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。     

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。     

气象—化学双向耦合模式（WRF-NAQPMS）研制及其在京津冀秋季重霾模拟中的应用

为解析大气污染物与气象的双向反馈机制及其对气象和环境的影响,建立基于Mie散射理论的气溶胶—光学性质模块,研制气象-化学双向耦合器,以嵌套网格空气质量预报模式NAQPMS(Nested Air Quality Prediction Modeling System)为基础,建立了NAQPMS和中尺度气象模式WRF(Weather Research and Forecasting Model)的双向耦合模式(WRF-NAQPMS)。利用此模式数值模拟了2013年9月27日至10月1日的北京-天津-河北地区一次秋季严重灰霾过程。结果表明,考虑气溶胶辐射反馈的双向耦合模式模拟的气象要素和细颗粒物(PM2.5)浓度与观测结果更为一致。灰霾期间,气溶胶直接辐射效应显著改变了边界层气象要素,北京-天津-河北地区地面接收的太阳短波辐射减少25%,2 m高度的温度平均下降1°C,湍流动能下降20%,10 m高度的风速降低超过0.2 m/s,边界层高度下降25%,使得边界层大气更加静稳,进而造成了重污染地区污染进一步加剧,如石家庄近地面细颗粒物浓度增加可达30%。分析表明灰霾与边界层气象要素之间存在一种正反馈机制,采用该机制的双向耦合模式有利于准确模拟和预报灰霾污染过程。     

湿地小气候效应特征研究

湿地对局地小气候具有调节作用,研究湿地小气候效应特征能更具体地了解湿地对局地小气候的影响。本文以河北省衡水市的衡水湖为例,利用衡水市11个常规气象观测站数据,通过对湖区及湖区外各季节不同气象要素的对比,对衡水湖各个季节的小气候效应进行了分析。结果表明:（1）衡水湖具有冷岛效应、湿岛效应和风岛效应,能够调节周围的气候特征;（2）衡水湖的小气候效应具有季节特征,衡水湖各季节平均的冷岛效应由强到弱依次为春季、冬季、秋季、夏季,湿岛效应由强到弱分别为夏季、春季、秋季、冬季,风岛效应由强到弱依次为春季、夏季、冬季、秋季,春季小气候效应最强;（3）衡水湖的小气候效应具有昼夜特征,夜晚的冷岛效应强于白天,湿岛和风岛效应正相反,白天的强度大于夜晚。     

大气污染资料同化与应用综述

我国正面临以高浓度臭氧和细颗粒物为典型特征的大气复合污染问题,对其进行模拟和预报是有效应对大气污染的关键。大气复合污染预报的不确定性来源复杂,同时存在化学非线性的影响,各种模式输入不确定性对模拟预报影响的时空差异较大,从而导致很多不确定性约束方法难以确定关键的不确定性因子而进行有针对性的约束和订正。利用资料同化方法融合模式、多源观测等信息,减小模式输入数据的不确定性成为提升大气污染模拟预报精度的关键。本文将简要介绍大气污染资料同化相关的模式不确定性、同化算法以及污染物浓度场同化、源反演研究上的进展,探讨大气污染资料同化面临的主要挑战和发展趋势。     

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。     

大气自净容量的算法及关键物理因子分析

为更科学地量化大气对污染物的清除能力,使用WRF-NAQPMS模式对2017年12月进行模拟,对比分析影响大气清除能力的主要关键物理因子,修正A值法和大气自净容量算法的差异,进一步计算大气自净容量余量及各关键物理化学过程的贡献量。结果表明,边界层高度、风廓线、湿清除系数等3个关键物理参数较混合层高度、10 m高度风速、雨洗强度等更适用于量化清除过程;修正A值法和大气自净容量算法虽均能表征大气清除能力的强弱,但前者受目标城市面积影响较大,结果远高于大气自净容量算法;大气自净容量余量与细颗粒物（PM2.5）浓度变化趋势呈负相关,污染越重,大气自净容量亏空越多,其中平流扩散对大气自净容量贡献最大,化学转化过程次之,湿沉降等过程也不可忽视。     

京津冀典型工业城市沙河市大气污染特征及来源分析

近些年京津冀地区秋、冬季大气重污染事件频发,工业生产与居民燃煤是大气灰霾污染的重要原因。河北省沙河市是京津冀地区以玻璃制造和加工为主的典型工业城市,本研究选取该城市为研究对象,主要利用2017年1月至12月国控站点的大气环境监测和气象数据,采用扩散模型、潜在源分析等手段,分析了沙河市主要污染物的时空分布特征和污染来源。主要结论有:（1）沙河市首要污染物具有明显季节特征,春季、夏季、秋冬季分别以PM₁₀、O₃、PM_2.5污染为主,季节贡献率分别为43.3%、72.3%、61.5%。（2）受城市大气边界层和排放的共同影响,PM₁₀、PM_2.5、SO₂、NO₂和CO浓度均有剧烈的季节—日变化特征。（3）冬季东北风时PM_2.5、NO₂、SO₂均展现出高浓度和高相关性特征,表明站点可能受东北方向玻璃企业排放影响。同时,站点可能也受城中村散煤燃烧影响。（4）沙河市冬季PM_2.5浓度为143 μg m-3。冬季的一次重污染中硫氧化率SOR、氮氧化率NOR的最高值分别达0.67、0.39,气态污染物的二次转化剧烈,高湿度利于二次粒子的生成。重污染中C(NO₃-)/C(SO₄2-)均值为1.89,推测沙河市NO₂主要来自大型运输车辆和企业的共同排放。（5）本地源是沙河市PM_2.5的主要潜在源区,周边几个重工业城市也有一定贡献。因此本研究建议沙河市PM_2.5的治理除需加强本地污染源的削减和控制外,区域联防联控也十分重要。     

基于京津冀高密度地面观测网络的大气污染物浓度地面观测代表性误差估计

地面观测提供空间点的浓度信息,三维化学模式提供网格面的浓度信息,两者在进行对比验证或同化融合时会因为空间尺度不匹配引入误差,即观测代表性误差。本研究将大气污染地面国控监测站与区县监测站结合起来,获得了京津冀地区高密度地面观测数据,利用该数据首次对京津冀地区6项常规大气污染物（PM_2.5、PM₁₀、SO₂、NO₂、CO和O₃）的地面观测代表性误差进行了客观估计,并与Elbern et al.（2007）方法估计的代表性误差进行了对比。结果发现:两种方法对京津冀地区NO₂地面观测代表性误差估计非常接近,但Elbern et al.（2007）方法显著低估了SO₂、CO和O₃地面观测的代表性误差。在此基础上,我们对Elbern et al.（2007）方法及其误差特征参数进行了本地化修正,并增加了PM_2.5和PM₁₀的代表性误差特征参数,建立了京津冀大气污染地面观测代表性误差的客观估计方法。