WRF模式对污染天气下边界层高度的模拟研究

大气边界层高度是影响大气污染物浓度的重要因素之一,但数值模式中选择不同边界层参数化方案模拟的边界层高度有很大差异.利用WRF模式中5种边界层参数化方案及2006~2007年春、秋、冬3季河北香河地区激光雷达观测资料,对比分析了污染天气下,不同边界层方案对边界层高度的模拟效果,并分析了误差产生的可能原因.结果表明：5种参数化方案均能模拟出3季污染天气下边界层高度的变化特征,但各方案模拟的边界层高度与观测之间均存在较大误差.模拟的最大边界层高度月变化特征显示,秋冬季的模拟结果与观测值匹配较好,春季偏差较大;模拟的边界层高度日变化显示,均方根误差：春季 > 秋季 > 冬季,且误差在午后（14：00~18：00）更加明显;对该地区而言,非局地YSU方案能较好地模拟污染天气下的边界层高度;各参数化方案中边界层高度计算方法的不同及对大气廓线、湍流动能的模拟差异,可能是造成模拟边界层高度产生误差的主要原因.     

利用激光雷达太阳光度计等多种遥感手段立体监测一次沙尘事件夏俊荣

利用位于北京以及河北香河的两台地基Mie散射激光雷达、星载激光雷达、太阳光度计以及颗粒物监测仪等一系列仪器对发生在2008年5月底的一次沙尘事件进行立体监测并分析.结果表明,这起较严重的沙尘是由蒙古国输送而来,影响范围很广,持续时间较长,有三次明显的峰值,对应三次沙尘的来袭;沙尘的每次来袭都对应有先升温后降温的现象,并伴随有相对湿度的急剧下降;沙尘入侵前北京香河两地以细粒子为主,入侵后代之以粗粒子为主.     

杭州市PM2.5中水溶性离子的污染特征及其消光贡献

对杭州市2013年大气PM_(2.5)进行采样分析,探讨了其中水溶性离子的污染特征和消光贡献.杭州市PM_(2.5)中总水溶性离子的质量浓度为37.5μg·m~(-3),占PM_(2.5)质量浓度的44.4%,二次离子SNA(SO_4~(2-)、NO_3~-和NH_4~+)是水溶性离子的主要成分,共占到水溶性离子的83.4%.PM_(2.5)和主要水溶性离子的质量浓度都在冬季最大,夏季最低,夏秋季水溶性离子占PM_(2.5)的比值明显高于冬春季,而SNA在总水溶性离子中的比例4个季节非常接近.燃料燃烧和汽车尾气排放导致的二次离子生成,对杭州市PM_(2.5)贡献最大.SOR和NOR的年平均值分别为0.27和0.15,SO_2在大气中的转化率大于NO_x,SOR和NOR与相对湿度都呈现出明显正相关,非均相氧化过程对SO_4~(2-)和NO_3~-的生成具有重要贡献.气溶胶中[NO_3~-]/[SO_4~(2-)]的年平均值为0.63,主要受到燃煤排放的影响.霾天随着霾污染等级的逐渐加重,PM_(2.5)、水溶性离子和SNA的浓度都逐渐增大,SOR和NOR值也不断升高,霾天稳定的天气条件,能有效促进污染物的积累和二次转化.PM_(2.5)和SNA的质量浓度与大气消光系数都呈现出明显正相关,使用IMPROVE公式对不同化学组分消光系数的计算结果能够基本反映出气溶胶对大气散射的变化趋势,其结果显示SNA对大气总消光系数的贡献达60.8%.SNA的消光系数冬季最高,夏季最低,随着霾污染等级的加重,SNA的消光系数和对总消光的贡献比例也逐步增加.     

我国灰霾污染的研究综述

灰霾是一种环境灾害现象,它不仅对空气质量和气候有着严重的影响,还威胁着人们的身体健康。从20世纪80年代开始,科技工作者们对灰霾的定义、霾天气的时空变化,灰霾的理化特征、环境危害等都做了大量研究。文章在这些文献的基础上,对灰霾相关研究做了初步总结。灰霾一般是大气边界层乃至对流层低层整体的大气浑浊现象,与雾、沙尘暴、光化学烟雾等都有着明显的不同。现阶段,不仅雾霾日数越来越多,而且影响范围也越来越广。灰霾主要由粒径较小的气溶胶微粒组成,一般在1μm以下,化学组成主要有水溶性离子,有机成分,金属元素等。灰霾气溶胶具有明显的消光作用,通过太阳光的吸收、散射和反射,使大气能见度显著降低。灰霾对全球和区域气候、人体健康、水陆空交通等都存在严重影响和危害。     

青藏高原东缘冬季PM2.5中碳组分特征和来源解析

于2017年冬季12月13—21日在青藏高原东缘理塘地区分昼夜采集PM_2.5样品,并用DRI2001A热光碳分析仪测定了有机碳(OC)和元素碳(EC)的质量浓度,研究青藏高原PM_2.5中碳组分的化学特征及主要来源,以期为理塘地区制定污染排放政策提供参考。结果表明,2017年冬季青藏高原东缘理塘地区PM_2.5平均质量浓度为44.34μg·m^?3,OC和EC的质量浓度为12.72μg·m^?3和3.85μg·m^?3,分别占PM_2.5质量浓度的29.61%和8.96%。通过经验公式,计算得到总碳气溶胶(TCA)质量浓度为24.20μg·m^?3,占PM_2.5的54.84%,说明碳质气溶胶对青藏高原东缘理塘地区PM_2.5有着十分重要的贡献。OC和EC在白天和夜间都有较高的相关性(相关系数分别为0.74和0.91),表明OC和EC的来源基本一致,受燃烧源影响较大。其中白天的相关系数低于夜间,说明青藏高原东缘理塘地区白天碳组分来源相对复杂。昼夜浓度对比显示,青藏高原东缘理塘地区PM_2.5白天和夜间的质量浓度分别为53.88μg·m^?3和33.44μg·m^?3,OC和EC浓度白天高于夜间,表明白天人为排放相对较高。冬季观测期间,PM_2.5中二次有机碳(SOC)昼夜浓度分别为1.11μg·m^?3和3.03μg·m^?3,分别占OC质量浓度的7.09%、26.59%,表明青藏高原东缘理塘城区白天碳组分主要为一次源。利用PMF 5.0软件对理塘城区碳组分进行进一步的解析,结果显示燃煤和生物质燃烧的混合源对总碳(TC)的贡献高达47.84%,占比最高;其次是汽车尾气和柴油车尾气源,贡献率分别为28.62%和23.54%。     

青藏高原东缘黑碳气溶胶变化特征及其来源

黑碳(BC)作为最重要的吸收性气溶胶,可影响青藏高原地区的辐射、云和地表积雪等,进而影响全球季风环流及降水.本研究于2017年7月5日至9月5日在青藏高原东缘理塘县使用黑碳仪AE-33测量了BC浓度数据,结合黑碳仪模型、PSCF和CWT潜在来源模型,分析了BC的污染特征、潜在来源及其影响区域.结果表明,理塘ρ(BC)为0.4～4 699.8 ng·m^-3,平均值为816.4ng·m^-3,占PM_2.5的质量分数为5.96%.理塘ρ(BC_液态燃料)和ρ(BC_固态燃料)的平均值分别为486.1ng·m^-3和398.5ng·m^-3,BC_液态燃料的贡献率C为0.51.ρ(BC)主要分布在0～2 000 ng·m^-3,可占总观测期间的92.5%. BC、BC_液态燃料和BC_固态燃料的日变化为双峰型分布,峰值分别出现在08:00和20:00,早高峰主要与交通源和含...     

成都冬季PM2.5化学组分污染特征及来源解析

2017年1月1~20日在成都地区分昼夜对PM_(2.5)进行连续膜样品采集,并在实验室测定了其主要化学组分(水溶性离子和碳质组分)的质量浓度.观测期间,PM_(2.5)的平均质量浓度为(127.1±59.9)μg·m~(-3);总水溶性离子的质量浓度为(56.5±25.7)μg·m~(-3),其中SO2-4、NO-3和NH+4是最主要的离子,质量浓度分别为(13.6±5.5)、(21.4±12.0)和(13.3±5.7)μg·m~(-3),一共占到了水溶性离子的85.6%;有机碳(OC)和元素碳(EC)的平均质量浓度分别为34.0μg·m~(-3)和6.1μg·m~(-3),分别占PM_(2.5)质量浓度的26.8%和4.8%.昼夜污染对比显示,PM_(2.5)白天和夜晚质量浓度分别为(120.4±56.4)μg·m~(-3)和(133.8±64.0)μg·m~(-3),夜间污染更为严重.SO2-4、NO-3和NH+4白天浓度高于夜间,这与白天光照促进了二次离子的形成有关;而Cl-、K+、OC和EC浓度夜间明显升高,可能是受夜间煤和生物质燃烧排放增加的影响.通过对近年来成都冬季PM_(2.5)化学组分的研究进行文献总结和比较后发现,SO2-4浓度显著降低,从2010年的50.6μg·m~(-3)降低到2017年的13.6μg·m~(-3);而NO-3浓度变化不大,维持在20μg·m~(-3)左右.PM_(2.5)中离子酸碱平衡分析表明,成都冬季PM_(2.5)由于NH+4的相对过剩而呈现出碱性,与以往呈偏酸性结果存在差异.对成都冬季NO-3/SO2-4的比值进行计算,NO-3/SO2-4平均值为1.57,表明移动源对PM_(2.5)污染影响更大.OC与EC的相关性表明,白天和夜间OC与EC的相关系数分别为0.82和0.90(P0.01),OC与EC来源具有一致性.SOC估算结果显示,白天和夜间SOC浓度分别为8.5μg·m~(-3)和11.9μg·m~(-3),占到OC的28.1%和31.8%.K+/EC平均值为0.31,并且K+与OC之间相关系数为0.87(P0.01),说明生物质燃烧对成都冬季碳质气溶胶有一定影响.主成分分析表明,成都冬季PM_(2.5)主要来源于燃烧源(燃煤、生物质燃烧等)、二次无机污染源以及土壤和扬尘源,其贡献率分别为32.8%、34.5%和21.5%.     

南京北郊冬春季气溶胶数浓度变化特征分析

使用APS-3321对2014年南京北郊冬春季0.5~20μm粒径段大气气溶胶数浓度进行了较长时间的连续观测,对其变化特征进行了分析.观测期间南京北郊冬、春季大气气溶胶平均数浓度分别为(364.8±297.8)个·cm~(-3)和(79.6±62.4)个·cm~(-3),细粒子(0.5~1.0μm)分别占整个观测粒径段数浓度的87.8%和86.6%,在不同时间段,数浓度变化很大.南京北郊数浓度具有明显的日变化特征,夜晚浓度高,白天浓度低,冬季07:00和春季09:00达到早高峰,冬季17:00和春季18:00数浓度开始迅速增加.数浓度粒径谱分布冬季为单峰型,峰值粒径在0.583~0.626μm之间,春季峰值粒径小于0.542μm,冬季峰值粒径大于春季.随着相对湿度的增加气溶胶数浓度不断增加,同时峰值粒径向较大粒径方向偏移,体现了吸湿增长对气溶胶粒径谱分布的影响.观测期间,霾天比例高达83.3%,随着霾污染加重,在小于2.0μm的粒径段数浓度显著增加且冬季更为明显;春季,细粒子比例随霾的加重而增加,但冬季由于气溶胶老化导致大粒径粒子浓度显著增大,重度霾天时,细粒子比例有所降低.对1月典型污染过程的分析表明,气团来源与地面风向存在很好的对应关系,苏北近距离污染输送和地面小风造成的污染物累积是此次重污染过程形成的重要原因.     

成都一次霾过程中颗粒物消光作用的垂直变化

基于2017年1月4~7日成都地区一次重霾过程中,颗粒物粒径谱的垂直加密观测和激光雷达同步观测数据,利用Mie散射理论计算颗粒物消光系数并与激光雷达反演结果对比,计算了不同粒径谱颗粒物消光系数以及消光贡献率.分析表明：重霾期间,在不同边界层高度上颗粒物消光系数表现为PM₁ > PM_2.5~10 > PM_1~2.5 > PM _{> 10},其中PM₁的消光贡献率整体上维持在49.5%~69.4%,是本次重霾过程中影响颗粒物消光系数大小的主要因子.在大气边界层内,不同粒径谱颗粒物消光作用呈现出显著垂直变化和昼夜差异,白天在600m以下和700~1100m之间颗粒物消光系数出现高值区;夜间颗粒物消光系数整体上随高度呈现出明显递减趋势,在1100m处出现高值.此外,夜间在200m以下颗粒物消光系数明显大于白天,且PM_>1的消光贡献率也明显大于白天.整体上,PM₁消光贡献率随高度递增,而PM_>1消光贡献率随高度递减.     

南京北郊大气颗粒物的粒径分布及其影响因素分析

在南京北郊使用FA-3型9级采样器对2014年1~11月颗粒物的粒径分布进行了采样分析.首先将FA-3与中流量分级采样器(KC-120H)和环境保护局在线监测仪器的同期监测结果进行对比,数据相关系数均在0.95以上,对细粒子FA-3分别偏低13.9%和16.6%,而对PM_(10)偏高15.2%和13.3%,但采样偏差在大气采样可接受范围之内,说明其可以对大气颗粒物进行准确分级和采样.南京北郊颗粒物污染严重,PM_(1.1),PM_(2.1)和PM_(10)的年平均浓度分别为(65.6±37.6)、(91.0±54.7)和(168.0±87.0)μg·m-3,污染以细粒子为主,且大部分在1.1μm以下;颗粒物粒径呈双峰分布,峰值位于0.43~0.65μm和9~10μm粒径段;中值粒径为1.83μm,为积聚模态污染.颗粒物粒径分布在冬季细粒径段较高,春季粗粒径段较高,夏季细粒径段降低并不明显,粗粒径段明显低于其他季节;颗粒物浓度的昼夜变化在粗粒径段差异很小,在细粒径段基本表现出夜晚大于白天的特征.除了夏季,降水对各个粒径范围的颗粒物都有清除作用,且在细粒径段表现得更为明显;霾发生时随着霾等级的加重,0.43~2.1μm粒径段颗粒物浓度逐渐增加,该粒径段颗粒物质量浓度与能见度呈显著负相关.以相对湿度70%为界,颗粒物粒径分布发生了明显变化,湿度大于70%后,小于0.43μm粒径段颗粒物质量浓度显著降低,而0.43~2.1μm粒径段明显上升,颗粒物的吸湿增长应是主要原因.南京北郊的气团来源可以分为四类,其中西北方向快速输送的气团最为洁净,细粒径颗粒物浓度明显低于其它方向;本地和周边近距离输送的气团污染最重,粗细粒径颗粒物浓度都较高,其传输距离短,风速小,发生污染的概率最大,达到73.9%,对南京市的空气污染贡献较大.