基于SHERPA的环境空气质量减排情景模拟评估

分析了SHERPA综合评价模型的基本原理和主要建模理念,重点介绍了其在环境空气质量减排情景模拟评估方面的作用,以及在排放源与受体关系(SRR)方面的处理方法,比较了其与欧盟常用的其他情景模拟模型的优缺点。SHERPA模型的特点是空间灵活性较好,对于任何给定地点,可以快速评估不同地区对该研究地点空气质量的影响。SHERPA模型的3个主要功能为污染物来源分析、决策支持和情景模拟。基于SHERPA模型对法国环境空气中PM_(2.5)、PM_(10)和NO_2年均浓度进行污染来源分析、决策支持分析和减排情景模拟评估,展示了模型在环境治理措施优先级筛选和政府间联合治理措施协调建议方面的功能和作用,以期为中国环境空气质量预测预报、环境质量管理措施的制定和成效评估等环境服务与管理工作提供借鉴。     

高效率颗粒物微物理模型简介与重污染过程应用分析

中国细颗粒物(PM2.5)导致的空气污染和雾霾天气问题越来越突出,在低层对流层中很多地方都有显著的二次颗粒物生成过程,因此对颗粒物物理化学转化过程的研究具有重要意义,其转化过程对空气质量模式模拟和预报的准确性有重要影响。高效率颗粒物微物理(APM)模型经过近20多年的研究和发展,在全球化学传输模型(GEOS-Chem)、区域性气象和化学预报模型(WRF-Chem)通用地球系统模型(CESM-CAM5)等气象及环境空气质量预报模型中取得了很好的应用验证,能够在全球/区域等不同尺度对粒子生成、长大、凝聚、消除等微物理过程以及气溶胶光学厚度(AOD)、直接/间接辐射强迫等进行模拟。应用GEOS-Chem-APM模式模拟了2014年2月京津冀区域的重污染过程。结果显示,湿度模拟的准确性对其他物理和污染物浓度等模拟结果有重要作用;2月20—26日的重污染过程模拟结果与实际观测较为吻合,主要污染特点是较高的湿度(90%以上),同时,二次颗粒物和包裹了二次物种的一次颗粒物(黑碳/有机碳)是低能见度的最大贡献者。     

东亚大气可吸入颗粒物时空分布的数值模拟研究

利用嵌套网格空气质量模式(Nested Air Quality Prediction Model System,NAQPMS)模拟研究了2010年东亚地区可吸入颗粒物(PM10)的时空演变,并初步评估了其对人群健康的危险度.结果表明,NAQPMS模式能够合理地反映东亚地区PM10的时空分布,不同季节观测值和模拟值的总体相关系数达到0.65~0.85.2010年东亚PM10的地面浓度高值区(100μg·m-3)出现在我国华北、华中和内蒙古中西部等地区.其中,无机盐(硫酸盐、硝酸盐和铵盐)对我国东部PM10的贡献最大(10~70μg·m-3,20%~50%);一次PM10次之(5~50μg·m-3,10%~30%),有机物(5~30μg·m-3,10%~20%)和黑炭(3~20μg·m-3,3%~5%)紧随其后.PM10可以引起我国东部人群急性总死亡率增加2%~5%,对我国居民的健康水平构成了一定威胁.     

基于数值模式的环境空气质量预报影响因素和改进方法

数值预报是各地开展环境空气质量业务预报的主流预报方法之一。模式预报产品、基础输入资料、外部技术支持、主客观预报偏差和预报命中概率等诸多因素均会不同程度地影响数值模式预报效果,研究探讨了上述因素对数值模式预报效果的影响及其针对性的改进方法,以期降低预报偏差,改善业务预报整体效果,为各地提高业务预报质量提供方法思路和技术参考。     

试点城市O3浓度特征分析

利用2009年O3试点城市的03监测数据,分析了北京、天津、上海、青岛、沈阳和广东的03浓度变化特征,统计了年超标情况,并结合气象要素数据分析了其对03浓度的影响.结果表明,不同城市各点位间03浓度变化趋势基本一致,但因点位类型不同,浓度存在差异；O3浓度呈单峰型日变化,在13:00-15:00出现最大值,6:00-7:00出现最小值；O3超标主要集中在4-8月份,广州和北京超标现象较多；O3浓度受温度、降水、风速和风向等气象要素影响较大.     

森林净生态系统生产力及其生物影响因子研究进展

在全球大气二氧化碳浓度上升的背景下,陆地生态系统碳循环及碳汇功能研究得到了广泛的关注,日益成为今后的政治和外交的重大议题之一.净生态系统生产力(net ecosystem production, NEP)是生态系统光合固定的碳与生态系统呼吸损失的碳之间的差值;或者为生态系统净的碳积累速率.NEP 的研究整合生态系统地上和地下部分,把生态系统碳循环的影响因子有机地联系了起来.当NEP为正值时,说明生态系统为碳汇,NEP为负值则表明生态系统为碳源.随着植物和土壤相互联系及其对生态系统过程研究的深入,NEP已经成为生态系统碳循环研究的核心概念之一.以森林NEP为出发点,综述了国内外的最近的 NEP 研究进展,分析了 NEP 研究的科学意义;探讨了植物群落组成/生物多样性、土壤微生物群落、大型/土壤动物和人为的管理或干扰等生物因子对NEP的影响.根据综述研究提出未来研究应在:(1)土壤生物过程、土壤食物网及其与地上部分植物/动物相互作用对NEP的影响;(2)自然林生物多样性的竞争/共存机制与生态系统碳吸存稳定性;(3)人工林固碳潜力和不同植物功能群(灌草层)对生态系统碳动态影响等方面加强,以期为全面认识生物因子对森林生态系统系统固碳现状、机制和潜力提供理论基础.     

不同轮作制度下施肥对冬小麦田间杂草群落及小麦生长的影响

为探讨不同轮作制度下长期施肥对冬小麦Triticum aestivum L.田间杂草及小麦生长的影响,我们在三个长期田间肥效试验定位点,研究3种轮作制度下(冬小麦-大豆Glycine max (L.) Merr.(WS)、冬小麦-夏玉米Zea Mays L.(WM)、冬小麦-中稻Oryza sativa(WR))长期不同施肥模式对冬小麦田间杂草群落及小麦生长的影响.研究表明,在3种轮作制度下,平衡施加N、P、K肥或者NPK肥配施有机肥均可以显著降低冬小麦田杂草密度、地上生物量和田间光照透过率,促进冬小麦生长,并提高冬小麦产量和地上生物量;而且在冬小麦-大豆轮作和冬小麦-中稻轮作的冬小麦田中平衡施加N、P和K肥可以在控制杂草密度的同时保持一个较均一的杂草群落.3种轮作制度下各指标相对值比较发现,3种轮作制度改变施肥对冬小麦田间光照透过率影响程度的顺序与3种轮作制度改变冬小麦田中施肥对杂草密度和地上生物量影响程度的顺序相同;另外,在冬小麦-大豆轮作和冬小麦-中稻轮作制度下杂草密度与冬小麦田间光照透过率之间的相关系数也很高(R≥0.7906),说明施肥对冬小麦田间光照透过率的改变可能是施肥影响冬小麦田间杂草群落的主要途径之一.轮作制度改变冬小麦田中施肥对优势杂草种类数和杂草生物多样性影响的程度差别不大,这可能是因为轮作改变施肥对田间杂草的影响并没有达到引起田间杂草物种消亡的程度.结果表明,在3种轮作制度中施肥对冬小麦田间杂草群落及小麦生长的影响虽有差异,但都显示出施肥在抑制田间杂草发生、维持杂草生物多样性和提高作物产量上的作用.     

2019年10~12月京津冀及周边“2+26”城市重污染减排效果评估

为评估京津冀及周边区域重污染过程期间应急减排措施的效果,基于情景模拟的方法,采用NAQPMS模式和多种观测资料,分析了2019年10~12月期间京津冀及周边区域环境空气质量、重污染过程和气象条件概况,评估了模式24、72和144 h的PM_2.5预报效果,并对应急减排措施的效果和不确定性进行了讨论.结果表明,2019年10~12月京津冀及周边"2+26"城市PM_2.5平均浓度64 μg ·m^-3,同比降低了10 μg ·m^-3;区域性重污染过程4次,受影响城市重污染过程期间PM_2.5平均浓度156 μg ·m^-3."2+26"城市PM_2.5气象条件评估指数（EMI）变化值范围为-15.6%~16.8%,EMI显示北京、天津和石家庄等12个城市气象条件与同期相比变差,变差程度范围为3.2%~16.8%.减排情景模拟分析显示应急减排措施有效减少了区域性重污染过程的发生,污染物峰值浓度降幅明显,未出现区域性严重污染过程.典型重污染期间,北京、石家庄、保定和唐山等城市PM_2.5日均浓度削减2%~9%.区域应急减排措施促使"2+26"城市PM_2.5季度均值分别降低1~3 μg ·m^-3左右,区域性减排效果明显.     

2006─2010年环保重点城市主要污染物浓度变化特征

利用2006─2010年全国环保重点城市的空气质量日报数据,分析了大气ρ(SO2)、ρ(NO2)和ρ(PM10)的变化特征.结果表明:从年际变化看,ρ(SO2)和ρ(PM10)呈下降趋势,ρ(NO2)变化不显著.从季节变化看,ρ(SO2)、ρ(NO2)和ρ(PM10)均呈冬季高、夏季低的特征.从浓度谱分布看,全国大气中ρ(SO2)、ρ(NO2)和ρ(PM10)分别集中在0～0.150、0～0.100和0～0.250 mgm3范围内,ρ(SO2)和ρ(PM10)谱峰区间逐渐向低浓度范围偏移,高浓度事件逐渐减少,表明SO2和PM10污染得到较明显的控制,而ρ(NO2)谱峰变化不大.从浓度变化看,山西ρ(SO2)、ρ(NO2)和ρ(PM10)下降最明显,年变化率分别为-11.2、-3.6和-14.2μgm3;青海ρ(SO2)、山东ρ(NO2)和ρ(PM10)的上升趋势最明显,年变化率分别为4.4、2.7和4.5μgm3.     

气象因素对大气中PM2.5的去除效应分析

通过对北京地区几次典型降水、降雪、大风等天气事件过程中大气PM2.5质量浓度变化情况分析,研究了降水、降雪、大风等气象因素对大气中PM2.5的去除效应,研究结果表明,上述气象因素对大气中PM2.5均有明显去除效果,因去除机理不同,各气象因素对PM2.5的去除能力依次为风、降雪、降雨.