台风“浪卡”过程对海南岛臭氧污染的影响分析

为了探讨2016号台风“浪卡”对海南岛臭氧(O₃)浓度的影响,选取了2020年10月10～14日海南岛逐时空气质量监测数据、气象要素数据、ERA5再分析资料和“葵花8号”红外亮温TBB产品,采用相关分析和后向轨迹模拟方法进行深入讨论.结果表明,10月11～13日台风过程期间均有市县O₃最大8 h滑动浓度平均值[ρ(O₃-8h)]超标,海南岛平均ρ(O₃-8h)峰值出现在10月12日,为130.15μg·m^-3,共有4个市县O₃-8h浓度超标,其中临高县达到了全岛最高值,为198.44μg·m^-3.台风过程期间海南岛小时O₃浓度与降水量、相对湿度和风速呈负相关关系,与气压和气温呈正相关关系,其中与降水量、气压和相对湿度的相关系数通过了99.9%的信度检验.我国东南部沿海省份是海南岛此次O₃污染的主要贡献源区.受西太平洋副热带高压(副高)内部的下沉气流和台风“浪卡”外围下沉气流共同影响,源区大气...     

河北省2013~2020年大气污染治理进程中的减污降碳协同效益

当前,我国面临着大气污染治理与碳减排的双重挑战,"减污降碳"成为了社会经济绿色转型的重要抓手.大气污染物和CO₂排放清单是"减污降碳"工作的基础支撑,但已有研究存在着物种覆盖不全、源类体系不一、时间范围较窄等问题.基于统一的源分类体系与源排放表征技术,建立了河北省2013~2020年排放清单,据此分析了排放的总量趋势、结构演变、变化驱动、协同效益和区域分布.研究期内,河北省取得了社会经济发展与人为源排放控制的双赢,SO₂排放在"大气十条"期间下降速度较快,VOCs和NH₃排放在"蓝天保卫战"期间减排效果更好,NO_x和PM_2.5排放的下降速度相对稳定,CO₂排放略有上升.燃煤治理有效削减了大气污染物和CO₂排放,重点行业超低排放改造降低了SO₂、NO_x和PM_2.5排放,但VOCs治理力度有待提升.电力源和民用源实现了大气污染物与CO₂的协同减排,散煤治理从源头优化了能源结构,使得民用源具有更高的减排协同度.河北省"减污降碳"的重点区域为石家庄、唐山、邯郸、保定和廊坊.研究提出的方法与结论可为区域"减污降碳"工作提供技术借鉴与决策参考.     

2019年秋季三亚市一次典型臭氧污染个例气象成因解析

三亚市位于海南岛最南端,旅游资源丰富,生态环境良好,是海南建设国际旅游岛和国家生态文明试验区的重要城市之一。2019年秋季三亚市出现的一次臭氧(Ozone,O₃)污染过程,为科学认识三亚市此次O₃污染特征及气象学成因,也为进一步开展O₃污染预警预报和科学治理提供技术支撑,利用2019年11月1—6日三亚市生态环境局对外发布的大气污染物数据,以及地面常规观测数据,结合ECMWF发布的第5代资料(the fifth generation ECMWF reanalysis data,ERA5),采用相关分析和后向轨迹模型对其进行分析。结果表明,11月4日和5日O₃-8 h(臭氧最大8 h滑动平均)分别为162μg·m^-3和180μg·m^-3,超标百分比为101.25%和112.50%。5日O₃-1 h(臭氧最大1 h平均)达到了203μg·m^-3,超标百分比为101.50%。14:00—19:00是O₃     

基于卫星遥感的海南地区对流层NO2长期变化及成因分析

利用OMI卫星反演的较高分辨率(0.125°×0.125°)对流层NO_2(Tro NO_2)柱浓度数据,分析了近12年海南岛TroNO_2柱浓度的时空变化,同时,结合MODIS卫星反演的气溶胶光学厚度(AOD)资料、海口市空气质量指数(AQI)、GDP、SO_2排放总量,以及民用汽车保有量等探究其长期变化与成因.结果表明:海南地区TroNO_2柱浓度空间分布表现为北半部高于南半部、四周沿海高于中部山区的特征,其中,北部地区最大值可达20×1014molec·cm~(-2)以上.近12年来海南地区TroNO_2柱浓度表现为上升的变化趋势.季节变化表现为冬季高于夏季,夏季浓度偏低和雨水的冲刷作用有关,而冬季偏高与旅游过冬人口增多和外源输送作用有密切联系.四季TroNO_2柱浓度均有不同程度的上升,而且季节差异在2010年以后有增大的趋势.海南地区TroNO_2柱浓度分布与岛上经济水平和人口分布关系密切,海南地区民用机动车拥有量近10年呈现快速的增加趋势,机动车尾气NO_2排放也不容忽视.     

2014—2016年海口市空气质量概况及预报效果检验

本文主要基于CUACE模式在海口市的预报产品,结合2014年3月—2017年2月海口市AQI、PM_2.5、PM₁₀和O₃的实况资料进行预报效果检验.结果表明,①近3年海口市空气质量等级主要以优和良为主,但仍有少部分天数以PM₁₀、PM_2.5和O₃为首要污染物,分别占所有首要污染物天数的27.6%、29.5%和42.9%,其中O₃上升幅度较快.②CUACE模式能较好的模拟出AQI和3类污染物浓度的变化特征,其中PM_2.5的预报值与实测值最为接近,而PM₁₀和O₃普遍偏低.③日平均浓度的预报效果检验表明,PM_2.5的标准误差（RMSE）最小,AQI和PM₁₀次之,O₃最大.3个时次预报平均偏差（MB）和归一化偏差（MNB）均为负值,表明CUACE模式预报的污染要素浓度均偏低于实测值.④海口市空气质量为优等级时,TS评分最高;无首要污染物时,首要污染物预报的TS评分最高,但首要污染物为PM_2.5、PM₁₀或O₃时,TS评分均偏低.     

基于复合LSTM模型的PM2.5浓度预测

在对淄博市19个空气质量监测站点监测数据进行分析后,提出了一种基于机器学习的复合模型——灰色关联度分析(GRA)-改进的完备总体经验模态分解(ICEEMD)-长短期记忆网络(LSTM)模型。通过分析淄博市2019年大气污染物和气象数据,选用LSTM模型预测PM_2.5浓度。由于传统单一模块机器学习模型具有训练时间较长和预测精度较低的问题,提出了复合LSTM模型。该模型由3部分组成：GRA,用于PM_2.5浓度影响因素变量筛选;ICEEMD,用于PM_2.5分解、分量筛选和原始大气污染物及气象数据处理;LSTM,用于PM_2.5浓度预测。预测结果表明：淄博市中部丘陵地带PM_2.5浓度高于南部山区和北部平原,东部高于西部;淄博市逐月PM_2.5浓度呈“U”形分布,1月最高,8月最低;淄博市PM_2.5浓度受PM₁₀和CO影响较大,受湿度和温度影响较小。对比单一LSTM模型和GRA-LSTM模型,GRA-ICEEMD-LSTM模型...     

三亚市区臭氧污染变化特征及潜在源区分析

该文基于三亚市区2个环境监测数据,结合气象观测资料,采用后向轨迹、聚类分析、潜在源区贡献因子算法和权重轨迹方法研究了三亚市日最大8 h平均(O₃-8 h)质量浓度时空变化特征与气象因子的关系,以及O₃传输路径和潜在贡献源区。结果表明,2014-2020年2个站点O₃-8 h质量浓度变化趋势相反,河东站和河西站气候倾向率分别为0.303μg/(m³·a)和-0.405μg/(m³·a),趋势系数均没有通过信度检验。O₃-8 h质量浓度逐月变化呈“V”型分布,最高值出现在10月;日变化表现为单峰型,峰值出现在15:00左右。平均气温在15～25℃之间,相对湿度为65%～80%,太阳总辐射为14～24 MJ/m²,日照时数为6～10 h/d,受6～12 m/s之间的东北风影响时,三亚市O₃-8 h质量浓度会出现超标。多元回归分析表明,10 m平均风速、相对湿度、日照时数和平均气温是O₃-8 h质量...     

海口市区臭氧污染变化特征及潜在源区分析

海口市作为我国著名的热带滨海城市之一,地理环境特殊,气候资源独特。为深入认识海口市臭氧(O₃)污染变化规律及污染物潜在贡献源区,也为进一步开展O₃污染预报预警和区域联防联控提供技术支撑,利用海口市区4个环境监测数据,结合气象观测资料,采用后向轨迹模拟、聚类分析、多元回归分析法、潜在源区贡献因子算法和权重轨迹方法分析了海口市最大8 h平均(O₃-8h)质量浓度年际变化、月际变化、日变化及与气象影响因子的关系,影响O₃-8h质量浓度的主控因子,并探讨了O₃传输路径和潜在贡献源区。结果表明,2013—2020年海口市区4个站点O₃-8h质量浓度均出现不同程度的上升,其中龙华站的趋势系数达到了0.929,通过了99.9%的信度检验;O₃-8h质量浓度月际变化呈“V”型分布,最大值出现在10月;日变化呈单峰型,峰值出现在15:00附近;平均气温在18—28℃之间,相对湿度位于65%—80%,太阳辐射日总量在6—23 MJ·m^-2     

基于轨迹模式分析海口市大气污染的输送及潜在源区

基于2013—2018年海口市空气质量资料,利用HYSPLIT模式和美国国家环境预报中心(NCEP)提供的FNL资料,模拟近6年海口市500 m高度气流48 h的后向轨迹,分析了不同季节气流轨迹分布、聚类分析和潜在源区分布概率(WPSCF)特征.结果表明:近6年海口市的空气质量等级主要以优和良为主,占所有天数的97.1%,有2.9%的天数达到了轻度污染及其以上级别,O_3从2015年开始成为海口市最主要的大气污染物.海口市影响气流有明显的季节变化,冬季主要受内地的大陆气流和东南沿海气流影响,春季和秋季以东南沿海气流为主,夏季多为来自西南方向的海洋性气流.气流轨迹和WPSCF的空间分布均表明,广东省是海口市大气污染物超标的主要贡献源区,此外,福建、江西、湖南和广西东部等地的潜在贡献也较大.