首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到19条相似文献，搜索用时 140 毫秒
1.
利用北京325 m气象塔上安装的7层CO2涡动相关系统在2014年12月到2015年11月的观测资料,分析了北京城区不同高度上CO2浓度、通量时空分布及湍流谱的特征。结果表明:城市CO2浓度日变化除了冬季都呈现双峰型,冬季由于人为碳源排放的大幅增加,双峰型不明显。每层的CO2浓度、通量都有明显的季节变化:冬季最高,春末、夏季最低。CO2浓度整体随高度的增加而降低。北京城区是CO2源,CO2通量的日变化不如CO2浓度日变化规律明显。CO2通量在47 m以下为负,47 m以上为正。通量在140 m以下随高度的增加而增加;140m以上随高度的增加而减少。根据对CO2时空分布的分析可知:边界层CO2浓度、通量强烈受到碳源、下垫面植被、大气稳定度、环境温度和天气过程等因素的影响。各变量谱与Kaimal等的研究结果接近:归一化速度谱和CO2谱在惯性子区有－2/3的斜率,在低频区与稳定度参数（Z/L）有一定的关系。这说明复杂地形的城市下垫面的湍流谱结构与平坦地形相比没有太大的实质性差异。  相似文献   

2.
利用光腔衰荡光谱(CRDS)技术在线观测了广州番禺大气成分站(GPACS)的大气CO2浓度特征,分析了地面风对CO2的作用。结果表明：(1)大气CO2在珠江三角洲地区存在明显的地域不均匀特征,2014—2016年期间GPACS的年均本底浓度比全球背景地区平均增加了22.5×10-6(22.5 ppm);(2)大气CO2浓度在春季最高,冬、秋季次之,夏季最低,年均值为426.64±15.76 ppm;(3) CO2的日变化为双峰结构,峰值分别在05:00—07:00和21:00—22:00,谷值在13:00—15:00,表明受到了自然过程以及人为排放源的复合影响;(4)风场显著影响CO2的浓度分布,春、夏季CO2浓度距平日变化与地面风速为显著负相关,秋、冬季则为显著正相关。在春、夏季,S-WSW和NNE-N风向上CO2浓度较低,在秋、冬季,SSE-S和N方向均导致CO2浓...  相似文献   

3.
基于典型城市站太原站2018年3月—2019年2月的大气CO2在线观测资料,利用筛分法(Meteorological filtering method, MET)和黑碳示踪法(Black Carbon tracer, BC)进行本底/非本底的筛分,得到了本底浓度的变化特征。结果表明,太原大气CO2浓度季均值冬季最高,夏季最低;不同季节呈“单峰型”日变化特征,日振幅均在26.0×10-6以上;4个季节CO2浓度与地面风速存在显著负相关关系;CO2浓度抬升区域主要受当地工业布局的影响,最大抬升幅度在秋季达17.4×10-6;使用气象筛分法(MET)得到年均本底浓度为(431.4±19.9)×10-6,人为排放等对其影响为23.5×10-6,年振幅比同纬度其它本底站大,为34.5×10-6;黑碳示踪法(BC)得到冬季季均本底浓度为(445.0±22.9)×10-6,比MET筛...  相似文献   

4.
利用2013-2019年银川市主要污染物浓度数据,分析了近年来银川市主要污染物浓度变化特征,并运用主成分分析法对主要污染物之间的关系进行研究。结果表明：近年来银川市主要污染物浓度除O3逐年呈上升趋势外,其他均呈下降趋势;市区站O3浓度较郊区背景站低,其他污染物市区较郊区背景站高;市区站PM10和PM2.5浓度超国家二级标准;除O3浓度夏季高,冬季低外,其他污染物冬季高,夏季低;CO、NO2、PM10、PM2.5浓度呈"双峰型"日变化特征,O3和SO2呈"单峰型"日变化特征。银川市主要污染物NO2浓度与CO和O3相关性显著,PM10和PM2.5之间相关性显著;污染物第一主成分是NO2、CO和O3,方差贡献率达到50%以上,加之银川市O3浓度逐年呈升高趋势,表明近年来银川市大气光化学污染增加。  相似文献   

5.
卫星短波红外CO2遥感获得大气低层CO2浓度信息,已成为目前国际热点研究领域。结合气候变化及碳源、汇观测需求,利用高精度大气辐射传输模式研究了高光谱分辨率、高精度CO2探测目标的可实现性。针对高光谱CO2探测器光栅分光、阵列探测器特点,分析了光谱分辨率、光谱采样率等关键技术指标对CO2探测的可能影响;基于辐射敏感度因子分析了不同探测精度要求下的信噪比需求。结果表明:高光谱CO2探测器首先应具有足够高的光谱分辨率,以便从太阳反射连续谱段中分辨出CO2吸收线;为保证CO2光谱的准确性,光谱仪所用探测器面元应该保证光谱采样率大于2;尽管探测边界层内CO2浓度1%变化所要求的信噪比难以达到,但探测整层大气CO2浓度1%的变化所需要的信噪比是可以实现的。  相似文献   

6.
净生态系统碳通量(NEE)的计算对于准确模拟区域碳通量和大气CO2浓度的时空变化至关重要。本文利用中尺度大气-温室气体耦合模式WRF-GHG(Weather Research and Forecasting Model with Greenhouse Gases Module),对2010年7月28日至2010年8月2日期间影响长江三角洲地区大气CO2浓度及时空分布的各种过程进行了详尽模拟。结果表明,植被光合呼吸模型(VPRM)能模拟不同植被下垫面NEE的日变化;WRF-GHG模拟的大气CO2浓度日变化与观测相吻合,但低估了大气CO2浓度5~15 ppm(ppm表示10-6),这可能与人为排放源的低估、VPRM参数的不确定性以及气象场模拟的不准确性有关。太湖和植被覆盖较好的地区如浙江北部山区是该地区的主要碳汇,而城市为CO2的主要排放源。太湖和陆地生态系统对区域内碳循环起到一定的调节作用,减缓区域大气CO2浓度的升高。此外,局地气象条件如湖陆风对太湖周边地区大气CO2浓度有显著影响。  相似文献   

7.
利用位于上海中心城区徐家汇站的涡动相关湍流通量资料,对该区域2012年12月至2013年11月二氧化碳（CO2）通量的时间变化、空间分布特征、年总排放量进行分析。结果表明：中心城区徐家汇为CO2通量的源区,CO2通量的日变化呈现与交通流量相对应的双峰现象,冬季的通量值普遍小于其他季节,尤其在早高峰时段更为明显。节假日CO2通量的早高峰效应并不明显,其峰值明显低于工作日,且有滞后的趋势。各方向CO2通量大小与其周边下垫面情况密切相关,夏季白天在商业建筑密集区和主要道路处,CO2通量明显高于其他季节。上海中心城区CO2通量的年总排放量为44.5 kg/（m2·a）,高于国内外其他城市的市中心或高密度住宅区的数值,这主要和观测时段相对偏晚、植被覆盖率偏低、周边高层建筑和主干道偏多有关。  相似文献   

8.
利用成都市城区2015年12月~2019年12月污染物浓度及气象资料,对PM10、PM2.5、CO、O3、 SO2、NO2六种大气污染物浓度变化特征以及与气象要素之间的相关性进行分析。结果表明:2016~2019年成都市空气质量冬季最差,秋季最好,年内整体以良为主,重度污染和严重污染的天气较少出现,空气质量逐年变好;主要污染物浓度除O3外在冬季最高,夏季最低,春秋两季相差不大,O3浓度变化则相反;主要污染物的日变化特征也较为明显。空气质量综合指数、PM10、PM2.5、CO、NO2浓度与气温和降水存在显著负相关性,与气压存在显著正相关性,还与相对湿度呈不同程度的负相关,但与风速相关性不显著;O3浓度不仅与风速、气温和降水存在显著的正相关,还与气压呈显著的负相关,却与相对湿度的负相关性不显著。   相似文献   

9.
我国温室气体本底浓度网络化观测的初步结果   总被引：9，自引：0，他引：9       下载免费PDF全文
CO2和CH4是《京都议定书》限排的主要温室气体。自1990年以来的长期观测表明, 我国青海瓦里关全球本底站大气CO2和CH4浓度与北半球中纬度地区其他一些本底站的同期观测结果具有可比性, 观测数据已成为WMO全球温室气体公报及国内外有关评估报告的重要参考依据; 我国4个区域本底站过去一年来的采样分析结果显示:北京上甸子、浙江临安、黑龙江龙凤山、湖北金沙大气CO2和CH4浓度明显高于同期瓦里关站的观测值, 表明4个区域站大气CO2和CH4受自然及人为活动的影响较大。迄今为止, 国内相关部门通过多种方式开展了温室气体浓度长期观测或短期科研, 各具优势和特点, 但力量相对分散、观测站稀少、侧重点和目标各异。为了全面掌握我国温室气体本底浓度时空变化, 了解不同区域大气受自然和人为活动影响的程度, 亟需相关部门分工协作、优势互补、资源共享, 尽快推进我国温室气体及相关微量成分的网络化观测分析和源汇反演模式系统建设, 进而测算、验证不同区域温室气体排放源和吸收汇的动态变化, 分析、评估各区域之间的输送和影响, 为我国应对气候变化的内政、外交提供决策支持。  相似文献   

10.
利用上海郊区奉贤的涡动相关通量观测资料,对2015年9月至2016年8月二氧化碳(CO2)通量的时空分布特征、年总排放量进行了分析。结果表明,上海奉贤春、夏、秋季的9—14时CO2通量几乎全为负值,冬季CO2通量则全天均为正值。奉贤CO2通量没有明显的周末效应。植物光合作用是影响奉贤CO2通量时间变化特征的主要因素。各方向CO2通量大小与其周边下垫面情况密切相关,受植被覆盖影响,绝大部分方向的夏季白天CO2通量明显低于其他季节。奉贤CO2年总排放量为3.83 kg·m-2,明显小于植被覆盖率较低的东京、墨尔本和北京的郊区,也明显小于上海的中心城区。  相似文献   

11.
为研究2012年6月6—15日华东农田秸秆燃烧对江苏省常州市大气环境的可能影响,利用中分辨率成像光谱仪(MODIS)火点探测数据、气溶胶光学厚度(AOD)数据、臭氧监测仪(OMI)的二氧化氮(NO2)柱含量密度、大气红外探空仪(AIRS)的一氧化碳(CO)柱含量密度和地面监测的PM_(2.5)、NO_2、CO浓度等数据,结合天气形势和后向轨迹分析的方法进行了系统的分析。监测数据表明:华东地区2012年6月火点数目分别在9日和13日出现高值,分别达到1714和1654个;AOD、NO_2柱含量密度、CO柱含量密度与火点的变化趋势大致相同。利用HYSPLIT前向轨迹模式和火点分布可知:到达常州的高低空气流均经过火点源区时,地面和大气柱污染物浓度发生显著的协同变化;而当到达常州的高低空气流传输轨迹不同时,地面和大气柱污染物浓度变化趋势不一致。本次常州地区污染事件主要是由山西、河北、河南、山东、安徽、江苏北部的秸秆燃烧排放的大气污染物经大气高空传输扩散所致。  相似文献   

12.
Fine aerosol samples were collected throughout spring, summer, and winter in 2004∼2005 at a major urban traffic junction (BNU) and a suburban location (MY) in Beijing and at a downtown site (SH) in Shanghai, China. Ten of the 16 EPA priority polycyclic aromatic hydrocarbons (PAHs), seven fatty acids, levoglucosan, and cholesterol were identified and quantified. PAHs detected in Beijing and Shanghai were up to one order of magnitude higher than those reported in the developed countries either in urban or suburban areas, while levoglucosan was one order of magnitude lower than that in other countries for no biomass combustion in domestic heating in the mega-cities in China. PAHs showed the same seasonal trend in all sampling sites as the highest in winter and the lowest in summer, while fatty acids no pronounced seasonal variation. A significant fraction of levoglucosan from cooking with higher concentrations in urban than in suburban area contributed to the ambient atmosphere, indicating that the main source of levoglucosan in urban environment would be cooking rather than biomass burning. The relative contributions of coal combustion and vehicle exhaust sources to PAHs in fine aerosols were preliminarily estimated to be 1:2 in Beijing and 1:1 in Shanghai, revealing that the air pollution in these mega-cities in China was mainly the mixing of coal combustion with vehicle exhaust. Cooking was one of the major sources of organic aerosols in both Beijing and Shanghai.  相似文献   

13.
A total of 11 PM2.5 samples were collected from October 2003 to October 2004 at 8 sampling sites in Beijing city. The PM2.5 concentrations are all above the PM2.5 pollution standard （65 μg m^-3） established by Environmental Protection Agency, USA （USEPA） in 1997 except for the Ming Tombs site. PM2.5 concentrations in winter are much higher than in summer. The 16 Polycyclic aromatic hydrocarbons （PAHs） listed as priority pollutants by USEPA in PM2.5 were completely identified and quantified by high performance liquid chromatography （HPLC） with variable wavelength detector （VWD） and fluorescence detector （FLD） employed. The PM2.5 concentrations indicate that the pollution situation is still serious in Beijing. The sum of 16 PAHs concentrations ranged from 22.17 to 5366 ng m^-3. The concentrations of the heavier molecular weight PAHs have a different pollution trend from the lower PAHs. Seasonal variations were mainly attributed to the difference in coal combustion emission and meteorological conditions. The source apportionment analysis suggests that PAHs from PM2.5 in Beijing city mainly come from coal combustion and vehicle exhaust emission. New measures about restricting coal combustion and vehicle exhaust must be established as soon as possible to improve the air pollution situation in Beijing city.  相似文献   

14.
利用多源观测资料综合分析了2015年11月沈阳地区一次PM2.5 重污染天气的气象条件、垂直风场演变、大气边界层特征以及污染物的来源。结果表明:本次重污染过程中,沈阳市区PM2.5浓度长达81h超过250μg · m^-3 ,其中峰值浓度达到1287μg · m^-3 ,重污染期间PM2.5 /PM10 的比例最高为90%。受地面倒槽和黄淮气旋影响,近地面层持续存在的逆温层、高相对湿度和弱偏北风为颗粒物吸湿增长和长时间聚集提供有利的天气条件。风廓线雷达风场资料显示在重污染期间,近地面层存在弱风速区、凌乱风场和弱下沉气流。利用风廓线雷达资料计算了边界层通风量(Ventilation Index,VI)和局地环流指数(Recirculation,R),边界层通风量VI和PM2.5 存在明显的负相关,非污染日VI是重污染日的2倍,局地环流指数R在重污染天气前大于0.9,而在污染期间部分空间R小于0.8。通过后向轨迹模式和火点监测资料分析发现,沈阳上空300m高度气团来自于生物质燃烧区域,而且沈阳地区NO2和CO浓度的变化与PM2.5一致,说明本次重污染过程也可能和生物质燃烧有关。  相似文献   

15.
近些年京津冀地区秋、冬季大气重污染事件频发,工业生产与居民燃煤是大气灰霾污染的重要原因。河北省沙河市是京津冀地区以玻璃制造和加工为主的典型工业城市,本研究选取该城市为研究对象,主要利用2017年1月至12月国控站点的大气环境监测和气象数据,采用扩散模型、潜在源分析等手段,分析了沙河市主要污染物的时空分布特征和污染来源。主要结论有:（1）沙河市首要污染物具有明显季节特征,春季、夏季、秋冬季分别以PM10、O3、PM2.5污染为主,季节贡献率分别为43.3%、72.3%、61.5%。（2）受城市大气边界层和排放的共同影响,PM10、PM2.5、SO2、NO2和CO浓度均有剧烈的季节—日变化特征。（3）冬季东北风时PM2.5、NO2、SO2均展现出高浓度和高相关性特征,表明站点可能受东北方向玻璃企业排放影响。同时,站点可能也受城中村散煤燃烧影响。（4）沙河市冬季PM2.5浓度为143 μg m-3。冬季的一次重污染中硫氧化率SOR、氮氧化率NOR的最高值分别达0.67、0.39,气态污染物的二次转化剧烈,高湿度利于二次粒子的生成。重污染中C(NO3-)/C(SO42-)均值为1.89,推测沙河市NO2主要来自大型运输车辆和企业的共同排放。（5）本地源是沙河市PM2.5的主要潜在源区,周边几个重工业城市也有一定贡献。因此本研究建议沙河市PM2.5的治理除需加强本地污染源的削减和控制外,区域联防联控也十分重要。  相似文献   

16.
利用2015—2019年辽宁城市逐小时地面O3浓度观测数据,结合各城市逐小时气象要素观测数据,分析了辽宁地区近5 a的O3污染状况及影响O3的相关气象条件。结果表明：除环辽东湾部分城市O3浓度呈下降趋势外,辽宁地区其他城市的O3浓度均呈明显的上升趋势,O3正取代PM2.5成为影响辽宁地区的首要大气污染物。O3浓度具有夏季高、冬季低,下午高、早晨低的时间分布特征。除受污染排放源直接影响外,高温、高湿、强辐射、小风和地面低气压都有利于O3的局地生成;在亚洲夏季风的影响下,上游地区（如京津冀地区）的污染气团会随大气环流向东北地区输送,对辽宁地区夏季O3污染产生重要影响。  相似文献   

17.
Qualification of the sources of volatile organic compounds (VOCs) and their effects on city air pollution are crucial issues to develop an effective air pollution control strategy in many polluted large cities of China. In this study, the VOC concentrations measured in Shanghai, China from 2006 to 2008 are analyzed. A receptor model (PCA/APCS; Principal Component Analysis/Absolute Principal Component Scores) is applied for identifying the contributions of individual VOC sources to VOC concentrations. Using the PCA/APCS technique, five and four surrogated VOC sources are classified in the center of Shanghai city in summer and in winter. In summer, the five VOC sources include PCs1 (liquefied petroleum gas/natural gas leakage and gasoline evaporation), PCs2 (vehicle related emissions), PCs3 (solvent usages), PCs4 (industrial productions), and PCs5 (biomass/biofuel/coal burning and other natural sources). In winter, the four VOC sources include PCw1 (liquefied petroleum gas/natural gas leakage and gasoline evaporation), PCw2 (solvent usages and industrial productions), PCw3 (vehicle related emissions), and PCw4 (biomass/biofuel/coal burning). The result suggests that during summer, 24, 28, 17, 18, and 13% of the measured VOC concentrations were estimated due to the PCs1, PCs2, PCs3, PCs4, and PCs5 VOC sources, respectively. During winter, 17, 48, 23, and 12% of the measured VOC concentrations were attributed to the PCw1, PCw2, PCw3, and PCw4 VOC sources, respectively. For aromatic concentrations, 35% of the concentrations were resulted from solvent usage (PCs3), following by industrial productions (PCs4) of 27%, and vehicle emissions (PCs2) of 19%. For alkene concentrations, the two largest contributors were due to gasoline industrial and vehicle emissions in both summer and winter. For alkane concentrations, the largest sources were due to gasoline industrial emissions (PCs1) and vehicle emissions (PCs2) in summer. In winter, vehicle emissions (PCw3), solvent usages/industrial productions (PCw2), and gasoline industrial emissions (PCw1) were the major sources. For halo-hydrocarbon concentrations, biomass/biofuel/coal burning and other natural sources were the major sources in both summer and winter.  相似文献   

18.
基于2015年6月淮河流域卫星遥感监测火点信息、环境空气质量监测数据和常规气象观测资料,利用ANUSPLIN和ArcGISKriging方法对气象要素和主要大气污染物浓度空间栅格化,分析了秸秆焚烧关键期内AQI和主要污染物浓度的时空变化特征及其与气温、相对湿度、风速等气象要素的相关关系。结果表明:秸秆焚烧关键期内,淮河流域城市AQI、PM10与PM2.5浓度均明显升高,且与卫星监测火点具有一定时空响应关系。在时间变化上,AQI、PM10与PM2.5浓度6月上中旬呈波动上升,6月下旬趋于回落;在空间分布方面,AQI、PM10与PM2.5浓度三者分布形态相似,总体上呈现"南低北高、两高一低"分布特征;期间AQI、PM10与PM2.5浓度与气温呈显著正相关,与相对湿度呈显著负相关,与风速的相关性不显著。  相似文献   

19.
利用气象与环境监测数据,结合后向轨迹和秸秆焚烧火点监测资料,从环流形势、气象要素、污染源和污染传输特征等方面,对哈尔滨2017年10月18-20日持续性重污染天气过程进行分析。结果表明：这次重污染过程连续48 h为重度或严重污染,首要颗粒物为PM2.5,PM2.5平均浓度为438 μg·m-3,局地PM2.5浓度高达1487 μg·m-3。重污染过程分为两个阶段,每个阶段主要污染物呈双峰分布。在重污染过程中,高空环流平直,浅槽前暖平流占主导地位,地面为弱低压均压场控制。地面风速小,平均风速仅为1.5 m·s-1,风速≤ 1.5 m·s-1静小风频率为71%,风场辐合,有利于污染物积聚。在重污染发展的过程中,地面相对湿度（RH）增大有利于颗粒物吸湿增长和污染加剧;在重污染减弱的过程中,PM2.5浓度减少至每阶段谷值时间比RH减小至谷值时间滞后4-5 h。在边界层内有逆温层顶高为200 m左右、逆温强度>2.0℃·（100 m）-1的贴地逆温层,层结稳定,垂直扩散条件差。污染物主要来源于秸秆焚烧,其次来源于取暖燃煤。静稳气象条件下本地污染物积累叠加远距离较高浓度的秸秆焚烧污染物输送导致哈尔滨这次重污染过程。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号