2018年3月两会期间北京重污染过程边界层气象的演变分析

为研究北京冬季重污染过程的污染特征及成因,采用边界层风场、温/湿场和气溶胶垂直探测等雷达综合遥测手段,对2018年3月北京两会期间的一次典型重污染过程,从边界层气象要素演变进行综合研究.结果表明:①整个污染过程历时7 d,轻度以上污染时数达118 h（占污染过程总小时数的69.8%）,严重污染时数达16 h（占污染过程总小时数的9.5%）,ρ（PM_2.5）最高达333.5 μg/m3.②从气溶胶的垂直空间演变来看,重污染天气的形成,除受本地源排放积累的影响外,还存在北京南部和东部的外部污染传输.贴地或上部逆温的稳定温度层结基本上对应ρ（PM_2.5）的累积过程,其中,重污染时段逆温维持达68 h,逆温层厚度为500~1 100 m,最大平均逆温强度为0.6℃/（100 m）.大气边界层高度偏低（积累过程白天在1 000 m以下,夜间只有300~500 m）,导致污染物持续积累.整个污染过程中,高湿时段引起PM_2.5吸湿增长和转化加重了污染程度;近地层持续小风导致污染积累;西南、东或东南方向大风层（10 m/s左右）向低空下探,有利于污染的缓解;强西北风或北风作用,使污染得以清除.研究显示,污染过程与边界层气象要素的演变密切相关.      

WRF模式对污染天气下边界层高度的模拟研究

大气边界层高度是影响大气污染物浓度的重要因素之一,但数值模式中选择不同边界层参数化方案模拟的边界层高度有很大差异.利用WRF模式中5种边界层参数化方案及2006~2007年春、秋、冬3季河北香河地区激光雷达观测资料,对比分析了污染天气下,不同边界层方案对边界层高度的模拟效果,并分析了误差产生的可能原因.结果表明：5种参数化方案均能模拟出3季污染天气下边界层高度的变化特征,但各方案模拟的边界层高度与观测之间均存在较大误差.模拟的最大边界层高度月变化特征显示,秋冬季的模拟结果与观测值匹配较好,春季偏差较大;模拟的边界层高度日变化显示,均方根误差：春季 > 秋季 > 冬季,且误差在午后（14：00~18：00）更加明显;对该地区而言,非局地YSU方案能较好地模拟污染天气下的边界层高度;各参数化方案中边界层高度计算方法的不同及对大气廓线、湍流动能的模拟差异,可能是造成模拟边界层高度产生误差的主要原因.     

新冠肺炎疫情期间天津市重污染天气的边界层特征

为探讨新冠肺炎疫情期间天津市重污染天气成因,利用环境监测、气象常规观测及255 m气象塔梯度观测,结合WRF-Chem模式研究了天津市2020年2月9—13日新冠肺炎疫情期间重污染过程来源及边界层特征。结果表明：水平和垂直扩散条件变差、地面弱气压场和暖湿明显为此次重污染天气的主要特征;重污染天气过程外来源的区域输送率达54.6%;稳定类层结（E类和F类）占比高达67.5%,较为稳定的大气造成大气扩散条件变差,是污染发生的重要气象条件;污染过程逆温率达50.0%,垂直温差、逆温厚度、逆温强度与PM_2.5浓度相关性分别为0.99、0.90和0.56,逆温层的存在是污染过程维持的主要因素。

     

2014年成都市PM_(2.5)污染及其与气象要素的关系

为了解2014年成都市PM2.5污染状况及其与近地面气象要素的关系,分析了PM2.5的月平均浓度演变及不同空气质量等级的天数变化,采用SPSS软件对降雨、平均相对湿度、气温、风向和平均气压与PM2.5质量浓度进行Kendall秩次相关分析。结果表明:2014年成都市1—12月PM2.5质量浓度呈"U"形分布,污染最严重在1月,污染程度最小是8月,全年有大半以上天数,空气质量等级为"良~优"。PM2.5质量浓度与各月降雨量,月平均气温存在较高的负相关性;PM2.5质量浓度与风向、平均相对湿度为较低显著性负相关。PM2.5质量浓度与平均气压之间正相关。     

不同尺度大气系统对污染边界层的影响及其水平流场输送

大气边界层不仅受地面的影响,也受不同尺度大气系统的直接影响。根据在北京市沿南北方向分布的3台激光雷达阵和地面同步的粒子观测数据,选择一次重污染过程进行情景分析,研究不同尺度大气系统对该过程粒子边界层的影响,分析边界层内粒子浓度输送的动态变化。提出北京地区重污染形势的形成原因。对区域性大气污染边界层研究,将有助于对区域及城市污染形成机制的进一步认识。      

长治市重污染天气特征分析

基于2016年1月至2017年2月的长治市空气质量监测数据及气象资料,本文对长治市重污染日逐月分布及其对应的天气类型和气象要素特征进行了系统分析。结果表明:该期间长治市共发生33d重污染天气,12月和1月PM2.5浓度最高;区域稳定的气象条件是形成重污染的主要原因,地面气象要素主要表现为小风(1.23 m/s),湿度较大(52.8%)的特点;高压类、低压类和均压类三种地面天气形势所占污染天数的比例分别为78.8%、9.1%和12.1%,其中500h Pa高度场为偏西气流,同时地面处于高压后部,是导致长治市发生重污染天气过程的重要原因之一。     

京津冀典型城市一次重污染过程特征及边界层结构变化对其影响

为探究典型重污染过程的污染特征与大气边界层结构演变规律,基于PM_2.5采样数据、气象观测数据及WRF-Chem模式,以北京市和石家庄市2016年12月27日—2017年1月10日一次重污染过程为研究对象,对气象要素、PM_2.5化学组分、天气背景场、边界层结构演变特征,以及大气边界层结构变化对ρ(PM_2.5)及其主要化学组分的影响进行分析.结果表明:①研究期间,北京市和石家庄市ρ(PM_2.5)分别为(165.63±110.89)(247.67±95.22)μg/m3,石家庄市污染程度高于北京市;高空纬向环流和地面弱高压控制的天气背景场,低于1.75 m/s的风速以及超过75%的相对湿度是造成北京市与石家庄市重污染的不利气象条件.②重污染时段北京市与石家庄市SNA(SO₄2-、NO₃-、NH₄+三者的统称)与碳质组分(OC、EC)占比之和超过76%,是PM_2.5中的两大主要组分;重污染时段ρ(SNA)占比明显上升,北京市与石家庄市ρ(SNA)占比由非重污染时段的42.23%、45.93%分别升至重污染时段的58.87%、59.62%;北京市与石家庄市ρ(OC)/ρ(EC)分别为5.13、3.51,表明在重污染时段两城市存在明显的二次有机气溶胶污染.③WRF-Chem模式模拟结果表明,PM_2.5污染严重时北京市与石家庄市在300~500 m处均出现明显的逆温,垂直风场主要表现为低层偏南风顺时针向上切变为偏西风,切变高度在400~1 000 m,逆温层结与明显垂直风切变的边界层特征共同抑制了污染物的湍流与扩散.④北京市与石家庄市重污染时段的PBLH(Planetary Boundary Layer Height,大气边界层高度)日均值与非重污染时段相比分别下降了202、128 m,PBLH每下降100 m,北京市与石家庄市ρ(PM_2.5)分别上升18.81、29.85 μg/m3,PBLH下降是导致两城市ρ(PM_2.5)快速上升的重要因素.北京市与石家庄市的PBLH与PM_2.5组分质量浓度之间的相关性不同,北京市PBLH与ρ(SNA)的相关性高于与碳质组分质量浓度的相关性,石家庄市PBLH与ρ(EC)相关性最高,表明此次重污染过程中北京市PM_2.5污染特征以二次形成为主,而石家庄市以一次排放为主.研究显示,北京市与石家庄市此次重污染过程与大气边界层结构变化密切相关.      

汾渭平原城市大气污染演变及典型污染过程——以宝鸡市为例

为探究汾渭平原城市近5a(2017～2021年)大气污染演变及典型污染过程特征,以宝鸡市为例,综合利用空气质量监测数据(6参数)、气象数据及污染期间颗粒物化学组分数据进行分析.结果显示,宝鸡市2017～2021年空气质量改善较为显著,CO-95per (CO日均值第95%分位数)和SO₂浓度分别下降了47%和36%,表明宝鸡市近年来控煤效果明显;PM_2.5浓度下降了24%,O₃-8h-90per浓度(O₃日最大8h平均值第90%分位数)年际差异不大,2021年O₃-8h-90per浓度与2017年持平,且为近5a最高值,随着PM_2.5污染的逐步改善,O₃污染开始凸显.PM_2.5与O_x浓度的相关性在夏半年明显强于冬半年,归因于夏半年较高的O₃浓度增强了大气氧化性,促进了二次颗粒物的生成.结合气象要素对冬半年和夏半年污染天分析发现,冬半年低温、高湿、低风速静稳天气最容易导致...     

基于激光云高仪探测污染天气边界层高度

利用 2016 年 10 月北京市大兴 CL51 云高仪后向散射数据,分别采用梯度法和小波协方差法计算了边界层高度。分析了晴空和霾污染天气边界层高度的差异及影响因素。结果表明,两种方法计算的边界层高度一致性较好。晴空和霾污染天气边界层高度具有不同特征,在霾污染天气,由于大气中污染物削弱了到达地表的太阳辐射,地表没有足够的热量使边界层发生明显抬升,边界层高度维持在较低的高度。晴空天气,由于太阳辐射对地面的增温,边界层高度在正午前后有明显的抬升,边界层高度较高且日变化较明显。边界层高度与地面 PM_2.5、PM₁₀、CO 和黑碳气溶胶等污染物浓度呈负相关关系。     

天津市2020年冬季重污染过程气溶胶消光特性及其来源

为了解天津市2020年冬季重污染过程气溶胶消光特征,基于2020年1~2月高时间分辨率的在线监测数据,对1月16~18日（重污染过程Ⅰ）、1月26~28日（重污染过程Ⅱ）和2月9~10日（重污染过程Ⅲ）进行气溶胶消光特性及其来源分析.结果表明,3次重污染过程PM_2.5平均浓度分别为（229±52）、（219±48）和（161±25）μg·m^-3,NO₃^-、SO₄^2-、NH₄⁺、OC、EC、Cl^-和K⁺为PM_2.5中主要组分.3次重污染过程气溶胶散射系数（Bsp₅₅₀）和吸收系数（Bap₅₅₀）分别为（1055.65±250.17）、（1054.26±263.22）、（704.44±109.89） Mm^-1和（52.96±13.15）、（39.72±8.21）、（34.50±8.53） Mm^-1,散射效应高于吸收效应.重污染天气下硝酸盐（38.9%~48.8%）、硫酸盐（31.1%~40.7%）和OM （9.9%~21.8%）为PM_2.5中最主要消光成分.3次重污染过程PM_2.5组分对气溶胶消光的贡献发生明显变化,重污染过程Ⅰ,硝酸盐对消光系数的贡献最高;重污染过程Ⅱ,受春节期间烟花爆竹燃放影响,OM对消光系数的贡献升高;重污染过程Ⅲ,交通出行减少但燃煤源排放相对稳定,硝酸盐对消光系数的贡献降低,硫酸盐的贡献升高.来源解析结果显示,重污染天气气溶胶消光的主要来源为二次无机气溶胶（37.1%~42.0%）、燃煤和工业（22.9%~24.2%）、机动车（23.9%~27.2%）、扬尘源（5.0%~6.4%）和烟花爆竹及生物质燃烧排放（3.9%~6.2%）.与重污染过程Ⅰ相比,重污染过程Ⅱ烟花爆竹及生物质燃烧排放对消光系数的贡献升高;重污染过程Ⅲ机动车对消光系数的贡献明显降低;燃煤和工业对消光系数的贡献在3次重污染过程中较接近.后轨迹分析表明,重污染天气期间天津市主要以来自河北的小尺度、短距离以及内蒙古中部的中尺度、中短距离气团传输轨迹为主.     

成都市黑碳气溶胶污染特征及与气象因子的关系

为系统了解成都市黑碳气溶胶(BC)的污染特征,利用四川省环境监测站提供的成都市人民南路四段2013年9月至2014年7月逐时BC监测数据,对其浓度进行了统计分析。结果表明:1)BC小时平均浓度变化范围较大,介于0.01~57.83μg/m3,浓度中值(5.17μg/m3)小于平均值(7.32μg/m3),即BC小时浓度具有偏态分布特征。2)BC日均浓度变化范围为2~28.2μg/m3,其浓度日变化在四季均呈明显的单谷型,谷值出现在16:00时附近,表现为从凌晨到10:00时变化较平稳,10:00—16:00时浓度急剧下降,16:00到夜间浓度急剧上升;浓度季变化呈现出冬高夏低,春秋平稳的基本特征。3)秋、冬、春、夏四季BC本底浓度值分别为2.49,5.05,2.89,2.43μg/m3。4)BC质量浓度与PM2.5和PM10变化趋势一致,BC浓度相对颗粒物浓度变化较快,在0.01水平上与PM2.5和PM10均呈显著正相关,相关系数分别为0.657、0.638,与温度、降水和风速均呈负相关,相关系数分别为-0.334,-0.338,-0.202。     

成都市中心城区春季大气颗粒物PM_(2.5)的污染特征研究

于2012年5月11日至5月15日同时对成都中心城区及其大气环境监测对照点都江堰灵岩寺大气PM2.5进行采集,并分析其中的化学组分。研究结果表明:成都市中心城区PM2.5的总体质量浓度大于灵岩寺,且各化学组分的质量浓度也均大于灵岩寺。两站点PM2.5中OC/EC均大于2,有2次有机碳的存在;中心城区WSOC和TN日均浓度大于灵岩寺,同时发现中心城区TN日变化趋势与灵岩寺一致,WSOC变化不明显;水溶性二次离子(SO2-4、NO-3和NH+4)浓度相对较高,中心城区SO2-4/NO-3值比灵岩寺小,说明成都市机动车尾气是主要排放源。     

绵阳市城区空气PM_(10)、PM_(2.5)污染特征及相关性研究

采用连续自动监测方法于2013年9月至2014年4月对处于四川盆地内的中等城市绵阳市主城区富乐山、市人大、三水厂、高新区4个点进行空气质量监测。监测结果表明:空间分布上PM10和PM2.5污染程度城西工业区最高,市中心其次,森林公园最低。季节变化PM10和PM2.5污染程度为:春季<秋季<冬季。1天内PM10和PM2.5小时均值呈双峰分布。PM10和PM2.5一元线性回归方程为:y=0.7273x-2.9869,回归分析相关性系数为0.94。ρ(PM2.5)/ρ(PM10)平均值为0.7,变化范围为0.27~0.93。     

重庆市大气颗粒物污染特征及影响因素分析

利用重庆市17个大气自动站实时发布的数据,对PM_(2.5)与PM_(10)污染特征、变化规律与气象因子的相关性进行了分析。结果表明:2013年PM_(2.5)和PM_(10)的年均值分别为70,106μg/m3,均超过国家Ⅱ级标准。月均值、季均值变化明显,总体均呈两头高中间低的"U"型分布。2013年PM_(2.5)占PM_(10)的比例较大,均值为65.8%,PM_(2.5)和PM_(10)的Pearson相关系数为0.974,在0.01的置信水平上(双侧)显著相关。PM_(2.5)、PM_(10)的浓度与气温、大气压极显著相关;PM_(2.5)、PM_(10)的浓度与降雨量、日照时数(时)显著相关。     

2015年12月北京市一次重污染过程中PM_(2.5)特征分析

2015年入冬以来京津冀区域重污染频发,综合分析了2015年12月19—26日京津冀及周边地区发生的一次重污染过程中PM_(2.5)分布特征及成因。监测数据显示,2015年12月北京市重污染日共计13 d,累计月均值为151.8μg/m3。在12月19—26日一次重污染过程中,区域污染面积均超过40万km2,北京市单站PM_(2.5)小时均值超过800μg/m3。污染初期北京市南部地区PM_(2.5)浓度明显偏高,且PM_(2.5)极端高值出现在南部站点。污染输送阶段,北京市PM_(2.5)小时浓度在短时内呈爆发式增长,浓度增值是年均值的2~5倍。污染缓解阶段,偏北风作用,浓度明显下降。除了极端不利的天气形势外,区域散煤排放是造成重污染的重要原因;河北省唐山、保定、廊坊、石家庄等城市区域输送加重了污染程度。     

西安市PM_(2.5)的时空分布特征研究

大气污染物PM_(2.5)对空气质量造成严重危害,威胁着人类健康。根据西安市13个监测区2013年1月1日—4月26日的PM_(2.5)质量浓度数据,得出西安市PM_(2.5)的浓度呈冬季高、春季低的特点。结合西安市的海拔数据、气象资料,并引入污染系数,分析得出了西安市13个监测区PM_(2.5)的浓度有以下规律:从西到东递减;分布与海拔高度和风向特点相一致;与平均温度、最高温度、最低温度均呈现负相关关系,但相关性不是很高。这为PM_(2.5)的针对性治理工作提供了理论指导。     

台州市大气PM_(2.5)中PAHs的污染特征与毒性评价

使用中流量颗粒物采样器采集台州市2015—2016年大气PM_(2.5)样品,利用气相色谱-质谱仪对样品中16种多环芳烃(PAHs)进行分析,研究PAHs的污染特征及可能来源。结果显示:PAHs总浓度为(20.69±4.84)ng/m3,浓度季节变化大小顺序依次为冬季>春季>秋季>夏季,空间变化为商住区>工业区>背景点。PM_(2.5)中PAHs以高环为主(≥4环),占86%。不同季节商住区和工业区PAHs(4环)含量均略高于背景点,PAHs(5~6环)的含量商住区略高于工业区和背景点。PAHs环数分布和比值法结果表明台州市大气PM_(2.5)中PAHs的主要来源是机动车尾气和燃煤。成年人和儿童的终生超额致癌风险(ILCR)分别为8.02×10-7和5.61×10-7,表明台州市PM_(2.5)中PAHs对人体健康影响在可接受范围内。     

成都市西南郊区夏秋季PM_(2.5)碳组分化学特征

为研究成都市西南郊区PM_(2.5)中碳组分浓度的季节变化及污染特征,分析了PM_(2.5)中有机碳(OC)、元素碳(EC)的含量。结果表明:颗粒物PM_(2.5)、总碳(TC)、有机碳(OC)月平均质量浓度夏季比秋季略高;OC/EC平均比值在夏季和秋季分别为2.47和2.18,说明均有二次有机碳(SOC)的生成;OC和EC在夏秋季均有较强的相关性(夏季R~2为0.77,秋季R~2为0.79);SOC在夏、秋季的月平均浓度分别为4.02,2.76μg/m~3;降雨在一定程度上降低了PM_(2.5)的浓度。     

武汉市与西安市颗粒物PM_(10)、PM_(2.5)的污染水平分析

利用武汉、西安两市2013年PM10与PM2.5的监测数据,统计分析了武汉市和西安市PM10与PM2.5的污染水平,并比较了两城市的污染水平。根据GB 3095—2012《中华人民共和国环境空气质量标准》规定的二级浓度限值,可知武汉市和西安市PM2.5的污染都非常严重,PM10的污染相对较轻。从整体上说,西安市的污染水平要比武汉市严重,其中西安市PM10中PM2.5约占79%。武汉市和西安市的相关部门都应重视PM10和PM2.5的污染问题。     

邯郸市大气PM_(2.5)成分空间分布研究

为研究邯郸市2015年PM_(2.5)的污染状况,采用河北工程大学监测站全年PM_(2.5)浓度和气象在线监测数据以及4个代表月4个站点离线采样成分数据,分析了PM_(2.5)的浓度水平与气象要素的关系以及其化学组分特征。结果表明:PM_(2.5)的年均浓度为91.14μg/m~3,最高达到706.56μg/m~3;不同相对湿度条件下,PM_(2.5)浓度对邯郸地区能见度有较大影响。此外,邯郸静风频率较大,全年东南风风速较小,PM_(2.5)污染相对更加严重;PM_(2.5)中主要化学成分为SO_4~(2-)、NO_3~-和NH_4~+、OC和EC,4个站点采样无显著差异性。