基于激光雷达观测网的杭州及周边地区颗粒物污染特征研究

激光雷达观测网是研究区域大气颗粒物污染分布特征的有力工具。长三角地区激光雷达观测网部分站点的激光雷达资料与地面气象数据、PM2.5、PM10质量浓度数据,以及HYSPLIT后向轨迹模型模拟的后向轨迹相结合,对2016年9月杭州及其周边地区一次颗粒物污染的来源和成因进行了分析。分析结果表明,9月8日杭州颗粒物污染过程是该地区局地污染与高空输送共同作用的结果,且粗粒子主要来源于西北方向。杭州地区SO$_2$浓度整体较低,PM2.5浓度与NO$_2$浓度呈正相关,细颗粒物主要以硝酸盐为主。较高的NO$_2$浓度和高湿度、低风速的不利气象条件,是该地区局地细粒子快速增长的主要原因。     

北京地区春季重污染过程污染特征及其光学特性分析

针对北京地区2018年3月29日-4月10日的一次完整重污染过程,利用空气质量监测数据及AERONET北京站观测数据开展其污染特征及光学特性分析,并结合HYSPLIT气流后向轨迹模式,对此次重污染期间大气颗粒物时空传输特征进行了综合研宂.结果表明:北京地区此次重污染过程以弱吸收性细模态气溶胶为主;重污染期间PM2.s浓...     

基于大数据的天气状况研究

细微颗粒2.5是指大气中直径小于或等于2.5um的颗粒物的每立方米含量。而这些细颗粒物也称为可入肺颗粒物。它们粒径小,富含大量的有毒、有害物质,且在大气中的停留时间长、输送距离远,被称为大气污染的元凶,并且对人体健康有很大危害。文章通过使用数据挖掘方法对某区域某段时间的天气情况和细颗粒物污染状况进行了分析,研究了细颗粒物污染程度与天气状况的关系,得出PM2.5与能见度、风速、露点和湿度负相关。     

2008年北京奥运期间大气颗粒物激光雷达观测研究

大气区域性污染及其区域输送研究是当前研究的热点问题,2008年北京奥运会的举行为研究北京及其周边大气区域输送提供了机会。主要利用双波长三通道激光雷达和风廓线雷达对颗粒物大气颗粒物区域输送进行研究,介绍了双波长三通道激光雷达的特征及主要参数,讨论了大气颗粒物质量浓度垂直分布的反演方法,并结合风廓线雷达数据论述了颗粒物区域输送的反演,实现了对大气颗粒物输送通量的估算和输送方向的判断。最后,对监测期间典型时间段的大气颗粒物区域输送通量和总量进行估算,并结合SO2实测数据进行了对比分析。     

包头城区冬春大气颗粒物污染特征及其与气象条件关系

包头2015~2016年冬春季节出现了连续的雾霾天气,不仅对能见度产生较大影响而且严重危害人体健康。选取了包头主城区8个空气质量浓度监测点的数据,对主城区的PM2.5和PM10污染特征进行分析,确定其空间差异特征和时间性变化特征。依据监测区功能的不同将包头主城区划分为5个区域,对各个区域监测点数据筛选整理,得到冬春季各个区域PM2.5和PM10质量浓度由高到低的顺序均为：工业区＞ 商业区 ＞文化区 ＞交通枢纽区＞公园游览区。各区域颗粒物月变化曲线呈双峰单谷型,12月最高,2月最低,并对成因进行分析总结;逐日变化反映PM2.5和PM10质量浓度具有较好的相关性,且受气象条件影响显著;日变化呈双峰双谷趋势。本文选取了气温、气压、相对湿度和风速等气象因子,利用Spearman秩相关分析研究各个气象因子对大气PM2.5和PM10质量浓度的影响。包头春季PM2.5和PM 10的质量浓度分别与气温、气压正相关,与风速、相对湿度（伴有降水时）负相关,风速、气压和相对湿度是影响污染物质量浓度分布的主要因素。     

用光学粒子计数器测颗粒物质量浓度和能见度

2001年夏季和冬季，在北京市大兴区榆垡镇，利用光学粒子计数器、能见度仪和颗粒物质量监测器对近地面大气气溶胶粒子数密度、大气能见度、颗粒物质量浓度(PM10、PM2．5和PM1．0)等进行了联合观测实验，取得了大量相关资料．本文通过对不同尺寸大气气溶胶粒子的数密度与颗粒物质量浓度及大气能见度的多元线性回归分析，给出了利用粒子数密度计算PM10、PM2．5、PM1．0和大气能见度的经验计算公式．     

成都秋冬季气溶胶消光系数的非平稳性分析

基于对大气消光系数时间序列随机性的深入研究,利用成都市2015至2017年秋冬季的大气能见度、相对湿度(RH)、颗粒物(PM10和PM2.5)质量浓度和NO2含量监测数据,反演得到该区域相应时段的气溶胶消光系数时间序列.基于位置、尺度、形状的广义可加模型检测了气溶胶消光系数时间序列的平稳性,并对气溶胶消光系数序列进行了协变量分析.实验结果表明,成都秋冬季气溶胶消光系数时间序列均为非平稳序列,其均值和方差表现为非线性变化.细颗粒物(PM2.5)质量浓度、RH和气溶胶组分(PM2.5/PM10)均是气溶胶消光系数序列非平稳变化的显著协变量.其中,PM2.5为气溶胶消光系数序列非平稳性最主要的贡献因子,其次为RH,贡献最小的为PM2.5/PM10,且气溶胶消光系数的爆发式增长与PM2.5、RH和PM2.5/PM10的协同作用密切相关.     

北京2014年冬季边界层高度与颗粒物浓度的相关性研究

拉曼激光雷达已经广泛应用于大气气溶胶、大气温度和水汽的空间分布及时间演变特征测量。为了获取北京污染期间大气气溶胶边界层的特征,2014年11月~2015年1月期间在中国科学院大学雁栖湖校区利用拉曼激光雷达进行连续观测。使用梯度法处理激光雷达观测数据得到边界层高度,同时与国家环保部提供的当地颗粒物浓度数据进行对比。观测期间灰霾天共出现15天,污染天出现27天,干净天出现24天。灰霾天、污染天和干净天三种情况下的平均大气边界层高度范围分别为0.6~0.9、0.9~1.3、1~1.9 km;PM2.5的质量浓度范围分别为143~203、77~90、17~34 g/m3;PM10的质量浓度范围分别为170~271、103~153、33~78 g/m3。研究结果表明:北京地区大气边界层高度对近地面颗粒物浓度具有明显的负相关影响。干净天、污染天和灰霾天下的PM2.5和PM10的质量浓度变化率随大气边界层高度降低而依次增大。灰霾天大气边界层高度引起的PM2.5质量浓度平均变化率为-242.4 gm-3/km,约为污染天（-114.8 gm-3/km）的两倍,干净天（-77.4 gm-3/km）的三倍;灰霾天大气边界层高度引起的PM10质量浓度平均变化率为-224.2 gm-3/km,约为污染天（-117.6 gm-3/km）的两倍,干净天（-90.4 gm-3/km）的两倍。     

基于多传感器融合技术的微型空气质量监测系统优化设计

针对国家环境空气质量监测站 (NAAQMS) 由于体积大、成本高而不利于大面积广泛布点的问题, 研制了一 种微型空气质量监测系统, 用于监测大气中 CO、 NO2、 O3、 SO2、 PM2:5 和 PM10 的浓度。该系统分别采用电化学气 体传感器和光学粒子计数器来测量气体污染物和颗粒物浓度。考虑到传感器在测量污染物浓度时容易受到大气温湿 度的影响, 基于多传感器融合技术通过温湿度补偿算法对测量结果进行了修正, 并与 NAAQMS 发布的数据进行了比 较, 分析表明二者具有很强的相关性。与 NAAQMS 的数据相比, 本系统 10 天监测数据的相关系数优于 0.7; 通过算法 校正后, 某些污染物 (如 PM2:5) 的相关系数甚至可以提高到 0.9。新设计的空气质量监测系统具有鲁棒性强、体积小 的特点, 适用于环境空气污染物的长期大面积分布式网络监测。     

旅游活动强度变化下旅游地大气PM2.5浓度响应研究

为探索生态旅游城市大气 PM2:5 浓度在旅游活动强度变化下的响应机制, 首先基于多重分形消除趋势波动分 析法, 分别对张家界市大气 PM2:5 平均日浓度和旅游人数的时间序列进行了多重分形特征分析, 结果显示 PM2:5 和旅 游人数的时间序列在演化过程中具有非线性、复杂的多重分形特征, 且 PM2:5 的多重分形特征强于旅游人数。进一步 利用多重分形消除趋势交叉波动分析方法研究了 PM2:5 和旅游人数的交叉相关性, 发现二者之间不仅存在具有长期持 续性的多重分形特征, 而且其相关性的多重分形特征受旅游活动强度变化影响明显, 表现为旅游旺季强于旅游淡季。 最后, 运用后向轨迹模型分析了张家界市旅游淡旺季 PM2:5 污染物的空间来源, 发现张家界市大气 PM2:5 污染物主要 源于局地污染源排放, 从侧面验证了旅游活动是张家界市大气 PM2:5 浓度的主要影响因素。     

基于LUR 模型下PM2.5 浓度的空间分布模拟分析

PM2:5 是大气重要污染物之一, 模拟 PM2:5 浓度空间分布对于大气污染防治具有重要意义。将土地利用回归 模型 (LUR) 应用到安徽省污染较重的皖北地区, 以监测点为中心, 建立半径分别为 0.5、 1、 1.5、 2、 3、 4、 5 km 的 缓冲区, 结合土地利用因子、道路因子、污染源因子、气象因子、高程因子及人口因子共 105 个变量, 建立了该地 区四季和年均 LUR 模型, 并通过留一交叉互验, 验证了模型精度。结果表明: 研究区 PM2:5 浓度受草地、湿地、降水 量、相关湿度、气压、风速、二级公路、三级公路、废气污染企业、人口数量影响较大。调整 R2 分别为 0.828 (春)、 0.731 (夏)、 0.831 (秋)、 0.775 (冬)、 0.892 (年均); 均方根误差 (RMSE) 分别为 6.34 µg·m−3 (春)、 7.01 µg·m−3 (夏)、 6.28 µg·m−3 (秋)、 6.71 µg·m−3 (冬)、 5.33 µg·m−3 (年均); 模拟精度 R2 分别为 0.825 (春)、 0.730 (夏)、 0.834 (秋)、 0.772 (冬)、 0.897 (年均), 模型表现良好, 解释力强。从模拟的 PM2:5 浓度空间分布可以看出, 不同季节呈现明显不同的空间分布特 征, 这与来自北方的大量污染颗粒物、当地的煤矿开采以及秋耕秸秆燃烧等潜在污染源有关。     

长株潭城市群PM2.5 多尺度演化的EEMD 和多重分形分析

为解析长株潭地区 PM2:5 演化的多尺度特征, 阐释其演化的主要动力机制, 提出了一种集合经验模态分解 (EEMD) 和多重分形消除趋势波动分析 (MFDFA) 的新模型, 研究了该区域 2015 年 1 月 1 日至 2019 年 12 月 31 日 PM2:5 浓度的动力演化。利用 EEMD 方法获得了各城市 PM2:5 的高频模态以及趋势项, 趋势项结果表明 PM2:5 浓度呈 下降趋势, 而 PM2:5 的高频模态反映了 PM2:5 浓度波动的非线性特征。进一步采用 MFDFA 方法对其高频累加模态进 行分析, 研究表明 PM2:5 高频分量存在较强的多重分形特征。此外, 还利用相位随机替代法和随机重构法研究了其多 重分形的主要来源, 结果表明 PM2:5 浓度波动在不同时间尺度内的长期持续作用是造成高浓度 PM2:5 污染涌现的主要 动力因素。最后, 讨论了气象条件对其高频分量多重分形强度的影响, 结果发现, 相对于其他季节, 冬季 PM2:5 高频模 态的多重分形强度更强。分析表明, 尽管该区域通过大气污染行动计划已取得积极的污染控制效果, 但在冬季, 污染 物演化的长期持续动力机制对 PM2:5 高频模态的演化发挥着更加主导的控制作用, 不同时间尺度上 PM2:5 非线性长期 持续动力机制导致冬季仍有高浓度 PM2:5 涌现的风险, 甚至出现更为严重的污染。本研究结果对于区域 PM2:5 多时间 尺度演化动力特征的研究以及大气污染预测预警机制的建立具有重要意义。     

成都市PM2.5、PM10变化特征及其与气象因素的关系

为研究气象因素对成都市大气细颗粒物 (PM2.5)、可吸入颗粒物 (PM10) 的影响, 收集了2015―2018 年成都市 PM2.5、PM10的月平均浓度, 采用Pearson 相关分析法, 分析了成都市PM2.5、PM10与气象条件的关系。结果表明： (1) 2015 ―2018 年, 成都市PM2.5、PM10年平均浓度虽然年际间差别较小, 但整体呈现逐年缓慢下降趋势, 2015 年以来成都市的 一系列大气污染控制措施是PM2.5、PM10逐年缓慢下降的原因; 2015―2018 年成都市PM2.5、PM10浓度季节变化特征整体 表现为冬季 > 春季 > 秋季> 夏季。(2) 不同气象因素对成都市PM2.5、PM10月平均浓度的影响程度不同, 降水量与气温 是影响成都市PM2.5、PM10月平均浓度的主要因素, 两者与PM2.5、PM10呈较高的负线性相关, 其中PM2.5、PM10与降水量 的相关系数均为 −0.612, 与月平均气温的相关系数分别为 −0.822、−0.776, 降水会通过捕获大气中的颗粒物来去除 PM2.5、PM10, 而温度的升高会加强PM2.5、PM10等污染物在垂直方向上的对流运动, 从而对成都市污染物浓度的降低起 到重要作用; 日照时数、月平均风速、相对湿度等与PM2.5、PM10月平均浓度整体也呈现负相关, 但与降水量和气温相 比, 日照时数、月平均风速与PM2.5、PM10月平均浓度的相关性较低, 而相对湿度与PM2.5、PM10月平均浓度的相关性则 更加微弱, 表明相对湿度的变化对成都市PM2.5、PM10的积累和扩散影响很小。     

Himawari-8气溶胶变分同化对PM2.5污染模拟的改进

利用地球静止轨道卫星Himawari-8 气溶胶光学厚度 (AOD) 产品能够估算空间覆盖范围广、时间分辨率高的 近地表 PM2.5 浓度。基于三维变分同化系统将AOD估算得到的 PM2.5 资料同化进入WRF-Chem大气化学模式中, 通过 控制实验与同化实验的对比与分析, 探讨了AOD估算得到的PM2.5资料同化对 PM2.5 污染模拟的改进作用。实验结果 表明： (1) AOD估算得到的 PM2.5 资料同化能够改进 PM2.5 污染模拟效果;(2) PM2.5 污染模拟改进效果存在时空差异。 此外, 与其他研究中使用AOD观测算子直接同化AOD的方法相比, 该方法的操作更加简单。     

激光雷达探测反演PM2.5浓度的精度研究

给出了355nm激光雷达与布设在中国科学院大气物理研究所325m铁塔上的BAM-1020颗粒物监测仪对比观测实验的结果,通过2011年9月21日至10月21日一个月的对比实验发现,激光雷达探测的气溶胶消光系数与实测的PM2.5浓度之间存在较好的相关性。利用线性回归模型建立消光系数与颗粒物浓度之间的关系式,并通过铁塔实测的PM2.5浓度对该关系式在垂直高度上的反演精度进行研究。结果显示,在63,80,120,160m高度处雷达反演的PM2.5与实测值之间的相关系数分别为0.9447,0.9331,0.9284,0.9308,说明激光雷达能有效探测颗粒物的垂直分布状况。激光雷达探测将有利于研究污染物的空间分布状况和污染物跨界输送问题,并为区域大气联防联控制定政策和措施提供数据支持。