地面观测提供空间点的浓度信息,三维化学模式提供网格面的浓度信息,两者在进行对比验证或同化融合时会因为空间尺度不匹配引入误差,即观测代表性误差。本研究将大气污染地面国控监测站与区县监测站结合起来,获得了京津冀地区高密度地面...地面观测提供空间点的浓度信息,三维化学模式提供网格面的浓度信息,两者在进行对比验证或同化融合时会因为空间尺度不匹配引入误差,即观测代表性误差。本研究将大气污染地面国控监测站与区县监测站结合起来,获得了京津冀地区高密度地面观测数据,利用该数据首次对京津冀地区6项常规大气污染物(PM_(2.5)、PM_(10)、SO_2、NO_2、CO和O_3)的地面观测代表性误差进行了客观估计,并与Elbern et al.(2007)方法估计的代表性误差进行了对比。结果发现:两种方法对京津冀地区NO_2地面观测代表性误差估计非常接近,但Elbern et al.(2007)方法显著低估了SO_2、CO和O_3地面观测的代表性误差。在此基础上,我们对Elbern et al.(2007)方法及其误差特征参数进行了本地化修正,并增加了PM_(2.5)和PM_(10)的代表性误差特征参数,建立了京津冀大气污染地面观测代表性误差的客观估计方法。展开更多
高浓度的近地面臭氧一直是北京夏季面临的主要污染问题,本文利用自主发展的空气质量数值模式WRF-NAQPMS(Weather Research and Forecasting Model-Nested Air Quality Prediction Modelling System)以及生物源排放模式MEGAN(Model of Em...高浓度的近地面臭氧一直是北京夏季面临的主要污染问题,本文利用自主发展的空气质量数值模式WRF-NAQPMS(Weather Research and Forecasting Model-Nested Air Quality Prediction Modelling System)以及生物源排放模式MEGAN(Model of Emission of Gases and Aerosols from Nature),数值模拟了2017年6月华北区域臭氧的时空分布,评估了生物源排放可挥发有机物对臭氧的影响,并对北京臭氧的关键源区和形成时间进行量化解析.结果发现:NAQPMS(Nested Air Quality Prediction Modelling System)模式合理再现了北京及其周边臭氧的时空演变规律,特别是生物源的加入有效改善臭氧浓度的模拟效果.生物源对北京6月臭氧浓度月均值的贡献为4%~6%,对最大1小时浓度的贡献最高可达8%以上.源解析结果发现,本地当天排放的臭氧前体物对北京城区浓度影响最大,对最大1小时浓度和8小时移动平均浓度的贡献达到50.2%和45.4%,远高于1~2天前排放污染物的影响.河北对北京的影响主要集中在当天和1天前排放的污染物,对最大1小时浓度的贡献分别为7.9%和6.5%.河南和山东对北京城区最大1小时浓度的贡献较小,分别为2.4%和3.7%,且主要为1~2天前排放的污染物在区域输送过程中的化学反应所贡献.对于北京区域平均来讲,本地的贡献率较城区明显偏小,河北的贡献显著增加,这也说明北京市臭氧来源的空间不均匀性较大.北京地区生成的臭氧沿怀柔区向北输送,到达承德市西侧,对月均值的贡献达到20~30 μg·m^-3.展开更多
文摘地面观测提供空间点的浓度信息,三维化学模式提供网格面的浓度信息,两者在进行对比验证或同化融合时会因为空间尺度不匹配引入误差,即观测代表性误差。本研究将大气污染地面国控监测站与区县监测站结合起来,获得了京津冀地区高密度地面观测数据,利用该数据首次对京津冀地区6项常规大气污染物(PM_(2.5)、PM_(10)、SO_2、NO_2、CO和O_3)的地面观测代表性误差进行了客观估计,并与Elbern et al.(2007)方法估计的代表性误差进行了对比。结果发现:两种方法对京津冀地区NO_2地面观测代表性误差估计非常接近,但Elbern et al.(2007)方法显著低估了SO_2、CO和O_3地面观测的代表性误差。在此基础上,我们对Elbern et al.(2007)方法及其误差特征参数进行了本地化修正,并增加了PM_(2.5)和PM_(10)的代表性误差特征参数,建立了京津冀大气污染地面观测代表性误差的客观估计方法。
文摘高浓度的近地面臭氧一直是北京夏季面临的主要污染问题,本文利用自主发展的空气质量数值模式WRF-NAQPMS(Weather Research and Forecasting Model-Nested Air Quality Prediction Modelling System)以及生物源排放模式MEGAN(Model of Emission of Gases and Aerosols from Nature),数值模拟了2017年6月华北区域臭氧的时空分布,评估了生物源排放可挥发有机物对臭氧的影响,并对北京臭氧的关键源区和形成时间进行量化解析.结果发现:NAQPMS(Nested Air Quality Prediction Modelling System)模式合理再现了北京及其周边臭氧的时空演变规律,特别是生物源的加入有效改善臭氧浓度的模拟效果.生物源对北京6月臭氧浓度月均值的贡献为4%~6%,对最大1小时浓度的贡献最高可达8%以上.源解析结果发现,本地当天排放的臭氧前体物对北京城区浓度影响最大,对最大1小时浓度和8小时移动平均浓度的贡献达到50.2%和45.4%,远高于1~2天前排放污染物的影响.河北对北京的影响主要集中在当天和1天前排放的污染物,对最大1小时浓度的贡献分别为7.9%和6.5%.河南和山东对北京城区最大1小时浓度的贡献较小,分别为2.4%和3.7%,且主要为1~2天前排放的污染物在区域输送过程中的化学反应所贡献.对于北京区域平均来讲,本地的贡献率较城区明显偏小,河北的贡献显著增加,这也说明北京市臭氧来源的空间不均匀性较大.北京地区生成的臭氧沿怀柔区向北输送,到达承德市西侧,对月均值的贡献达到20~30 μg·m^-3.
