2015年10月南京霾污染过程分析

为探讨南京秋季霾污染过程发生的主要影响因素,利用南京信息工程大学太阳光度计观测霾污染发生天气下AOD（aerosol optical depth,气溶胶光学厚度）数据,计算AE_440-1020（?ngstr?m Exponent,波长指数）以及a₂（光谱曲率）,结合CALIPSO（Cloud-Aerosol Lidar and Infrared Pathfinder Satellite Observations）卫星气溶胶组分分析以及MODIS（Moderate Resolution Imaging Spectroradiometer）火点数据,对2015年10月南京霾污染过程进行分析.结果表明:2015年10月出现的两次霾污染过程期间南京地区AE_440-1020均高于1.0并且a₂呈负值,其中10月16日AQI达到峰值（201）,AOD₅₀₀达1.51,AE_440-1020达1.37,a₂达-0.77;这两次较为严重的霾污染过程均主要由人为因素（工业污染、城市建设、生物质燃烧、汽车尾气排放等）产生的细粒子所致.后向轨迹分析发现,2015年10月16日南京地区霾污染天气发生的主要原因是区域型污染,同时受长距离输送影响,大量携带人为因素产生的细粒子以及少量沙尘等污染物的空气团途经内蒙古、山东等地到达南京,加剧了当日的污染程度;2015年10月23日南京地区霾污染天气的发生则主要受长距离输送影响,同时也受到区域型污染影响,加剧了当日的污染程度.研究显示,在稳定的气象条件下,较高的相对湿度、较低的地表风速、低混合层高度以及贴地逆温的出现是诱发霾污染天气产生的有利气象条件.      

结合在线监测和自动识别系统分析东海沿岸船舶排放特征

海运排放大气污染物对空气质量和气候具有重要影响,但是由于船舶类型及其运行工况的复杂性,人们对船舶排放特征的认识仍然不足.东海沿岸是全球航运活动最为密集的地区之一,汇集了各种国内国际运输船只.选取宁波舟山港作为研究地点,使用在线仪器长时间测量主要的环境大气气体和颗粒污染物,并利用自动识别系统（AIS）,获得每种船舶的速度.根据后向轨迹区分出：1受船舶排放影响主导的时期（夏季风,由处于完全运行或停泊的船舶占主导地位）;2受内陆气流影响主导的时期（冬季风）.结果表明二氧化硫（SO₂）、氮氧化物（NO_x）和黑碳气溶胶（BC）的排放与高速运行的船舶相关,而一氧化碳（CO）可能与较低的运行速度的船舶有关,总颗粒物（PM）与船舶速度没有显著相关关系.主要污染物在巡航工况下的排放增强因子约为怠速工况1~4倍.研究通过对直接环境背景下船舶排放进行原位观测,为评估船舶排放清单提供重要参考.     

南京市两次秋季污染过程及成因分析

为探究南京秋季污染过程的特征和影响因素,利用MODIS(Moderate Resolution Imaging Spectroradiometer)传感器获得的气溶胶光学厚度(Aerosol Optical Depth)、波长指数(Angstrom Exponent)、火点数据及CALIPSO(Cloud-Aerosol Lidar And Infrared Pathfinder Satellite Observations)卫星数据和来自NECP、MICAPS的温度、相对湿度、风向风速等常规气象要素数据,对南京2015年10月、2016年9月两次污染过程进行分析.研究结果表明:两次污染过程的AE412-470值(埃斯特朗波长指数α)均高于1,由此判断两次污染均以人为排放产生的细粒子为主.但2015年10月的AE412-470值明显低于2016年9月,说明在2015年10月污染过程中粗粒子所占比重高于2016年9月.结合对后向轨迹的分析发现,南京地区2015年10月污染天气的发生还受长距离输送的影响,污染源主要为来自内蒙古、山西等地的污染型沙尘粒子.研究还发现,较高的相对湿度、较低的地表风速、低混合层高度及贴地逆温等气象条件会导致污染物难以扩散稀释而累积在南京地区,造成该区域在秋季出现较严重的污染天气.     

基于模糊神经网络的A2/O工艺出水氨氮在线预测模型

采用厌氧/缺氧/好氧污水处理系统(A2/O)对人工合成污水进行处理,并利用人工神经网络(ANN)模型和自适应模糊人工神经网络(ANFIS)模型对A2/O处理污水的过程进行仿真模拟.在MATLAB环境下,选取可在线监测的水力停留时间(HRT)、进水pH值(pH)、好氧池溶解氧(DO)和混合液回流比(r)作为输入参量,系统出水氨氮浓度(NH4+eff)为输出量,建立在线预测模型.结合自适应模糊C均值聚类算法,确定ANFIS模型的模糊规则数及最优运行参数,对实验数据进行仿真预测.结果表明,与ANN模型相比,ANFIS模型的仿真输出值与实际值的拟合程度更高,相对误差在6.45%之内,平均绝对百分比误差(MAPE)为2.8%,均方根误差(RMSE)为0.1209,相关系数(R)达0.9956.模型训练过程中所得到的三维曲面图,可直观的反映各因素与出水氨氮浓度之间的非线性函数关系,为A2/O系统的高效稳定运行提供指导.     

长江三角洲地区大气污染过程分析

针对2015年和2016年12月2个月的4次污染过程,利用中分辨率成像光谱仪（MODIS）Terra卫星的气溶胶光学厚度（AOD）,Angstrom波长指数（AE）气溶胶数据,并结合PM_2.5和PM₁₀的浓度以及比值变化分析,发现以PM_2.5为代表的人为因素产生的细颗粒物是造成研究地区污染发生的重要因素.并且利用MODIS火点数据以及美国海军气溶胶分析与预测系统（NAAPS）模拟分析污染物成分,发现2015年12月12~16日和19~27日2次污染都以人为因素产生的细粒子污染物为主,沙尘以及生物质燃烧产生的烟粒对研究地区影响较小.2016年12月6~10日和15~18日2次污染过程产生的原因不同,利用潜在源贡献因子分析法（PSCF）分析发现6~10日污染天气的产生主要是由西北方向含有大量沙尘粒子气流以及南方生物质燃烧产生的大量烟粒共同输送到研究地区,加之研究地区大量人为污染细粒子的产生,导致了此次混合型污染天气发生.15~18日污染过程与2015年2次污染过程相似,主要原因都在于人为因素产生的细颗粒污染物的影响,沙尘以及烟粒对污染过程起到了加剧的作用.     

南京市一次持续性霾天气的多元分析

利用环保部的常规观测资料、WunderGround的地面观测资料和美国国家海洋和大气管理局(NOAA)的NCEP/NCAR的再分析资料,从PM2.5、环流形势、水汽条件、热力层结、垂直运动和温度平流等几个方面对2013年12月3-9日南京市的一次大范围持续性霾过程进行了分析。结果表明:稳定的环流形势,较低的风速是维持霾天气的重要因素;相对湿度的近地层直减率越高,近地层空气越潮湿越容易导致霾的发生;垂直上升运动减弱会抑制颗粒物向上扩散;温度平流较小、逆温层和均温层均利于近地面污染物的积累。后向轨迹模拟显示,此次霾过程,除了南京本地的污染源导致的污染物浓度上升外,北方冬季供暖产生的污染物的长距离输送也是本次南京市的霾天气形成的原因之一。