南京秋冬季典型霾污染过程及边界层特征分析

针对近年来南京地区秋冬季的几次典型秋冬季霾污染过程,利用地面空气污染监测资料、探空资料、常规气象观测资料,对霾污染过程的特征,特别是边界层特征进行综合分析。结果表明,秋收季节秸秆燃烧对于南京及周边地区的空气质量有明显影响,局地空气污染指数飙高。南京及周边地区几次霾污染过程,均出现逆温层,贴地逆温、脱地逆温均影响霾的形成。5次霾污染过程中,均有观测时次混合层高度小于200 m,并且低混合层高度持续时间与API高值时间一致。总体上,混合层高度与API(AQI)呈相反趋势。     

基于距离相关系数和支持向量机回归的PM2.5浓度滚动统计预报方案

针对目前空气质量统计预报方法存在的主要缺陷,本文提出了距离相关系数和支持向量机回归相结合的统计预报方案DC-SVR.利用淮安市2013年1—12月PM_(2.5)观测资料和常规气象观测资料,首先在选入预报当日气象要素的基础上,增加选取前期污染物和气象要素作为预报因子,再采用距离相关系数分季节从预报因子中筛选出重要预报因子,最后采用支持向量机回归对PM_(2.5)浓度值进行逐日滚动统计预报.研究发现,淮安地区气温和气压对PM_(2.5)的距离相关性要高于其他气象要素,夏秋季PM_(2.5)与气象要素的距离相关性较春冬季好.基于距离相关系数和支持向量机回归建立DC-SVR模型,PM_(2.5)的试预报值和实测值的全年相关系数高达0.76,平均偏差仅为1.13μg·m~(-3),平均绝对误差为23.47μg·m~(-3).通过与支持向量机回归、人工神经网络的统计预报效果对比,DC-SVR模型有效降低预报因子维数且能自适应选取最佳参数,预报精度显著优于其他3种统计预报方案,可为业务化预报提供参考.     

基于OCO-3卫星观测的上海CO2柱浓度特征分析

随着卫星遥感技术的发展,城市内部的二氧化碳柱浓度（XCO₂）时空特征逐渐能够被识别。本研究基于轨道碳观测卫星（OCO-3）快拍（SAM）模式XCO₂观测数据,探讨了上海市2020—2022年XCO₂的时空分布特征以及该数据对于火电厂CO₂烟羽信号来源识别的能力。结果表明,上海市XCO₂呈现春季＞冬季＞夏季的特征,上海市XCO₂年均值为418.3×10^-6,高于华东地区的年平均值。从XCO₂空间分布差异来看,中部和东北部是上海冬季XCO₂的高值区域,这主要是由于城市中部人口密集,北部沿江区域大型电厂较为集中,在冬季盛行风西北风的作用下,CO₂被传输至东部沿江多个行政区域。此外,结合近地面风场、CO₂人为排放清单、电厂点源信息、对流层监测仪器（TROPOMI）卫星观测数据等,证实了OCO-3快拍模式具有探测到重点点源信号的能力。     

南京主要大气污染物季节变化及相关气象分析

为研究南京主要大气复合污染物PM_2.5、PM₁₀和O₃四季变化特征及其气象影响因子,利用2013年1月～2015年2月国控点环境监测数据对浓度特征进行统计分析,再利用WRF模式模拟的精细大气边界层气象场,分析气象要素与各污染物的相关性,并建立统计模型.结果表明：PM₁₀、PM_2.5冬高夏低,冬季日均值分别为160.6μg/m³和98.0μg/m³;日变化特征四季基本一致,但秋冬季最强,夏季最弱,且冬季上午峰值比其余三季延后1～2h.各季大气可吸入颗粒物中细粒子占主导,PM_2.5/PM₁₀年均值为0.59;首要污染物为PM_2.5、PM₁₀、O₃的年频率分别为51.5%、26.6%和13.5%,PM_2.5主导四季AQI的变化,尤其是在重污染的情况下,首要污染物为PM_2.5占96%.O₃浓度春末夏初高、秋末冬初低,日变化为单峰式;O₃与边界层高度呈显著正相关,四季相关系数分别为0.500、0.572、0.326、0.323.四季PM₁₀、PM_2.5、O₃_8h_max日值逐步回归方程拟合度为40%～65%.