2013年10月长株潭城市群一次持续性空气污染过程特征分析

2013年10月21~31日长株潭城市群经历了一次持续性空气污染过程.利用地面空气质量监测资料、地面气象资料及探空资料综合分析了此次污染过程与大气环流、边界层气象条件之间的相互关系,并利用卫星遥感火点监测资料和HYSPLIT4模式,分析了此次过程大气污染物的来源及输送路径.结果表明,过程前期(21~26日),污染物缓慢积累,过程后期(27~31日),PM2.5、CO、NO2等焚烧特征污染物浓度急剧升高,秸秆焚烧污染物的长距离输送是后期空气污染加重的主要原因.火点监测和后向轨迹分析表明,过程前期气流主要流经长株潭城市群东北方向的安徽、湖北等地,流经地区火点分布较少,后期气流主要流经长株潭城市群东南方向的江西等地,流经地区火点分布较多.高压均压场背景环流导致的稳定大气层结、南北冷暖气流对峙造成的地面静小风,是长株潭城市群污染过程发展、维持和加强的重要条件,污染物长距离输送对长株潭城市群区域空气质量有重要影响.     

Observations of atmospheric pollutants at Lhasa during 2014–2015: Pollution status and the influence of meteorological factors

Atmospheric pollutants including SO₂, NO₂, CO, O₃ and inhalable particulate matter (PM_2.5 and PM₁₀) were monitored continuously from March 2014 to February 2015 to investigate characteristics of air pollution at Lhasa, Tibetan Plateau. Species exhibited similar seasonal variations except O₃, with the peaks in winter but low valleys in summer. The maximum O₃ concentration was observed in spring, followed by summer, autumn, and winter. The positive correlation between O₃ and PM₁₀ in spring indicated similar sources of them, and was assumed to be turbulent transport. Temperature was the dominant meteorological factor for most species in spring. High temperature accelerates O₃ photochemistry, and favors air disturbance which is conductive to dust resuspension in spring. Relative humidity (RH) and atmospheric pressure were the main meteorological factors in summer. RH showed negative correlations with species, while atmospheric pressure posed opposite situation. Wind speed (WS) was the dominant meteorological factor in autumn, the negative correlations between WS and species indicated diffusion by wind. Most species showed non-significant correlations with meteorological factors in winter, indicating the dependence of pollution on source emission rather than restriction by meteorology. Pollution weather character indicated that emissions were from biomass burning and dust suspension, and meteorological factors also played an important role. Air stream injection from the stratosphere was observed during O₃ pollution period. Air parcels from Southwest Asia were observed during air pollution period in winter. An enhancement in air pollutants such as O₃ would be expected in the future, more attention should be given to countermeasures for prevention of air pollution in the future.     

冷空气过程对江苏持续性霾的影响研究

利用地面气象观测资料、PM_(2.5)浓度监测资料和数值模式产品对2016年12月14—24日江苏遭遇的一次长时间霾天气过程进行分析.研究结果表明:过程期间有两次冷空气南下影响江苏省,两次冷空气均带来大风和降水,有效地清除了前期污染物,但随后全省PM_(2.5)浓度开始升高.第一次冷空气强度强于第二次,造成的污染也较重.WRF-Chem模式对本次过程的气象场和PM_(2.5)浓度模拟均较好,模拟观测相关系数分别达到0.52~0.99和0.40.模式能够较好地模拟出污染物的输送过程和时空分布.与第二次冷空气过程相比,第一次冷空气过程存在明显的污染物自北向南输送过程,100~500 m高空持续偏北气流(第2次过程为西北-偏西气流),期间全省平均边界层高度(PBLH)只有260 m(低于第2次过程的500 m),不利于污染物垂直扩散,造成地面浓度较高.利用HYSPLIT-4模式追踪了两次过程中淮安、泰州、无锡三站上空100 m处大气48 h后向轨迹,发现第一次过程中污染物来自山东中西部,第二次来自西部内陆地区.     

乌鲁木齐市空气污染时空分布特征及其与气象因素相关分析

基于乌鲁木齐市7个检测站点实测数据(参照《环境空气质量标准》规定的6项常规监测污染物(PM_2.5、PM_10、SO_2、NO_2、CO、O_3)的24小时/8小时国家二级标准和AQI分级标准),对乌鲁木齐市2016年空气质量做变化趋势分析。结合乌鲁木齐市气象要素和城市发展数据对乌鲁木齐市空气质量影响因素做相关分析,然后利用层次分析法(AHP)对乌鲁木齐市环境空气污染时空分布特征的影响因素做评价分析。研究结果有:(1)乌鲁木齐市2016年1月,轻度污染天气占整月的3%、中度污染天气占26%、严重污染天气占32%、重度污染天气占39%;工业园区集中的米东区是乌鲁木齐市空气污染最严重的城区。(2)乌鲁木齐市的城区空气污染物因子和同期气象因素相关性显著;(3)重要污染物企业的空间分布对乌鲁木齐市空气污染空间分布起到绝对的影响作用。     

G20峰会期间杭州地区空气质量特征及气象条件分析

利用空气质量和气象要素的监测资料与再分析资料,分析了2016年G20峰会期间(2016年8月10日—9月20日)杭州及周边地区空气质量演变及区域特征,探讨了气象条件对G20峰会期间杭州空气质量的影响.结果表明:G20峰会管控期间,由于机动车排放大幅度降低,杭州NO_2浓度较管控前有所下降,对比周边城市降幅居于首位;而由于不利气象条件的影响,PM_(2.5)、PM_(10)、SO_2、CO和O_3浓度比管控前有不同程度的增长,但增幅相比周边城市较小,说明管控措施对杭州空气质量有一定的改善效果.9月7日管控措施结束后污染反弹现象明显.气象条件对杭州的空气质量有重要影响:在管控前,杭州晴热高温天气有利于O3的生成,偏东风相对洁净,污染传输较少;在管控期,杭州虽受到静稳天气和外来污染传输的影响,但得益于减排应急管控措施的有效实施,NO_2浓度下降幅度最大,其他污染物的增幅也较周边城市偏小;在管控后,气象条件不利于污染物的垂直扩散,受静稳天气和污染源恢复常态的影响,PM_(2.5)、PM_(10)、NO_2、SO_2和CO出现了整个研究时段的最大值,而台风"莫兰蒂"使得杭州PM_(2.5)、PM_(10)和O_3浓度出现了整个研究时段的最低值.     

基于WRF-Chem和EMI指数的新冠肺炎疫情期间沈阳市大气污染物浓度变化原因分析

利用2015—2020年沈阳市空气质量监测数据、地面气象观测资料、环境气象评估指数（EMI）产品、NCEP再分析资料及WRF-Chem数值模式,分析新冠肺炎疫情防控期间沈阳市主要大气污染物和气象要素的变化情况,研究空气质量对污染物减排和气象要素变化的响应.结果表明：疫情防控导致沈阳市PM_2.5、PM₁₀和NO₂质量浓度下降,但O₃质量浓度小幅增加;PM_2.5和NO₂对人为减排的响应更敏感;防控期内沈阳市气象条件有利于污染物的清除,气象条件使PM_2.5质量浓度下降16.37%,防控减排措施导致PM_2.5质量浓度下降22.96%;在疫情防控的背景下,不利的气象条件和污染物排放的突然增加共同造成重污染天气发生,其中不利气象条件的贡献大于排放增加的贡献;减排措施对防控期间重污染天气过程污染物峰值浓度有明显的削弱作用.     

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.     

基于机器学习算法的新冠疫情管控对河南省空气质量影响的模拟分析

全国各地为了减少新冠疫情对社会和人民生活的影响,采取了必要的防疫防控措施,这些措施对空气质量的变化产生了重要的影响,此外空气质量的变化与气象条件也存在很大的关系.通过对河南省疫情前（1月1~26日）和疫情管控期（1月27日~2月29日）这两阶段的空气质量分析对比发现,整个河南省除了O₃浓度上升了69.64%外,PM_2.5、PM₁₀、SO₂、CO和NO₂分别降低了36.89%、34.18%、19.43%、29.85%和58.51%;通过机器学习算法中的长短期记忆型网络（LSTM）模拟显示,气象条件引起污染物浓度的降幅大部分在15%~30%之间;人为排放减少引起的污染物浓度的降幅大部分在6%~40%之间.O₃在疫情期间上升过程中,气象条件和人为排放两种因素分别占了34.84%和34.81%.结果表明,疫情管控期间,河南省空气质量总体上有所改善,但是也有重污染发生,其中O₃的浓度对于疫情管控减排的影响不明显,呈负相关,需要进一步探索引起臭氧浓度上升的原因,以此帮助政府合理控制臭氧等前体污染物的减排比例.     

2017年厦门金砖会晤期间气象因素与管控措施对空气质量的影响

2017年厦门金砖会晤期间采取了大气污染临时管控措施,使AQI小时值和日均值均达到了双优的预期目标.本文根据管控措施实施的前、中、后阶段,厦门及周边城市大气污染物浓度的变化,对气象因素和人为因素的影响分别进行分析.结果发现,气态污染物对临时管控措施的敏感性最强,SO₂和NO₂的降幅（39.9%和25.6%）明显高于PM_2.5和PM₁₀的降幅（5.5%和4.8%）,台风外围带来的大风和降水可显著改变大气污染物的周期性变化规律.大气PM_2.5组成及SO₂/NO₂、SO₄^2-/NO₃^-、OC/EC和WSOC/OC等比值变化显示机动车（尤其是柴油货车）是本地区大气污染物的重要来源.控制变量分析显示,厦门金砖会晤期间气象因素对颗粒物和NO₂削减的贡献更大（20.3%）,而临时管控措施对SO₂的削减效果更明显（23.2%）,且有一半以上（51%~64%）的大气污染物来自外来源输送.     

2015—2017年天水市大气污染物变化特征及来源分析

据天水市2015-2017年大气污染物（SO₂、NO₂、CO、O₃、PM_2.5和PM₁₀）的监测数据及气象资料,分析了天水市大气污染物的浓度变化特征,并利用排放源清单和HYSPLIT模型对污染物来源进行了解析.结果表明：①天水市空气质量有所下降,总体优良率达84.9%.SO₂、NO₂、CO均达标,污染物以颗粒物和O₃为主.②一次污染物SO₂、NO₂、CO、PM_2.5和PM₁₀浓度具有相似的季节变化和日变化特征,冬季最高,夏季最低,日变化呈早晚双峰型.二次污染物O₃夏季浓度最高,冬季最低,日变化呈单峰型.③天水市空气质量主要受污染物的本地排放和外来输送的影响,本地民用和工业部门对SO₂、CO、PM_2.5和PM₁₀的贡献最大,交通和工业部门对NO_x的分担率最高,民用部门是CO的最大排放源;西北和东部气流是污染物外来的最主要输送路径.此外,污染物在城市大气中的稀释、扩散和转移也受当地气象因素（气温、降水、风向等）的影响.     

缺失烟囱参数估算及其应用对空气质量模拟结果的改进

针对源清单中部分点源烟囱参数缺失而采用源排放模型SMOKE(Sparse Matrix Operator Kernel Emissions)默认的烟囱参数对空气质量模型模拟结果造成的不利影响,综合考虑气象观测数据、空气质量监测数据、源排放强度以及相关标准和规范对烟囱设计的要求,分别基于最大落地浓度法和基于统计方法对2009年珠三角地区源清单中缺失烟囱参数点源的烟囱参数进行了估算,并将估算烟囱参数用在WRF/SMOKE-PRD/CMAQ空气质量模型系统分析其对模型模拟的改善情况.相比于采用SMOKE默认烟囱参数,基于最大落地浓度估算烟囱参数对NO2、NOx、SO2、PM10及O3的模拟结果均具有一定改善作用,而基于统计方法估算烟囱参数仅对SO2、O3的模拟结果有所提高.结果表明,使用基于最大落地浓度法估算得到的烟囱参数更为合理,使污染物的垂直排放分配更加合理,可以应用于空气质量模型输入源清单中缺失烟囱参数点源的估算,从而一定程度上改善空气质量模型的模拟效果.     

基于KZ滤波法的河北省PM2.5和O3浓度不同时间尺度分析研究

大气细粒子和臭氧是影响我国城市空气质量的主要污染物质,其浓度的大小不仅与污染源的排放量有关,气象条件也是影响其浓度分布特征的重要因素.要评估污染物减排措施的效果,有必要将气象条件的影响剥离出来,仅评估排放量的降低对污染物浓度长期变化趋势的影响.本文使用KZ(Kolmogorov-Zurbenko)滤波方法对河北省石家庄、保定、张家口三市2013—2017年PM_(2.5)和O_3逐日浓度时间序列进行分解,并使用同期地面气象观测数据对各时间序列进行逐步回归分析,将经过KZ滤波后的长期序列与经逐步回归后的结果的差值再次进行滤波处理,得到去除气象影响的污染物浓度长期变化趋势,该浓度仅与污染物的排放量有关.结果表明,因污染源排放的影响,河北省三市大气PM_(2.5)浓度在研究年内除在2017年初略有上升以外,其余季节均呈下降趋势.河北省三市大气O_3浓度在研究年内均有波动上升趋势.气象条件对PM_(2.5)浓度长期变化趋势的影响大于O_3.     

APEC会议前后北京地区PM2.5污染特征及气象影响因素

为分析APEC会议前后北京地区PM_2.5变化特征,利用中国科学院大学雁栖湖校区超级站在2014年10—12月的连续观测数据,对APEC会议前后北京地区污染物分布及变化特征、气象影响因素和气团传输路径特征进行了分析. 结果表明:APEC会议期间北京地区减排效果显著,ρ(PM_2.5)平均值比会前下降了60.5%. 气象条件对污染物扩散起到积极作用,APEC期间平均风速为1.40 m/s,平均相对湿度为31.9 %,近地面气象条件优于APEC会前、会后. 北京地区受到外来污染物输送的影响,在2.00~3.00 m/s的南风下易发生来自南部地区的PM_2.5和SO₂输送. APEC会议期间北京地区主要受来自西北地区的高速、高海拔气团控制,其出现频率为39.6%,远低于APEC会前 (15.9%)和会后(20.8%),而来自南部地区的低速、低海拔污染气团的出现频率仅为2.1%,扩散条件总体良好. 研究显示,除了减排措施有效削减了污染物排放以外,有利的气象条件也是APEC会议期间北京地区保持良好空气质量的重要因素.      

上海宝山钢铁总厂大气环境影响预断评价

上海宝山钢铁总厂是我国最大的建设项目。由于地处上海市这样工业集中,人口密集的大城市北部,距市中心25km,要判明宝钢在偏北风条件下对市区及附近地区的影响程度,必须进行预断评价。根据宝钢建设具体情况,这次预评价以大气评价为主。经讨论确定了五个课题和承担单位: 1.大气污染输送规律的研究(上海市气象科学研究所); 2.大气污染现状(上海市卫生防疫站); 3.评价区大气中SO_2污染源调查(上海     

珠三角秋季典型气象条件对空气污染过程的影响分析

利用空气质量指数(AQI)、主要大气污染物浓度和气象要素、天气图等数据资料,结合中尺度数值天气预报模式WRF,对2014年10月珠三角地区污染期间的天气形势及气象特征进行了分析.结果表明,WRF模式可以较好地反映珠三角地区主要城市地面和高空气象要素的时空变化,9个城市平均地表的温度、相对湿度和风速的模拟值与观测值的相关系数分别为0.90、0.87和0.78.对2014年10月3次污染过程的分析表明,造成该时段珠三角地区空气污染的天气形势主要是高压底部型和均压场型.静风或小风(2 m·s~(-1))及稳定的大气层结均不利于污染物的扩散,同时由于偏北气流输送周边污染物到珠三角地区,导致污染物浓度不断增加.相对湿度低于65%时,珠三角地区首要污染物以O_3为主;相对湿度高于70%时,PM_(2.5)浓度逐渐增加,成为主要污染物.高温等气象条件会影响光化学反应,加重珠江三角洲的空气污染,表现了该地区大气复合污染的特性.     

2014年2月下旬京津冀持续重污染过程的静稳天气及传输条件分析

利用常规气象观测资料、空气质量监测资料、再分析资料和数值模式资料,分析了2014年2月20-26日京津冀地区持续重污染天气过程的环流背景、气象要素特征、静稳天气条件和传输条件.结果表明：2月20-26日,亚洲东部受弱高压脊控制,京津冀及周边地区位于地面高压后部,等压线较为稀疏,气压梯度小,造成地面风速较小;与此同时,混合层高度低,通风系数小和逆温存在,构成重污染天气出现和维持的气象条件,均不利于大气中污染物和水汽的垂直和水平扩散.静稳天气指数对于重污染天气有一定的指示意义,高静稳天气指数通常对应高PM_2.5浓度,且二者变化趋势一致性高;2月20-26日静稳天气指数总体上大于2014年1-3月其他几次污染过程,且在高位长时间维持,造成此次污染过程更严重.此外,传输条件也是京津冀重污染天气的主要成因：地面高压西侧的偏南或偏东气流有助于污染物和水汽向京津冀地区输送和聚集,使能见度进一步降低、污染物浓度进一步升高.     

河谷地形气象要素对污染物浓度的影响

气象条件对环境空气质量影响的研究是科学制订大气环境污染防控方案、及时发布重污染天气应急预警的基础.利用兰州市西固区环境空气质量监测点2015年主要污染物小时浓度监测值,分析了污染物浓度的季节性变化和日变化特征,结合同期观测的气温、风速、相对湿度和降水量等气象资料,探讨了气象要素对污染物浓度变化的影响.结果表明:①除O₃外,其他污染物质量浓度呈"冬高夏低""早晚高下午低"的变化特点,这与表征污染物扩散能力的边界层参数变化特征一致. ②ρ（O₃）春季为71.42 μg/m3,夏季为62.74 μg/m3,春季高于夏季的主要原因是春季O₃的前体物NO_x质量浓度高于夏季且春季扩散条件弱于夏季. ③除O₃外,其他污染物质量浓度与气温、风速呈负相关. ④当相对湿度 < 40%时,污染物质量浓度与相对湿度呈正相关;当相对湿度>80%时,污染物质量浓度与相对湿度呈负相关;降雨对不同污染物的清除效果不同.研究显示,河谷地形气温和风速是影响污染物扩散的重要气象因子.      

基于星地同步观测的华北平原中部背景地区冬季霾污染过程

利用地基观测结果和多源卫星遥感观测,结合气象数据及HYSPLIT4后向轨迹模式,对华北平原中部背景地区(河南省郑州市中牟县东南郊)冬季霾事件的污染物特征和形成过程进行分析.综合观测时间为2014年12月13日~2015年1月16日,共有5次霾过程,占观测总天数的82%.地面监测结果显示,不同的污染过程污染物浓度变化曲线相似,O₃浓度在清洁天浓度较高;NO_x、SO₂、PM₁₀、PM_2.5呈较强正相关性,NO_x、SO₂与 PM₁₀相关系数0.64、0.57,与PM_2.5相关系数0.56、0.45;近地面污染物以细粒子污染物为主,其中又以气态污染物二次生成的细粒子为主.AMPLE地基激光雷达和CALIPSO数据表明,华北平原霾层中上部受浮尘影响,以粗粒子污染物为主.气象探空数据表明该地区冬季大气对流层稳定利于霾的维持,假相当位温垂直差、K指数、露点差与能见度相关系数分别为0.52、0.56和 0.38.分析近地面风速风向对霾过程的影响表明,该地区冬季以南方向静小风为主,风速与能见度相关系数为0.32 ,PM₁受东北方向污染源影响,PM_1~2.5及PM_2.5~10受西北方向污染源影响;结合高空风场分析,霾过程1受西北浮尘影响,霾过程5受南来水汽影响.通过后向轨迹分析,该地区冬季的低空污染传输主要来自东北和西北方向,其中东北方向区域传输来自河北与山东,占来源比例的14%,近距离污染传输主要来自站点以西的郑州、洛阳,约占来源比例的33%.     

利用多元线性回归方法评估气象条件和控制措施对APEC期间北京空气质量的影响

气象条件对大气污染物的扩散和传输有重要影响,准确分离和定量气象因素对空气质量的影响是评估大气污染控制政策有效性的前提.本研究利用APEC会议期间及前后(2014-10-15～2014-11-30)北京城区朝阳观测站点SO_2、NO、NO_2、NO_x、CO、PM_(2.5)、PM_1和PM_(10)以及气象因素的观测数据,采用多元线性回归分析方法,定量评估了气象条件和空气污染控制措施对APEC期间北京空气质量的影响.在假定排放条件不变的情况下,基于气象因素参数建立的预测污染物浓度的多元线性回归模型模拟效果较为理想,决定系数R~2在0. 494～0. 783之间.控制措施使得APEC控制期SO_2、NO、NO_2、NO_x、CO、PM_(2.5)、PM_1和PM_(10)浓度分别降低48. 3%、53. 5%、18. 7%、40. 6%、3. 6%、34. 8%、28. 8%和40. 6%,气象因素使得APEC控制期SO_2、NO、NO_2、NO_x、CO、PM_(2.5)、PM_1和PM_(10)浓度分别降低1. 7%、-2. 8%、18. 7%、4. 5%、18. 6%、27. 5%、30. 6%和35. 6%.气象因素和控制措施共同作用使得APEC控制期北京空气质量得到了明显改善.控制措施对SO_2和氮氧化物浓度的下降起主导作用,气象因素对CO浓度的下降起主导作用,气象因素和控制措施对颗粒物浓度降低的贡献相当.本研究还利用相对权重方法研究了气象因素对污染物浓度影响的贡献,结果表明影响不同污染物浓度的决定性气象因素不同.     

Multi-dimension apportionment of clean air “parade blue”phenomenon in Beijing

The mass concentration and major chemical components of fine particulate matter were measured before, during and after Beijing''s massive parade commemorating 70th anniversary of the Chinese Victory in World War II on September 3, 2015. Regional emission inventory, positive matrix factorization (PMF), observations from space and backward air mass trajectories were jointly applied to identify the major pollution sources and their temporal and spatial variations. The contributions of emissions, their variations and the meteorological conditions related to the “parade blue” phenomenon in Beijing and its surrounding areas were investigated in detail. The main cause of the decreased PM_2.5 mass concentration was attributed to the absolute reduction in emissions of primary air pollutants. The chemical composition of PM_2.5 varied significantly before, during and after the parade. Fugitive dust particles were well controlled, the secondary formation of PM_2.5 was reduced along with the controlled gaseous precursors'' emissions from vehicles and industrial sources during the temporary intensified control period. During the parade period, the SO₂ and NO₂ column concentrations in Beijing and the surrounding areas decreased sharply, indicating that the coordinated reduction in primary emissions from the surrounding areas of Beijing played an important role in lowering the ambient concentration of SO₂ and NO₂ and accordingly lowered PM_2.5 and improved the regional air quality. A comparison of the temperature, humidity, and wind speed and direction during the same periods in 2014 and 2015 showed that the meteorological conditions positively influenced the achievement of “parade blue”.