上甸子本底站地面臭氧变化特征及影响因素

利用TE Model 49C型臭氧监测仪,于2004年1月1日-12月31日,在上甸子本底站进行了地面φ(O₃)的连续在线监测.分析了全年φ(O₃)的变化特征及其与同期气象要素的相关关系,并对φ(O₃)高值日的个例分析进行了验证.结果表明,上甸子本底站地面φ(O₃)具有明显的季节变化和日变化规律,并且与同期的气象条件密切相关.主要特征:①夏初φ(O₃)较高,6月的平均值达到最高,小时平均最大值可达129.7 μL/m3;而冬季φ(O₃)较低,12月的平均值达到最低,小时平均最大值仅为32.7 μL/m3.②日变化趋势较为明显,在4:00-7:00出现最低值,在15:00-18:00出现最高值,变化幅度为夏季最大、冬季较小.③气温与φ(O₃)呈显著正相关,夏季相对湿度与φ(O₃)呈显著负相关,风向和辐射强度也与φ(O₃)及其变化规律呈显著相关关系.      

北京城区夏季O3化学生成过程

选取2007年7月1日—8月31日中的21个晴空日,利用观测资料和光化学箱模式计算了北京城区测点的O₃生成速率G(O₃)和O₃生成效率OPE.结果表明,21个晴空日中G(O₃)日最高小时值分布在(18~82)×10^-9h^-1之间;在O₃污染和非污染日G(O₃)最高值的平均水平无显著差异,且与O_x浓度之间不存在一致的对应关系,表明O₃化学生成过程不能全面解释地面O₃浓度的累积,物理传输过程对测点O₃实测浓度有显著作用;各个化学过程对G(O₃)的贡献率对比结果显示,HO₂ 在 NO向NO₂的转化中贡献最大;OPE值分布在2.8~5.8之间,总体水平为4.1±0.1;OPE值与NO_x浓度之间为非线性关系,OPE值随NO_x浓度的增加而减少,表明消减测点附近VOCs排放能有效降低O₃浓度.     

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.     

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.     

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.     

北京城区夏季静稳天气下大气边界层与大气污染的关系

利用ALS300激光雷达系统测量的信号,根据Fernald方法反演的气溶胶消光系数的最大突变即最大递减率的高度确定大气边界层高度. 结果表明:在夏季静稳天气下,大气边界层平均高度为600 m,其中晴天为1 000 m,雾天为700 m,阴雨天在200~300 m之间. 静稳天气下的大气边界层不容易被有效突破,故不利于大气污染物扩散. 大气边界层高度对污染物浓度影响显著,没有降雨时,大气边界层降低(400 m),大气污染加重,在城区宝联站监测的ρ(PM_2.5)近200 μg/m3,在大气本底站——上甸子站近150 μg/m3;如果伴有降水,大气边界层高度升至600 m,大气污染则减轻,2个站点观测的ρ(PM_2.5)均降至50 μg/m3以下. 静稳天气下的大气污染呈现区域性特点.      

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.     

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.      

城市小区气象条件与污染扩散精细预报研究

从城市小区气象条件与污染扩散精细预报的科研需求和城市大气环境应急响应的应用需求出发,利用新一代全球/区域同化预报系统、城市小区尺度气象和污染扩散模式以及城市尺度污染扩散模式,对城市小区气象条件与污染扩散进行了精细预报试验,并进一步研究了城市小区尺度气象和污染扩散的精细模拟对城市尺度污染扩散模拟的影响.初步建立了城市小区气象条件与污染扩散精细预报方法,即:气象部分由全球到小区逐级单向嵌套、污染部分由小区到城市逐级单向嵌套的方法.预报试验结果表明,这种方法是合理可行的.小区尺度精细模拟对城市尺度污染扩散模拟的影响较大,但其模拟效果还有待利用观测资料进一步验证.     

城市化对北京霾日数影响统计分析

近年来,随着超大城市/城市群大气灰霾等复合污染加剧,引起人们对区域生态环境与及公共健康问题越来越多的关注。应用北京地区1980—2012年气候资料及同期城市发展统计指标,统计分析了城、郊区间霾日数的变化特征,并在此基础上探讨了北京城市化及局地气候差异对霾日数的影响。分析表明：北京城区霾日数要明显多于郊区,在2007年以前城、郊区站点均有相似的波动增长趋势,但城区站霾日数增加速率（约21 d/10 a）要远大于郊区站（约7.2 d/10 a）;北京各地霾日数与主要城市发展指数之间的相关系数均超过0.001显著性水平,随着城市化而迅速增加的能源消耗和机动车尾气排放是导致北京地区灰霾天气逐渐增多的主要污染源,污染源的不均匀分布是导致城、郊霾日数差异的主要因素。分析还发现,城市化导致的区域气候差异对局地灰霾亦有较明显的影响。伴随着城市化的快速发展,城、郊区气候差异逐渐变大,城市下垫面粗糙度增加导致近地面层风速减小。大城市热岛效应背景下,更容易出现较厚的逆温层,这将阻碍空气垂直方向的对流输送。此外,城区气温持续上升,相对湿度下降,平均风速减小,小风频率增加,也会阻碍空气的水平流通,使得城市排放颗粒污染物的扩散难以扩散,有利于霾日增加。这表明北京地区城市气候效应对区域生态环境具有不可忽视的影响。