特强沙尘暴灾害性天气的研究及展望

总结特强沙尘暴天气的研究进展,梳理分析特强沙尘暴天气的基本特征以及动力学触发机制,提出进一步的研究问题,以期加深对特强沙尘暴天气过程机理的认识.分析结果表明特强沙尘暴天气事件的季节性分布特征显著,春季居多,且多发生在下午到傍晚时段,其典型特征为突发性、局地性,持续时间相对较短,对局地的大气环境质量短时产生重大影响.旺盛的地面混合层热对流胞运动和中尺度（反）气旋性涡旋过境是特强沙尘暴天气出现的必要条件.在沙尘源区,由于午后近地层温度升高,热对流加剧,近地层热层结极不稳定,易形成地面混合层热对流胞运动;沙尘源区的热对流胞与混合层上部的中尺度（反）气旋性涡旋耦合作用,涡量通过热对流胞下传促使近地层层结内的热对流胞发展成群发性旋转对流胞,特强沙尘暴天气出现.进一步理解特强沙尘暴的风沙流特征及能量快速耗散机制,提高预测预警能力,需要加强特沙尘暴的气象观测数据积累和多尺度数值模拟.     

北京市典型城区餐饮业VOCs和PM2.5排放量估算

以北京市餐饮企业分布密度最大的西城区为案例区,通过对研究区域内餐饮企业进行实地污染物检测及排放活动水平调查,计算得到基于就餐人数、就餐时间、烹饪油用量和灶头数4种核算基准的餐饮业VOCs和PM_2.5排放因子,并利用排放因子法分别估算该区域在餐饮废气净化设备升级改造前后餐饮企业VOCs和PM_2.5年排放量.结果表明：本研究区域餐饮业废气净化设备升级改造前VOCs排放量范围为319.03~506.38t/a,改造后为92.14~109.89t/a;改造前PM_2.5排放量范围为166.55~211.09t/a,改造后为30.22~36.05t/a,排放量明显减少.餐饮业废气净化设备改造后VOCs和PM_2.5减排率分别为71%~82%和80%~86%,餐饮业废气净化设备升级改造减排效果良好.计算得到以街道为单元的餐饮源VOCs和PM_2.5排放强度范围分别为1.45~4.32t/km²和0.47~1.42t/km².通过PM_2.5实测浓度（小时值）数据分析,餐饮业废气净化设备升级改造前、后PM_2.5浓度平均减少了28.9%,最接近于用油量为核算基准的排放因子降低比例.     

北京市植被生态需水量与生态服务功能的关系

植被是城市生态系统中重要的组成部分,研究植被的生态需水、以及由生态缺水导致的服务功能变化具有重要意义。采用面积定额法,估算出北京市植被的最小生态需水量为37.4亿m3;采用情景分析方法,分析了不同植被类型、人均生活用水增加、人口增加情景下生态缺水量及其导致的生态服务功能变化。污水、中水回用、植被蓄水与雨水收集是缓解生态缺水的有效措施。     

2014年北京市城区臭氧超标日浓度特征及与气象条件的关系

根据2014年1~12月北京市环境保护监测中心监测的O₃浓度数据,综合探讨了北京市O₃的时空分布及与其气象条件的关系.结果表明:2014年北京市全年O₃小时平均浓度约为56.18 μg·m^-3,O₃超标日小时平均浓度约为148.05 μg·m^-3且超标日主要集中在5~9月;超标日O₃日变化呈现单峰型分布,06:00或07:00为低谷,15:00、16:00左右达到峰值;超标日O₃浓度在09:00~23:00明显高于夏季同时间段浓度平均;空间分布上中心城区站点O₃浓度相对较低,而城区西部植物园站点浓度最高;统计的2014年北京市O₃超标日地面形势场3种类型高压类、低压类、均压类各占16%、36%、48%;超标日O₃浓度与气压、湿度、能见度呈负相关关系,与风速、温度呈正相关关系; 2014年5月29日~6月1日北京市发生的一次O₃重污染过程是由本地光化学污染及区域输送造成的,区域输送对北京市O₃浓度有着十分重要的影响.     

北京城区夏季静稳天气下大气边界层与大气污染的关系

利用ALS300激光雷达系统测量的信号,根据Fernald方法反演的气溶胶消光系数的最大突变即最大递减率的高度确定大气边界层高度. 结果表明:在夏季静稳天气下,大气边界层平均高度为600 m,其中晴天为1 000 m,雾天为700 m,阴雨天在200~300 m之间. 静稳天气下的大气边界层不容易被有效突破,故不利于大气污染物扩散. 大气边界层高度对污染物浓度影响显著,没有降雨时,大气边界层降低(400 m),大气污染加重,在城区宝联站监测的ρ(PM_2.5)近200 μg/m3,在大气本底站——上甸子站近150 μg/m3;如果伴有降水,大气边界层高度升至600 m,大气污染则减轻,2个站点观测的ρ(PM_2.5)均降至50 μg/m3以下. 静稳天气下的大气污染呈现区域性特点.      

北京市菜地土壤和蔬菜镉含量及其健康风险分析

通过对北京市蔬菜和菜地土壤镉含量状况进行大规模调查,研究了蔬菜和土壤镉含量及其健康风险,并筛选出抗镉污染能力强的蔬菜品种.根据蔬菜的消费量同时兼顾品种多样性的原则,在北京市规模化蔬菜栽培基地(采集蔬菜及土壤样品)和蔬菜批发市场(蔬菜样品)共采集97种蔬菜363个样品和54个土壤样品.研究发现:北京市菜地土壤镉积累明显,其范围为0.091～0.971 mg·kg-1,其算术均值和Box-Cox均值分别为0.229和0.187 mg·kg-1,其中有两个样点土壤镉含量(0.971和0.886 mg·kg-1)超过<土壤环境质量标准>(GB15618-1995)中的二级标准(0.6 mg·kg-1);北京市蔬菜镉含量范围、算术均值和Box-Cox均值分别为0.1～101.4、12.8和10.0μg·kg-1;叶菜类和根茎类蔬菜的镉平均含量显著高于瓜果类和特菜;北京市本地产蔬菜与市售外地产蔬菜的镉含量没有显著差异;裸露地蔬菜镉含量显著高于设施蔬菜;小白菜、辣椒、茄子、萝卜和大白菜镉富集系数较高,其抗镉污染能力较弱,而冬瓜、黄瓜、叶甜菜、大葱、云架豆、甘蓝、西红柿等镉富集系数较低,其抗镉污染能力较强.北京市居民每人从蔬菜中摄入镉的量为12 2μg·d-1,蔬菜镉对北京市部分人群存在一定的潜在健康风险.     

北京10个常绿树种颗粒物吸附能力研究

大气中颗粒物PM(particulate matter)不仅造成环境污染,还对人体造成严重的危害.城市绿色植物作为大气过滤器,能够有效地提高城市空气质量,保护人体健康.因此了解不同树种对空气颗粒物的吸附滞纳作用是必要的.以北京植物园10种常绿植被为研究对象,应用空气气溶胶再发生器(QRJZFSQ-I)测定了北京市常见6种乔木和4种灌木叶片对空气总悬浮颗粒物(TSP)、PM10、PM2.5和PM1.0的吸附能力.结果表明:1不同树种叶片表面附着颗粒物的能力差异明显,最高的是雪松(Cedrus deodara)和油松(Pinus tabuliformis),吸附量分别是(18.95±0.71)μg·cm-2和(14.61±0.78)μg·cm-2,冷杉(Abies fabri)最小,为(8.02±0.4)μg·cm-2;2不同树种叶片单位面积对不同颗粒物的附着能力也存在差异,附着PM10能力最强的是油松和雪松,附着PM2.5能力最强的是雪松、铺地柏(Juniperus procumbens)、龙柏(Juniperus chinensis cv.kaizuka)和油松,附着PM1.0能力最强的是雪松、铺地柏、冷杉和油松;3不同月份叶片上附着的各粒级颗粒物(PM10、PM2.5)占TSP的比例不同.其中PM10在4~6月之间主要表现两种变化趋势,一是先上升后下降,主要为灌木树种;二是逐渐上升,主要的树种是乔木树种.而PM2.5则没有这种明显的变化趋势.     

北京市大气细粒子的来源分析

细粒子(空气动力学直径小于2.5μm的颗粒物)污染是许多城市重要的大气环境问题.从1999年至2000年对北京市细粒子展开了4次采样和化学分析,有效采样天数为40d.利用正定矩阵分解(PMF)方法对细粒子的来源进行了分析.化学成分包括EC(元素碳)、有机物、SO₄^2-、F^-、Cl^-、Fe、Ca、K、Mg、Al、Na、Zn、Mn、Ti、Pb、Ba和P等17种.发现主要来源有6类:地面扬尘、建筑源、生物质燃烧、二次源、机动车排放和燃煤.     

夏季持续高温天气对北京市大气细粒子(PM2.5)的影响

在1999-06-23北京市出现长达13d的持续高温期间对细粒子(PM_2.5)质量浓度进行了观测.数据表明,持续高温期间细粒子质量浓度比非高温期间要高出2～3倍.但是通过对持续高温期间的气象数据进行分析,发现还是很利于污染物扩散.进一步分析同步监测的O₃浓度、颗粒物中SO₄^2-的粒径范围及其含量等数据,发现夏季持续高温期间活跃的光化学反应应该是北京市细粒子的主要来源.     

基于数据挖掘算法和数值模拟技术的大气污染减排效果评估

近年来,京津冀地区采取了大量污染减排措施进行大气污染治理,如何客观评估减排效果是目前大气环境领域的研究难点.为准确评估大气污染过程的减排效果,本文利用北京地区常规气象资料、国控站PM_(2.5)浓度资料,遴选了北京地区2018年3月11—14日和2013年3月14—17日两次空气污染过程,计算了大气容量系数、静稳指数,并利用KNN数据挖掘算法和WRF-Chem模式,对比分析了有无减排条件下的PM_(2.5)日均浓度.结果表明:两次空气污染过程的天气形势和局地气象条件较相似,就大气热力和动力的垂直结构来看,2018年空气污染过程比2013年空气污染过程的大气稳定性更强、边界层高度更低、环境容量更小,但PM_(2.5)峰值浓度却显著下降,平均浓度明显降低,PM_(2.5)小时浓度的增长趋势相对平缓,重污染持续时间缩短.KNN数据挖掘算法减排评估结果显示,该方法能够较好地预测PM_(2.5)日均浓度的变化趋势,2018年3月11—14日,在减排和不减排情景下PM_(2.5)日均值分别为171和229μg·m~(-3),减排使得污染过程PM_(2.5)平均浓度下降了25.3%.数值模拟结果与KNN数据分析结论吻合,进一步验证了减排措施的有效性.综合看来,2018年空气污染过程中PM_(2.5)浓度相比历史相似气象条件下的污染过程显著降低,这是长期大力度减排效果的体现.