空气污染天气过程与气象要素之间的关联性分析

随着经济和社会的不断发展,地球的环境正在遭受着严重的侵害,关于环境的问题也日益显现出来,比如全球变暖、雾霾等现象。本文分析了空气污染的因素、气象要素对空气质量的影响,并提出了防治空气污染的对策。     

基于“径流-地类”参数的非点源氮磷负荷估算方法

东江作为广东省重要的饮用水源,其上游农业集水区非点源氮磷流失量备受关注.因此,本文以东江上游上莞河小流域为研究区,利用2011年的集水区水质监测数据,在平均浓度法及输出系数法的基础上,构建基于"径流-地类"参数的非点源氮磷负荷计算式,其径流、地类参数分别通过校正后的SCS模型和土地利用现状图获取,并分别对上莞河流域及流域各地类的非点源氮磷流失量进行估算.研究结果表明,汛期上莞河流域氮磷流失量主要来源于非点源污染,其非点源氮、磷流失量分别占氮、磷流失总量的97.32%、98.05%.坡度对流域非点源氮磷流失影响较小,地类是影响非点源氮磷输出的重要因素.构建的计算式能较好地估算非点源氮、磷负荷量,在次暴雨尺度非点源氮、磷输出量模拟精度分别为84.78%、81.06%.2011年度上莞河流域非点源氮、磷输出量分别为48923.4、7189.3 kg,耕地、居民地分别是非点源氮、磷输出的关键源区,其非点源氮、磷输出量分别占流域非点源氮、磷输出总量的84.20%、58.54%.     

Development and Operational Testing of a Super‐Ensemble Artificial Intelligence Flood‐Forecast Model for a Pacific Northwest River

Coastal catchments in British Columbia, Canada, experience a complex mixture of rainfall‐ and snowmelt‐driven contributions to flood events. Few operational flood‐forecast models are available in the region. Here, we integrated a number of proven technologies in a novel way to produce a super‐ensemble forecast system for the Englishman River, a flood‐prone stream on Vancouver Island. This three‐day‐ahead modeling system utilizes up to 42 numerical weather prediction model outputs from the North American Ensemble Forecast System, combined with six artificial neural network‐based streamflow models representing various slightly different system conceptualizations, all of which were trained exclusively on historical high‐flow data. As such, the system combines relatively low model development times and costs with the generation of fully probabilistic forecasts reflecting uncertainty in the simulation of both atmospheric and terrestrial hydrologic dynamics. Results from operational testing by British Columbia's flood forecasting agency during the 2013‐2014 storm season suggest that the prediction system is operationally useful and robust.     

西南山地区域森林火险综合预报模型研究——以重庆市为例

森林火灾严重破坏森林生态系统的结构和功能,针对其风险预报开展研究具有重要的理论意义和应用价值。通过融合气象、地表覆盖和人类活动等要素的方式构建森林火险综合预报模型,是西南山地区域森林火险综合预报业务化应用的重要发展方向。基于《森林火险气象等级》国家标准(GB/T 36743-2018),本文研究首先构建了重庆市森林火险气象风险预报模型。然后通过融合可燃物因素和人为因素的方式,进一步构建重庆市森林火险综合预报模型。最后利用历史火点数据针对上述两类模型的精度进行对比和分析。研究结果表明:重庆市森林火灾发生次数较多,且呈现出季节性规律;重庆市森林火灾的发生不仅受到气象条件的影响,而且受到地表覆盖和人类活动等多种要素条件的共同影响;与森林火险气象风险预报结果相比,森林火险综合预报结果在空间分布上具有更高的精细程度;森林火险综合预报模型能有效提高森林火险等级预报精度。     

庐山不同森林植被类型土壤碳库管理指数评价

土壤碳库管理指数(CPMI)是表征土壤碳库变化的一个重要量化指标,能够反映土壤的碳库变化和碳库质量。选取庐山8种森林植被类型土壤为研究对象,对其土壤有机碳库特征及碳库管理指数进行系统研究。结论表明:(1)土壤有机碳(SOC)主要分布于0~20 cm土层中,随着土层深度增加,不同森林植被类型下SOC含量急剧下降;在0~60 cm土层中,不同森林植被类型下SOC含量的平均值排序为:马尾松林常绿阔叶林灌丛针阔混交林常绿-落叶混交林黄山松林落叶阔叶林竹林。(2)不同森林植被类型下活性有机碳(ASOC)含量为0.24~0.57 g·kg–1,总有机碳(TOC)含量为9.72~14.74 g·kg–1,土壤碳库指数(CPI)为1.63~2.48,碳库活度(A)为0.019~0.062,碳库活度指数(AI)为0.388~1.265。不同森林植被类型下ASOC含量排序:落叶阔叶林黄山松林常绿-落叶阔叶混交林灌丛针阔混交林常绿阔叶林竹林马尾松林;不同森林植被类型下ASOC/TOC(%)排序:落叶阔叶林黄山松林常绿-落叶阔叶混交林竹林灌丛针阔混交林常绿阔叶林马尾松林;不同森林植被类型下CPMI排序为:落叶阔叶林黄山松林常绿-落叶阔叶混交林灌丛针阔混交林常绿阔叶林竹林马尾松林。     

成都地区污染天气分型及其污染气象特征研究

污染天气分型研究对空气质量预报、污染源总量控制等具有重要的意义。基于2013年1月~2014年12月高空及地面天气形势划分了成都市的天气类型并探讨各天气类型下的空气质量状况及其污染天气特征,以期为空气质量预报和预警提供依据。结果表明,空气污染过程中,500 hpa环流形势主要有两槽一脊型、一槽一脊型、纬向型、槽脊同位相型等,其中两槽一脊型和槽脊同位相型控制下的空气质量最差。发生空气污染时,地面环流形势可分为高压型、高压后部型、高压底部型、低压型、低压顶部型、低压前部型、低压底部型、鞍型场型、冷锋前部型和均压场型,其中高压型、高压底部型、高压后部型控制下的空气质量最差。     

海口市臭氧污染特征

基于2013—2015年海口市4个空气质量自动监测站点数据,结合气象资料,分析了海口市O_3的污染特征。结果表明:海口市O_3总体优良,优良天数比例为99.4%,污染天数均为轻度污染;在良和污染天数中,O_3作为首要污染物的天数占40%,超过其他5项污染物占比。海口市10月O_3浓度最高。O_3月均浓度与温度呈负相关关系,同时与风向有密切关系:5—8月气温较高,以南风为主,O_3浓度较低;1月北风频率较高,易受外来污染传输作用,O_3浓度相对较高。O_3超标日以东北风为主,日变化并未呈现单峰型特征,12:00—22:00时段O_3浓度在10%范围内小幅变化。台风外围型和北方冷高压底部型是造成海口市O_3超标的2类典型天气形势。     

IC反应器处理MTO废水的中试研究

中试研究了内循环(IC)反应器处理甲醇制烯烃(MTO)废水的启动和运行过程,同时考察了颗粒污泥的性状及沼气产量的变化情况。试验过程运行稳定,系统抗冲击性强。以絮状污泥为接种污泥,经过131 d的启动和运行,IC反应器的COD去除负荷可达10 kg/(m~3·d)以上,COD去除率可达90%以上。IC反应器中的成熟颗粒污泥形状规则、密实、粒径大、沉降速率快。IC反应器的沼气产量符合理论预期。     

2014年北京市城区臭氧超标日浓度特征及与气象条件的关系

根据2014年1~12月北京市环境保护监测中心监测的O₃浓度数据,综合探讨了北京市O₃的时空分布及与其气象条件的关系.结果表明:2014年北京市全年O₃小时平均浓度约为56.18 μg·m^-3,O₃超标日小时平均浓度约为148.05 μg·m^-3且超标日主要集中在5~9月;超标日O₃日变化呈现单峰型分布,06:00或07:00为低谷,15:00、16:00左右达到峰值;超标日O₃浓度在09:00~23:00明显高于夏季同时间段浓度平均;空间分布上中心城区站点O₃浓度相对较低,而城区西部植物园站点浓度最高;统计的2014年北京市O₃超标日地面形势场3种类型高压类、低压类、均压类各占16%、36%、48%;超标日O₃浓度与气压、湿度、能见度呈负相关关系,与风速、温度呈正相关关系; 2014年5月29日~6月1日北京市发生的一次O₃重污染过程是由本地光化学污染及区域输送造成的,区域输送对北京市O₃浓度有着十分重要的影响.     

嘉兴市不同天气条件下大气污染物和气溶胶化学组分的分布特征

为研究不同天气条件下大气污染物(PM_(2.5)、PM_(1.0)、SO_2、NO_2、O_3和CO)和气溶胶化学组分的污染特征,分别使用SHARP-5030监测仪、热电EMS系统、气溶胶化学成分在线监测仪(ACSM)和宽范围颗粒粒径谱仪(WPS)对嘉兴市2015年5月1~31日PM、污染气体、PM_(1.0)中化学组分和10 nm~10μm气溶胶数浓度进行了观测分析.结果表明,观测期间嘉兴市PM_(2.5)、PM_(1.0)、SO_2、NO_2、O_3和CO的平均浓度分别为52.8和37.2μg·m~(-3)、10.3μg·m~(-3)、38.1μg·m~(-3)、92.1μg·m~(-3)和1.2 mg·m~(-3).PM_(1.0)中OA、SO_2-4、NO-3、NH_4~+和Cl-的平均浓度为2.18、1.24、0.87、0.63和0.08μg·m~(-3).数浓度主要集中在爱根核模态(20~100 nm),浓度为12 411.2 cm~(-3),其次是核模态(10~20 nm),浓度为4 946.6 cm~(-3).不同天气过程中PM和污染气体的浓度分布和日变化特征不同.不同天气条件下PM_(1.0)中化学组分分布不同.雨天和晴天PM_(1.0)中化学组分浓度从大到小顺序均为OASO_2-4NO-3NH_4~+Cl-,新粒子天PM_(1.0)中化学组分浓度的顺序为OANO-3SO_2-4NH_4~+Cl-.新粒子天OA和NO-3分别是晴天的1.61和1.42倍,说明OA和NO-3是影响新粒子生成事件的主要化学成分.不同天气条件下不同模态气溶胶的日变化特征不同.