PM10浓度及微观特征季节分布分析--以乌鲁木齐天山区2004年为例

利用2004年乌鲁木齐城区(以天山区为例)PM10日平均浓度和气象要素观测资料,对不同季节PM10浓度变化特征、不同级别污染日数进行统计分析.同时,结合环境扫描电镜/X射线能谱(ESEM-EDX)对不同季节的颗粒物的形貌及来源进行了初步探讨。结果表明2004年PM10浓度变化为:冬季>秋季>春季>夏季;冬季出现4级以上污染日数最多,占39.5%;夏季最为洁净,好于2级的日数占到76.1%.PM10和气象因子的相关分析表明浓度与风速成正比,与降水成反比,与温度,相对湿度和逆温层厚度相关比较复杂,有时成正相关,有时呈负相关。颗粒物的形貌在不同季节特征明显,冬季颗粒物多呈圆球形,春季形貌不规则,夏季既有圆球形又有不规则形貌的颗粒,而秋季颗粒物多呈链状.     

基于RAMS-CMAQ模拟的2019年初威海市大气污染反弹成因研究

威海市是山东省东部最典型的沿海城市,也是中国、日本、韩国大气污染相互传输影响的重要通道.虽然威海市大气质量已连续4年达标,但其污染仍时有反弹.2019年1-2月威海市大气NO₂和PM_2.5浓度反弹率分别达48.5%和35.0%,明显高于山东省内陆地区和京津冀地区平均水平.通过对同期空气质量例行监测数据和气象资料统计分析、空气质量模型RAMS-CMAQ模拟和后向轨迹聚类等方法定量剖析了威海市大气污染反弹的原因.结果表明,威海市2019年1-2月空气污染反弹与气象条件及其相关联的污染物区域输送有较大的相关性,与2018年同期相比,冷空气活动弱、降水量偏少、风速偏低、受来自山东内陆和京津冀相对高污染区污染输送影响偏多是造成本次污染反弹的主要诱因.RAMS-CMAQ模拟显示,相同排放源假定下,由气象条件及其引起的区域传输造成的PM_2.5和NO₂浓度反弹,2019年1、2月较2018年同期PM_2.5浓度增加值分别为8、3 μg·m^-3,分别占总反弹率的53%、37.5%,NO₂浓度增加值分别为10、7.5 μg·m^-3,分别占总反弹率的58.8%、40%.说明威海市空气质量受外来输送明显、扩散条件及区域污染输送是空气质量评估不容忽视的重要因素.     

北京与成都大气污染特征及空气质量改善效果评估

近年来我国空气质量持续改善,大气颗粒物浓度明显降低.为探究气象条件和减排措施对细颗粒物（PM_2.5）浓度的相对贡献,选取两个典型代表城市——北京和成都,对比分析两城市所处的地理环境条件、污染排放以及气象扩散条件.结果表明,北京与成都2013~2018年重污染天数及污染过程显著减少,SO₂和PM_2.5浓度降幅明显,与2013年相比,两城市2018年SO₂浓度的降幅分别为77.8%和70.9%,PM_2.5浓度分别降低了42.7%和48.5%.冬季PM_2.5浓度下降速率最大,每年分别以13.5μg·m^-3和14.1μg·m^-3的速率降低.2013~2018年成都较北京风速偏小,温度偏高约3℃,静小风日数偏多,冬季静小风频率高,混合层高度、大气容量指数以及通风系数明显偏小,大气扩散条件较差.综合静稳天气指数（SWI）和环境气象指数（EMI）结果表明北京大气扩散条件优于成都,但近几年的变化程度有所不同.2014~2018年两城市的EMI呈减小趋势,2018年成都地区EMI降幅最显著,气象条件明显好转.与2014年相比,2018年北京与成都全年大气污染减排对PM_2.5浓度的贡献分别为33.5%和24.0%,气象条件的贡献分别为7.2%和11.1%;冬季减排贡献分别为31.7%和32.5%,气象条件的贡献比全年的大.     

天津滨海新区秋冬季大气污染特征分析

为了解天津滨海新区大气污染物浓度水平和污染来源,2009年9月1日~2010年2月28日对NOx、CO、SO2、O3、PM2.5、PM10进行了连续在线观测,并同步观测了气象要素.结果表明,秋冬季上述污染物最高日均值(秋冬平均值±标准差,O3为日小时均值最大值)分别达到300.7(65.4±52.9)×10-9、7.278(1.324±1.169)×10-6、53(13±12)×10-9、95(28±21)×10-9(体积分数)和287.4(62.3±53.6)μg/m3、1421.4(161.9±136) μg/m3. NOx和SO2秋季低于冬季,O3和PM10反之. CO和PM10相对国家二级标准超标率为2%和38%,PM2.5相对WHO标准(75μg/m3)超标率为31%.季节统计日变化显示CO和NOx为早晚双峰型,SO2为中午的单峰型,O3为午后单峰型,且秋季日变化振幅远大于冬季, PM10为早晚双峰型,但冬季比秋季晚出峰2~3h.除冬季PM10,大气污染物浓度49%~74%的逐日变化由气象要素影响.滨海新区大气污染受局地排放和外源输送共同影响,西南方向气流易造成污染物积累,其次是东北方向,而东和东南气流最有利于污染物扩散;各污染物具体表现为NOx主要受局地源控制;SO2主要受外来输送影响;CO和PM2.5同时受本地源和外来源的共同影响;PM10秋季表现为本地源污染,而冬季为本地源和外来源的共同影响.     

南京冬季雾天颗粒物中PAHs分布与气象条件的关系

为研究南京冬季雾天PM10、PM2.5中PAHs的分布特征以及雾天气条件对其影响,2007年11月15日至12月30日分别于雾天和晴天采集了大气气溶胶PM10分级样品,测定了样品中的16种优控PAHs.结果表明,雾天PM10和PM2.5中Σ16PAHs质量浓度较晴天分别高出34.72,35.35ng/m3,且昼夜变化没有晴天明显.低环PAHs在所在粒径段内占有比例逐渐递减,而高环PAHs逐渐增大.雾天苯并(a)芘(BaP)等效质量浓度(BaPE)超出BaP居民区标准(5.0ng/m3)1.48ng/m3.分析气象条件看出,雾天逆温层结稳定、相对湿度较大,且0.65~2.10μm粒子中PAHs质量浓度有增加的趋势,呈现出积聚模态颗粒物富集;雾天有东南暖湿气流和西南气流存在,为雾的发展提供了丰富水汽来源,带来的污染颗粒充当雾凝结核;同时弱风条件使上下层空气发生交换,雾体变厚,维持雾发展,加重了PAHs污染.     

基于MODIS数据的河南省冬小麦产量遥感估算模型

小麦是世界上最重要的粮食作物,小麦生产对中国的粮食保障起着十分重要的作用,及时、准确、大范围对小麦产量进行监测预报,对于农学经济发展和粮食政策制定具有极为重要的现实意义。对作物产量进行遥感监测的原理是建立在其遥感特征基础之上的,通过建立作物长势指标与遥感信息的定量关系,可实现对作物产量的监测预报。文章基于2009年MODIS遥感数据和气象数据,利用Arcgis和ENVI提取纯小麦像元,并提取纯小麦像元对应的NDVI、NPP和LAI,获取分县NDVI、NPP和LAI均值,利用统计软件对产量数据和分县遥感参数均值进行数据整理和分析,建立了河南省冬小麦产量估算模型。以往研究多采用遥感图像上某像元和地面调查点进行研究,具有很大的不确定性,文章以县为单位,对冬小麦平均单产和县域内冬小麦种植像元遥感参数的均值进行相关研究,提高了模型模拟精度。同时文章选用多种遥感参数和多项气象因子建立估产模型,避免了针对一个参数进行估产的局限性。在最佳时相的选择上,根据冯美辰（2010）以往的研究结果,从4月以后,5月8日和4月20Et植被指数和产量相关性最大,4月份之前冬小麦处于返青到拔节期,对产量来说还有很多不确定闪素,因此文章选用5月8El和4月20日进行冬小麦估产研究。结果表明,5月8日的估产模型优于4月20日,加入气象冈子的遥感气象估产模型优于只采用遥感参数进行估产的遥感模型。利用2010年产量数据对模型精度进行检验,遥感气象模型预测精度在70．2％N99．7％之间,平均精度为90．7％;遥感模型预测精度在68．1％到95．5％之间,平均精度为83．9％。表明遥感气象模型模拟精度更高,其精度可以满足大面积估产要求,可以对产量预报提供科学参考。     

基于自动站资料的苏州灰霾天气分析

利用苏州2010~2013年的逐时气象和大气成分观测资料,对苏州灰霾天气特征进行了统计分析,研究发现:苏州灰霾的小时频率为30.7%,灰霾等级以轻微灰霾为主,干霾占总灰霾的比例为85.6%.2013年12月灰霾小时频率最高,达82.3%.灰霾小时频率有明显的日变化特征,峰值出现在上午8:00时,达36.3%,14:00~16:00时,灰霾频率最低,约为25%左右;灰霾期间,PM10、PM2.5、PM1.0和散射系数分别是非灰霾期间的1.72、2.07、1.88和2.58倍.采用不同的灰霾日标准,苏州年均灰霾日数在94~243之间,相差极大.灰霾频率和气象条件有密切关系,灰霾频率最高的相对湿度区间为70%~80%,重度霾最多出现在90%~95%的相对湿度条件下;随风速增加,灰霾频率逐渐下降,在西北风向下,灰霾频率最大.大气消光以颗粒物散射消光为主,约占总消光的82%左右,黑碳的吸收消光约占13%左右.     

地面气象观测资料在空气法规模型的标准化研究

以云量、风速、风向、温度3类地面气象观测数据的获取方法为研究对象,探讨如何规范地面气象观测数据在模型中的标准化应用.结合我国2008年颁布的《环境影响评价技术导则 大气环境》推荐的模型AERMOD对所需要的地面气象数据需求,并以内蒙古自治区正蓝旗上都电厂SO2实测数据为验证数据,在模型其他输入参数不变的情况下,利用试验站10min和1h地面气象数据,并分别以低云量和总云量代替蔽光云量,设置4种情景.其中,情景一使用试验站10min地面气象数据,并用低云量代替蔽光云量.与情景一相比,情景二使用总云量代替蔽光云量,情景三使用1h地面气象数据,情景四使用试验站1h地面气象数据,并用总云量代替蔽光云量.4种情景除了上述不同点,其他地面气象参数均相同.结果表明,在4种情景中,情景二、三、四的FB值均小于情景一,更靠近0.关于RHCR值,情景三和四更靠近于1,分别为1.33和1.41,表明在预测高端值时,情景三和四的效果更好.情景二的RHCR值为1.51,大于情景三,说明风相较于云对模型模拟结果影响更大.由FB值、RHCR值以及Q—Q图的综合分析得出,情景四的模拟值更接近实际监测值,其采用的地面气象数据全面符合本研究所推荐的数据标准化应用方法, 规范了模型数据标准化应用,提升了大气环境影响评价预测精度.     

湖南衡山春季一次酸雨过程气象条件的数值模拟研究

采用MM5中尺度气象模式对湖南衡山2009年3月22~24日一次典型酸雨过程的气象条件进行了详细的数值模拟研究.模式模拟的降水场、流场、温度场、边界层结构与酸雨实测、实际天气图、地面站观测记录的对比表明,模式模拟的变化趋势与实况非常一致.研究表明,与广东春季典型的酸雨过程相比,衡山春季北面冷空气的入侵过程受地形作用明显,低层流场受北风影响较快,中高层较晚.广东、衡山两地春季酸雨发生前后整个边界层层结相对稳定,边界层高度较低,同时伴随有逆温过程,均不利于污染物的扩散输送,衡山春季酸雨发生前后的逆温和逆湿层都相对更低.     

四川盆地大气污染物时空分布特征及气象影响因素研究

利用2015—2018年四川盆地内18个城市的6种污染物逐日质量浓度监测资料、同期的常规气象观测资料，采用插值、相关分析等方法，分析了四川盆地3个区域6种污染物的时空分布特征，探讨了各个污染物质量浓度与气象要素之间的关系.结果表明：①O₃在盆地中西部污染较重，PM_2.5和PM₁₀在德阳、成都、眉山、内江、自贡一带污染较重，在广元和巴中污染较轻，SO₂在巴中、南充、绵阳、德阳一带污染较轻，在广元和盆地中南部污染较重；②NO₂平均浓度呈先增后减的趋势，O₃呈增加趋势，而CO、PM_2.5、PM₁₀、SO₂均呈减小趋势；③CO、NO₂、PM_2.5、PM₁₀、SO₂呈"夏低冬高"的特征，O₃则相反，CO、NO₂、PM_2.5、PM₁₀均表现为"双峰双谷"型，O₃和SO₂则表现为"单峰"型；④偏东风有利于CO、NO₂、PM₁₀、PM_2.5的稀释扩散，偏北风有利于O₃、SO₂的稀释扩散；⑤6种污染物质量浓度均与气压、气温、24 h变温、24 h变压、相对湿度、10 m风速、700 hPa散度、850 hPa高度显著相关.风速、相对湿度、混合层高度、逆温层平均高度的增加有利于大多数污染物的稀释扩散.