基于WRFDA-Chem三维变分同化系统的中国PM2.5和PM10资料同化试验北大核心CSCD

将大气化学三维变分同化系统WRFDA_Chem引入睿图—化学环境气象数值预报系统(RMAPS-Chem),利用2016年11月地面观测细颗粒物(PM2.5)和颗粒物(PM10)逐小时质量浓度资料进行同化预报试验:6 h循环同化结果表明,WRFDA-Chem对初始场PM2.5和PM10的模拟偏差和相关性有显著改善,均方根误差(RMSE)减小40%左右,相关性提高0.27~0.37;同化对预报改进能持续24 h以上,PM2.5(PM10)浓度预报RMSE降低25%(10%),相关性提升14%(25%);加密同化频次(逐小时循环同化)进一步改进预报效果。未来需要进一步开展同化数据质量控制方案研究以优化业务预报效果,并在深入理解模式不确定性和偏差来源的情况下,进一步开展模式和同化系统的协同发展。     

上海崇明岛PM2.5和PM10污染特征及气象因素影响分析

2015年上海崇明岛PM2.5和 PM10浓度变化特征及气象因素影响分析     

福州市PM2.5、PM2.5/PM10分布特征及与气象条件关系的初步分析

利用福州市PM2.5、PM10和气象资料,分析PM2.5、PM2.5/PM10的分布特征及与气象条件的关系。结果表明:福州市细粒子污染程度较轻,春季PM2.5和PM2.5/PM10值均是四季中最高的,其次是冬季,夏季最低;影响PM2.5浓度出现高值的天气系统有:暖区辐合与高空槽前、大陆高压后部和暖区降水三种系统,其中暖区降水天气形势下的PM2.5平均浓度最高,超标率为25.5%;影响PM2.5浓度出现低值的天气系统有:冷高压脊、高压底部和高空槽后,副热带高压及边缘,台风(热带辐合带)及外围系统,在后两种天气系统影响下的PM2.5平均浓度最低,超标率为0;剔除因降水、雾等低能见度个例,PM2.5浓度与能见度的相关系数为-0.626,冬春季的相关系数是夏秋季的1.4倍;PM2.5浓度与单一气象要素(如温度、相对湿度、风速等)相关性不明显,但不同季节、不同气象要素变化的组合对PM2.5浓度有直接影响。      

基于无人机垂直观测的南京PM2.5污染个例研究

为了深入理解边界层内气温、相对湿度对PM2.5垂直分布和近地面污染的影响,本文使用搭载了多参数大气环境探测传感器的无人机对南京2017年12月3～4日和12月23～24日的PM2.5浓度、气温和相对湿度进行垂直观测,结合对气象数据的分析及HYSPLIT4（Hybrid Single Particle Lagrangian Integrated Trajectory version 4）轨迹计算模式的应用,对这两次PM2.5的垂直分布特征及污染过程的成因进行了分析。结果表明,PM2.5浓度和相对湿度呈明显的正相关关系,在12月23～24日的6次观测中相关系数均值达到0.96。逆温层下部,PM2.5浓度和相对湿度高且垂直差异较小;逆温层以上,PM2.5浓度和相对湿度随高度升高而迅速降低。由于大气扩散条件较差,导致PM2.5在华北平原南部不断累积,之后受到高压系统的影响分别向南和东南转移。这两次PM2.5污染过程都明显受到外部输送的影响,大气逆温对PM2.5和水汽的向上输送有明显的抑制作用,外部输送和局部逆温是导致这两次PM2.5污染的主要原因。     

晋城市冬、春季PM2.5和PM10污染水平时空分布及其与气象因子的关系

为深入了解晋城市颗粒物浓度时空分布特征,对晋城市2017年12月至2018年5月国控点、小型站和微型站PM2.5及PM10小时浓度数据进行收集整理,并进行空间插值分析和时间变化趋势分析及与气象监测数据的相关分析。结果表明:颗粒物浓度在冬、春季节具有明显差异,冬季PM10与PM2.5高值区主要位于东北部及东南小部分区域,春季PM10高值区位于城区南部区域,PM2.5高值区主要集中于城区。晋城市城区和郊区PM10与PM2.5月均浓度整体呈单峰型变化,PM10在4月份最高(157.54±5.67μg·m^-3),PM2.5在1月份最高(94.08±2.25μg·m^-3)。冬季PM2.5/PM10平均为0.57,春季平均为0.45。颗粒物小时浓度的变化呈现单峰单谷的型式,冬季PM10与PM2.5小时平均浓度最高值均出现在10时,春季均出现在09时。监测期间晋城市PM10与PM2.5的小时浓度值与相对湿度有较高的正相关性(p<0.01),与风速、风向有较高的负相关性(p<0.01),与温度和气压的相关性较低。冬季,东北至正南风向时,PM10与PM2.5的浓度普遍高于西北风向时的浓度,对晋城冬、春季国控点颗粒物浓度贡献率最高的风向风速为东南偏南风向,风速在1 m/s以内。     

秦皇岛2019年冬季重污染过程PM2.5来源数值模拟

秦皇岛地处河北省东北部,是环渤海重要的港口城市,在近几年京津冀地区减排效果较好的情况下,于2019年1月出现了多次持续细颗粒物(PM2.5)污染过程.因此本文利用耦合了数值源解析模块ISAM(Integrated Source Apportionment Method)的区域空气质量模式RAMS-CMAQ(Region...     

山东一次PM2.5污染过程的模拟特征

利用Weather Research and Forecasting/Chemistry(WRF/Chem)空气质量模式模拟研究了山东地区2014年2月21~26日期间的中度细颗粒物(PM2.5)污染过程,并从模拟结果评估、分布及演变特征、与气象条件的关系等方面分析了PM2.5的模拟特征。模拟研究结果表明,山东PM2.5积聚期间多为弱的偏南风控制,消散阶段受西北风控制,当北京—天津—河北(京津冀)一带同时存在更为严重的PM2.5污染时,西北冷空气的平流输送使得山东部分地区的PM2.5浓度在完全削弱前又出现了一个高峰值。污染期间山东全省平均PM2.5的模拟浓度为125μg m~(-3),伴随着地面3.0 m/s的低风速、370 m低边界层高度和70%左右的相对湿度,其中PM2.5的模拟值受边界层高度的影响最大。整个污染期间全省平均PM2.5模拟值高于监测值10%左右,但是对于局部站点300μg m~(-3)及以上的观测峰值,模式模拟结果明显偏低。模拟效果的评估结果是:山东南部最好、然后是山东半岛,山东中部、西北部地区较差。     

2013年济南市大气能见度与相对湿度和PM10、PM2.5的关系

对济南市2013年1—12月的能见度、相对湿度、PM10及PM2.5逐时监测数据分析,结果表明：能见度、相对湿度、PM10和PM2.5浓度有明显的月变化和日变化规律。在各项污染物中,能见度与颗粒物的相关性最高,与PM10的相关系数为-0.6718,与PM2.5的相关系数为-0.7422;在气象因子中,与相对湿度的相关性最高,相关系数为-0.6501。不同季节条件下,能见度与PM2.5的相关性明显优于PM10的,冬季能见度与颗粒物的相关性明显优于其他季节的。     

黄石市大气PM10和PM2.5质量浓度特征研究

利用2015年黄石市5个监测站点可吸入颗粒物(PM10)和细颗粒物(PM2.5)的在线监测数据和风向、风速、气温、气压等常规地面气象要素观测资料,分析了黄石市大气PM10和PM2.5的质量浓度水平分布特征及其与气象参数的关系。结果表明:2015年黄石市5个监测站点大气PM10和PM2.5年均浓度范围分别为95.8—108.6μg·m^-3和64.3—68.9μg·m^-3,均超过国家二级标准;季均质量浓度呈现显著的冬季高夏季低的变化规律,冬季PM10和PM2.5的质量浓度分别为(143.9±62.2)μg·m^-3和(95.5±44.5)μg·m^-3,夏季PM10和PM2.5的质量浓度分别为(75.2±24.0)μg·m^-3和(50.7±17.3)μg·m^-3。5个监测站中,下陆区、西塞山区和铁山区的PM10和PM2.5颗粒物污染较为严重;各站点大气PM10和PM2.5质量浓度显著相关。大气颗粒物浓度与气象因素的分析显示,黄石市大气颗粒物浓度与气温呈显著的负相关关系,与气压呈正相关关系,与风速和相对湿度的相关性不显著,受风向影响变化较大。     

2014年2月北京PM2.5污染过程及天气形势分析

2014年2月19—27日,北京出现了重度污染及以上水平的霾天气,严重危害着人们的身体健康。以北京该段持续污染过程为研究对象,基于同期气象数据与PM2.5 观测数据,利用SPSS统计软件分析了PM2.5浓度与气象因子间的相关性,探究区域周边城市PM2.5 污染变化特征及其与地面天气形势之间的关系。研究结果表明,在一定的气象条件下,PM2.5 浓度与风速、相对湿度分别呈显著的负相关、正相关,与气压呈负相关,与气温无显著相关关系。同时,比较该时段北京市与周边区域7个城市的PM2.5 浓度变化趋势及后向轨迹分析,发现北京市与周边城市在相似的气象背景条件下,污染过程具有区域性特征。华北地区处于地面高压均压场控制时,地面风速小,逆温层明显,大气层结稳定,区域扩散条件差,弱偏南气流主导时间长,受局地源积累和区域输送的影响,污染物浓度累积上升,可形成持续霾天气。     

天津城区秋季PM2.5质量浓度垂直分布特征研究

为研究天津大气颗粒物的污染水平和时空分布特征,利用天津大气边界层观测铁塔(255m),分别在40m、120m、220m处设立监测点,通过监测到的PM2.5的质量浓度,结合PM10、能见度等资料来分析污染物的时空分布规律和分布特征.结果表明,天津城区PM2.5污染水平相当严重,日均质量浓度远高于美国1997年制定的65μg*m-3的排放标准.混合层厚度和稳定度的变化对PM2.5浓度变化有一定的影响,随混合层厚度的变化,不同高度PM2.5质量浓度值有所不同.23时至11时,120m浓度明显高于其它各层,11-18时,由于大气扩散能力的增强,三层污染物质量浓度开始下降,而到了18-23时,低层污染物浓度较高,各层浓度总体趋势为120m＞40m＞220m.PM2.5质量浓度的日变化与稳定度的变化较一致.气象条件和早晚出行高峰期的影响导致PM2.5的质量浓度出现峰值.PM10与PM2.5的总体变化趋势基本一致,说明污染物来源基本相同.能见度水平和细粒子污染水平呈现较好的负相关,细粒子质量浓度的高低是决定能见度好坏的主要因子.降水过程是颗粒物从大气中清除的重要机制.     

Projection of PM2.5 and Ozone Concentration Changes over the Jing-Jin-Ji Region in China

Based on GISS-E2-R model simulations, the changes in PM2.5 and ozone concentrations during 2016– 35 are analyzed over the Jing-Jin-Ji region under different future emissions scenarios: 2.6, 4.5, 6.0, 8.5 Representative Concentration Pathways scenarios(RCP2.6, RCP4.5, RCP6.0, and RCP8.5), compared to the baseline periods of 1851–70(pre-industrial) and 1986–2005(present day). The results show that PM2.5 increases under all emissions scenarios, with the maximum value occurring in the southeastern part of the region under most scenarios. As for ozone, its concentration is projected to increase during 2016–35 under all emissions scenarios, compared to the baseline periods. The temporal evolutions of PM2.5 and ozone show PM2.5 reaching a peak during 2020–40, while ozone will likely increase steadily in the future.     

基于能见度及AOD数据的北京市PM2.5浓度的反演

选择北京市为研究地区,对2014～2017年AERONET（Aerosol Robotic Network）提供的CE-318太阳光度计440 nm波段反演的气溶胶光学厚度（AOD）进行风速订正,对订正后 AOD 日均数据与同期地面监测站PM2.5日均浓度数据做季节相关性分析并建立回归模型。又引入能见度因子并利用广义差分法构建2015～2017年北京市AOD与PM2.5浓度、能见度的三元回归模型,最后将2014年数据分为污染日和非污染日分别进行模型检验。结果表明:AOD与PM2.5浓度存在显著的线性正相关性,且存在季节性差异,夏季相关性最强、秋季次之、春季和冬季最低。引入能见度因子并消除自相关后,四季的模型相对误差均显著减小,模型拟合优度显著提高。检验结果为四季整体的平均相对误差在21%～31%范围内,与前人的结果相比拟合曲线的准确性得到了明显地提高。且模型对低PM2.5浓度日的模拟效果较好,对于高PM2.5浓度日的模拟效果较差。本研究对构建北京地区PM2.5浓度长期的历史数据具有重要的科学意义。     

ACCMIP全球模式对中国地面PM2.5浓度模拟能力评估

本文利用MODIS和MISR卫星反演的地面PM2.5浓度和来自大气化学和气候模式比较计划（ACCMIP）的4个耦合了大气化学模块的气候模式（GFDL-AM3、NCAR-CAM3.5、GISS-E2-R和MIROC-CHEM）模拟的PM2.5浓度数据,评估分析了4个全球模式对中国地区地面PM2.5浓度时空变化特征的模拟能力。结果表明：4个模式集合模拟的PM2.5浓度在中国东部模拟效果较好。对比单个模式,GFDL-AM3模式对中国PM2.5浓度的空间分布型模拟效果最好。模式结果之间的一致性差异显著的地区主要出现在新疆中部和内蒙古西部地区。从整个中国地区的区域平均的时间序列来看,4个模式集合平均结果与观测结果相差不大,基本能够反映出东北、华中、华东沿海、新疆西部地区的PM2.5浓度的变化趋势。     

2016年1月我国中东部一次大气污染物传输过程分析

利用常规气象数据和空气质量模式CAMx对2016年1月15—19日一次冷空气影响下郑州、武汉、南京的大气污染物传输过程进行了分析。观测发现,本次过程中武汉和南京在地面锋线到达后出现明显的PM2.5浓度的快速增长。通过分析发现,两地在1000~950 hPa高度层上偏北风的侵入带来上风向的大气污染物,同时在垂直方向上锋区内的稳定性层结抑制了大气污染物的扩散,两种作用共同导致污染物快速增长。在冷空气主体影响下,尤其是950~900 hPa高度层上弱风区消失后,污染物得到清除。大气污染物的传输作用主要发生在1000~950 hPa高度上。模式PM2.5来源示踪模拟结果表明,武汉(17日夜间至18日)和南京(17日夜间)在本次污染物快速增长过程中区域污染物输入的贡献在51%和58%左右。由于模式对PM2.5传输过程的低估,区域输送贡献率仍存在不确定性。但是,与1月15—19日平均相比, PM2.5的本地贡献明显减少,上风区域贡献明显增加。     

克拉玛依市PM2.5质量浓度分布及其影响因素分析

利用2015年1月至2017年12月中国环境监测总站全国城市空气质量实时发布平台中公布的克拉玛依5个监测点数据和同时期克拉玛依国家基本气象站的观测数据,分别研究了克拉玛依市4个行政区的PM_2.5浓度的时空变化特征以及气象条件对克拉玛依PM_2.5浓度变化的影响。结果表明：从月份上看,克拉玛依每年的1月、2月、12月PM_2.5浓度最高,3月、11月PM_2.5浓度较高,其中,独山子每年2月的PM_2.5浓度均最高,2016年2月独山子PM_2.5平均浓度最高,达到134 μg·m^-3,超过国家一级标准值的2.8倍,属于中度污染,从季节上看,克拉玛依四季PM_2.5浓度变化呈现波峰波谷变化趋势,表现为冬季最高,春季次之,夏季、秋季各区变化不一的特点,采暖期的PM_2.5浓度高于非采暖期的PM_2.5浓度;克拉玛依PM_2.5浓度在空间上的总体分布为：独山子区>白碱滩区>克拉玛依区>乌尔禾区;从风向、风速、气温、气压和相对湿度等气象要素与PM_2.5浓度的相关性来看,气压、相对湿度与PM_2.5浓度呈显著正相关,气温、风速、风向与PM_2.5浓度呈负相关,其中气温、风向与PM_2.5浓度呈显著负相关。     

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。     

Retrieval of Boundary Layer Height and Its Influence on PM 2.5 Concentration Based on Lidar Observation over Guangzhou

Wavelet analysis was applied to lidar observations to retrieve the planetary boundary layer height(PBLH)over Guangzhou from September 2013 to November 2014 over Guangzhou. Impact of the boundary effect and the wavelet scale factor on the accuracy of the retrieved PBLH has been explored thoroughly. In addition, the PBLH diurnal variations and the relationship between PM_(2.5) concentration and PBLH during polluted and clean episodes were studied. Results indicate that the most steady retrieved PBLH can be obtained when scale factor is chosen between 300-390 m. The retrieved maximum and minimum PBLH in the annual mean diurnal cycle were ～1100 m and ～650 m, respectively. The PBLH was significantly lower in the dry season than in the wet season, with the average highest PBLH in the dry season and the wet season being ～1050 m and ～1200 m respectively. Compared to the wet season, the development of PBLH in the dry season was delayed by at least one hour due to the seasonal cycle of solar radiation. Episode analysis indicated that the PBLH was ～50% higher during clean episodes than during haze episodes. The average highest PBLH in the haze episodes and clean episodes were ～800 m and ～1300 m,respectively. A significant negative correlation between PBLH and PM_(2.5) concentration(r =-0.55**) is discovered.According to China"Ambient Air Quality Standard", the PBLH values in good and slightly polluted conditions were 1/6-1/3 lower than that in excellent conditions, while the corresponding PM_(2.5) concentration were ～2-2.5 times higher.