南京亚微米级颗粒物化学组成的季节变化、粒径分布和来源

于2016～2017年不同季节在南京大学仙林校区采集分粒径的颗粒物样品,分析了粒径≤1.1μm颗粒物(PM_1.1;<0.4、0.4～0.7和0.7～1.1μm)中水溶性离子、碳质组分和元素的浓度.结果表明,受当地扩散条件以及热不稳定组分在高温下挥发分解的影响,PM_1.1、 OC、 NO^-₃、 SO₄^2-和NH⁺₄浓度均表现出秋冬高、春夏低的特点.而元素碳在春季因工业和道路扬尘贡献的升高达到最大浓度[(1.87±0.98)μg·m^-3].根据丰量组分间的特征比值,南京PM_1.1中的阴离子由NO^-₃、 SO₄^2-和Cl^-主导,碳质组分主要来自化石燃料燃烧及老化过程.随着温度的升高,热不稳定组分NH⁺₄、 NO     

基于不同周期PM2.5组成高时间分辨观测的PMF源解析研究

于2017年1月1日—12月31日对南京市城区大气细粒子(PM_2.5)化学组分（元素、水溶性离子和碳质组分）的小时质量浓度进行连续观测,采用正矩阵因子分析（Positive Matrix Factorization,PMF）模型分别基于全年观测数据（PMF全年）和逐月观测数据（PMF月份）进行源解析,比较不同观测周期源解析结果的差异以及对PM_2.5各组分浓度估算的准确性.结果表明：不同观测周期下,PMF源解析结果中因子类型未发生改变,但因子组成和贡献分布存在较大差异.由于PMF模型假设同一观测周期内源成分谱不发生变化,只有基于逐月观测数据的PMF源解析才能体现全年范围内因子组成和贡献分布的变化.尽管PMF全年和PMF月份的分析结果均能准确估算PM_2.5组分的月均浓度,但PMF月份结果对各组分小时浓度的估算值和观测值在时间变化上更一致.这是因为PMF模型要求对各组分浓度的平均值进行拟合,易低估（或高估）PM_2.5组分在观测周期内的极大（或极小）值.因此,基于短期（例如,月份）高分辨观测数据的PMF分析...     

南京市空气质量预报效果评估及误差分析

基于2020年南京市空气质量实况数据及预报数据,评估了当年南京市空气质量预报效果,分析了预报偏差特征及其成因。结果表明,4个季节中,秋季的空气质量指数(AQI)预报准确率评分和综合评分最高,夏季的首要污染物准确率评分最高;4个季节均出现正预报偏差,其中夏、冬季偏差大于春、秋季;首要污染物误报率与季节相关,二氧化氮(NO_(2))和可吸入颗粒物(PM_(10))的误报率较高的原因是NO_(2)和PM_(10)作为首要污染物主要出现在春、秋季,而这2个季节4种主要污染物的空气质量分指数(IAQI)值非常接近,增加了预报员经验修正的难度。典型预报偏差个例分析结果表明,模式预报对于污染物质量浓度量级的预报偏差以及预报员对气象条件和前体物质量浓度变化关注不足,是导致最终预报出现低估的主要原因。