对流层O3区域输送的定量评估方法研究

主要介绍一个可用于化学输送模式的对流层O3来源和过程追踪技术。该方法可定量估算不同区域的光化学反应通过输送过程对目标地区O3浓度的贡献,并且克服了光化学非线性特征对估算结果的影响。以研究2001年中国南部和北部光化学生成O3的输送为例,通过与改进的敏感性分析方法比较,系统评估了该方法的合理性。比较结果表明,两种方法的估算结果在水平、垂直分布和典型输送个例等方面具有良好的一致性,说明污染物来源和过程追踪技术可以为量化区域输送对目标地区O3浓度的影响提供合理结果。个例模拟分析的结果也表明,中国南部和北部光化学生成的O3可以通过输送对整个东亚O3产生重要影响,并且在不同的季节呈现不同的特征。     

河北工业面源更新及其对奥运会期间京津冀区域空气质量模拟的影响

基于北京奥运会实时空气质量预报所用排放清单基础上,利用卫星影像资料提高京津冀大气污染排放清单空间分辨率,并考虑加强污染控制措施对排放源的影响,生成新的污染排放清单。更新排放清单的基础后,利用嵌套网格空气质量预报模式系统(NAQPMS)对奥运会期间北京及周边地区进行大气化学模拟,以评估奥运会期间北京及周边地区污染排放对空气质量状况的影响。模式结果表明,更新后的排放清单能够较好体现奥运会期间的污染排放状况。另外,情景控制试验结果表明,脱硫脱硝等一系列减排措施以及紧急污染控制措施,是奥运会期间北京城区空气质量良好的重要原因。     

奥运会开幕前后北京PM10输送通量变化及情景分析

利用嵌套网格空气质量预报系统(NAQPMS)的模拟结果,对奥运会开幕前后京津冀地区(2008年7月20日～8月24日)PM10(空气动力学当量直径小于等于10μm颗粒物)输送特征进行计算与分析。结果表明,气象条件的改变使得在南、东南和东三个方向输入北京地区的PM10通量在数值与分布上发生了较大幅度改变。开幕式前PM10主要自南部边界输送入北京,占输入总通量的55.8%,东南边界次之,占29.4%;奥运期间,二者贡献分别变为38.1%和47%,且入京总通量小时均值由50t下降为40.2t。垂直方向上,开幕式前输送能力最大的区间位于边界层中下部,奥运期间(8月8日～24日)边界层内输送的垂直分布较为平均。另外,结合2006年同期气象场及排放清单,通过替换的方法对奥运会期间的空气质量状况进行了情景模拟,结果表明:气象场的变化在PM10区域输送中起着决定性的作用,但在空气质量的改善方面,污染源减排的效果更为明显。     

北京奥运会空气质量保障方案京津冀地区措施评估

采用嵌套网格空气质量预报模式系统(NAQPMS)源追踪方法,研究了奥运会北京空气质量保障方案京津冀污染控制措施对北京城八区(包括东城区、西城区、崇文区、宣武区、海淀区、朝阳区、丰台区和石景山区)空气质量的影响,量化基准、减排情景下京津冀地区对北京城八区SO2、可吸入颗粒物(PM10)浓度的贡献率。首先,模式对比验证结果表明,NAQPMS较好地模拟出奥运会同期(2006年8月)北京空气质量状况。其次,源追踪方法研究结果表明:1)除平谷县外,其余各区县SO2、PM10浓度北京污染源贡献占主导地位,特别是城八区,北京污染源对SO2、PM10月平均浓度的贡献百分比都超过80%。2)保障方案污染减排情景下,一方面北京污染源对城八区SO2贡献浓度显著减小;另一方面除张家口外,天津、河北各源区对城八区SO2贡献浓度略微下降,综合效果下,城八区SO2浓度将显著下降。与此同时,分析表明北京污染源对城八区SO2浓度贡献效率将增加。3)保障方案减排情景下,北京污染源对城八区一次PM10贡献浓度也显著减小,而天津、河北各源区对城八区一次PM10浓度则略有增加,这与周边源区对城八区SO2浓度贡献特征略有不同,综合效果下,北京本地强有力的颗粒物削减措施依然可有效降低城八区近地面PM10浓度。     

北京地面O3的集合预报试验

基于蒙特卡罗集合预报方法建立了一个北京地面臭氧的集合预报系统,该系统对包括排放源、气象场在内的154个模式输入和参数进行了扰动,共包含了50个集合成员。利用该集合预报系统模拟了北京奥运会期间一次臭氧过程(2008年8月11日～8月13日),分析了集合预报系统在概率预报,最优集合子集预报以及表征预报可靠性方面的特点。结果表明:与原确定性预报相比,集合预报能为用户提供更加丰富的预报信息,通过概率预报可以提供不同事件发生的概率,对臭氧事件的预报准确率更高。采用最优集合子集预报方式时的臭氧预报均方根误差比原确定性预报低了10%以上。     

2008年北京奥运会期间污染控制效果数值模拟——以个例分析为例

利用2007和2008年北京地区空气质量监测资料和NCEP再分析资料,分析了北京地区空气动力学当量直径小于等于10μm颗粒物(PM10)污染过程与天气形势及天气系统之间的关系。结果表明:西太平洋热带气旋路径对北京地区发生PM10污染具有预示作用,即当热带气旋北上并在朝鲜半岛或日本登陆的情况下,北京地区一般受持续均压场等弱中尺度天气系统控制,这种中尺度天气系统不利于污染物的扩散,因此北京地区经常发生区域性的PM10空气污染事件。在2007年9次台风北上登陆朝鲜半岛或日本的过程中,北京地区伴随发生了9次PM10污染过程,预示准确率达100%,2008年的预示准确率也达到了80%以上。为了说明北京奥运会期间污染控制措施对改善北京空气质量有实际效果,利用中国科学院大气物理研究所区域空气质量模式NAQPMS,采用无控制措施源和有控制措施源,对2008年北京残奥会期间一次西太平洋北上型热带气旋天气条件下的空气质量状况进行了数值模拟试验,揭示了此次过程北京地区未发生PM10空气污染的原因。     

“13·12”西安重污染气象条件及影响因素

使用高分辨监测资料对2013年12月18—25日西安严重污染天气气象条件及影响因素进行分析。结果表明:严重污染期间,亚洲大陆中高纬度500 hPa呈一槽一脊经向环流型,陕西处于地面冷高压南部均压场控制下。空气质量转好时,高空锋区明显增强,地面冷锋快速东移、南压,边界层高度增大,近地层集聚污染物显著抬升。严重污染与非污染时段气象条件差异明显。除接地逆温外,近地层不同高度存在悬浮逆温,相对湿度呈湿-干-湿垂直分布,温湿条件有利于污染加强。严重污染属于以湿霾为主的重度霾天气,日平均能见度小于1.5 km,边界层高度小于0.7 km,郊区湿霾每日持续时间平均比市区长约5 h。严重污染期间,细颗粒物浓度远高于粗颗粒物,随时间增加趋势明显。颗粒物平均浓度在午后出现峰值,可能与边界层高度偏低、关中盆地地形因素密切相关,本地地面风场日变化对污染有加重效应。     

京津冀及其周边地区“2+26”城市PM2.5的蒙特卡罗集合预报试验

本文在嵌套网格空气质量预报模式系统（NAQPMS）的基础上,结合蒙特卡罗模拟方法搭建了多扰动的空气质量集合预报系统。利用该系统对京津冀及其周边地区“2+26”城市的PM2.5浓度进行预报试验,试验时段为2017年9～12月,模式水平分辨率为15 km。研究发现,基于蒙特卡罗集合预报系统,采用“集合样本优选”均值集成法能显著提升PM2.5预报精度,大幅减小预报偏差。与所有集合样本的均值集成法相比,该方法将PM2.5预报均方根误差（RMSE）由58.0 μg m?3降低至34.7 μg m?3,将模拟—观测两倍因子百分比（FAC2）由67%提升至87%。此外,“集合样本优选”均值集成法对各污染等级的整体预报效果优于均值集成法。本文结果可为改进城市PM2.5预报效果和减小PM2.5预报偏差提供参考。     

我国近20年太阳辐射时空分布状况模式评估

利用NCAR/PSU联合研发的第5代中尺度气象模式(MM5),结合最优插值方法,模拟获得高时空分辨率的我国太阳辐射分布特征。MM5模式模拟中采用敏感性分析方法挑选参数化方案,结合1975—1997年辐射日平均值资料验证模拟效果,采用最优插值方法优化辐射的模拟效果,并导入GIS平台进行统计分析。分析表明:最优插值后辐射模拟平均标准绝对误差由原来的24.4%下降到8.5%,平均标准偏差由20.6%下降到3.5%。模拟获得的全国平均年太阳辐射总量为5648.6 MJ·m~(-2),空间分布上,呈现以内蒙中西部—宁夏—甘肃西北部—四川西部—云南西北部为分界线的西高东低特征,分界线以西太阳辐射在6000 MJ·m~(-2)以上,东部以华北太阳辐射为最高;1975—1997年年太阳辐射总量呈现上升—下降—上升的变化趋势,1978年太阳辐射最高,1989年最低。此外,基于Arc GIS 8.3统计获得各省份平均年太阳辐射总量,对各省份太阳辐射丰富程度进行等级划分,统计结果表明:西藏、青海、新疆是太阳辐射最丰富的省份,其中,西藏平均年太阳辐射总量在6900MJ·m~(-2)以上。     

空气质量多模式系统在广州应用及对PM10预报效果评估

介绍了广州空气质量多模式系统并评估其对2010年9月广州市的气象要素和PM10日均浓度的24 h的预报效果.评估结果表明：模式系统较好地预测了气象要素的变化,但高估了风速;各空气质量模式能合理预测广州PM10浓度的时空变化,预报效果均处于可接受范围内(平均分数偏差MFB小于±60%且平均分数误差MFE小于75%),部分模式可达到优秀水平(MFB小于±30%且MFE小于50%),但同时各模式在郊区均预测偏高而在市区偏低;总体上,模式在广州郊区的PM10预报效果优于市区.模式间对比表明,在本次业务预报实践中,不存在最优的单模式,同一模式对不同的统计指标、不同的站点,其预报效果可能存在差异,基于算术平均集成各模式结果未能获得最优的预报效果.优化排放源空间分布并引进更好的集成预报方法(如权重平均、神经网络、多元回归等)是未来改进广州空气质量多模式系统预报效果的可能途径.