基于Sentinel-5P卫星反演京津冀地区近地面NO_(2)浓度研究

为充分利用卫星传感器在探索长时间、大范围区域内近地面二氧化氮(NO2)浓度时空变化规律方面的优势,进一步提高卫星近地面NO_(2)浓度预测的准确性,本研究以Sentinel-5P卫星TROPOMI传感器观测的对流层NO_(2)柱浓度为基础,提出一种融合多源地理要素的“自上而下”近地面NO_(2)浓度遥感估算方法,综合分析随机森林模型(RF)、极致梯度提升树模型(XGBoost)和轻型梯度提升树模型(LightGBM)的性能,基于3种树模型对2019−2020年京津冀地区近地面NO_(2)浓度进行反演,并采用十折交叉验证方法分别对3种模型在近地面NO_(2)浓度预测中的精度差异与稳定性进行了检验比较,利用拟合优度(R2)、均方根误差(RMSE)和平均绝对误差(MAE)对模型进行精度评价,最终选取XGBoost以实现京津冀地区卫星近地面NO_(2)浓度的高效分析预测(R2=0.85,RMSE=6.61μg/m^(3),MAE=2.09μg/m^(3)),在此基础上,从季度、年份等时间尺度对近地面NO_(2)浓度进行空间分析。结果表明:①由于2020年新型冠状病毒感染疫情反弹带来的人类生产活动和出行活动的大量减少,2019年近地面NO_(2)浓度(13.96μg/m^(3))比2020年(13.04μg/m^(3))整体偏高。②近地面NO_(2)浓度具有明显的季节性变化特征,春、夏两季由于大气扩散条件较好,近地面NO_(2)浓度相对较低,在冬季达到全年峰值。③基于SHAP值(沙普利加性解释法)方法对模型特征进行空间分析,并定量研究每个特征对模型的正负贡献程度,其中,对流层NO_(2)柱浓度对预测近地面NO_(2)浓度起到主要促进作用,大气边界层高度对预测近地面NO_(2)浓度起到抑制作用,另外太阳直射辐射、人口密度、地表温度及降水量等指标均对预测近地面NO_(2)浓度有明显影响。研究显示,XGBoost能够更加稳定和准确地预测卫星近地面NO_(2)浓度,为准确识别近地面NO_(2)浓度时空分布特征提供新的手段,可在一定程度上突破现阶段NO_(2)地面监测稀疏的空间局限以及卫星对流层NO_(2)柱浓度代表性不足的缺陷。

地表水污染物精细化溯源及管理技术研究——评《地表水环境质量自动监测预警理论与实践》

“十四五”规划强调深入开展水污染防治行动,强化源头控制,水陆统筹,推进精准、科学治污。水污染事件发生后,监管部门经常需要花费大量的人力和时间才能确定污染源,错失水污染防治的最佳时机。因此,构建快速、精准的污染源头识别技术和体系,对提高监管部门执法效率和水环境污染源头控制具有重要意义。由嵇晓燕撰写,中国环境出版集团2023年出版的《地表水环境质量自动监测预警理论与实践》一书.

基于卫星遥感等多源数据的发电厂CO_(2)排放分析

应用烟羽分割、背景插值和高斯烟羽模型,使用轨道碳监测传感器(OCO-3)SAM模式在1年内的4次有效观测数据,估算了托克托电厂CO_(2)排放量,并利用年度核算报告结果、月度发电量与连续排放监测系统(CEMS)监测数据对卫星遥感估算结果进行验证.结果表明,2021年4次卫星过境时CO_(2)排放速率分别为1900.82、3353.96、2941.07和3701.71tCO_(2)/h,其不确定性分别为25.10%、20.27%、19.59%和29.52%,不确定性主要来源于气象数据、背景和其它排放源影响.CO_(2)小时排放速率卫星遥感反演结果和核算分配结果验证具有较好的一致性,相关系数R为0.822.电厂月度发电量及小时级在线监测数据分析结果表明,电厂活动水平具有明显的季节性变化和小时变化特征,其中与CO_(2)排放密切相关的月度发电量相对标准偏差可达14.55%,NOx小时排放量相对标准偏差可达12.35%.

基于随机森林探究2022年江苏省O_(3)与气象因子关系

选取2022年江苏省区县小时空气质量数据和ERA5气象数据,基于随机森林模型特征重要性排序,探究江苏省O_(3)与气象因子之间的关系。结果表明:1)2022年,江苏省O_(3)浓度冬秋季较低,春夏季较高;全年情景下和O_(3)污染高发期(4-9月)气象因子占比较高,O_(3)污染高发期气象因子占比为70.1%。2)msdwswrf对O_(3)浓度影响程度最高,能够解释32%的O_(3)浓度。影响因子两两交互,均比单一因子对O3浓度的影响大,rh-msdwswrf影响最大,能够解释40.5%。3)O_(3)与气象因子的关系存在空间异质性,同一气象因子对不同区域O_(3)浓度空间分布的影响力度存在区域差异。

苏南城市一次PM_(2.5)污染过程水溶性离子化学特征及来源

针对2022年1月8—11日江苏省苏南城市群(南京、镇江、常州、无锡、苏州)一次连续性污染过程,利用PM_(2.5)组分特征进行污染来源解析。结果表明:此次污染过程是典型持续静稳天气伴随冷高压南移的区域污染过程,主要是前期本地累积和区域输送所致。污染过程中苏南城市群出现60 h持续污染,短时峰值达重度污染,PM_(2.5)浓度增幅为2.3μg/(m^(3)·h)。PM_(2.5)化学组分中二次无机盐SNA(NO_(3)^(-),NH_(4)^(+)和SO_(4)^(2-))占比超过90%,相关系数均在0.9以上,OC/EC的比值超过2.0,均表征本次污染过程中二次粒子污染较为突出。基于PMF模型分析本次污染过程中苏南城市的行业贡献,主要因子为二次源、工业、扬尘,其中,二次源贡献率为58.5%~79.9%,工业源贡献率为10.1%~33.7%,扬尘贡献率为8.5%~23.6%。

常州市基于网格监测的臭氧污染过程分析

为研究常州市2022年6月14-21日的臭氧连续超标过程,利用EKMA曲线分析此次污染过程中臭氧生成对其前体物VOCs和NO_(x)的敏感性,通过反距离权重插值算法对网格化数据进行插值对该污染过程进行分析。结果表明:常州市臭氧及其前体物存在明显的日变化特征。6月臭氧超标天的臭氧与温度呈正相关,与相对湿度呈负相关。常州市臭氧处于强VOCs控制区,削减VOCs会使当地臭氧生成潜势逐步降低;不当削减NO_(x)排放反而会使当地臭氧生成潜势上升。6月14-18日,江苏省呈区域型污染,常州市温度偏高有利于臭氧生成;19-20日臭氧污染气团不断向西移动,臭氧高值区处于常州市;21日主导风向转为东南风,常州本地臭氧生成叠加周边区域影响,致使常州市臭氧仍处于高值。

基于地面监测设备资料评估南京市臭氧时空分布特征的研究

为探究南京市近地面O3时空分布特征,了解国控站与微型监测设备时空分布差异性,利用南京市13个国控站点、998台微型监测设备的2020年O3监测数据进行统计分析。结果表明,南京市O3浓度分布具有明显的时间变化:小时浓度在6时最低,随后快速升高并于14时-16时达到峰值后持续降低;月均浓度呈“双峰”型,峰值出现在4月-6月及8月-9月;季节浓度表现为春、夏季最高,冬季最低。南京市O3浓度分布具有明显的空间差异:表现为郊区高于城区,春季、夏季、秋季O3高值区与低值区相近,冬季高值区集中在南京市北部。微型站设备和国控站具备良好的平行性和相关性,有利于实现大气污染加密监测。

随机物理过程扰动方案在克拉玛依区域集合预报中的应用研究

克拉玛依气象局研发了区域集合预报系统并已实现业务运行,该系统仅采用了集合变换卡尔曼滤波(ETKF)初值扰动,导致离散度发展受到限制,为改善区域集合预报的离散度,本文尝试在初值扰动基础上引入随机物理过程倾向(SPPT)模式扰动方案。通过开展SPPT方案关键参数的敏感性试验,确定了适用于本系统的参数设置,构建了初值-物理过程扰动方案(ETKF-SPPT),并与仅采用初值扰动的集合方案(ETKF)进行了对比。结果表明:ETKF初值扰动方法能够产生具有动力学结构的初值扰动,但是随着预报时效的延长,集合离散度增长很快达到饱和,并在侧边界约束下逐渐减小;ETKF初值扰动结合SPPT模式扰动可使集合离散度在各个预报时效均保持增长状态;集合预报检验结果表明,仅采用ETKF初值扰动的集合预报概率分布可靠性较低,概率预报准确性也较差;ETKF-SPPT方法可获得更好的概率预报结果,可靠性更好,均方根误差更低。对克拉玛依城区一次大风预报个例表明,ETKF方案对大风起风时间和量级把握较差,而ETKF-SPPT可以增加集合离散度,起风时间和风速预报更准确。综合而言,增加SPPT扰动可以有效改善克拉玛依区域集合预报系统的预报技巧。

基于卫星数据识别臭氧生成高值区的方法及其应用

近年来,我国臭氧污染问题逐步显现。为持续推动京津冀及周边、汾渭平原等重点区域环境质量改善,生态环境部实施了“千里眼”计划,构建了大气污染网格化监管体系。2020年,针对夏季臭氧污染问题,开展了臭氧生成高值区识别研究,向重点区域生态环境部门、监督帮扶现场工作组推送环境异常信息,为打赢蓝天保卫战提供了重要支撑。利用哨兵-5卫星数据,结合企业清单、用电数据、历史污染源检查问题等数据,通过RFM模型综合挖掘识别臭氧生成高值区。结果表明:京津冀和汾渭平原的大多数城市地区和工业集聚区属于VOCs控制区或VOCs-NO_(x)共同控制区;该方法推送的臭氧生成高值区问题率为65.3%,高出整体问题率21.5个百分点;高值区内企业发现问题率为27.1%,高出非高值区3.7个百分点,提升了2020年夏季臭氧污染防治监督帮扶的工作成效。高值区问题率、高值区内企业问题率和推送次数有关,实践结果表明,经过重复推送,高值区内企业问题率呈先升后降的规律,企业问题率拐点时间与企业整改完成周期有关。该方法对于以包装印刷、工业涂装为主导的产业集群,应用效果较好。

大气中挥发性有机化合物小波分析方法探究

利用小波函数的分解重构从而得到可以反映大气环境中TVOC浓度变化趋势的图像,小波函数的分解就是将TVOC浓度数据分解为高频和低频两个部分,再分别将高频和低频部分重构,从而可得到反映大体变化趋势的低频部分和可以体现小波分析放大镜功能的高频部分。通过选取不同地区监测点位,包含不同环境特征,考虑不同行业,从而反应各类因素下不同时段,不同地区,不同特征TVOC浓度数据以反映不同城市TVOC浓度分布规律。

环境大气监测的全程序控制方法探析

在经济、工业高速发展的背景下,我国工厂、机动车、餐饮等数量剧增,导致废气排放量不断增加,以至于整个大气环境日益恶劣。为了改善大气环境,防止进一步恶化,需要环境监测站做好环境监测工作,为环境治理部门制定相关措施提供有价值的参考依据。传统环境大气监测模式存在一定的弊端,迫切需要采用环境大气监测全程序质量控制方法,将有利于扩大监测范围,保障监测质量以及数据的精准性、代表性。基于此,本文将针对传统环境大气监测弊端进行分析,并围绕南京市雨花台区实际情况,分析环境大气监测全程序质量控制方法的意义、影响因素以及实施操作方法,期望能够为南京市雨花台区生态环境治理工作的开展提供更全面的信息,提高环境治理能力,实现高效率化。

苏南城市一次典型臭氧污染过程分析

2022年4月7—12日,江苏省苏南城市群经历了一次区域性,连续性的臭氧污染过程,利用该时段苏南城市群连续性污染过程中O_(3)、NO_(2)、VOCs及气象数据进行分析。结果表明:此次污染过程以东南向西北方向存在明显的传输通道;污染过程率先生成于无锡市,污染期间无锡市风速整体偏小,温度偏高,相对湿度低,气象条件有利于O_(3)生成;无锡市与苏州市污染过程以本地生成为主,无锡市主要贡献源为交通排放源,苏州市为交通排放源、工业及溶剂使用源为主。