城市群落大气污染源影响的空间结构及尺度特征

以迅速发展的城市群落-北京及周边区域为样本, 利用2003年冬季(2月)、夏季(8月)北京城市大气环境现场科学试验(BECAPEX, Beijing City Air Pollution Observation Experiment)建筑群边界层大气污染动力-化学过程观测资料以及相关的气象要素、卫星反演气溶胶光学厚度等综合资料, 进行“点-面”空间结构动力-统计合成分析, 剖析北京大城市及周边区域大气污染影响域的空间结构及多尺度特征. 结果表明, 冬、夏季不同污染排放源对大气污染成分特征的贡献率具有显著差异, 统计模型主成分分析结果亦表明, 冬季气溶胶颗粒物成分结构以SO2和NOx影响为主; 夏季粒子成分结构则以CO, NOx影响为主. 冬、夏季北京城区不同方位测点近地层大气动力、热力结构及建筑群上边界各类污染物种均具有“同位相”变化及其“影响域”空间尺度特征. 功率谱分析发现冬、夏季颗粒物浓度和大气风场动力结构的周期谱相吻合, 冬季以长周期为主, 夏季则多为短周期, 揭示出冬、夏季大气环流季节性尺度特征对大气污染变化周期特征的影响效应. 分析城市区域热力非均匀性特征, 可发现北京地区热岛多尺度效应与高层建筑群面积非均匀扩展特征存在相关关系. 城市大气动力、热力特征空间结构中城市边界层群筑群湍流尺度特征对城市大气污染多尺度特征具有重要影响. 晴空、稳定天气条件下MODIS气溶胶变分订正分析场和污染源追踪相关合成风矢场综合分析模型均表明, 冬季北京大气污染气溶胶颗粒物的排放源可远距离追溯到北京南部周边的河北、山东及天津等地更大尺度空间范围, 气溶胶指数高值区与北京及周边地区居民户数高值区(采暖面源)空间分布存在关联. 冬、夏季空气质点后向轨迹特征呈类似上述多尺度特征, 且描述出不同季节污染源空间分布的尺度特征差异, 城区大气污染周边源轨迹路径主体来自城市近郊固定工业面源或采暖面源, 且冬季周边污染源扩散输送距离较夏季呈更远的空间尺度, 上述结论描述出城市区域大气污染源影响和大气动力结构引起的多尺度空间影响域及季节性特征. 冬季TOMS气溶胶光学厚度高值区域位于北京地区并向南延伸, 且呈南北向带状分布, 可描述出周边地形分布对区域尺度大气污染源扩散的动力影响效应. 研究分析表明: 北京周边大地形“谷地”内冬季污染程度与南部周边地区的污染排放源密切相关; 北京及周边地区冬季的气溶胶光学厚度和日照时数的“反位相”变化特征显著, 冬季云量、雾日数与气溶胶呈区域尺度相关特征, 反映了该区域尺度气溶胶影响的局地气候效应. 另外, 流域面尺度的大气干、湿沉降分布对密云水库区域尺度空间水体的影响分析亦反映了夏季水、土、气多圈层污染源影响多尺度空间结构对密云水库水质影响的可能性.     

MODIS卫星遥感气溶胶产品在北京市大气污染研究中的应用

利用NASA MODIS气溶胶光学厚度产品与北京市空气污染指数做了长期比较分析, 发现二者的直接对比相关较低; 在引入季节变化的气溶胶标高、考虑了气溶胶的垂直分布后, 二者的相关系数有所提高; 在考虑了湿度影响因子订正后, 二者的相关系数显著提高. 证实卫星遥感气溶胶光学厚度在经过垂直和湿度影响两方面的订正后, 可以作为监测颗粒物污染物地面分布的一个有效手段. 利用 MODIS资料对2004年10月一次污染个例的分析, 表明卫星遥感气溶胶可以细致描绘地面污染事件的形成过程, 发现区域尺度输送和地形因素对北京市空气质量具有显著影响. 高分辨率的反演结果给出北京城区及周边地区气溶胶光学厚度的年平均分布, 表明高分辨率卫星遥感可能在监测颗粒物排放源分布上具有潜在的应用价值.     

EOF模型分析北京周边气溶胶影响域气候变化显著性特征

利用1979~2000年TOMS气溶胶光学厚度和华北地区气象站日照时数、雾日数、低云量等资料以及EOF模型综合统计分析方法,研究冬季北京及周边城市群落的气溶胶分布特征及其对区域气候的影响效应问题,重点探讨了北京周边区域气候EOF模型特征向量变化显著区与气溶胶影响效应的相关联系.分析多年平均冬季TOMS气溶胶光学厚度的区域分布,发现北京及其南部周边地区“马蹄型”大地形谷地内存在南北向带状大范围相对稳定的气溶胶浓度高值区空间分布;冬季气溶胶光学厚度在北京与周边地区存在高相关影响区,在此气溶胶相互影响显著区,冬季气溶胶光学厚度与雾日数、低云量呈年际变化“同位相”特征,表明特定区域大气环流背景下,北京及周边地区气溶胶变化对该地区低云量、雾日数的年际变化存在影响效应.进一步通过EOF模型特征分析,揭示出华北地区冬季日照时数减少、低云量和雾日数增多气候变化区及其长期演变趋势,尤其EOF模型第一特征向量中日照时数、雾日数及低云量变化显著区与其20世纪80~90年代偏差显著区近似重合,且这些变化特征显著区域均与北京周边南北向带状气溶胶光学厚度高值区及其高相关区呈对应关系;日照时数、雾日数、低云量EOF模型第一特征向量时间系数与区域平均气溶胶光学厚度年际变化呈“同位相”特征,且均呈长期演变上升趋势.EOF模型分析描述出北京南部周边地区冬季日照时数减少、低云量和雾日数增多的区域气候变化主体特征,揭示出区域气溶胶影响效应,即多年平均冬季气溶胶光学厚度高值区以及日照时数、低云量和雾日数EOF模型第一特征向量变化显著区均位于北京南部周边城市群落区域,上述相关分布特征揭示出北京南部周边城市群落影响域存在气溶胶气候效应区域性增强的变化趋势.     

北京及周边气溶胶区域影响与大雾相关特征的研究进展

针对2011年12月初北京及华北持续近一周的严重大雾天气这一热点事件,从城市群大雾过程气溶胶区域影响的视角,基于"973"项目"北京及周边地区大气-水-土环境污染机理与调控原理"的研究工作,就北京及周边地区大雾天气与大气气溶胶区域影响的关系等方面进行了讨论.研究表明,北京城市大雾前低空SO₂和NO₂浓度存在"积聚"与"突增"现象.北京及周边地区冬季雾日数和气溶胶光学厚度则呈正相关,并具有"同位相"的年际变化趋势.研究同时发现北京及其南部周边的冬季气溶胶高值区呈南北向带状分布,其与北京周边居民户数高值区有所吻合,反映了冬季北京城市气溶胶颗粒物的远距离影响源区及大尺度输送效应.统计分析指出,冬季北京气溶胶颗粒物PM₁₀、PM_2.5主要影响成分是SO₂和NO_X,且有关研究也表明,电厂、采暖和工业面源是SO₂的三大本地排放源,而机动车、电厂、工业为NO_X的三大本地排放源,上述大气PM₁₀、PM_2.5主成分污染源亦与雾水样本化学分析结果相吻合,即冬季由于燃煤在生活能源中的比例较大,北京雾水中硫元素和碳元素的含量都较高.因此,北京冬季大雾不仅与北京城区气溶胶及其污染排放影响存在相关关系,而且与北京周边天津、河北、山东等地气溶胶及大气污染物的远距离输送和气溶胶区域影响效应有着重要的联系.因此,北京雾霾天气及相关大气污染的治理工作首先要着眼于局地污染物的减排,但同时如何做好区域大气污染的协同治理也是不容忽视的问题.     

麦秸焚烧对北京市空气质量影响探讨

基于MODIS卫星资料、大气流场及地面环境监测数据, 系统分析了近年来华北地区麦秸焚烧火点分布状况及影响北京的麦秸焚烧污染源区和输送路径, 探讨了周边麦秸焚烧对北京市空气质量的影响及焚烧过程前后各种污染物浓度变化规律. 结果表明: (1) 影响北京空气质量的麦秸焚烧污染物, 主要来源于华北平原冬小麦产区. 大气污染物输送路径为偏南及偏东方向, 其中以西南路径为主, 污染最严重. (2) 麦秸焚烧使北京主要大气污染物浓度迅速升高, 气态污染物中CO浓度升幅最明显、最迅速. (3) 麦秸焚烧排放大量O₃前体物, 在适宜气象条件下致使O₃浓度显著升高; NO白天由于O₃大量消耗, 浓度不高, 但夜间随O₃浓度的降低其浓度显著升高. (4) 麦秸焚烧排放的颗粒物中, 细颗粒浓度升幅最大, 输送最快. (5) 麦秸焚烧对不同大气污染物的浓度贡献差异明显, 可用PM10/SO₂, CO/SO₂等比值反映麦秸焚烧污染强弱; 麦收季节当两比值都明显增大时, 配合源区分析, 可判定是否受麦秸焚烧影响, 并依此定量分析麦秸焚烧对北京市大气污染的贡献. (6) 麦秸焚烧污染有明显区域分布特征, 距离北京较近的城市天津与北京所受影响有很好的相关性. 麦秸焚烧活动的无序性使该类污染变化存在明显的随机性; 同一区域麦秸焚烧活动时间相对集中, 往往形成严重大气污染事件.     

CMAQ-MOS区域空气质量统计修正模型预报途径研究

通过分析2004年9月~2005年3月北京城市及远郊地区八个测点的大气污染观测资料, 揭示出城区尺度不同测点大气污染同步性与同位相时空变化特征, 并描述出采暖期与非采暖期大气污染物浓度存在源影响相关季节性显著差异, 城区与远郊测站大气污染物浓度亦表现出排放源影响相关显著的区域性特征, 即大气污染物浓度时空分布与排放源强度及其空间分布密切相关; 本文试验研究表明, 美国EPA新一代空气质量模式CMAQ对多类污染物不同尺度“面空间”分布及其变化倾向虽具有较强的预报能力, 但由于污染源时空特征十分复杂, 这是由于模式采用的平均源排放清单难以精细、客观描述预报区域不同尺度污染源强度的时空变化, CMAQ模式尚存在类似其他模式污染浓度预报量与实况相比明显偏低的“系统性”误差, 为了修正上述模式产品源排放清单产生的系统性预报偏差, 本文利用不同季节CMAQ模式产品与观测实况资料, 建立CMAQ-MOS区域空气质量统计修正预报模型, 并采用检验方法评估CMAQ-MOS方案预报能力, 提出采用CMAQ-MOS统计修正模型统计-动力相结合的空气质量预报新途径, 试验研究结果表明CMAQ-MOS方案可显著降低由于污染源影响不确定性产生的模式系统性预报误差, 明显提高了CMAQ模式空气质量预报水平, 本文亦提出了采用点-面结合预报思路, 即在大气污染具有同位相变化特征的“影响域”范围内, 用一个中心测点的CMAQ-MOS产品预报周边区域面上其他预报点的模式产品“再分析”场以及区域平均空气质量“面预报”方案.     

气象条件和排放变化对2020年春节前后华北地区重污染过程的影响

以2020年1~2月华北地区的大气重污染过程为对象,在WRF-CMAQ模型模拟的基础上,分析了气象条件和排放变化对此次重污染过程的影响,并量化分析了为消除PM2.5重度污染,区域主要大气污染物需要进一步减排的力度.研究结果显示,与2015年以来另外两次典型重污染过程相比,京津冀及周边“2+26”城市2020年1~2月期间的重污染过程气象条件最为不利,但由于近年来区域大气污染物排放量大幅削减,且受疫情影响主要大气污染物排放量相比2019~2020年秋冬季基准水平进一步减少了约32%,所以PM2.5峰值浓度明显低于前两次重污染过程.但这样的减排程度还不能满足消除重污染的要求,在给定的区域性严重污染、重污染定义下,“2+26”城市需在2020年1~2月排放的基础上进一步削减20%以上(或相比2019~2020年秋冬季正常排放削减45%左右),才可在同等不利的气象条件下基本消除区域性严重污染,北京不再出现连续3天及以上重污染;进一步削减40%以上(或相比2019~2020年秋冬季正常排放削减60%左右),才可基本消除区域性、连续性重度污染.研究还发现,紧接此次重污染过程后的清洁过程中,大气环境容量大幅增加,污染物排放量增加10倍,才会出现区域性重污染.     

北京地区SO_2污染的长期模拟及不同类型排放源影响的计算与评估

采用分行业、分季节、高分辨的北京市SO2排放源清单,和NCEP气象分析场资料,用HYSPLIT-4(HybridSingleParticleLagrangianIntegratedTrajectory)污染扩散模式,计算了北京2000年和2001年地面SO2逐日变化,分析了北京当地及周边地区不同类型排放源对北京地面SO2的影响.与实测值对比表明,模式能够较好的模拟出北京地面SO2的逐日变化特点和季节分布.计算的各种排放源对北京的影响说明,总体上,北京当地排放影响较大,周边源影响大约占20%左右,但在一定天气条件下,周边源贡献仍可超过30%以上,甚至个别时候超过40%;如果考虑周边源的采暖期源强增大一倍,则采暖期周边源平均贡献2000年和2001年分别增加到35%和40%.对北京市划分的7类排放源分别计算其对北京地面SO2的浓度贡献率发现,在北京市区的各类排放源中,占北京市区排放量较少部分(不到三分之一)的工业面源和锅炉面源对北京市区的SO2贡献很大,是北京市SO2污染治理的关键.     

CMAQ模式卫星产品源同化模型及其在空气质量预报中的应用研究

对比分析了2006年1月和8月华北地区OMINO2卫星遥感二级产品和NO2实测浓度变化趋势的一致性,重点构建了CMAQ空气质量模式卫星遥感产品源同化模型,采用变分订正方法和CMAQ卫星遥感产品源同化技术方案探讨了华北地区冬夏季OMI高分辨率柱浓度卫星资料在空气质量数值预报中的应用.分析结果表明,无论冬季还是夏季,华北地区NO2实测浓度与OMINO2卫星遥感柱浓度的变化趋势具有较好的一致性,两者的相关性较显著,该卫星资料可适用于华北地区卫星遥感-地面观测综合变分分析;经过线性和变分订正后,北京周边地区OMINO2柱浓度的空间分布特征与实测值分布一致,而且可清晰反映出NO2空间分布特征,即NO2的城市局地污染特征较明显.经变分订正的OMINO2柱浓度的空间分布特征可看出,北京的西南、东南地区污染源对北京地区的NO2浓度的影响较大.采用高分辨率的OMINO2卫星遥感资料同化修正排放源时,WRF-CMAQ模式对于华北地区冬、夏季NO2浓度水平预报和趋势预报可取得较显著的改善效果.采用经变分订正的、高分辨率的OMINO2卫星遥感资料进行源同化时,可模拟得到与实测浓度分布较一致的、高分辨率的NO2浓度信息,弥补了采用地面...     

基于卫星资料的北京陆表水体的热环境效应分析

应用不同分辨率的卫星资料对北京水体类别、密云水库及城区典型水体的热环境特性及城区水体对其周围热环境影响进行研究分析.利用2006年的MODIS卫星地表温度产品对北京不同类型的地表温度研究显示:就北京四季平均状态来说,水体类别在白天具有降温作用,在秋季和冬季夜晚具有保温作用,在春季和夏季夜晚具有降温作用.利用NOAA/AVHRR卫星资料对密云水库的研究分析显示:密云水库在夏季白天具有"冷湖效应",夜晚具有"暖湖效应";密云水库在冬季未结冰时白天和夜间具有"暖湖效应",在结冰时白天具有"冷湖效应"而晚上无冷暖效应.利用FY-3A/MERSI、NOAA/AVHRR和Landsat-TM卫星资料对北京城区典型水体监测结果显示:城区水体不会有热岛现象出现,大面积的水体易出现"冷岛效应".利用2008年夏季Landsat-TM卫星资料对城区典型水体和天坛公园绿地500 m范围内的建筑地温研究分析显示:城区水体温度明显低于天坛公园绿地.城区各水体周边100 m范围内建筑区地温平均下降1.2℃;100～200 m内下降0.6℃;200～300 m内下降0.4℃,300 m范围外无明显变化.天坛公园绿地周边仅100 m内的建筑区地温下降,下降值为0.4℃.这些研究结果表明:卫星资料能有效监测水体的热环境效应,大面积的水体是降低城市地表热岛效应的重要来源,北京城区水体对周边最大300 m范围内的建筑区地表温度具有降温效应.     

太湖入、出湖湖区磷的特征及其影响因素分析

为进一步了解人类活动及环境因子对太湖磷污染的贡献,揭示磷在太湖不同介质中的迁移转化规律,本文以太湖主要入湖湖区竺山湖、西部沿岸区、南部沿岸区和主要出湖湖区东太湖为对象,调查了表层水、上覆水、间隙水和沉积物中总磷(TP)分布的概况,分析了不同介质中磷的交换特征及其影响因素. 结果表明,表层水和上覆水TP浓度基本相当,平均值均为0.10 mg/L,上覆水和间隙水TP差异较大,间隙水平均浓度约为上覆水的7倍,表层沉积物TP含量为474~2160 mg/kg. 在本研究水域中,TP具有较强的沉积物吸附特性,沉积物作为“汇”的特征明显强于其“源”的特征,且磷的留存能力高度依赖于铁浓度. 空间分布上,入湖湖区磷污染程度明显高于出湖湖区,竺山湖和西部沿岸区存在较大的底泥污染释放风险,但竺山湖外源污染影响较内源污染更加突出,应列为当前太湖磷治理重点关注的区域,建议以控源截污作为竺山湖周边区域的治理重点. 西部沿岸区需注重外源和内源污染同步控制. 南部沿岸区周边区域需妥善处理好未来经济发展与废水排放负荷的关系.     

疏浚对巢湖重污染入湖河流沉积物中污染物赋存及释放的影响

以巢湖重污染入湖河流双桥河为研究对象,研究了底泥疏浚对水质以及沉积物中总氮、总磷和有机质的短期影响及长期效应.结果表明,双桥河水质的季节变化显著,受上游城市污水及周边面源污染的影响,疏浚对水质改善作用不明显.表层沉积物中总氮、总磷及有机质含量在疏浚结束后1个月有所降低,但是2年后分别回复到疏浚前的189.77%、111.62%和152.87%.疏浚结束2年后,沉积物中磷主要以钙磷和有机磷的形式存在,铝磷和铁磷的含量较少,弱结合态磷的含量最低;但是表层沉积物中的弱结合态磷、铝磷和铁磷结合态磷含量较疏浚前分别升高了728.32%、13.52%和37.73%,并呈现出表层富集现象,存在较高的污染物释放风险.这可能是由沉积环境改变、外源污染未得到有效控制引起的.因此,为了维持疏浚的长期效果,应该对外源污染源进行有效控制.     

太湖流域非点源污染特征与控制

太湖流域非点源污染已经相当严重,直接威胁太湖流域的水环境安全.本文综述了太湖流域非点源污染来源于:农业生产的化肥、农药污染;畜禽水产养殖污染;城市地表径流面源和道路线源污染;城镇、农村生活污水的非达标排放;大气的干湿沉降等.并分析了太湖流域非点源污染的影响因素以及时空分布特点,最后从控制非点源污染源和污染物输移过程提出控制和治理非点源污染的措施.     

太湖流域池塘养殖污染排放估算及其空间分布特征

池塘养殖是农业源污染的重要来源之一,尤其在水网密布、渔业发达的太湖流域,控制池塘养殖过程中氮、磷、化学需氧量等污染物的排放,对于减轻水体富营养化程度、恢复水质健康、维持地区社会经济可持续发展具有重要意义.基于野外采样、入户调查、遥感解译等多种手段,结合GIS软件技术,对太湖流域池塘养殖污染物的排放进行了估算.结果表明,20142015年太湖流域总氮、硝态氮、铵态氮、总磷、可溶性磷、COD Cr的年排放量分别为6.1×10^6、1.1×10^6、1.7×10^6、1.3×10^5、1.1×10^5和8.0×10^7 kg.其中鱼类池塘养殖排放系数分别为69.5、12.4、20.1、1.6、1.3和919.8 kg/hm 2;虾类池塘排放系数分别为3.0、0.5、0.9、0.07、0.06和39.3 kg/hm^2;蟹类池塘排放系数分别为6.4、1.2、1.9、0.2、0.1和84.9 kg/hm^2.太湖流域池塘养殖各类污染物排放分布特征为位于太湖西北部、南部和东北部的大部分地区池塘养殖污染物排放较高,位于太湖东部和太湖西南部的池塘养殖污染物排放较低.池塘养殖业发达、饲料肥料投入高、养殖密度大等是造成该流域池塘养殖污染物排放较高的主要原因.针对太湖流域池塘养殖减排治理,建议推行合理的池塘污染治理管理政策与策略,综合考虑饲料利用率与投放量、养殖面积、养殖密度、养殖生物生态混养,以及一些科学养殖管理措施和净化养殖废水的技术措施等.     

密云水库区域大气-土-水污染过程复合相关源

采用密云水库15km处WMO区域空气污染本底站——上甸子站1990~2001年降水化学资料,并结合2002~2003年现场科学试验阶段获取的大气干沉降和湿沉降资料,从大气-土-水污染过程的复合相关源角度,综合分析了大气干、湿沉降以及白河沿岸农田、矿区和城镇污染源对密云水库的水质综合影响特征.分析结果表明,该时段密云水库区域大气降水中离子以SO42?,NO3?,NH4+和Ca2+为主;密云水库湿酸沉降量夏半年(4~9月)大于冬半年(10~3月),其年际变化呈上升趋势,年平均达1038.45t,最高年份(1996)达1766.31t,最低年份(1994)为604.02t;密云水库区域大气降水pH的多年平均值为5.20,降水呈弱酸性,pH值年际变化呈下降趋势.密云水库水体不同深层的pH值均大于7.0.pH值垂直和水平空间分布呈非均一性特征,同一区域pH值随水深呈下降趋势;2002年和2003年密云水库降尘量分别为13513.08t和3577.64t,春季降尘量为全年之首,分别占其全年的61.91%和44.56%.由于大气干、湿沉降中含有多种重金属元素及有害元素,它们可能在一定程度上对库水富营养化、潜在重金属污染以及库水酸化起“加剧”作用.上述综合分析结果揭示出密云水库区域大气-土-水污染过程复合相关源特征及其多圈层相互作用效应.另外,夏季(雨季)是局地土壤污染源由于受暴雨或强降水冲刷后通过入库水系山谷坡地汇流,引起区域性大气-土-水连锁污染过程,导致水库或河流水质污染.统计分析亦发现密云水库水质污染可能与水库周边及上游局部区域降水冲刷和汇流因素相关.水库污染物浓度变化与水库上游局地区域降水量呈较显著的相关,这些相关特征揭示了水库水质污染过程大气-土-水多圈层相互作用效应.提出了水库污染复合相关源分析法观点及其追踪入库水系上游污染源空间分布技术途径.     

北京市能源相关大气污染源的贡献率和调控对策分析

针对北京市主要大气污染物SO₂, NO_x和PM₁₀, 在源排放统计分析和ISCST3模型模拟计算的基础上, 分析了能源使用相关的北京市城近郊区各类污染源的源排放和环境浓度贡献率. 电厂、工业和采暖燃煤对本地源SO₂的排放贡献率分别为49%, 26%和24%; 机动车排放对本地源NOx的浓度贡献率为74%; 对PM₁₀, 工业部门是扬尘源之外的最大的排放(28%)和浓度贡献源(21%). 对显著影响二次污染物形成的VOC和NH₃的源排放贡献率进行了简要分析. 此外, 分析了北京市能源使用和机动车污染控制方面的重点调控对策, 在此基础上建立了2008年能源相关的控制情景并进行了排放和浓度预测, 结果表明, 清洁能源推广、产业结构改善、出行结构调整和单车排放控制将显著改善空气质量, 而工业部门将成为最突出的SO₂浓度贡献源, 对NO_x来说机动车污染的控制仍然十分重要.     

工业化过程的差异对太湖流域水环境质量的影响--以无锡市和湖州市为例

通过对太湖流域处于工业化不同发展阶段的两个城市进行对比,揭示了工业化与工业废水排放之间的关系.分析表明:工业化发展阶段不同,所对应的经济规模和产业结构不同,导致其工业废水排放量与水环境质量不同.目前,无锡市处于工业化的中后期阶段,虽然其工业废水排放水平随人均收入增加在逐渐减少,但是无锡市的水环境污染状况依然严重;湖州市处于工业化加速上升阶段,虽然其工业废水排放水平随人均收入的增加而逐步增加,但是湖州市水环境污染相对较轻.这是因为水环境质量不仅受工业污染源的影响,还受生活污染和农业面源污染的影响,同时还受当地水环境容量的制约.     

北京地区城市环境对云和降水影响的个例数值模拟研究

本文利用中尺度可分辨云模式(WRF,Weather Research and Forecasting)对2011年8月14日北京地区一次强降水过程进行了数值模拟和敏感性试验,研究了城市环境(包括城市气溶胶和城市地表)对北京地区云和降水的影响.研究结果表明:城市气溶胶污染增强和城市地表使得北京地区(城区和周边)降水量减少,对城区平均累积降水量的影响作用分别为-38.92%和-3.4%.降水系统向北京主城区移动过程中,城市气溶胶在城市环境影响降水过程中的作用逐渐减小为85.13%,城市地表的作用增加到14.87%.城市污染气溶胶增强,使得非降水性粒子增多,而降水性粒子减少,这不利于对流的发展增强,使得水汽的垂直输送减弱,导致区域降水量减小.城市地表对强对流的发展也表现为减弱作用,这使得水汽的垂直输送减小,区域降水量减小.     

太湖流域重污染区主要水污染物总量控制

太湖流域产业、人口集聚,水环境污染已经成为整个太湖流域经济可持续发展的制约因素之一,为解决经济发展引起的环境问题,对污染物排放实行总量控制至关重要.为此以太湖流域梅梁湾、竺山湾上游集水区域(重污染区)为研究区域,全面调查区域社会经济、产业结构、土地利用以及各类污染源现状,构建重污染区套网格水文、水质数学模型,计算区域水环境容量与污染物削减量,依据水功能区划与水域面积分配到各镇(街道),确定重污染区以镇(街道)级为基本单位的分阶段总量控制目标,制订主要污染物控制与负荷削减综合系统方案,提出2015年各类污染源重点工程措施,方案实施后区域河网水质平均达标率达80%,为太湖流域水环境管理提供技术支撑.     

MODIS陆地气溶胶遥感反演--利用TERRA和AQUA双星MODIS数据协同反演算法

利用卫星数据遥感陆地气溶胶一直是国际上研究的难点与热点.利用新一代传感器MODIS(中分辨率成像光谱仪)数据,DDV(Dark Dense Vegetation)算法反演陆地气溶胶的分布以及性质已经取得了较好的效果.然而,该算法只适用于诸如水体、浓密植被等较低地表反射率区域,大大限制了该算法的实际应用范围,尤其是无法应用于城市等亮地表区域气溶胶的遥感反演.文中提出了基于利用TERRA和AQUA双星MODIS数据的协同反演模型算法(SYNTAM-Synergy of Terra and Aqua MODIS),用以反演陆地气溶胶的光学厚度等信息.该算法实现了地表反射率与气溶胶光学厚度的同时反演,可应用于各种地表反射率类型,包括城市等亮地表区域.通过与国际AERONET的地面观测数据对比做初步的反演验证,结果表明,该算法具有较高的精度,进一步的验证工作还在继续.