拓扑分子格中ST-1、ST0及ST1的分离性

在拓扑分子格中进一步讨论了ST_-1的性质,引进了ST₀、ST₁分离性概念,并研究了其相应的性质。     

临安冬夏季SO2、NO2和O3体积分数特征及与气象条件的关系

对临安大气本底站2003-2004年冬、夏季二氧化氮(NO2)、二氧化硫(SO2)、臭氧(O3)进行了分析.结果表明:冬季NO2和SO2平均体积分数分别为19.48×10-9和35.74 x10-9,而夏季的平均体积分数分别为4.81×10-9和8.12×10-9,冬季高于夏季;O3在夏季的平均体积分数为33.55×10-9,略高于冬季的25.44×10-9;夜间NO2和SO2体积分数比白天高,并且NO2呈明显的单峰单谷型分布,O3也呈单峰型但峰值出现在白天.NO2、SO2体积分数存在着明显的“假日效应”,假日比非假日低,周五高于假日和非假日;但O3体积分数没有明显的假日效应.降水对SO2有明显的清除作用,但对NO2的清除作用不明显.与风向对比发现,夏季高体积分数的NO2、SO2都受到NW、WNW风的影响,冬季则分别受NE和SW、SSW风的影响;而O3受风向的影响较复杂,与局地光化学反应有关.     

唐山市PM2.5和O3行业来源解析

京津冀位于华北平原腹地,面临着严重的空气污染问题,尤其是河北省的重点工业城市唐山,长期位于全国空气质量最差的前十名。为改善空气质量,过去的十多年间我国颁布实施了多项污染防治计划,但唐山的PM_2.5和夏季O₃浓度仍超国家标准。为此,使用WRF(Weather Research and Forecasting Model)-CMAQ(Community Multiscale Air Quality Model)模型量化了唐山市2020年PM_2.5和O₃浓度的行业贡献并分析其协同控制可行性。工业源对唐山市PM_2.5浓度贡献最大,约占45％,其次是居民源约占16％。冬季能源、居民源和农业源占比为全年最高,分别达17％、19％和11％。O₃浓度的背景值约占一半以上,4月占比最高。在非背景值中,唐山O₃浓度最大来源为工业源,约占53％,其次是交通源,约占22％。生物源、交通源和能源行业的贡献在7月有所上升,分别约10％、27％和20％。不同污染情景下对唐山市PM_2.5和O₃的来源比较发现,工业和能源是其最重要的共同来源。     

乌鲁木齐市短时强降水分布特征及环境条件分析

利用常规地面、高空探测资料、加密自动站逐时雨量资料,分析2012—2016年乌鲁木齐市暖季的短时强降水分布特征及环境条件,得出乌鲁木齐市短时强降水的空间分布、月变化及小时雨强特征;通过分析22场短时强降水天气过程,按照500 hPa影响系统分类,得出了西西伯利亚低槽、中亚低涡和西北气流3类环流形势及概念模型;统计得出临近短时强降水时段,K、SI、LI等不稳定指数的月变化差异较大,6—7月各指数集中度高,指示意义最好;5月、9月短时强降水的水汽特征量值明显小于6—8月,7月水汽量值最高。     

北京地区SO2污染特征及气象条件分析

分析1998～2000年北京地区SO2浓度监测资料和同期气象观测资料,发现北京地区SO2污染具有明显的季节变化、日变化特征及地域分布特征SO2污染在采暖季重于非采暖季;日变化趋势呈"两峰两谷";SO2浓度西部到北部高于东北部,城区高于郊区.影响大气中SO2浓度变化的主要气象要素为地面日平均风速、300 m风速、850 hPa 24 h变温、地面最低温度及有无逆温.     

北京地区PM2.5的成分特征及来源分析

选用2003—2004年初PM_2.5连续观测资料，统计分析了北京地区PM_2.5的特征、PM_2.5与PM₁₀以及PM_2.5与地面气象要素的相互关系。结果表明:四季中夏季PM_2.5浓度最低，冬、春两季浓度较高。PM_2.5与PM₁₀比值平均为0.55，非采暖期两者比值为0.52，采暖期两者比值为0.62；夏季该比值主要分布在0.3~0.6之间，春、秋两季该比值分布在0.3~0.8之间，冬季采暖期该比值分布在0.4~0.9之间。PM_2.5与PM₁₀比值日变化与气象条件日变化、人们日常生活习惯密切相关，沙尘天气和交通运输高峰期扬起地面粗颗粒物会导致PM_2.5在PM₁₀中的比例下降，而冬季取暖以及夏季光化学反应则会引起PM_2.5的比例升高。PM_2.5的浓度与地面气象要素中本站气压、相对湿度和风速有很好的的相关性，与气温的相关性较差。SO₄2-，NO₃-和NH₄+为北京地区PM_2.5中主要离子。PMF源解析方法确定了北京地区5类细粒子污染源，分别是:土壤尘、煤燃烧、交通运输、海洋气溶胶以及钢铁工业。     

北京夏季O3日变化及通量研究

2002年夏季,以北京325m气象塔为观测平台,进行了大气污染物臭氧(O₃)及其前体物氮氧化物(NO_x)和气象要素加强期的同步观测,并对观测资料做了详尽分析。结果表明:边界层内存在明显的臭氧浓度垂直差异;低层(120m)O₃浓度呈明显的日变化,且昼夜振幅较大;夜间高层(280m)O₃的化学消耗较弱,可维持较高的浓度;稳定度(Ri)在低层以中性态居多,振幅较小,而在高层以不稳定态居多,振幅较大。两层O₃湍流输送通量都呈单峰变化。白天,在O₃前体物和局地光化学反应共同作用下,120m左右处的O₃污染最大。     

贵阳市PM2.5分布特征及气象条件的影响

利用2013~2017年贵阳市10个国控空气质量监测站点PM_2.5逐时监测数据,分析了贵阳市大气污染物污染水平及其时空分布特征。结果表明:(1)贵阳市PM_2.5年均浓度为36.14 ug·m-3,基本处于国家空气质量二级标准范围内,污染程度较轻;(2)贵阳市PM_2.5浓度冬季浓度为一年中最高,最高值出现在12月,夏季浓度最低,最小值出现在7月;(3)气象要素对PM_2.5浓度的影响是显著的,尤其是在分季节的情况下,气象要素对PM_2.5的影响差异较大。PM_2.5浓度与太阳辐射、日照时数、气压呈显著正相关,与降水、相对湿度、风速、气温呈显著负相关。太阳辐射夏季对PM_2.5影响最大,日照时数春季对PM_2.5的影响最大,气温在夏、秋季与PM_2.5浓度呈显著负相关。春季降水对PM_2.5的相关性更为显著,风速对夏、冬季与PM_2.5浓度具有显著负相关性。      

CO2和O3浓度倍增对作物影响的研究进展

文中利用自行设计的OTC - 1型开顶式气室进行了 9a的田间试验 ,取得了一批质量可靠的试验数据 ,分析了CO2 浓度倍增对大豆、冬小麦、棉花、玉米、春小麦和谷子的生物量、产量及品质的影响 ,结果表明CO2 浓度倍增对上述 6种作物的生物量及产量的影响均是正效应 ,对冬小麦、棉花和谷子品质的影响可能是有利的 ,对玉米品质的影响可能是不利的 ,对大豆的影响不大 ;分析了O3 浓度倍增对冬小麦、水稻、油菜和菠菜生物量、产量及品质的影响 ,结果表明O3 浓度倍增对上述 4种作物生物量的影响均是负效应 ,对冬小麦和水稻的产量影响是负效应 ,但是冬小麦和水稻籽粒中粗蛋白和 17种氨基酸含量都有所增加 ;分析了CO2 和O3 浓度复合倍增对大豆生物量、产量及品质的影响 ,结果是生物量和产量呈增加趋势 ,说明了CO2 的正效应大于O3 的负效应。采用作物模型数值模拟方法 ,分析了CO2 和O3 浓度倍增对冬小麦生物量及产量的影响。     

O3,CO2浓度及太阳光谱变化对作物光合作用影响的数值模拟研究

对光合作用 蒸腾作用 气孔调节进行耦合 ,从生物化学尺度扩展至冠层尺度 ,发展了一个冬小麦冠层光合作用生态动力模式 ,模式考虑了O3,CO2 和光谱变化对作物光合的综合影响。利用美国光合作用实测资料对模式进行验证 ,叶片模式通过了相关显著性检验并具有较高的准确度。数值分析表明 :当O3 浓度由 0× 10 -9V/V上升至2 0 0× 10 -9V/V时 ,冠层光合速率下降 2 9%左右 ;当CO2 浓度由 330× 10 -6V/V上升至 6 6 0× 10 -6V/V时 ,冠层光合速率增加大约 37% ;当光谱比例系数由目前的 0 .5下降至 0 .4时 ,冠层光合速率将下降 2 7%左右。对于污染严重、易发生光化学烟雾的城郊附近 ,在阳光强烈的典型晴天 ,中午O3 浓度达到 2 0 0× 10 -9V/V时 ,即使气候条件不发生改变 ,CO2 浓度对作物光合作用的正效应也不足以弥补O3 浓度升高所造成的负效应 ,冠层光合速率将比目前干洁地区略有下降 ,如果进一步考虑光合作用有效辐射光谱成分下降至 0 .4左右 ,冠层光合作用将比目前的BASE值下降 35 %左右。     

地形辐合线与华北平原雾空间分布的关系*

使用京津冀冬半年地面气象站雾的常规观测和自动站风的观测资料进行统计分析,得出太行山地形辐合线位置与华北平原雾的空间分布有一定对应关系,即：冬半年(10-2月)华北平原年平均雾日多发区对应地形辐合线的位置；以2013年1月21-22日华北平原雾为例,辐合线附近的能见度相对较低,即辐合线附近雾的浓度较强。为加强对雾天气的成因认识,提高雾天气的预报能力,在科学规划雾天气监测网时应充分考虑地形的影响(如地形辐合线的位置)。     

Projections of SO2, NOx and carbonaceous aerosols emissions in Asia

Estimates of Asian emissions of air pollutants and carbonaceous aerosols and their mid-term projections have been changing significantly in the last years. The remote sensing community has shown that increase in NO _x in Central East Asia is much stronger than any of the emission inventories or projections indicated so far. A number of studies reviewing older estimates appeared. Here, we review the key contributions and compare them to the most recent results of the GAINS model application for Asia and to the SRES projections used in the IPPC work. The recent projections indicate that the growth of emissions of SO₂ in Asia should slow down significantly towards 2010 or even stabilize at the current level. For NO _x , however, further growth is projected although it will be most likely slower that in the last decade, owing to introduction of measures in transport. Emissions of carbonaceous aerosols (black carbon and organic carbon) are expected to decline after 2010, largely due to reduced use of biofuels in residential sector and efficiency improvements. The estimates of these emissions are burdened with significantly larger uncertainties than SO₂ and NO _x ; even for the year 2000 the differences in estimates between studies are up to a factor of 2.     

新疆北部暖季短时强降水的时空分布特征

基于2013—2019年暖季新疆北部518个自动站逐时降水资料,运用常规统计、归一化及其偏离程度、降水集中度(PCD)和集中期(PCP)等方法,研究该区短时强降水(Flash Heavy Rain,FHR)时空分布和统计特征。结果表明:(1)近7 a新疆北部FHR发生频次年变化大,2016年最多,2014年最少,前者是后者的3.9倍。(2)FHR集中发生在6—7月,6月下旬为峰值,且日变化呈明显的单峰型,峰值主要在17:00—19:00。(3)FHR发生频次集中在山脉的迎风坡和喇叭口地形附近。(4)FHR PCD呈现由南向北、由西向东逐渐集中,阿勒泰地区最集中;PCP自伊犁河谷至天山北坡,从克拉玛依向西、向北逐渐推迟,阿勒泰地区最晚。(5)PCD伊犁河谷、天山北坡年变化呈增大的趋势,其它区域呈减小的趋势。PCP阿勒泰地区、博州、天山北坡年变化呈增大趋势,其它区域呈减小的趋势。     

拓扑分子格中ST—1,ST0及ST1的分离性

在拓扑分子格中进一步讨论了ＳＴ－１的性质,引进了ＳＴ０、ＳＴ１分离性概念,并研究了其相应的性质。     

运城盆地秋冬季PM2.5传输特征和源区分析

利用2017-2019年空气质量监测数据，采用HYSPLIT后向轨迹模式、聚类分析、潜在源贡献因子分析法（PSCF）和浓度权重轨迹分析法（CWT），对运城市秋冬季大气PM2.5传输路径、对应重污染的天气形势和潜在源区进行分析。结果表明：（1）运城近地层盛行偏东风时污染频率高，弱的偏东风和西南风时，污染物浓度较大。秋冬季PM2.5后向轨迹西北方向最多达53.53%，偏东方向最少为11.25%，偏西方向和西南方向介于两者之间，分别为16.61%和12.06%。（2）不同轨迹对应天气形势不同，西北和偏西轨迹下，500 hPa高度场上为两槽一脊或偏西气流，700～850 hPa受脊前西北气流影响，地面为高压前底部型或均压场型；西南轨迹下，500 hPa高度场上为偏西气流，700～850 hPa运城处于槽前西南气流，地面气压场为高压前底部（底部）或均压场。（3）运城PM2.5潜在源区主要位于陕西南部、四川东部和新疆东南、甘肃的东南部等地区，说明影响运城秋冬季PM2.5的浓度除了来自汾渭平原西南部的颗粒物区域输送，来自西北方向新疆、甘肃的远距离颗粒物传输也是重要来源。