天津城区PM_(2.5)中碳组分污染特征分析

为探讨天津城区碳组分的季节污染特征,于2009年4月—2010年1月采集大气PM2.5样品,测定其碳组分浓度,分析有机碳(OC)和元素碳(EC)的相互关系,并探讨气象条件对碳组分浓度的影响.结果表明,天津城区PM2.5质量浓度为141.47μg·m-3,OC和EC质量浓度年均值分别为18.81μg·m-3和6.86μg·m-3,分别占PM2.5质量浓度的13.3%和4.8%,碳组分系PM2.5的重要组成部分;季节分布特征显示,秋、冬季OC和EC污染较为严重,总碳气溶胶(TCA)分别为45.74μg·m-3和46.75μg·m-3,占PM2.5质量浓度的30.1%和40.1%;采用改进的OC/EC最小比值法计算得到的二次有机碳(SOC)浓度显示,秋季和冬季SOC较高,为7.45μg·m-3和7.28μg·m-3.后向轨迹的聚类分析表明,局地气流或偏南气流控制下的PM2.5中碳组分浓度较高.     

天津冬季雾霾天气下颗粒物质量浓度分布与光学特性

年1—2月连续在线观测天津ρ(PM_2.5)、ρ(PM₁₀)、大气能见度、σ_sp(气溶胶散射系数)、σ_ap(气溶胶吸收系数)和AOD(大气光学厚度),结合气象资料,分析天津城区雾霾天气下的颗粒物质量浓度分布与光学特性. 结果表明:在为期52d的观测期间,发生雾日8d、轻雾日1d、霾日29d,雾霾日占观测时长的73%;霾日ρ(PM_2.5)/ρ(PM₁₀)为0.65,SSA(单次散射反照率)为0.95,MSE(气溶胶质量散射系数)为3.30m2/g,均高于非雾霾日,表明雾霾日下细粒子的散射作用是大气消光的主要贡献者;雾霾日的σ_sp和σ_ap均高于非雾霾日,随着霾等级增强,σ_sp和σ_ap逐渐增大,重度霾天气的σ_sp和σ_ap与中度霾天气相当,分析高RH可能是造成能见度进一步降低的主要因素;雾霾天气下AOD_500nm和波长指数均显著高于非雾霾天气,表明雾霾天气下气溶胶浓度远高于非雾霾天气,并且细粒子占主导地位.      

天津城市化对市区气候环境的影响

利用天津市区和郊区两个气象站近50年的地面温度、辐射、日照、风速、相对湿度和降水量资料,系统地分析了天津城市化进程对城市气候的影响,结果表明影响是显著的。受城市化的影响,天津市区地面温度远高于郊区,城市热岛效应明显,市区增温率达0．42℃·（10a）^-1,50年增温幅度达2．5℃,其地面总辐射、直接辐射和日照时数逐年减少的特征也进一步证明了城市化对大气的增温效应;市区近地层风速、相对湿度明显小于郊区,其中,平均风速以0．35m·s^-1·（10a）^-1的速率减小,相对湿度以1．11％·（10a）^-1的速率减小。近50年来天津市区的降水量和降水日数均呈现明显的减少趋势,降水量的倾向率为5．91mm·（10a）^-1,降水13数的倾向率为3．2d·（10a）^-1。     

天津市PM10, PM2.5和PM1连续在线观测分析

利用2010年9月1日─11月30日在中国气象局天津大气边界层观测站采集的ρ(PM₁₀₎,ρ(PM_2.5)和ρ(PM₁)数据,分析了观测期间可吸入颗粒物的统计特征,结合同期气象观测资料,分析了典型天气条件下ρ(PM₁₀₎,ρ(PM_2.5)和ρ(PM₁)的日变化特征及与风速、风向的关系. 结果表明:观测期间,ρ(PM₁₀₎日均值有超过1/2的天数超过《国家环境空气质量标准》(GB 3095─1996)二级标准限值;ρ(PM_2.5)有63 d超过美国国家环境保护局(US EPA)1997标准限值,超标率高达76.8%;不同天气条件下,ρ(PM₁₀₎,ρ(PM_2.5)和ρ(PM₁)日变化特征明显,三者一般在大雾或扬沙/浮尘天气条件下出现高值,有降水过程时出现低值;可吸入颗粒物以粗粒子(PM_2.5～10)和PM₁为主,PM_2.5～10,PM_1～2.5和PM₁主要分布在风速小于3 m/s,风向为225°～280°和70°～110°范围内;风速大于3 m/s时,ρ(PM_2.5～10)和ρ(PM_1～2.5)有所增加. ρ(PM₁₀₎,ρ(PM_2.5)和ρ(PM₁)未出现周末效应,但存在明显的周内变化.      

天津市春季气溶胶消光特征和辐射效应的数值模拟

根据GRIMM气溶胶粒谱分析仪对粒子数浓度在线观测资料,拟合了天津市春季霾日和非霾日的气溶胶粒子谱分布,结合同期气溶胶样品化学组分分析结果,利用米散射理论计算分析霾日和非霾日气溶胶消光特征.在此基础上,对辐射传输模式LOWTRAN7中气溶胶光学参量进行了修正,利用修正后的模式模拟霾日和非霾日的地面辐射通量密度.结果表明,观测期间非霾日气溶胶消光系数平均为0.253km-1,散射系数平均为0.213km-1.霾日气溶胶消光系数平均为0.767km-1,散射系数平均为0.665km-1.对比模式计算的辐射通量密度与观测值,表明短波辐射模拟效果较好.     

天津2009年3月气溶胶化学组成及其消光特性研究

2009年3月,采集天津城区PM10和PM2.5样品,分析其中的水溶性无机离子、有机碳(OC)和元素碳(EC),并估算其二次有机碳(SOC)浓度及消光系数.结果表明,天津城区PM10和PM2.5污染严重,水溶性无机离子和含碳物质在PM10中的比例为24.8%和10.0%,在PM2.5中的比例为26.6%和13.9%;SO42-、NO3-和Ca2+是主要的无机离子,霾日天气有利于SO2和NO2向硫酸盐和硝酸盐的二次转化;通过OC/EC最小比值法估算SOC的浓度,表明SOC与OC的比值分别为38%(PM10)和24%(PM2.5),霾日天气有利于SOC生成;二次离子(SO42-,NO3-和NH4+)、粗粒子、OC和EC是大气消光的主要贡献者,其消光贡献比例分别为33.1%, 22.6%,22.0%和15.6% 采用化学组分和相对湿度可以较好的拟合大气消光系数及大气能见度.     

基于风险神经网络的大气能见度预测

针对空气污染导致大气能见度降低的预测研究,构建了一个风险神经网络模型,模型以6个气象因子、3种主要污染物(SO2,NO2,PM10)浓度和能见度作为输入因子,输出为24h后能见度的预测值.该模型对低能见度情况的数据给予相对较高的风险值,而对高能见度情况的数据则给予相对较低的风险值.以天津市2003~2007年的气象数据对模型进行检验,结果表明该风险神经网络模型优于传统神经网络模型和线性回归模型.     

天津大气PM_(2.5)垂直特征及边界层影响

利用2006年12月17日至2007年1月1日天津250 m气象铁塔40 m、120 m、220 m高度PM2.5浓度监测资料及铁塔边界层气象资料,分析了不同天气背景下PM2.5随时间、高度变化的分布特征,研究了铁塔边界层气象条件包括逆温、特征摩擦速度、湍流动量和热量对PM2.5的影响,发现垂直PM2.5细粒子的浓度高低与天气背景及边界层气象条件是密切相关。边界层垂直动力和热力变化影响着PM2.5浓度的变化,冷空气过境时刻,PM2.5浓度达到最高峰值。40 m高度出现一个临界摩擦速度0.4 m/s,高浓度PM2.5比较集中在摩擦速度小于0.4 m/s的区域内,大于0.4 m/s这个摩擦速度,边界层的垂直湍流动量及水平和垂直方向的热量输送通量就会明显的变化,因而促使PM2.5在空中的扩散或沉降。也就是说,当摩擦速度小于0.4 m/s时,有利于PM2.5在空中的累积,PM2.5浓度趋于增高的趋势;反之,有利于PM2.5扩散,PM2.5浓度趋于减小的趋势。     

天津臭氧浓度与气象因素的相关性及其预测方法

气象因素在影响夏季臭氧浓度水平和变化特征方面扮演着重要作用.通过对2008年夏季天津地面臭氧体积浓度和气象因素的相关分析,揭示高浓度臭氧发生时的典型气象特征,并初步建立了预测地面臭氧浓度的气象学方法.结果表明:影响臭氧浓度的主要气象因素是气温、相对湿度和风速、风向,当14时气温大于30℃,相对湿度低于60%,风向为偏西或偏南时,高浓度臭氧的发生概率较高.采用14时气温、相对湿度和风速等气象参数拟合臭氧体积浓度,效果良好.     

天津城区2019年2~3月气溶胶粒径分布特征观测分析

气溶胶粒径分布是反映气溶胶粒子来源、形成过程和污染特征的重要物理参数,为研究天津城市地区气溶胶数浓度和谱分布特征及其影响因素,利用扫描电迁移率颗粒谱仪（SMPS）对2019年2~3月天津河西区10~600 nm气溶胶数浓度粒径分布进行了采样分析.结果表明,冬末春初天津市10~600 nm气溶胶数浓度、表面积浓度和体积分数分别为22188.22 cm^-3、1581.08 μm²·cm^-3和70.76μm³·cm^-3,气溶胶数浓度、表面积浓度和体积分数谱均为单峰分布,峰值粒径分别位于109.40、269.00和429.40 nm.核模态（10~20 nm）、爱根核模态（20~100 nm）和积聚模态（100~600 nm）粒子数浓度分别占气溶胶总数浓度的1.40%、52.44%和46.16%.气溶胶数浓度日变化具有明显的周末效应,工作日为三峰分布,峰值出现在道路交通早晚高峰和午后,周末呈双峰分布,峰值出现在道路交通早晚高峰且出现时间比工作日推迟1~2 h,汽车尾气排放对城区气溶胶浓度增加起重要作用.气象条件对天津城区气溶胶粒径分布有明显影响,气溶胶在偏东风和西南风条件下数浓度较高,非降水日相对湿度（RH）增加导致气溶胶谱分布向大粒径方向移动,随着RH由小于20%升高到50%~60%,气溶胶数浓度谱峰值粒径由50nm增大到131 nm,降水对100~200 nm气溶胶粒子有明显的清除作用,降水过程导致气溶胶谱峰值粒径减小到98 nm.