利用多元线性回归方法评估气象条件和控制措施对APEC期间北京空气质量的影响

气象条件对大气污染物的扩散和传输有重要影响,准确分离和定量气象因素对空气质量的影响是评估大气污染控制政策有效性的前提.本研究利用APEC会议期间及前后(2014-10-15～2014-11-30)北京城区朝阳观测站点SO_2、NO、NO_2、NO_x、CO、PM_(2.5)、PM_1和PM_(10)以及气象因素的观测数据,采用多元线性回归分析方法,定量评估了气象条件和空气污染控制措施对APEC期间北京空气质量的影响.在假定排放条件不变的情况下,基于气象因素参数建立的预测污染物浓度的多元线性回归模型模拟效果较为理想,决定系数R~2在0. 494～0. 783之间.控制措施使得APEC控制期SO_2、NO、NO_2、NO_x、CO、PM_(2.5)、PM_1和PM_(10)浓度分别降低48. 3%、53. 5%、18. 7%、40. 6%、3. 6%、34. 8%、28. 8%和40. 6%,气象因素使得APEC控制期SO_2、NO、NO_2、NO_x、CO、PM_(2.5)、PM_1和PM_(10)浓度分别降低1. 7%、-2. 8%、18. 7%、4. 5%、18. 6%、27. 5%、30. 6%和35. 6%.气象因素和控制措施共同作用使得APEC控制期北京空气质量得到了明显改善.控制措施对SO_2和氮氧化物浓度的下降起主导作用,气象因素对CO浓度的下降起主导作用,气象因素和控制措施对颗粒物浓度降低的贡献相当.本研究还利用相对权重方法研究了气象因素对污染物浓度影响的贡献,结果表明影响不同污染物浓度的决定性气象因素不同.     

天津城区夏冬季典型污染过程中BTEX变化特征及其健康风险评估

利用GC955在线气相色谱仪分别于2019年7月和2020年1月在天津市区开展苯系物（BTEX,包括苯、甲苯、乙苯、间/对-二甲苯和邻-二甲苯）实时在线观测,对典型污染过程中BTEX的浓度水平、组成及演化机制进行了研究,并运用特征物种比值法对BTEX的来源进行了定性分析,最后运用US EPA的人体暴露分析评价方法对BTEX健康风险进行评估.结果表明,臭氧和霾污染过程中BTEX体积分数平均值分别为1.32×10^-9和4.83×10^-9,其中苯的体积分数占比最大,其次是甲苯、乙苯和二甲苯占比最小.2020年1月BTEX体积分数很大程度上受到西南方向短距离传输的影响,而在2019年7月BTEX浓度受到本地排放的影响.BTEX浓度水平在2019年7月受到温度和相对湿度的共同影响,而在2020年1月当温度较低时BTEX浓度对相对湿度的变化更敏感.天津市区BTEX在霾污染过程中受生物质燃烧/化石燃料燃烧/燃煤排放的影响较大,而在臭氧污染过程中除了受到燃烧排放源影响,交通源排放在很大程度上也有影响.臭氧污染和霾污染过程中BTEX的HI分别为0.072和0.29,均处于EPA认定的安全范围内.苯的致癌风险在清洁天和污染过程中均高于EPA规定的安全阈值,需引起高度重视.     

上甸子区域背景站VOCs污染特征及其对臭氧生成贡献

大气中的挥发性有机物(volatile organic compounds,VOCs)作为对流层臭氧和二次有机气溶胶的前体物,在光化学反应和细颗粒物污染中发挥着重要的作用.本研究于2017年9月1～27日在上甸子区域背景站开展VOCs的连续在线观测,对VOCs的浓度水平,时空变化特征,化学反应活性及其对臭氧生成的贡献进行了研究,并运用特征物种比值法对初始VOCs的来源进行了分析.结果表明, 2017年9月上甸子站总VOCs平均体积分数为12.53×10~(-9),其中,烷烃是体积分数最大的组分,占到了总VOCs的65.3%,其次是烯烃和芳香烃,分别占到了总VOCs的26.7%和6.5%.从大气化学活性来看,上甸子站总的L~(·OH)(·OH损耗率)为5.2 s~(-1),其中C4～C5烯烃占到了61%,其次是C2～C3烯烃,占到了12.8%.VOCs的臭氧生成潜势平均值为36.5×10~(-9),烯烃是贡献最大的组分,占到了71.2%.烯烃中又以C4～C5烯烃的贡献最为突出,而体积分数较大的烷烃对臭氧生成的贡献却不大.对特征物种的比值研究发现,上甸子站VOCs受生物质燃烧和燃煤排放的影响较大,除此之外,交通排放源也有一定的影响,完全不受工业排放源的影响.     

北京地区大气氨时空变化特征

在北京城区和上甸子本底地区分别开展了为期3a和1a的NH₃在线观测,并结合风向、风速、温度、相对湿度等气象因素的变化特征,分析了北京地区NH₃浓度水平、年季特征及影响因素.结果发现,北京城区和本底地区的NH₃年均浓度分别为（32.5±20.8）×10^-9V/V和（11.6±10.3）×10^-9V/V,北京城区的NH₃浓度高于大多数国内外主要城市和地区的NH₃浓度水平.城区和本底地区NH₃浓度年变化特征为夏季高,分别为（34.1±6.8）×10^-9V/V和（11.1±2.2）×10^-9V/V,冬季低,分别为（19.7±9.3）×10^-9V/V和（2.4±0.6）×10^-9V/V.NH₃的日变化特征受气象因素影响明显,其结果表明,春季城区NH₃浓度峰值出现在15：00,而本底地区受西南风影响在20：00达到峰值;夏季城区NH₃浓度最高值在7：00出现,本底地区则呈现双峰值（分别在09：00和22：00）;秋季城区和本底地区的日变化规律一致,均在22：00出现峰值;冬季城区的峰值出现时间晚于本底地区,峰值分别出现在23：00和20：00.西南风是造成本底地区NH₃浓度升高的主要原因,春季和夏季,随着西南向风速的增大,NH₃浓度显著升高.城区的NH₃浓度则主要受到局地排放的影响.浓度权重轨迹法的研究结果发现,北京、天津、河北及河南北部地区是影响北京地区大气NH₃的主要源区.     

北京平原和延庆地区山谷风异同及对污染的影响

在一定的地形与天气条件下,山谷风环流是影响山地和平原气溶胶污染的主要气象因素之一.本研究基于2015~2019年京津冀地区生态环境监测数据和多源气象数据,对比分析了北京平原和延庆地区山谷风异同,结合典型污染事件揭示了山谷风不同阶段对PM_2.5浓度的影响机制.经分析发现,观象台山谷风为偏西南风转偏东北风,延庆站为偏东南风转偏东北风,随着污染等级加重,山谷风强度减弱17.7%~32.4%;观象台风速2~6 m·s^-1时,最大为SE风向PM_2.5浓度83μg·m^-3,东南风浓度高于西南;延庆站风速2~6 m·s^-1时,偏东南方向浓度高于其他风向20~40μg·m^-3,谷风阶段PM_2.5浓度高于近5年均值10~12μg·m^-3.以2015年3月5~8日重污染事件为例,山谷风的影响作用主要体现在谷风时段东南风的高湿性及区域传输作用,延庆站3月6~7日谷风阶段PM_2.5浓度上升100~130μg·m^-3;山风时段逆温发展至1000 m,观象台和延庆站露点先后抬升18℃左右,延庆站露点峰值滞后观象台2 h,高湿环境下PM_2.5浓度小幅上升.同时,3月6~7日延庆站400 m高度和玉渡山站热力梯度逐渐减小,山谷风分别减小8%和6%,局地环流减弱可能与边界层和高浓度气溶胶双向反馈机制有关.     

ARIMA时间序列分析模型在臭氧浓度中长期预报中的应用

近年来,京津冀地区近地面臭氧浓度呈现上升趋势,臭氧污染超标情况严重.目前由于前体物源排放清单、臭氧生成和扩散的物理和化学过程机制存在不足等原因,导致了数值模型在预报夏季臭氧浓度时仍然存在较大偏差,而时间序列分析方法由于具有建模简单、计算成本低的特点,在臭氧污染预报中具有很好的应用前景.本研究利用华北区域大气本底站上甸子站点和环境监测总站天津和保定站点的臭氧观测数据,采用ARIMA时间序列分析模型开展臭氧浓度中长期预报研究.结果表明,季节性ARIMA模型在预报臭氧长期月均值时,预测值和观测值的相关系数R可达0.951,均方根误差RMSE仅为10.2 μg·m^-3.加入了日最高气温及二次项作为协变量的动态ARIMA模型,对臭氧日最大8 h滑动平均值的预报效果得到了很大提升,预测值和观测值的相关系数由0.296~0.455提升至0.670~0.748,RMSE得到了有效降低.