空气重污染应急措施对北京市PM_(2.5)的削减效果评估

利用嵌套网格空气质量模式系统(NAQPMS)模拟了2013年1月10~14日一次典型的大气严重污染过程,并利用同期气象和污染物浓度的小时观测数据验证了NAQPMS的模拟结果.敏感性试验结果表明,在重污染期间,当仅实施《北京市空气重污染应急预案(试行)》一级预警中机动车单双号限行措施时,可削减北京PM2.5小时平均浓度4%~10%;当仅实施工业限产减排30%的措施时,可削减北京PM2.5小时平均浓度1%~6%;当同时实施机动车单双号限行和工业限产减排30%的措施时,可削减北京平均PM2.5小时平均浓度6%~12%,并且PM2.5小时浓度与削减率的变化趋势呈反相关,即该措施对污染较轻时段PM2.5浓度削减率高于污染峰值时段;若京津冀地区两市一省同时实施机动车单双号限行和工业限产减排30%的措施时,可削减重污染期间北京小时平均PM2.5浓度20%~35%,且污染严重的区域和时段削减效果更加显著,空气质量可提升一个等级.研究结果表明,当北京发生重污染时,仅靠北京本地限排限产并不能有效减轻PM2.5浓度,若要有效控制北京重污染,应根据污染物区域输送特征,京津冀地区实施大气污染联防联控.     

2015~2019年日照市PM2.5长期变化特征及其潜在源区分析

利用2015~2019年山东省日照市PM_2.5质量浓度和气象要素的小时数据,对日照市PM_2.5季节污染特征和日照市海陆风特征进行了分析,并基于HYSPLIT模式计算了5年逐日02：00、08：00、14：00和20：00（BTC）的48h后向轨迹,不仅通过轨迹聚类分析和潜在源区分析探讨了日照市不同季节PM_2.5主要传输路径和其轨迹污染特征及其潜在源区分布和贡献,也分析了海陆风对日照市污染物的影响.结果表明：日照市PM_2.5呈现冬季最高、夏季最低的分布特征,监测站点颗粒物浓度在偏西北风影响下较高.日照市不同季节主要输送路径存在差异：春季主要受到偏东和偏北方向气流影响;夏季在副热带高压影响下主要受到来自海上的较为清洁的偏东气流影响;秋季主要受到西北和偏东气流影响;冬季主要受西北和偏北气流影响.整体而言,不同季节受偏西至偏南气流影响时,日照市对应的PM_2.5浓度较高.日照市海陆风春秋季多,夏冬季少;在海陆风影响下,日照市PM_2.5污染和臭氧污染呈现不同的分布特征,且在不同PM_2.5污染等级下,PM_2.5浓度日变化特征也与其在非海陆风日的日变化有所差异.污染潜在源区分析结果表明,日照市最主要的潜在源区位于山东省临沂市、潍坊市、青岛市和江苏省连云港市.     

东亚边界层臭氧时空分布的数值模拟研究

利用嵌套网格空气质量预报模式系统(NAQPMS)对2010年东亚地区边界层臭氧(O3)的时空分布进行了数值模拟,并评估了东亚边界层光化学反应的活性.结果表明,NAQPMS模式与观测结果较为一致,站点观测与模拟的日均值(月均值)相关系数达到0.56~0.91,模式能合理再现东亚地区地面O3的时空分布特征.东亚地区冬季边界层O3低值区出现在中国东部;春季O3浓度增加,西北太平洋沿岸地区O3浓度达60μL/m3左右;夏季东亚中纬度35°N附近大陆地区O3由于强烈的光化学反应呈现出一浓度高值带,浓度达60μL/m3以上;秋季东亚大部分地区O3浓度维持在40~45μL/m3左右.夏季中国京津冀和长江三角洲部分地区光化学净生成率已超过30×10-9/d.     

2019年江苏省PM2.5和O3多模式集合预报算法效果评估

基于江苏省重污染天气监测预报预警系统多模式预报结果,分析了不同数值模式对江苏省13个城市细颗粒物(PM_2.5)和臭氧(O₃)的预报偏差特征,发展了多模式集合预报算法,并对其进行了评估。结果表明,相较于单一数值模式,集合预报算法显著改善了PM_2.5和O₃预报的准确率,其对江苏省PM_2.5和O₃空气质量分指数等级的预报准确率超过了80%。就江苏省整体而言,PM_2.5集合预报的准确率相比最优单一数值模式提升了6%。O₃浓度较低时,集合预报能有效改善各模式存在的高估现象。但受限于目前的校正策略,出现高浓度O₃污染时,集合预报对预报效果的提升相对有限。     

我国空气污染物人为源排放清单对比

空气污染物排放清单是影响数值模式结果准确性的关键因子之一.定义不同排放清单中同一污染物排放量最大值与最小值之差与平均值的比值为差异度,对比分析了4个国内外广泛应用的人为污染源排放清单(TRACE-P、INTEX-B、REAS1.1和REAS2.0).结果表明:INTEX-B、REAS1.1和REAS2.0清单中给出的2006-2007年我国(不包括港澳台地区数据)SO2排放量差异度为12％,而在SO2排放量较大的省份(如山东、河北和河南等)差异度达30％以上;NOx和NMVOC(非甲烷挥发性有机物)的排放量差异度分别为51％和30％,在山东、江苏、浙江、北京和上海等经济较发达地区的差异度达到20％～80％.相对于2000年的排放清单,2006-2007年排放清单各污染物的排放量增长明显,SO2、NOx和NMVOC的排放量在INTEX-B、REAS1.1和REAS2.0清单中的平均值分别为TRACE-P清单的1.6、1.9和1.5倍.近年来经济的高速发展、能源消耗的增长和空气污染控制技术的应用等都会影响人为活动水平和排放因子的选取,这也是造成排放清单间存在差异的主要原因.