临安夏季霾和清洁天气PM2.5化学组成特征比较

本研究对长江三角洲背景地区临安大气本底站夏季PM_(2.5)进行连续采集,并对其分别进行OC/EC和水溶性离子测试分析.研究结果发现,临安夏季PM_(2.5)中OC和EC平均质量浓度分别为(14.3±3.95)μg·m-3和(3.33±1.47)μg·m-3.与城市地区相比,本研究临安背景地区夏季气溶胶中OC和EC相关性较弱(R2=0.31,P0.01).二次无机离子,即SO_4~(2-)、NO_3~-、NH_4~+(SNA),明显高于其它水溶性无机离子,平均浓度分别为(8.70±5.66)、(2.04±1.07)和(3.25±2.29)μg·m-3.基于对临安夏季PM_(2.5)连续加密观测、气团后向轨迹以及火点图研究分析,发现静稳天气条件和区域传输都可以影响临安地区PM_(2.5)的化学组成特征.此外,通过对临安本底站霾天和清洁天PM_(2.5)化学组成特征比较发现,与清洁天相比,霾污染天气POC和EC占PM_(2.5)的质量分数没有明显变化,而SOC占PM_(2.5)的质量分数却呈现了明显的下降趋势.与SOC不同,SO_4~(2-)和NH_4~+占PM_(2.5)的质量分数在霾污染天气均呈现了上升的趋势,说明二次无机离子有另一种明显增强的化学生成路径,即非均相化学反应.     

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.     

北方草地干旱指标

介绍了内蒙古自治区和青海、新疆省的草地干旱指标研究。通过对大量历史资料的统计分析得出0～30cm深土壤层的相对湿度与相对蒸降差这两个物理量,与牧草生长发育及产草量有密切的关系。三省、自治区分别以土壤相对湿度与相对蒸降差为指标,对草甸草原、典型草原、荒漠草原进行了干旱等级划分和检验,结果较为满意。     

遥感信息与作物生长模式的结合方法和应用--研究进展

将遥感信息与作物生长模式结合来预测作物产量,是目前的一个热点研究课题.概述了遥感信息与作物生长模式结合的主要方法,包括驱动法和初始化/参数化法,以及最新的一些研究个例.同时还分析了将遥感信息应用到作物生长模式过程中存在和有待改进的问题.     

土壤干旱和内源ABA对夏玉米产量的影响

对不同程度土壤干旱胁迫和夏玉米根、茎、叶中脱落酸含量变化对产量形成的影响进行了试验研究.充足底墒条件下播种后采用5个土壤水分等级(0～2m土壤相对湿度分别为>80%,70%～80%,60%～70%,50%～60%和40%～50%,处理代号分别为WT1～WT5),生育期内遮去自然降水.试验结果表明,轻度土壤干旱胁迫(WT3处理)下,由于表土层干旱促进了根源信号的产生、运输和累积,明显抑制了叶面积的发育和地上部分的干物质累积,降低了地上部分水分损失;同时该处理的玉米植株根系发育良好,不仅有效地利用了表土层的水分,而且根系向土壤深层延伸吸收利用土壤深层贮存的水分,有效地缓解了干旱胁迫和根信号对产量形成造成的负面影响,在土壤水分利用和获取之间达到了较好的平衡,提高了植株体的水分利用率并增加了收获指数.     

农业气象灾害风险评估体系及模型研究

从灾害风险分析的角度构建了一个由我国北方冬小麦干旱、江淮冬小麦渍涝、东北作物夏季低温冷害以及华南荔枝和香蕉冬季寒害组合的灾害风险评估体系.该体系由风险辨识、风险估算和风险评价组成.风险辨识分别阐明了上述各灾种的孕灾环境、致灾因子和承灾体的灾情特征.在风险评估方面,基于灾害性质、灾损和抗灾性能的含义,提出了相应的风险概念模型,根据多年产量资料和气象资料,提出了应用性强、可操作的各种灾害的灾害强度风险概率模拟模式和灾损风险概率模拟模式、抗灾性能模式,并采用逐年产量和气象资料的样本序列,由上述模拟模式估算了各种灾害强度和不同灾损发生的风险概率及风险指数,阐述了风险水平的地区差异.在风险评价方面,根据对各种灾损的风险指标进行综合,分别提出了风险区划指标,并进行了风险区域划分.     

龙凤山站大气CO2浓度2种筛分方法对比研究

针对黑龙江龙凤山区域本底站2009年1月~2011年12月大气CO2在线观测数据,研究基于地面风、日变化等大气本底/非本底数据筛分方法(SWDV)和稳健局部近似回归大气本底/非本底数据筛分方法(REBS)在龙凤山区域本底站的适用性.研究表明:2种筛分方法在春、秋和冬季都能很好反映龙凤山大气CO2浓度的趋势变化及局地源汇对观测CO2浓度的影响,对于高浓度的非本底数据都能够较好的识别,但在夏季使用REBS方法会影响筛分的准确性,不建议在龙凤山区域本底站使用REBS筛分方法.SWDV和REBS法筛分出的本底数据分别占总数据量的30.7%和 58.9%.2种方法均筛分为本底浓度和非本底浓度的数据分别占总数据量的21.5%和32.0%.二者筛分的本底季平均浓度在春季相差最小为(0.1±0.3)×10-6(摩尔比,下同),冬季和秋季次之,在夏季相差最大为(4.2±1.0)×10-6.典型个例分析表明,SWDV法会将白天一些受西南污染气流影响的CO2浓度误筛分为本底浓度,REBS法会将个别在静稳天气条件下受局地影响大的CO2观测值误筛分为本底浓度.夏季局地污染状况可能被植被强烈的光合作用抵消,CO2浓度变化不大,使得REBS误筛分为本底浓度,以及对于一些较低的CO2浓度值,REBS误筛分为非本底浓度,这些因素导致2种筛分方法在夏季本底浓度差别较大.     

北京及周边地区3个典型站点NO_x和CO的变化特征

为了研究华北平原北部区域不同类型站点光化学前体物的共性与差异,在华北平原北部地区西南-东北主导风向上选取间距大于100km的3个站点,即中国气象局(CMA)、上甸子(SDZ)和固城(GCH)依次代表北京城区、华北本底地区和相对污染的农村地区,进行了近地面NOx和CO观测。结果表明,2008年6月至2009年5月,CMA、SDZ和GCH 3站NOx体积分数的年均值依次为(42.4±21.8)×10-9、(13.8±5.5)×10-9和(26.9±15.2)×10-9,CO体积分数的年均值依次为(1.13±0.37)×10-6、(0.67±0.17)×10-6和(1.11±0.62)×10-6。3站的NOx月均值体积分数及CMA、GCH两站的CO月均值体积分数呈现出冬季高夏季低的特点,而SDZ站的CO 6月均值体积分数(1.03×10-6)为一年中最高。SDZ站的NOx和CO体积分数在中午12时前后出现一个低谷,比CMA和GCH站的提前3~4 h,此后呈上升趋势,体现了午后西南风输送对SDZ站的影响。尽管不同的源排放和大气输送影响导致3站的NOx和CO体积分数在日变化特征上有所差异,但3站的NOx和CO日平均体积分数之间存在极其显著的相关性,体现了区域性污染和气象条件共同影响的特征。     

CO2和O3浓度倍增及复合效应对大豆生长和产量的影响

利用OTC-1型农田开顶式气室,模拟研究了大气中CO₂、O₃浓度倍增及其复合效应对大豆生长、根瘤和产量形成的影响.结果表明,CO₂浓度倍增促进根系生长,固氮能力增强,植株高度和基部粗度增加,对发育期、绿叶数和绿叶面积影响不大.O₃浓度倍增抑制大豆根系和茎的生长,固氮能力下降,叶片伤害使绿叶数和绿叶面积显著下降, 衰老提前.在CO₂和O₃的复合试验中,CO₂浓度增加明显缓解O₃浓度增加对大豆伤害和抑制作用,CO₂、O₃浓度持续倍增处理下大豆生长和固氮能力与CK的数量差异明显小于单一O₃浓度倍增与CK 的数量差异,逐渐增加CO₂、O₃浓度的刺激作用和剂量效应使大豆生长后期伤害加重,绿叶数、绿叶面积显著下降,而根系固氮能力有所提高.