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.     

人群的自然和社会属性分类下PM2.5对心血管疾病的影响

为了研究人群在自然属性和社会属性分类下的效应修饰作用,利用2005~2011年北京市大气PM_2.5日均浓度、气象要素及循环系统疾病每日死亡人数数据,根据不同年龄、性别及学历将人群分组,采用时间序列的半参数广义相加模型（GAM）,定量评价大气PM_2.5对居民循环系统疾病死亡人数的影响.单污染物模型和多污染物模型结果表明,PM_2.5为影响循环系统疾病每日死亡人数的主要大气污染物.北京市空气中PM_2.5的浓度每增加10μg/m³,循环系统疾病总死亡人数增加0.50%（95% CI：0.36,0.63）.不同人群的易感程度不同,各人群死亡人数的增加范围为0.23~0.71%,女性、60~74岁人群、文盲人群的健康风险相对较高.在文盲人群中,老年（60+）女性占比为66.2%,为了分离社会属性人群分类中可能存在的自然属性因素干扰,本文去除其中老年、女性这两个混杂因素的影响,文盲人群健康风险仍然大于较高学历的人群.年龄和性别因素叠加在学历因素上,可能加大低学历人群的健康风险,对于这部分叠加了自然因素和社会因素双重敏感性的人群应给与重点关注.     

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%.     

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.     

延庆地区山谷风对PM2.5浓度的影响

基于2015~2019年北京生态环境监测和气象数据, 分析了延庆地区山谷风对PM_2.5浓度的影响, 揭示了含山谷风环流污染过程(事件1)与未有山谷风污染过程(事件2)初始阶段的异同及其气象影响机制.结果表明, 延庆持续性污染过程集中在9月~次年3月, 共计63次, 其中27次(43%)伴随1d或多天的山谷风日, 39d山谷风中有32d(82%)出现在污染过程的初始阶段, 18%出现在峰值阶段; 36次过程未出现山谷风日.山谷风日逐时PM_2.5浓度大于非山谷风日4.5~15.4μg/m³, 全日差值最大时段为谷风阶段(15:00~19:00)均大于13μg/m³, 山谷风日存在SSE-ESE风频中心0.59%, 15:00~16:00风速3.3m/s左右, 非山谷风日风频中心在WSW-SW和SE-ESE, 最大值为0.41%, 风速较山谷风日小.事件1和2初始阶段PM_2.5浓度变化关键期为15:00~19:00, 事件1风向E-SSE风速2~4m/s, PM_2.5增长速率大于事件2, 与露点变化趋势基本一致, 23:00事件1PM_2.5浓度显著高于事件2 20μg/m³左右, 污染过程发展初期出现的山谷风环流谷风阶段的偏东南风形成气溶胶和绝对水汽的区域传输, 对PM_2.5浓度的升高有正贡献.平原空气污染过程(延庆未出现)特殊污染型占比20%, 该类污染型白天风频中心分布分散, NNW-WNW、SW-SSW和ENE-NNE均有0.7%左右的风频中心, 未出现S-ESE的风频.     

基于GIS和大气数值模拟技术评估兰州市PM10的人群暴露水平

利用2001年1月1日~31日兰州市城区PM10月均观测浓度和CMAQ空气质量模式模拟出的PM10月均浓度,基于GIS平台,将污染物浓度与人口的空间分布图层相叠加,并采用PM10人口加权算法,定量评估了兰州市居民的颗粒物暴露水平,并对应用这2套数据的评估结果进行了对比.结果表明,与使用观测数据相比,模拟的PM10浓度空间梯度较大,模拟结果更加细致地展示了PM10浓度在兰州城区的分布,同时PM10浓度的最小值和最大值跨度也较大.对比人口加权前后PM10浓度发现:人口加权后,从城区人口的空间分布来讲,兰州市有较多的人口分布在污染较重的地区.     

北京地区奥运会期间PM2.5对心脑血管疾病的影响

为了探讨2008年奥运会前后减排和限行措施对北京居民心脑血管健康的影响,调查了2006~2010年7~9月的空气质量状况及北京急救中心心脑血管疾病日入院人数,采用时间序列方法中的非参数广义相加模型(GAM),在控制了长期趋势、"星期几效应"及气象因素的影响后,分析了北京PM2.5浓度与心脑血管疾病日入院人数的暴露-反应关系,并按性别、年份建立了模型.结果表明,PM2.5对心脑血管疾病的影响具有一定的滞后效应,全人群、男性和女性滞后均为0~2d,在2006~2010年7~9月中,2008年3个人群的RR均最小,2009年RR最大.PM2.5日均浓度每增加10μg/m3,2008年男性、女性及全人群日入院人数风险分别增加0.18%、0.07%和0.00%,2009年男性、女性及全人群日入院人数风险分别增加3.43%、2.10%和2.97%.2008年7~9月采取的相关政策措施对降低了北京地区居民心脑血管疾病的发病风险具有重要作用.     

污染源减排时刻和减排比例对北京市PM_(2.5)浓度的影响

利用Model-3/CMAQ及京津冀地区高分辨率排放源清单,选取文献[19]中污染峰值当天启动50%污染源削减方案的同时,进一步设置了3种污染源控制方案(峰值当天启动75%源削减;峰值日前1d、2d开始启动25%源削减),比较了峰值日前启动适量减排与峰值日当天启动大幅度减排的效果差异.结果表明:污染峰值当天启动50%、75%减排时,北京市PM2.5浓度下降率分布不均匀,高值区集中于PM2.5浓度高值区,减排后PM2.5浓度分布较减排前均匀.提前1~2d启动25%源削减时,峰值日北京市PM2.5浓度整体下降.城、郊PM2.5下降率均表现为当天减排50%小于提前1d开始减排25%;当天启动减排提高到75%时,城区PM2.5下降率大于提前2d启动25%减排,郊区表现为峰值前2d启动25%削减优于当天减排75%.将峰值前1d、2d启动25%减排分别与当天启动50%、75%减排时北京市峰值日PM2.5浓度下降率相减,北京市绝大部分区域下降率差值为正;峰值前1d、2d启动25%减排分别比峰值日启动50%、75%减排时北京市平均PM2.5多下降4.7μg/m3(6%)、2.9μg/m3(4%).综上所述,在污染峰值来临之前采取适量减排较污染当天才启动大幅度减排更有利于北京市整体空气质量达标.     

2007~2016年北京天气分型与霾日的关联

采用COST733软件将北京地区2007~2016年的大气环流总体分为T1~T9种类型,研究其与霾日的关联性,并结合PM_2.5和臭氧地面观测,分析不同天气型对应的污染特征及气象参数分布规律.2007~2016年霾日发生概率21.5%,T4和T9型下霾日最多,T5和T8型最不利于霾日发生.9类天气型下霾日变化具有阶段性,2007~2012年（阶段一）霾日少且年际差异小,2013~2016年（阶段二）霾日增多.对9类天气型下霾日PM_2.5及臭氧变化进行分析,T1、T3、T4和T9型霾日多出现在秋冬季,PM_2.5日变化为逐时增加态势,4类天气型在第一阶段的白天有浓度波动增长形成的小峰值,但第二阶段减弱消失.大部分天气型的霾日,阶段二的PM_2.5浓度较阶段一降低,T7和T9型表现为增加,增幅分别为23.7%和3.9%.所有天气型霾日的臭氧日变化均为单峰型,峰值出现在下午,臭氧日均浓度最高为T8型.此外,阶段二与阶段一相比,T3、T5和T6型臭氧平均浓度增加,其中T5型增幅达到49.8%.将霾日与近地面气象要素关联分析,平均气温、风向、风速可以较好的解释臭氧浓度变化,而PM_2.5的变化特征不仅与气象要素相关,在一定程度上也体现了污染排放及区域联动减排的贡献,需两者结合才能更好探究PM_2.5浓度整体特征及细节变化.     

两类典型沙尘过程对比及清除机制分析

沙尘天气会危害人体健康并直接影响城市运行,当沙尘天气发生后,针对其清除过程及动力学机制鲜有研究.本文利用北京地区地面观测资料、风廓线雷达数据、四维变分多普勒雷达分析系统（Variational Doppler Radar Analysis System,VDRAS）数据、气溶胶激光雷达监测资料等,对比分析了2018年3月27—28日明显浮尘和2021年3月15日强沙尘暴天气的沙尘清除过程,研究了不同大气环流背景下的沙尘减弱消散动力机制.结果表明,在3月27—28日偏东风天气背景下：①北京地区沙尘浓度垂直分布及变化与高空槽及偏东风的强度垂直分布有紧密关系;②浮尘天气中,偏东风在1~1.5 km之上随高度减弱形成上升气流,与短波槽耦合,将高浓度气溶胶向高空输送;而1 km以下偏东风向 地面风速减小,有利于下沉运动,不利于气溶胶向高层扩散,造成中层浓度降低;③随着2.5 km以下偏东风加强至低空急流,并随高度增加, 上升运动显著增大,高浓度气溶胶被抬至高层并向下游输送,配合气团更迭,完成浮尘清除.而在3月15日强沙尘暴过程中：④沙尘浓度垂直分布变化与上游传输及低层强下沉运动有关,1 km以下沙尘浓度首先下降,主要由低层大气辐散下沉及沉降作用导致,而高空西北气流的 传输作用使得1~2.5 km高浓度沙尘粒子维持时间较长,垂直出现分层结构;⑤冷锋后西北气流天气形势下,沙尘的清除机制在于整层强烈的下沉运动与自然沉降的叠加效应,配合清洁气团更迭,完成清除过程.