成都市PM10对大气辐射环境的影响

为研究城市PM₁₀对大气辐射环境的影响,利用2013年6月1日—2014年5月31日成都市ρ(PM₁₀)和空气吸收剂量率的逐日监测数据,采用DCCA(去趋势互相关分析)法对二者的相关性进行分析. 结果表明:在1 a的时间尺度上,成都市ρ(PM₁₀)与空气吸收剂量率之间存在显著的正相关性(标度指数为0.928),并且这种正相关性具有长期、持续的特征,但相关性的强度却随时间以幂函数形式缓慢衰减. 冬夏两季ρ(PM₁₀)与空气吸收剂量率的相关性存在显著差异. 在冬季重度灰霾期间,二者DCCA标度指数为0.968,说明高ρ(PM₁₀)已对城市大气辐射环境产生了影响;而夏季二者的DCCA曲线分为两段,标度指数分别为0.579、1.519,折点位置对应的特征时间尺度约为2个月,推测这与当地夏季降雨的时间分布模式有关. 研究表明,在当前灰霾日益频发的背景下,需要重视城市重度灰霾对城市大气辐射环境造成的影响.      

大气PM10跨界输送的自组织动力机制——以舟山市为例

我国城市间大气污染物的相互输送作用非常显著.舟山市大气污染物主要来源于长三角地区,本地源影响较小.因此,本文将以舟山市为例,应用频度统计分析方法,研究舟山市大气PM10污染演化宏观动态的统计分布规律.结果发现,舟山市大气PM10小时平均浓度的波动并非随机,而是在0.065~0.324 mg·m-3范围内具有标度不变特征,统计上服从典型的分形幂律分布.同时,为了阐明该分形幂律分布的产生动力机制,基于自组织临界理论,建立了大气PM10跨界输送模型.该模型以污染输送机制、二次颗粒物生成机制、城市内污染迁移扩散机制、大气自净机制这4个主导动力机制为核心,组建了非线性关联迭代算法.新的自组织动力模型的模拟结果定量地解释了舟山市大气PM10污染浓度的分形幂律统计分布规律的产生根源.同时,本研究结合区域风场等气象因素,深入讨论了大气PM10跨界输送的自组织行为机制.     

成都市典型灰霾消散前后PM_(2.5)演化的长期持续性特征

运用消除趋势波动分析方法,对比分析了成都市2013年2月1-14日一次重度灰霾消散前后(其中,2013年2月1-7日为重度灰霾时段,2月8-14日为灰霾消散时段)8个监测站点(十里店、人民公园、梁家巷、金泉两河、三瓦窑、草堂寺、灵岩寺、沙河铺)大气PM2.5时空演化的长期持续性特征。研究显示,灰霾时段和灰霾消散时段PM2.5浓度演化均呈现出很强的长期持续性非线性特征。统计分析表明,在时空尺度上,灰霾时段和灰霾消散时段PM2.5浓度具有显著性差异,但定量表征PM2.5演化动力学特征的DFA指数却变化不大。进一步结合成都市气象资料分析认为,长期持续性是控制此次成都重度灰霾消散前后大气PM2.5浓度时空演化的内在动力学机制之一,也正是在该机制的主导控制下使得此次灰霾持续时间较长。该研究有助于进一步加深对灰霾期间PM2.5演化动力学过程的认识。     

上海市空气质量变化的多重分形分析

以上海市2000年7月至2006年6月的污染指数时间序列为基础数据,引入多重分形分析方法对上海市的大气污染特征及其变化趋势进行了研究.研究表明,上海市的3种主要大气污染物(SO2、NO2和PM10)在整个时间尺度上均表现出标度不变性,具有完全不同的多重分形特征.多重分形分析方法不仅能确认序列中的标度不变性,而且能说明3种大气污染物序列中概率分布的标度变化,这对于描述大气污染物时间序列的动力学变化具有现实意义.另外,进一步应用3个多重分形谱参数(B、△a和△f),研究了3种大气污染物各年的多重分形谱的变化,并结合上海市采取的大气环境治理措施,对其变化的原因进行了分析.结果表明,多重分形谱参数可作为一个评价城市空气质量演变程度的综合定量指标.为分析城市空气质量的演变提供了一条新的途径,对于认识上海市城市空气质量的变化过程和科学制订环境保护决策具有重要意义.     

麻风树果壳活性炭表面分形维数的实验研究

在温度77K条件下对化学活化法制备的几种麻风树果壳活性炭进行N2吸附-脱附实验研究,得到了孔结构参数.并利用等温吸附数据分析了活性炭的分维.研究了不同碱炭比(R)条件下得到的活性炭的表面特征、孔结构和特征吸附能.结果表明,麻风树果壳活性炭含有分形特征,分形维数在2～3之间.在多层吸附早期阶段和高度覆盖期所得的分形维数不同,但变化趋势基本一致,随着R的增加而增大.R=4时,分形维数最大,分别为2.619和2.993.活性炭的分形维数与活性炭的比表面积、孔容、碘吸附值和微孔相对含量基本一致,可以用来表征微孔的发育程度.     

基于自组织临界的上海PM10污染预警与风险评价

应用R/S分析、功率谱及强度-频度法对上海市PM10污染的时间尺度特征进行分析,同时将PM10污染事件与沙堆模型中的崩塌事件进行类比,发现上海市PM10污染的演化具有自组织临界性(SOC)复杂系统的相关特征.上海市PM10污染指数的长期波动特征,在动力学上主要是由PM10污染物的SOC机制导致的.小的污染源如民用炉灶、餐饮业、建筑施工等排放的少量污染物也有可能通过SOC行为形成较严重的空气污染事件.在2010年期间,上海市较严重空气污染事件(PM10污染指数为100~250)的发生可能性较大,具有一定潜在的重污染风险.     

基于DCCA方法的成都市市区与周边城镇大气污染长程相关性分析

利用2008年1月～2012年12月期间成都市市区与其周边14个城镇的逐日空气污染指数（API）数据,采用去趋势互相关分析法（DCCA分析）研究区域城市间大气污染的相关性及其随时间演变规律。结果表明:成都市区与其周边城镇大气污染的空气污染存在一定程度的相关性,并且在不同的月份,相关性会随之发生变化。这种相关性具有长期持续特征,具体表现为在一定的时间尺度上成都市区与其周边城镇大气污染的相关性随时间的变化并不遵循经典的马尔可夫过程,即不随时间呈现指数快速衰减,而是以幂律形式随时间缓慢衰减。进一步,结合不同月份间区域大气平均流场的分布特征,探讨了DCCA分析结果的科学性。研究结果说明,在特定地理环境和气象条件控制下,成都市及其周边城市之间已经存在明显的相互输送和耦合作用,成都地区大气污染已由局地性污染转变为区域性大气污染。城市间污染物输送的长期相关影响机制极有可能在特定月份加重成都市区的空气污染状况,这在成都市区及其周边城镇的规划建设中必须加以特别重视     

COVID-19期间区域大气高污染发生的非线性动力机制

以长株潭城市群3个城市（长沙、株洲和湘潭）疫情期间（2020年1月24日~2020年5月31日）大气PM_2.5和O₃小时平均浓度时间序列数据为研究对象,对污染物日变化规律、长期持续性、多重分形性及自组织演化动力学特性进行研究.以期阐释疫情期间高污染事件发生及演化的内在动力机制.首先,对3个城市PM_2.5和O₃质量浓度的日变化规律进行分析,发现O₃呈现出昼高夜低的单峰型,而PM_2.5日变化规律表现出昼低夜高单峰型,与非疫情期间的特征有所差异.进一步,应用消除趋势波动分析法（DFA）、多重分形消除趋势波动分析法（MFDFA）和概率统计分析,研究了大气复合系统中PM_2.5和O₃质量浓度序列的长期持续性和多重分形结构.结果发现3个城市PM_2.5和O₃浓度序列均具有显著的长期持续性特征和较强的多重分形结构,同时,应用去趋势互相关分析法（DCCA）方法和多重分形去趋势互相关分析法（MFDCCA）对PM_2.5和O₃两者之间的互相关性进行了分析,发现PM_2.5-O₃之间的互相关也存在显著的长期持续性特征以及在不同时间尺度存在多重分形特征.进一步将疫情期间得到的非线性分析结果与2018年和2019年同期非疫情期间的结果进行了对比分析.最后,基于自组织临界理论（SOC）探讨了大气PM_2.5和O₃浓度时空演化的内在动力规律,并结合典型区域气象特征,阐明了SOC内禀动力机制可能是COVID-19疫情期间大气高污染形成的主导机制之一.疫情期间大气PM_2.5和O₃浓度并非分别独自演化,而是依然保持复杂的相互作用.静稳气象条件下,大气复合污染内部的非线性耦合作用可能达到动力学临界状态,将导致长株潭城市群在疫情期间仍有发生大气高污染的风险.     

基于后向轨迹模型的成都市典型灰霾期间PM2.5演化的自组织分析

研究了成都市2013年11月29日—12月8日一次重度灰霾期间,草堂寺、金泉两河、梁家巷、十里店4个监测站点PM2.5小时平均质量浓度序列的时间演化规律。首先应用后向轨迹模型对抵达成都市的大气气团进行模拟,结果表明,灰霾期间本地气团(100 km)对成都市PM2.5污染物的贡献率远超过中远距离的外来气团(100km)。进一步应用频度统计分析方法和消除趋势波动分析法对灰霾期间PM2.5的质量浓度序列进行了统计分析,发现PM2.5的质量浓度波动在时空上具有标度不变的幂律统计分布和长期持续性特征。最后基于自组织临界理论,探讨了成都市大气在本地气团控制下PM2.5演化的内在动力机制。结果表明,成都市大气PM2.5演化系统的自组织临界性是此次灰霾期间PM2.5浓度演化的内在动力机制。