利用FLEXPART模式反演中国区域SF6排放量

六氟化硫(SF_6)是一种长寿命卤代温室气体,被列为《京都议定书》限排物种.随着经济高速发展,中国的SF6排放量受到世界各国的关注.采用传统的"自下而上"清单方法估算SF6排放量时,所需排放因子、活动水平数据的准确性和时效性存在较大局限.因此,本文利用拉格朗日粒子扩散模式FLEXPART,结合2009年北京上甸子区域大气本底站SF6浓度观测资料,尝试建立中国区域SF6排放量的反演方法.结果表明,初步反演的2009年中国区域SF6排放量为1.25×103(0.53×103~1.97×103)t·a-1,与文献结果相当,源排放量的不确定性从1.05×103t·a-1减小到0.72×103t·a-1.与先验源相比,反演源的相关系数从0.37提高到0.43,均方根误差减小了2.64%.     

京津冀及周边减排对北京市PM2.5浓度下降评估研究

利用第三代区域空气质量模式CMAQ (Community Multiscale Air Quality)及京津冀地区高分辨的污染源排放清单,基于2011年、2012年和2013年秋冬季美国国家环境预报中心全球再分析资料的气象条件分析,选取2012年10月1日至12月30日作为代表性时段,模拟了PM2.5的浓度变化趋势,同时根据《京津冀及周边地区落实大气污染防治行动计划实施细则》和2012年到2017年污染源减排控制目标,进行了减排效果评估分析.结果显示,模式系统能较好捕捉PM2.5浓度的变化趋势,海淀站和上甸子站观测与模拟值的相关系数分别为0.71和0.63.主要污染源和污染物排放量削减30%~40%后,北京市PM2.5浓度发生了明显降低,海淀站、上甸子站和城六区的平均浓度下降率分别为(24.9±2.3)%,(20.2±2.7)%和(24.8±2.1)%.如果严格执行《京津冀及周边地区落实大气污染防治行动计划实施细则》,在气象条件和2012年相似情况下,到2017年,北京市城区PM2.5年均浓度控制在60μg/m3内的防治目标可以实现.     

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.     

不同时刻污染减排对北京市PM2.5浓度的影响

利用空气质量模式Model-3/CMAQ及京津冀地区高分辨率排放源清单,针对有代表性的污染时段(2012年2月7~16日),设置了5种不同时刻的减排方案(在污染峰值提前4d、提前3d、提前2d、提前1d及当天减排),对比在同样的减排比例下,不同时刻开始减排的效果差异.研究发现,提前采取减排控制措施比污染峰值当天开始减排对降低PM2.5浓度的影响更为明显,而且提前采取应急减排的时间越早,PM2.5浓度下降越明显.提前1d、2d、3d减排海淀站和城六区峰值浓度下降率分别为23%和22%、31%和30%、39%和38%,均明显高于当天减排的峰值浓度下降率10%和9%.但随着提前天数的增加,PM2.5峰值浓度进一步下降的幅度越来越小,减排效益较之前显著降低.提前4d减排海淀站和城六区峰值浓度下降率分别为40%和39%,提前4d减排和提前3d减排对降低污染峰值日PM2.5浓度的效果已没有太大差别.同时针对另一个污染时段(2012年1月11~20日)进行了相似的敏感性试验,得出了类似的结论.因此,针对某些污染事件的应急减排,综合考虑减排成本和减排效果,根据气象条件的预报,在可能引起重污染事件的不利气象条件来临时提前2~3d采取减排措施效果最好,既能有效降低PM2.5浓度,也可以避免因盲目长时间减排造成的成本过大.