成都市冬季大气消光系数及其组成的特征研究

由于气溶胶吸湿增长的复杂性和不确定性,大气消光的演化机理至今尚不十分清晰.为此,利用成都市2017年12月浊度仪和黑碳仪的逐时观测资料,结合同时次的环境气象监测数据,系统研究了该区域冬季对应550 nm大气消光系数及其组成的特征.结果表明:①观测期间大气消光系数为(1173.42±641.21) Mm~(-1),其中"干"气溶胶散射系数、"干"气溶胶吸收系数、干洁大气散射系数、气态污染物吸收系数和气溶胶吸湿性消光系数对其平均贡献率分别是53.02%、6.54%、1.50%、1.65%和37.29%.②大气消光系数、"干"气溶胶散射系数和气溶胶吸湿性消光系数的日变化为"单峰单谷型",而"干"气溶胶吸收系数和气态污染物吸收系数的日变化则分别表现为"单谷型"和"双峰双谷型".③明确了单位质量大气消光系数及其组成随相对湿度的变化特征,并就其各自成因进行了分析.     

气溶胶等效复折射率反演的免疫进化算法

通过Mie散射理论公式构建目标函数,利用免疫进化算法对气溶胶等效复折射率的实部和虚部进行协同优化,据此创新性地提出了气溶胶等效复折射率反演的新途径.基于成都市2017年9~12月逐时的气溶胶散射系数和吸收系数观测数据以及该时段同时次GRIMM180大气颗粒物监测仪的连续监测资料,研究结果表明,气溶胶等效复折射率反演的免疫进化算法不仅是普适的,而且还具有收敛速度快、计算稳定和求解精度高等特点.通过与其它气溶胶等效复折射率反演方法的对比分析,进一步论证了新方法的优势,这为气溶胶等效复折射率演变机理以及气溶胶吸湿性增长模型的后续研究提供了算法保障.     

气溶胶粒径吸湿增长与散射吸湿增长的关系

基于成都市2017年10~12月AURORA-3000积分浊度计、AE-31黑碳仪和GRIMM180环境颗粒物监测仪的地面逐时观测资料,以及该时段同时次的环境气象监测数据（大气能见度、相对湿度RH和NO₂质量浓度）,通过Mie散射理论与免疫进化算法反演气溶胶粒径吸湿增长因子Gf（RH）,并利用光学综合法测量气溶胶散射吸湿增长因子f（RH）,探究了Gf（RH）与f（RH）之间的关系.结果表明：当RH<85%,Gf（RH）和f（RH）随RH的增加均表现为平缓式增长;当RH>85%,Gf（RH）和f（RH）随RH的增加则均呈现出爆发式增长.Sigmoid函数f（RH）=17.34/（1+e^{-2.43·[Gf（RH）-2.15}]）较好地拟合了f（RH）随Gf（RH）的变化形态,其f（RH）拟合值与测量值之间的决定系数（R²）和平均相对误差（MRE）分别为0.97和4.01%.利用sigmoid函数计算Gf（RH）,模拟了观测时段内一次灰霾演化过程中气溶胶的散射系数b_sp（RH）和吸收系数b_ap,二者的模拟值与测量值基本吻合,对应的R²分别为0.99和0.98,MRE分别为2.94%和5.24%.     

耦合气溶胶双参数化方案的大气能见度数值改进算法

将气溶胶复折射率（Aerosol Complex Refractive Index,ACRI）和气溶胶粒径吸湿增长因子（Growth Factor,Gf（RH））参数化方案进行耦合,提出了一种基于Mie散射模型的大气能见度数值改进算法.并利用成都市2017年10~12月WS600一体式气象站、AURORA-3000积分浊度计、AE-31黑碳仪以及GRIMM180环境颗粒物监测仪分别观测获得的相对湿度（RH）,干气溶胶散射系数（b_sp）,干气溶胶吸收系数（b_sp）,气溶胶质量浓度（PM₁₀,PM_2.5,PM₁）及其数浓度粒径分布（N[r（RH）]）的地面逐时观测资料,通过与两种能见度计算模型（经验参数的Mie散射模型和统计模型）在不同能见度区间（<2km,2~5km,5~10km,>10km）模拟结果的对比分析,评估了该改进算法的适用性.结果表明：三种能见度计算方法均能较好地模拟出能见度的变化特征;改进算法通过本地化参数化方案更准确地估计出DACRI和Gf（RH）,从而可更准确地模拟出四类能见度区间,对应模拟值与实测值的相关系数（R）分别为0.62,0.90,0.89,0.93,平均相对误差（MRE）分别为9.86%,10.39%,9.94%,14.06%.     

干气溶胶复折射率的参数化方案

基于成都市2017年10~12月WS600一体式气象站、AURORA-3000积分浊度计、AE-31黑碳仪以及GRIMM180环境颗粒物监测仪的地面逐时观测数据,结合Mie散射理论数值改进算法与免疫进化算法反演了550nm波长处干气溶胶复折射率（DACRI）的实部（n_re）和虚部（n_i）.通过分析DACRI反演结果与颗粒物质量浓度之比（BC/PM₁,BC/PM_2.5,BC/PM₁₀,PM₁/PM_2.5,PM₁/PM₁₀和PM_2.5/PM₁₀）之间的相关性,利用逐步线性回归方法分别构建了n_re和n_i的参数化方案. n_re和n_i的参数化方案拟合值与实测值之间的相关系数（R）分别为0.54和0.85（P<0.0001）,平均相对误差（MRE）分别为2.31%和15.18%.此外,利用该参数化方案计算的DACRI模拟了一次灰霾演化过程中干气溶胶的散射系数b_sp和吸收系数b_ap,其模拟值与实测值之间的相关系数分别为0.98和0.91（P<0.0001）,平均相对误差分别为7.43%和14.97%.     

免疫进化算法反演均匀混合气溶胶吸湿增长因子

通过对大气消光系数进行组分分解,并借助米散射理论,构建了以均匀混合气溶胶吸湿增长因子为唯一变量的目标函数.进一步利用免疫进化算法优化该目标函数,提出了一种针对均匀混合气溶胶吸湿增长因子的反演算法.基于成都市2017年10~12月浊度计,黑碳仪和GRIMM180环境颗粒物监测仪的地面逐时观测资料以及该时段同时次的环境气象监测数据（大气能见度,相对湿度RH和NO₂质量浓度）,评估了算法的性能及其适用性.结果表明：对所有测试样本而言,反演均匀混合气溶胶吸湿增长因子的免疫进化算法均能快速收敛到全局最优解.建立了成都地区秋冬季均匀混合气溶胶吸湿增长模型,该模型显著提升了环境条件下气溶胶散射系数的模拟精度,其模拟值与实测值之间的平均相对误差仅为12.7%.该反演算法的普适性可为气溶胶吸湿性及其辐射强迫效应的后续研究提供算法保障.     

气溶胶粒径吸湿增长与散射吸湿增长的关系

基于成都市2017年10~12月AURORA-3000积分浊度计、AE-31黑碳仪和GRIMM180环境颗粒物监测仪的地面逐时观测资料,以及该时段同时次的环境气象监测数据（大气能见度、相对湿度RH和NO₂质量浓度）,通过Mie散射理论与免疫进化算法反演气溶胶粒径吸湿增长因子Gf（RH）,并利用光学综合法测量气溶胶散射吸湿增长因子f（RH）,探究了Gf（RH）与f（RH）之间的关系.结果表明：当RH<85%,Gf（RH）和f（RH）随RH的增加均表现为平缓式增长;当RH>85%,Gf（RH）和f（RH）随RH的增加则均呈现出爆发式增长.Sigmoid函数f（RH）=17.34/（1+e^{-2.43·[Gf（RH）-2.15}]）较好地拟合了f（RH）随Gf（RH）的变化形态,其f（RH）拟合值与测量值之间的决定系数（R²）和平均相对误差（MRE）分别为0.97和4.01%.利用sigmoid函数计算Gf（RH）,模拟了观测时段内一次灰霾演化过程中气溶胶的散射系数b_sp（RH）和吸收系数b_ap,二者的模拟值与测量值基本吻合,对应的R²分别为0.99和0.98,MRE分别为2.94%和5.24%.