APEC前后北京几次静稳天气边界层特征对比分析

对北京地区2014年11月3-11日APEC会议期间的大气扩散条件与2014年10月的4次雾-霾过程进行对比分析,表明APEC会议期间静稳天气指数略低于10月4次过程,具备一定的污染物积累潜势。数值模拟结果表明,对北京及周边地区污染排放的控制是APEC期间北京保持低水平气溶胶浓度的重要原因。周边地区污染物传输以及特殊地形条件下山谷风环流的日变化对北京地区污染物浓度的区域分布及演变有重要影响,夜间地形北风对近地面污染物有明显清除作用。相较于重污染天气,APEC期间气溶胶浓度低,温度效应小,山谷风环流明显,同时白天混合层高度上升幅度大,有利于污染物扩散。减排使气溶胶浓度减小,而低浓度气溶胶又使污染扩散条件进一步好转的相互反馈作用,是"APEC蓝"出现的主要原因。     

Assessment of the regional source contributions to PM_(2.5) mass concentration in Beijing

将先进的在线源追踪模拟模块ISAM与空气质量模式系统RAMS-CMAQ耦合,对2015年7月华北地区主要气溶胶物种(硫酸盐、硝酸盐、铵盐、黑碳、有机碳、沙尘和海盐)进行模拟,并且深入探讨了不同地区排放源对PM_(2.5)质量浓度的贡献特征。模拟结果显示PM。2.5质量浓度高值主要出现在河北省南部和山东省西部北京和天津市的排放源对PM_(2.5)质量浓度的贡献主要集中在本地,而河北和山东省则为华北地区PM_(2.5)质量浓度的主要贡献者。就北京市而言,由于近年执行了多项减排措施,目前该地区的本地贡献占20%-30%。而河北和山东省是北京市PM_(2.5)的主要区域传输贡献者,分别可超过25%和10%。此外,在污染背景下周边地区传输贡献的比重更大。当空气质量恶化时,河北和山东省的传输贡献比例均有所提升。因此,建议在污染期间,应重点基于对区域尺度的排放源开展协同控制,制定综合的减排措施方可进一步降低北京市的PM_(2.5)质量浓度。     

秸秆燃烧对北京秋季气溶胶浓度和短波辐射影响的模拟研究

利用地面细颗粒物（PM2.5）浓度和气象常规观测资料、地基 AERONET观测资料、GFED生物质燃烧排放清单和大气化学—天气耦合模式WRF-Chem,模拟研究了华北地区2014年10月气象要素和大气污染物的时空演变,重点关注北京10月7～11日的一次重霾事件及其天气形势、边界层气象特征、输送路径、PM2.5及其化学成分浓度变化等特征,以及秸秆燃烧对华北和北京地区细颗粒物浓度和地面短波辐射的影响。与观测资料的对比结果显示,模式可以很好地模拟北京地区地面气象要素和PM2.5质量浓度,考虑秸秆燃烧排放源可以明显改进北京PM2.5浓度模拟的准确性,但在重度污染情况下,模式总体上低估气溶胶光学厚度和高估地面短波辐射。10月7～11日北京地区重霾事件主要是不利气象条件下人为污染物累积和区域输送造成,也受到华北地区南部秸秆燃烧的影响。河南北部、河北南部和山东西部大面积秸秆燃烧释放的气态污染物和颗粒物在南风的作用下输送至北京,秸秆燃烧对北京地区地面PM2.5、有机碳（OC）、硝酸盐、铵盐、硫酸盐和黑碳（BC）的平均贡献率分别为24.6%、36.8%、23.2%、22.6%、7.1%和19.8%,秸秆燃烧产生的气溶胶可以导致北京地面平均短波辐射最大减小超过20 W m－2,约占总气溶胶导致地表短波辐射变化的24%。     

天津城区春节期间大气气溶胶污染特征 和数浓度分布

利用天津城区2009-2014年春节期间大气气溶胶观测资料和相关气象资料,重点分析2013和2014年春节期间气溶胶污染特征,探求燃放烟花爆竹以及气象条件对春节期间大气气溶胶的影响。结果表明,受燃放烟花爆竹影响,春节期间PM_(2.5)质量浓度最高值均发生在除夕夜间;持续雾霾天气条件下燃放烟花爆竹,造成2013年除夕夜间PM_(2.5)质量浓度峰值达到1240μg·m～(-3),是近年来最严重的一次;2014年春节期间烟花爆竹燃放量有所减少,加之空气扩散条件较为有利,PM_(2.5)质量浓度显著低于2013年;不同天气条件下,气溶胶数浓度谱分布特征存在明显差异,燃放烟花爆竹期间气溶胶数浓度水平与严重雾-霾天气相当。     

APEC会议期间北京地区大气污染物的分析研究

该文利用北京市通州区环保局、北京市环境保护监测中心自动检测网络站点数据及NCEP(1°×1°)再分析资料,分析了2014年北京APEC会议期间各污染物浓度值的变化,分析表明:管控期内PM_(2.5)、NO_3浓度下降明显。PM_(2.5)、NO_2呈现双峰现象,O_3、SO_2呈现单峰态。同时,北京市人口稠密区夜间PM_(2.5)污染较为严重,仍需控制NO_2的排放量。并探究管控措施实施效果,为今后重大活动空气质量保障提供参考。     

Trends of surface PM_(2.5) over Beijing–Tianjin–Hebei in 2013–2015 and their causes: emission controls vs. meteorological conditions

文章以2013年为基准年对京津冀地区2014–15年的PM_(2.5)浓度变化趋势作了分析,并结合区域空气质量模式NAQPMS研究了气象条件和大气控制措施对PM_(2.5)浓度变化的贡献。研究结果表明:京津冀地区2014–15年PM_(2.5)年平均浓度较2013年有明显下降,其中:南部城市(邢台、邯郸、石家庄和沧州)PM_(2.5)浓度下降由气象条件和排放源控制共同作用,排放源控制起主导作用;天津市和廊坊市2014年PM_(2.5)浓度下降有赖于排放源控制,气象条件总体不利于污染物扩散,2015年则由气象条件和排放源控制共同作用,以排放源控制为主导作用;受制于不利气象条件影响,北京市PM_(2.5)浓度下降幅度较其它污染城市更小(2014和2015年分别为4%和9%)。在采暖季和非采暖季的对比中,2015年采暖季期间,整个区域重污染下的PM_(2.5)浓度下降幅度显著大于其它时期,这表明当前该区域大气污染治理正朝精细化的方向发展。     

桂林市大气气溶胶质量浓度变化特征分析

利用2009-2018年桂林大气成分站的大气气溶胶质量浓度观测资料,分析了PM_(10)、PM_(2.5)、PM_1统计值的变化规律,结果表明:(1)2009-2018年桂林ρ(PM_(10))、ρ(PM_(2.5))、ρ(PM_1)年平均值变化趋势基本相同,2012-2014年,年平均值相对较高,自2015年后有下降的趋势。一年中月变化基本呈冬高夏低的正V字型分布,月平均峰值出现在1月,谷值出现在7月。质量浓度小时平均值从数值上呈现出冬春秋夏的趋势,并呈现明显的双峰分布特征。ρ(PM_(2.5))/ρ(PM_(10))、ρ(PM_1)/ρ(PM_(10))、ρ(PM_1)/ρ(PM10_(2.5))介于60%-93%之间,说明全年可吸入颗粒物中细粒子占大多数。桂林大气气溶胶质量浓度月平均分布规律可能与天气气候特点有密切关系,日变化主要受到气象条件和污染物排放的影响。(2)桂林ρ(PM_(10))、ρ(PM_(2.5))和ρ(PM_1)与日均气温、日均湿度、日降水量、日均风速显著负相关,与日均气压显著正相关。中雨及大雨、暴雨可明显稀释污染物的浓度,细颗粒物易被雨水冲刷清除。2级以上的风力对于污染物有一定的驱散作用,尤其粗颗粒物下降的程度较明显。     

北京地区两次重污染过程中PM_(2.5)浓度爆发性增长及维持的气象条件

基于京津冀地区80个环境监测站PM_(2.5)浓度逐时监测资料和气象观测资料,以2016年12月16—21日和2017年1月1—7日雾和霾天气为例,分析PM_(2.5)浓度演变的气象条件。结果表明:气象条件在北京地区污染物浓度爆发性增长过程中具有重要作用。北京地区12月19—20日PM_(2.5)浓度出现爆发性增长,小时浓度在8 h内上升201μg·m~(-3),主要是边界层南风分量由地面增厚至700 m,700 m以上弱下沉抑制作用,结合地面辐合线维持所致;20—21日北京地区PM_(2.5)浓度维持高值且无日变化,是由于低空1.5 km出现弱回暖,逆温层显著增厚增强且无明显日变化,导致高浓度气溶胶无法有效扩散。综合来看,2016年12月16—21日污染物浓度爆发性增长的原因以外源性污染物输送为主;2017年1月3—4日污染物浓度爆发性增长原因与局地极端不利扩散条件及污染排放等其他因素有关。     

北京区域环境气象数值预报系统及PM2.5预报检验

基于北京地区快速更新循环同化预报系统 (BJ-RUC)、WRF-Chem模式和优选的能见度参数化方案,建立了北京区域环境气象数值预报系统。对2014年全年PM_2.5浓度、能见度和APEC (Asia-Pacific Economic Cooperation) 期间预报效果检验结果表明:该系统对京津冀及周边地区PM_2.5浓度的预报效果较好,大部分站点的相关系数在0.6以上,特别是北京的部分站点可达0.8以上,预报结果相比观测总体偏低,随着预报时效的延长,24 h之后预报效果略有下降。相比人工观测,能见度预报结果与自动观测能见度更加接近,对持续性低能见度过程预报与实况吻合较好,对于小时能见度低于10 km的分级检验显示,预报准确率从77%左右逐级下降,2 km以下在40%左右。2014年APEC期间,系统很好地预报出北京地区空气质量指数、PM_2.5浓度和能见度的时空演变特征,为APEC期间环境气象预报服务提供了有力的技术支撑。     

外来源影响北京地区空气质量的典型个例分析

利用京津冀地区80个环境监测站PM_(2.5)浓度的逐时监测资料和常规气象站的观测资料,分析了2013年1月京津冀地区3次典型重污染天气过程PM_(2.5)浓度的分布和演变特征,选取PM_(2.5)浓度快速增长时段的风场特征分析外来源对北京地区污染输送的影响。结果表明:2013年1月京津冀地区存在3个PM_(2.5)浓度高值中心,分别位于石家庄—保定、廊坊和唐山地区。北京地区外来源主要来自河北省中南部的石家庄—保定及廊坊一带,主要通过边界层偏南风远距离输送影响北京地区,边界层辐合线和逆温结构加剧了污染物在北京地区的累积。随着静稳时间的增长,PM_(2.5)污染物向燕山和太行山前输送堆积,造成北京地区PM_(2.5)浓度高于河北省中南部地区,北京市郊区PM_(2.5)浓度高于城区。     

亚青会期间南京地区大气冰核的观测分析

2013年8月2—26日亚青会期间对南京地区进行了大气冰核的观测采样,同时结合气溶胶、气象要素等观测资料,研究了南京地区大气冰核浓度的分布特征,探究在污染管控措施下大气气溶胶的变化是否对冰核浓度产生影响。结果表明,大气气溶胶浓度在污染管控的措施下明显降低,冰核浓度在多种因素影响下没有明显降低的变化趋势,但有明显的日变化特征。燃放烟花的空气污染时刻,大气冰核浓度随污染物浓度的增加会明显增加。当活化湿度达到水面过饱和,温度范围为-12~-23℃时,南京夏季的冰核浓度范围为0.38~50.55 L~(-1)。将活化温度和冰面过饱和度同时加入到参数化公式中得到大气冰核浓度N(T,S_i)=0.003 1exp(-0.254 9T+0.161 6S_i)。进一步分析冰核浓度与PM_(2.5)、PM_(10)、PM_(10)-PM_(2.5)的关系,发现冰核浓度与PM_(10)-PM_(2.5)的相关性较高,相关系数为0.55,说明大粒径气溶胶粒子更容易充当冰核,大粒径气溶胶在冷云过程中起着更为重要的作用。     

2013年1月华北地区重雾霾过程及其成因的模拟分析

2013年1月11~14日,华北地区经历重雾霾过程。为了探讨其形成原因,利用大气化学模式系统Weather Research and Forecasting(WRF)-Chem模拟2013年1月华北地区气溶胶的时空变化。模拟的能见度、气象要素(温度、湿度、降水、风速和风向)以及细颗粒物(PM2.5,大气中直径≤2.5μm的颗粒物)地表浓度的时间变化与近地面观测值都较为吻合。模拟结果表明,1月11~14日,细颗粒物高值分布于河北省南部和东部、天津地区以及北京地区,其日均值约为400~500μg m–3。通过与历史气候数据比较发现,2013年1月10~15日华北地区的气象条件表现为较大的相对湿度正距平(20%~40%)以及风速的负距平(-1 m s–1)。北京站点的探空数据还表明,在1月11~13日期间,垂直方向上,1 km以下的大气中存在明显的逆温层,并且湿度保持较高的值(80%~90%)。模拟结果表明,1月11~14日,近地面南向风和东向风将水汽输送到华北地区,上层大气(850hPa)的西北风则将沙尘输送到华北地区。以上气象条件有利于气溶胶的吸湿增长和浓度的聚集。硝酸盐的收支分析表明,在北京地区,与1~9日相比,10~14日夜间化学生成和传输的显著增加都贡献于硝酸盐浓度,是重雾霾形成的主要原因。     

APEC会议期间呼和浩特市大气污染防控与气象条件分析

利用2014年10月14日至11月13日欧亚地区高空和地面气象常规观测资料、NCEP再分析资料及内蒙古环境监测中心站的污染物浓度监测资料和AQI日资料,分析了APEC会议前后呼和浩特市大气污染防控效果及气象条件的作用。结果表明:2014年10月14—25日内蒙古自治区实施大气污染防控前,呼和浩特市轻度及以上污染日数比2013年同期上升37.5%;10月26日开始采取减排措施,污染颗粒物浓度大幅下降,呼和浩特市轻度及以上污染日数比2013年同期下降100.0%。大气污染防控期间,中国华北地区出现了4次较明显的冷空气活动,较强的冷平流由中高层侵入地面,呼和浩特市风力加大,有利于污染物扩散,4次冷空气活动全部对应呼和浩特市空气质量指数AQI最低值。因此,APEC会议期间呼和浩特市空气质量达优良等级,可能是结合了气象条件进行的政府防控取得了显著效果。     

一次重污染天气过程的激光雷达探测数据与颗粒物浓度变化

根据河北邢台市2015年10月11—23日一次重污染天气过程的激光雷达探测数据,对大气污染物浓度和雷达反演得出的大气边界层(PBL)高度、气溶胶光学厚度(AOD)和消光系数的变化进行分析。结果表明:在剔除降水因子的影响后,PBL高度对PM_(2.5)浓度有显著影响,PBL高度越低,PM_(2.5)浓度越高,且两者的相关性夜间好于日间;大气污染物浓度的增加会导致AOD和气溶胶消光系数的显著升高,且AOD与PM_(2.5)浓度的相关性日间好于夜间,在降水的湿沉降效应和大气相对湿度增加的影响下,会出现大气污染物浓度下降,但AOD升高的现象;300 m高度的气溶胶消光系数与地面污染物浓度的日变化趋势较为一致,贴近地面处消光系数相对较小。整体而言,随着PBL高度下降、AOD上升和消光系数增加,环境大气质量逐步趋于恶化。     

气溶胶辐射效应在华东地区一次雾霾过程中的作用

利用WRF/Chem(Weather Research and Forecasting Model coupled with Chemistry)模拟了2013年12月华东地区一次雾、霾事件气溶胶辐射反馈效应对气象场和大气质量的影响。通过3个不同气溶胶浓度设置的试验区分气溶胶浓度不同辐射效应的影响。比较不同试验得出,本次雾、霾过程中,不论是气溶胶直接、半直接辐射效应还是间接效应均使污染地区短波辐射减少、2 m气温下降、大气边界层高度降低,不利于水汽与污染物的扩散,空气污染进一步加重,雾结构进一步稳定,并使雾的持续时间延长,发展高度更高;对于化学场来说,气溶胶直接、半直接辐射效应使污染地区PM_(2.5)浓度增大、消光系数增大、氮氧化物浓度增大,臭氧浓度降低;间接辐射效应使PM_(2.5)浓度和消光系数进一步增大,氮氧化物、臭氧浓度降低。综上所述,气溶胶辐射效应能使大气污染加重,并利于雾的发生、发展。     

耦合气溶胶气候模式FGOALS-f3-L模拟青藏高原地区气溶胶特性（英文）

基于新耦合气溶胶气候模式FGOALS-f3-L模拟分析了2002-2011年青藏高原地区气溶胶时空分布特征.结果表明:青藏高原地区,沙尘,硫酸盐,碳质气溶胶(包括黑碳,有机碳和混合碳)地表质量浓度分别占比为53.6%,32.2%,14.2%;在拉萨站点,模拟的气溶胶地表质量浓度被低估,尤其是黑碳和有机碳气溶胶;模拟的气溶胶光学厚度(AOD)时空分布与卫星观测结果较为一致,均方根误差和偏差分别为0.081和0.036;由于模式中沙尘排放参数化的不确定性,模式对AOD的模拟效果在夏季和秋季优于春季.     

北京冬季雾霾事件的气象特征分析

利用观测的气象要素和细颗粒物(即PM2.5)浓度资料,并结合中尺度数值天气模式WRF(Weather Research and Forecasting Model),对2013年1月北京地区雾霾污染期间天气条件和边界层气象特征进行了分析。模拟与观测对比表明,WRF模式可以较好地反映北京—天津—河北地区地面和高空主要气象要素的时空分布。对1月10~14日、27~31日两次重雾霾天气的分析表明,雾霾的形成是高浓度的大气颗粒物和特殊的气象条件共同作用的结果。小风或静风、稳定的大气层结,使大气扩散能力减弱,造成污染物堆积,偏南气流将周边污染物和水汽输送到北京,不仅增加了污染物浓度,而且有利于气溶胶吸湿增长,消光增强,使能见度下降,进而形成雾霾。     

2014-2017年华北平原PM_(2.5)组分消光与能见度对比研究（英文）

华北平原大气污染与低能见度状况一直是人们关切的问题.本文通过分析2014-2017年PM_(2.5)化学成分的浓度和消光效果,研究了华北平原典型城市保定市的大气污染特征.结果表明,PM_(2.5)分的年均浓度显示下降趋势,水溶性无机离子,碳质气溶胶和金属元素分别减少了11μg m~(-3),23μg m_(-3)和1796 ng m_(-3).NH_4~+,NO_3~-和SO_4~(2-)是PM_(2.5)污染的主要污染物,三者之和占总离子浓度的82.9%.基于IMPROVE方程对细颗粒物进行重构,在观测期间PM_(2.5)质量浓度平均为93±69μg m~(-3),春季,夏季,秋季和冬季的消光系数分别为373.8±233.6 M m~(-1)±,405.3±300.1 M m~(-1),554.3±378.2 M m~(-1)和1005.2±750.3 M m~(-1).硫酸铵,硝酸铵和有机物对消光的贡献最大,不同季节下占比达55%～77%.通过PM_(2.5)组分进行重构,利用IMPROVE算法计算得到Rbsca,用能见度测量值转换得到Vbsca,二者具有较高的相关性(r2=0.84);但存在Vbsca的高值被低估,Vbsca的低值被高估的现象;特别是当Rbsca 1123 M m~(-1)(对应能见度约小于2.0 km)时,Vbsca的值被低估了17.6%.高浓度PM_(2.5)和高湿度对IMPROVE算法结果有显著的影响.     

京津冀地区气溶胶光学厚度反演及其空间分布特征

利用2014年9月1日至2015年5月31日Terra/MODIS MOD 021KM数据,以京津冀地区为研究区域,采用深蓝算法和查找表法反演京津冀地区1 km分辨率的气溶胶光学厚度,并将反演的气溶胶光学厚度与NASA产品和CE-318观测的气溶胶光学厚度进行比较。结果表明:反演的气溶胶光学厚度与NASA MOD 04_L2(10 km×10 km)和MOD 04_3K(3 km×3 km)两种气溶胶产品的空间分布具有高度的一致性,且空间分辨率更高;反演的气溶胶光学厚度与石家庄站CE-318观测气溶胶光学厚度的平均绝对误差为0.07左右,二者之间的相关系数R~2=0.956。卫星过境时,1 km反演的气溶胶光学厚度与MOD 04_L2气溶胶产品的平均误差约为0.06,反演的气溶胶光学厚度与MOD 04_3K气溶胶产品的平均误差约为0.03。对反演的气溶胶光学厚度与河北省PM_(2.5)和PM_(10)质量浓度的空间分布进行相关性分析表明,气溶胶光学厚度AOD与PM_(2.5)和PM_(10)质量浓度的相关系数分别为0.745、0.663,说明1 km反演的AOD可以有效反映区域PM_(2.5)和PM_(10)质量浓度的空间分布。     

基于模拟与观测资料的北京地区气溶胶观测站点分布策略研究

使用北京区域环境气象数值预报系统2015年11、12月和2016年1、5、6、7月PM_(2.5)浓度的模式模拟结果与同期有限观测资料进行相关分析,探索在站点稀少情况下如何确定最优测站分布策略的方法。通过模拟结果与有限观测资料的结合,使用观测资料筛选比较好的模拟结果,可以得到有较高空间分辨率和一定时间序列长度的资料,进而可以进行站点代表性分析确定最优站点分布。基于该方法分析了北京地区气溶胶观测的站点分布策略。北京地区PM_(2.5)浓度呈南高北低的分布,另一个显著的特点是有沿地形分布的特点。冬季与夏季明显的区别是,夏季PM_(2.5)浓度变化比较大的区域在西南部,而冬季该大值区沿地形向东北扩展比较明显。总体上,观测站点分布宜在北京西南部采用较小的站距,向北向东站点距离逐步增大。针对冬季观测站点分布的显著特征是西部沿山一带需要较高的站点密度。要获得相同质量的空间分布特征,冬季站点总体密度比夏季高。