北京大气CH4、CO2、TOC日变化规律及垂直分布的自动连续观测

提出了一种能自动连续监测CH4、CO2、TOC日变化及垂直分布的系统,利用该系统监测了2002年冬季CH4、CO2、TOC垂直分布的日变化的变化趋势.结果发现,距地面高度增加,受湍流扩散的影响,CH4、CO2、TOC浓度降低.冬季CH4浓度的日变化呈现明显的单峰周期变化,CO2日变化呈双峰形分布,TOC日变化没有明显的特征,其日变化受机动车尾气排放的影响很大.根据2002年冬季CO2浓度与2000年以前的对比结果发现,北京市冬季燃煤排放的污染物已处于一个相对稳定期,而随着北京市机动车保有量迅速增加,尾气排放成为影响某些大气微量气体日变化的主要因素.     

新乡市秋季大气细颗粒物PM2.5中水溶性离子特征及其来源解析

为探究新乡市秋季PM_(2.5)污染水平及水溶性离子特征,于2016年9—11月期间,利用TH-150C中流量大气采样器分别在新乡市城市和郊区设立的两个采样点采集了大气PM_(2.5)样品,并分别用重量法和离子色谱法测得PM_(2.5)的浓度值和水溶性离子的组分,分析了大气PM_(2.5)的组成特征、变化规律及污染来源.结果表明,采样期间,城市站PM_(2.5)浓度为122.65~223.56μg·m-3,平均值为164.17μg·m-3,郊区站PM_(2.5)浓度为92.99~217.40μg·m-3,平均值为144.75μg·m-3,均超过国家二级标准浓度限值(75μg·m-3).采样期间,城市站7种水溶性无机离子(NH+4、NO-3、SO2-4、K+、Mg2+、Ca2+、Cl-)的平均质量浓度分别为9.98、22.05、13.41、0.65、0.04、0.30、2.19μg·m-3,郊区站分别为7.49、17.95、10.34、0.38、0.03、0.57、1.35μg·m-3;其中,NO-3、SO2-4、NH+4是大气PM_(2.5)中水溶性离子最主要的二次污染成分,而硝酸盐则是新乡市大气灰霾污染的关键组分.对PM_(2.5)中阴、阳离子进行相关性分析,结果发现,新乡市大气颗粒物PM_(2.5)总体呈酸性.PM_(2.5)中水溶性离子来源主要有二次转化,以及工业源、燃烧源及土壤建筑尘等,移动源(汽车尾气)对新乡市秋季大气污染的贡献较大.     

重庆市北碚城区气溶胶中有机碳和元素碳的污染特征

为了研究重庆市北碚城区大气碳质气溶胶组分的污染特征,于2014年3月~2015年2月采用安德森采样器采集大气颗粒物样品,用DRI Model 2001 A热光碳分析仪测定其中有机碳(OC)和元素碳(EC)的质量浓度.结果表明,北碚城区PM_(2.1)和PM_(9.0)中OC和EC的年平均浓度分别为(16.3±7.6)、(1.8±0.7)和(25.0±9.7)、(3.2±1.3)μg·m-3.在PM_(2.1)中,OC和EC均呈现出冬春季大于夏秋季的季节变化特征,而PM_(9.0)中OC呈现出夏春季大于冬秋季,EC呈现出冬春季大于夏秋季的季节变化特征.对全年OC和EC的粒径进行分析,发现OC在整个粒径上呈现"双峰型"分布,其中细粒子段峰值位于0.43~0.65μm粒径段,粗粒子段峰值位于4.7~5.8μm粒径段;EC呈现出"三峰型"分布,其中细粒子段峰值位于0.43~0.65μm粒径段,粗粒子段峰值位于4.7~5.8μm粒径段,同时2.1~3.3μm粒径段也出现一个明显峰值.对OC和EC进行相关性分析并对PM_(2.1)中的SOC进行估算,发现北碚城区全年SOC浓度为(6.3±5.9)μg·m-3,占全年OC的33.5%±22.6%,且OC和EC显著相关.最后对北碚城区大气气溶胶的污染来源进行分析,发现污染主要来源于汽油车尾气、生物质燃烧和燃煤排放.     

京津冀地区严重光化学污染时段O3的时空分布特征

利用MCCM(多尺度气象空气质量模式)对京津冀地区2008年6月严重光化学污染时段的近地面φ(NO_x)和φ(O₃)进行了模拟;同时,为了检验MCCM系统模拟φ(O₃)时空分布的能力,将模拟的气象要素、φ(NO_x)和φ(O₃)与观测数据进行了比对,并利用验证后的模拟结果对该地区严重光化学污染时段O₃时空分布特征进行研究. 结果表明:①MCCM模式可较好地反映气象场和污染物浓度场的时空分布特征. 气温、露点温度和气压的观测值与模拟值的相关系数分别为0.85、0.77和0.95;模拟的化学物种浓度的时空分布与观测结果基本相符. ②城市中心地区φ(NO_x)较高,北京和天津城市地区的φ(NO_x)甚至超过了30×10-9;京津冀平原大部分地区午后14:00φ(O₃)的最大值超过了70×10-9;而太行山沿线φ(O₃)的最大值超过了80×10-9. 结合气象要素的分析表明,午后φ(O₃)在太行山沿线的高值与气压场和流场关系密切. ③利用判断O₃生成敏感性指标——H₂O₂/HNO₃(体积分数比)分析发现,φ(O₃)日最大值和φ(总氧化剂)(总氧化剂=NO₂₊O₃)平均值的高值区域与O₃生成受NO_x和VOCs协同控制的区域极为吻合. 因此,要达到降低区域的光化学污染,应以VOCs的消减为主,同时兼顾NO_x的消减.      

城市绿化对街道空气污染物扩散的影响

以CO为环境示踪物,通过对西安市典型街道的实测和数据分析,讨论了绿化形式对街道污染物扩散效果的影响,指出绿化带对气态污染物扩散存在阻碍作用的因素是郁闭度,而不是绿量,车流量的大小对行道树树冠的生态净化功能有直接影响,并据此对街道绿化的生态设计给出了建议.     

北京大气PM10中水溶性金属盐的在线观测与浓度特征研究

研究了北京大气可吸入气溶胶(PM10)中水溶性金属盐的变化特征,并对其来源进行了分析.钠盐、钾盐、镁盐和钙盐浓度的变化范围分别为:0.5～1.4、0.5～2.5、0.1～0.5和0.6～5.8 μg/m3,不同水溶性金属盐最高值和最低值出现季节不同.水溶性金属盐没有明显的采暖期和非采暖期的差异,说明冬季采暖不是它们的主要来源.海盐和土壤源是北京大气PM10中Na 的主要来源,K 的主要来源包括秸秆燃烧和生物质排放,土壤源是Mg2 和Ca2 的重要来源.水溶性金属盐的日变化规律不同.降水对Na 、K 、Mg2 、Ca2 的清除分别为10%～70%、20%～80%、10%～77%、5%～80%.     

北京奥运时段河北香河大气污染观测研究

为监测评估周边地区大气污染对北京的可能影响,2008年6～9月北京奥运时段,在北京东南方向河北香河开展了大气污染物SO2、NOx、O3、PM2.5和PM10的连续在线观测,结合地面气象资料和HYSPLIT轨迹模式探讨了污染物的来源与传输过程.结果表明,香河地区大气污染较为严重,上述污染物观测期间日均最高值(日均值±标准差)分别达到84.4(13.4±15.2)、43.3(15.9±9.1)、230(82±38)、184(76±42)和248(113±52)μg.m-3,特别在奥运会开幕前后的7月20日～8月12日之间出现了2次持续污染过程,导致O3和PM10分别超过国家二级标准46 h(超标率9%)和11 d(46%),PM2.5则超过美国EPA标准18 d(75%).奥运时段8～9月的大气污染物日均值较6～7月日均值有明显降低:SO2从27.7μg.m-3下降到5.8μg.m-3;NOx从18.6μg.m-3下降到13.2μg.m-3;O3从96μg.m-3下降到80μg.m-3;PM2.5从90μg.m-3下降到60μg.m-3;PM10从127μg.m-3下降到106μg.m-3.NOx、PM2.5和PM10统计(月为单位)日变化为双峰型,峰值分别出现在07:00和20:00左右;臭氧呈单峰型,峰值出现在14:00～16:00之间.香河地区大气污染受局地排放和外源输送共同影响,持续的偏南气流易造成污染物积累,而偏北气流有利于污染物扩散,降水可明显清除大气中的污染物质.通过计算7月20日～8月12日香河和北京奥运村PM2.5小时平均浓度之间的超前相关系数,发现香河超前北京6～10 h时相关性较大(0.57r0.65,p=0.01),最大相关系数出现在超前8 h,表明上述时间段内香河实时观测数据对北京大气PM2.5污染超标事件可能具有预警作用.     

贡嘎山大气气溶胶中水溶性无机离子的观测与分析研究

2005年12月～2006年11月在贡嘎山东坡海拔1 640　m处,利用大流量滤膜采样器对大气中的气溶胶粒子进行了分级采样,并用离子色谱(IC)分析了气溶胶中水溶性无机成分的含量.结果表明,PM_2.5和PM₁₀中总水溶性无机离子年平均浓度分别为6.46和8.86 μg/m³,其中主要的3种离子SO^2-₄、NO^-₃和NH⁺₄,占PM_2.5和PM₁₀中总水溶性无机离子浓度的82%和85%.Na⁺、 NH⁺₄、 K⁺、Cl^-和SO^2-₄主要分布在细粒子中,NO^-₃、Mg²⁺和Ca²⁺在粗细粒子中各占一半.雨季Na⁺与Cl^-相关性明显增强,PM_2.5和PM₁₀中Na⁺与Cl^-的相关系数R²分别为0.87和0.84. PM₁₀中SO^2-₄与NH⁺₄的量浓度比值接近1∶2,表明SO^2-₄与NH⁺₄主要以(NH₄)₂SO₄形式存在.     

主成分和回归分析方法在大气臭氧预报的应用——以北京夏季为例

利用北京市区两个典型观测站的大气臭氧(O3)及前体物浓度观测资料和气象要素观测数据,分析了影响大气O3浓度各要素的相关性,并采用主成分分析和逐步回归方法构造大气O3浓度统计预报方程.结果表明,大气O3与前体物一氧化氮(NO)、二氧化氮(NO2)和气象要素呈现较好相关性;发现由于变量间共线性问题,逐步回归方法不能给出可接受的回归方程,而采用主成分分析和逐步回归方法相结合,可避免共线性问题,由前体物浓度和气象要素给出较好的北京大气O3浓度统计预报方程,可决系数R2分别为0.78(IAPs2007)、0.88(IRSAs2007)和0.64(IAPs2005),能够有效地预报O3浓度的变化情况.