北京及周边地区黑碳气溶胶污染特征及其减排效果评估

来源 :南京信息工程大学 | 被引量 : 0次 | 上传用户:zolono188
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
基于近年来国内外黑碳气溶胶研究成果,本研究利用2013至2015年北京城区黑碳气溶胶和PM2.5等大气污染物观测资料,讨论黑碳气溶胶质量浓度及其在PM2.5质量浓度中所占比例(下文简称“黑碳占比”)的季节、日变化特征;结合常规地面气象要素观测资料、ECMWF边界层高度再分析资料和FNL/NCEP不同高度风场再分析资料,计算北京城区黑碳气溶胶浓度与大气风场的相关矢量,探讨气象条件对北京城区黑碳浓度变化的影响;基于空气质量模式WRF-Chem,结合清华大学2012年高分辨率污染物排放源清单,选取2015年1月13-16日京津冀地区发生的一次重霾污染过程,分析本次重污染过程北京城区PM2.5质量浓度变化特征,探究本次重污染过程中区域黑碳排放对京津冀地区PM2.5质量浓度的贡献,设计京津冀地区不同区域、不同黑碳减排启动时间的敏感性模拟方案,评估京津冀地区黑碳气溶胶减排对北京地区PM2.5控制效果,为建立黑碳气溶胶及区域霾污染的协同控制和改善方案提供科学建议。主要研究结论如下:  (1)2013至2015年北京城区黑碳气溶胶浓度为(4.77±4.49)μg/m3;黑碳占比为8.23%±5.47%。黑碳浓度和黑碳占比在春、夏季低,秋、冬季高,其日变化基本上在四季均表现出“昼低夜高”的单峰型特征。  (2)北京城区受东北、东北偏东、东南和西南偏西风影响时,黑碳浓度较高(黑碳高浓度的主风向)。主风向条件下,黑碳浓度与风速、边界层高度均呈负相关关系;黑碳浓度随风速和边界层高度变化具有显著的季节特征。  (3)确定了北京城区黑碳气溶胶的周边关键影响区:冬季北京城区黑碳气溶胶高浓度对应时段,周边关键影响区位于河北南部与山东交界地区以及河北西北部与山西内蒙交界地区。  (4)京津冀地区排放的黑碳气溶胶对2015年1月13-16日重污染过程PM2.5质量浓度的贡献明显加大,对北京城区、石家庄、邢台和邯郸地区PM2.5质量浓度的贡献率高达20%。  (5)北京周边地区黑碳减排对降低本次重污染过程峰值日北京城区PM2.5质量浓度有明显效果:周边相同区域进行黑碳气溶胶减排时,污染峰值日当天开始减排对降低北京城区峰值日PM2.5质量浓度的效果最佳;周边区域相同时间启动黑碳气溶胶减排时,廊坊、沧州、衡水以及天津西北部等地区的减排对降低北京城区峰值日PM2.5质量浓度的效果最为突出。  (6)针对不同的重污染过程,在实际减排方案选取时应该参考以下方面:一是黑碳气溶胶排放源区域分布;二是污染过程中京津冀区域风场时间变化。
其他文献
本文根据对孤立子阻塞和偶极子阻塞的界定,利用美国NCEP逐日高度场再分析资料,统计了(1958-1997年)40年间北半球总阻塞、孤立子阻塞和偶极子阻塞的活动规律: 1.地理位置:
本文采用地面高空常规观测资料,以及NCEP全球谱模式资料,利用中尺度数值模式MM5(V3),分别对发生在江苏启东地区的强降水过程和"云娜"台风登陆及降水情况进行数值模拟和诊断分
  本文对2002年7月22日-23日(“02.7”)发生在长江流域的梅雨锋暴雨中尺度对流系统(MCS)发生和发展物理场和环境场作了分析。应用的资料包括NCEP的GRIB(1°x1°)资料,每小时
十年前,我还在一个小站当检车员,因为发表了几篇小散文,段党办就给了我一个去学新闻写作的机会。在那次学习会上,我问上课的老师,记者和特约记者谁大?老师笑了笑,讲了一个故
数值天气预报是现代天气预报的重要手段,中尺度模式MM5在很多气象台得到了广泛应用,随着中国多普勒天气雷达的普及,如何在数值预报模式中使用雷达资料以提高对中小尺度天气现
CCTV证券资讯频道于2006年4月18日开播以来,已经走过了7个年头。作为专业财经付费电视频道,CCTV证券资讯频道具有专业化付费频道的显著特点,但也存在与理想状态不完全吻合的
时间:5月12日-5月15日地点:南昌国际展览中心2017年中国(南昌)国际茶业博览会CHINA(NANCHANG)INTERNATIONAL TEA EXPO江西茶香天下支持单位:江西省人民政府主办单位:中国茶叶
文中首先定义了夏季索马里急流(SSMJ)的建立指数,确定了1948-2002年的SSMJ建立日期,并以此为基础研究了SSMJ建立过程,然后进一步分析了前冬海陆热力和冬季风异常对其建立的影
本文利用1952年至2003年澳门气温及降水资料,以及美国国家气候和环境预报中心(NCEP)再分析资料,采用统计诊断方法,分析和探讨了东亚冬季风异常与澳门气候变化的关联以及前者影响
研究蒸散时空变化格局并辨识其驱动因子,是全面认识区域水文过程及其对气候变化响应的重要途径。基于多源数据和多种模型模拟青藏高原蒸散变化,分析其气候归因具有重要的科学意