2000~2014年北京市SO2时空分布及一次污染过程分析

根据2000~2014年北京市SO2监测数据,系统分析了SO2时空分布特征并采用数值模式(CAMx)模拟分析了一次重污染过程中北京市SO2来源.结果表明,2014年与2000年相比北京市SO2年均浓度累计约降低69%,SO2年均浓度的变化率为-3.5μg·(m3·a)-1;北京市SO2的月均浓度呈U型分布,季节分布上整体呈现出冬季春季秋季夏季的特征,采暖季SO2浓度明显高于非采暖季;空间分布上北部及西部山区SO2浓度水平明显低于中心城区及西南、东南部地区,受减排措施影响较大的石景山、东四、通州监测点的SO2浓度降低明显;在2014年1月14~18日一次重污染过程中北京SO2存在明显的区域输送,PAST源示踪技术初步计算显示外来源对北京SO2浓度的贡献率为83%,其中北京周边高架点源电厂贡献占21%,北京4家主要燃煤电厂对全市SO2浓度贡献率约为3.5%.     

2013年北京市不同方位PM2.5背景浓度研究

利用2013年北京市6个站点PM_(2.5)浓度及5个站点气象监测数据,综合采用数理统计、物理识别、数值模拟的方法分析了2013年北京市不同方位PM_(2.5)的背景值.结果表明,2013年北京市西北、东北、东、东南、南、西南这6个方向边界点位的背景浓度在40.3~85.3μg·m-3之间,按由低到高顺序依次为密云水库、八达岭、东高村、榆垡、永乐店和琉璃河;2013年北京市PM_(2.5)北风时段背景值最低,西风时段次之,南风、东风时段明显偏高,不同风向下背景浓度的平均值分别在6.5~27.9、22.4~73.4、67.2~91.7、40.7~116.1μg·m-3之间,表现出北京东、南方向PM_(2.5)背景浓度较高分布特点;模拟的2013年北京市PM_(2.5)背景浓度空间分布呈现出南高北低的特征,周边区域对北京市PM_(2.5)背景浓度空间分布影响显著.     

北京市交通环境春季大气氨污染水平分析

当前,机动车作为大气PM_(2.5)的重要污染源,越来越受到人们的关注.机动车运行中产生的氨气能与大气中的酸性气体相结合,形成二次污染物,也是PM_(2.5)的重要组成成分.因此,为监测北京市交通环境中大气氨的排放情况,探索交通环境氨浓度与机动车运行情况以及大气环境等因素间的关系,本实验在通过对学院路(北航东门天桥下)和城市环境点(北京市环境保护监测中心楼顶)采用DOAS仪器对大气中氨的浓度进行持续2个月的观测.通过对监测数据的分析得到学院路空气中氨的总体浓度水平(日平均浓度24.39μg·m-3)高于城市环境点(日平均浓度17.80μg·m-3).从相关性分析可以看出,NH3与PM_(2.5)、NO、CO、NO2相关性较高,与PM10、SO_2相关性较弱.而对氨和交通流量和流速的分析得到,NH3浓度与车流量和车速关系密切,随着车流量的增加,大气中NH3的浓度也在不断增加.车速越高,NH3的浓度越低.     

2015年1月下旬北京市大气污染过程成因分析

采用地面观测和数值模拟相结合的方式,对2015年1月下旬北京市两次PM_2.5污染过程进行分析。研究表明,在第1次过程中PM_2.5浓度经过3个抬升阶段达到峰值,过程前期区域传输的作用明显,随后区域传输和本地污染积累、化学反应共同加重了污染的程度;3个浓度抬升阶段中均出现过PM_2.5浓度“跃升式”增长,且污染水平越重,浓度跃升的幅度越大。第2次过程是一次典型的静风、高湿度下的PM_2.5持续性增长过程,主要是本地污染物积累和发生化学反应二次生成导致的。大气氧化性分析和SOR、NOR分析均验证了对两次污染过程特征和成因的推断。数值模拟结果表明,第1次污染过程中区域传输对不同站点PM_2.5的贡献率在15.2%~68.7%之间;第2次过程区域传输的贡献率在12.8%~46.3%之间。     

冬季北京城区大气重污染特征分析

为研究北京市城区大气重污染特征,对2013年12月~2014年2月期间北京市6次大气重污染过程的PM2.5浓度水平、化学组成以及大气氧化性和气象要素特征进行了分析。结果表明,重污染日PM2.5平均质量浓度达到265.0μg/m3,是非重污染日的3.5倍。 PM2.5组分中NO3-,SO42-,NH4+和有机碳(OC)在重污染日的平均浓度分别是非重污染日的6.8,3.4,2.7和2.6倍。前3次过程中SO42-浓度最高,后3次过程中SO42-浓度与NO3-浓度接近。从气象要素来看,重污染期间的基本特征为地面温度升高、相对湿度增大、地面气压降低和风速减小。重污染日的能见度显著降低,平均能见度仅为非重污染日的34.4%。重污染日的大气氧化性明显增强,大气氧化剂OX平均浓度是非重污染日的1.5倍,(OC)/(EC)平均比值是非重污染日的1.6倍。     

AQI标准下北京市空气质量数值预报系统及其在重大活动保障中的应用

围绕新AQI标准下环境空气重污染预报预警工作的需求,全面优化升级了北京市空气质量数值预报系统。该系统集成了新一代天气模式WRF,并进一步发展污染源处理模型SMOKE,实现了点源、面源、机动车源等排放源高时空分辨率制作,同时紧追空气质量模型(CMAQ、CAMx、NAQPMS)新发展,实现在线源解析模块的业务应用。这一系统不仅在日常业务预报中有效提升了北京市空气重污染过程的预报准确率,还成功应用于2014年APEC会议、2015年纪念中国人民抗日战争暨世界反法西斯战争胜利70周年阅兵等重大活动空气质量保障工作中,满足了重大活动对空气质量预报预警的特殊需求,为进一步提高城市空气质量预报预警技术的发展做出有益尝试,并积累了丰富的经验。     

2015年“十一”期间北京市大气重污染过程分析

采用垂直观测、地面观测、PM_2.5化学组分观测和气团轨迹分析等手段,对2015年10月份北京市一次大气重污染过程进行了分析.结果表明,重污染时近地面层气溶胶消光系数升高,污染物主要积聚在600m以下.重污染期间气象要素特征为：风场弱,湿度大,地面受弱气压场控制,边界层高度极低.重污染期间不同站点PM_2.5浓度变化趋势和峰值出现时间较为一致;大部分时段PM_2.5中NO₃^-浓度明显高于其他组分;周边区域受重污染的影响面积相对较小,高浓度区主要集中在北京市及近周边地区.多手段的观测结果以及PM_2.5浓度与气象要素和各化学组分的相关性分析的结果均表明：区域传输,包括秸秆焚烧,对本次北京市重污染天气过程具有一定的影响,但本地机动车排放在不利气象条件下的积累、二次转化以及垂直方向空间的极端压缩是导致重污染的主要原因.     

北京市冬春季大气颗粒物的粒径分布及消光作用

2004年1─5月,在北京市区连续监测了大气环境中ρ(PM₁₀₎,ρ(PM_2.5),ρ(PM₁)和ρ(TSP),以及大气能见度、地面气象要素.结果表明:春节期间颗粒物中细粒子所占的比例较高,ρ(PM₁)/ρ(PM_2.5)为0.81,ρ(PM10)/ρ(TSP)为0.61;而沙尘期其值分别为0.55和0.28.不同粒径的颗粒物质量浓度均呈在明显日变化,其夜间浓度峰值高于早晨交通繁忙时段.根据经验公式,将大气能见度换算为大气消光系数,并导出颗粒物消光系数.结果表明:颗粒物消光系数与颗粒物质量浓度呈显著正相关.进一步定义了颗粒物质量浓度消光比(CE_P),用来表征颗粒物的污染特征.统计分析结果表明:当CE_P<103时,颗粒物质量浓度很低,PM_2.5所占比例较高,代表了有利于污染扩散的气象条件;当CE_P>167,颗粒物质量浓度高,但细粒子比(ρ(PM_2.5)/ρ(PM₁₀₎)稳定在0.5～0.7,湿度也稳定在20%～50%,代表了不利于污染扩散的气象条件.      

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.     

2004~2015年北京市清洁点臭氧浓度变化特征

利用2004~2015年北京市自动监测网络O₃浓度数据,综合探讨了北京市清洁点定陵站O₃浓度的变化特征,结果表明,定陵站2004~2015年O₃1h浓度整体呈上升的趋势,年均浓度增长率为4.40 μg·m^-3,定陵站O₃8h浓度整体呈下降的趋势,年均浓度增长率为-1.0 μg·m^-3,5~9月O₃8h平均浓度增长率为-1.5 μg·m^-3. 近3年来定陵站O₃8h重度污染天数增加明显,O₃污染形势严峻. 定陵站每年6月左右O₃浓度达到一年中的峰值,日变化上15：00~18：00左右出现小时浓度峰值且O₃日峰值浓度是中心城区的1.01~1.56倍;不同年份5~9月定陵站O₃日峰值浓度与城区站明显存在1 h滞后的现象,定陵站峰值浓度与城区峰值浓度之差近年来明显缩小,这可能一方面与O₃区域污染输送有关,另一方面可能与北京市城镇化扩张有关.