典型灰霾期间PM2.5演化的多重分形特征分析

为探索成都市PM_(2.5)污染物的空间来源及其演化机制,该文首先应用后向轨迹模型对灰霾期间抵达成都市的大气气团进行模拟,结果显示灰霾期间本地气团对成都市PM_(2.5)污染物的贡献远超过中远距离的外来气团,占比高达90%以上,局地空间内处于一种静稳状态。其次应用多重分形消除趋势波动分析法对灰霾期间PM_(2.5)的浓度序列进行多重分形分析,研究表明成都市灰霾期间PM_(2.5)浓度具有多重分形特征。最后运用相位随机替代法与随机重构法,对静稳条件下导致PM_(2.5)浓度多重分形特征的原因进行分析。结果表明灰霾期间,长期持续性在PM_(2.5)演化过程中占据主导地位,进而认为此次灰霾期间PM_(2.5)演化的长期持续性是其主要的内在动力机制,此时成都市大气空间内各局部空间PM_(2.5)浓度在多种要素的相互作用下逐步发展为一种相互同步的、均衡的平衡态。     

成都市典型灰霾消散前后PM_(2.5)演化的长期持续性特征

运用消除趋势波动分析方法,对比分析了成都市2013年2月1-14日一次重度灰霾消散前后(其中,2013年2月1-7日为重度灰霾时段,2月8-14日为灰霾消散时段)8个监测站点(十里店、人民公园、梁家巷、金泉两河、三瓦窑、草堂寺、灵岩寺、沙河铺)大气PM2.5时空演化的长期持续性特征。研究显示,灰霾时段和灰霾消散时段PM2.5浓度演化均呈现出很强的长期持续性非线性特征。统计分析表明,在时空尺度上,灰霾时段和灰霾消散时段PM2.5浓度具有显著性差异,但定量表征PM2.5演化动力学特征的DFA指数却变化不大。进一步结合成都市气象资料分析认为,长期持续性是控制此次成都重度灰霾消散前后大气PM2.5浓度时空演化的内在动力学机制之一,也正是在该机制的主导控制下使得此次灰霾持续时间较长。该研究有助于进一步加深对灰霾期间PM2.5演化动力学过程的认识。     

COVID-19期间区域大气高污染发生的非线性动力机制

以长株潭城市群3个城市（长沙、株洲和湘潭）疫情期间（2020年1月24日~2020年5月31日）大气PM_2.5和O₃小时平均浓度时间序列数据为研究对象,对污染物日变化规律、长期持续性、多重分形性及自组织演化动力学特性进行研究.以期阐释疫情期间高污染事件发生及演化的内在动力机制.首先,对3个城市PM_2.5和O₃质量浓度的日变化规律进行分析,发现O₃呈现出昼高夜低的单峰型,而PM_2.5日变化规律表现出昼低夜高单峰型,与非疫情期间的特征有所差异.进一步,应用消除趋势波动分析法（DFA）、多重分形消除趋势波动分析法（MFDFA）和概率统计分析,研究了大气复合系统中PM_2.5和O₃质量浓度序列的长期持续性和多重分形结构.结果发现3个城市PM_2.5和O₃浓度序列均具有显著的长期持续性特征和较强的多重分形结构,同时,应用去趋势互相关分析法（DCCA）方法和多重分形去趋势互相关分析法（MFDCCA）对PM_2.5和O₃两者之间的互相关性进行了分析,发现PM_2.5-O₃之间的互相关也存在显著的长期持续性特征以及在不同时间尺度存在多重分形特征.进一步将疫情期间得到的非线性分析结果与2018年和2019年同期非疫情期间的结果进行了对比分析.最后,基于自组织临界理论（SOC）探讨了大气PM_2.5和O₃浓度时空演化的内在动力规律,并结合典型区域气象特征,阐明了SOC内禀动力机制可能是COVID-19疫情期间大气高污染形成的主导机制之一.疫情期间大气PM_2.5和O₃浓度并非分别独自演化,而是依然保持复杂的相互作用.静稳气象条件下,大气复合污染内部的非线性耦合作用可能达到动力学临界状态,将导致长株潭城市群在疫情期间仍有发生大气高污染的风险.     

成都市一次重度灰霾期间大气PM2.5的自组织临界特性

2013年1—2月期间,四川省成都市出现大范围、长时间、高浓度的严重霾污染.本文运用频度统计分析和消除趋势波动分析方法,研究了成都市2013年1月25日—2月7日一次典型重度灰霾期间8个监测站点(草堂寺、人民公园、梁家巷、金泉两河、十里店、沙河铺、三瓦窑、灵岩寺)大气PM2.5小时平均浓度序列的时空演化规律.结果表明,各站点大气PM2.5的浓度波动并非随机,而在统计上服从典型的负幂律分布,同时均表现出很强的长期持续性特征.这些特征刻画了灰霾期间大气PM2.5浓度波动的宏观特征.将PM2.5浓度演化与沙堆崩塌进行类比,发现大气PM2.5演化具有自组织临界性复杂系统的基本特征.进一步根据自组织临界(SOC)理论,建立了大气PM2.5数值沙堆模型,模型算法考虑了此次灰霾期间成都市的气象因素和PM2.5的迁移扩散机制.通过对该模型的数值模拟,能够定量阐明此次重度灰霾期间成都市各监测站点大气PM2.5浓度时空波动宏观统计规律的产生根源.同时,深入讨论了该模型的自组织临界特征.模拟结果和实际结果的高度一致表明该模型真正阐明了导致PM2.5浓度时空波动的重要动力机制.SOC内禀机制是控制此次成都市灰霾期间大气PM2.5浓度演化的主要机制之一.本研究可为灰霾期间PM2.5的演化动力学提供新的研究方法.     

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.     

上海宝山区PM_(2.5)特征研究与源解析研究

利用2011年8月-2012年7月环保局(对照点)和钢研所(工业区)两个监测点的PM2.5的24小时连续监测数据,分析了上海市宝山区大气中PM2.5的浓度时空变化特征。并以四次灰霾事件为例解析了灰霾期间大气颗粒水溶性离子特征,以及灰霾期间PM2.5源特征。PM2.5中水溶性无机离子是以二次离子为主,因此,二次离子的污染水平可反映PM2.5的污染程度,是主要影响灰霾天气产生的物质。灰霾期间大气条件有利于二次离子的大量形成,更进一步加重大气细粒子的污染。而且,宝山地区大气细粒子污染具有受本地流动源和固定源双重排放控制的特征。     

典型灰霾期间城市大气PM_(2.5)演化的标度行为实证研究

针对成都市2014年1月22-31日的持续重度灰霾过程,运用频度统计分析、功率谱分析和去趋势波动分析方法,对成都市6个国控环境空气质量监测子站(草堂寺、金泉两河、梁家巷、人民公园、三瓦窑、灵岩寺)大气PM_(2.5)小时平均浓度时间序列的标度行为(标度律)进行实证研究。结果显示,此次灰霾期间高浓度PM_(2.5)的波动行为呈现明显的日周期循环规律,这与人类的生产生活具有密切关系。宏观上看,PM_(2.5)浓度波动在统计上服从典型的负幂律分布规律,具有标度不变分形特征。同时,利用功率谱及去趋势波动分析发现,各监测子站PM_(2.5)时间演化的DFA指数均在1左右,PM_(2.5)演化呈现1/f噪声性质,表明灰霾期间高浓度PM_(2.5)的动态演化过程表现出长程关联特性(或长期持续性),其波动关联特性在研究时段内呈现幂律分布的标度律。实证研究表明,此次灰霾期间成都市大气PM_(2.5)时间演化呈现出自组织临界性(SOC)基本特征,高浓度PM_(2.5)时间演化过程涌现出的长期持续性标度律很可能是由城市灰霾污染的SOC行为导致。该研究对深入认识灰霾天气大气PM_(2.5)非线性演化的内在动力学机制具有一定启示意义。     

上海秋季典型大气高污染过程中有机碳和元素碳的变化特征

于2011年10月1日至10日在上海市城区对大气中细粒子的质量浓度和含碳气溶胶进行了在线连续观测,获得了秋季典型大气灰霾污染过程中含碳气溶胶的变化特征.观测结果显示,在大气灰霾过程中PM2.5中有机碳(OC)和元素碳(EC)的质量浓度分别为(20.38±7.11)μg·m-3和(4.07±1.97)μg·m-3,浓度显著高于非霾过程.以非霾天气的起始点作为参照点,得出灰霾期间OC和EC的增长率分别为641％±258％和409％±246％,本次灰霾过程中OC的污染累积与二次生成作用分别占63.8％和36.2％,污染过程以累积为主.灰霾期间OC/EC与O3具有良好的线性关系,且相关分析表明二者之间呈正相关,OC浓度的升高与含碳组分的光化学反应有关.采用EC示踪法估算短期大气过程中有机碳(SOC)含量,灰霾天气和非霾天气PM2.5中的SOC浓度分别为1.64～17.96 μg·m 3和0.25 ～2.83 μg·m-3,分别占OC的l0.7％～66.7％和9.2％ ～52.5％.     

龙华新区灰霾污染特征研究

根据龙华新区2个空气监测站2012年监测数据、气象数据以及不同污染源的排放数据,分析龙华新区空气质量现状,灰霾日数与PM2.5和PM10的相关性,并通过AERMOD模型着重探讨PM2.5和PM10的污染特征,计算不同污染源对PM2.5和PM10浓度的贡献率。结果表明,灰霾日数和PM2.5、PM10浓度均表现为明显的季节性变化,变化趋势较为一致,且灰霾日数与PM2.5的相关性较PM10更显著。龙华新区PM2.5和PM10主要来自本地源,其中PM2.5的主要来源为机动车尾气和道路扬尘,而PM10的主要来源为施工项目和裸地。     

厦门市冬春季灰霾期间大气PM10中多环芳烃的污染特征及来源分析

采集了厦门市冬春季(2008-12-04～2009-03-20)湖里工业区和大嶝岛旅游区大气PM10样品,用GC-MS定量了PM10负载的19种多环芳烃(PAHs),并结合采样期间气象资料对灰霾期和非灰霾期多环芳烃的差异特征进行对比分析.结果表明,冬春季采样期内,厦门市大气PM10中PAHs的浓度变化范围为12.93～79.27 ng.m-3,平均42.28 ng.m-3,比2004年冬季增长近3倍.灰霾期间PM10中PAHs总的质量浓度明显高于非灰霾期,并且灰霾期间低分子量组分菲、荧蒽和芘的质量分数显著下降,高分子量组分苯并[b]荧蒽、苯并[k]荧、苯并[a]芘、苝、茚并[1,2,3-cd]芘、苯并[ghi]苝和晕苯的质量分数相对升高.采用特征化合物比值、主成分分析与多元线性回归对来源与贡献率进行了分析和估算.灰霾期间识别出3类污染源:机动车尾气排放+天然气燃烧、煤燃烧和焦炉排放,其贡献率分别为62.7%、28.1%和9.2%;非灰霾期间同样识别出这3类污染源,其贡献率分别为48.6%、36.9%和14.5%.表明厦门市冬春季灰霾期间PM10中PAHs受本地源排放影响相对较多,非灰霾期间受北方燃煤长距离传输影响更显著.