沈阳市不同功能区挥发性有机物分布特征及臭氧生成潜势

采用德国AMA-GC 5000在线气相色谱仪对沈阳市的工业区、交通区和文教混合区这3个不同功能区进行大气挥发性有机物（VOCs）观测,分析沈阳市不同功能区大气VOCs的分布特征,并利用最大增量反应活性（MIR）估算了大气VOCs的臭氧生成潜势（OFP）.结果表明,沈阳市大气VOCs平均总浓度为（82.19±54.99）μg ·m^-3,其中,采暖期浓度高于非采暖期,且工业区浓度较交通区和文教混合区明显偏高.VOCs浓度日变化曲线中,受早晚交通高峰影响为主的交通区和文教混合区呈双峰特征,工业区受工厂不定时运作排放影响存在多峰.交通区和文教混合区VOCs组分占比表现为：烷烃>芳香烃>烯烃>炔烃,但工业区炔烃占比高于烯烃,由B/T和E/A比值反映交通区和文教混合区受机动车尾气排放和燃料燃烧共同影响,工业区还受石油化工影响产生新鲜气团较多,且采暖期较非采暖期老化气团多.沈阳市大气VOCs的OFP贡献均值为232.89μg ·m^-3,烯烃组分对各功能区贡献均占第一,且工业区的芳香烃组分因浓度高贡献也较大.     

2011年6~8月平流输送对黄山顶污染物浓度的影响

基于单条后向轨迹的滞留时间场和污染物排放强度场,设计了一种可以评估该轨迹对污染物的平流输送强度参数.利用2011年6~8月光明顶CO和O3浓度资料对该参数进行了验证,进而分析了该观测时段平流输送对光明顶污染物的影响;此外将O3浓度分成3档,利用改进的PSCF(Potential source contribution function)方法分析了各档浓度对应的源区分布.结果表明:(1)平流输送评估参数与污染物浓度的变化具有很好的一致性,表明平流输送对光明顶污染物浓度的变化具有重要作用.其中,安徽、湖北和江西三省交界区域的城市群向光明顶输送的污染物占到输送总量的一半以上;(2)光明顶O3浓度 >55×10-9、(30~55)×10-9、<30×10-9时所对应的主要源区分别为华北及长三角发达工业区、黄山西南方向的工业区、较远的南部沿海地区;(3)影响光明顶污染物浓度变化的输送类型可以分为秸秆燃烧输送、发达工业区气团输送、西南方向气团输送和海洋性气团输送4种类型,对应的污染物浓度(CO/O3)(×10-9)依次为474.47/72.50、221.16/57.71、86.31/30.41、51.67/27.45.     

南京北郊大气BTEX变化特征和健康风险评估

采用2013年3月21日~2014年2月28日GC5000在线气相色谱仪对南京北郊大气中的BTEX进行观测,利用EPA人体暴露分析评价方法对BTEX进行健康风险评估.结果表明,南京北郊大气中BTEX总量呈现春季冬季秋季夏季变化特征.BTEX浓度07:00~10:00与17:00~20:00时期较高,13:00~15:00之间最低;周末BTEX浓度高于工作日.BTEX来源包括交通源、工业源排放与溶剂挥发.BTEX四季HQ均表现为苯二甲苯乙苯甲苯,所有分析时段内HQ风险值都在安全范围.南京北郊R值呈现冬季秋季春季夏季的分布规律,R在所有分析时间都超安全阈值,存在致癌风险.     

石家庄一次持续性霾过程形成原因及气溶胶垂直探空分析

为了研究石家庄冬季霾过程的形成原因及污染物变化特征,对2015年12月17—26日一次持续性霾过程中地面气象要素、天气背景场、PM(PM_(2.5)和PM_(10))、气态污染物(SO_2、CO、NO_2和O_3)、边界层垂直结构和数浓度垂直分布进行了综合观测分析.结果表明,华北上空稀疏的等压线和均压场结构、地面小风、高湿度的气象条件为这次霾污染的发生和持续提供了有利的动力和水汽条件.霾过程中PM_(2.5)、PM_(10)、SO_2、NO_2、O_3和CO的平均浓度分别为208.1、299.4、75.3、81.9、13.1μg·m~(-3)和4.2 mg·m~(-3),分别是清洁天的5.8、4.5、1.4、2.4、0.5和4.7倍.逆温层的存在阻碍了近地层气溶胶粒子向高层的传输.逆温层上部层边界层内0.3μm和0.3~2.5μm的气溶胶数浓度分别减少了25%~40%和63%~85%.在200 m高度内,0.3、0.3~0.5、0.5~1.0和1.0~2.5μm的气溶胶在霾天的平均数浓度分别为503.0、295.7、103.9和8.9 cm~(-3),分别是清洁天的2.8、17.8、31.9和24.4倍.     

基于landsat8数据京沪穗地表热环境评估研究

为了揭示快速城市化地区热环境的特点,以京沪穗为研究区,利用landsat8和GDEM数据,分别对3个城市的热环境进行分析,并对北京市进行下垫面分类,分析了不同下垫面对地表温度的影响,研究了北京市DEM和归一化植被指数与地表温度的关系。结果表明:地表温度与归一化植被指数和海拔高度均表现为明显的负相关关系,R2分别为0.651和0.580。北京、上海和广州均存在不同程度的热岛效应,热岛主要存在于城市建成区,并由市辖区向外辐散。上海市强热岛面积比例最大,广州市强热岛面积比例最小,热环境优劣顺序为广州、北京、上海。     

黄山夏季气溶胶吸湿性及与化学组分闭合

大气气溶胶的吸湿性对其光学性质、云凝结核的活性以及人体健康都有重要影响.利用2014年7月在黄山光明顶观测获得的气溶胶的吸湿增长因子(GF)和多尺度气溶胶离子化学成分的观测数据,进行气溶胶吸湿性与化学组分的闭合研究.结果表明,黄山夏季气溶胶(在70~230 nm范围内)中硫酸铵、有机物(OC)、不可溶的物质含量最多,硝酸铵含量次之,硫酸氢铵含量最少,其中主要无机成分含量随着粒径的增加而逐渐增加;气溶胶在白天的吸湿性强于夜间,并且气溶胶粒子的吸湿性随粒径增加有逐渐增强的趋势;根据所有粒径的气溶胶粒子化学组分计算出的吸湿性参数κ值与κ观测值呈现大致相同的波动变化趋势,并且较接近观测值,决定系数r~2达到0.60.     

南京北郊黑碳气溶胶污染特征及影响因素分析

利用2015年1~10月黑碳小时平均质量浓度、PM2.5浓度、污染气体及常规气象观测资料,对南京北郊黑碳气溶胶的时间序列演变特征、污染特征及其影响因子进行了分析.结果表明,观测期间南京北郊黑碳浓度均值为(2 524±1 754)ng·m~(-3).黑碳浓度具有明显的季节变化,冬季最高,平均值达到(3 468±2 455)ng·m~(-3),春季平均值最低,为(2 142±1 240)ng·m~(-3);其日变化也具有明显的双峰结构,峰值出现在上午07:00~08:00和夜间21:00~22:00.黑碳气溶胶与NOx的相关性较好,说明黑碳浓度受机动车尾气排放的影响较大;但观测期间ΔBC/ΔCO比值较低,表明生物质燃烧可能是黑碳气溶胶的又一个重要来源.黑碳浓度随风速增加呈下降趋势,所有季节中小于2 000 ng·m~(-3)的低黑碳浓度主要集中在正西风及相邻风向上,秋冬季大于6 000 ng·m~(-3)的高黑碳浓度则多出现在偏东风下.灰霾和重度霾天气下的黑碳浓度平均值呈较高水平,是非霾天气下的2~2.3倍.     

黄土高原典型城市臭氧特征及其影响因子分析

利用同期近地面臭氧、NO₂及气象数据,对比研究了黄土高原及周边不同背景环境城市(包括鄂尔多斯、榆林、银川、延安、西安、咸阳)臭氧浓度变化特征以及NO₂、气象要素对其的影响,发现2016—2020年各城市臭氧浓度年际变化均呈现先上升后下降的趋势,5 a平均浓度从高到低排序为咸阳>西安>榆林>银川>鄂尔多斯>延安;各城市2017年(鄂尔多斯2018年)臭氧浓度最高、超标倍数最大,超标污染日数也最多;西安、咸阳2016—2019年出现超标,榆林、银川2017年、2018年超标,鄂尔多斯2018年超标,延安未出现超标.臭氧浓度月变化、日变化呈“单峰”结构,延安月均峰值出现在5月或6月,其他城市出现在6月或者7月,各城市于12月出现波谷;高纬度地区比低纬度地区早1个月出现臭氧超标;臭氧浓度日最高值出现在15:00—16:00,最低值出现07:00—08:00,夏季日最高值、最低值出现的时间要比冬季早;日变化幅度夏季最大,冬季最小.NO₂日平均浓度及最大值从高到低排序：西安>咸阳>延安>...     

成都夏季云凝结核的变化特征及其影响因子

气溶胶通过作为云凝结核(CCN)或冰核(IN)影响云和辐射,是气溶胶气候效应评估中最不确定的因素.针对四川盆地深盆地形气溶胶活化特性的研究对理解独特地形气溶胶-云相互作用具有重要意义.本文利用2020年夏季在成都地区观测的5个过饱和度(0.07%、0.10%、0.20%、0.40%和0.80%)的气溶胶活化特性资料,研究了CCN的变化特征及其影响因子.结果表明,观测期间0.40%过饱和度下CCN数浓度(N_CCN(0.40%))平均值为(2392.7±1267.9) cm^-3,远高于沿海地区、山区、干旱地区及清洁城市地区,低于污染城市区.该过饱和度下气溶胶活化率(AR(0.40%))平均为0.19±0.10,远低于污染城市区和全球平均水平.降水和新粒子生成事件(NPF)分别对N_CCN的清除和增加起到重要作用.晴天NPF与较强逆温导致各过饱和度下N_CCN大于阴天.低过饱和度(0.07%～0.20%)条件下晴天与阴天N_CCN日变化呈双峰分布,主要与边界层发展和交通排放有关.高过饱和度...     

合肥市冬季PM2.5统计预报方法初试与比较研究

利用合肥市2015-2018年冬季PM_(2.5)观测资料和FNL再分析资料,文章综合考虑地面及边界层高度范围内各气象要素作用,针对目前空气质量统计预报方法的不足,根据阈值分析筛选预报因子,同时将风向数据转化为对应的八方位上历史污染物浓度均值输入,最后结合BP神经网络对PM_(2.5)浓度进行逐6 h预报。结果表明,所建模型(TA-BP方案)中对PM_(2.5)预测值与观测值的相关系数(R)高达0.85,平均绝对误差(MAE)为21.31μg/m~3,均方根误差(RMSE)为28.20μg/m~3。阈值分析能够有效筛选与污染物浓度呈非线性关系的气象预报因子和高空预报因子。较BP模型,TA-BP模型的R和一致性指数(IA)分别提升14.12%和8.33%,MAE、平均相对误差(MAPE)和RMSE分别降低22.87%、17.86%和23.78%。同时,与其他不同输入变量模型及线性模型对比结果表明:仅考虑气象因子作用的MTA-BP方案限制了预报模型的准确性,以临近6 h的PM_(2.5)浓度代替各气象因子作用的PTA-BP方案能够实现较好的预报效果,但滞后性严重。另外,综合考虑气象因子与污染因子作用的非线性TA-BP模型要优于线性MSR模型。