大气污染特征研究及臭氧污染个例分析——以深圳市龙华区为例

根据深圳市龙华区观澜子站空气质量监测数据,对龙华区近年来空气质量状况、主要大气污染物浓度时间变化特征、气象条件和污染物浓度相关性,以及典型臭氧(O_3)污染过程进行了分析。结果表明龙华区空气质量以优良为主,空气质量指数(AQI)超标日中,O_3浓度超标天数最多,其次依次是PM_(2.5)、PM_(10)和二氧化氮(NO_2)。PM_(2.5)、PM_(10)和NO_2在秋冬季的浓度最高,春季次之,夏季最低;而O_3浓度则在夏秋季最高,春季次之,冬季最低。除O_3(日间浓度高于夜间浓度)以外,PM_(2.5)、PM10和NO_2晚间浓度高于日间浓度。此外,相关性研究表明,颗粒物污染以细颗粒物为主,O_3(8 h)和NO_2与颗粒物浓度均呈正相关性。由于地域差异的存在,O_3(8 h)和颗粒物浓度的相关性在不同地域表现也不同。同时,大气污染物浓度与气象条件和人为排放源的相关性较高。     

深圳市龙华区PM2.5污染与减排过程模拟分析

通过分析深圳市龙华区2018年大气环境承载力发现,NO2和PM10的实际大气环境承载量已经降到了理想大气环境容量范围内,而PM2.5的实际大气环境承载量则已超过理想大气环境容量近1000 t,说明PM2.5仍是龙华区大气污染防治的重点工作,利用科学手段精准、有效地指导PM2.5减排工作十分重要。基于相关监测数据,结合WRF-Chem大气化学模式,对深圳市龙华区2017年、2019年冷季大气中PM2.5污染日案例和2018年暖季大气中PM2.5相对清洁日案例的PM2.5污染与减排过程进行了模拟分析。结果表明:为达到PM2.5浓度的控制目标,龙华区需在相对清洁时期的排放量上减排30%,污染时期的排放量上减排70%~75%,且减排工作在PM2.5浓度高峰时期开展能取得较好的减排效果;龙华区大气污染受周边区域传输污染的影响较大,减排任务较为严峻,需要其他地区协同参与,共同减排。     

福州市PM2.5污染过程中大气边界层和区域传输研究

以福建省会福州市2013年1月空气质量变化为对象,分析大气边界层变化和周边区域污染物传输对福州市大气颗粒物PM2.5的影响.利用福州市2013年1月逐日地面和探空观测资料以及NCEP提供的2013年1月FNL分析资料,通过大气边界层要素与PM2.5浓度之间的相关性,对PM2.5污染过程的大气边界层特征进行分析;同时采用HYSPLIT后向轨迹模拟及区域风场相关矢分析对影响福州雾霾的污染物区域传输路径进行探讨.结果表明:地面气温与PM2.5浓度呈正相关,地面风速与PM2.5浓度呈负相关,近地面边界层条件有利于霾颗粒物的形成和累积.但不同于我国东部主要污染源区霾污染过程中存在大气边界层逆温,福州PM2.5污染过程中并未出现大气边界层逆温结构,这一边界层结构的垂直混合可有利于区域传输的污染物从上层大气到达近地面从而加重福州霾污染,福州是华东地区一个PM2.5污染物的主要接受区,PM2.5污染物主要以外源输送为主.2013年1月份福州市清洁日近地面风向为海洋吹向大陆的东南风,霾污染日则为大陆吹向海洋的偏北风,PM2.5污染物主要从长三角地区、苏北以及安徽河南一带通过东北和西北方向的传输路径影响福州的空气质量.     

霾污染环境大气能见度参数化方案的改进

霾污染是高浓度大气气溶胶造成低能见度的大气现象,为了完善目前空气质量模式的大气能见度参数化方案,以准确地预报霾污染过程的能见度变化,基于已有的大气总消光系数与大气能见度的关系,依据Mie理论和大气分子的消光特性,计算颗粒物和NO₂的消光系数,提出一种改进的大气能见度参数化方案.为了验证这一改进的参数化方案的大气能见度预报性能,①利用空气质量模式WRF-Chem3.7模拟2013年12月南京地区两次霾污染个例,并且与实际观测数据对比,证实其能够准确地模拟大气颗粒物和NO₂的浓度变化;②利用模拟的大气颗粒物和NO₂的浓度数据,分别采用改进的能见度参数化方案及已有的IMPROVE方案和CHEN的能见度参数化等3个方案,计算两次霾污染个例的大气能见度变化;③与观测能见度比较,评估3个能见度参数化方案的模拟准确性。评估表明,改进的参数化方案模拟的两个霾污染个例能见度的平均标准化偏差和平均偏差分别为17.19%、3.18%和517、173 m,并且和观测能见度的相关系数分别提高到0.76、0.87,其能见度模拟的准确性优于其它两种已有的参数化方案,并在不同相对湿度（RH）和能见度范围内改进的参数化方案模拟的标准化平均误差均小于其它两种参数化方案,其中,在RH < 80%和能见度≥ 1 km范围内标准化平均误差均低于50%.研究显示,改进的大气能见度参数化方案能够有效地提高空气质量模式的霾污染环境大气能见度的预报准确性.      

基于WRF-Chem模拟的玉溪市大气环境容量精细估算

云南高原的清洁大气环境及其潜在变化是一个值得深入研究的大气环境问题.本文选择云南高原重要工业城市—玉溪作为研究区域,基于中尺度空气质量模式WRF-Chem,开展玉溪市的大气环境容量模拟估算.同时,以2015年冬、春、夏、秋季主要大气污染物模拟为基础,采用以我国环境空气质量标准(GB3095—2012)为约束目标的WRF-Chem模拟迭代大气环境容量算法,设置3 km的精细分辨率,计算得到2015年玉溪市一次PM_(10)、一次PM_(2.5)、SO_2、NO_x和CO的大气环境容量分别为1.284×10~4、0.854×10~4、1.917×10~4、1.796×10~4和51.556×10~4t·a~(-1).最后,研究了整个玉溪市区域和城区大气环境容量的季节变化特征,结果发现,各污染物冬季大气环境容量最小,除PM_(2.5)外的污染物均在春季大气环境容量最大.玉溪市城区剩余容量占全市的比例均在40%左右,反映了工业发展和城市化带来的大气环境的城乡差异及可能的环境变化效应.     

近50年华中地区霾污染的特征

基于1962~2011年霾日观测资料,使用线性回归、聚类分析及相关分析等统计方法分析了近50年华中地区霾污染的时空变化特征及其成因.结果表明,华中地区的霾高发中心位于河南中北部、湖北中西部和湖南中部人口集中的气溶胶浓度高值区,其中霾日数最多的站点为河南新乡,年均达到79.1d.霾的季节性变化表现为冬季霾日数最多,夏季最少,霾污染是典型的冬季大气环境事件.但随着近年春夏秋三季霾日的增加,华中地区霾污染的季节性差异减小.城市地区是华中霾污染严重的区域.近50年污染地区霾发生频率增多,而相对清洁地区霾污染发生频率减少.华中地区大气环境呈现出两极分化的变化特征.近50年来华中地区霾日增加受人为污染物排放加强和东亚季风减弱的共同影响.     

2000-2019年中国北方地区沙尘暴时空变化及其相关影响因素

利用多年多源环境、气象和卫星遥感资料,从年代际、年际异常和气候变化的角度分析了21世纪以来中国北方地区沙尘暴的时空演化特征及其气象、植被变化的影响机理.结果表明：①2000—2013年中国北方地区沙尘暴年日数呈显著波动下降趋势,下降速率为1.1 d/10 a,2013年后呈微弱增长趋势.近40年来,春季沙尘暴日数占全年沙尘暴日数的平均占比为62%,但其逐年变化率明显下降（-7.3%/10 a）,2010年后夏季沙尘暴日数的变化率则呈现上升趋势（12.4%/10 a）,新疆塔克拉玛干沙漠地区沙尘暴的高发季节由春季逐渐向夏季扩展.②21世纪初中国北方地区沙尘暴发生频数明显下降,沙尘暴影响范围向塔克拉玛干沙漠南部地区收缩西移,戈壁沙漠在亚洲沙尘源区中的主体地位逐年下降,改变了中国北方地区沙尘暴的空间格局.③中国北方地区沙尘暴的区域性减少主要归因于平均风速与大风日数逐年下降（-0.1 m·s^-1/10 a、-4.4 d/10 a）、年降水量显著增加（32.7 mm/10 a）及区域地表变绿.塔里木盆地南缘局地风速的升高是导致该地区沙尘暴多发的重要气象影响因素,而地表植被覆盖的增加是造成戈壁沙漠沙尘暴年日数显著下降的主要原因.     

2003~2014年东北三省气溶胶光学厚度变化分析

利用2003~2014年MODIS-Aqua气溶胶光学厚度（AOD）产品、DMSP卫星夜间灯光时间资料和基本气象资料,分析我国东北三省（辽宁、吉林、黑龙江）大气气溶胶光学厚度年际变化及季节变化的空间分布特征.结果表明,东北三省多年平均AOD空间分布存在由大连、沈阳、长春和哈尔滨等城市构成的一个高值带,呈东北-西南走向,多年平均AOD值为0.4~0.8;东北三省植被覆盖率较高的东部和北部是AOD的低值区,多年平均AOD小于0.3;东北三省AOD季节变化为AOD春季到夏季升高,秋季下降,冬季再次升高.东北三省AOD年际变化特征为大部分低值地区呈减小趋势,但以沈阳、长春和哈尔滨为轴线的东北-西南走向的高值区域呈增大趋势,反映了近10多年出现的空气质量两极分化趋势.此外研究了东北三省年均AOD在强、弱西北太平洋夏季风年时的空间分布差异,受地面风场影响,AOD在强季风年时较弱季风年偏低.     

空气质量数值模型的构建及应用研究进展

综述了近年来国内外空气质量模型的发展历程、空气质量数值模型构建的关键技术以及应用研究。指出了目前空气质量数值预报及应用主要面临气象条件，尤其是大气边界层模拟、大气污染物排放源和大气物理化学过程等问题。提出，应当通过规范化制作和完善排放源清单数据，建立统一的排放源分析标准，提高排放源数据的准确性；多向发展观测手段，加大监测密度和频率，并进行实验室化学分析，提出适合我国的大气物理化学机制。就空气质量模式而言，对模式方案进行优化，以及使用气象、卫星资料同化等技术手段，将其与观测相结合，构建监测与预报系统相结合的统一体系，应用于多平台。