贵阳市降水对PM2.5污染物湿清除作用

利用贵阳市环境监测站提供的贵阳市9个环境监测站点2013—2014年1—12月PM2.5浓度逐时资料,对2013—2014年贵阳市其PM2.5浓度分布及变化情况进行描述,结合同时段贵阳市逐时降水资料进行对比统计分析探讨降水对PM2.5浓度的影响。研究表明:贵阳市PM2.5年均浓度约为33~55μg/m3,秋冬季及初春逐月污染浓度高,夏季低,PM2.5浓度日变化呈典型的双峰值结构,早晚高峰期污染浓度都较高;有降水时的年均浓度比无降水时低近2成,雨日PM2.5浓度均低于非雨日,在有降水日,尤其在夜间及上午时段的PM2.5浓度降低较明显,与贵阳市多夜雨的降水特征相关联;与不足1mm的轻微降水相比,大于1mm的较强降水对PM2.5的清除和抑制效果显著。     

天津大气能见度与相对湿度、PM10及PM2.5的关系

为研究大气气溶胶及空气中水汽与大气能见度下降的关系,利用2009年天津大气边界层观测站大气能见度资料和同期观测的相对湿度、PM₁₀及PM_2.5资料,对三者与大气能见度的关系进行了分析。结果表明：大气能见度与相对湿度线性相关系数最高,PM2.5次之;大气能见度随相对湿度的增大而明显降低。相对湿度低于60 %时,大气能见度与PM_2.5的非线性相关性较好,与PM₁₀次之,与PM₁₀与PM_2.5差值的相关性最差。相对湿度高于60 %时,大气能见度与PM₁₀的非线性相关性较好,与PM₁₀-PM_2.5差值的相关性次之。大气能见度与相对湿度非线性相关系数高于线性相关系数。利用相对湿度、PM₁₀及PM_2.5数据计算得到了具有季节变化的非线性大气能见度拟合公式,经验证,该公式能较好地模拟天津地区的大气能见度。     

重庆能见度特征分析及其与颗粒物浓度和气象影响因子的关系

利用重庆地区能见度及温、压、湿、风等气象资料和大气颗粒物浓度数据,对重庆能见度特征及其影响因子进行分析,采用神经网络方法建立能见度预报模型,分析比较了引入PM2.5浓度因子对预报模型的影响效果。发现：重庆地区能见度分布呈现西低东高以及长江沿线较低的分布特征;雾发生时的平均能见度低于降水时能见度也远低于剔除雨、雾后的能见度,表明低能见度受大气中水汽影响更大;雾在冬季比例明显增加,使得平均能见度在冬季明显降低,而6月和10月降水增多是导致这两个月平均能见度出现明显降低的重要原因;能见度日变化呈现单峰型,雾和降水高发时段与平均能见度低值区重叠,是造成夜间能见度低的一个重要原因;大气湿度、温度及颗粒物浓度都是影响能见度的重要因子,当相对湿度小于70%时能见度随PM2.5增加明显降低,当相对湿度大于70%时PM2.5对能见度的影响降低;在能见度的客观预报模型中引入PM2.5浓度因子的预报效果好于不引入该因子的效果,特别是秋冬季的预报效果改善明显。     

2013—2016年北京朝阳站PM2.5质量浓度变化特征

利用2013年2月至2016年1月北京朝阳环境气象站PM2.5质量浓度和同步地面风数据,重点分析了PM2.5质量浓度的变化特征及受地面风的影响情况。观测期间测点PM2.5年平均质量浓度为80.6±4.0 μg·m-3,为环境空气质量标准(GB3095—2012)二级年均浓度限值(35 μg·m-3)的约2.3倍,季节变化特征明显,冬季最高（115.1 μg·m-3）、夏季最低（58.5 μg·m-3）。测点主导风向为ENE—E—ESE,风速主要集中在0.2~2.0 m·s-1。当地面风来自ENE—E—ESE方向时PM2.5质量浓度最高（109.1 μg·m-3）,来自WNW—NW—NNW方向时最低（39.5 μg·m-3）。PM2.5质量浓度随风速增大先上升后下降,在0.4 m·s-1时达最高,为139.2 μg·m-3。风速在0.2~2.0 m·s-1时主要受ENE—E—ESE方向影响,而2~6 m·s-1时主要受ESE方向影响较大。通过与其他站点的比较发现,不同站点各方向污染源和地面风的差异导致了PM2.5质量浓度在各方向分布的差异。     

相对湿度和PM2.5浓度对大气能见度的影响研究:基于小时资料的多站对比分析

为了全面分析浙江省不同区域能见度变化基本特征及影响机理,基于杭州、宁波、温州3个国家基本气象站2013-2014年逐时能见度观测资料,比较分析了3市能见度变化的基本特征。发现3市不同等级能见度出现频率基本一致,随着能见度等级的提高,出现频率逐渐降低;从能见度的日变化来看,07时（北京时）前后最低,之后缓慢上升,14-15时达到最高,随后逐渐下降;全年有两个能见度较低时段,分别出现在12月-次年2月和5-6月;总体而言,宁波能见度最优,杭州和温州大体相当。功率谱分析结果表明,3市能见度均有显著的日周期,高频波段呈现出多个显著谱峰,低频波段存在若干显著谱峰。进一步开展机理分析,发现相对湿度和PM2.5浓度是调制大气能见度的关键因子,相对湿度增大、PM2.5浓度升高导致能见度降低。在同一相对湿度等级下,初始阶段能见度随PM2.5浓度的升高迅速降低,到达“拐点”之后降低速率趋于缓慢。在同一PM2.5浓度水平下,相对湿度越大,能见度越低,说明水汽对能见度也有重要影响。基于相对湿度和PM2.5浓度两个因子,采用非线性拟合方案构建了大气能见度定量统计模型,总体而言模型拟合效果较好。最后针对研究中存在的不足和未来值得进一步发掘的科学问题进行了讨论。      

降雨对PM2.5浓度的影响及人工降雨降低PM2.5浓度的探讨

湿沉降是使大气颗粒物浓度减少的途径之一。该文利用2013年6月南京市逐日PM2.5浓度资料,及同期降水、风速和相对湿度的数据,分析了南京夏季PM2.5与气象条件变化之间的关系。结果表明,在低风速、高湿度、污染物不易扩散条件下,降雨并不能有效降低当日PM2.5浓度。而在风速较大的条件下,污染物在随风扩散稀释的同时,降雨对污染物的湿沉降作用促进了PM2.5浓度降低。建议在采用人工增雨方法清除PM2.5时,要考虑气象条件的影响。     

天津2011年秋冬季PM2.5组分特征及其对能见度的影响

利用2011年能见度、相对湿度、风速逐时观测资料和11月16日至12月13日期间颗粒物膜采样数据,分析天津市大气能见度与PM_2.5组分的关系。结果表明：天津颗粒物质量浓度与能见度变化总体呈负相关,PM_2.5和相对湿度对能见度的影响作用明显。能见度与颗粒物中TC质量浓度变化呈负相关,SO₄^2-,NO₃^-,OC和EC是影响大气能见度的主要组分,其中SO₄^2-浓度对能见度影响最大,其次为OC浓度、EC浓度,NO₃^-浓度对能见度的影响相对较小。后向轨迹和混合层高度分析表明,气象条件是造成PM_2.5质量浓度分布差异的重要原因。     

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。     

武汉大气能见度与PM2.5浓度及相对湿度关系的非线性分析及能见度预报

武汉作为中部地区高湿度代表城市,大气污染严重,霾天气多发,但有关该地区大气能见度与PM2.5浓度及相对湿度(RH)的定量关系尚不明确。利用2014年9月—2015年3月武汉地区逐时能见度、相对湿度及颗粒物质量浓度观测数据,研究分析了武汉大气能见度与PM2.5浓度及相对湿度的关系,并进行能见度非线性预报初探,得到以下结论:武汉霾时数发生比例高,霾的发生和加重是能见度降低的主要原因;能见度降低伴随大量细粒子产生和累积,这是武汉大气能见度恶化的重要诱因。细颗粒物浓度与相对湿度共同影响和制约大气能见度变化,高湿高浓度时能见度显著下降,湿情景下(RH≥40%),能见度恶化主要是由湿度增高诱使细颗粒物粒径吸湿增长导致其散射效率增大造成的。当RH >90%时,能见度随湿度升高成线性递减,相对湿度每升高1%,武汉平均能见度降低0.568 km。而干情景下(RH2.5质量浓度升高。在城市大气细粒子污染背景下,能见度与相对湿度成非线性关系,这主要与PM2.5对能见度的影响及吸湿性颗粒物的散射效率变化有关。PM2.5浓度与能见度成幂函数非线性关系,80%≤RH2.5浓度对能见度的影响敏感阈值是随着湿度升高而减小的,干情景下能见度10 km对应的PM2.5浓度阈值为70 μg/m3,湿情景下该阈值为18—55 μg/m3。当PM2.5质量浓度低于约40 μg/m3时,继续降低PM2.5可显著提高武汉大气能见度。预报试验表明,基于神经网络方法建立大气能见度非线性预报模型是可行的,预报能见度相关系数为0.86,均方根误差为1.9 km,能见度≤10 km的TS评分为0.92。网络模型具有较高预报性能,对霾的判别有较高准确性,为衔接区域环境气象数值预报模式,建立大气能见度精细化动力统计模型提供参考依据。      

深圳市大气能见度与细粒子浓度统计模型

利用深圳市2007年全年逐时能见度、PM_2.5质量浓度和相对湿度观测数据, 在分析大气消光机理及其影响因素的基础上确立了能见度与PM_2.5之间的基本模型关系, 着重讨论分析了相对湿度对颗粒物消光影响的常见修正方式, 并通过线性和非线性回归分析筛选相对湿度影响修正因子f_RH的表达形式和确定模型参数, 最终建立起适合于深圳本地情况的能见度与PM_2.5之间的最优统计模型 (R2=0.43, n=8024)。进一步利用能见度与PM_2.5的日平均值进行了多元回归分析, 模型拟合值与实测值之间的相关系数 (R2) 高达0.73(n=350), 而且预测偏差范围小, 较好地反映了深圳市大气能见度与PM_2.5之间的定量相关关系。     

降水现象对大气消光系数和能见度的影响

大气中各种粒子对大气消光系数和能见度有不同程度影响,除气溶胶粒子外,降水粒子对能见度影响也不可忽视。为了解降水粒子对能见度的影响,确定能见度变化与降水现象之间的关系,该文在分析降水粒子的大小、速度、形状、谱分布、光学特性等特征的基础上,忽略气溶胶粒子的影响,建立基于实测谱分布的降水与能见度的理论模型,讨论不同类型降雨、降雪对大气消光系数和能见度的影响。同时选取Parsivel降水粒子谱仪在南京地区的降雨和降雪观测记录,利用实测数据来对比验证本文所建立的降水-能见度理论模型。结果表明:能见度随着降水强度的增大呈指数降低;受降水粒子特性和天气条件等多种因素影响,能见度与降水强度之间的关系并不是唯一对应的;降雨和降雪对能见度的影响各不相同,相比而言,降雨对能见度的影响比较容易确定,而降雪对能见度的影响比较复杂,主要因为雪花或冰晶的类型复杂多变,对大气消光系数有不同程度的影响。结合理论分析和实测数据对比验证,降水现象对能见度的影响得到了证实。     

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。     

秸秆燃烧排放对北京及其周边地区PM2.5浓度影响的数值模拟

采用卫星监测的火点燃烧排放数据,利用区域化学传输模式WRF-Chem模拟分析了2017年5月华北地区细颗粒物(PM2.5)质量浓度分布,通过生物质燃烧排放源(华北区域以秸秆燃烧为主)开关的敏感性试验定量计算了燃烧排放对北京及其周边地区PM2.5质量浓度的影响。卫星监测结果显示,2017年5月华北地区有大量的秸秆焚烧现象,对该地区空气质量造成一定影响的燃烧天数为20 d,占全月总日数的65%左右。数值模拟结果表明:该地区秸秆燃烧排放导致PM2.5浓度升高的区域集中在华北平原农作物产区,其分布位置与卫星监测的火点分布吻合。秸秆燃烧导致这些地区PM2.5浓度月平均值上升幅度普遍超过3 μg/m~3,高值区超过了11 μg/m~3,上升比例可达10%以上;此外,来自华北平原及长三角地区的燃烧排放对北京(特别是东南部地区)污染物浓度的影响是不容忽视的,其中河南、山东、天津等地的秸秆燃烧在合适风场的作用下会严重影响北京,可导致丰台及通州等地PM2.5小时浓度上升超过17 μg/m~3,上升幅度超过40%。     

Revisiting the Concentration Observations and Source Apportionment of Atmospheric Ammonia

<正>While China’s Air Pollution Prevention and Control Action Plan on particulate matter since 2013 has reduced sulfate significantly, aerosol ammonium nitrate remains high in East China. As the high nitrate abundances are strongly linked with ammonia, reducing ammonia emissions is becoming increasingly important to improve the air quality of China. Although satellite data provide evidence of substantial increases in atmospheric ammonia concentrations over major agricultural regions, long-t...     

乌鲁木齐市PM10,PM2.5和PM1.0浓度及分布变化特征研究

利用GRIMM180气溶胶粒谱分析仪采集乌鲁木齐市PM10、PM2.5和PM1.0数据,研究表明:乌鲁木齐市气溶胶颗粒物质量浓度在进入采暖季后急剧增加,冬季颗粒物中细粒子含量最高,PM2.5/PM10可达77.6%,PM2.5/PM10,PM1.0/PM10,PM1.0/PM2.5三比值体现了颗粒物的分布特征,四季污染程度越高,细粒子含量越高。四季无降水日PM10、PM2.5、PM1.0的质量浓度和分布的日变化基本呈三峰三谷型,出现早—午—晚峰值,上午—下午—午夜后谷值,各季节峰谷值具体出现时间略有差别,由于冬季逆温层顶盖等因素的影响,冬季质量浓度和分布的日变化在此基础上多了两次波动。降水的发生对冬、春季质量浓度的影响大于夏、秋季,对不同粒径段粒子的分布影响有一定差别。     

降水对重庆市大气污染物浓度的影响分析

利用2013—2015年逐日沙坪坝气象站气象及临近的环境监测数据,探讨降水对重庆市大气污染物浓度的影响,结果表明:PM_(2.5)、PM_(10)、SO_2浓度随降水量增加逐渐降低,降低趋势线较为明显,降低幅度为SO_2的 PM_(10)的PM_(2.5)的;NO_2和CO随降水量增加减少趋势不明显;O_3浓度随降水量的增加而逐渐增加。各类大气污染物在不同量级降水量时变化特征有所不同。在降水量小于1 mm时,弱降水的气象条件更有利于污染物的积累,不利于污染的稀释扩散和沉降,空气质量恶化;大于1 mm后,降水对各种大气污染物均有明显的清除作用,清除能力随着降水量级的增加而增大,在降水量大于10mm后湿清除能力明显提升,降水量大于20 mm时湿清除能力最强,粗细颗粒与雨滴碰并效应增加,降水对PM_(10)和PM_(2.5)的湿清除率分别达30%和25%。连续降水时,各季节降水对各类大气污染物的湿清除能力不尽相同:冬季降水对PM_(2.5)湿清除作用最为明显,对其余污染物清除作用从大到小依次为PM_(10)、SO_2、NO_2、CO,而O_3在冬季降水使O_3浓度增加非常明显,通常冬季臭氧浓度相对较低,降水一定程度上使冬季空气质量变好,太阳辐射增加,二次污染物光合作用增强,臭氧浓度也一定程度上增加。     

基于观测、模拟和同化数据的PM2.5污染回顾分析

基于观测数据空间插值、数值模拟以及最优插值同化方法构建了京津冀地区PM2.5(空气动力学当量直径小于等于2.5μm的颗粒物,即细颗粒物)空间插值数据、模拟数据和同化数据,并首次比较分析了三种数据在PM2.5污染回顾分析上的应用潜力和优缺点。针对2014年2月19~28日京津冀地区PM2.5污染过程的分析发现:(1)观测空间插值数据难以完整表征PM2.5污染的时空演变特征,在没有观测覆盖区域误差较大,容易出现虚假的高低值中心;(2)模拟数据具有较高时空分辨率,对PM2.5污染时空演变特征描述更加细致,但在这次污染过程中仍存在较大不确定性,其均方根误差大于100μg/m3;(3)同化数据不仅能对PM2.5空间分布特征进行细致描述,其数据精度在独立验证站点也显著高于模拟数据,其均方根误差比模拟数据低约50%,与站点观测数据的相关系数也比模拟数据高0.2以上。基于PM2.5同化数据,对这次京津冀PM2.5污染过程的时空演变特征进行了详细回顾分析,发现这次污染过程存在自京津冀南部PM2.5污染累积并向北输送发展的生成特点,消亡过程为风向转换下自北向南清除,造成京津冀南部城市先污染后清除,北部城市后污染先清除,并且有慢累积、快清除的特征。从发展演变过程中污染所占空间面积来看,25日PM2.5污染范围最大,覆盖模式第三区域60.5%面积。     

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。