APEC会议前后北京地区PM2.5污染特征及气象影响因素

为分析APEC会议前后北京地区PM_2.5变化特征,利用中国科学院大学雁栖湖校区超级站在2014年10—12月的连续观测数据,对APEC会议前后北京地区污染物分布及变化特征、气象影响因素和气团传输路径特征进行了分析. 结果表明:APEC会议期间北京地区减排效果显著,ρ(PM_2.5)平均值比会前下降了60.5%. 气象条件对污染物扩散起到积极作用,APEC期间平均风速为1.40 m/s,平均相对湿度为31.9 %,近地面气象条件优于APEC会前、会后. 北京地区受到外来污染物输送的影响,在2.00~3.00 m/s的南风下易发生来自南部地区的PM_2.5和SO₂输送. APEC会议期间北京地区主要受来自西北地区的高速、高海拔气团控制,其出现频率为39.6%,远低于APEC会前 (15.9%)和会后(20.8%),而来自南部地区的低速、低海拔污染气团的出现频率仅为2.1%,扩散条件总体良好. 研究显示,除了减排措施有效削减了污染物排放以外,有利的气象条件也是APEC会议期间北京地区保持良好空气质量的重要因素.      

风蚀性粒子降尘浓度的动力学预报模式

为探求开放源露天煤尘在自然风力作用下的扩散情况,本研究采用空气动力学的数值计算方法,以离散相拉格朗日随机轨道为计算模型,预测了原煤、大矿、水洗和精煤4类煤种料堆的降尘浓度分布,并采用风洞试验对结果进行了对比验证.结果表明:动力学模式对风蚀粒子的预报误差在±25%,其中原煤种的预报度最高,误差10%.动力学模式与高斯沉降模式相比,高斯模式对尘源处的降尘浓度预报误差过大,动力学预报模式是基于颗粒群的运动轨迹的行为预报,能准确地描述粗大颗粒的跃移运动状态,对于满足Rosin-Rammler粒径分布的固体粒子降尘浓度的预报良好.     

1985-2010年南京市耕地变化轨迹及驱动力分析

随着经济的快速发展,城市化程度加剧,南京市的土地利用发生了巨大变化.基于1985-2010年覆盖南京市的Landsat MSS/TM卫星影像,利用最大似然法获取南京市历年土地利用数据,将其归纳为耕地和非耕地2类.基于分类结果,提取并归纳了恒定耕地、恒定非耕地、转变为耕地、转变为非耕地和短暂性耕地5种耕地类型的变化趋势,借助景观水平上的斑块占景观面积的比例以及散布与并列指数来分析5种耕地类型变化趋势的景观格局时空动态,以说明耕地扩张和遗弃的时空轨迹.结果表明：（1） 1985-2010年,耕地面积减少40.42％;（2）恒定耕地面积在方位3所占比例最大,为56.89％,转变为非耕地主要分布在方位1、6和8,揭示了城市扩张的主要方向;（3）恒定耕地类型主要分布于六合区,面积为895.92 km2,转变为非耕地主要分布于江宁区;（4）恒定非耕地集中于市中心附近,而恒定耕地则远离市中心分布;（5）恒定耕地仍占主导地位,转变为非耕地具有较高破碎度.短暂性耕地面积不稳定,较易发生土地撂荒乃至土地退化;（6）人口与产业重心转移、经济发展、政策和城市扩张是显著影响耕地空间格局的关键因素.     

香格里拉本底站大气CO2浓度及变化特征初步研究

利用基于光腔衰荡光谱(Cavity Ring Down Spectroscopy,CRDS)技术自组装的大气CO2在线观测系统,于2010年9月—2011年8月在云南香格里拉大气本底站对大气CO2进行了初步观测.该站春、夏、秋、冬季CO2平均本底浓度分别为394.78×10-6(物质的量之比,下同)、386.82×10-6、386.46×10-6和390.74×10-6.全年浓度在4—5月最高,7月份最低,全年月均值振幅约12.22×10-6.四季浓度日平均高值出现在上午7∶00左右,最低值出现在14∶00—17∶00.日变化振幅在冬季最小,夏季最大,分别为1.51×10-6和21.82×10-6.四季西南来向的地面风对CO2浓度均有明显的降低作用.通过四季每日整点后向轨迹聚类计算,结合浓度资料分析发现,该站春、夏、秋季来自于西南方向的气团降低了观测的CO2浓度,而在冬季未起到明显的降低作用,主要因该站局地植被生态系统排放减少所致.     

轨迹烟流模式计算方法

集合了高斯烟流模式和烟团模式的优点,提出一个新的模型———轨迹烟流模式,既保留了烟流模式计算简单,计算结果连续的特点,又可以根据当时风场,确定不同的烟流轨迹,模拟烟团的弯曲、折回和重叠运动,分段进行计算,提高了计算的准确性扩大了模式应用范围。     

黑龙江海伦农业区冬春PM2.5和气态污染物污染特征

2011~2012年冬春期间(11月到翌年4月),通过设置在海伦农田生态系统国家野外科学观测研究站内的在线监测仪器获取了PM2.5和气态污染物(NOx、O3和SO2)质量浓度的时间变化,同时结合地面气象资料和HYSPLIT后向气团轨迹模型分析了该地大气污染物的污染水平、可能来源及传输过程.结果表明:观测期间PM2.5、NOx和SO2的24h均值(范围)分别为(54.7±45.7)(8.0~217.8),(23.0±11.5)(4.5~59.6), (10.0±10.3)(0.3~56.0)μg/m3, O3的日最大8h平均值(范围)为(62.4±18.7)(24.1~173.5)μg/m3,其中除O3在4月份超过国家一级标准8d外,其它气态污染物均未超过国家一级标准;PM2.5超过国家二级标准的天数为40d,占整个观测期间的22.5%.PM2.5和SO2各月质量浓度变化较大,最高值出现在12月份,是冬季采暖的高峰期.NOx、PM2.5和SO2日变化呈双峰型,峰值出现在07:00和17:00左右;O3为单峰型,峰值出现13:00~15:00.通过对海伦地区72h内HYSPLIT后向气团轨迹模拟结果和该站点的气象数据进行分析,表明该农业区大气污染受本地源和区域输送共同影响,偏南气流易造成污染物积累,而偏北气流有利于污染物扩散.     

舟山本岛大气污染输送过程的数值模拟分析

利用HYSPLIT-4后向轨迹模式和NCEP(美国国家环境预报中心)的2012年GDAS(全球资料同化系统)气象数据,结合NO₂、PM_2.5、PM₁₀和SO₂等常规大气污染物的质量浓度数据,对舟山本岛2012年4月、7月、10月和12月的大气污染输送过程进行了模拟,并通过聚类分析和潜在源区分析〔包括PSCF(潜在源贡献)和CWT(浓度权重轨迹)计算〕,确定大气污染传输路径及影响源区. 结果表明:舟山本岛气流后向轨迹呈明显的季节变化特征,4月主要受来自黄海海面气流轨迹的影响,其占总轨迹数的36.7%,ρ(PM₁₀)为(53.24±24.33)μg/m3;7月以途经琉球群岛和东海气流轨迹为主,占总轨迹数的48.4%,对ρ(NO₂)、ρ(PM_2.5)、ρ(PM₁₀)和ρ(SO₂)贡献分别为(24.63±6.33)、(28.60±4.83)、(52.89±18.76)和(8.67±3.11)μg/m3;10月气流轨迹主要来自于东海海面,占总轨迹数的49.2%;12月气流则主要来自辽宁南部和黄海,占总轨迹数的66.1%,对ρ(NO₂)、ρ(PM_2.5)、ρ(PM₁₀)和ρ(SO₂)贡献分别为(28.48±15.14)、(58.71±14.10)、(69.83±38.94)和(20.83±13.28)μg/m3. 舟山本岛PM_2.5的潜在源主要为毗邻城市间局地污染,集中于浙江沿海城市及杭州湾、上海等地.      

COVID-19疫情期间成都市地面臭氧污染特征及气象成因分析

受COVID-19疫情影响,我国各地采取了一系列封锁管控措施,由此导致大气污染物排放强度降低.本文以成都市为例,分析了2020年上半年的气象条件和大气污染浓度特征,并重点对臭氧浓度变化及同期对比结果进行了细致分析.结果表明：①与2019年同期相比,除O₃外的5种污染物（NO₂、CO、SO₂、PM₁₀、PM_2.5）浓度均降低,降幅分别为13.60%、8.96%、6.30%、4.56%、1.80%,而O₃浓度却异常升高,升幅最大值分别出现在2月（35.1%）和5月（36.1%）.②2020年上半年,O₃浓度高值出现时间较2015—2019年提前,气象条件较有利于臭氧的生成.100 hPa和500 hPa位势高度为正距平,气温、日照时数较往年升高,相对湿度和降水量下降,以静小风为主.③2020年4月25日—5月6日臭氧污染持续时间长,主要是由于复工复产导致臭氧前体物排放增加,以及稳定的天气形势,使成都长时间处于高温（>30℃）、低湿（40%~60%）、静小风（1.3 m·s^-1）等不利扩散的气象条件下.气团后向轨迹和污染潜在源区表明研究区受到来自成都偏东一带及川南地区高污染气团短距离输送的影响.     

莆田地区一次臭氧污染过程分析

利用2018年7月28日—8月5日莆田地区4个环境监测站臭氧逐小时浓度观测资料、莆田国家气象站逐小时资料、莆田地区风廓线雷达站逐小时资料对7月29日—8月4日的臭氧污染过程进行分析.结果表明,除7月30日臭氧最大浓度为193 μg·m^-3外,其余日期莆田市监测站的臭氧浓度小时最大值均超过200 μg·m^-3.本次污染过程在气象条件上臭氧浓度与温度呈正相关,与湿度呈负相关,臭氧浓度与两者的相关系数绝对值均大于0.77.边界层上的偏西风和西南风在此次过程中表现出有利于本地区臭氧污染的形成和维持.结合污染物排放资料和后向轨迹分析表明,污染主要成因以外来源输送为主,后向轨迹经过漳州、泉州排放区,本地区排放对污染的贡献较少.莆田市监测站的NO_x与O₃浓度呈正相关的特殊现象是海陆风和山谷风配合地形造成的O₃和NO_x共同堆积和扩散所导致的.     

基于RAMS-CMAQ模拟的2019年初威海市大气污染反弹成因研究

威海市是山东省东部最典型的沿海城市,也是中国、日本、韩国大气污染相互传输影响的重要通道.虽然威海市大气质量已连续4年达标,但其污染仍时有反弹.2019年1-2月威海市大气NO₂和PM_2.5浓度反弹率分别达48.5%和35.0%,明显高于山东省内陆地区和京津冀地区平均水平.通过对同期空气质量例行监测数据和气象资料统计分析、空气质量模型RAMS-CMAQ模拟和后向轨迹聚类等方法定量剖析了威海市大气污染反弹的原因.结果表明,威海市2019年1-2月空气污染反弹与气象条件及其相关联的污染物区域输送有较大的相关性,与2018年同期相比,冷空气活动弱、降水量偏少、风速偏低、受来自山东内陆和京津冀相对高污染区污染输送影响偏多是造成本次污染反弹的主要诱因.RAMS-CMAQ模拟显示,相同排放源假定下,由气象条件及其引起的区域传输造成的PM_2.5和NO₂浓度反弹,2019年1、2月较2018年同期PM_2.5浓度增加值分别为8、3 μg·m^-3,分别占总反弹率的53%、37.5%,NO₂浓度增加值分别为10、7.5 μg·m^-3,分别占总反弹率的58.8%、40%.说明威海市空气质量受外来输送明显、扩散条件及区域污染输送是空气质量评估不容忽视的重要因素.