用PSCF设计自适应带通滤波器

为了解决信号处理和测量中信号为慢时变且信号受谐波和噪声干扰较大的难题，设计了一种自适应带通滤波器（ＡＤＢＦ） ．该滤波器以可编程开关电容滤波器（ＰＳＣＦ）和锁相环为核心，其显著的特点是ＡＤＢＦ的滤波频率可以自适应地跟踪输入信号的频率，而且它的Ｑ值和中心频率可以独立编程．介绍了ＭＡＸ２６０／２６１／２６２ ＰＳＣＦ系列的结构和编程方法．详细地讨论了ＡＤＢＦ的工作原理和设计方法．给出了四阶切比雪夫自适应带通滤波器的实现电路和测试结果，实验说明了该滤波器的优越性能．通过实例说明了设计技巧和需要注意的问题．

PSCF型水射流除尘风机

粉尘是煤矿生产中五大自然灾害之一。随着煤矿采掘机械化的提高,粉尘发生量也不断增加。据有关资料介绍:一般机掘工作面的粉尘量可达1000～3000mg/m^3。虽然大部分采取了喷水、水幕方式或安装了如布袋式除尘器、湿式过滤式除尘器、湿式除尘风机等防治措施,但因为有的结构复杂、重量大、体积大、安全性不可靠、不易维护等原因多被弃置,不能有效地降低工作面粉尘浓度,达不到安全生产规范要求。

川东北五市PM_(2.5)输送轨迹及潜在源区分析

基于全球数据同化预报系统数据(GDAS)资料和气象数据,分析川东北五市广元、巴中、达州、南充和广安PM_(2.5)的污染特征、传输途径和污染源分布。通过HYSPLIT后向轨迹模型模拟五市2015-2020年冬季(12-2月)的逐日48 h的气流后向轨迹,同时进行聚类分析,并使用潜在源贡献因子(PSCF)方法和浓度加权轨迹(CWT)方法识别川东北地区的PM_(2.5)的潜在污染源区,分析PM_(2.5)质量浓度的区域性污染特点及其输送特征。结果表明,研究期间川东北五市的污染物总体呈现下降趋势,其中PM_(2.5)和PM_(10)下降幅度较大,PM_(2.5)污染最严重的季节出现在冬季。后向轨迹表明,五市的污染轨迹均以近距离输送为主。通过潜在源区分析表明广元的主要源区为巴中和南充,巴中的主要源区位于广元南部、南充北部及达州中部地区,达州的主要源区为巴中南部、南充的东南部及重庆的北部地区,南充的主要源区在广元南部、巴中南部、达州的中南部、广安及重庆的中西部和遂宁,广安的主要源区主要在达州中部、南充及重庆的中部地区。

2015—2021年郴州城区臭氧污染特征、气象影响及输送源分析

在对2015—2021年郴州城区不同时间尺度臭氧(O_(3))污染特征进行分析的基础上,进一步研究气象因素对O_(3)污染的影响,并采用潜在源贡献因子分析法(PSCF)对郴州城区O_(3)污染传输路径及潜在污染源进行分析。结果表明:2015—2021年郴州城区O_(3)质量类别主要为优和良,比例达到98.9%,O_(3)为首要污染物的天数呈波动上升趋势。O_(3)的年均质量浓度整体呈现波动上升趋势,2021年相对于2015年上升了6.0%,年内变化呈现“M”双峰型特征,日变化呈现单峰单谷分布,峰值出现在14:00—15:00。O_(3)质量浓度与日照时数及温度呈显著正相关,与相对湿度呈显著负相关;O_(3)质量浓度随风速的增加,先上升后下降。郴州城区O_(3)污染在超标日期间以短距离输送气流为主,占比达89.7%,主要为东北方及南方气流。在本地西南部污染贡献较大的基础上,受区域输送影响明显,主要为广东省西南部及西北部、江西省西北部、湖北省中部的污染排放。针对郴州城区O_(3)污染,须在严格控制本地污染排放的基础上,进一步加强区域联防联控。

PSCF型水射流除尘风机的研制

介绍了水射流除尘风机的工作原理,结构特点以及使用效果。较之传统的机械式除尘设备,水射流除尘风机具有很多优点。

邯郸市微米细气溶胶粒子来源解析及其对重污染的贡献

灰霾污染在我国具有规模大、持续时间长、发生频率高的特点,其负面影响主要与不同粒径颗粒物的含量、组成和分布有关,因此受到越来越多的关注.微米气溶胶粒子(PM_(1))因为具有更大的比表面积,所以在化学成分、大气寿命、生态气候和健康影响方面表现出与其他颗粒物相异的特征,因此受到了广大学者的关注.邯郸作为典型的大气气溶胶重污染城市,研究其微米气溶胶粒子的来源、形成和贡献对加深认识理解大气污染及城市空气质量治理方针政策的制定都能提供科学依据.本文基于2019年1月邯郸市PM_(2.5)和PM_(1)离子浓度数据,通过正定矩阵因子模型(PMF)源解析方法对其进行来源分析,并结合后向轨迹聚类分析法和潜在来源贡献函数法(PSCF)研究邯郸市大气颗粒物的输送路径及潜在源.结果表明,研究期间PM_(1)和PM_(2.5)的平均质量浓度分别达到94.94μg·m^(-3)和164.50μg·m^(-3),其中PM_(1)/PM_(2.5)的比值范围为45.20%—79.81%.相较于PM_(2.5),二次无机气溶胶(SO_(4)^(2−)、NO_(3)^(-)和NH_(4)^(+))在PM_(1)中的占比(43.88%)更高;PM_(1)中占比更高的二次无机气溶胶和典型无机元素表明人为因素所排放的污染物在较小粒径的颗粒物中更易积累.PMF分析确定了PM_(1)和PM_(2.5)的6个来源.它们分别是二次污染物、交通源、工业源、生物质燃烧、扬尘源和燃煤源;其在PM_(1)中的贡献率分别为36.1%、7.9%、20.8%、6.8%、4.7%和23.8%;其在PM_(2.5)中的贡献率分别为32.7%、11.8%、16.0%、13.7%、5.0%和20.8%.后向轨迹和化学组分分析结果表明冬季生物质燃烧和施肥对PM_(1)的潜在贡献.潜在源分析表明邯郸市冬季重污染过程的产生是由西北部长—短气流传输共同作用的结果.

新冠肺炎疫情防控下乌鲁木齐市NO_(2)污染影响研究

为了探究新冠疫情防控措施对乌鲁木齐市NO_(2)污染的影响,更有效的推动大气污染治理,基于OMI(Ozone Monitoring Instrument)卫星遥感高光谱技术与地面监测资料相互结合,估算了NO_(2)干沉降通量,并利用聚类分析与PSCF(潜在源贡献因子)潜在源方法,对2019年—2021年疫情防控期间乌鲁木齐市NO_(2)扩散轨迹与潜在源进行研究。利用夜间灯光数据,百度地图热力图工具,高德地图POI(Point of Interface)功能区情况,进一步分析讨论了乌鲁木齐市NO_(2)污染来源。研究表明:(1)乌鲁木齐市NO_(2)浓度整体表现为:新市区>沙依巴克区>天山区>水磨沟区>米东区,2020年(疫情爆发期)与2019年(疫情爆发前期)同期对比发现,各城区NO_(2)浓度下降明显,其中沙依巴克区减少幅度最大,为47.63%,2021年(后疫情时代)与2020年(疫情爆发期)同期对比发现,各城区NO_(2)浓度逐渐回升,其中沙依巴克区增长幅度最大,为60.09%。城市热力情况表现为:天山区>沙依巴克区>水磨沟区>新市区>米东区。城市热力情况与NO_(2)浓度变化情况大致相同,米东区城市人口集聚度最低,故城市热力值与NO_(2)浓度均最低。(2)长支流为远距离西北方向输送,距离最远来自于哈萨克斯坦,气流占比最大,达80.32%。短支流主要来自于乌鲁木齐市周边,气流占比为19.69%,NO_(2)为短寿命气体,故气流短距离输送对乌鲁木齐NO_(2)影响较大。各类气流所经过的潜在源区的概率等在空间分布较为一致。PSCF分析法模拟的潜在源贡献具有较大的可信度。(3)将大气系统作为一个灰色系统进行分析,按灰色关联度大小划分为:标准煤消耗量>第二产业>工业总产值>工业用电量>人口密度>汽车拥有量>第三产业>第一产业。在静稳天气条件下基于OMI卫星遥感资料估算乌鲁木齐市各区干沉降通量结果,该方法可以弥补地面监测的不足,为干沉降通量的估算提供证据。

徐州市供暖期空气污染特征及来源分析

徐州市大气污染物浓度近年来下降明显,但供暖期的大气污染问题依然较为严重,研究供暖期空气污染特征及污染来源对于大气污染预警和防控具有重要作用。采用地面监测、遥感卫星监测、PM_(2.5)组分分析、潜在源贡献因子法(PSCF)以及浓度权重轨迹分析(CWT)等方法,对徐州市2016—2020年5个供暖期的空气污染特征进行了分析,并对供暖期PM_(2.5)来源进行了解析。结果表明:徐州市空气质量近年来有较大好转,但供暖期污染物浓度明显高于非供暖期。供暖对PM_(2.5)浓度影响较大,供暖期PM_(2.5)浓度较供暖前后升高40%~71%。供暖期Cl^(-)、NO_(3)^(-)、SO_(4)^(2-)和NH_(4)^(+)浓度明显高于供暖前后,说明供暖期NH_(4)^(+)与NO_(3)^(-)、SO_(4)^(2-)、Cl^(-)有高度相关性。PM_(2.5)来源中燃煤源、工业源贡献占比供暖期分别较供暖后高出9.9%和13.9%,供暖期间的SOR、NOR明显大于非供暖期,SO_(2)和NO_(x)的二次转化效率明显升高。轨迹分析表明,供暖期影响徐州市的潜在源区主要分布在徐州市周边及河北省,PM_(2.5)浓度大于75μg/m^(3)的主要贡献区集中在山东省、河南省、安徽省北部和河北省南部。

成都平原城市群夏季臭氧污染天气形势与潜在源分析

通过分析成都平原城市群8个城市2015-2019年夏季地面臭氧污染特征表明,近5年夏季平原O_(3)污染区域呈扩大趋势,成都市O_(3)_8 h第90百分位浓度和超标日数均为最大,雅安、绵阳浓度较低但上升趋势显著。利用PCT客观天气分型方法,对近5年夏季成都平原及周边的位势高度场进行分型研究,结果表明:(1)700 hPa臭氧污染天气形势为高压型,500 hPa为西风槽后和平直纬向型,100 hPa为南亚高压中部和东部型;(2)近5年夏季典型O_(3)污染过程的高低空天气形势为西风槽后部、高压发展和高压控制型,污染过程期间成都平原多受到西风槽后西北气流或副热带高压脊线附近下沉气流的影响;(3)污染天气型具有高温低湿,小风强辐射,白天混合层高的特征。气流下沉增温和局地环流的作用抑制了污染物向高层扩散,促使边界层上部O_(3)下传并堆积于成都平原地区。采用HYSPLIT后向轨迹模式和潜在源贡献法(PSCF),探讨了不同天气型影响下成都平原O_(3)浓度输送的轨迹聚类和潜在源区。结果表明,本地和盆地城市之间的输送对臭氧污染有重要贡献。最主要的臭氧潜在源区位于本地城区,成都、眉山和资阳臭氧潜在源区还集中在川南北部和重庆西部,德阳集中在成都、眉山一带。西风槽后和高压发展型影响下臭氧区域输送表现比较明显,高压控制天气型臭氧呈本地积聚性较显著。

2019年瓦里关地区CO_(2)和CH_(4)浓度变化特征及潜在来源分析

利用2019年瓦里关站在线温室气体观测数据,分析了该站CO_(2)、CH_(4)浓度的季节和日变化特征,探讨了CO_(2)和CH_(4)可能的潜在源区。结果表明,2019年瓦里关地区CO_(2)和CH_(4)浓度分别为412.07±4.78ppm(1 ppm=10-6)和1935.17±21.13ppb(1ppb=10-9),略高于全球平均浓度水平。大气CO_(2)浓度季节变化呈现夏秋季低、冬春季较高的特征,CH_(4)浓度变化特征正好与CO_(2)的相反,呈现为夏秋季高,冬春季低,这可能与瓦里关地区夏秋季放牧活动增加和来自兰州—西宁城市群主导气流的输送有关。CO_(2)和CH_(4)浓度平均日变化规律明显,其变化特征是源、汇强度变化和大气扩散强度变化相互作用的结果。后向轨迹聚类表明,来自甘肃中部和青海东北部兰州—西宁城市群的气团对瓦里关CO_(2)和CH_(4)浓度贡献最大。PSCF法分析同样表明,兰州—西宁城市群是瓦里关CO_(2)和CH_(4)最主要的潜在源区。

青岛市大气颗粒物污染特征及潜在来源分析

利用山东青岛2017年1月至2020年12月的大气颗粒物质量浓度、常规气象观测资料以及全球数据同化系统(Global Data Assimilation System,GDAS)数据,研究了该地区大气颗粒物的污染特征,基于拉格朗日混合单粒子轨道模型(Hybrid Single Particle Lagrangian Integrated Trajectory Model,HYSPLIT)和轨迹统计(TrajStat)软件对青岛市大气颗粒物的传输路径进行了研究,运用潜在源贡献因子分析法(Potential Source Contribution Function,PSCF)和浓度权重轨迹分析法(Concentration Weighted Trajectory,CWT)对其潜在源区和浓度贡献进行了分析。研究结果表明:(1)青岛市PM_(2.5)质量浓度年均值为35.3μg·m^(-3),冬季最高,春、秋次之,夏季最低。PM_(2.5)质量浓度年超标率分别为8.22%,7.40%,11.51%和7.38%,重污染日仅出现在冬季,夏季从未出现过超标日。(2)PM_(2.5)质量浓度季节日变化呈“双峰双谷”型,峰值出现在08:00(北京时,下同)-10:00、21:00-22:00,谷值出现在16:00-18:00、02:00-04:00;SO2质量浓度季节日变化呈“单峰”型,日间浓度高于夜间,采暖季日变化曲线波动更明显;NO2日变化呈“双峰双谷”型,峰值时间较PM_(2.5)日变化峰值时间略早。(3)PM_(2.5)质量浓度与气温、日降水量、风速、逆温起始高度呈负相关,相关系数分别为-0.422,-0.212和-0.106(风速≤2.5 m·s^(-1))、-0.15;与气压、逆温层强度呈正相关,相关系数分别为0.319和0.10;与逆温层厚度相关性不明显;与相对湿度的相关性不唯一。(4)春、秋、冬季的气流轨迹来自西北和偏北方向,西北气流占比最高,分别为70.27%,75.39%和100%,其污染轨迹的PM_(2.5)质量浓度最高,是青岛市春、秋、冬季外来大气颗粒物的最重要输送路径;夏季东南向的气流轨迹占比最大,为45.89%,其污染轨迹的PM_(2.5)质量浓度最高,为青岛市夏季外来大气颗粒物的主要输送路径。PM_(2.5)质量浓度潜在源区冬季分布范围最广,潜在源贡献因子值最高,春、秋次之,夏季最小。春、秋、冬季主要潜在污染源区和高浓度贡献潜在源区位于河北南、河南中东、安徽西、山西西、鲁西南等地,是青岛市春、秋、冬季PM_(2.5)污染外来输送的主要源区;夏季高浓度贡献潜在源区位于河北东南、河南东北以及鲁西南等地。

商丘市大气颗粒物输送路径和潜在源区分析

根据商丘市2017—2022年的PM_(2.5)和PM_(10)质量浓度数据分析了商丘市大气颗粒物污染特征;通过HYSPLIT模型、PSCF和CWT分析得出不同季节大气颗粒物的输送路径和潜在源区。研究表明,商丘市大气颗粒物质量浓度超标,冬季存在典型人为源气溶胶影响。商丘市大气颗粒物主要通过短距离的东北、偏东、西南、偏西轨迹输送,输送轨迹主要来源于商丘周边的大气边界层中,PM_(10)同时受到长距离西北轨迹的影响。春季商丘市周边特别是以东地区是PM_(2.5)的潜在源区,河南北部、山西南部和河北南部是PM_(10)的潜在源区。秋季河南西部南部、湖北东北部、安徽南部是PM_(2.5)的潜在源区,河南东南部和湖北东北部是PM_(10)的潜在源区。冬季山东、江苏、河南南部是大气颗粒物的潜在源区,同时陕西东部北部也是PM_(10)的潜在源区。

黄山顶夏季气溶胶数浓度特征及其输送潜在源区

利用轨迹聚类方法对2011年6-8月黄山光明顶的气团轨迹进行聚类分组，得到2011年夏季到达黄山顶的主要气团输送轨迹，结合黄山顶的气溶胶数浓度观测资料，分析不同类型输送轨迹与黄山顶积聚模态颗粒物数浓度的关系.利用潜在源贡献因子分析法PSCF（potential source contribution function analysis）定性分析了不同气团背景下黄山顶积聚模态颗粒物数浓度的潜在源区，最后结合浓度权重轨迹分析法CWT（concentration weighted field）定量分析不同潜在源区对黄山顶积聚模态颗粒物数浓度的贡献.结果表明，积聚模态颗粒物（0.5-1μm）数浓度约占0.5-20μm颗粒物数浓度的94.9%；黄山顶6-8月大陆气团的发生频率最高，约43.4%；影响黄山光明顶积聚模态颗粒物数浓度的潜在源区主要来自一些工业发达人口密集的城市群：湖北东部、安徽中部、河南、江西境内、两广交界处、湖南南部以及浙江北部地区.而垂直方向上，来自西北和西南方向高度约2-5km的自由对流层气团对黄山顶积聚模态粒子数浓度贡献较大.

重庆市冬季PM2.5及气态污染物的分布特征与来源

利用重庆市大气污染物监测站2013年冬季(2013年11月—2014年1月)的实测数据,分析PM2.5及相关气态污染物(SO2、NO2、O3)的时空特征,并采用轨迹聚类与PSCF(潜在源贡献因子)分析污染物来源.结果表明:除ρ(O3)以外,其他3种污染物质量浓度的月际变化趋势基本一致,均呈12月升高、1月降低的特征;污染物空间分布不均,其中ρ(PM2.5)和ρ(NO2)在工业区和人口密集区较高,ρ(SO2)南高北低,ρ(O3)城区低于郊区.ρ(SO2)、ρ(NO2)与ρ(PM2.5)均呈显著正相关,其中ρ(SO2)与ρ(PM2.5)的R(相关系数)在城、郊区分别为0.71、0.65,ρ(NO2)与ρ(PM2.5)在城、效区的R分别为0.73、0.56;而ρ(O3)与ρ(PM2.5)未表现出显著相关.ρ(SO2)、ρ(NO2)与ρ(PM2.5)的相关性高低可在一定程度上说明二次气溶胶的污染程度,ρ(O3)与ρ(PM2.5)的相关性受到PM2.5来源和污染程度的影响.轨迹分析结果显示,重庆市2013年冬季主要受东北方向气流影响;聚类分析表明,重庆市11月没有表现出明显的PM2.5外来输送特征,但12月和1月的PM2.5外来输送特征明显,并且不同方向的气流污染物浓度差异也较大.PSCF分析发现,重庆市冬季PM2.5、SO2、NO2、O3主要来源于本地和周围城市局地传输,同时还受南宁、贵阳、遵义、达州等地的影响.

2011年6～8月平流输送对黄山顶污染物浓度的影响

基于单条后向轨迹的滞留时间场和污染物排放强度场,设计了一种可以评估该轨迹对污染物的平流输送强度参数.利用2011年6-8月光明顶CO和O3浓度资料对该参数进行了验证,进而分析了该观测时段平流输送对光明顶污染物的影响;此外将O3浓度分成3档,利用改进的PSCF(Potential source contribution function)方法分析了各档浓度对应的源区分布.结果表明:(1)平流输送评估参数与污染物浓度的变化具有很好的一致性,表明平流输送对光明顶污染物浓度的变化具有重要作用.其中,安徽、湖北和江西三省交界区域的城市群向光明顶输送的污染物占到输送总量的一半以上;(2)光明顶O3浓度>55×10-9、(30-55)×10-9、<30×10-9时所对应的主要源区分别为华北及长三角发达工业区、黄山西南方向的工业区、较远的南部沿海地区;(3)影响光明顶污染物浓度变化的输送类型可以分为秸秆燃烧输送、发达工业区气团输送、西南方向气团输送和海洋性气团输送4种类型,对应的污染物浓度(CO/O3)(×10-9)依次为474.47/72.50、221.16/57.71、86.31/30.41、51.67/27.45.

庐山地区黑碳气溶胶变化特征及影响因素分析

利用2018~2020年庐山观测站的黑碳气溶胶(BC)浓度,结合气象数据、污染物数据及后向轨迹模型,对该地区BC变化特征、影响因素和来源进行分析.结果表明,2018~2020年庐山BC平均浓度呈下降趋势,3a BC年平均浓度为(0.606±0.474)μg/m^(3),但BC本底浓度每年增加约0.035μg/m^(3).从月变化上来看,BC浓度最小值出现在7月(0.455±0.184)μg/m^(3),最大值出现在1月(0.742±0.603)μg/m^(3).BC浓度日变化呈单峰型分布,在正午及午后出现最大值,各个季节BC浓度在周末均高于工作日,与城市地区结果明显相反.观测期间,BC/PM_(2.5)占比随PM_(2.5)浓度增加而减小(5.2%减少至2.4%),平均占比为3.4%.BC与SO_(2)和NO_(2)的相关系数分别为0.27和0.26,但与CO无显著相关,表明庐山地区局地源排放其自身影响较小,BC主要与区域输送或山下垂直传输等气象过程相关.后向轨迹和PSCF潜在源贡献结果表明庐山BC来源存在季节差异,冬春季主要受来自西北和华北气团影响,潜在贡献源主要在陕西−河南−湖北一带及长三角地区.秋季气团主要来自长三角和华北地区,而夏季气团主要来自东南沿海,对应的潜在源贡献区呈类似分布.

“十四运”期间西安PM_(2.5)中水溶性无机离子污染特征

为探究中国第十四届运动会(简称“十四运”)期间西安大气PM_(2.5)中水溶性无机离子浓度水平及来源,利用高分辨率MARGA ADI 2080离子在线分析仪对西安“十四运”前、“十四运”期间和“十四运”后水溶性无机离子进行实时观测,分析了不同时段水溶性无机离子组分污染特征、pH变化及污染来源。结果表明,“十四运”前、“十四运”期间和“十四运”后PM_(2.5)质量浓度分别为13.4、11.9、32.6μg/m^(3),SNA(NO_(3)^(-)、SO_(4)^(2-)和NH_(4)^(+)三者统称)质量浓度分别为5.8、5.4、13.3μg/m^(3),占总水溶性无机离子的91.6%~93.6%。“十四运”前和“十四运”期间NO_(3)^(-)与SO_(4)^(2-)质量浓度比分别为0.7和0.9,表明移动源的比例增加,主要受交通管控的影响。“十四运”后NO_(3)^(-)与SO_(4)^(2-)质量浓度比为2.7,同时NO_(3)^(-)作为最丰富的离子,其质量浓度(7.4μg/m^(3))分别为“十四运”前(1.7μg/m^(3))和“十四运”期间(1.9μg/m^(3))的4.4和3.9倍。观测阶段,大气PM_(2.5)整体呈碱性,进一步通过热力学模型(ISORROPIA-II)计算得出酸性强度为“十四运”前>“十四运”期间>“十四运”后,这与大气富氨环境密切相关。使用主成分-多元线性回归模型(PCA-MLA)分析得到,二次源和扬尘源是观测期间PM_(2.5)主要的污染来源,“十四运”期间二次源的贡献降到最低。通过轨迹聚类及潜在源(PSCF)分析表明,PM_(2.5)污染主要为短距离污染传输,SNA潜在污染源区主要分布在西安市内以及周边地区。

舟山本岛大气污染输送过程的数值模拟分析

利用HYSPLIT-4后向轨迹模式和NCEP(美国国家环境预报中心)的2012年GDAS(全球资料同化系统)气象数据,结合NO2、PM2.5、PM10和SO2等常规大气污染物的质量浓度数据,对舟山本岛2012年4月、7月、10月和12月的大气污染输送过程进行了模拟,并通过聚类分析和潜在源区分析〔包括PSCF(潜在源贡献)和CWT(浓度权重轨迹)计算〕,确定大气污染传输路径及影响源区.结果表明:舟山本岛气流后向轨迹呈明显的季节变化特征,4月主要受来自黄海海面气流轨迹的影响,其占总轨迹数的36.7%,ρ(PM10)为(53.24±24.33)μgm3;7月以途经琉球群岛和东海气流轨迹为主,占总轨迹数的48.4%,对ρ(NO2)、ρ(PM2.5)、ρ(PM10)和ρ(SO2)贡献分别为(24.63±6.33)、(28.60±4.83)、(52.89±18.76)和(8.67±3.11)μgm3;10月气流轨迹主要来自于东海海面,占总轨迹数的49.2%;12月气流则主要来自辽宁南部和黄海,占总轨迹数的66.1%,对ρ(NO2)、ρ(PM2.5)、ρ(PM10)和ρ(SO2)贡献分别为(28.48±15.14)、(58.71±14.10)、(69.83±38.94)和(20.83±13.28)μgm3.舟山本岛PM2.5的潜在源主要为毗邻城市间局地污染,集中于浙江沿海城市及杭州湾、上海等地.

华东地区气溶胶分布和变化特征研究

利用中分辨率光谱仪(MODIS)获得的气溶胶光学厚度(AOD)、细粒子比例(FMF)和臭氧检测仪(OMI)获得的气溶胶指数(AI)统计分析了2005—2014年我国华东地区气溶胶光学性质的时空分布特征,同时利用潜在源分析(PSCF)模型对我国华东地区AOD和AI的潜在源区进行分析。研究结果表明:华东地区的AOD、FMF和AI时空分布存在较大的差异,2005—2014年AOD和AI的平均值高值主要分布在华东地区北部,FMF的高值区则分布在华东南部地区;10 a间华东地区AOD呈现出先升高后降低的趋势,FMF波动幅度不明显,AI值有所上升;整个华东地区AOD的季节变化较为明显,春夏两季AOD明显高于秋冬两季。华东北部和中部地区夏季由于较高的相对湿度,AOD最大可达0.8以上。而在华东南部地区,夏季受到降水的影响,AOD维持在0.2~0.4之间。FMF季节变化趋势与AOD不同,夏季最大达到0.58,春季最小仅为0.26。AI平均值在冬季最大高达0.63,夏季最小,为0.27。PSCF分析显示华东地区AOD主要源区以局地排放为主,同时也存在由河南、湖北和湖南等周边省市近距离输送影响;AI以局地和北方远距离输送为主,同时也受到河南、湖北等周边省市近距离输送的影响。

青岛市PM_(2.5)输送来源研究

基于轨迹聚类,结合全球数据同化系统的气象资料以及青岛市PM_(2.5)的浓度监测资料,对2014年1-12月到达青岛市的气团进行了统计分析。利用潜在源区贡献法(PSCF)和浓度权重法分别分析了青岛市PM_(2.5)的潜在污染来源地区及不同地区对青岛市PM_(2.5)的权重浓度贡献。结果表明:在研究期间内,影响青岛市的气团主要有3类:第1类为来自西北内陆的大陆性气团,第2类为海洋性气团,第3类为区域输送气团;其中来自西北内陆的气团占46%,对应的PM_(2.5)浓度为60.86μg/m3,海洋性气团占39.95%,对应PM_(2.5)浓度为45.53μg/m3;区域传输特征气团占14.05%,对应浓度最高,为62.97μg/m3。PSCF分析结果显示:青岛市PM_(2.5)的潜在污染源地区为河南中部、安徽北部、山东西部、内蒙古中部、京津唐地区及长江三角洲附近黄海区域。CWT分析结果表明:对青岛市PM_(2.5)污染的权重浓度贡献较高的为河南中部地区、山东与河北交界地区,蒙古东部,京津唐地区及黄海南部等。区域传输是青岛市PM_(2.5)污染的重要来源。