区域输送对北京夏季臭氧浓度影响的数值模拟研究

奥运期间北京需要良好的空气质量,北京周边地区的大气污染物排放对北京夏季的空气质量有重要影响。利用嵌套网格空气质量预报模式系统(NAQPMS)模拟了2006年8月份北京及周边地区臭氧的污染情况,并采用质量追踪法分别计算了周边各地区的臭氧污染对北京的贡献率。结果表明,模式系统可合理再现北京及周边地区臭氧的浓度变化情况和输送过程;周边地区的污染输送对北京的臭氧浓度有不同程度的影响,影响较大的地区是天津、张家口、保定和廊坊,其中影响最大的来源是保定,其对北京市区和远郊最大落区的最大贡献率分别达到了28.1%和59.5%;风场是影响周边地区污染输送的主要气象因素。

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。

区域输送对天津臭氧污染的影响

采用大气化学模式定量估算2019年4月~9月区域输送对京津冀区域,特别是天津市O_(3)浓度的影响,分析天气形势和气象条件与区域输送的关系.结果显示,京津冀区域13个城市O_(3)以区域输送贡献为主,不同城市O_(3)差异较大,天津本地贡献占比24%,区域输送以京津冀区域其他城市和山东为主,共贡献48.3%.低压、低压前和低压后形势下,O_(3)区域输送占比最高.途径天津偏南区域的气流是造成天津高浓度O_(3)污染的重要因素,也是区域输送的主要路径.随着O_(3)浓度升高,输送贡献占比呈逐步上升趋势,重度污染时本地生成与区域输送贡献相当.一次典型O_(3)污染过程分析表明,高温强辐射天气和有利的天气形势促进O_(3)本地生成,西南气流和弱下沉气流下的区域输送共同维系了这场持续3d的连续污染过程.

四维通量法在珠三角地区秋季PM_(2.5)区域输送研究中的应用

为探讨珠三角地区秋季PM_(2.5)区域输送对广州的影响,选取2015年10月19日—11月26日为研究时段,利用四维通量法,并结合WRF-CMAQ模式,计算与广州相邻的7个城市边界线上PM_(2.5)在不同高度的输送量。结果表明:15km高度内,广州的PM_(2.5)输入来自清远、东莞、深圳,向佛山、惠州、韶关、中山输出;输入量大小依次为清远、东莞、深圳,输出量大小依次为中山、韶关、惠州、佛山;垂直方向上,2km以下高度,PM_(2.5)输送以输出广州为主,2km以上高度,PM_(2.5)输送以输入广州为主;日间13:00—18:00为PM_(2.5)输送强度的高峰期,且该时段的PM_(2.5)净输送量以清远与佛山的输入为主。

基于被动差分吸收光谱技术对重庆市大气污染物区域输送的探测研究

在重庆市大气污染区域输送通道上设置龙市站、超级站、南坪站三个观测站点,利用基于被动DOAS技术的MAX-DOAS地基多轴差分吸收光谱仪对SO2和NO2垂直柱浓度进行连续探测,实时获取两种大气污染物的时空分布和区域性输送过程,并将MAX-DOAS探测结果与当地API数据进行了对比分析。探测结果显示,龙市站、超级站、南坪站NO2垂直柱浓度均值分别为5.90×1015、18.96×1015、17.82×1015molec./cm2,超级站最高,龙市站最低;SO2垂直柱浓度均值分别为16.46×1015、18.35×1015、55.56×1015molec./cm2,南坪站最高,龙市站最低;分析研究表明,NO2受本地交通排放源影响为主,SO2则受周边工业污染源排放的影响较大。

天津市西南地区PM_(2.5)污染及输送特征研究

静海区和西青区是天津西南界输送影响的关键区域,此研究基于2019年-2022年的PM_(2.5)观测数据和中尺度在线大气化学模式WRF/Chen的模拟数据,探讨区域输送对天津市西南地区PM_(2.5)的影响。结果表明,在不同的时间尺度上,天津市西南地区的PM_(2.5)污染都呈现冬季高、夏季低的规律,与天津市相比,天津市西南地区的PM_(2.5)污染较重。风速和风向都是影响天津市西南地区PM_(2.5)污染和重要因素。WRF/Chen的数值模拟结果表明,静海的PM_(2.5)的本地贡献远高于西青,静海和西青作为天津市的西南门户,周边区域的输送是其PM_(2.5)污染的重要来源,尤其是在秋末、冬季和主风向上,周边的廊坊、沧州、山东、北京和保定是静海和西青地区PM_(2.5)的关键源地。

珠三角冬季PM2.5重污染区域输送特征数值模拟研究

利用嵌套网格空气质量模式系统(NAQPMS)及其耦合的污染来源追踪模块,针对2013年1月珠三角区域的PM_(2.5)重污染过程输送特征进行了数值模拟研究.结果表明,污染气团首先形成于广州、佛山地区,并在弱偏北风的作用下南移加强,影响整个珠三角区域.重污染期间,广州(64.9%)、佛山(58.9%)的PM_(2.5)主要来自本地贡献,是区域输送最主要的来源地区;中山(51.9%)、珠海(66.2%)的PM_(2.5)主要来自外来贡献,是区域输送主要的受体地区.重污染期间,广州和佛山对中山的PM_(2.5)日均贡献率之和总体保持在25%以上,污染最重时达到40%.交通(26%)、工业(24%)、扬尘(16%)、火力发电(15%)和生物质燃烧(8%)是对中山贡献最大的5类源:工业源中山本地与外来输送贡献率基本相当;交通和扬尘源以中山本地贡献为主,贡献率分别为55%和67%;火力发电和生物质燃烧源以外来输送为主,贡献率分别为56%和62%.各类排放源的外来输送中,以广州、佛山所占的比例最大.

西安市“阶梯型”持续污染过程演变及PM_(2.5)区域输送分析

为探究2016年11月西安市阶梯型持续污染过程的动态演变规律,利用NCEP再分析数据分析了2016年11月7日—22日的天气形势演变过程,结合CAMx-PSAT模型及化学组分在线监测数据,分析了“阶梯型”演变过程中的区域输送以及大气颗粒物的化学组分变化.结果表明:①由于西安市特殊的盆地地形因素及独特的天气形势变化,导致本次“阶梯型”污染过程出现“谷-峰-峰-峰-谷”的时序变化特征,3个上升阶段的天气形势演变主要为“高压脊-内蒙古低压东移-鞍形场”;②“阶梯型”演变过程中,主要有3条PM_(2.5)输送通道:偏东北输送、偏北输送以及偏东输送,其中偏东北输送来自渭南、运城、洛阳、临汾、吕梁、晋中,约占输送总量的45%;偏北输送主要为本地积累及咸阳输送,约占总输送量的90%;偏东输送的主要城市为渭南、运城、洛阳及其他地区,输送占比最高上升至70%左右;③3个上升阶段污染物浓度峰值期间,二次无机盐(sulfate-nitrate-ammonium,SNA)分别占PM_(2.5)的50%、41%、52%,其中第三上升阶段中污染物的二次转化最为强烈.研究表明,西安市“阶梯型”污染演变是由于独特的地形加之天气形势变化引起的,“阶梯型”污染过程中的区域输送及化学组分也呈现不同的变化规律.

应用Models-3/CMAQ研究长三角区域大气污染及输送

选用美国国家环保局第3代空气质量模式（Models-3，／CMAQ），配合中尺度气象模式（MM5）进行研究，模拟了2001年1、7月份长江三角洲区域冬夏季典型天气条件下大气层二次污染物臭氧及颗粒物的浓度分布及输送状况。采用2001年冬．夏季各10d的小时监测数据对模式验证。结果表明，Models-3／CMAQ对O3、PM10的模拟相关系数分别为0．77和052；一致性指数分别达到081和0．99。模型对于O3略微低估，标准偏差为-31％，而对于PM10则有所高估，标准偏差为46％。对长三角7月份O3浓度及1月份PM10的模拟结果显示，7月份长三角区域16个主要城市O3日均浓度集中在0．043～0．086mg／m^3之间，其中，泰州、扬州．湖州、镇江O3月日均浓度相对较高，均超过0．064mg／m3o模拟时段内O3最高小时浓度达0．276mg／m^3。1月份整个模拟区域PM10月日均浓度为O056mg／m^3，其中，南京市PM10日均浓度最高，达0．080mg／m^3模拟时段内PM10最高小时浓度达0.432mg／m^3研究表明，长三角地区存在明显的污染物输送现象，大气污染已经从局地污染转化为区域污染。

2015-2018年京津冀地区不同天气类型影响的PM_(2.5)输送特征及减排效果分析

将2015—2018年京津冀地区PM_(2.5)污染日按天气类型分为均压型、高压后部型和西北高压型,应用WRF-CAMx、WRF-CMAQ模式进行北京市、石家庄市PM_(2.5)来源解析和减排模拟。结果表明:相比均压型和西北高压型,北京市、石家庄市PM_(2.5)污染日的高压后部型出现次数最少,但外源污染输送较明显。3种天气类型PM_(2.5)污染日,石家庄本地污染源的排放贡献均高于北京本地污染源的排放贡献,是PM_(2.5)浓度石家庄市高于北京市的主要原因之一。受不同天气类型影响,北京市、石家庄市PM_(2.5)污染物输送和来源特征不同。根据石家庄市PM_(2.5)污染物输送特征制定的减排优化方案,减排率可达京津冀中南部城市联合减排的83.6%~91.3%,该方案较为合理且高效。

利用车载DOAS技术探测污染气体区域分布和输送

采用安装在汽车上的被动DOAS系统对所测城区和污染源进行连续测量。通过DOAS拟合方法处理采集的太阳天顶散射光谱,获得测量点上的污染气体柱密度。通过对重庆城区及重庆某电厂区域的观测实验,获得了重庆市区及所测电厂的SO_2、NO_2的分布信息和输送情况。在西南、东南风场影响下,所测电厂区域向重庆主城区的SO_2平均输送通量分别为:0.37 kg/s、0.36 kg/s,NO_2平均输送通量分别为:0.29 kg/s、0.27 kg/s。实验结果表明车载DOAS的光学遥测方法为区域污染气体分布和输送快速测量提供一种有效的手段。

长江三角洲地区污染物输送对南京臭氧影响的定量分析

近年来南京O_(3)污染逐渐加剧,为了了解本地及周边城市排放对南京O_(3)的影响,本研究利用源导向的WRF/CMAQ区域空气质量模型对长三角2018年3—10月O_(3)污染季节的空气质量进行了模拟。通过追踪长三角41个城市的排放,探究了长三角地区对南京O_(3)的传输特征以及不同风向下的来源贡献。结果表明:研究期间南京O_(3)非污染日和污染日的本地贡献差异不大,分别为56.8%和49.5%;而污染发生时周边城市对南京O_(3)的贡献由36.4%增加至46.3%,长三角以外地区的贡献由6.8%减少至4.7%。;南京O_(3)污染日江苏省内对其贡献占73.1%,而浙江省、安徽省和上海市分别贡献了10.8%、10.5%和0.95%。污染期间南京本地分别由NO x和VOCs作为前体物生成O_(3)(分别记为O_(3)N和O_(3)V)的贡献比率约为7∶13,说明南京本地VOCs对O_(3)生成贡献较大。污染日期间东南风和东北风占比分别为38.0%和35.9%,当主导风向为东北风时,上风向城市扬州对其贡献达13.6%;主导风向为东南风时,上风向城市常州(7.3%)、镇江(7.0%)和无锡(6.5%)对南京O_(3)的贡献较大。因此,南京O_(3)污染控制应考虑根据不同风向对上风向城市群的区域联防联控控制策略。

梅雨期区域边界水汽输送模型及其数值试验(英文)

通过诊断分析,提出梅雨期中国区域边界水汽输送特征模型,即高原中部区域西边界与低纬南海、西太平洋南边界为水汽输送流入主体,西太平洋东边界为水汽“流出”主体。数值模拟研究表明:1998年洪涝特大暴雨过程6月与7月份水汽输送通道特征存在差异,6月中下旬长江流域暴雨过程以西边界与南边界水汽流共同输送为主体,其中南海西太平洋区域水汽输送显著,7月份水汽输送过程以高原中部区域西边界“水汽流”为主体。因此,高原中部区域西边界与中国区域南边界的水汽输送对长江流域特大暴雨的形成均具有重要的作用。区域边界水汽流的时空特征分析及其理论模型将为长江流域暴雨预报提供科学依据。

1998年区域性水汽输送及对流活动与副高活动变异的相关特征(英)

根据1998年NCEP逐日资料和TBB逐日资料,探讨了低纬度对流活动和副高周边水汽输送及其对流活动对夏季西太平洋副热带高压季节性北跳、南撤的影响效应。研究表明:低纬热带对流加强,且110°-150°E地区的南北向垂直经圈环流下沉区北移,夏季西太平洋副热带高压有北跳现象。另外,诊断结果亦表明西太平洋副高周边纬向水汽输送的显著减弱亦预示将出现副高的北跳,而西太平洋地区低纬经向水汽输送减少一候之后,副高南撤。研究结果表明西太平洋副高北跳、南撤与低纬度的对流潜热释放、中纬西太平洋副高周边的水汽输送及其对流活动存在密切的关系。数值模拟结果进一步证实上述副高活动变异与前期水汽输送及其对流特征的相关关系。

采用TIPEX科学试验资料对1998年7月长江特大暴雨系统的梅雨期区域边界水汽输送模型及其数值试验(英文)

采用1998年第二次青藏高原大气科学实验(TIPEX)现场观测资料,包括加密探地面与探空观测、系留气球资料及遥感和高原试验中的中日合作研究(GAME/Tibet)基地Doppler雷达资料对青藏高原上空发展的积云对流系统及其生成和移动进行监测,讨论了与1998年长江下游暴雨的关系。结果表明:1)卫星云图动态分析及TBB资料制作的Hovmoller时空剖面分析表明,1998年7月下旬的长江暴雨洪水系统可追溯到高原。2)对上述TBB分析的云团在安多站过境时段(7月18-19日)进行Doppler跟踪,Doppler雷达回波跟踪分析揭示出,这种在高原中部地区发展和东移、加强的回波十分频繁。TIPEX多种仪器联合观测资料的综合分析可捕捉高原对流系统的生消和移动轨迹,对诊断预测高原系统对其下游的影响很有价值。3)综合分析上述TIPEX同时段地面和高空加密观测报告的时空剖面发现,高原腹地区(那曲地区)对流云系频繁发展,与准静止的地面风场辐合的维持有关。高原地面风场的动力辐合、高原上空风场垂直切变以及高原西风增湿过程所提供的高原水汽输送对1998年长江暴雨的发展与加强起重要作用。4)对高原水汽垂直分布的中尺度过滤分析发现,高原水汽的高值与低值随时间的交替变化,清楚地揭示了生命史为几小时的次天气尺度的波动。

福州市PM_(2.5)污染过程中大气边界层和区域传输研究

以福建省会福州市2013年1月空气质量变化为对象,分析大气边界层变化和周边区域污染物传输对福州市大气颗粒物PM2.5的影响.利用福州市2013年1月逐日地面和探空观测资料以及NCEP提供的2013年1月FNL分析资料,通过大气边界层要素与PM2.5浓度之间的相关性,对PM2.5污染过程的大气边界层特征进行分析;同时采用HYSPLIT后向轨迹模拟及区域风场相关矢分析对影响福州雾霾的污染物区域传输路径进行探讨.结果表明:地面气温与PM2.5浓度呈正相关,地面风速与PM2.5浓度呈负相关,近地面边界层条件有利于霾颗粒物的形成和累积.但不同于我国东部主要污染源区霾污染过程中存在大气边界层逆温,福州PM2.5污染过程中并未出现大气边界层逆温结构,这一边界层结构的垂直混合可有利于区域传输的污染物从上层大气到达近地面从而加重福州霾污染,福州是华东地区一个PM2.5污染物的主要接受区,PM2.5污染物主要以外源输送为主.2013年1月份福州市清洁日近地面风向为海洋吹向大陆的东南风,霾污染日则为大陆吹向海洋的偏北风,PM2.5污染物主要从长三角地区、苏北以及安徽河南一带通过东北和西北方向的传输路径影响福州的空气质量.

北京地区气象条件与区域传输对PM_(2.5)浓度影响研究

通过采用KZ(Kolmogorov-Zurbenko)滤波统计方法,结合WRF/CMAQ数值模型情景分析技术,定量分析气象条件和区域传输对北京市PM_(2.5)浓度的影响。结果显示:2018年7月—2019年6月,北京市PM_(2.5)平均质量浓度为46.0μg/m^(3),气象条件同比偏差6.9%,外来传输平均为43.7%。从日变化上看,外来传输在早晚高峰期间明显下降,体现出本地机动车排放贡献明显上升的特点,气象条件对PM_(2.5)浓度的影响主要表现为白天整体有利于污染物扩散,夜间气象条件转为偏不利的特征。2018年10月—2019年3月秋冬季期间,气象条件同比偏差3.3%,在气象条件较为不利和区域同比反弹的情况下,北京市PM_(2.5)浓度持续走低,主要为源减排的效益。

龙凤山区域大气本底站站址特征及其观测资料

龙凤山区域大气本底站(以下简称“龙凤山站”)是东亚中高纬度地区少数几个大气本底污染监测站之一,也是WMO GAW的成员站之一。本文分析和总结了龙凤山站的环境、气象和气候特征,并利用2009~2010年NCEP再分析资料,通过后向轨迹聚类方法分析了该站的气流来源的区域分布和季节变化特征。夏季,随着西南季风的建立和向北推进,从渤海湾一带北上的气流途径辽宁、吉林等地抵达该站。冬季,由于季风环流的影响,受途经齐齐哈尔、大庆、哈尔滨等大型工业城市的西北及北方气流影响显著。在不同季节里龙凤山站都可受到移动速度相对较慢的源自东北平原气流的影响。自建站以来,龙凤山站积累了大量基础数据,包括常规地面气象、太阳辐射、温室气体、气溶胶、反应性气体、降水化学、地基遥感等7大类30多种观测要素。一次污染物(如SO2,NOx)及降水中 [NH4 +], [SO42-] 和 [NO3-]离子浓度水平相比10多年前的水平有显著增加,降水pH值呈下降趋势。

多馈入直流系统区域最大传输功率算法

为满足远距离清洁电力输送及东部负荷发展的需要,特高压技术正在我国得到大量应用。多回直流集中馈入受端负荷中心将是未来我国电网发展所面临的重要问题,而功率/电压稳定就是其中重点研究课题之一。以往最大传输功率研究成果主要关注单回直流最大传输功率以及多馈入系统情形下某个直流的最大传输功率。但是,对于区域合计所能实现的最大直流传输功率,还未见有报道。该文对以往多馈入直流输电系统静态功率模型进行了拓展与深化,建立广义的多馈入直流输电系统静态功率模型,揭示区域最大传输功率的含义,采用梯度法求解区域所能实现的最大传输功率,并通过矩阵变换化简,在最大传输功率与传统临界多馈入短路比之间建立联系。该文的研究成果为以往多馈入相关均衡性概念与结论提供了理论支持,对某一区域多馈入直流最大传输功率的分析及调整策略给出了新的方法,同时对规划阶段优化直流布局起到指导作用。

华中地区高空背景点位大气污染物浓度受区域传输的影响研究

利用HYSPLIT模式和全球资料同化系统气象数据,计算2018年每日抵达华中高空背景点区域的后向气流轨迹,结合衡山国家空气背景监测点大气污染物同期数据,探讨该区域大气污染传输特征。结果表明(1)起始于背景点区域周边城市群的慢速低空气团对背景点空气质量影响较大。(2)起始于西北区域高空高速气流,对背景点PM10浓度影响最大,PM2.5浓度仅占PM10浓度的26.7%。(3)海洋性气团在秋季和冬季对背景点污染物清除作用明显。