成都地区气溶胶散射吸湿增长因子双变量模型

基于成都市2017年10～12月逐时的“干”气溶胶散射系数和吸收系数观测数据,结合该时段同时次的能见度（V）、相对湿度（RH）以及二氧化氮（NO₂）监测资料,利用“光学综合法”计算气溶胶散射吸湿增长因子,并探究了气溶胶散射吸湿增长因子单变量f（RH）模型的适用性及其改进方案.结果表明：幂函数、二次多项式、幂指函数形式的f（RH）模型在低RH条件下（RH<85%）均能很好地模拟气溶胶散射吸湿增长因子随RH的变化特征,但在高RH条件下（RH>85%）的模拟值会出现较大的偏差.黑碳质量浓度（C_BC）是影响气溶胶散射吸湿增长因子的另一关键变量,二者之间满足非线性关系.以RH和C_BC为自变量构建了气溶胶散射吸湿增长因子双变量f（RH,C_BC）模型,模型计算值和实测值之间的决定系数R²为0.763,平均相对误差MRE为14.28%.双变量模型f（RH,C_BC）的应用显著改善了气溶胶散射消光系数的模拟效果.     

北京南部城区PM2.5中碳质组分特征

为了解《大气污染防治行动计划》实施后北京市大气PM_2.5中碳质组分特征,于2017年12月至2018年12月在北京污染较重的南部城区进行了PM_2.5连续采样,对其中的有机碳（OC）和元素碳（EC）进行了全面研究.结果表明,北京大气PM_2.5、OC和EC浓度变化范围分别为4.2~366.3、0.9~74.5和0.0~5.5 μg ·m^-3,平均浓度分别为（77.1±52.1）、（11.2±7.8）和（1.2±0.8）μg ·m^-3,碳质组分（OC和EC）整体占PM_2.5的16.1%.OC质量浓度季节特征表现为：冬季[（13.8±8.7）μg ·m^-3] > 春季[（12.7±9.6）μg ·m^-3] > 秋季[（11.8±6.2）μg ·m^-3] > 夏季[（6.5±2.1）μg ·m^-3],EC四季质量浓度水平均较低,范围为0.8~1.5 μg ·m^-3.二次有机碳（SOC）年均质量浓度为（5.4±5.8）μg ·m^-3,四季贡献比例范围为45.7%~52.3%,年均贡献为48.2%,凸显了二次形成的重要贡献.随污染加重,尽管OC和EC贡献比例均降低,但浓度水平却成倍升高,OC和EC浓度在严重污染天分别是空气质量为优天的6.3和3.2倍.与非供暖时段相比,供暖时段PM_2.5、OC和SOC浓度分别增加了14.4%、47.9%和72.1%,体现了OC对供暖季PM_2.5污染的重要贡献.PSCF分析表明,位于北京西南的山西省和河南省部分区域是PM_2.5和OC的主要潜在源区,且PM_2.5潜在源区更为集中;EC的PSCF高值（>0.7）区域较少,主要位于北京南部,如山东省和河南省部分地区,且北京市及周边地区贡献明显.     

北京市气温与黑碳和PM2.5对疾病死亡影响的交互效应

通过收集北京市2010~2016年逐日呼吸和心脑血管疾病死亡数据、污染物（BC、PM_2.5、SO₂、O₃和NO₂）日均浓度资料以及同期的气象资料,采用广义相加模型（GAMs）中的主效应模型、非参数二元响应模型和温度分层模型探讨了北京市气温、PM_2.5和BC单效应,以及气温与PM_2.5和BC交互作用分别对呼吸和心脑血管疾病死亡人数的影响.单效应分析结果表明,气温与两种疾病死亡人数的累计暴露-反应关系均呈“J”型分布特征,最适温度为24℃;累计滞后一天情况下PM_2.5和BC的健康效应均最显著,此时PM_2.5和BC浓度每升高四分位间距（IQR）,呼吸系统疾病死亡人数超额增加百分比（ER）分别为2.21%和1.80%,心脑血管疾病死亡人数ER分别为2.02%和1.48%.交互作用的研究结果表明,高温与高浓度的PM_2.5（或BC）对疾病死亡的影响存在协同效应,且高温条件下BC对疾病死亡影响的健康风险大于PM_2.5,当气温大于24℃时,BC和PM_2.5浓度每升高IQR对应的呼吸系统疾病死亡人数ER分别为6.22%和6.17%,心脑血管疾病死亡人数ER分别为5.01%和3.97%.虽然BC只占PM_2.5的一部分,但BC对人群健康的影响不容忽视,应该引起足够的重视.     

北京南郊区PM2.5中水溶性无机盐季节变化及来源分析

为研究北京偏南地区细颗粒物(PM_(2.5))中水溶性无机离子的变化特征,利用大气细颗粒物快速捕集系统及化学成分分析系统RCFP-IC,于2016年对北京南郊区大兴PM_(2.5)中9种水溶性无机离子(Cl~-、NO_2~-、NO_3~-、SO_4~(2-)、Na~+、NH_4~+、K~+、Mg~(2+)和Ca~(2+))展开为期1 a的连续在线观测.结果表明,观测期间,9种水溶性无机离子总质量浓度为38.6μg·m~(-3),并呈现冬春高,夏秋低的特征,浓度水平高低顺序为SO_4~(2-)NO_3~-NH_4~+Ca~(2+)NO_2~-Cl~-Na~+K~+Mg~(2+);在冬季,SO_4~(2-)、NO_3~-和NH_4~+浓度占比高达75.7%;春季次之,为72.8%;夏季最低,仅为60.2%.并且随着空气污染的加剧,SO_4~(2-)、NO_3~-和NH_4~+浓度显著增加,这表明SO_4~(2-)、NO_3~-和NH_4~+与空气质量的恶化密切相关,但相比NO_3~-和NH_4~+,SO_4~(2-)在二次离子形成过程中占据主导地位;SO_4~(2-)、NO_3~-和NH_4~+存在显著的日变化特征,SO_4~(2-)统计日变化为双峰型,峰值分别出现在10:00和18:00左右,而NO_3~-和NH_4~+呈单峰型,峰值出现在10:00左右.基于后向轨迹聚类分析结果发现,对南郊区污染有影响的气团主要有3类,分别来自东南方向、西部和来自蒙古高原的高空气团,东南方向气流会加重南郊区水溶性盐的累积,而偏北气流有利于污染物扩散和稀释;基于主成分分析发现,北京南郊区水溶性盐的污染来源分别为二次源、燃煤源和土壤风沙尘及建筑扬尘的混合源.利用潜在源贡献因子分析法对南郊区冬季水溶性盐的潜在污染源区进行分析发现,影响大兴水溶性盐浓度潜在源区主要分布在南郊区的东南部.     

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.     

2013年成都财富论坛期间空气质量状况分析研究

利用2013年5月20日-6月20日成都市区7个环境质量监测站点可吸入颗粒物(PM₁₀)、细颗粒物(PM_2.5)、SO₂、NO₂、CO和臭氧的实测资料及地面气象观测资料,对成都举办财富全球论坛期间及前后的空气质量变化特征和成因进行分析.结果表明,由于市政府采取交通管制措施,使机动车尾气排放的NO₂浓度与财富论坛前后相比降幅达27.2%;财富论坛期间臭氧前体物质浓度的降低,使地面臭氧日均浓度在相同太阳日辐射值下与财富论坛前后相比较低;对城区扬尘控制和周边重污染企业限产停产,分别对PM₁₀和SO₂的排放起到了明显的削减作用;后向轨迹分析表明市区SO₂浓度累积与来自东南部低空的气团有关.当相对湿度小于60%时颗粒物容易吸湿增长,而当相对湿度大于60%时降雨概率增大,颗粒物容易被清除.综合分析,成都市区财富论坛期间空气质量改善是政府减排举措的有效实施和较好的气象条件共同作用的结果.     

氮肥水平对不同土壤CH4排放的影响

鉴于氮肥施用对农田CH₄排放的影响还有很大不确定性,室外盆栽试验于2002年在南京农业大学实施.选取3个供试土壤,各土壤设置对照和低、中、高3个不同氮肥水平,施入尿素量分别为0 g/盆钵(对照) ,0.64g/盆钵,(低氮水平) ,1.28g/盆钵(中氮水平) ,1.93g/盆钵(高氮水平) .结果表明在水稻生长季,不同氮肥(尿素)施用量对稻田土壤CH₄排放影响表现为不同土壤之间,及不同氮肥水平之间CH₄排放均存在显著差异.无氮肥施入的情况下,3种土壤的CH₄季节性累积排放量存在显著差异,分别为6.7g/m²,12.6g/m² 和8.3g/m².施加氮肥后,3种土壤的CH4排放量随氮肥施入量的增加,均表现为降低趋势,不同土壤CH₄排放量存在差异,土壤背景氮含量最高的F(江苏溧水)土壤的CH4排放都比相应氮肥水平下的G(江苏涟水)和H(江苏农科院)土壤的CH₄排放低1倍左右.更进一步发现从低氮到中氮水平,3种土壤CH₄排放量随氮肥用量的增加降低幅度最大,而此时各土壤的NH₄-N含量随氮肥用量增加明显提高,推断造成CH₄排放降低的主要可能原因是各土壤的氨态氮含量的增加所致.从中氮到高氮水平3种土壤的CH₄排放量的变化不尽相同,G和H土壤的CH₄排放量随氮肥用量的增加而降低,而F土壤在中氮和高氮水平下的CH4排放量没有明显变化,值分别为30g/m².     

“2+26”城市2017年冬防减排效果及其潜在原因分析——以衡水市为例

近年来我国大气重污染频发,严重影响民生,其中以京津冀最为严重.2017年"总理基金"启动,同年冬防效果显著.衡水市作为"2+26"城市之一,空气质量排名常年处于倒数十名之内.经过2017年的冬防,空气质量明显改善,衡水市大气污染的改善在"2+26"城市中很具有代表性.本文以衡水作为切入点,利用后向轨迹和浓度权重轨迹分析(CWT)探讨了2017年衡水冬防效果及潜在源区变化,分别从气象轨迹和本地排放初探了潜在原因.结果表明,2017年冬防效果显著,PM_(2.5)浓度降低33%,优良天数增加32 d,重污染天数减少22 d.PM_(10)浓度降低41%,优良天数增加40 d.2017年冬季PM_(2.5)潜在源区由2016年同期衡水北部及以北地区向衡水南部及以南地区转移.PM_(10)潜在源分布变化与PM_(2.5)相似.两年气象条件的对比结果表明,气象变化较小,对潜在源分布影响不大,本地排放是潜在源区分布变化的主要原因,其中衡水北部工业锅炉和扬尘减排量显著高于衡水南部.研究表明,2017年衡水冬防效果显著,相比于气象条件,本地排放对大气颗粒污染及来源影响更大,本研究可为"2+26"城市大气颗粒污染研究提供参考.     

中国农业植被净初级生产力模拟(I)——模型的建立与灵敏度分析

以业已建成的稻麦作物净初级生产力模型为基本框架,建立了一个具有普适性的中国农业植被净初级生产力模型(CropC-)。CropC-的模拟对象为占我国农作物总播种面积2/3的水稻、小麦、玉米、棉花、油菜和大豆。该模型包括2个主要功能模块:光合作用和呼吸作用;土壤-作物系统氮素运移。前者综合考虑了环境因子和氮素的影响,后者包括了作物氮素吸收、土壤氮矿化和化肥氮释放。灵敏度分析表明,在输入参数变化±10%时,CropC-对6个主要输入参数响应的敏感性依次为温度>光合有效辐射>大气CO2浓度>土壤全氮含量>施氮量>降水。模型分析表明,气候变暖将降低作物净初级生产力。     

新乡市冬、春季节PM2.5中水溶性离子及重金属的污染特征与源解析

于2015年12月—2016年1月(冬季,采暖季)和2016年3—4月(春季,非采暖季)在河南新乡采集了125个膜样本,用重量法分析了PM_(2.5)的质量浓度,电感耦合等离子体-质谱分析仪(ICP-MS)分析了20种常见的金属元素,离子色谱(IC)分析了颗粒物中NH_4~+、K~+、Mg~(2+)、Ca~(2+)、Cl~-、NO_3~-、SO_4~(2-)7种水溶性离子,同时结合气象因子与主因子分析法(PCA)对PM_(2.5)进行追因溯源.结果表明:新乡市采暖季和非采暖季PM_(2.5)浓度均值分别为250.17和148.67μg·m~(-3),污染严重;主要金属元素均为Al、Ca、Zn、Fe、Pb,5种元素总共分别占20种金属元素总量的68%和51%;NH_4~+、SO_4~(2-)和NO_3~-占比均超过水溶性盐离子总量的90%.气象条件与地形条件分别对采暖季和非采暖季的PM_(2.5)局地污染有重要影响;PCA结果发现,新乡市采暖季的PM_(2.5)有3个主要来源,分别为燃煤源(31.86%)、农业源/机动车尾气源(19.34%)和土壤/地面扬尘(22.69%);而非采暖季的3个主要来源分别为机动车尾气源/地壳源(41.67%)、煤炭燃烧源/工业排放源(32.20%)及地面扬尘(12.18%).可见煤炭燃烧、机动车尾气排放对新乡市冬、春季大气污染的贡献较大.