北京冬季大气SO2、NO2与O3的监测与分析

利用差分光学吸收光谱(DOAS)技术于2006年2月对北京市丰台区的常规污染气体SO2、NO2及O3进行了连续监测,并对各污染物的日变化特征和污染源进行了分析和探讨.结果表明,丰台区NO2主要与汽车尾气的排放有关,以早晨和傍晚的上下班时段最重,凌晨和午后最轻;SO2浓度的日变化状况是气象条件日变化和污染源排放量日变化综合影响的结果,分别在早晨和夜间达到最大值,日变化曲线呈现"N"字型双峰结构;由O3和NO2的相关性分析可知,NO2对大气中O3的含量有着一定的贡献,大气中可能还存在其它重要的O3前体污染物.     

夏季城市大气中O_3和NO_2的观测研究

利用差分吸收光谱(DOAS)技术于2007年夏季对北京市朝阳区大气重要污染物O3和NO2进行了实时监测.分析了O3、NO2浓度的日变化规律,O3呈现明显的日变化趋势,日间因光化学作用浓度高,且在午后出现最大值;夜间浓度低,日出前出现最低值.NO2表现出与O3相反的变化趋势,白天因光解浓度较低;夜间因交通排放和NO2浓度积累达到峰值.观测结果与传统点式仪器进行了比较,对比结果显示两种方法有着很好的一致性.通过敏感性分析计算,表明O3光化学生成处于挥发性有机化合物(VOCs)敏感.     

北京市大气SO2、NO2和O3的激光雷达监测实验

目前监测网中大部分SO2、NO2和O3监测设备为地基点式仪器.该种设备不能获得大气SO2、NO2和O3的空间分布信息.SO2、NO2和O3的空间分布数据在习惯上一般是通过球载探测仪来获取.但通过球载仪获得的数据时间和空间分辨率都较差.中科院安徽光机所已开发研制完成了车载测污激光雷达系统.该系统能进行大气SO2、NO2和O3进行三维空间扫描测量.利用该系统2001年12月27日至2002年1月27日期间于北京市进行了大气SO2、NO2和O3的监测实验,首次给出了北京市近地面层大气SO2、NO2和O3的激光雷达测量数据.测量数据与地面仪器的监测数据进行了比较,结果表明车载测污激光雷达系统的测量数据是合理可靠的.     

奥运期间北京SO2、NO2、O3以及PM10污染水平及变化特征分析

结合遥感所、云岗镇、燕山石化及首都机场4个站点2008年6月至9月期间SO2、NO2、O3以及PM10的监测结果,对北京奥运期间主要污染物浓度水平和变化特征进行分析.PM10为北京市的主要污染物,各时段市区站点PM10均明显高于市郊站点,城郊差异从7月1日至7月19日以及7月20日至8月24日时段的50%减少至8月8日至8月24日以及9月6日至9月17日时段的25%左右.城郊各阶段PM10日变化的差异主要表现在凌晨至11:00前后的时段.一次污染物SO2和NO2均达到国家大气环境质量二级标准,随着减排措施的实施,降幅均超过14%.从日变化曲线来看,各站点NO2基本呈双峰型特征,SO2在燕山石化和云岗镇站点表现出双峰态.O3作为光化学烟雾的指示剂,各站点O3呈现出白天高、夜晚低的日变化特征.云岗镇和燕山石化的O3日变化表现出明显的双峰型.4个站点O3在实施减排措施的初始阶段呈现出升高的趋势, 7月20日后的统计数据表明后期O3浓度持续下降,平均日变化最大值和最小值的比值减小.各个污染物浓度在8月8日至8月24日时段下降最为显著.相比于7月1日至7月19日减排措施实施的起始阶段,各站点在7月20日至8月24日奥运期间SO2、NO2、O3和PM10降低幅度分别为14%～33%,15%～61%,2.5%～14%和10%～12%.     

车载大气环境监测激光雷达数据处理和结果显示

本文介绍了一种用于大气污染监测的车载激光雷达.首先简要介绍了车载大气环境监测激光雷达系统的系统组成和测量原理.随后阐述了利用差分吸收测量原理(DIAL)即利用待测气体分子的光谱吸收特性测量该气体的浓度,通过对激光雷达测量得到回波数据进行处理和分析,获得O3、NO2、SO2等污染气体浓度的时空变化.并可以将污染物浓度数据根据用户需要和当时测量要求通过浓度廓线图、浓度随时间变化的分色图、浓度随扫描角变化的扫描分色图、和浓度三维立体变化分色图等方式实时显示出来.这种快速大范围的三维测量和显示O3、NO2等多种大气污染物浓度的大气监测手段为国内首创.(OE6)     

基于粒子群算法的BP 神经网络在大气 NO2 浓度预测中的应用研究

NO2 是主要的大气污染气体之一, 在大气光化学过程中起着重要作用。研究 NO2 浓度的时空演变, 预测其浓 度变化趋势, 对政府出台改善环境措施具有重要意义。提出利用粒子群算法 (PSO) 的反向传播 (BP) 神经网络对大气 NO2 浓度进行预测。以合肥地区 2017 年 1 月 1 日至 2019 年 12 月 31 日的大气污染数据和气象数据为基础, 结合逐步 回归方法筛选出与 NO2 浓度相关性较大的影响因子作为输入样本。构建 PSO-BP 神经网络预测模型, 利用 PSO 找出 BP 神经网络最优的初始权值和阈值。对比 BP 神经网络、遗传算法改进的 BP 神经网络和 PSO 改进的 BP 神经网络 三种模型的预测结果, 发现 PSO-BP 模型能够较为准确地预测出 NO2 浓度的动态变化规律, 并且预测精度高、模式简 单, 有望广泛应用于大气污染物浓度预测等方面的研究。     

大气污染监测中的DOAS技术研究

简要介绍UV-VIS的差分吸收光谱技术(以下简称DOAS技术),其应用非常广泛.对于在紫外及可见光谱范围内有较明显吸收峰的各类气体及气态物质从理论上讲都可以测量.DOAS以远优于点测量的空间分辨能力和时间响应能力而大量用来测量非标准污染物.并且易于操作,费用低廉,实时分析,全路径非接触测量,比点监测系统有极高的优越性.DOAS作为光谱监测技术,利用激光在开放大气中的各种痕量气体的特征吸收,来确定光通过的路径上各气体的平均浓度.可监测SO2,NO,NO2,NO3,HONO,及形成光化学烟雾的不同痕量气体,诸如:O3,NO2,HCHO,NO3,SO2,BrO,IO,ClO和若干种芳香烃. 我们正在研制有自主产权的DOAS系统,目前正在进行开路监测的系列实验,已能明显获取SO2,NO,NO2的吸收谱线,并且和现有监测技术的测量比对误差小于10%.(OE31)     

APEC期间京津冀地区污染物变化特征分析

利用中国环境监测总站发布的2013年11月1日~2014年12月12日污染物实时浓度数据,分析了京津冀地区污染物变化特征。结果显示：PM2.5、PM10、SO2、NO2和CO浓度年平均值分别为95.3, 163.9, 54.7, 48.9 μg/m3, 1.5 mg/m3;五种污染物浓度都表现出冬季高夏季低的季节变化特征,但不同污染物在不同的月份又有其特殊的变化特征。APEC期间京津冀地区PM2.5、PM10、SO2、NO2和CO平均浓度分别为66.1, 123.7, 33.2,、48.5 μg/m3, 1.2 mg/m3。APEC期间京津冀地区PM2.5浓度是APEC前后一个月的60.1%、59.4%;APEC期间气态污染物CO、SO2、NO2浓度与APEC前一个月相当,但APEC后急剧增加。减排措施使京津冀地区PM2.5浓度削减40%左右,PM10削减35%左右,NO2削减10%左右,CO削减15%左右。     

2006-2014年南京都市圈对流层NO2时空变化特征及污染源分析

基于OMI(Ozone Monitoring Instrument, OMI)卫星传感器监测得到的2006年1月-2014年12月南京都市圈对流层NO2柱浓度数据和土地利用类型数据,利用余弦曲线函数和HYSPLIT后向轨迹模型,分析了研究区对流层NO2时空分布特征以及污染物的来源。研究发现,2006-2014年南京都市圈对流层NO2柱浓度呈现出逐年增长的趋势和冬高夏低的季节变化特征;研究区对流层NO2污染物主要来自两个方面：大气气流的输送作用影响了研究区对流层NO2季节性变化;不同的土地利用类型影响了南京都市圈的对流层NO2柱浓度。     

大气中甲醛差分吸收光谱测量方法研究

差分吸收光谱技术(DOAS)由于时间分辨率高、高灵敏度和操作费用低等特点非常适合对大气中痕量气体HCHO进行实时追踪.对HCHO的测量方法和数据反演进行了研究,通过增大信噪比,扣除背景杂散光等手段对其进行了准确测量;详细介绍了数据的处理方法,包括反演波段的选择、干扰结构的去除、数据处理流程和谱线的非线性处理.对不同波段反演HCHO的干扰因素、反演浓度结果和反演准确度进行了分析与对比,结果显示,314～332 nm是HCHO浓度反演的最佳波段.对广州市的HCHO进行了实时、连续监测,并取得了有效数据.     

The ozone monitoring instrument

The Ozone Monitoring Instrument (OMI) flies on the National Aeronautics and Space Administration's Earth Observing System Aura satellite launched in July 2004. OMI is a ultraviolet/visible (UV/VIS) nadir solar backscatter spectrometer, which provides nearly global coverage in one day with a spatial resolution of 13 km/spl times/24 km. Trace gases measured include O/sub 3/, NO/sub 2/, SO/sub 2/, HCHO, BrO, and OClO. In addition, OMI will measure aerosol characteristics, cloud top heights, and UV irradiance at the surface. OMI's unique capabilities for measuring important trace gases with a small footprint and daily global coverage will be a major contribution to our understanding of stratospheric and tropospheric chemistry and climate change. OMI's high spatial resolution is unprecedented and will enable detection of air pollution on urban scale resolution. In this paper, the instrument and its performance will be discussed.     

环渤海城市群空气污染特征及其与气象要素的关系

为探究环渤海三大城市群空气污染特征及其与气象要素关系的异同, 基于 2015–2019 年空气质量指数日报资 料及同期气象要素资料, 利用空间自相关模型和皮尔逊相关系数对其相关性进行了分析。研究表明: (1)对于 PM2.5、 PM10 和 O3 这三大被研究的首要污染物, 在冬季主要以 PM2.5、PM10 为主, 夏季以 O3 为主。除 O3 外其余污染物浓度 呈现下降趋势。(2) 空气质量指数 (AQI) 呈现秋季最低、冬季最高的变化特点, 年际上空气质量在逐步改善。(3) AQI 存在明显的空间集聚现象, 总体上由沿海向内陆逐渐由空气质量优良区变为空气污染区。(4) AQI、PM2.5、PM10 和 O3 在不同季节与各气象要素的相关性不同, 且相关性强度呈非线性变化。     

湘潭市PM2.5 中二次水溶性无机离子及其 气态前体物的污染特征

2013年12月3日至2014年1月14日, 在湘潭市2个功能区(交通、商业、居民区和工业区) 采样点对大气PM2.5进行了采集, 并同步采集了SO₂、NO₂; 进而利用离子色谱法对PM2.5中二次水溶性无机离子(SO₄²⁻、NO₃⁻ 和 NH₄⁺ ) 的浓度进行测试分析。通过分析不同空气质量级别下硫、氮氧化速率(SOR 和 NOR) , 探讨了PM2.5中硫酸盐和硝酸盐的来源、形成机制和影响因素等。结果表明, 采样期间湘潭市PM2.5及其二次水溶性无机离子(SO₄²⁻、NO₃⁻ 和 NH₄⁺ ) 的质量浓度分别为148.34、56.19 g/m3, 其中 SO₄²⁻、NO₃⁻ 和 NH₄⁺分别占PM2.5 浓度的15.26%、14.06% 和8.57%, 三者累计值占PM2.5质量浓度的37.88%。随着PM2.5 浓度增加, 二次水溶性无机离子及其气态前体物SO₂、NO₂ 的浓度也逐渐增加, 且“重度”污染时SO₄²⁻、NO₃⁻ 和 NH₄⁺ 浓度较“良”时分别上升了1.93、2.41、2.03倍。不同空气质量级别下PM2.5中的SO₄²⁻、NO₃⁻ 主要以NH₄NO₃ 和(NH₄)₂SO₄ 的形式存在, 但在“轻度”和“ 中度”污染时可能存在其它的硫酸盐和硝酸盐。采样期间SOR 和NOR 的平均值分别为0.18和0.17, 不同污染级别下二者均在0.15 以上(大于0.1), 表明湘潭市PM2.5中的硫酸盐和硝酸盐主要是经转化形成的二次污染物。大气PM2.5中NO₃⁻ /SO₄²⁻ 为0.89, 不同空气质量级别下二者比值分别为0.78、0.99、0.82、0.97(均小于1), 表明湘潭市冬季PM2.5污染以燃煤源排放为主。     

基于EMI 观测的珠三角地区对流层NO2 柱浓度时空变化特征分析

珠三角城市群作为我国最具发展活力的都市经济圈之一, 近年来经济发展势头迅猛, 但与此同时, 珠三角地区 大气污染问题也引起了广泛关注。在众多大气污染监测手段中, 卫星遥感方法具有观测范围广、观测种类多、可长 期连续观测、成本低等优点。 EMI (Environmental trace gases monitoring instrument) 是我国首台星载大气监测光谱仪, 于 2018 年 5 月 9 日搭载于高分五号 (GF-5) 卫星发射运行, 已广泛应用于中国和全球众多区域的大气污染物空间分布 与时间变化监测, 对于我国卫星高光谱遥感反演算法的研发和大气污染防治具有重要意义。本文基于 EMI 遥感数据 和中国科大的卫星遥感产品, 分析了珠三角地区 2019 年 1–8 月期间对流层 NO2 柱浓度时空变化特征。结果表明: (1) 在 2019 年 1–8 月期间, 珠三角地区对流层 NO2 柱浓度整体呈现“内凹型”特征, 表现为 1–6 月呈下降趋势, 7–8 月呈上 升趋势; (2) 珠三角地区的主要 NO2 污染重心集中在佛山市中部, 以及珠江入海口沿海海岸, 在 1–8 月期间, NO2 污染 源重心不断由佛山市中部向深圳及香港特区方向移动; (3) 珠三角地区对流层 NO2 柱浓度分布与城市的经济状况、产 业结构、常住人口数量及机动车保有量具有一定的相关关系, 其中, 城市的整体经济状况与第二产业占比对于其对流 层 NO2 柱浓度影响较大, 因此各地在大气污染防治中需注意当地经济状况的发展及产业结构的持续优化。     

北京市交通环境大气氨污染水平分析

机动车作为大气PM2.5的重要污染源,其运行产生的氨气(NH3)能与大气中的酸性气体相结合,形成二次污染物。为掌握北京市交通环境中氨的排放情况,探索影响交通环境氨浓度的因素及关系,利用DOAS仪器对交通环境（北航东门天桥下）和城市环境（北京市环境保护监测中心楼顶）NH3的浓度进行持续7个月的观测。结果显示污染物的排放量总体呈现夏季低,春秋季高的特点,交通环境中氨的日平均浓度水平（25.19µg /m3）高于城市环境（15.90µg /m3）。全天浓度变化趋势稳定,均有明显的高峰低谷变化,表明交通污染源对大气氨的贡献较为稳定。从相关性分析可以看出,NH3与PM2.5、NO2、NOx、CO相关性较高,与NO相关性较弱。分析得出3级以上的风有利于氨浓度的快速扩散和降低。对学院路全年各类型机动车排放量和逐小时的排放量进行计算,得到氨排放量主要来自小型客车（汽油）和出租车（汽油）（占97.9%）。     

Science objectives of the ozone monitoring instrument

The Ozone Monitoring Instrument (OMI) flies on NASA's Earth Observing System AURA satellite, launched in July 2004. OMI is an ultraviolet/visible (UV/VIS) nadir solar backscatter spectrometer, which provides nearly global coverage in one day, with a spatial resolution of 13 km/spl times/24 km. Trace gases measured include O/sub 3/, NO/sub 2/, SO/sub 2/, HCHO, BrO, and OClO. In addition OMI measures aerosol characteristics, cloud top heights and cloud coverage, and UV irradiance at the surface. OMI's unique capabilities for measuring important trace gases with daily global coverage and a small footprint will make a major contribution to our understanding of stratospheric and tropospheric chemistry and climate change along with Aura's other three instruments. OMI's high spatial resolution enables detection of air pollution at urban scales. Total Ozone Mapping Spectrometer and differential optical absorption spectroscopy heritage algorithms, as well as new ones developed by the international (Dutch, Finnish, and U.S.) OMI science team, are used to derive OMI's advanced backscatter data products. In addition to providing data for Aura's prime objectives, OMI will provide near-real-time data for operational agencies in Europe and the U.S. Examples of OMI's unique capabilities are presented in this paper.     

河南省PM2.5时空分布特征研究

PM2.5是影响河南省空气质量的首要污染物,秋冬季节灰霾污染严重。为了解河南省PM2.5污染的特征,对河南省的17个城市,运用统计学方法和ARCGIS技术分析其时空分布特征。结果表明：从2015年1月至12月,河南省17个城市日均质量浓度达标天数比例为57.16%,冬季整体污染严重,超标天数比例为73.68%,春季超标天数比例为44.37%,秋季超标天数比例为34.52%,夏季超标天数比例为20.08%。在去除气象记录的空气质量重污染日之后,周末的PM2.5平均值比工作日高 8.04%,表现出“逆周末效应”。PM2.5/PM10值在0.50~0.65之间,且PM2.5与SO2相关性较高,表明河南省受传统煤烟型污染影响较大,粗粒子污染明显。 PM2.5与PM10、SO2、NO2均呈现显著的相关性,说明河南省的污染主要是由燃煤及机动车尾气造成。由于温度及光照变化的影响,河南省PM2.5与O3在不同季节呈现显著差异,其在冬季和秋季的相关性分别为-0.315(p=0.05)、-0.353(p=0.05),而在夏季的相关性为0.496(p=0.01),春季为0.003。