北京市农业大棚冬季燃煤散烧污染排放估算

选取北京农业种植的典型区域,使用高分辨率影像对2013年冬季、2014年夏季及2014年冬季的三期农业大棚进行了精细化提取,分析了污染物空间分布特征.在此基础上,通过现场调查的方式获取了蔬菜、瓜果、水果、花卉以及其他类五种不同种植类别农业大棚的燃煤系数,估算了北京市典型区农业大棚的燃煤散烧量及污染物排放量.结果表明:以面积为衡量指标,北京市农业大棚主要集中在城乡结合部,南部区域量多面广,而北部区域分布集中、规模较大,受城市扩张影响,农业大棚呈现重心向外转移的变化趋势.选取大兴、通州、昌平以及海淀4个区作为典型区,通过实地调查发现其他类农业大棚燃煤系数最大,达到15.0 kg/(m2·a),瓜果、水果、蔬菜及花卉燃煤系数依次为8.2、3.5、3.4及1.7 kg/(m2·a).北京典型区农业大棚燃煤量为3.4×104 t,全市农业大棚的燃煤总量约为5.2×104 t.结合农业大棚活动水平与污染物排放因子估算2014年北京市农业大棚燃煤散烧的PM₁₀、PM_2.5、NO_x及SO₂排放量分别为623.7、516.2、98.3及184.0 t.将2013—2014年冬季持续存在、夏季未被拆除的大棚定义为长期持续性大棚,核算发现,长期持续性大棚PM₁₀、PM_2.5、NO_x及SO₂排放量分别为399.7、482.9、76.1及142.5 t.      

2016年北京市春节大气颗粒物污染特征激光雷达监测分析

基于激光雷达大气颗粒物消光系数实时数据以及PM_2.5和PM₁₀自动在线监测数据对北京市2016年春节期间（2月7~13日）大气污染进行系统分析.除夕夜间受燃放烟花爆竹影响,大气颗粒物浓度在短时间内急剧攀升,市中心的官园站PM_2.5浓度最大值达到639.3 μg·m^-3,9 h内增长了近30倍,城郊的琉璃河站及定陵站颗粒物最大小时浓度均超过1000 μg·m^-3,显著高于市中心的官园站.初三至初五存在持续的颗粒物高浓度污染且城郊的颗粒物浓度均高于市中心.激光雷达的监测结果表明,除夕燃放时段内3个站点105 m处的消光系数显著高于405 m,呈现出明显的鞭炮燃放排放污染特征.3个站点的垂直消光特性存在显著差异,大气清洁时1.0 km下定陵、车公庄及琉璃河的背景极值分别为0.09、0.20和0.19 km^-1,2月8日00：00的消光系数最大值分别为0.23、1.36和1.19 km^-1,为同时刻同高度背景值的2.6倍、6.8倍和6.0倍,燃放烟花爆竹使得颗粒物的消光系数短时间内急剧增大.     

北京市基于PM10/CO关系的可吸入颗粒物自然源解析

通过详细分析北京市大气污染物多年(2000～2004年)的连续监测数据,建立了一种简便易行的大气颗粒物源解析方法.根据PM10与CO来源差异及不同时期PM10/CO比值的变化,推导出大气颗粒物的自然源贡献率.通过研究PM10、CO等大气污染物的年变化规律,发现PM10与CO等气态污染物浓度具有一定线性关系,且该线性关系存在明显季节变化,自然源贡献较少的秋冬季节二者的线性关系较好,而沙尘影响较重的春季线性差.建立了理想条件下冬季PM10/CO比值基准,并视其为城市人为源排放基准.冬季当PM10/CO比值大于该基准时,可以认为PM10有自然源贡献,比值越大,自然源贡献越多.根据冬季PM10/CO基准值和整个冬季PM10/CO比值变化情况,推算出2003年和2004年冬季自然源对PM10平均贡献为19%～23%;应用相同方法得到夏季PM10自然源平均贡献率为24%～28%;自然源年均贡献率为29%～35%,高于冬季和夏季,这主要是由于春季沙尘贡献量较大造成的.通过北京市大气污染物的源解析结果可以认为此方法准确有效.     

北京市大气PM10环境背景值的计算方法探讨

为了消除或降低PM10环境背景值计算中城市局地污染的影响,并且提高背景值在污染过程模拟中的准确程度,紧密联系天气过程、通过监测和统计途径探讨了确定环境背景值的方法.北京市空气质量背景监测站点在地方性天气过程中明显受到城市污染的影响,文中根据天气形势场、垂直方向上风向一致性、系统影响持续时间等判别标准区分了系统性和地方性过程,筛选出受系统性过程影响的、"背景时段"的监测数据.背景时段监测数据统计计算时,将背景值视为变量,用百分位数、剪裁均值、最大概率密度值、50%概率区间等特征统计量来表达其概率分布.文中还将背景值细化,根据天气系统特征和区域自然环境、人类活动的差异将背景值区分为4类,以代表不同污染过程的背景水平.使用2003年11月至2004年12月北京市北部和南部共5个清洁站点的监测数据,计算了117个中尺度天气系统影响时,PM10浓度概率密度分布以及背景值特征统计量.结果表明,4类背景值差别很大,从小到大排序依次是:北风＞东风＞西风＞南风,剪裁均值依次为:24～34、58、89～110和105μg·m-3.对4类背景值综合运算,得到2004年PM10年尺度上的综合背景值为58～67μg·7-3,较好地扣除了局地污染的影响.     

2013~2014年北京大气重污染特征研究

从污染物浓度的时间变化、空间分布以及大气污染类型等方面,对2013~2014年北京大气重污染过程进行了分析,并初步探讨其影响因素.结果表明:2013~2014年北京共出现大气重污染105d,重污染频率为14.4%.其中,首要污染物为PM_2.5的天数为103d,首要污染物为PM₁₀和O₃各有1d;冬半年重污染天数占全年的76.2%.重污染气象要素特征主要表现为风速小、湿度高、能见度低.重污染日PM_2.5/PM₁₀浓度比值为91.3%,明显高于全年平均水平,表明重污染时颗粒物以细颗粒物为主.北京大气重污染区域分布表现为南高北低,平原高、山区低的总体特征,交通站重污染天数普遍高于市区其它站点.北京大气重污染主要表现为积累型、光化学型、沙尘型以及复合型等类别;其中积累型大气重污染往往伴有区域污染水平的整体升高,PM_2.5组分中NO₃^-、SO₄^2-、NH₄⁺等水溶性二次离子的浓度增幅最为明显;O₃污染在近两年有加重的趋势.     

2015年“十一”期间北京市大气重污染过程分析

采用垂直观测、地面观测、PM_2.5化学组分观测和气团轨迹分析等手段,对2015年10月份北京市一次大气重污染过程进行了分析.结果表明,重污染时近地面层气溶胶消光系数升高,污染物主要积聚在600m以下.重污染期间气象要素特征为：风场弱,湿度大,地面受弱气压场控制,边界层高度极低.重污染期间不同站点PM_2.5浓度变化趋势和峰值出现时间较为一致;大部分时段PM_2.5中NO₃^-浓度明显高于其他组分;周边区域受重污染的影响面积相对较小,高浓度区主要集中在北京市及近周边地区.多手段的观测结果以及PM_2.5浓度与气象要素和各化学组分的相关性分析的结果均表明：区域传输,包括秸秆焚烧,对本次北京市重污染天气过程具有一定的影响,但本地机动车排放在不利气象条件下的积累、二次转化以及垂直方向空间的极端压缩是导致重污染的主要原因.     

北京市冬春季大气颗粒物的粒径分布及消光作用

2004年1─5月,在北京市区连续监测了大气环境中ρ(PM₁₀₎,ρ(PM_2.5),ρ(PM₁)和ρ(TSP),以及大气能见度、地面气象要素.结果表明:春节期间颗粒物中细粒子所占的比例较高,ρ(PM₁)/ρ(PM_2.5)为0.81,ρ(PM10)/ρ(TSP)为0.61;而沙尘期其值分别为0.55和0.28.不同粒径的颗粒物质量浓度均呈在明显日变化,其夜间浓度峰值高于早晨交通繁忙时段.根据经验公式,将大气能见度换算为大气消光系数,并导出颗粒物消光系数.结果表明:颗粒物消光系数与颗粒物质量浓度呈显著正相关.进一步定义了颗粒物质量浓度消光比(CE_P),用来表征颗粒物的污染特征.统计分析结果表明:当CE_P<103时,颗粒物质量浓度很低,PM_2.5所占比例较高,代表了有利于污染扩散的气象条件;当CE_P>167,颗粒物质量浓度高,但细粒子比(ρ(PM_2.5)/ρ(PM₁₀₎)稳定在0.5～0.7,湿度也稳定在20%～50%,代表了不利于污染扩散的气象条件.      

2000年北京沙尘暴源地解析

2000年我国北方春季干旱少雨,气温回升快,低涡频繁侵入,4月3～9日连续3次冷空气活动,造成了北京地区严重的沙尘暴天气。笔者利用卫星云图和中尺度数值模式MM5,分析了该次沙尘暴源地及沙尘输送机制。结果证明,北京沙尘暴初始源地为蒙古高原及冷涡移动路径上的沙漠戈壁地区;北京周边地区裸露地的沙尘在气旋尾部上升气流的扰动下,亦形成了边界层的近距离输送。      

深度学习在裸地扬尘源监测中的应用研究

裸地是扬尘的重要来源，施工建设过程中形成的裸地极易在大风天气作用下造成扬尘污染。因此，快速、有效地定位裸地位置，并确认其管控措施落实情况，对于开展裸地扬尘源监管具有重要意义。基于高分辨率遥感监测数据，结合人工解译裸地扬尘源数据集，以北京市大兴区为例，利用深度学习方法对裸地和防尘网覆盖裸地进行分类识别。同时，利用颜色匹配法对大兴区防尘网覆盖裸地进行识别，横向评估深度学习方法的识别精度。结果显示：深度学习方法对防尘网覆盖裸地的识别精度达97%,对裸地的识别精度达61%;颜色匹配法对防尘网覆盖裸地的识别精度达85%。防尘网覆盖裸地的颜色特征鲜明，深度学习方法和颜色匹配法对防尘网覆盖裸地的识别精度都在85%以上。深度学习方法对于面积大于2 000 m²的图斑有着较好的识别精度。深度学习方法可以提高裸地遥感解译的效率，实现规范化图像识别，可以作为人工判读的辅助手段。在实际应用中，可通过进一步积累样本来增强模型性能。深度学习方法适用于裸地扬尘源线索快速发现、工地防尘网措施落实情况快速检测等场景。     

基于形态空间格局分析方法和最小累积阻力模型的北京市平原区造林工程生态格局分析

为了科学评估北京市平原区造林工程的生态影响，利用高分卫星数据获取2018—2020年北京市平原区造林面积、分布及变化信息，分析了造林工程的空间格局特征，并采用形态空间格局分析(MSPA)方法及最小累积阻力(MCR)模型，构建了北京市平原区生态网络，通过情景模拟分析造林工程对生态源地、生态廊道产生的影响。结果显示，2018—2020年北京市平原区造林工程主要沿西北东南方向实施，实现了对原有林地资源分布不均衡问题的解决。热点建设区域为北部的延庆及东南部的通州、大兴，呈现由城市边界逐步向市中心蔓延的发展趋势。在不考虑其他因素对土地利用的影响的前提下，造林工程的实施使平原区林地面积增长了9.8%。通过情景模拟发现，造林工程的实施使生态网络向连通、完整、均衡方向发展。其中，生态源地面积增长了131.0 km²,主要生态源地连通性提升了41.1%,生态廊道的分布由主要分布在西北部山区向西北、东南两个方向均有密集分布转变。综上，造林工程的生态环境效应显著，造林工程的实施对生态环境质量改善具有重要意义。