报准确率由24 h内的42%下降到4 d预报时长的29%，与之对应的BJ09区域IAQI预报准确率由24 h内的30%下降到4 d预报时长25%，至9 d预报时长，IAQI预报准确率进一步下降到22%，即达到原有业务预报系统7 d IAQI预报准确率.④模式秋冬季的PM_2.5预报结果整体较实况偏高，BJ03区域秋冬季较实况偏高9.2 μg·m^-3，而BJ09、CN05和CN15区域较实况偏高25.6~37.9 μg·m^-3.     

利用多模式集合和多元线性回归改进北京PM_(10)预报

本研究将多模式集合预报和多元线性回归集成方法结合起来减小空气质量预报的不确定性.首先评估了北京空气质量多模式集合预报系统中3个模式成员(NAQPMS、CAMx、CMAQ)对北京地区PM10日均浓度的预报性能,在此基础上引入多元线性回归将历史观测信息纳入进来对3个模式预报结果进行集成,并将集成预报结果与3个模式算术平均的预报结果进行比较.结果发现:1不同模式的预报结果差异较大,并没有一个模式的预报技巧完全优于其它两个模式,其中CMAQ对北京PM10变化趋势的预报优于其它两个模式,NAQPMS预报的均方根误差整体低于其他两个模式.2多模式预报结果的算术平均在趋势预报和偏差两项指标上都低于部分单模式预报,并不能有效改进PM10预报;基于分站点的模式和观测数据构建的多元线性回归集成预报模型能显著提高PM10预报的准确率,选定合适的训练天数(36 d)后,28个站点PM10日均值预报的均方根误差相对单模式预报或集合平均预报下降32%~43%,预报偏差大幅减小至5.8μg·m-3,总体预报技巧显著优于单模式和多模式算术平均的预报结果,并且采用线性回归集成方法大幅提高了对污染过程的预报能力.