2008～2017年北京市PM2.5周期性变化特征与影响机制

利用Morlet小波方法分析北京市2008~2017年PM_2.5资料,结果表明,北京市PM_2.5浓度存在显著的日变化、周变化、以及季节和年变化周期性特征,并且秋冬季的周期性特征显著高于春夏季.结合气象资料,包括水平风速、大气边界层高度、以及大气稳定度指数等,分析PM_2.5不同周期性变化对应的主要影响机制表明：大气边界层过程是PM_2.5日变化的主要影响机制,导致PM_2.5浓度白天低、夜间高.秋冬季PM_2.5日变化幅度高于春夏季;天气过程是PM_2.5周变化的主要机制,PM_2.5浓度与天气变化过程带来的风速变化和边界层高度呈强反相关关系;PM_2.5的季节变化与大气扩散能力的季节变化密切相关,秋冬季减弱的大气扩散能力加速了PM_2.5在近地面累积,春夏季则相反.     

长治市沙尘天气污染特征及传输路径解析

以2018年3次沙尘天气为研究对象,分析了PM_2.5和PM₁₀浓度、水溶性离子组分、气象条件和气溶胶光学特征,研究了长治市沙尘天气的典型污染特征和传输路径.结果表明：长治市2018年共8d为受沙尘天气影响日,其中4月份最多（5d）,这与春季大气环流调整,冷暖空气活动频繁有关.沙尘污染发生前一般受西方或西北方冷空气影响,大气层结不稳定,大气环流转为经向环流,平均风速达4m/s以上;沙尘污染过程中PM_2.5/PM₁₀均低于0.3,环境空气中粗颗粒物占比较大,水溶性离子总浓度在PM_2.5中占比下降,Ca²⁺浓度为沙尘污染发生前的4倍以上.冬季沙尘为近地面扩散传输,春夏季沙尘为高空沉降传输,影响范围大,区域传输贡献明显.长治市沙尘重要潜在源区为蒙古国、哈萨克斯坦中部和新疆中北部的荒漠地区,传输路径主要为西北路径和正北路径,其中西北路径为哈萨克斯坦—新疆中北部—内蒙古西部—长治以及新疆中北部—内蒙古西部—长治两条路径,正北路径为蒙古国—内蒙古中部—山西北部—长治.     

长治市沙尘天气污染特征及传输路径解析

以2018年3次沙尘天气为研究对象,分析了PM_2.5和PM₁₀浓度、水溶性离子组分、气象条件和气溶胶光学特征,研究了长治市沙尘天气的典型污染特征和传输路径.结果表明：长治市2018年共8d为受沙尘天气影响日,其中4月份最多（5d）,这与春季大气环流调整,冷暖空气活动频繁有关.沙尘污染发生前一般受西方或西北方冷空气影响,大气层结不稳定,大气环流转为经向环流,平均风速达4m/s以上;沙尘污染过程中PM_2.5/PM₁₀均低于0.3,环境空气中粗颗粒物占比较大,水溶性离子总浓度在PM_2.5中占比下降,Ca²⁺浓度为沙尘污染发生前的4倍以上.冬季沙尘为近地面扩散传输,春夏季沙尘为高空沉降传输,影响范围大,区域传输贡献明显.长治市沙尘重要潜在源区为蒙古国、哈萨克斯坦中部和新疆中北部的荒漠地区,传输路径主要为西北路径和正北路径,其中西北路径为哈萨克斯坦—新疆中北部—内蒙古西部—长治以及新疆中北部—内蒙古西部—长治两条路径,正北路径为蒙古国—内蒙古中部—山西北部—长治.     

泰安市冬季一次严重空气污染过程分析

为揭示泰安市空气污染形成原因,选取泰安市2016年12月一次严重空气污染过程,利用泰安市2016年12月地面和探空资料及NCEP/NCAR（美国国家环境预报中心/美国国家大气研究中心）提供的FNL资料,对泰安市严重污染期间大气环流形势、边界层条件、污染源及传输路径进行分析.结果表明:在泰安市霾污染期间,500 hPa大气环流形势呈"两槽一脊"的特征,850 hPa泰安市处于南支槽前,受西南暖湿气流影响,为ρ（PM_2.5）的升高提供了有利条件;泰安市近地面处于高压控制下的弱风区（平均风速约为1.2 m/s）且边界层有逆温层存在,阻碍了PM_2.5的垂直输送,造成近地面ρ（PM_2.5）急剧升高.此外,泰安市及周边地区污染严重,聚类分析结果表明此次过程本地输送占比约为34%,其余均为外来传输,即污染物主要通过外来源传输,本地污染源贡献比率较小.污染物的高、低空传输路径不一致,低空污染物主要从安徽省水平输送至泰安市,高空污染物则先由河北省、河南省向南传输至安徽省、湖北省等地,再随南风气流向北输送至泰安市.研究显示,外来污染源传输作用配合本地静稳天气形势是造成此次泰安市空气污染的主要原因.      

石家庄市冬季一次重污染过程分析与反馈效应研究

为深入探究高ρ（PM_2.5）地区重污染过程的发展变化规律,以石家庄市一次重污染过程（2017年1月13-20日）为例,结合空气质量监测数据、PM_2.5组分测试数据、气象观测资料,从重污染发展阶段（简称"P1阶段"）、维持阶段（简称"P2阶段"）和清除阶段（简称"P3阶段"）分析PM_2.5及其化学组分的变化特征、气象条件和高低空天气形势演变特征,并利用WRF-Chem模型定量研究重污染过程气溶胶反馈效应对典型气象要素的影响.结果表明:①此次重污染过程属于逐步累积增长、快速清除型,在P2阶段ρ（PM_2.5）平均值为241.0 μg/m3,最大值为367.5 μg/m3.②P1和P2阶段高低空大气环流配置稳定,大气边界层高度范围为620.6~712.2 m,风速范围为1.3~2.5 m/s,相对湿度范围为60%~80%.③P2阶段SOR（硫氧化率）和NOR（氮氧化率）均为0.3,ρ（SNA）（SNA为SO₄2-、NO₃-和NH₄+的统称）为128.8 μg/m3,占ρ（PM_2.5）的56.2%;OM[有机质,ρ（OM）=ρ（POA）+ρ（SOA）,其中,POA为一次有机气溶胶,SOA为二次有机气溶胶]是除SNA以外的第二大组分,在P1和P3阶段ρ（POA）大于ρ（SOA）,而在P2阶段ρ（SOA）与ρ（POA）相等,均为28.0 μg/m3,表明在重污染过程中二次污染严重;整个污染过程ρ（NO₃-）/ρ（SO₄2-）为1.0,表明石家庄市移动源和固定源对ρ（PM_2.5）贡献相当.④WRF-Chem模型模拟结果表明,太阳辐射量、温度和大气边界层高度受气溶胶反馈效应的影响在P2阶段的下降量分别为75.1 W/m2、2.7℃和109.9 m,比P1阶段分别高33.6%、91.4%和18.6%,比P3阶段分别高147.0%、305.3%和24.1%.研究显示,此次静稳天气下的重污染过程二次污染严重,气溶胶反馈效应整体使得太阳辐射量、温度和大气边界层高度均向不利于污染扩散的趋势发展,造成石家庄市的ρ（PM_2.5）进一步增加.      

武汉冬季大气PM2.5小时分辨率源贡献识别及潜在影响域分析

冬季是我国大气细颗粒物(PM_2.5)污染较为严重的时段,武汉市PM_2.5受到明显的区域传输影响.本研究基于小时分辨率PM_2.5组分观测数据,采用受体模型,解析武汉冬季大气PM_2.5各类源的实时贡献.结合轨迹聚类和浓度权重,识别影响各类源的传输路径和潜在源区.武汉冬季大气平均ρ(PM_2.5)为（75.1±29.2）μg·m^-3.观测期间共有两次污染过程,第一次污染过程主要受西北方向气团影响,水溶性离子升高是PM_2.5呈现高值的主要原因,ρ（NH⁺₄）、ρ（NO^-₃）和ρ（SO■）分别是清洁时段的1.6、 1.7和2.1倍;第二次污染过程则以正东方向气团为主,二次有机组分有明显的生成.对武汉冬季大气PM_2.5贡献最大的是二次源（34.1%）,其次是机动车尾气（23.7%）、燃煤（11.5%）、道路尘（10.9%）、钢铁冶炼（8.7...     

关中地区秋冬季颗粒物二次有机碳的估算

2017年9月4日~2018年1月19日期间分别在关中地区的5个主要城市西安（XA）,渭南（WN）,铜川（TCH）,宝鸡（BJ）,咸阳（XY）设置采样点进行PM_2.5,PM₁₀颗粒物手工采样观测,采用热光透射法（TOT）分析碳组分,最小值法估算二次有机碳（SOC）浓度,结果显示PM_2.5与PM₁₀中SOC平均浓度分别为（7.44±5.54）,（9.62±7.49）μg/m³,一次有机碳（POC）平均浓度分别为（7.04±2.59）,（9.33±4.33）μg/m³,不同粒径颗粒物中SOC各点位的浓度值分布表现基本相同为XY > XA > WN > BJ > TCH.PM_2.5中SOC含量为8.76%,OC占比为48.03%,PM₁₀含量为6.28%,OC占比为48.09%,季节分布均呈现为秋季低冬季高,关中地区SOC污染严重.后向轨迹聚类分析结果显示污染气团传输主要是关中地区局部污染和西北,东北方向传输,其中局部污染轨迹的数量占比较多,浓度较高.低空传输与近地面风向风速及污染物分布存在差异,结合关中地区盆地地形,静风频率高,边界层低等多种因素造成颗粒物中SOC浓度较高,其中BJ点位易受到东北气团的污染物传输累积.     

乐山市2016年冬季颗粒物重污染过程与输送路径及潜在源区

对乐山市2016年12月—2017年2月的大气污染特征及气象条件进行研究分析,并结合HYSPLIT（后向轨迹模式）,用聚类方法、PSCF（潜在源贡献因子法）、CWT（浓度权重轨迹分析法）分别模拟了研究期间PM_2.5的主要潜在源区.结果表明:研究期间,乐山市以PM_2.5污染为主.因风速低、无降水、相对湿度高、边界层高度降低等原因,使乐山市发生了一次持续时间较长的重污染过程（2017年1月1—7日）,该过程二次污染物累积特征较为明显;春节期间,因烟花爆竹集中燃放产生的大量污染物使乐山市出现了一次严重污染（2017年1月28日）,ρ（PM_2.5）日均值达358 μg/m3.乐山市复杂的地形引起的热力差异有利于局地环流的生成与发展,山谷风的存在可能是造成夜间乐山市郊区站点ρ（PM_2.5）高于城区站点的主要原因.结合后向轨迹与ρ（PM_2.5）日均值分析发现,来自盆地内部的气流（占比为28.57%）对乐山市空气质量产生的影响最大.乐山市东部边界附近、宜宾市西北部、自贡市南部等地对乐山市PM_2.5的潜在源贡献（WPSCF）在0.96以上,说明这些地区是研究期间影响乐山市ρ（PM_2.5）的重要潜在源区,模型的模拟结果与风向、风速、ρ（PM_2.5）监测值插值结果相符.研究显示,乐山市大气污染过程除了与在不利气象条件下污染物的累积有关外,区域污染物的输送贡献也不容忽视.      

武清地区冬季一次重污染过程垂直分布特征

为研究京津冀地区重污染过程大气污染物的垂直分布特征,于2016年12月13日重污染前（11:49-12:18）和12月18日重污染期间（11:00-11:16）在北京市、天津市、河北省交界处的武清地区利用系留气球开展1 000 m以下的大气观测,探究污染物的垂直分布特征及对流边界层、覆盖逆温层和混合层等要素对重污染形成的影响.结果表明:①在重污染前,大气层结不稳定,ρ（PM_2.5）、ρ（NO_x）与ρ（O₃）随高度变化不明显,存在明显的垂直对流运动,有利于大气污染物的扩散;PM_2.5/PM₁₀[ρ（PM_2.5）/ρ（PM₁₀）]在800 m以下为0.60~0.80,在800~1 000 m以上大于0.90.②重污染期间,近地面大气层分为对流边界层（距地面0~150 m）、覆盖逆温层（150~370 m）、混合层（370~500 m）和自由大气（500 m以上）4个层次.③NO_x主要在对流边界层内聚积;高空O₃在向近地面扩散时受强混合层阻挡,在混合层出现一个小峰值;PM_2.5不仅在近地面聚积,而且在覆盖逆温层内聚积,ρ（PM_2.5）在覆盖逆温层内呈双峰（峰值分别出现在150和370 m）分布,其粒径集中在0.5~1.0 μm,属于积聚态气溶胶.研究显示,在不利扩散条件下,汽车排放、村镇居民供暖排放的污染物聚积及二次颗粒物的生成是重污染形成的重要因素.      

长江三角洲冬季电厂排放对大气污染的影响

分析了长江三角洲地区电厂排放的基本特征并利用WRF-Chem模拟冬季大气污染状况,研究了冬季电厂排放主要污染物的特征及其对空气质量的影响,结果显示,长三角电厂排放的主要大气污染物为SO₂、NO_x及PM_2.5,2010年排放量可分别达到826.8、1475.6和137.3Gg,分别占长三角地区人为源总排放量的34%、38%和14%.冬季主要大气污染物（SO₂、NO₂、PM_2.5）浓度高值区分布在南京-上海,杭州-宁波一带.电厂对SO₂浓度贡献量（率）的空间分布与SO₂排放的空间分布较为一致,而NO₂、PM_2.5,其贡献量（率）的高值区主要分布在安徽、浙江和江西的交界处以及浙江省的东海岸.相对SO₂、NO₂,电厂对PM_2.5贡献量（率）较低,各地均在20μg/m³（15%）以下.污染时期电厂排放对模拟的PM_2.5和SO₂贡献率（6.9%、34.2%）较清洁时期（4.9%、20.7%）大,而对于NO₂,清洁和污染时期的贡献量没有明显差别,均在10μg/m³左右.冬季气温低、风速小及边界层高度低的特征不利于低层污染物的扩散,易导致重污染事件的发生.     

北京市秋冬季环流型下的细颗粒物传输

利用Models-3/CMAQ模式系统对北京市2013～2018年秋冬季(即当年11、12月和次年1、2月份)细颗粒物(PM2.5)进行模拟,计算北京周边4个截面的PM2.5传输通量,结合流场、浓度的分析,总结11种大气环流型下北京市的PM2.5传输特征.污染严重的西南(SW)和西(W)环流型下,北京地区受强烈的PM2...     

北京一次重污染过程的天气成因及来源分析

采用天气学分析和GRAPES-CUACE气溶胶伴随模式相结合的方式,探讨了北京市2016年2月29日~3月6日一次PM_2.5重污染过程的大气环流特征、污染形成和消散原因,并利用伴随模式追踪了造成此次重污染过程的关键排放源区及敏感排放时段.结果表明：此次重污染过程北京市PM_2.5浓度存在明显日变化,在3月4日20：00达到污染峰值,观测数据显示海淀站PM_2.5浓度达到506.4μg/m³.形成此次重污染过程的主要天气学原因是北京站地面处于低压中心,且无冷空气影响,风速较弱,逆温较强,大气层结稳定,混合层高度较低,500hPa西风急流较弱,污染物水平和垂直扩散条件差,大气污染物易堆积;此次过程中,500hPa短波槽过境、边界层偏南风急流和冷空气不完全渗透导致了本次严重污染PM_2.5浓度的短暂下降.伴随模式模拟结果表明,此次污染过程目标时刻的污染浓度受到来自河北东北部和南部、天津、山西东部、以及山东西北部污染物的共同影响,目标时刻PM_2.5峰值浓度对北京本地源响应最为迅速,山西响应速度最慢;北京、天津、河北及山西排放源对目标时刻前72h内的累积贡献比例分别为31.1%、11.7%、52.6%和4.7%.北京本地排放源占总累积贡献的1/3左右,河北排放源累积贡献占一半以上,天津和山西分别占1/10和1/20,河北源贡献占主导地位,天津和山西贡献较小;目标时刻前3h内,北京本地源贡献占主导地位,贡献比例为49.3%,目标时刻前4~50h内,河北源贡献占主导地位,贡献比例为48.6%,目标时刻前50~80h,山西源贡献占主导地位,贡献比例在50%以上.     

2013~2014年北京大气重污染特征研究

从污染物浓度的时间变化、空间分布以及大气污染类型等方面,对2013~2014年北京大气重污染过程进行了分析,并初步探讨其影响因素.结果表明:2013~2014年北京共出现大气重污染105d,重污染频率为14.4%.其中,首要污染物为PM_2.5的天数为103d,首要污染物为PM₁₀和O₃各有1d;冬半年重污染天数占全年的76.2%.重污染气象要素特征主要表现为风速小、湿度高、能见度低.重污染日PM_2.5/PM₁₀浓度比值为91.3%,明显高于全年平均水平,表明重污染时颗粒物以细颗粒物为主.北京大气重污染区域分布表现为南高北低,平原高、山区低的总体特征,交通站重污染天数普遍高于市区其它站点.北京大气重污染主要表现为积累型、光化学型、沙尘型以及复合型等类别;其中积累型大气重污染往往伴有区域污染水平的整体升高,PM_2.5组分中NO₃^-、SO₄^2-、NH₄⁺等水溶性二次离子的浓度增幅最为明显;O₃污染在近两年有加重的趋势.     

北京市2018年春季一次沙尘回流过程的污染特征

通过监测数据分析,结合轨迹模拟和特征雷达图的分析结果,对2018年4月14~19日北京出现的一次沙尘天气过程进行分析.结果显示：依据ρ（PM_2.5）和ρ（PM₁₀）及其比值PM_2.5/PM₁₀[ρ（PM_2.5）/ρ（PM₁₀）,下同]的变化情况,此次沙尘过程可分为沙尘期、中间期、回流期和回流后期4个典型时期.沙尘期ρ（PM₁₀）平均值达到（278.5±83.7）μg/m³,明显高于回流期和回流后期,回流后期ρ（PM_2.5）平均值达到（135.5±16.9）μg/m³,明显高于回流期和沙尘期.沙尘期逐小时PM_2.5/PM₁₀<0.2,回流期和回流后期PM_2.5/PM₁₀比值分别介于0.3~0.6和0.5~0.8范围内.SO₄^2-、NO₃^-和NH₄⁺等（SNA）水溶性离子沙尘期浓度占比仅为7.3%±2.5%,沙尘回流期和回流后期SNA占比分别增长至47.0%±6.3%和51.3%±5.7%.研究表明,受天气系统影响,回流沙尘可裹挟南部的细颗粒和气态污染物输送到北京后发生累积和二次转化,从而推高PM_2.5浓度,因此发生沙尘回流时,区域内应加强一次污染物排放的管控力度,同时北京市需进一步加强机动车氮氧化物的排放监管.     

2017年京津冀地区PM2.5污染特征及潜在来源分析

京津冀及周边地区大气污染问题突出,秋、冬季重污染天气频发。为探讨该地区PM_2.5污染来源,分析其污染状况和气象因素的关系,利用2017年京津冀地区空气质量监测站的气象资料如气压、风速、相对湿度、温度、降水量等,结合Arc GIS软件空间插值法、SPSS 21. 0的Pearson相关性分析等方法,采用拉格朗日混合型的扩散模型HYSPLIT后向轨迹聚类分析方法,探讨北京地区主要气团传输轨迹,结合GDAS气象资料计算潜在源贡献因子。结果表明:1) 2017年京津冀地区ρ(PM_2.5)年均为64. 4μg/m³,比2016年下降11. 5%,全年达标天数占比为74. 2%。2)京津冀地区PM_2.5与气压、相对湿度呈正相关,其中气压与PM_2.5相关性最高;与风速、日照时长、温度、降水量呈负相关,其中日照时长与PM_2.5相关性最高。冬季比其他季节影响更为显著。3)从时间尺度看,冬季污染最严重,秋、春季稍好,夏季PM_2.5优、良级占92. 4%;...     

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.      

广西PM2.5时空分布特征及污染天气类型

研究区域ρ（PM_2.5）的时空分布特征和污染天气类型的关系是开展大气污染防治和空气质量预报预警的关键支撑技术之一.基于2015—2016年广西14个城市环境空气质量日监测数据和相关气象资料,分析了2015—2016年广西空气质量概况和污染的基本特征,采用EOF（经验正交函数）分析和后向轨迹聚类分析方法表征了广西ρ（PM_2.5）时空分布模态,统计了广西两年间24次区域范围（3个及以上连片城市）大气轻度及以上污染过程,分析了不同污染过程的天气类型和空气质量变化特点.结果表明:PM_2.5是广西大气污染首要污染物,ρ（PM_2.5）年均值呈北高南低的区域特征,月际变化基本呈正V字型分布;EOF分析和后向轨迹聚类分析显示,广西ρ（PM_2.5）的时空结构主要有3种模态,其方差贡献率分别为78.9%、5.7%和3.7%,基本反映了广西ρ（PM_2.5）变化的时空模态的主要特征,桂林和玉林两年间的后向轨迹聚类很好地解释了第二和第三模态的南北浓度和东西浓度异常反相位分布特征;广西14个城市两年间PM_2.5区域性污染天气类型主要有10种,其中污染天气类型中占比较大的是弱冷高压脊型（24.4%）、均压场型（20.2%）、高压后部型（16.1%）和高压后部配合西南暖低压型（8.5%）,是引发广西大范围大气污染的典型天气类型.研究显示,广西大气污染具有地域性、季节性和南北输送特征,污染过程的天气形势变化具有一定规律性.      

边界层方案对华北一次污染过程模拟的影响

采用WRF模式中YSU、MYJ和ACM2 3种边界层参数化方案,利用WRF模式和空气质量模式CAMx对2015年11月11~15日发生在京津冀地区的一次污染过程进行了模拟,同时利用地面气象要素、风廓线、秒探空和空气质量观测数据对3种参数化方案下的模拟结果进行了验证对比.一种基于临界垂直湍流交换系数确定边界高度的方法被用于对比3种参数化方案之间垂直扩散能力的差异.结果表明,MYJ方案对10m风速高估最大（平均高估0.66m/s）,对2m温度和2m湿度低估最小,YSU和ACM2方案对地面气象要素的模拟效果相近;ACM2方案对于边界层内垂直廓线模拟效果优于YSU和MYJ方案,但是3种参数化方案对边界层内风速均存在高估（高估可达2.6m/s）;基于临界垂直湍流交换系数方法定义的边界层高度更能反映大气的垂直扩散能力,MYJ方案边界层高度最小,其模拟的PM_2.5浓度最高;MYJ方案对于地面风速的高估,会降低模拟的区域整体PM_2.5浓度,但是会增加风速较大区域下风向的PM_2.5浓度;ACM2方案对边界层垂直廓线模拟最好,夜间底层垂直湍流交换系数计算值较大,使得ACM2方案对于本次过程中PM_2.5等污染物的模拟优于MYJ和YSU方案.     

京津冀及周边民用散煤燃烧控制对北京市PM2.5的影响

为评估京津冀及周边“2+26”城市农村居民面源污染控制成效,揭示其对北京市秋冬季重污染天气PM_2.5污染的改善作用,及其对PM_2.5组分硫酸盐形成机制的影响,采用空气质量模型对北京市2018—2019年秋冬季5次重污染事件进行了模拟. 结果表明:①在“2+26”城市平原地区民用散煤削减90%的控制情景下,区域PM_2.5浓度最大值由324 μg/m3降至251 μg/m3,下降了23%. 北京市城区PM_2.5浓度由139 μg/m3降至124 μg/m3,下降了11%;同时,北京市城区SO₂、硫酸盐浓度分别降至6.2、14.9 μg/m3,分别下降了45%、24%. ②农村居民面源污染控制前北京市硫酸盐浓度的正贡献来源主要受水平平流输送过程影响,控制后水平平流输送过程仍起主导作用,但该过程在水平平流输送、垂直平流输送、水平扩散、垂直扩散这4个物理过程中的绝对重要性上升了2%;此外,农村居民面源污染控制后垂直扩散清除过程对硫酸盐浓度的贡献下降了33%,气溶胶二次转化过程的贡献下降了25%,但SO₂向硫酸盐转化的速率加快,其小时转化率上升了1.44%. ③ISAM源解析方法结果表明,控制情景下区域工业过程是影响北京市SO₂浓度的最主要行业源因素,平均贡献率为65%,硫酸盐工业过程源的平均贡献率为82%. 区域来源分析表明,北京市SO₂来源主要为外地源输送,硫酸盐主要来源与SO₂一致,其中河北省贡献较大,其对SO₂、硫酸盐的平均贡献率分别达43%、40%. 研究显示,控制情景下污染期间北京市PM_2.5污染改善,且污染物浓度、形成过程和来源贡献均发生明显变化.