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%.     

2013年12月初长江三角洲及周边地区重霾污染的数值模拟

运用WRF-CMAQ模型模拟了2013年12月1~9日长江三角洲及周边地区的一次重霾污染过程.初步探究灰霾天气下大气细颗粒物(PM2.5)的时空分布特征和区域输送过程,并定量研究了外部源区域输送和本地源对长江三角洲地区PM2.5的贡献.结果表明:模式能够合理再现灰霾天气下长江三角洲及周边地区PM2.5的时空分布特征和演变规律.静稳天气下大气细颗粒物仍然存在着显著的区域输送.污染期间来自安徽、山东南部、苏北地区的跨界输送对长江三角洲区域PM2.5的贡献率分别为3.5%~24.9%、0.14%~30.0%、0.03%~17.5%.整个污染期间本地贡献占49%左右,本地贡献和外地贡献基本相当.     

2019年国庆节前后北京气态氨和气溶胶铵盐浓度的同步观测

我国自2013年实施《大气污染防治行动计划》以来,大气细颗粒物（PM_2.5）特别是硫酸盐浓度迅速下降,但硝酸盐浓度降幅较小,大气中过量的氨气（NH₃）是维持硝酸盐居高不下的主要因素.迄今,我国生态环境部门尚未将NH₃纳入常规观测,以往有关NH₃和气溶胶铵盐（NH₄⁺）的研究多是分别进行的,缺少同步观测.由于NH₃和NH₄⁺在大气中可互相转化,只测量其中一种相态很难全面了解它们的动态变化.本研究基于酸涂覆的蜂窝型扩散管和膜采样串联系统,同步测量了2019年国庆节前后北京城区大气NH₃和NH₄⁺浓度,时间分辨率为2 h（PM_2.5>35 μg·m^-3）~5 h（PM_2.5<35 μg·m^-3）.结果表明,采样期间NH₃和NH₄⁺平均浓度分别为（4.1±2.9）μg·m^-3和（1.7±1.4）μg·m^-3,且二者均与PM_2.5、CO和NO₂呈现相似的时间变化规律.NH₃浓度在早晨（05：30~08：30）和夜间（21：30~05：30）较高,这种双峰日变化特征在污染天（PM_2.5>75 μg·m^-3）最为明显.NH₃浓度在污染天17：30~21：30存在明显的低谷,这主要与有利的扩散条件有关（平均风速6 m·s^-1）.NH₄⁺浓度的日变化特征与NH₃差异较大,NH₄⁺浓度在非污染天（PM_2.5<75 μg·m^-3）17：30~21：30出现明显峰值,期间NH₃浓度较低,而NO₂浓度较高.在非污染天,NH₃浓度是NH₄⁺的2.8倍;而在污染天,由于气粒转化加速,大气NH₃浓度低于NH₄⁺（NH₃/NH₄⁺=0.8）.国庆节前大气NH₃、CO、NO₂、SO₂和PM_2.5浓度超过国庆后的幅度分别为54.2%、40.4%、33.3%、0.0%和49.4%.国庆节前虽然实施了减排行动,但极端不利的静稳天气导致大气环境容量下降,掩盖了污染物减排的效果,导致大部分污染物浓度不降反升.     

沙尘天气对我国北方城市大气环境质量的影响

采用2001—2006年沙尘天气的统计数据以及城市空气污染指数(API),分析了沙尘天气对沙尘源区和影响区代表城市的空气质量影响,并分析了2005—2007年兰州和北京春季沙尘天气与非沙尘天气下气溶胶光学厚度与波长指数的变化特征.结果表明:近些年沙尘天气呈先减少后略微增加但总体呈缓慢下降的趋势;春季沙尘天气加重了城市大气污染,对沙尘源区内代表城市的影响超过了区域本底污染指数的50%,使兰州、银川、呼和浩特和包头的春季非沙尘天气API平均值分别增加了64%,53%,86%和90%;使影响区内代表城市,如北京、天津、太原、石家庄、沈阳、济南、西安和郑州的春季非沙尘天气API平均值分别增加了85%,62%,49%,57%,29%,41%,27%和45%;沙尘天气使城市大气气溶胶光学厚度升高,气溶胶波长指数降低.      

中国农业植被净初级生产力模拟(Ⅱ)——模型的验证与净初级生产力估算

利用我国若干代表性区域6种主要作物(水稻、小麦、玉米、棉花、大豆、油菜)生产力的田间试验及统计数据,对中国农业植被净初级生产力模型Crop鄄C进行了验证。结果表明,该模型能利用常规的气象和土壤资料、化肥氮施用量等较好地模拟我国6种作物主产区的净初级生产力,模拟值与观测值的相关系数(R2)为0.80(n=786)。将Crop鄄C模型与GIS空间数据库耦合,估计了1980-2000年中国农业植被净初级生产力。模拟结果表明,自1980年以来,中国农业植被净初级生产力呈增加趋势,从1980年的472.9TgC增加到2000年的607.2TgC,秦岭淮河以北的华北地区和西北部分地区增加最为明显。     

2016～2020年成都市控制PM2.5和O3-8h污染的健康效益评价

细颗物(PM_2.5)和臭氧是我国主要的大气污染物,严重危害人群健康.为评估成都市大气污染防治行动实施期间PM_2.5和臭氧对人群健康的影响,首先,利用流行病学中的广义相加模型和非线性分布滞后模型估算了2014～2016年成都市PM_2.5和臭氧最大8 h滑动平均(O_3-8h)浓度变化对居民疾病死亡影响的暴露-反应关系系数(β),在此基础上,采用环境风险和环境价值评估法估算2016～2020年成都市PM_2.5和O_3-8h浓度暴露水平变化的健康收益.结果表明：(1)2016～2020年成都市的ρ(PM_2.5)年均值呈逐年下降趋势,从63μg·m^-3降至40.92μg·m^-3,年均下降率约为10.14%;与之相反,ρ(O_3-8h)年均值从155μg·m^-3升至169μg·m^-3,年均增长率约为2.23%.(2)成都市PM_2.5...     

北京夏季近地面臭氧及其来源的数值模拟研究

高浓度的近地面臭氧一直是北京夏季面临的主要污染问题,本文利用自主发展的空气质量数值模式WRF-NAQPMS(Weather Research and Forecasting Model-Nested Air Quality Prediction Modelling System)以及生物源排放模式MEGAN(Model of Emission of Gases and Aerosols from Nature),数值模拟了2017年6月华北区域臭氧的时空分布,评估了生物源排放可挥发有机物对臭氧的影响,并对北京臭氧的关键源区和形成时间进行量化解析.结果发现:NAQPMS (Nested Air Quality Prediction Modelling System)模式合理再现了北京及其周边臭氧的时空演变规律,特别是生物源的加入有效改善臭氧浓度的模拟效果.生物源对北京6月臭氧浓度月均值的贡献为4%～6%,对最大1小时浓度的贡献最高可达8%以上.源解析结果发现,本地当天排放的臭氧前体物对北京城区浓度影响最大,对最大1小时浓度和8小时移动平均浓度的贡献达到50.2%和45.4%,远高于1～2天前排放污染物的影响.河北对北京的影响主要集中在当天和1天前排放的污染物,对最大1小时浓度的贡献分别为7.9%和6.5%.河南和山东对北京城区最大1小时浓度的贡献较小,分别为2.4%和3.7%,且主要为1～2天前排放的污染物在区域输送过程中的化学反应所贡献.对于北京区域平均来讲,本地的贡献率较城区明显偏小,河北的贡献显著增加,这也说明北京市臭氧来源的空间不均匀性较大.北京地区生成的臭氧沿怀柔区向北输送,到达承德市西侧,对月均值的贡献达到20～30μg·m~(-3).     

山东省2015年PM2.5和O3污染时空分布特征

利用中国环境监测总站的城市空气质量自动监测数据，分析了2015年山东省细颗粒物（PM_2.5）和臭氧（O₃）污染的时空分布特征，并初步探讨了其与气象要素的相互关系。研究发现：山东省PM_2.5年均质量浓度和年超标天数的空间分布均呈现由东部向西部递增的趋势，半岛地区的浓度最低，其他地区浓度均较高，年均质量浓度最大值出现在德州（101 μg/m³）。各城市PM_2.5的月均质量浓度均呈现出季节性变化，冬季最高，夏季最低。O₃-8h年均值和O₃年超标天数的空间分布与PM_2.5不同，半岛地区污染天数最少，其次为南部地区，中部地区和西北部地区污染最为严重并且各区域的城市之间O₃污染情况存在较大差异，具有明显的局地性特征。O₃质量浓度在春末夏初最高，超标现象主要出现在5—8月。分析各城市PM_2.5污染和O₃污染的协同性与差异性发现，虽然不同城市之间两者污染情况存在一定差异，但整体上看，山东省大气复合污染特征明显，全年有10个城市的PM_2.5和O₃同时超标天数都在20 d以上，并且该现象主要发生在夏季。夏季高温低湿的大陆气团控制更有利于O₃和PM_2.5叠加共存形成复合型污染。温度≥26℃时，O₃-8 h与PM_2.5日均质量浓度的相关系数为0.63，相对湿度≤60%时，两者相关系数为0.69。此外，当在大陆气团的控制下发生O₃污染时，相对湿度的提高更有利于PM_2.5浓度的增加。     

成都市O3浓度的时间变化特征及相关因子分析

为深入认知成都市O_3浓度的时间变化规律及其影响因子,基于2013年1月1日—12月31日市区站点O_3、NO、NO_2、NO_x的逐时监测资料以及成都市气象站的气象数据逐时观测资料,据此对O3的季变化、日变化、"周末效应"、"节假日效应"进行了讨论,并对其浓度影响因子进行分析。结果表明:成都市O_3浓度季变化呈现明显夏高冬低的特征,浓度最大值出现在8月。O_3浓度日变化为单峰型,夏季峰值出现在15:00,冬季峰值出现在16:00。市区存在"周末效应",即周末O_3浓度总体比工作日高;"节假日效应"则表现出复杂多变性,受气象条件以及人为活动等多种随机因素的影响。O_3日平均浓度与NO、NO_2、NO_x、相对湿度呈明显负相关,与温度、风速呈明显正相关。     

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。