沈阳市O_(3)与PM_(2.5)关系及污染主控因素分析

PM_(2.5)与O_(3)的协同控制是空气质量持续改善的关键所在,厘清PM_(2.5)与O_(3)的关系,识别O_(3)主控因素以及量化气象和人为排放贡献是实施二者协同控制的基础.本研究基于沈阳市大气复合立体超级站2019−2022年地面观测数据,分析PM_(2.5)和O_(3)协同关系及成因;利用逐步回归模型得到影响O_(3)变化的主控因素,并估算各气象因素对O_(3)的贡献.结果表明:①沈阳市2019−2022年夏季PM_(2.5)浓度与O_(3)浓度呈正相关,有明显的协同增长效应,其余三季均呈明显负相关.究其原因,主要是由于夏季高温和高太阳辐射条件利于大气光化学反应,促进了O_(3)、PM_(2.5)中二次无机成分〔主要是硫酸盐(SO_(4)^(2−))、硝酸盐(NO_(3)−)和铵盐(NH_(4)^(+)),简称“SNA”〕共同增长所致;而冬季高排放和高大气稳定度等气象条件利于SNA和二次有机碳(SOC)非均相生成,但弱太阳辐射和低温等条件不利于O_(3)光化学生成,加之高NO的滴定效应,使SNA和SOC浓度均与O_(3)浓度呈负相关.②在观测的相关污染物和气象因子中,过氧乙酰硝酸酯(PAN)与O_(3)浓度的关系最为密切,尤其在夏季.③气象因素中,O_(3)浓度与气温高度相关,与风速也呈正相关,而与相对湿度则在各季节均呈负相关.冬、春、秋三季PM_(2.5)均对O_(3)起抑制作用,冬季尤为突出.在高浓度O_(3)污染(O_(3)浓度>160μg/m^(3))过程中,主控因素中气温和风速的抬升促进O_(3)浓度升高,而高NO2和相对湿度(RH)则有利于降低O_(3)浓度.在2019−2022年高浓度O_(3)污染过程中,气象因素对沈阳市O_(3)浓度变化的贡献高于O_(3)前体物排放的贡献,总贡献为57μg/m^(3),对污染形成起着主导作用.

应用Models-3模式系统对沈阳市空气质量的数值模拟研究

利用美国环保局开发的新一代空气质量模式系统Models-3,对2002年冬季采暖期间沈阳市大气污染物的输送与化学转化进行了数值模拟研究,并对SO2、NO2和PM10等大气污染物浓度的模拟结果与监测结果进行了对比分析.结果表明,Models-3模式系统能较好地模拟出沈阳市的大气污染物输送与化学转化情况,SO2、NO2和PM10的模拟值与观测值的变化趋势具有较好的一致性,说明该模式能较好地反映这些大气污染物的分布特征和变化规律,可为今后深入开展沈阳市大气污染数值预报与传输扩散研究提供有效的手段.

一次延安层状云微物理结构特征及降水机制研究

利用PMS资料对延安2003年9月17日降水性层状云各高度上的粒子特征量和粒子谱进行了分析研究,结果表明,降水性层状云宏微观垂直结构配置或云粒子主要特性可以分为5个层次。过冷水滴和冰晶共存层存在,冰晶快速增长,此层的存在可能是发生降水的关键;在0℃层以下,存在比较深厚的云滴浓度小、含水量较小的小云滴层,应是导致地面雨强较小的重要因素之一。

辽宁本溪大气颗粒物浓度特征

利用本溪大气成分监测站2008年3月至2009年2月大气颗粒物监测仪GRIMM180的连续监测资料,对该地区大气颗粒物的质量浓度变化、谱分布特征以及大气颗粒物与气象因素的关系进行分析研究.结果表明,本溪PM10和PM2.5平均质量浓度分别为0.086 mg.m-3和0.058 mg.m-3,其日平均质量浓度变化幅度较大;冬季和夏季质量浓度日变化均呈现明显的双峰双谷特征;数浓度谱分布较好地符合Junge分布;PM10日平均值超标率为8.7%,且大气颗粒物主要是以细粒子的形式存在;随风速的增大大气颗粒物质量浓度基本呈现逐渐减小的趋势,当风速>0.6 m.s-1时,大气颗粒物质量浓度随风速增大下降明显,风速>3.0 m.s-1时,下降的趋势减缓;降水过程对大气颗粒物有清除作用,其中对粗粒子的清除效果非常明显.

辽宁地区大气黑碳气溶胶质量浓度在线连续观测

利用2008年3月—2009年2月辽宁沈阳、大连、鞍山、抚顺和本溪ρ(黑碳)观测资料,分析了其变化特征及重要影响因子.结果表明,5个城市小时ρ(黑碳)的变幅较大,最小值出现在抚顺秋季的2008年9月23日00:00,ρ(黑碳)为0.14μgm3,最大值出现在本溪冬季的2008年11月11日08:00,ρ(黑碳)为64.52μgm3;本溪ρ(黑碳)日均值最高,为6.87μgm3,其次是沈阳、鞍山和抚顺,大连的ρ(黑碳)日均值最小,为3.18μgm3;ρ(黑碳)日变化有明显的峰值和谷值,最高值一般出现在06:00─09:00和17:00─19:00,低值出现在02:00─04:00和12:00─15:00;风速对ρ(黑碳)有重要影响,当风速<3.5 ms时,ρ(黑碳)随风速增大而减小,当风速>3.5 ms时,风速对ρ(黑碳)的影响不大;后向风轨迹较好地反映污染物在不同城市区域间的传输特征,在冬季沈阳以上风区域北部影响为主;ρ(黑碳)日均值变化和大气低层垂直温度梯度变化有较好的对应关系.

辽宁一次持续性大雾气象条件和污染状况分析

利用常规气象观测资料和环境监测资料,对2009年11月29日～12月2日发生在辽宁11个地区持续4天的大雾天气过程的天气形势、气象要素以及空气质量特征进行了分析。结果表明,雾发生时,天气形势稳定,低空有弱冷空气活动,地面风力很小,这些都限制了近地面层的水汽向外耗散;近地面逆温和低空逆温同时存在,近地面逆温有利于近地面层水汽积累,低空逆温使近地面层水汽不易扩散而聚集,水汽含量高,使得大雾维持;天气形势稳定,且长白山高压和逆温层的存在,大气污染物无法及时向四周及高空扩散,空气质量较差。

沈阳黑炭气溶胶浓度的观测研究分析

对2008年3月至2009年2月沈阳黑炭气溶胶(BC)质量浓度观测资料进行了研究分析。结果表明,沈阳黑炭质量浓度平均值为6.143μg/m^3,每小时平均质量浓度最大值达51.426 μg/m^3。黑炭质量浓度日变化有明显的双峰特征,最高值一般出现在7:00—9:00和18:00—20:00,低值出现在2:00—4:00和13:00—15:00。黑炭质量浓度具有明显的季节变化,并且与近地层大气温度垂直梯度有着较好的对应关系。夏季黑炭平均质量浓度最低,最高值出现在1月份,这与冬季取暖和近地层经常出现逆温等有关。与国外城市和国内拉萨与西宁相比,沈阳黑炭质量浓度明显偏高,但与北京和西安的黑炭质量浓度大致相当。

本溪大气黑碳气溶胶浓度的观测研究

对2008年3月至2009年2月本溪黑碳气溶胶浓度观测资料进行了研究分析。结果表明,本溪黑碳平均浓度值为6.877μg/m3,日平均浓度变化范围为0.592~20.577μg/m3,每小时平均浓度最大值达64.518μg/m3;黑碳浓度具有明显的季节变化,夏季的平均浓度最低,最高值出现在冬季的1月份,这与冬季取暖和近地层经常出现逆温等有关;黑碳浓度日变化有明显的峰值和谷值,黑碳浓度最高值一般出现在6：00~9：00和17：00~19：00,低值出现在2：00~4：00和12：00~15：00;与国外城市相比,本溪黑碳浓度明显偏高,与国内城市北京、四川温江和西安相比,浓度相差不大。

延安层状云暖层中水凝物粒子的谱分布

分析了2003年9月延安上空机载PMS探测的层状云资料,发现延安层状云暖层中水凝物粒子的谱分布可以用一种形式的分布密度函数来表示。用这种函数拟合小云滴、大云滴和雨滴的谱分布,拟合结果与观测的谱分布较为一致,其特征值相关系数大于0.945,拟合出的平均直径、均方直径、均立方直径以及浓度与观测值也较接近,其相对误差小,拟合谱能表现出谱型特征。

长白山高压对辽宁中部城市群大气污染影响的数值模拟

利用新一代空气质量模式系统Models-3,通过改变模式中长白山山脉区域地形高度,对比分析长白山高压以及辽宁中部城市群5城市气象环境要素的变化情况。结果表明,改变地形后,原来较强的长白山高压有了明显的减弱,城市群5城市的水平气流辐合场消失,风速增大,逆温强度也减弱,有利于污染物的传输扩散;模拟结果也表明污染物浓度有明显的降低,试验较好地揭示了长白山高压对辽宁中部城市群大气污染的影响机制。

东北地区渍涝风险气象等级预报

为满足天气预报中对渍涝灾害预报的要求,利用东北地区1∶100万DEM基本地形数据,以G IS为平台分析研究区域的水流方向和汇流能力栅格,对SCS(Soil Conservation Service)-Curve Number径流预报模型进行本地化调试,应用降水量预报和汇流能力栅格,通过耦合得到实际地形的汇流量;将汇流量转化为径流深,根据径流深和渍涝等级对应关系发布渍涝风险气象等级预报,并在一次天气过程中进行试报,预报结果和实况比较吻合。

2010年辽宁一次沙尘天气过程的气象因素及污染特征

利用常规气象观测资料以及环保监测数据,对2010年4月8日辽宁沙尘天气过程的高低空天气形势和主要气象要素进行探讨,并对沈阳地区的空气污染状况进行分析。结果表明:沙尘天气过程主要是受贝加尔湖地区东移冷空气和蒙古低压的共同影响,强大的蒙古气旋造成地面强变压导致地面风速加大,是形成沙尘天气的动力因子;沙尘天气来临前后,风速、能见度和湿度等发生急剧变化;在沙尘天气影响下,沈阳地区的PM10浓度迅速上升,而大风等有利的扩散条件,造成黑碳、气态污染物SO2和NO2浓度出现不同程度的下降。

沈阳市机动车尾气污染物排放模拟研究分析

利用新一代空气质量模式系统Models-3对沈阳市机动车尾气污染物排放进行了模拟分析．结果表明，由于地区经济发展不均衡，沈阳9市辖区的污染物排放总量分担率超过70％；轻型汽油车的CO和NOx的排放量分担率最高，同时市区中心的近地面机动车污染物浓度分担率明显较高；机动车数量的改变对尾气污染物排放量有较大的影响。

辽宁中部城市能见度变化特征及其与颗粒物的关系

利用2009年7月至2010年6月辽宁中部城市沈阳、鞍山和本溪大气成分站能见度与颗粒物连续监测资料,分析能见度变化特征及其与颗粒物的相关关系。结果表明:辽宁中部各城市能见度具有明显的月和季变化,峰值出现在3月或5月,谷值出现在12月或1月;各城市的能见度与颗粒物PM10、PM2.5和PM1的质量浓度均呈负相关关系,但其最优拟合关系方程及决定系数R2不同。从拟合方程来看,沈阳市雾霾污染时采用倒数曲线y=b1+b1x拟合效果相对较好,全年采用指数曲线y=b0eb1x拟合效果较好;鞍山市采用对数曲线y=b0+b1lnx或指数曲线y=b0eb1x拟合效果较好,本溪市采用倒数曲线y=b0+b1/x或对数曲线y=b0+b1lnx拟合效果较好。从决定系数R2来看,沈阳和本溪市能见度与颗粒物的质量浓度总体相关最好,鞍山市能见度与颗粒物质量浓度总体相关性相对较差。颗粒物细粒子PM2.5和PM1拟合的能见度效果较好,且在雾霾污染时拟合效果更好,说明细粒子对能见度的影响更明显。

东北区域空气质量数值预报模式应用研究进展

中国气象局沈阳大气环境研究在2014年基于CUACE和CMAQ建立了东北区域空气质量数值预报业务系统,本文介绍了空气质量数值模式的研究进展以及业务现状,为东北区域空气质量和雾霾预报提供了技术支撑。然而,随着预报精细化和更长预报时效的业务发展需求,存在预报准确率不高、计算资源短缺、科技创新能力不足等问题。本文基于存在的问题提出了东北区域空气质量数值预报未来发展建议与展望,包括加强大气污染源清单研究与技术规范制定、观测资料同化技术研究与业务应用、物理过程参数化方案的改进优化、发展数值预报产品订正技术、开发高分辨率7—10 d数值预报产品、加强人才引进和科技创新等。

Models-3模式中增加移动源清单对模拟效果的影响

采用空气质量模式Models-3,在原有点源和面源污染源输入清单的基础上,加入移动污染源,对辽宁地区2004年12月24—27日大气污染物时空分布进行数值模拟。结果表明:加入移动污染源后,辽宁主要城市污染物SO2、NO2和PM10模拟效果有所提高,NO2模拟效果提高最为显著;从总体模拟效果来看,SO2和NO2模拟效果较好,而PM10模拟值相对较差。

冷云中飞机播撒液态CO_2的催化效应研究

根据2003年9月17日在延安机载PMS探测作业中观测到的资料,对催化作业区域及可能采集到相应作业信息的下风方影响区域的探测值进行了比较分析,并结合雷达、地面雨量进行了增雨效果检验。研究表明:催化作业下风云影响区的F-100,2DC和2DP的粒子浓度比背景值均有所增加;雷达回波增强,地面雨量增加,飞机增雨作业有一定的效果。

丹东市大气颗粒物质量浓度变化特征及其与能见度的关系

利用2008年丹东沙尘暴监测站的ρ(PM10),ρ(PM2.5)和ρ(PM1)监测资料,探讨了丹东市大气颗粒物质量浓度的变化特征及其与能见度的关系.结果表明:由外来源经中长距离输送引发的沙尘中携带了大量的粗颗粒物,而细颗粒物所占比例相对较少;可吸入颗粒物质量浓度具有明显的季节变化特征,冬季最高,夏季最低,春季、秋季居中;丹东粗颗粒物质量浓度较低,但粗颗粒物中细颗粒物所占比例却非常高;颗粒物的粒径越小,其对能见度的影响就越大.

辽宁中部地区大气能见度器测与目测数据的对比分析

以辽宁中部地区沈阳、鞍山、本溪3个城市为研究对象,利用2010年全年的高精度仪器观测与人工定时观测能见度资料,对这2种观测方法进行了对比分析,研究了二者的差异与相关性.结果表明,从辽宁中部地区全年总体来看,虽然平均器测能见度大于平均目测能见度,但目测能见度在一年中的大部分时间大于器测能见度(所占日数比例为59.5%).各城市之间器测能见度的相关系数比目测能见度高,2种方法的观测结果较为一致地反映出能见度在午后会达到高值.2种方法观测的能见度均与大气相对湿度和可吸入颗粒物质量浓度表现为负相关关系,其中目测能见度与相对湿度的负相关性更为显著,而器测能见度与颗粒物质量浓度的相关性更为显著.

起伏地形下重庆降水精细的空间分布

采用重庆地区34个气象观测站1971—2000年30 a平均月降水总量资料,以及重庆地区100 m×100 m DEM(D igital E levation Model)数据,对重庆地区降水空间分布进行研究。根据山地气候学原理,利用GIS(Geographical Information Systems)软件,分析降水空间分布的影响因子,建立平均月降水量空间估算模型,计算了平均月降水量的空间分布。结果表明:随着海拔高度的增加,降水量逐渐增加;各月降水量的最大值出现在东北山区;降水量的季节变化明显。