北京地区冬夏季持续性雾-霾发生的环境气象条件对比分析

在北京地区,除冬季供暖期外盛夏也是雾-霾天气的高发季节,与我国南方不同.使用微波辐射仪、风廓线和常规气象探测资料、NCEP再分析资料以及大气成分观测结果,通过对比分析揭示了冬、夏季持续6 d的2个雾-霾过程形成和维持机制的异同.冬季雾-霾过程出现在高空西北气流、低层多短波活动的背景下,其形成和维持的主要机制是边界层内始终有逆温层、地面弱风场、底层湿度逐渐增大.逆温层昼高夜低、湿度昼小夜大是影响PM2.5质量浓度和能见度日变化的重要环境因子.在雾-霾天气持续期间地面弱风场能够维持主要源于冷空气势力弱、常不能影响到地面.此外,入夜后地面迅速辐射降温、边界层上层有暖平流以及空气过山后下沉增温在逆温层的形成中起了关键作用.然而,对于夏季持续性雾-霾天气,气溶胶区域输送、环境大气保持对流性稳定、空气的高饱和度是其发生的重要条件.在副热带高压长时间控制下对流层低层盛行偏南风,北京的PM2.5质量浓度随着偏南风风速增大升高.对流层底层系统性偏南风与北京附近的山谷风共同构成了从北京以南气溶胶累积地向北输送的机制.夏季雾-霾过程低层没有逆温,但是北京上空一直维持超过200 J·kG-1的对流抑制能量,它同样限制了污染物的垂直扩散.夏季自由对流高度也存在昼夜变化,其对PM2.5浓度和能见度的作用与逆温层高度升降相同.因此,冬、夏个例分别代表了2种不同类型的持续性雾-霾过程,导致差异的根本原因在于大气环流型.     

北京地区大气消光特征及参数化研究

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.     

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

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.     

2012—2014年冬季北京上甸子气溶胶观测研究

为了分析冬季上甸子本底站气溶胶的变化特征,利用2012—2014年每年1月上甸子本底站的能见度、ρ(PM_2.5)、ρ(BC)、ρ(CO)等数据,结合气象资料对上甸子地区气溶胶特性进行分析. 结果表明:2012—2014年每年1月地面月均风速分别为2.5、2.4和2.4 m/s,RH(相对湿度)分别为45.6%、59.5%和45.8%,ρ(PM_2.5)分别为38.6、54.7和45.2 μg/m3,MSE(气溶胶质量散射系数)分别为5.3、5.9和4.9 m2/g. 虽然地面风速基本没有变化,但2013年1月的RH比2012年和2013年1月平均高出30%,并且同期ρ(PM_2.5)和MSE也高于2012年和2013年1月. ρ(PM_2.5)的增加导致太阳辐射减弱,但对SSA(气溶胶单次反照率)影响不大. 对2013年1月数据分析可知,各种RH区段下,能见度与ρ(PM_2.5)均呈负相关,其中在80.0%10 km时,b_ext和B_ext(分别以能见度和大气组分计算的大气消光系数)基本相当,二者在这3年的拟合斜率平均值高达0.99;当能见度<5 km时,2014年1月的b_ext和B_ext之间不存在线性关系,2012年和2013年1月的b_ext和B_ext的R2分别是0.88和0.92.      

火电厂大气污染物排放标准对区域酸沉降影响的数值模拟

设计了火电厂实施2003版排放标准和2011版排放标准两种排放情景,运用Models-3/CMAQ模型系统分别模拟各情景到2015年的硫、氮沉降量,探讨2011版火电排放标准对我国大陆地区酸沉降的影响.研究表明,2011版火电标准能够有效改善我国的硫沉降状况,相比于实施2003版标准,2011版标准实施后至2015年我国大陆硫沉降总量降低了18.58%,年均硫沉降强度大于3.2t/km2的面积减少了86.40%;2011版火电标准对我国氮沉降状况也起到了一定的改善作用,标准实施后到2015年我国大陆氮沉降总量降低了9.28%,年均氮沉降强度大于4.0t/km2的面积减少了27.27%.     

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.     

2014~2017北京市气象条件和人为排放变化对空气质量改善的贡献评估

2014～2017年北京地区霾日数和污染日数逐年减少,PM_(2.5)、PM_(10)、SO_2和NO_2年平均质量浓度下降,污染程度缓解,采暖期中的11～12月尤为明显.针对空气质量的显著改善,从气象条件的改善和减排措施两方面进行探讨分析,并结合数值模式和大数据挖掘技术实现气象和排放对大气污染贡献率的定量化研究.结果表明,2017年与过去3 a相比,平均风速增加7. 9%,≥3. 4 m·s~(-1)的风速频次最高(10. 6%),≥70%湿度日占比最小(25. 1%);其中,采暖期与过去3 a同期相比,小风日数减少8. 6%、大气环境容量指数和通风指数平均增加约11%,边界层高度以3. 2%·a~(-1)的速率升高,尤其11～12月各要素改善更显著,且该时段内2014年各因子变化与2017年相似.非采暖期(4～10月)累积降水量558. 3 mm,仅次于2016年,有利于污染物的清除和湿沉降.利用WRF-CHEM对霾和污染频发的12月进行模拟发现,气象要素的改变导致2017年12月北京PM_(2.5)质量浓度较2014～2016年同期分别降低5%、38%和25%.因缺少政府实际施行的减排方案,无法利用WRF-CHEM量化气象和减排的具体贡献率,因此借助大数据挖掘算法,基于K近邻算法(KNN)和支持向量机(SVM)模型对气象和减排对空气质量改善的贡献进行评估,结果显示2017年减少的霾日和重污染日,65. 0%归因于减排的贡献,35. 0%归因为气象条件的改善.可见,气象与生态环境部门应继续加强数据开放共享,科学开展气象条件预报与减排评估.     

天津夏季边界层低层大气中PAN和O3的输送特征分析

采用在线仪器监测分析2017年夏季天津气象铁塔220 m观测平台大气中过氧乙酰硝酸酯(PAN)和O_3的体积分数,并结合气象观测资料和后向轨迹分析PAN和O_3的输送特征.观测期间PAN和O_3体积分数平均值分别为(0.73±0.56)×10~(-9)和(53±25)×10~(-9),最大小时体积分数分别为3.49×10~(-9)和137×10~(-9),PAN和O_3体积分数具有相似的日变化特征,白昼PAN和O_3浓度高于夜间,且PAN和O_3浓度相关系数(R2=0.52)显著高于夜间(R2=0.21).观测期间偏南风下PAN和O_3浓度最高,偏东风下最低,风玫瑰图和后向轨迹聚类分析都表明,来源于西南方向的气流轨迹对应的污染物浓度最高,途经渤海和河北、辽宁沿海地区的偏东气流对应的PAN和O_3体积分数最低,边界层内输送对PAN和O_3的体积分数分布起到了重要作用.     

降雨对不同粒径气溶胶粒子碰撞清除能力

利用与惯性碰撞紧密相关的斯托克斯数Stk计算公式,结合海淀宝联大气成分站和海淀自动观测站2012年10月~2014年10月两年实测的逐时PM_(2.5)浓度数据和对应时刻的气象要素数据,并挑选典型降水过程分析降水对不同粒径气溶胶的碰撞清除作用.惯性碰撞是降水对气溶胶的最主要清除方式,斯托克斯数Stk的计算结果显示,降水对粒径小于2μm的气溶胶的直接碰撞清除作用很小,对粒径大于2μm的粗粒子的清除作用相对较大;实际观测数据统计分析表明,PM_(2.5)浓度明显减少的降水过程及降水时次很少,而43.2%的降水时次PM_(2.5)浓度有所升高;通过对典型降水过程气溶胶粒径分布数据分析表明,降水对爱根核模态(0.1μm)和粗模态气溶胶(1.0μm)有明显的清除作用,但对积聚模态清除作用不明显,由于PM_(2.5)的质量浓度主要分布在积聚模态,因此,降水对环境中PM_(2.5)的碰撞清除作用很弱.     

北京山谷风环流特征分析及其对PM2.5浓度的影响

利用北京地区2013~2015年秋冬季各自动站气象要素数据、大气所铁塔资料以及海淀气象站风廓线数据和该地区PM2.5浓度数据,挑选典型个例分析山谷风环流特征及其对PM2.5浓度的影响.经过分析发现,谷风(山风)平均风速为0.55m·s~(-1)(0.31 m·s~(-1)).秋季(冬季)谷风平均持续时间为9h(6h),秋季(冬季)谷风开始时刻为11:00(13:00);秋季(冬季)山风持续时间为13 h(16 h),秋季(冬季)山风开始时刻为21:00(20:00);受北京地区地形等的影响,山谷风转化的风向分界线为东北-西南向,秋季山风前沿压到南二环,冬季山风前沿压到南三环;山、谷风在形成及发展变化的过程中,其厚度有着明显的变化,谷风(山风)秋冬季的平均厚度为700~1 000 m(300~600 m);无论是秋季还是冬季,一天中平均PM2.5浓度开始上升的时刻南部早于北部,秋季PM2.5浓度开始上升的时刻要早于冬季,而开始下降的时刻秋季会晚于冬季.北京地区秋(冬)季空气污染南北差异较大的过渡区处于南二环(南三环),并会随着时间的推移向南移动.秋(冬)季该现象的持续时间为4 h(2h).并且,在研究中发现,PM2.5与山谷风之间可能存在着一定的正负反馈作用.