南京和北京气溶胶光学厚度与PM2.5质量浓度关系对比分析

利用南京与北京地区2014年5月1日—2019年10月31日的PM_2.5监测数据、气溶胶光学厚度观测资料以及同期MICAPS地面气象要素的观测资料,对两地PM_2.5浓度的变化规律及其与气溶胶光学厚度、气象要素的关系进行了分析和讨论,结果表明：南京与北京均呈现PM_2.5浓度冬季显著高于夏季,AOD冬季小于夏季的特征;对比而言,北京PM_2.5月均浓度高于南京地区;南京与北京的PM_2.5浓度与AOD均为正相关关系,PM_2.5浓度与AOD间相关性存在显著的季节差异,主要表现为夏季相关性大于冬季相关性;两地AOD与PM_2.5浓度均为正相关关系,在同一AOD水平下,相对湿度越大,PM_2.5浓度越大,气溶胶吸湿增长易造成污染物积累;南京PM_2.5浓度与能见度的r为0.57,而北京的r为0.83,两地的PM_2.5浓度与能见度的冬季相关性较夏季好,在高相对湿度下,同一PM_2.5浓度水平时,南京能见度较北京好.     

北京市气温与黑碳和PM2.5对疾病死亡影响的交互效应

通过收集北京市2010~2016年逐日呼吸和心脑血管疾病死亡数据、污染物（BC、PM_2.5、SO₂、O₃和NO₂）日均浓度资料以及同期的气象资料,采用广义相加模型（GAMs）中的主效应模型、非参数二元响应模型和温度分层模型探讨了北京市气温、PM_2.5和BC单效应,以及气温与PM_2.5和BC交互作用分别对呼吸和心脑血管疾病死亡人数的影响.单效应分析结果表明,气温与两种疾病死亡人数的累计暴露-反应关系均呈“J”型分布特征,最适温度为24℃;累计滞后一天情况下PM_2.5和BC的健康效应均最显著,此时PM_2.5和BC浓度每升高四分位间距（IQR）,呼吸系统疾病死亡人数超额增加百分比（ER）分别为2.21%和1.80%,心脑血管疾病死亡人数ER分别为2.02%和1.48%.交互作用的研究结果表明,高温与高浓度的PM_2.5（或BC）对疾病死亡的影响存在协同效应,且高温条件下BC对疾病死亡影响的健康风险大于PM_2.5,当气温大于24℃时,BC和PM_2.5浓度每升高IQR对应的呼吸系统疾病死亡人数ER分别为6.22%和6.17%,心脑血管疾病死亡人数ER分别为5.01%和3.97%.虽然BC只占PM_2.5的一部分,但BC对人群健康的影响不容忽视,应该引起足够的重视.     

湖南省臭氧预报效果评估

基于2017年3月—2018年2月湖南省14市臭氧观测资料,对WRF-Chem模式预报效果进行评估。结果表明,模式24 h预报结果能够较好地抓住观测到的臭氧变化趋势,其预报结果在14个城市的平均相关系数为0.6,最高可达0.71。对比不同时效臭氧预报结果发现,随着预报时长的增加,预报偏差呈增大趋势, 72 h预报结果仍具有预报价值。统计O3为首要污染物天数,发现多出现在春季、夏季和秋季,且模式的预报准确率可达70%。     

天津冬季一次重污染过程颗粒物中水溶性离子粒径分布特征

为研究天津冬季重污染天气过程中颗粒物水溶性离子的粒径谱分布及二次离子生成机制,于2014年1月利用Anderson撞击式分级采样器在中国气象局天津大气边界层观测站内采集颗粒物样品,并使用离子色谱仪分析Na~+、NH_4~+、K~+、Mg~(2+)、Ca~(2+)、Cl~-、NO_3~-、SO_4~(2-)等8种水溶性无机离子(TWSII).结果表明,采样期间PM_(2.5)和PM_(10)质量浓度均值分别为(138±100)μg·m~(-3)和(227±142)μg·m~(-3),粗、细粒子中TWSII的平均浓度分别为(34.07±6.16)μg·m~(-3)和(104.16±51.76)μg·m~(-3).细粒子中SO_4~(2-)、NO_3~-和NH_4~+这3种离子的浓度远高于其他离子,且相关性较好,粗粒子中NO_3~-、SO_4~(2-)、Cl~-浓度较高.随着污染程度加剧,细粒子中TWSII浓度增加明显,粗粒子中则变化不大.水溶性离子的粒径谱分布显示,SO_4~(2-)以单模态分布,优良天峰值出现在0.43~0.65μm,NO_3~-在优良日呈现三模态分布,峰值分别出现在0.43~0.65、2.1~3.3和5.8~9.0μm,NH_4~+呈双模态分布,优良日峰值出现在0.43~0.65μm和4.7~5.8μm,污染日3种二次离子峰值均以0.65~1.1μm的单模态分布为主,与三者之间的热动力平衡过程有关.细粒子中NH_4~+除与SO_4~(2-)和NO_3~-结合外,还与部分Cl~-结合,粗粒子中NH_4~+全部与NO_3~-和SO_4~(2-)结合后,剩余的NO_3~-和SO_4~(2-)与其他阳离子结合.     

2012年春季京津冀地区一次沙尘暴天气过程中颗粒物的污染特征分析

本研究表征了2012年春季一次沙尘暴天气过程中京津冀地区大气可吸入颗粒物(PM10)的污染特征.借助PM10的水溶性元素、有机碳和元素碳的浓度,分析推断沙尘暴天气过程中矿物气溶胶对城市气溶胶污染的交汇叠加作用.使用中流量大气颗粒物采样器,于2012年4月1日～5月24日,在北京市西三环、天津空港经济区和张家口火车南站附近同时采集可吸入颗粒物(PM10),采用离子色谱和元素碳/有机碳分析仪分析获取其水溶性离子、元素碳和有机碳浓度.结果表明,采样期间北京、天津和张家口这3个采样点PM10质量浓度的日均值分别为233.82、279.64和238.13μg·m-3.4月27～29日,3个地区发生了沙尘暴天气,PM10质量浓度的最大日均值分别达755.54、831.32、582.82μg·m-3.沙尘暴期PM10的有机碳(OC)浓度、二次有机碳(SOC)/OC的比值、硝酸根(NO-3)和硫酸根(SO2-4)浓度均高于非沙尘暴期间.采用电荷平衡计算证明沙尘暴期间大气颗粒物表明呈碱性,说明外来沙尘暴与本地污染相互叠加,矿物元素改变了颗粒物表面的酸碱性,沙尘暴和有机物发生耦合,促进了二次有机物的转化.     

基于CMAQ源同化反演方法的京津冀局地污染源动态变化特征模拟研究

利用"Nudging"源同化技术反演了京津冀地区2014年1、3、7、11月SO_2、NO_x的局地动态污染源,并分析其排放源强、特征及地理分布,对比其与初始源的差异,同时检验了反演源的模拟效果.结果表明,SO_2、NO_x污染源存在明显的季节变化,冬季或采暖期排放强度最大.由唐山、北京、天津、廊坊、保定、石家庄、邢台、邯郸构成东北-西南走向的带状污染物高排放区,最高排放中心主要集中在太行山、燕山山前区域,且排放具有典型的"城市化"特征,即各个城市市区及附近强度最大,周边郊县稍弱.与初始源模拟结果相比,采用反演源更能反映出污染物的时空变化特征,模拟值与实测值较接近,而且对于重污染过程亦具有较好的模拟效果.     

不同季节气象条件对北京城区高黑碳浓度变化的影响

利用2013年至2015年北京城区黑碳气溶胶(下文统称为"BC")和PM2.5观测资料,结合地面气象观测资料、ECMWF边界层高度再分析资料和FNL/NCEP不同高度风速再分析资料,讨论了BC质量浓度及其在PM_(2.5)质量浓度中所占比例(下文统称"黑碳占比")的季节、月、日变化特征,并通过计算北京城区BC浓度与不同高度风速的相关矢量,分析了气象条件和外来输送对北京城区BC浓度变化的影响.结果发现:研究时段内北京城区BC浓度平均值为(4.77±4.49)μg·m~(-3);黑碳占比为8.23%±5.47%.BC浓度和黑碳占比在春、夏季低,秋、冬季高,其日变化特征在4个季节均为"白天低夜间高"的单峰型特征.随着PM_(2.5)浓度的升高,BC浓度增大,黑碳占比减小.当北京地区风向为东北、东北偏东、东南和西南偏西(主风向)时,BC浓度与风速和边界层高度均呈反向变化,即随风速和边界层高度的增大而减小.另外不同季节BC浓度随风速变化的临界值及其变化速率不同.冬季高BC浓度时段,北京城区BC浓度在低层大气的关键影响区分别位于河北南部与山东交界地区以及河北西北部与山西内蒙交界地区;高空关键影响区主要位于北京以西的河北西部、山西北部和内蒙古地区.     

2种方法测定溶解性有机碳和总氮含量比较研究

该文采用岛津TOC-VCSH/TN分析仪与连续流动分析仪,分别运用高温催化燃烧法和湿化学氧化法测定已知质量浓度溶液、森林土壤零张力渗漏液、水浸提液和K2SO4浸提液样品中的溶解性有机碳(DOC)与溶解性总氮(DTN)含量。针对已知质量浓度DOC和DTN标准溶液,2种仪器测定结果平均值接近实际值,相对误差3%,相对标准偏差5%,显示基于上述2种方法仪器分析均具有良好的准确度和精密度。在测定不同未知样品中DTN含量时,连续流动分析仪测定结果相当于总有机碳/总氮分析仪测定结果的1.06~1.23倍(R2≥0.98),且随着样品DTN浓度的增高此差异增大;两仪器测定土壤零张力渗漏液和土壤K2SO4浸提液DOC结果较接近,比值(总有机碳/总氮分析仪测定结果比连续流动分析仪测定结果)为0.99~1.04(R2≥0.99),但是在测定土壤水浸提液DOC含量时,连续流动分析仪测定结果仅相当于总有机碳/总氮分析仪的0.79倍(R2≥0.99)。上述结果显示,基于高温催化燃烧法和湿化学氧化法均能有效的分析环境液体样品中DOC和DTN含量,后者更适用于大批样品的快速测定。     

使用RCFP-IC对南京市不同污染状况下PM_(2.5)中水溶性离子的观测分析

本文使用大气细颗粒物快速捕集系统及化学成分在线分析系统(RCFP-IC)和美国热电污染气体分析系统(EMS系统)对2013年11月16日—12月10日南京地区PM2.5中主要水溶性离子和污染气体进行了观测分析,并结合气象要素数据分析了灰霾天PM2.5中主要水溶性离子的污染特征.结果表明:不同污染条件下PM2.5中水溶性离子分布差异较大,清洁天浓度最大的6种离子排序为SO2-4NO-3NH+4Cl-NO-2K+,霾天(11月20—24日)和雾-霾天(12月1—8日)前6种离子排序分别是SO2-4NH+4NO-3NO-2Cl-K+和NO-3SO2-4NH+4Cl-NO-2K+.受污染源和化学反应的日变化影响,不同离子的日变化特征不同.污染天NO-3、SO2-4和NH+4的浓度是干净天的2.8~5.0倍.不同水溶性离子对能见度的影响不同.     

北京秋冬季一次重污染过程PM2.5来源数值模拟研究

利用WRF模式(The Weather Research and Forecasting Model)和嵌套网格空气质量模式(NAQPMS)对2016年11月发生在京津冀地区一次PM_(2.5)污染事件进行模拟研究并分析污染过程中的天气形势变化.结果表明,均压场、低空逆温层和偏南暖湿气流输送的存在为北京地区PM_(2.5)形成提供了有利条件,NAQPMS模式能够合理的再现北京大气污染物时空变化,细颗粒物PM_(2.5)和可吸入颗粒物PM_(10)模拟与观测数据相关系数达0.71,模拟数据在观测数据两倍范围内占比(FAC2)达65%.源解析结果表明,在不考虑临时实施减控措施下,11月18日区域外输送对北京PM_(2.5)浓度贡献为55.25%,区域内输送贡献为44.75%,北京东北区域PM_(2.5)外地源主要为河北中部、河北南部、天津和山东,所占贡献为9.67%、9.01%、7.90%和7.99%.污染物主要来源为生活源、交通源和工业源,分别占比39.6%、34.6%和20.0%.而实际上北京在唐山、保定采取一系列控制措施后仍在研究时段内出现高PM_(2.5)浓度,意味着在同样天气形势下需要对河北中部、河北南部、天津和山东等浓度贡献占比大的城市加强减排管控才能有效减缓高PM_(2.5)浓度的出现.