北京地区秋冬季大气污染特征及成因分析

为了研究近两年北京地区PM2. 5污染特征及成因变化,利用常规观测资料和改进的后向轨迹模型(Traj Stat)对2016～2017年秋冬季大气重污染时段的颗粒物浓度、气象要素和气团传输路径进行了综合分析.结果表明,研究期间北京地区共发生13次持续2 d以上的重污染事件,冬季过程约占61. 5%,且污染程度和持续时间均高于秋季.地面受弱气压场控制、高湿度、静小风以及较低的混合层高度,加之北京三面环山的特殊地势是导致秋冬季静稳型污染频发的重要因素,重污染期间PM2. 5/PM10的平均比值高达0. 86.累积阶段气团主要来自于西北、偏西、西南和东南方向,其中西南和东南路径为典型污染传输通道,轨迹频率为21. 6%.此外,采用WRF-CAMx模型定量估算了2016年12月16～22日典型过程中本地和外来污染源对北京PM2. 5的贡献,结果发现不同气团输送条件下,二者的贡献差异较大.当南部气团输入时,本地贡献会显著下降,以外部区域输送为主导;若气流来自西北方向情况则相反.污染过程期间,本地贡献为16. 5%～69. 3%.     

基于BP神经网络的污染物浓度多模式集成预报

基于中国气象局雾-霾数值预报系统CUACE、北京区域环境气象数值预报系统BREMPS和华东区域大气环境数值预报系统WRF-Chem三个环境气象模式预报产品,利用BP神经网络方法建立多模式集成预报模型.首先通过实验得到BP神经网络的训练函数、隐含层节点数和训练样本长度分别为贝叶斯归一化训练函数trainbr、10和50.随后选取北京、天津和石家庄站点的预报结果检验该模型的预报性能.结果表明：（1）相对于单模式,BP神经网络集成预报的3~72h逐3h污染物浓度和观测之间的归一化平均偏差从-100%~200%降低到-20%~20%,污染物浓度和观测的均方根误差比各单模式降低15%以上,相关系数从0.1~0.8提升到0.3~0.85之间,说明其预报结果优于各单模式.（2）2016年AQI等级评估表明,集成模型预报的北京轻度和中度污染的TS评分分别比CUACE提高22%和10%,在天津重度污染的空报率和漏报率分别降低31%和25%.（3）2016年12月份的重污染过程评估发现,集成模型预报的PM_2.5浓度的演变趋势和实况基本相符.     

青岛“上合峰会”期间夜间臭氧增长成因分析

针对青岛“上合峰会”保障期间出现夜间臭氧（O₃）浓度增长的现象,本文利用地面常规观测资料和污染物浓度数据对其进行分析和研究.结果表明,在6日20：00~23：00,青岛出现O₃浓度持续性增长,峰值浓度达194μg/m³,浓度增长速率达10.7μg/（m³·h）.结合NCEP/FNL再分析资料可知,在夜间西南风的作用下,江苏、安徽等地排放的O₃及其前体物向青岛传输,并在边界层内下沉运动作用下,将其传输至近地面.通过计算边界层内通风量可知,6日边界层内最大风速区高度逐渐降低,达到低空急流的标准,且在夜间1000m以下的通风量呈现出波动性增长,500m和500~1000m高度的通风量峰值分别为3900和5892m²/s.另外,本研究基于CAMx空气质量数值模式中的O₃来源追踪方法（OSAT）对其进行了模拟分析,结果显示在夜间O₃增长时段（20：00~23：00）,青岛地区的主要贡献来源分别为江苏、安徽以及上海,上述3地的贡献比例平均为62.3%、16.6%和8.6%.