“2+26”城市2017年冬防减排效果及其潜在原因分析——以衡水市为例

近年来我国大气重污染频发,严重影响民生,其中以京津冀最为严重.2017年"总理基金"启动,同年冬防效果显著.衡水市作为"2+26"城市之一,空气质量排名常年处于倒数十名之内.经过2017年的冬防,空气质量明显改善,衡水市大气污染的改善在"2+26"城市中很具有代表性.本文以衡水作为切入点,利用后向轨迹和浓度权重轨迹分析(CWT)探讨了2017年衡水冬防效果及潜在源区变化,分别从气象轨迹和本地排放初探了潜在原因.结果表明,2017年冬防效果显著,PM_(2.5)浓度降低33%,优良天数增加32 d,重污染天数减少22 d.PM_(10)浓度降低41%,优良天数增加40 d.2017年冬季PM_(2.5)潜在源区由2016年同期衡水北部及以北地区向衡水南部及以南地区转移.PM_(10)潜在源分布变化与PM_(2.5)相似.两年气象条件的对比结果表明,气象变化较小,对潜在源分布影响不大,本地排放是潜在源区分布变化的主要原因,其中衡水北部工业锅炉和扬尘减排量显著高于衡水南部.研究表明,2017年衡水冬防效果显著,相比于气象条件,本地排放对大气颗粒污染及来源影响更大,本研究可为"2+26"城市大气颗粒污染研究提供参考.     

武汉冬季典型月份PM2.5浓度变化的观测分析与模拟追因

1月是武汉市发生重霾污染最为频繁的月份之一.本文利用地面观测数据对比分析了2014年1月与2018年1月武汉PM_2.5污染的变化与差异,进而利用嵌套网格空气质量预报模式系统（NAQPMS）对其差异进行了模拟追因分析.分析结果表明,2018年1月武汉PM_2.5污染依旧严峻,出现了17个污染天,月均浓度达到了91.6 μg·m^-3,但污染程度与2014年1月相比有了大幅改善.其污染天比2014年1月减少了13 d,月均浓度下降了90.8 μg·m^-3,浓度峰值下降了154.6 μg·m^-3.通过设计基于气象场敏感性分析的数值模拟试验,发现在区域污染物排放强度保持不变的情形下,2014年1月和2018年1月气象场的变化对武汉月均PM_2.5浓度的影响较小,差异小于3 μg·m^-3.基于2018年1月的排放情景模拟2014年1月的武汉PM_2.5浓度会导致显著的低估现象.这表明气象条件变化不是武汉2018年1月相比2014年1月PM_2.5浓度显著下降、重污染天数显著减少的关键原因,而武汉本地、周边以及京津冀等重点城市群的排放量显著下降应是最为关键的主导因子.     

天津冬季两个典型污染过程高浓度无机气溶胶成因及来源分析

无机气溶胶是天津冬季霾天出现的主要成分,研究挑选了2020年1月污染天中两个典型的高浓度无机气溶胶（SIA）过程（CASE1和CASE2）,利用观测数据和耦合了在线污染物来源追踪方法的大气化学传输模式NAQPMS综合探究了气象要素、区域输送和化学过程的影响.两个过程的ρ（SIA）均值分别为76.8 μg·m^-3和66.0 μg·m^-3,硝酸盐浓度高于硫酸盐和铵盐,均为硝酸盐为主导的污染过程.气象条件影响了无机气溶胶的生成,CASE1过程ρ（SIA）>80 μg·m^-3对应的温度和相对湿度区间分别是[-6℃,0℃]、[2℃,4℃]和[50%,60%]、[80%,100%];CASE2过程对应的温度和相对湿度区间分别是[2℃,4℃]和[60%,70%].外来源对CASE1和CASE2过程SIA的平均贡献率为62.3%和22.1%,分别为区域传输主导和局地生成主导过程.CASE1本地排放对硝酸盐和硫酸盐的贡献分别为16.2 μg·m^-3和8.2 μg·m^-3,均高于外来源的贡献（31.7 μg·m^-3和8.8 μg·m^-3）;CASE2过程本地排放对硝酸盐和硫酸盐的贡献分别为29.3 μg·m^-3和25.1 μg·m^-3,而外来源的贡献为8.1 μg·m^-3和9.4 μg·m^-3.这表明CASE1本地生成和外来源输送贡献造成硝酸盐高于硫酸盐浓度,而CASE2仅本地源造成硝酸盐浓度高于硫酸盐.两个污染过程气相氧化反应是无机气溶胶生成的首要来源,贡献率分别为48.9%和57.8%;非均相反应也是重要过程,对SIA的贡献率分别为48.1%和42.2%;液相反应的影响小.     

基于机器学习算法对二次无机气溶胶模拟进行偏差订正

采用机器学习算法随机森林结合空气质量模型NAQPMS，利用华北地区模式模拟结果及硫酸盐、硝酸盐和铵盐的观测结果，构建了二次无机气溶胶模拟的偏差订正模型.结果表明：基于随机森林算法融合空气质量模型建立的二次无机气溶胶模拟偏差订正模型可以显著改善二次无机气溶胶的模拟效果，更细致地再现出二次无机气溶胶的时空分布特征.对于训练站点，硫酸盐、硝酸盐和铵盐的模拟偏差可降低89.6%、16.7%和98.0%；对于验证站点，硫酸盐、硝酸盐和铵盐的模拟偏差可降低68.3%、60.0%和81.3%，相关系数均有显著提高.特征因子敏感性试验表明，硫酸盐、硝酸盐和铵盐的模拟浓度是构建二次无机气溶胶模拟的偏差订正模型的重要特征因子，潜在地考虑了二次无机气溶胶物理化学生成过程.本文揭示了融合了深度学习方法和传统数值模式方法在改善区域二次无机气溶胶模拟上的巨大潜力.