检索结果-南通市图书馆

东亚春季典型天气过程空气污染输送特征的数值模拟研究

在线全文

学校读者我要写书评

暂无评论

东亚春季典型天气过程空气污染输送特征的数值模拟研究

作者：程念亮中国环境科学研究院

学位级别：硕士

近年来,我国大陆地区特别是东部沿海地区经济飞速发展,城市化进程的加快和过度依赖能源、资源的经济发展模式导致大量污染物排放到大气中,大气污染严重。改善大气环境质量必须考虑区域间的输送和影响。空气质量模型作为一种极其有效的... 详细信息

近年来,我国大陆地区特别是东部沿海地区经济飞速发展,城市化进程的加快和过度依赖能源、资源的经济发展模式导致大量污染物排放到大气中,大气污染严重。改善大气环境质量必须考虑区域间的输送和影响。空气质量模型作为一种极其有效的研究工具,被广泛应用于区域大气污染的研究中,本文用SMOKE/WRF/CMAQ模式系统模拟分析东亚区域主要大气污染物空间分布特征、输送转化和来源解析规律特别是天气过程对空气质量的影响,主要结论如下： 1通过与站点、航测、船测三维立体观测数据的对比可以看出CMAQ模式系统能较好地模拟大气污染物的空间分布,特别是典型气象条件（强冷锋过程）对污染物输送的影响。 2水平方向上污染物呈现出明显的季节分布,垂直方向上随着高度的增加污染物浓度呈下降趋势;纬向大气污染物浓度的水平分布与污染源所在的位置分布有较好的对应,大气污染物浓度由城市郊区向市中心逐渐增大;经向污染物浓度垂直分布呈现明显的区域性特征,主要与污染源排放有关;近地面污染物浓度垂直分布还呈现出一定的日变化特征。 3冷锋前后长岛、洪泽湖站点污染物浓度呈现先上升后下降又上升的现象。冷锋前出现一条高浓度污染带,锋前对流可将污染物抬升至800-500hPa高度,污染物沿高度向高纬度倾斜,垂直方向上污染物在对流层中层快速向西太平洋输送,中纬度暖输送带气流对空气污染物长距离输送的有着重要影响。 4冷锋过境时大风对污染物有明显的清除作用。冷锋对长岛站点φ（S02）、φ（O3）、φ（NOx）、ρ（PM2.5）的清除率分别为90.87%、34.10%、50.56%、72.69%,对洪泽湖站点分别为82.53%、50.45%、65.11%、36.80%。冷锋过境后对SO2污染的净化作用最大,最大降幅达90.87%。冷锋过后受高压控制,风速较低,污染物累积,浓度回升。冷锋前后污染物浓度呈先上升后下降又上升的现象。 5冷锋过境前后污染物形成一个“污染物积累—锋前抬升—高空平流输送—锋后大风清除—污染物积累”的循环;大尺度天气系统移动和演变是导致空气质量区域性、过程性特征的主要原因。 6通过后向轨迹聚类及情景模拟分析发现春季我国山东半岛近海污染物主要来自山东省、京津冀、江苏省和辽宁省且随着高度上升来自京津冀地区污染物的分担率及背景、边界条件对污染物贡献率逐渐升高。 7近年来我国城市空气质量逐年好转,日本各站点φ（SO2）与我国SO2排放量相关系数较小且无明显相关关系。

关键词：空气质量冷锋 CMAQ 输送抬升

2014年京津冀地区PM2.5浓度时空分布及来源模拟

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

中国环境科学 2015年第10期35卷 2908-2916页

作者：李珊珊程念亮徐峻聂磊孟凡潘涛唐伟张玉洁北京市环境保护科学研究院国家城市环境污染控制工程技术研究中心北京100037 北京师范大学水科学研究院北京100875 北京市环境保护监测中心北京100048 中国环境科学研究院环境基准与风险评估国家重点实验室北京100012

采用模式（CAMx）模拟与污染物、气象观测资料相结合的方式,分析了2014年京津冀地区PM2.5时空分布及来源特征.结果表明：PM2.5具有较为明显的时间变化规律,呈秋冬高、春夏低的规律和双峰型分布的日变化特征;重污染日PM2.5高浓度（PM2.5... 详细信息

采用模式（CAMx）模拟与污染物、气象观测资料相结合的方式,分析了2014年京津冀地区PM2.5时空分布及来源特征.结果表明：PM2.5具有较为明显的时间变化规律,呈秋冬高、春夏低的规律和双峰型分布的日变化特征;重污染日PM2.5高浓度（PM2.5〉150μg/m3）主要分布在太行山前的华北平原区,特别是北京、保定、石家庄一线,而太行山、燕山等西部及北部山区PM2.5浓度明显低于平原区;重污染日京津冀地区PM2.5平均浓度在150μg/m3以上的面积约占总面积的73%;重污染日北京、天津、石家庄市的PM2.5外来输送率分别为58%、54%、39%;2014年10月6～12日京津冀地区发生的一次重污染过程中污染物由南向北输送,区域输送对于各地区PM2.5浓度有着十分重要的影响.

关键词：重污染空间分布区域输送 PM2.5 京津冀地区

基于matlab北京市PM2．5动态分区统计预报模型的开发

在线全文

学校读者我要写书评

暂无评论

环境工程学报 2015年第10期9卷 4965-4970页

作者：程念亮李军杰李云婷孙峰北京师范大学水科学研究院北京100875 北京市环境保护监测中心北京100048 河南城建学院平顶山467000

基于matlab建立了北京市PM2.5动态分区统计模型，并用于预测2013年北京市不同地区PM2．5的浓度水平和变化趋势，结果表明，预测结果与实测值相关系数R在0．7以上，标准化平均偏差为-7．1％～8．7％，标准化平均误差为33％～40％，模型... 详细信息

基于matlab建立了北京市PM2.5动态分区统计模型，并用于预测2013年北京市不同地区PM2．5的浓度水平和变化趋势，结果表明，预测结果与实测值相关系数R在0．7以上，标准化平均偏差为-7．1％～8．7％，标准化平均误差为33％～40％，模型略为低估PM2．5浓度水平；该模型对北京市2013年58d重污染日24h临近预报的结果明显好于48h和72h的预报结果，对重污染日空气质量等级判别率都在65％以上；更新后的统计模型能够较好捕捉2014年一次重污染过程中不同地区PM2．5浓度的时间变化，可以应用于北京市空气质量预报；在此基础上设计开发了北京市动态分区统计模型界面系统。

关键词：污染预报动态统计预报模型 PM2.5

利用源示踪技术计算日本和韩国低层大气SO_2和PSO_4来源

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

环境科学研究 2014年第6期27卷 582-588页

作者：王继康徐峻何友江程念亮孟凡中国环境科学研究院环境基准与风险评估国家重点实验室北京100012 北京市环境保护监测中心北京100048

利用区域空气质量模式CAMx中的PAST(源示踪技术)对2010年东亚地区的总硫(SO2+PSO4)的源-受体关系进行了模拟计算.模拟区域内共设定43个源区,其中在中国领土范围内设定了33个源区.在源-受体关系计算中,将日本本岛分为北部、中部和南部三... 详细信息

利用区域空气质量模式CAMx中的PAST(源示踪技术)对2010年东亚地区的总硫(SO2+PSO4)的源-受体关系进行了模拟计算.模拟区域内共设定43个源区,其中在中国领土范围内设定了33个源区.在源-受体关系计算中,将日本本岛分为北部、中部和南部三部分,分别设为受体区域,同时还将远离陆地的海洋背景点冲绳和韩国济州岛设为受体点.模拟结果表明,日本本岛北部、中部和南部的总硫来源存在一定的差异:日本本国的贡献率分别为73.8%、77.1%和65.9%,中国的贡献率分别为23.5%、20.2%和25.8%.韩国本土总硫的本国贡献率为67.8%,中国的贡献率为27.2%.对韩国济州岛和日本冲绳而言,二者总硫的本国贡献率均为26.0%,远低于日、韩两国的其他地区,不能代表国家间跨界输送的总体状况.受体区域跨界输送的总硫季节变化明显,而且各区域的变化趋势也并不一致,其中日本南部地区和韩国本土1月最强,7月最弱;日本北部和中部地区在4月最强,1月最弱.跨界传输的总硫对日本和韩国总硫贡献量小于2.5μg/m3.对于日、韩两国影响较大的中国源区主要为山东、河北、江苏、辽宁等地,各源区对于日、韩总硫贡献量的季节变化明显.东亚地区低空总硫的传输通量空间分布与利用CAMx模拟的2010年日本和韩国总硫的源-受体关系结果相一致.

关键词：硫源与受体关系东亚地区数值模拟 CAMx

2014年10月太原市一次空气重污染过程分析

在线全文

学校读者我要写书评

暂无评论

环境科学学报 2015年第12期35卷 4071-4080页

作者：程兵芬韩丽程念亮罗锦洪韩锋山西省环境规划院太原030002 北京市环境保护监测中心北京100048 太原理工大学太原030024

采用数值模拟(CAMx)与污染物、气象观测资料相结合的方式,对太原市及周边区域2014年10月6—12日一次典型空气重污染过程的大气环境背景、气象条件和形成原因进行了分析.结果表明:2014年10月8—10日太原ρ(PM_(2.5))日均值平均为175μg·... 详细信息

采用数值模拟(CAMx)与污染物、气象观测资料相结合的方式,对太原市及周边区域2014年10月6—12日一次典型空气重污染过程的大气环境背景、气象条件和形成原因进行了分析.结果表明:2014年10月8—10日太原ρ(PM_(2.5))日均值平均为175μg·m^(-3),太原城区约1460km^2的国土面积处于重度污染(ρ(PM_(2.5))>150μg·m^(-3))之下,而京津冀约20×104km2的国土面积达到重度污染水平;区域稳定的气象条件是形成重污染的主要原因,重污染过程中大气层结稳定,逆温明显(2.14℃/100m)、风速小(1.91 m·s^(-1))、湿度大(68.13%)、负变压(-0.74 h Pa)、正变温(0.92℃).模拟结果显示,8—10日重污染期间区域输送对太原PM_(2.5)的贡献率在17%~24%之间,太原市PM_(2.5)浓度以本地贡献为主;估算的2014年太原城区PM_(2.5)排放量是其大气环境容量的1.4倍,重污染期间大气环境容量的大幅降低又加剧了空气污染的程度.

关键词： PM_2.5 重污染太原区域输送

2015年北京市两次红色预警期间PM_(2.5)浓度特征

在线全文

学校读者我要写书评

暂无评论

环境科学 2016年第7期37卷 2409-2418页

作者：程念亮张大伟陈添石爱军孙峰刘保献邹本东王琴李倩王小菊姜磊孟凡北京市环境保护监测中心大气颗粒物监测技术北京市重点实验室北京100048 北京师范大学水科学研究院北京100875 中国环境科学研究院北京100012 北京市环境保护局北京100048

利用北京市及周边地区大气污染物监测数据,综合分析了2015年北京市两次空气重污染红色预警期间PM_(2.5)浓度变化特征并初步评估了减排措施对PM_(2.5)浓度的影响.结果表明:第1次红色预警期间,北京市PM_(2.5)平均最高小时浓度出现在12月9... 详细信息

利用北京市及周边地区大气污染物监测数据,综合分析了2015年北京市两次空气重污染红色预警期间PM_(2.5)浓度变化特征并初步评估了减排措施对PM_(2.5)浓度的影响.结果表明:第1次红色预警期间,北京市PM_(2.5)平均最高小时浓度出现在12月9日19:00,为282μg·m^(-3),单站最高小时值出现在京东南市界永乐店站,浓度达496μg·m^(-3).第2次红色预警期间,PM_(2.5)全市平均最高小时浓度出现在12月22日20:00,为421μg·m^(-3);单站最高小时值出现在京西南市界琉璃河站,浓度达831μg·m^(-3).两次红色预警累积持续时间均呈现出南部站>城区站>北部站的特征,且第2次红色预警期间PM_(2.5)浓度南北差异明显大于第1次,PM_(2.5)平均浓度在150μg·m^(-3)以上的面积明显大于第1次,第2次红色预警期间重污染面积可达总面积的93%.两次预警期间气象条件均不利于污染物的扩散,均存在不同程度的二次转化和区域输送现象,极端气象条件是重污染形成的外因,区域污染物排放量大才是导致重污染形成的内因.初步评估结果显示红色预警应急措施实施后,北京市PM_(2.5)环境浓度下降约20%~25%,减排效果显著.

关键词： PM2.5 北京减排红色预警重污染

2014年北京市城区臭氧超标日浓度特征及与气象条件的关系

在线全文

学校读者我要写书评

暂无评论

环境科学 2016年第6期37卷 2041-2051页

作者：程念亮李云婷张大伟陈添王欣郇宁陈晨孟凡北京市环境保护监测中心大气颗粒物监测技术北京市重点实验室北京100048 北京师范大学水科学研究院北京100875 中国环境科学研究院北京100012 北京市环境保护局北京100048

根据2014年1~12月北京市环境保护监测中心监测的O_3浓度数据,综合探讨了北京市O_3的时空分布及与其气象条件的关系.结果表明:2014年北京市全年O_3小时平均浓度约为56.18μg·m^(-3),O_3超标日小时平均浓度约为148.05μg·m^(-3)且超标... 详细信息

根据2014年1~12月北京市环境保护监测中心监测的O_3浓度数据,综合探讨了北京市O_3的时空分布及与其气象条件的关系.结果表明:2014年北京市全年O_3小时平均浓度约为56.18μg·m^(-3),O_3超标日小时平均浓度约为148.05μg·m^(-3)且超标日主要集中在5~9月;超标日O_3日变化呈现单峰型分布,06:00或07:00为低谷,15:00、16:00左右达到峰值;超标日O_3浓度在09:00~23:00明显高于夏季同时间段浓度平均;空间分布上中心城区站点O_3浓度相对较低,而城区西部植物园站点浓度最高;统计的2014年北京市O_3超标日地面形势场3种类型高压类、低压类、均压类各占16%、36%、48%;超标日O_3浓度与气压、湿度、能见度呈负相关关系,与风速、温度呈正相关关系;2014年5月29日~6月1日北京市发生的一次O_3重污染过程是由本地光化学污染及区域输送造成的,区域输送对北京市O_3浓度有着十分重要的影响.

关键词：臭氧空间分布光化学污染北京天气型

2014年10月北京市4次典型空气重污染过程成因分析

在线全文

学校读者我要写书评

暂无评论

环境科学研究 2015年第2期28卷 163-170页

作者：程念亮李云婷张大伟陈添徐文帅孙峰董欣北京市环境保护监测中心北京100048 北京市环境保护局北京100048

采用数值模拟与观测资料相结合的方式,对2014年10月北京市4次典型空气重污染过程的大气环境背景、气象条件和形成原因进行了分析.结果表明,京津冀区域稳定的气象条件是形成空气重污染的主要原因,4次重污染过程大气条件均不利于污染物扩... 详细信息

采用数值模拟与观测资料相结合的方式,对2014年10月北京市4次典型空气重污染过程的大气环境背景、气象条件和形成原因进行了分析.结果表明,京津冀区域稳定的气象条件是形成空气重污染的主要原因,4次重污染过程大气条件均不利于污染物扩散,表现为大气层结稳定,近地层逆温（平均逆温强度为2.26℃/100 m）明显,风速（平均值为1.52 m/s）小,相对湿度（平均值为80.75%）大.在4次重污染过程中8—11日污染最重,ρ（Pm^2.5）日均值平均为264μg/m^3,并且区域输送对北京贡献率最大,平均值为63.75%;24—25日污染程度次之,逆温最强,逆温强度达5.94℃/100 m;18—20日重污染中北京ρ（Pm^2.5）高值（〉200μg/m^3）区主要集中在该市西北部地区;30—31日污染相对较轻,ρ（Pm^2.5）日均值最高只有154μg/m^3.数值模拟表明,在4次典型重污染过程中,来自南方（包括河北、河南和山西西部等地）的外来污染物输送对北京Pm^2.5贡献较大,外来贡献率分别在42.36%-69.12%之间,同时北京本地也存在较强的二次无机盐及有机物转化过程.

关键词：重污染成因逆温区域输送

2014年APEC期间北京市空气质量改善分析

在线全文

学校读者我要写书评

暂无评论

环境科学 2016年第1期37卷 66-73页

作者：程念亮李云婷张大伟陈添孙峰李令军李金香周一鸣杨妍妍姜磊北京市环境保护监测中心北京100048 北京师范大学水科学研究院北京100875 中国环境科学研究院北京100012 北京市环境保护局北京100048

利用2014年11月1~12日(APEC会议期间)北京市大气污染物、PM_(2.5)组分及气象、遥感监测数据,结合CMB受体模型,综合分析了APEC会议期间北京市空气质量与气象条件变化并初步评估了减排措施对APEC会议期间PM_(2.5)浓度的贡献及影响.结果表... 详细信息

利用2014年11月1~12日(APEC会议期间)北京市大气污染物、PM_(2.5)组分及气象、遥感监测数据,结合CMB受体模型,综合分析了APEC会议期间北京市空气质量与气象条件变化并初步评估了减排措施对APEC会议期间PM_(2.5)浓度的贡献及影响.结果表明,APEC会议期间北京市PM_(2.5)、PM_(10)、SO_2、NO_2的浓度分别为43、62、8和46μg·m^(-3),比近5年平均浓度(PM_(2.5)为2012~2013年平均浓度)降低45%、43%、64%和31%;空间分布上PM_(2.5)在城区及北部山区改善效果最明显,下降幅度在30%~45%之间,南部地区降幅在25%以下;不同类别的站点降幅在27.4%~35.5%之间;APEC会议期间PM_(2.5)的主要组分SO_4^(2-)与同期(2013年11月1~12日)相比下降50%,地壳物质同比下降76%,NO_3^-同比下降35%;CMB模型源解析结果显示APEC会议期间燃煤锅炉贡献2%左右,扬尘贡献7%左右,机动车贡献30%左右;APEC会议期间北京市及周边地区针对可能发生的污染过程采取的减排保障措施对PM_(2.5)浓度具有明显的削峰降速作用.

关键词： APEC PM2.5 北京减排 CMB