基于Models-3的自修正空气质量预报系统及其效果检验

本文介绍了一个以Models-3为基础的自动化空气质量数值预报系统,该系统通过Gambas、Yabasic和R语言等工具进行开发,集成WRF-SMOKE-CMAQ三个模式,可通过监测数据进行自动修正,完成空气质量业务数值预报,并将结果发布到Web服务器上进行呈现。该系统对硬件的要求较低,将部署于一台DELL Optiplex 9010工作站上,设置6km—2km双层嵌套,进行成都市空气质量数值预报。本文分析了成都市2014年1月1日至2014年12月31日的空气质量数值预报结果,评价系统对成都市NO_2、SO_2、PM_(10)、PM_(2.5)、O_3、CO以及空气质量指数(AQI)的预报效果。结果显示,系统对于成都市2014年空气质量变化情况趋势的预报效果较好,302天有效预报中,24小时直接预报的空气质量等级准确率为58.27%,AQI预报相关系数0.71,观测值自动修正预报对24小时空气质量预报具有明显改善效果,使其等级预报准确率达到64.9%,相关系数提高到0.89。     

乌鲁木齐空气质量指数特征及其与气象要素相关性分析

利用2018年3月至2019年2月乌鲁木齐市空气质量指数(AQI)和同期6种主要空气污染物(PM_(2.5)、PM_(10)、NO_2、SO_2、CO、O_3)以及气象要素数据,研究空气质量指数的变化特征,并分析其与6种主要空气污染物浓度及气象要素的相关性,为乌鲁木齐市大气污染与气象要素相关性研究提供一定的数据支撑。结果表明:乌鲁木齐市首要污染物最多的是PM_(2.5),其次是PM_(10)、NO_2和O_3,AQI指数与PM_(2.5)、PM_(10)、NO_2、SO_2、CO均呈高度相关,与O_3呈中度相关;空气质量指数与平均气温以及能见度具有显著的负相关性(p0.01),而与平均本站气压、平均相对湿度、平均风速、日照时数的相关性均不显著(p0.01)。     

WRF CMAQ模式对常州市空气质量预报效果的评估

基于通用多尺度空气质量模型The Weather Research and Forecasting model coupled with CMAQ(WRF-CMAQ)对常州市2018年6～12月的空气质量预报结果,结合实况资料,进行了预报效果评估,以期为常州市空气质量的预报提供更好的参考。结果表明:(1)模式对常州市各预报时效空气质量指数(AQI)和各污染物浓度的标准化平均偏差(MFB)和标准化分数误差(MFE)均处于"理想水平"范围,能较好的反映实际空气质量变化趋势。(2)当空气质量为优良时,AQI和空气质量等级(AQI等级)预报效果最好,当空气质量达中度及以上污染时,预报效果最差,应进一步优化调整。(3)模式对首要污染物24小时预报准确率为66.9%,当空气质量为轻度污染及以上级别时,预报准确率较高。(4)模式对AQI的预报总体存在负偏差,对细颗粒物(PM_(2.5))浓度的模拟结果较好,对臭氧(O_3)和可吸入颗粒物(PM_(10))存在低估现象,对二氧化硫(SO_2)、二氧化氮(NO_2)和一氧化碳(CO)等3项污染物浓度均有所高估。     

克拉玛依市PM_(2.5)污染特征分析

对克拉玛依市2014-2015年PM_(2.5)质量浓度进行整理统计,通过Arc GIS空间插值和EXCEL数理统计分析得出PM_(2.5)的质量浓度变化特征。结果表明,PM_(2.5)各小时浓度均低于国家二级标准,整体空气质量为良;PM_(2.5)季节浓度呈现冬季高,春夏低的规律,其中2月份浓度最高,为63.7μg/m3,4月份最低为23.6μg/m3;各监测站PM_(2.5)浓度受盛行风影响自西北向东南方向递增,依次为南林小区、长征新村、白碱滩区、独山子区、乌尔禾区商贸区;PM_(2.5)与PM10全年平均比值为0.53,整体空气污染较重。此外,PM_(2.5)与NO_2和SO_2均呈正相关,与O_3呈负相关性,说明汽车尾气和化石燃料排放是PM_(2.5)的主要来源。     

长沙市空气质量变化特征及气象要素影响分析

利用2015—2018年长沙市连续在线观测得到的环境空气6项污染物质量浓度和同期的气象要素数据,分析空气质量变化特征及其与气象要素的关系。结果表明:长沙市空气质量正逐年好转,且具有明显的季节特征,呈春夏季较好、冬秋季较差的特征;影响长沙市空气质量最主要的首要污染物为PM_(2.5),其次为O_3,且以PM_(2.5)为首要污染物的天数逐年减少,以O_3为首要污染物的天数逐年增加。PM_(2.5)、PM_(10)、NO_2、SO_2、CO浓度的季节变化特征都是夏低冬高,但O_3浓度的季节变化却是夏高冬低。各项污染物浓度与同期5种气象要素的相关性分析结果表明:各项污染物浓度与气压、气温、降水量、风速相关程度较高,其中,O_3与气象要素的相关性与另外5种污染物的相关性完全相反。     

长沙市空气自动站周边区域大气污染物排放源清单

以长沙市空气自动站周边3 km为研究对象,基于统计年鉴和实地调查,获得了该地区2015年储存运输源、废弃物处理源、工艺过程源、化石燃料固定燃烧源、农业源、生物质燃烧源、扬尘源、移动源8个源类的活动水平数据。以大气污染物排放源清单编制技术指南为依据,建立了2015年长沙市空气自动站周边3 km区域NH_3、NO_x、PM_(10)、PM_(2.5)、SO_2、VOCs等6项污染物的源排放清单。结果表明,2015年长沙空气自动站周边3 km内,8类大气污染源排放的NH_3、NO_x、PM_(2.5)、PM_(10)、SO_2、VOCs总量分别为53.65t、4 899.35t、1 846.09t、6 257.75t、989.49t、4 383.31t。NH_3、NO_x、PM_(2.5)、PM_(10)、SO_2、VOCs排放量最大的源分别是农业源、移动源、扬尘源、扬尘源、化石燃料固定燃烧源和移动源,贡献率分别为98.45%、84.24%、60.82%、85.90%、97.33%、49.88%。优化道路交通、减少燃煤、减少建筑工地扬尘排放可促进长沙市空气自动站周边空气质量改善。     

高密市环境空气污染物浓度变化特征

基于2014—2018年高密市大气监测数据,分析了SO_2、NO_2、PM_(10)、PM_(2.5)浓度的变化特征及成因,对四项污染物及降雨量进行了相关性分析,利用GM(1,1)模型对高密市未来空气质量进行了预测。结果表明,2014—2018年高密市环境空气中SO_2、NO_2、PM_(10)、PM_(2.5)年际变化呈现出逐年下降趋势;污染物月均值变化均为冬春季浓度高,夏秋季浓度低;通过相关性分析发现,环保政策对高密市空气质量总体改善起到了决定性作用,自然地理因素对高密市大气污染物月均值的变化影响明显。     

广安市大气污染源排放清单研究

基于全面的实地调研,获取了广安市2016年各典型污染源的活动水平数据,以城市大气污染物排放清单编制技术手册为指导,采用排放因子法,建立了广安市2016年大气污染源排放清单,并分析了主要污染源排放特征。结果表明,2016年广安市SO_2、NO_X、CO、PM_(10)、PM_(2.5)、VOCs、NH_3总排放量分别为31 706 t、28 084 t、115 874 t、56 415 t、19 710 t、24 774 t以及39 484 t。SO_2排放主要来自工业源;NO_X排放主要来自工业源和移动源;CO排放主要来自工业源、民用燃烧源及移动源;PM_(10)和PM_(2.5)排放来自工业源、扬尘源和露天秸秆焚烧;VOCs主要来自工业源、移动源以及溶剂使用源;NH_3主要来自农业排放。     

NAQPMS模型预报合肥、蚌埠和芜湖空气质量的效果评估

评估了NAQPMS模式预报的合肥、蚌埠和芜湖2017年3月1日—2018年2月28日PM_(2.5)、PM_(10)和O_3地面浓度及预报准确率,发现模式对物种的预报能力依次为:O_3 PM_(2.5)PM10;对城市的预报能力依次为:合肥芜湖蚌埠。模式对PM_(2.5)和PM_(10)的预报能力在春季较弱,对O_3的预报全年均较强。整体而言,评估地区的空气质量以优良为主,等级准确率在秋季最高,冬季最低,年均值为69%;首要污染物以PM_(2.5)、O_3、PM_(10)和NO_2为主,其准确率在冬季最高,春季最低,年均值为62%。     

成都市城区大气污染特征及其假日效应研究

对成都市城区O_3、SO_2、NO_X、CO、PM_(2.5)、PM_(10)、苯和甲苯进行了为期一年的在线观测。结果表明:成都市超标最严重的为NO_X,年平均质量浓度为(100. 9±61. 5)μg/m3,超标天数为119 d。PM_(2.5)、PM_(10)、CO和NO_X的浓度均为冬季最高; O_3春夏季高而冬季低; SO_2浓度冬季相对较高但总体水平较低。春、夏、秋季成都市大气中苯系物的主要来源为机动车,冬季则是机动车源和燃烧源的综合贡献。O_3日变化呈"单峰型"; NO、苯和甲苯都在上午出现峰值; NO_2与PM_(10)、PM_(2.5)均呈现出"双峰双谷"型日变化; CO也为双峰型日变化。各大气污染物浓度没有明显"周末效应",但"长假效应"显著。     

成都市重污染期间PM_(2.5)中水溶性离子特征分析

为了解成都市冬季重污染过程中细颗粒物的水溶性无机离子污染特征,对一次重污染过程进行分析。此次重污染过程中,二次离子NO_3~-、SO_4~(2-)、NH_4~+是PM_(2.5)中主要的水溶性无机离子,且质量浓度大小为NO_3~-SO_4~(2-)NH_4~+,NO_3~-是首要离子;成都市PM_(2.5)中的阴阳离子基本达到了电荷平衡(C/A值为1.03),呈中性;NH_4~+/SO_4~(2-)比值为0.90,SO_4~(2-)和NO_3~-主要以(NH_4)_2SO_4和NH_4NO_3形式存在,([NO_3~-]+2[SO_4~(2-)])/[NH_4~+]比值小于1,说明此过程中为富氨;重污染期间,SOR和NOR平均值分别为0.46和0.26,与清洁天气相比二次转化更为明显,且硫氧化率大于氮氧化率;NO_3~-/SO_4~(2-)比值为1.49,说明重污染期间研究点处移动源已成为细颗粒物的重要来源。     

北京市区冬季PM_(2.5)污染特征及来源分析

选取北京市区为采样点,于2016年1月进行PM_(2.5)采集,并分析了PM_(2.5)和水溶性组分的污染特征和来源。结果表明,采样期间北京市PM_(2.5)质量浓度平均为67.7μg/m~3,水溶性离子是PM_(2.5)的主要组分,其中SO_4~(2-)、NO_3~-和NH_4~+之和占总离子的79.1%;Ca~(2+)和Mg~(2+)分别占PM_(2.5)质量浓度的2.5%和0.9%,海盐气溶胶和K~+分别占PM_(2.5)的3.6%和1.6%。采样期间NO_3~-/SO_4~(2-)为1.1,表明NO_2和SO_2主要来自移动源的贡献。北京市区冬季PM_(2.5)主要来自二次污染源、扬尘、生物质燃烧和海盐气溶胶,贡献率分别为42.351%、21.164%、16.314%和5.436%。     

新疆“乌-昌-石”区域空气质量变化特征分析

《自治区打赢蓝天保卫战三年行动计划(2018-2020)》将"乌-昌-石"重点区域作为主战场,其空气质量受到广泛关注。通过收集2018～2020年"乌-昌-石"区域空气质量数据,分析区域及所辖城市主要大气污染物浓度的时空分布特征和变化趋势。结果显示:2018～2020年"乌-昌-石"区域空气污染具有明显的时间和空间分布特征。2018～2020年"乌-昌-石"区域污染物PM_(10)、PM_(2.5)、NO_2和SO_2的年均浓度呈波动下降的趋势,CO和O_3的年均浓度呈小幅度波动上升的趋势;优良天数比例呈波动上升趋势。6种污染物质量浓度年内分布特征为单峰型分布,PM_(2.5)、PM_(10)、SO_2、NO_2、CO峰值在1～2月,O_3峰值在7月;五个地区的优良天数比例年内变化规律基本一致,均呈现倒"U"型曲线,1～2月污染最重,优良天数比例为22.60%～21.40%,12月次之,为38.70%。PM_(2.5)质量浓度在空间分布上呈现阜康最高、乌鲁木齐市最低,NO_2质量浓度分布为乌鲁木齐市最高、昌吉市和石河子市较高、其余地区较低,O_3质量浓度最大的地区为石河子市、其余地区均较低。     

炼化企业无机前体物排放对大气细颗粒物的贡献

大气污染物SO_2、NO_X、NH_3是形成二次细颗粒物(PM_(2.5))的重要无机前体物。为控制PM_(2.5)污染,要求形成一套便于炼化企业自身核算无机前体物排放对PM_(2.5)贡献的方法体系。探讨了基于排放清单、PM_(2.5)化学组成和NH_4~+/SO_4~(2-)摩尔浓度比值所建立的计算模型的合理性和可行性,并将其用于某炼厂进行案例分析。结果表明,所建立的计算模型可满足炼化企业PM_(2.5)核算要求,用于核算无机前体物排放对PM_(2.5)最大贡献量。案例企业排放前体物转化形成的PM_(2.5)等效排放量远高于该企业PM_(2.5)直接排放量,应予以关注。     

乌鲁木齐市空气质量5参数对PM_(2.5)的影响及PM_(2.5)浓度时空变化特征分析

根据新疆环境质量发布平台提供的数据,对乌鲁木齐市2014-2016年3年间7个监测点的PM_(2.5)(粒径小于等于2.5μm)日均质量浓度监测数据进行时空特征分析,其中,空间上运用IDW反距离权重插值法,分别对全年、采暖期和非采暖期数据进行整理分析。运用灰色关联模型对空气质量6参数(PM_(2.5)、SO_2、NO_2、CO、O_3、PM_(10)六项因子)进行计算,结果表明全年、采暖期、非采暖期对PM_(2.5)影响最大的因素都是CO。     

宜宾市大气细颗粒水溶性离子污染特征研究

在川南地区的宜宾市开展了大气细颗粒物(PM_(2.5))浓度及组分的季节观测分析,结果表明,采样点的PM_(2.5)年均浓度(51. 7μg/m~3)超过二级浓度限值47. 71%,同时全年有20. 94%的天数PM_(2.5)日均浓度超过二级浓度限值;冬季浓度最高、达81. 1μg/m~3,明显高于其他季节,夏季浓度最低。PM_(2.5)中水溶性无机离子浓度总和冬(42. 42μg/m~3)秋(32. 73μg/m~3)春(24. 57μg/m~3)夏(17. 0μg/m~3),但占PM_(2.5)浓度的百分比的季节规律则刚好与之相反,为夏(54. 19%)春(48. 1%)秋(46. 91%)冬(45. 45%);其中,SO_4~(2-)、NO_3~-和NH_4~+是PM_(2.5)中最主要的3种二次无机离子组分,三者浓度之和占PM_(2.5)的37. 47%。PM_(2.5)中SO_4~(2-)、NO_3~-和NH_4~+的浓度均为冬季高于其他季节,但NO_3~-/PM_(2.5)冬(12. 22%)秋(11. 53%)春(8. 14%)夏(5. 43%)、NH_4~+/PM_(2.5)秋(9. 85%)夏(9. 15%)春(8. 52%)冬(7. 61%)、SO_4~(2-)/PM_(2.5)夏(26. 3%)春(20. 75%)秋(15. 82%)冬(14. 61%)。四个季节SOR值均大于NOR值,SOR值季节变化差异不大,但NOR值冬季明显高于其他季节。PM_(2.5)中的SO_4~(2-)、NO_3~-和NH_4~+冬季以(NH_4)_2SO_4、NH_4NO_3的形式共存于气溶胶体系中,而夏季则主要以(NH_4)_2SO_4和NH_4HSO_4存在。     

南充冬季大气PM2.5污染特征及来源分析

为探究南充市冬季大气PM_(2.5)污染特征,于2017年1月对南充市大气PM_(2.5)进行采样,分析水溶性离子、无机元素和碳质组分的组成、浓度水平和来源。结果表明,二次无机离子SO_4~(2-)、NO_3~-、NH_4~+是南充市冬季大气PM_(2.5)水溶性离子中的重要组成部分,占总离子的86.7%;NH_4~+与NO_3~-和SO_4~(2-)主要是以NH_4NO_3和(NH_4)_2SO_4形式存在,SOR和NOR平均值分别为0.51和0.23,SOR高于NOR,说明南充市冬季硫氧转化速度比氮氧转化速度快且二次离子污染较为严重;NO_3~-/SO_4~(2-)比值为1.11,表明移动源是南充冬季大气污染物的主要来源,并且南充市冬季大气PM_(2.5)偏酸性。OC、EC是大气PM_(2.5)重要组成部分,OC/EC比值大于2,SOC对OC的贡献率较大(65.3%),南充市冬季大气PM_(2.5)中OC主要来源于二次污染。OC、EC之间相关性较好(R=0.84),二者具有共同的来源。主成分分析(PCA)结果表明,南充市冬季PM_(2.5)的主要来源是汽车尾气、燃煤、二次污染、生物质燃烧、土壤及建筑扬尘。     

四川省近年来空气质量变化趋势及污染特征分析

采用2013～2017年四川省环境空气质量监测数据,按照国家最新标准及技术规范分析空气质量变化趋势及污染特征。结果表明:四川省城市空气质量总体逐年好转,优良天数率在80%左右波动上升;PM_(10)和SO_2浓度高于全国平均下降率;PM_(2.5)浓度与全国平均下降率持平;NO_2浓度在2017年开始反弹明显;细颗粒物二次转化问题突出,PM_(2.5)/PM_(10)比例在62%左右;NO_2/SO_2逐年上升,大气氧化性逐年增强;21个城市O_3第90百分位浓度平均升幅为10.7%,O_3造成的污染天数逐年上升。大气污染形势的变化表明加大对VOCs和NO_X的协同减排刻不容缓。     

2015～2019年云南省城市空气质量特征及影响因素研究

利用2015～2019年云南省16个州市29188个空气质量日报数据进行数理统计,采用克里金插值法及Daniel趋势检验法分析AQI (空气质量指数)及主要污染物浓度的时空变化特征,探讨近5年云南省城市空气质量时空变化特征及其影响因素。结果表明:(1) 2015～2019年云南省SO_2、PM_(2.5、)PM_(10)浓度呈下降趋势,NO_2浓度保持基本稳定,O_3浓度呈显著上升趋势,各年间空气质量综合指数值波动较小,且逐年改善。(2) 2019年O_3-8h作为超标污染物占比达57.52%。云南省PM_(2.5)年均值相对较高区域面积略有减少,O_3年均值相对较高区域面积显著增加。(3)云南省PM_(2.5)与PM_(10)月均值呈现冬春高夏秋低的变化规律,O_3月均值为春季单峰高值,SO_2月均值整体趋势平稳变化幅度不大。(4)云南省AQI值及平均能见度和平均降水量呈显著负相关(P0.01),AQI值与平均气温及平均风速不存在显著相关性。研究显示云南省空气质量优良逐年改善,污染类型由颗粒物污染转为以颗粒物和臭氧为特征的复合型污染。空气质量受气象条件影响,能源结构优化、污染物总量减排等措施对空气质量改善起到积极作用。     

天津市河东区空气质量状况分析及其污染防治对策

以相关空气质量数据为基础,对天津市河东区2016年空气质量状况进行了研究,分析大气环境中PM_(10)、PM_(2.5)、SO_2、NO_2、O_3等污染因子的污染时间和污染来源,分析结果表明,河东区空气质量受季节性影响较为严重,工业扬尘和机动车尾气等构成了大气污染物的主要来源。据此,从政府、企业以及民众等角度提出污染防治对策。