排序方式: 共有26条查询结果,搜索用时 31 毫秒
1.
北京地区大气消光特征及参数化研究 总被引:7,自引:6,他引:1
为了研究大气消光系数的特征及规律,从2013~2014年在北京地区对大气能见度、气溶胶质量浓度、气溶胶散射系数、黑碳质量浓度、反应性气体以及气象要素开展了系统加强观测,并对已发表的气溶胶光散射吸湿增长因子[f(RH)]拟合方案进行了对比,系统分析了大气消光特征和影响大气消光能力的关键因子,最终建立了大气消光系数参数化模型,探讨不同季节、不同污染条件下参数化方案的特征.结果表明,气溶胶散射作用占环境总消光作用的94%以上,在夏秋季,相对湿度可以使气溶胶的散射能力提升70%~80%.包含气溶胶质量浓度和相对湿度两个因子的参数化模型,可以较好地体现出气溶胶和相对湿度对大气消光系数的影响机制,以及消光能力的季节差异. 相似文献
2.
3.
工业燃煤链条炉细粒子排放特征研究 总被引:13,自引:3,他引:10
链条燃煤锅炉是当前我国工业锅炉的最主要应用炉型,其容量占到了工业锅炉总容量的85%,是重要的大气污染物排放源之一.本研究在3个地区选取了5种典型容量的链条炉,应用自行设计的二级稀释系统现场测试其细粒子(PM2.5)和各种气态污染物的排放特征.结果表明,链条炉烟气中的PM2.5质量粒径呈单峰或双峰分布,第1个峰值在0.14 μm处,第2个峰值在1 μm后;湿法除尘和旋风除尘对PM1.0的细粒子仍具有有效的去除效率;在相同或相似除尘控制技术的条件下,PM2.5的排放水平随锅炉容量的增大而减小.在PM2.5中,SO2-4是最丰富的离子,质量分数在20%~54%范围内;C是最丰富的元素,质量分数在7.5%~31.8%之间,其次是S,质量分数为8.4%~18.7%.采用碳平衡法计算得出PM2.5、NOx和SO2的排放因子分别为0.046~0.486 g·kg-1、 1.63~2.47 g·kg-1、 1.35~9.95 g·kg-1,这为建立我国的工业锅炉排放清单及大气污染来源分析提供了必要的基础数据. 相似文献
4.
北京城区夏季O3化学生成过程 总被引:3,自引:2,他引:1
选取2007年7月1日—8月31日中的21个晴空日,利用观测资料和光化学箱模式计算了北京城区测点的O3生成速率G(O3)和O3生成效率OPE.结果表明,21个晴空日中G(O3)日最高小时值分布在(18~82)×10-9h-1之间;在O3污染和非污染日G(O3)最高值的平均水平无显著差异,且与Ox浓度之间不存在一致的对应关系,表明O3化学生成过程不能全面解释地面O3浓度的累积,物理传输过程对测点O3实测浓度有显著作用;各个化学过程对G(O3)的贡献率对比结果显示,HO2 在 NO向NO2的转化中贡献最大;OPE值分布在2.8~5.8之间,总体水平为4.1±0.1;OPE值与NOx浓度之间为非线性关系,OPE值随NOx浓度的增加而减少,表明消减测点附近VOCs排放能有效降低O3浓度. 相似文献
5.
霾天能见度参数化方案改进及预报效果评估 总被引:4,自引:2,他引:2
为了选择适合京津冀地区能见度预报的参数化方案,为霾的预报提供更准确的能见度预报产品.根据实际应用需求,改进了基于气溶胶体积浓度建立的Chen等能见度参数化方案(S1),并利用2017年2月快速更新多尺度分析和预报系统-化学子系统(RMAPS-CHEM v1.0)的预报结果,对比评估了该方案与基于PM2.5浓度建立的参数化方案(S2)和Mie散射计算方案(S3)在京津冀地区的预报效果.结果表明:①模式系统对京津冀地区的PM2.5浓度预报总体较好,预报值与观测值非常接近,二者的相关系数在大部分地区可达0.8以上,小时相对湿度的预报值与观测值相关在0.78以上,平均误差低于3.91%.②三套方案计算的能见度都能较好地预报出2017年2月京津冀地区能见度的时间演变趋势,且在大部分时间三者计算的能见度都非常接近.总体上S1计算的能见度最低,S3计算的能见度最高,S2居中.在京津冀大部分地区,S1的均方根误差和归一化平均绝对误差最低,S3的最高,S2居中且在北京地区表现最佳.③能见度大于10 km时三套方案计算结果都偏低,其中S3的平均误差和均方根误差最低,能见度低于10 km时,特别是对出现频率较高的1~5 km低能见度的预报,S1方案的平均误差、均方根误差和归一化平均绝对误差都是最低的,更适合京津冀地区霾天气能见度的预报应用. 相似文献
6.
基于数据挖掘算法和数值模拟技术的大气污染减排效果评估 总被引:5,自引:0,他引:5
近年来,京津冀地区采取了大量污染减排措施进行大气污染治理,如何客观评估减排效果是目前大气环境领域的研究难点.为准确评估大气污染过程的减排效果,本文利用北京地区常规气象资料、国控站PM_(2.5)浓度资料,遴选了北京地区2018年3月11—14日和2013年3月14—17日两次空气污染过程,计算了大气容量系数、静稳指数,并利用KNN数据挖掘算法和WRF-Chem模式,对比分析了有无减排条件下的PM_(2.5)日均浓度.结果表明:两次空气污染过程的天气形势和局地气象条件较相似,就大气热力和动力的垂直结构来看,2018年空气污染过程比2013年空气污染过程的大气稳定性更强、边界层高度更低、环境容量更小,但PM_(2.5)峰值浓度却显著下降,平均浓度明显降低,PM_(2.5)小时浓度的增长趋势相对平缓,重污染持续时间缩短.KNN数据挖掘算法减排评估结果显示,该方法能够较好地预测PM_(2.5)日均浓度的变化趋势,2018年3月11—14日,在减排和不减排情景下PM_(2.5)日均值分别为171和229μg·m~(-3),减排使得污染过程PM_(2.5)平均浓度下降了25.3%.数值模拟结果与KNN数据分析结论吻合,进一步验证了减排措施的有效性.综合看来,2018年空气污染过程中PM_(2.5)浓度相比历史相似气象条件下的污染过程显著降低,这是长期大力度减排效果的体现. 相似文献
7.
采用WRF-Chem模式中的3种边界层方案YSU、MYJ和ACM2对2019年6月京津冀及周边地区典型O3污染月份开展模拟研究.详细对比了各方案对地面气象要素、NO2和O3浓度时空分布,以及温湿风要素和O3浓度垂直分布的模拟效果.结果表明:3种方案对地面气象要素的时空分布和温湿风要素的垂直变化模拟较为合理.MYJ方案模拟地面气象要素整体效果最佳.各方案对边界层高度的日变化特征模拟较好,相关系数为0.58~0.69,但存在白天偏高、夜间偏低的现象,YSU方案相比效果最佳.3种边界层方案对NO2浓度模拟普遍高估,而O3模拟结果则出现低估.白天模拟偏差较小而夜间偏差较显著.模拟最佳的是ACM2,其次为YSU和MYJ.3种方案均较好地模拟出了O3的垂直分布特征,但整体低估了O3浓度.对上午O3垂直分布的模拟差异较下午更为明显.此外,基于YSU方案设置了3个敏感实验,通过调整化学模块所用的湍流扩散系数阈值,对比分析了垂直混合过程改变对O3浓度模拟的影响,模拟的变化只反映由于边界层的垂直混合过程改变造成的污染差异,而不是由于热动力场的调整造成的变化.模拟结果表明3个方案均可改善区域上地面NO2和O3的模拟性能,尤其是对原3种边界层方案模拟O3均明显低估的华北平原地区提升效果最显著,平均偏差降低了23.7%.在垂直方向上,湍流扩散系数阈值的调整增加了早间近地面模拟的O3浓度,改善了模拟偏低的现象,但同时增大了高层O3浓度的负偏差.敏感性方案显著改善了夜间的模拟,白天则并不明显.这些结果显示出湍流扩散系数对O3垂直混合的重要影响.因此,改进湍流扩散系数的参数化对O3模拟是必要的. 相似文献
8.
多河段BOD—DO模拟信息系统研制 总被引:1,自引:0,他引:1
采用一维稳态多河段BOD—D0模型,运用Visual Basic语言编制了河流水质污染预测模拟信息系统,对滏阳河进行了水质污染模拟预测。 相似文献
9.
CMAQ-DDM-3D在细微颗粒物(PM2.5)来源计算中的应用 总被引:1,自引:0,他引:1
应用M M5 (Fifth-Generation NCAR/Penn State Mesoscale Model)-Models-3/CMAQ(Community Multi-Scale Air Quality)空气质量模拟系统对京津冀地区进行了模拟,分别采用Brute Force方法和DDM-3D(Decoupled Direct Method in 3 Dimensions)技术对两个代表性城市石家庄、北京的PM2.5来源进行了分析计算.结果表明,两种方法的计算结果具有显著相关性,相关系数在0.950~0.989之间;其次,在某一地区浓度贡献较低的情况下,两种方法的计算结果非常接近,但随着浓度贡献的增加,Brute Force方法的计算结果逐渐高于DDM-3D方法,直线拟合的斜率在1.14 ~2.05之间.以石家庄为例,Brute Force和DDM-3D方法估算的河北南部地区排放的浓度贡献分别为54.7%和64.4%,相差10%左右.浓度贡献空间分布的对比表明,Brute Force方法计算出的浓度影响范围更大,出现某些离散的负值点,或某些负值点与很大的正值点相邻,反映了数值计算带来的计算误差;相比之下,DDM-3D方法的计算结果则更为合理. 相似文献
10.
北京地区秋季雾霾天PM2.5污染与气溶胶光学特征分析 总被引:15,自引:9,他引:6
利用北京城区和郊区2011年9月1日~12月7日PM2.5质量浓度、气溶胶散射系数(σsca)和黑碳浓度观测资料,研究了雾霾天气条件下北京地区PM2.5污染与气溶胶光学参数的变化特征,并讨论了气象条件的作用.结果表明,北京地区PM2.5污染和气溶胶光学特性受雾霾天气的影响非常明显.PM2.5浓度、σsca和气溶胶吸收系数(σabs)在雾霾期均明显高于非雾霾期,雾霾期日均PM2.5浓度在城区和郊区分别达到97.6μg·m-3和64.4μg·m-3,为非雾霾期日均浓度的3.3和4.8倍.城区高PM2.5浓度造成雾霾类天气出现频率明显高于郊区.轻雾天城区PM2.5浓度、σsca和σabs明显高于郊区,区域输送的影响相对较弱,轻雾和霾天城郊差异较小,区域性特征明显,而雾天σsca城郊非常接近且在各雾霾类天气中相对最高,气溶胶散射能力最强,区域性特征较为明显.气象条件的不同造成各雾霾过程PM2.5浓度、σsca和σabs的空间分布、PM2.5污染及气溶胶消光强度上呈现不同的特点.边界层以上偏南风将南部地区污染物向北京输送,在整层下沉气流作用下使得边界层内污染物浓度增加,加之边界层高度持续稳定在600 m左右,边界层内风速很低,污染物水平、垂直扩散均很弱,造成局地污染物的累积,形成了PM2.5污染和气溶胶消光强度最强的一次雾霾过程. 相似文献