CREAM失误概率预测法在驾驶舱机组判断与决策过程中的应用

CREAM强调人在生产活动中的绩效输出不是孤立的随机性行为,而是依赖于人完成任务时所处的环境或工作条件,它通过影响人的认知控制模式和其在不同认知活动中的效应,最终决定人的响应行为。在驾驶舱内,机组的绩效输出不仅仅是人的自身行为,还依赖于其完成任务时所处的情景环境,所以CREAM方法能够结合驾驶舱环境对机组的认知差错进行分析。在飞行中,驾驶舱内机组非常重要的一个环节是判断与决策过程,这一过程中包括询问、讨论、确定方案、执行、反馈五个环节。本文将通过分析这五个环节的相互关系及影响,以明确这种讨论过程是减少机组人为差错发生的一种有益方式,然后应用CREAM的预测法对这五个环节进行定量化分析,得出机组判断与决策过程的失误概率,完成对机组认知行为的客观评价,并为以后能够定量化研究驾驶舱内飞行员认知差错提供方法的借鉴。     

聊城市秋冬季VOCs污染特征及来源解析

为深入了解聊城市秋冬季挥发性有机物(VOCs)的污染特征、来源及其对臭氧和二次有机气溶胶的生成潜势,作者使用在线监测系统分析了城区115种VOCs的体积分数。利用最大增量反应活性系数法和气溶胶生成系数法,计算了VOCs的臭氧生成潜势(OFPs)和二次有机气溶胶的生成潜势(SOAFPs),并利用特征性比值法和正交矩阵因子模型(PMF)解析了大气VOCs的来源。结果表明：秋、冬季VOCs的化学组成相似,烷烃和OVOCs是体积浓度最高的2种组分。冬季OFPs为140.2×10^-9,约是秋季(89.0×10^-9)的1.6倍,OVOCs和C₂～C₄烯烃对秋、冬季VOCs的OFPs贡献最大(占54.7%～58.6%)。秋季(1.0μg/m³)与冬季(1.2μg/m³)生成的SOAFPs质量浓度水平相似,间/对-二甲苯、甲苯和邻-二甲苯是秋、冬季SOAFPs贡献最大的3种组分。甲苯/苯比值的分析结果表明,机动车尾气是聊城市大气VOCs的重要来源之一。PMF分析结果显示,...     

成都春季VOCs污染特征及其对SOA和O3生成贡献的研究——以2020年4～5月发生的PM2.5和O3污染过程为例

成都市2020年4月15～16日和4月28～5月6日分别发生了细颗粒物(PM_2.5)污染过程和臭氧(O₃)污染过程,利用2020年4月13～5月10日成都市区57种挥发性有机物(VOCs)小时数据,研究两次污染过程中VOCs对PM_2.5污染和O₃污染的影响。通过计算VOCs的臭氧生成潜势(OFP)、二次有机气溶胶生成潜势(SOAFP),以及使用比值分析法,探讨成都市VOCs优先控制物种及来源。结果表明,污染时段VOCs浓度较清洁时段均有所升高,但烷烃占比有所下降。污染时段的OFP和SOAFP较清洁时段均有所升高,间/对二甲苯和甲苯对SOA生成和O₃生成贡献均排名前列,控制这两种组分的排放是成都市控制O₃和SOA前体物的有效途径。比值分析结果得出,VOCs气团受本地排放影响较大,PM_2.5污染时段和清洁时段的VOCs受机动车尾气排放影响较多,O₃污染时段的VOCs除受到机动车尾气排放影响以外,还受溶剂使用的影响。作...     

青岛近海不同污染过程下大气颗粒态氮磷浓度分布特征

2018年3月~2019年10月在青岛近海连续采集了大气气溶胶样品,测定出样品中溶解无机氮（DIN）、溶解无机磷（DIP）、溶解态总氮（DTN）、溶解态总磷（DTP）、总氮（TN）和总磷（TP）的浓度分别为（7.13±6.59）μg·m^-3、（17.42±9.88）ng·m^-3、（8.34±7.03）μg·m^-3、（25.59±13.67）ng·m^-3、（10.68±10.59）μg·m^-3和（76.34±51.79）ng·m^-3.结果表明,受排放源强度、气团来源和气象条件等因素影响,采样期间气溶胶中不同形态氮磷浓度变化范围较大,DIN、DTN和TN呈现秋季浓度最高,春季和冬季次之,夏季浓度最低的季节变化特征;DIP、DTP浓度与氮组分具有相似的季节变化,表现为秋季高,夏季低,而TP浓度在春季最高,夏季最低.霾天气溶胶中不同形态氮磷浓度较晴天对照天均显著增加,DIN、DTN和TN较对照天分别提高了4.3、3.8和4.5倍,而DIP、DTP和TP较对照天分别提高了1.9、1.9和1.2倍,但不同时期霾天样品的氮组分浓度增长幅度相差较大,其中采暖期与非采暖期霾天气溶胶中DIN/DTN的值分别为（92.65±4.09）%和（80.52±8.42）%,较对照天分别提高了8.87%和4.83%;而采暖期与非采暖期霾天气溶胶中DTN/TN值分别为（73.41±12.18）%和（80.36±4.72）%,较对照天分别降低了13.35%和5.92%.霾天气溶胶中DIP占DTP的比重较对照天仅提高了1.47%,但变化较为复杂,随霾天不同而有较大差异;受气团来源、相对湿度和大气酸化过程等因素影响,气溶胶中DTP/TP的值较对照天提高了10.58%.受沙尘事件影响的气溶胶中DIN、DTN和TN的浓度较对照天分别提高了2.5、2.6和2.6倍,DIP、DTP和TP的浓度较对照天分别提高了4.0、2.8和7.2倍.     

基于多源探测的南京市大气污染状况分析

南京市作为长三角地区的核心城市之一,工业发达,大气污染状况较为严重.为深入研究南京市污染状况,利用MODIS以及CALIPSO的气溶胶产品对南京市2011-2019年气溶胶特性进行分析,并基于地基反应性气体分析仪数据分析了冬季南京市大气中4种常见反应性气体（SO₂、NO、NO₂、O₃）的体积分数时序状况.结果表明:①南京市2011-2019年气溶胶光学厚度（AOD）整体呈下降趋势,冬季AOD值可达0.7,污染程度为四季中最高,且气溶胶以粗粒子和吸收性粒子为主.②南京市近地层大气（2 km以内）以大粒子和不规则颗粒物为主,2~6 km高度层内细粒子与规则颗粒物的占比逐渐增多,且2~6 km高度层内粒子的体积大小变化不大.③冬季4种常见的反应性气体中,φ（NO）在大气中的变化最为显著,且最高值可达160×10-9,φ（NO₂）与φ（O₃）在大气中的变化趋势相反.由于排放限制措施、工厂脱硫措施的推广以及光化学反应的影响,导致φ（SO₂）较低,仅在3×10-9左右.结合OMI卫星观测数据发现,受新冠肺炎疫情下工厂停工的影响,2020年初南京市φ（NO_x）维持在较低水平.研究显示,近年来南京市颗粒物污染状况有所改善,但仍需注意粗颗粒物的排放,需严格控制工厂气态污染物,尤其是NO_x的排放.      

杭州市大气VOCs组成特征及二次污染生成贡献

利用2021年1～12月杭州市城区大气VOCs的观测数据,分析了VOCs化学组成及其污染特征,运用正交矩阵因子分解法(PMF)进行VOCs来源解析,并利用最大增量反应活性(MIR)和气溶胶生成系数(FAC)估算VOCs的臭氧生成潜势(OFP)和二次有机气溶胶生成潜势(AFP),量化评估其二次污染生成贡献.结果显示,观测期间杭州市大气VOCs体积分数均值为30.65×10^-9,烷烃和卤代烃是其主要组分,分别占49.23%和24.47%,浓度排名前10的VOCs物种主要为C₂～C₄的烷烃、C₇～C₈的芳香烃和乙烯.源解析结果显示杭州市VOCs主要来源为燃烧源、溶剂使用源、工业排放源、油气挥发源和机动车尾气排放源.杭州市大气VOCs的总OFP为50.56×10^-9,其中乙烯、1-乙基-3-甲基苯和甲苯是其主要贡献组分.芳香烃对AFP的贡献达到91.52%,是最重要的SOA前体物.因此,控制机动车尾气排放和溶剂使用过程中产生的VOCs对防控O₃     

北京一次严重雾霾过程气溶胶光学特性与气象条件

对北京地区2013年10月2~7日一次严重雾霾过程中的气溶胶光学特性开展研究,分析了气象条件对雾霾过程的影响,并结合HYSPLIT模型分析污染物的来源.结果表明,在污染天气中气溶胶光学厚度、?ngström波长指数、细模态体积尺度谱峰值浓度远高于清洁天.10月5日雾霾最为严重,440nm波长处气溶胶光学厚度高达3.89.在雾霾发生前后,单次散射反照率日均值随波长增大而增大,而在10月5日,单次散射反照率值随波长增加先增大后减小,在675nm波长处达到最大值0.965.雾霾过程中大气气溶胶以强散射型细粒子为主,人为因素贡献较大,且受气象条件影响明显.     

2006~2015年中国华北地区气溶胶的垂直分布特征

为研究高污染地区气溶胶形成机理提供理论依据,利用CALIPSO卫星提供的Level 2Profile和Level 2VFM产品,分析了华北地区2006～2015年532nm总后向散射系数,退偏振比,色比及不同类型气溶胶的时空变化特征,并结合地基观测资料,探讨了不同能见度下华北地区气溶胶垂直分布特征.结果表明：华北地区气溶胶粒子532nm总后向散射系数,退偏振比和色比范围依次为0.5×10^-3～8.0×10^-3km^-1sr^-1,0.14～0.3和0.6～2.0,且具有显著的季节和高度变化特征;能见度<5km时粒子散射能力最强,非球形最弱,粒径最小,对应的最大532nm总后向散射系数,最小退偏振比和最小色比依次为0.012km^-1sr^-1,0.092和0.856,能见度>10km时相反;污染沙尘,沙漠沙尘,污染大陆气溶胶和洁净海洋气溶胶集中在0～2km,出现的频率依次为13.81%,8.48%,5.45%和1.22%.     

中国地区人为热分布特征研究

利用中国统计年鉴中全国各省份的非再生能源消费资料和2.5min×2.5min分辨率的人口格点数据,对中国地区人为热排放的时空分布进行研究,讨论了其分布特征和影响因素.结果表明,中国地区人为热通量随时间持续增长,特别是在2000年后增长加速,1985年到2000年从0.09W/m2增长到0.16W/m2,而到2013年已经增长到0.38W/m2.中国地区的人为热排放具有显著的地域特征,在华北、华东和华南,由于人口密度大、经济发达,人为热的污染很严重;在华中地区,人为热污染较严重的区域主要分布在以武汉为中心的经济圈;在东北地区,以大连、沈阳、长春和哈尔滨为中心的城市区域人为热污染也较为严重;而在西北和西南的大部分地区,人为热排放量很小,仅在以成都、重庆为中心的区域较大.历年来全国年均人为热的最大值都出现在上海,其中2010年最大,为113.5W/m2,上海人为热排放的年均值增长明显,可达到0.6W/m2/a.随着城市化进程的加快,人为热的排放愈来愈强,热污染对城市和区域的气候以及空气污染的影响也会越来越重要.