全国大气扩散输送模态与区划研究

基于NCEP再分析气象资料,使用HYSPLIT模式对我国大陆区域进行了一整年的连续轨迹计算.轨迹以1°×1°的网格化经纬度分辨率进行计算.考虑气候、地理及经济因素,将全国计算区域分为10个大区,分别统计各大区出发的轨迹在全国的分布频率.根据全年和各季的轨迹统计结果,分析我国不同区域的大气输送扩散特征以及区域间大气环境的相互影响潜势.结果表明,全国10个大区的大气扩散输送模态可分为特性不同的7大类,其中以西北方向的3个大区为一类,西南高原的2个大区为另一类,其它各区自成一类.10个大区大气扩散物质的累积效应差异显著且季节变化特征各异.全国以西南区(XN)东部大气累积效应最强,东北区(DB)累积效应最弱.     

正矩阵因子分解法评价北京市PM_(10)和SO_2监测网络

为辨识北京市大气污染物变化规律相同的区域,筛选监测网络中表征冗余信息的监测点,使用正矩阵因子分解法分别对北京市PM10和SO2监测网络进行分析与评价.分析获得北京市PM10和SO2明显的季节变化特征:PM10浓度春季最高,夏季较低;SO2浓度冬季最高,夏季较低.采用正矩阵分解法对PM10监测网络解析出3个因子,对应北京市PM10污染变化特征相同的3个区域,分别为区域1代表监测点为车公庄与石景山古城,区域2代表监测点为位于城东的前门、天坛、农展馆与奥体中心,区域3代表监测点定陵.结果表明区域2监测点密度较大,存在表征冗余信息的监测点,可以考虑撤销或迁移部分监测点.对SO2监测网络解析出6个因子,分别对应北京市SO2污染变化特征相同的6个区域,代表监测点位分别为定陵、古城、东四、奥体中心、农展馆与天坛和前门与车公庄.评价结果表明北京市PM10和SO2监测网络都存在冗余信息的监测点,可以根据分区结果考虑撤销或者迁移部分监测点,优化监测网络.     

北京奥运交通限行前后街道机动车污染的模拟

为评估北京市街道的机动车污染状况及奥运期间的改善程度,利用OSPM模型模拟计算了2008年7月奥运交通限行前后北京街道大气中PM10、CO、NO2和O3的浓度,得到其在限行前的日均浓度值分别为146μg/m3、3.83 mg/m3、114.4μg/m3和4.71×10-9,限行后为112μg/m3、3.16 mg/m3、102.4μg/m3和5.31×10-9,削减率分别是23.4%、20.5%、10.5%和-12.5%.对污染物在限行前后的浓度变化和日变化趋势的研究发现,PM10浓度受交通限行影响削减最大;CO浓度的日变化趋势与机动车流量的变化最为类似;NO2在限行后的削减幅度有限,表明其浓度还受到除交通排放外的其他因素影响;O3浓度在限行期间有所上升,说明限行措施不能降低街道中大气O3浓度.另外,比较不同类型街道的计算结果,发现街道车型构成与几何形状对污染物浓度变化有影响.总之,北京市在实施交通管制前,街道中PM10、CO和NO2的日均浓度均接近或超过国家空气质量二级标准限值,机动车污染状况较为严重;交通限行可有效降低一次污染物的浓度,但二次污染物的浓度有可能升高.     

基于树种蓄积量的中国森林VOC排放估算

以中国森林优势树种为对象,应用《全国森林资源统计》提供的林分优势树种蓄积量资料和Guenther提出的光温影响模型,估算各优势树种的VOC排放量,建立了中国森林生态系统的VOC排放清单,并探讨了森林源VOC在不同时空和不同龄级林分中的分配规律.结果表明,中国森林VOC总排放量为8 565.76 Gg,其中异戊二烯5 689.38 Gg(66.42%),单萜烯1 343.95 Gg(15.69%),其他VOC 1 532.43 Gg(17.89%);不同树种的VOC排放量差异较大,栎类、云杉、马尾松等为主要贡献树种,贡献率分别为45.22%、6.34%和5.22%;西南和东北地区为中国森林VOC主要排放区域,云南、四川、黑龙江、吉林、陕西5省排放最多,分别占全国总量的15.09%、12.58%、10.35%、7.49%和7.37%;森林VOC排放存在非常强的季节性变化,夏季排放量最大,占全年的56.66%;不同龄级林分对VOC排放的贡献有所不同,中龄林贡献最多,占森林排放总量的38.84%.     

中国机动车排放清单的建立

以中国2002年各省统计年鉴中关于机动车及道路信息的数据为基础,并根据COPERTⅢ模型计算出的2002年中国各省区各种机动车类型在城区、郊区和高速公路3种行驶工况下的排放因子,应用GIS技术建立了40km×40km的高空间分辨率的中国机动车排放源清单.结果表明,2002年中国机动车排放CO、NO_x、NMVOC和PM₁₀的排放总量分别为2 815×10⁴、305×10⁴、461×10⁴和111×10⁴t,主要来源于摩托车和汽油小客车的排放.污染物排放量的空间分布显示出其排放集中于经济发达地区,10.8%、2.2%、9.7%和5.3%的国土面积分别排放了84%的CO、55%的NMVOC、48%的NO_x和48%的颗粒物,并呈现出东部高于西部、沿海高于内地的趋势,其中长江三角洲、珠江三角洲和京津地区的排放相对较强.     

重庆市主城区大气细颗粒物污染特征与来源解析

重庆市主城区大气细颗粒物(PM_(2.5))浓度从1990s的100μg·m~(-3)下降至当前的约70μg·m~(-3),但仍高于环境标准限值.为探讨重庆市主城区PM_(2.5)化学组成与来源特征,于2012—2013年在渝北区大气超级站利用四通道采样仪连续采集了颗粒物样品,分析了其中水溶性离子、碳质组分和无机元素含量.采样期间,重庆市主城区大气PM_(10)和PM_(2.5)的年日均浓度分别为103.9和75.3μg·m~(-3),扩散条件不利的冬季,细颗粒物污染较为严重.受静稳天气影响的1月和2月,受沙尘影响的3月,及二次转化显著的6月是重庆市细颗粒物污染较重的月份.重庆市PM_(2.5)组成以有机物(OM,30.8%)为主,其次为硫酸盐(SO_4~(2-),23.0%)、硝酸盐(NO_3~-,11.7%)、铵盐(NH_4~+,10.9%)、地壳物质(Soil,8.2%)、元素碳(EC,5.2%)、K~+(1.1%)、Cl~-(1.0%)和微量元素(Trace,0.6%).较高的SO_4~(2-)浓度和逐步上升的[NO_3~-]/[SO_4~(2-)]比值反映了重庆市燃煤污染较重,同时机动车污染比例逐步增加.采用主因子分析/绝对主因子得分法解析了重庆城区细颗粒物5类主要来源是:二次粒子(41.7%)、燃煤(15.6%)、建筑/道路尘(12.4%)、土壤尘(11.0%)和工业尘(10.4%),通过各污染源季节变化及与其他结果对比,该源解析结果能够较可靠反映重庆市细颗粒物的来源信息.     

大气污染物垂直梯度自动监测系统的研制

设计的大气污染物垂直梯度自动监测系统是用 2个电磁阀实现 3个高度的气体采样 ,依靠分析仪器自身的抽气泵将气体样品通过聚四氟乙烯管抽入各分析仪器进行测量 ,并用一台微机和一块 AD/DA转换板实施对电磁阀的控制和数据采集 .现场观测实验表明 ,对于 25m长的采样管清洗时间可设置 1 min,而采样管长度间的差异不会导致测量 O₃、SO₂、NO和 NO₂ 小时平均浓度存在显著性差异 .     

应用简单质量平衡法计算酸沉降临界负荷的研究

基于植物响应、土壤稳定性,铝浓度,碱度和ｐＨ标准,应用简单质量平衡法计算红壤各种土的酸沉降临界负荷。结果表明,沙质红泥土,红沙土,潮沙土、中度侵蚀红壤和潮沙泥土的酸沉降临界负荷较低,棕泥土和红壤土较大;     

成都城区PM2.5季节污染特征及来源解析

于2009—2010年各季节典型月在成都城区采集了大气PM_2.5样品,对PM_2.5的质量浓度及其主要化学成分(含碳组分、水溶性无机离子和元素)进行了测定. 结果显示:成都城区PM_2.5平均质量浓度高达(165.1±85.1)μg·m^-3,是国家环境空气质量标准年均PM_2.5限值的4.7倍. OC、EC和水溶性二次离子(SO₄^2-,NO₃^-和NH₄⁺)的平均浓度分别为(22.6±10.2)μg·m^-3,(9.0±5.4)μg·m^-3和(62.8±44.3)μg·m^-3,分别占PM_2.5浓度的13.7%、5.5%和38.0%. PM_2.5及其主要化学成分浓度季节特征明显,即秋冬季高于春夏季. 利用正交矩阵因子分析(PMF)对成都城区PM_2.5的来源进行解析,结果表明,土壤尘及扬尘、生物质燃烧、机动车源和二次硝酸盐/硫酸盐的贡献率分别为14.3%、28.0%、24.0%和31.3%. 就季节变化而言,生物质燃烧源贡献率在四个季节均维持在较高水平;土壤尘及扬尘的贡献率在春季显著提高;机动车源的贡献率在夏季中表现突出;而二次硝酸盐/硫酸盐的贡献率在秋冬季中则最为显著.     

利用轨迹模式模拟近地层臭氧日变化

提出在多条轨迹上应用轨迹模式，以实现对固 区臭氧浓度日变化的模拟，应用该方法对北京燕山石化炼油厂地区的Ｏ３浓度日变化进行了模拟，结果表明模拟值和实测值十分吻和。进一步模拟了当地的臭氧生物特征，并讨论了当地的气象条件和源排放对Ｏ３生成浓度的影响。结果说明削减ＮＯｘ的排放量是控制该地区光化学烟雾形成的关键，而降低燃烃和芳香烃在排放物中所占的比例也是控制该地区光学烟雾的重要手段。