气溶胶粒径吸湿增长与散射吸湿增长的关系

基于成都市2017年10~12月AURORA-3000积分浊度计、AE-31黑碳仪和GRIMM180环境颗粒物监测仪的地面逐时观测资料,以及该时段同时次的环境气象监测数据（大气能见度、相对湿度RH和NO₂质量浓度）,通过Mie散射理论与免疫进化算法反演气溶胶粒径吸湿增长因子Gf（RH）,并利用光学综合法测量气溶胶散射吸湿增长因子f（RH）,探究了Gf（RH）与f（RH）之间的关系.结果表明：当RH<85%,Gf（RH）和f（RH）随RH的增加均表现为平缓式增长;当RH>85%,Gf（RH）和f（RH）随RH的增加则均呈现出爆发式增长.Sigmoid函数f（RH）=17.34/（1+e^{-2.43·[Gf（RH）-2.15}]）较好地拟合了f（RH）随Gf（RH）的变化形态,其f（RH）拟合值与测量值之间的决定系数（R²）和平均相对误差（MRE）分别为0.97和4.01%.利用sigmoid函数计算Gf（RH）,模拟了观测时段内一次灰霾演化过程中气溶胶的散射系数b_sp（RH）和吸收系数b_ap,二者的模拟值与测量值基本吻合,对应的R²分别为0.99和0.98,MRE分别为2.94%和5.24%.     

气溶胶粒径吸湿增长与散射吸湿增长的关系

基于成都市2017年10~12月AURORA-3000积分浊度计、AE-31黑碳仪和GRIMM180环境颗粒物监测仪的地面逐时观测资料,以及该时段同时次的环境气象监测数据（大气能见度、相对湿度RH和NO₂质量浓度）,通过Mie散射理论与免疫进化算法反演气溶胶粒径吸湿增长因子Gf（RH）,并利用光学综合法测量气溶胶散射吸湿增长因子f（RH）,探究了Gf（RH）与f（RH）之间的关系.结果表明：当RH<85%,Gf（RH）和f（RH）随RH的增加均表现为平缓式增长;当RH>85%,Gf（RH）和f（RH）随RH的增加则均呈现出爆发式增长.Sigmoid函数f（RH）=17.34/（1+e^{-2.43·[Gf（RH）-2.15}]）较好地拟合了f（RH）随Gf（RH）的变化形态,其f（RH）拟合值与测量值之间的决定系数（R²）和平均相对误差（MRE）分别为0.97和4.01%.利用sigmoid函数计算Gf（RH）,模拟了观测时段内一次灰霾演化过程中气溶胶的散射系数b_sp（RH）和吸收系数b_ap,二者的模拟值与测量值基本吻合,对应的R²分别为0.99和0.98,MRE分别为2.94%和5.24%.     

干气溶胶复折射率的参数化方案

基于成都市2017年10~12月WS600一体式气象站、AURORA-3000积分浊度计、AE-31黑碳仪以及GRIMM180环境颗粒物监测仪的地面逐时观测数据,结合Mie散射理论数值改进算法与免疫进化算法反演了550nm波长处干气溶胶复折射率（DACRI）的实部（n_re）和虚部（n_i）.通过分析DACRI反演结果与颗粒物质量浓度之比（BC/PM₁,BC/PM_2.5,BC/PM₁₀,PM₁/PM_2.5,PM₁/PM₁₀和PM_2.5/PM₁₀）之间的相关性,利用逐步线性回归方法分别构建了n_re和n_i的参数化方案. n_re和n_i的参数化方案拟合值与实测值之间的相关系数（R）分别为0.54和0.85（P<0.0001）,平均相对误差（MRE）分别为2.31%和15.18%.此外,利用该参数化方案计算的DACRI模拟了一次灰霾演化过程中干气溶胶的散射系数b_sp和吸收系数b_ap,其模拟值与实测值之间的相关系数分别为0.98和0.91（P<0.0001）,平均相对误差分别为7.43%和14.97%.     

成都地区气溶胶散射吸湿增长因子双变量模型

基于成都市2017年10～12月逐时的“干”气溶胶散射系数和吸收系数观测数据,结合该时段同时次的能见度（V）、相对湿度（RH）以及二氧化氮（NO₂）监测资料,利用“光学综合法”计算气溶胶散射吸湿增长因子,并探究了气溶胶散射吸湿增长因子单变量f（RH）模型的适用性及其改进方案.结果表明：幂函数、二次多项式、幂指函数形式的f（RH）模型在低RH条件下（RH<85%）均能很好地模拟气溶胶散射吸湿增长因子随RH的变化特征,但在高RH条件下（RH>85%）的模拟值会出现较大的偏差.黑碳质量浓度（C_BC）是影响气溶胶散射吸湿增长因子的另一关键变量,二者之间满足非线性关系.以RH和C_BC为自变量构建了气溶胶散射吸湿增长因子双变量f（RH,C_BC）模型,模型计算值和实测值之间的决定系数R²为0.763,平均相对误差MRE为14.28%.双变量模型f（RH,C_BC）的应用显著改善了气溶胶散射消光系数的模拟效果.     

相对湿度和PM2.5浓度对乌鲁木齐市冬季能见度的影响

基于2016~2017年冬季乌鲁木齐市城区PM_2.5和气象要素观测数据,采用线性和非线性回归、变量分类分析等统计方法,研究了大气能见度与相对湿度（RH）、PM_2.5浓度的定量关系.结果表明：乌鲁木齐市冬季能见度日变化呈单峰形分布,中午13：00前后和夜晚20：00前后能见度分别达到最高和最低.相对湿度增加、PM_2.5污染加重都会造成冬季大气能见度明显降低,但低能见度天气的主要影响因素是PM_2.5污染.在RH < 90%时PM_2.5累积及其吸湿增长对能见度变化起控制作用,特别是70%￡RH < 90%时,PM_2.5浓度对大气能见度影响最大.RH³90%时相对湿度成为决定因素.在PM_2.5污染逐渐加重的过程中,相对湿度对能见度的影响在减弱.能见度增加与PM_2.5浓度降低之间存在非线性响应.在PM_2.5污染由严重减轻至中度污染级别过程中,能见度改善并不明显.只有把PM_2.5浓度控制在115μg/m³以下（轻度污染或优良级别）,PM_2.5浓度降低,能见度才开始出现显著提高.但冬季要达到较高能见度水平（8km）,PM_2.5浓度需要继续严控至39μg/m³以下.本文对乌鲁木齐市冬季大气污染治理具有重要指导意义.     

南京冬季气溶胶消光特性及霾天气低能见度特征

利用2015年1月气溶胶散射和吸收系数、PM_2.5质量浓度、大气能见度以及常规气象观测数据,分析了南京冬季大气气溶胶散射系数与吸收系数的变化特征,给出了散射系数与吸收系数对大气消光的贡献,以及能见度与PM_2.5质量浓度和相对湿度的关系.结果表明,观测期间南京大气气溶胶的散射系数和吸收系数分别为(423.4±265.3) Mm^-1和(24.5±14.3) Mm^-1,对大气消光的贡献分别为89.2%和5.2%,表明大气消光主要贡献来自于气溶胶的散射.散射系数与PM_2.5相关性较好(R²=0.91),能见度随PM_2.5质量浓度呈指数下降,也与相对湿度保持一定负相关性.能见度均值为4.3km,且连续出现能见度不足2km的低能见度天气,霾天气下消光系数和PM_2.5质量浓度大幅超过非霾天气,最高值分别达到1471.2Mm^-1和358 μg/m³,霾天气下能见度的降低来自颗粒物与相对湿度的共同影响.     

2012—2014年冬季北京上甸子气溶胶观测研究

为了分析冬季上甸子本底站气溶胶的变化特征,利用2012—2014年每年1月上甸子本底站的能见度、ρ(PM_2.5)、ρ(BC)、ρ(CO)等数据,结合气象资料对上甸子地区气溶胶特性进行分析. 结果表明:2012—2014年每年1月地面月均风速分别为2.5、2.4和2.4 m/s,RH(相对湿度)分别为45.6%、59.5%和45.8%,ρ(PM_2.5)分别为38.6、54.7和45.2 μg/m3,MSE(气溶胶质量散射系数)分别为5.3、5.9和4.9 m2/g. 虽然地面风速基本没有变化,但2013年1月的RH比2012年和2013年1月平均高出30%,并且同期ρ(PM_2.5)和MSE也高于2012年和2013年1月. ρ(PM_2.5)的增加导致太阳辐射减弱,但对SSA(气溶胶单次反照率)影响不大. 对2013年1月数据分析可知,各种RH区段下,能见度与ρ(PM_2.5)均呈负相关,其中在80.0%10 km时,b_ext和B_ext(分别以能见度和大气组分计算的大气消光系数)基本相当,二者在这3年的拟合斜率平均值高达0.99;当能见度<5 km时,2014年1月的b_ext和B_ext之间不存在线性关系,2012年和2013年1月的b_ext和B_ext的R2分别是0.88和0.92.      

苏州市气溶胶消光特性及其对灰霾特征的影响

为研究气溶胶消光特性对城市灰霾特征及形成的影响机制,采用2010年1月─2013年12月4 a的苏州市逐时散射系数、能见度、颗粒物质量浓度以及风速、风向、气温、气压、相对湿度等数据,对该市气溶胶散射系数、消光特性及影响因子进行了研究. 结果表明:苏州市气溶胶散射系数为(301.1±251.3)Mm-1,日变化呈双峰型,早高峰出现在07:00─08:00,晚高峰出现在20:00─21:00;其年内变化呈夏季低、冬季高. 气溶胶散射系数与ρ(PM_2.5)的相关系数为0.77,高于与ρ(PM₁)和ρ(PM₁₀)的相关性,PM_2.5散射效率为6.08 m2/g. 气溶胶散射系数受风速、风向等气象要素的影响:风速<4 m/s时,气溶胶散射系数下降迅速;风速在4～6 m/s时,气溶胶散射系数随风速下降缓慢. 苏州市气溶胶单次散射反照率平均值为0.84,散射消光比平均值为0.79,说明该地区气溶胶消光以散射性气溶胶为主. 气溶胶散射消光、气溶胶吸收消光、空气分子散射消光、NO₂吸收消光分别占大气消光的82.33%、13.63%、2.72%和1.32%. 研究表明,对气溶胶散射消光贡献最大的非吸收性PM_2.5是苏州市能见度下降、灰霾增加的最重要原因.      

气溶胶散射吸湿增长因子的BP神经网络模型

气溶胶组分、结构以及形态的复杂性对高湿条件下气溶胶散射吸湿增长因子统计模型的适用性提出了挑战。基于成都市2017年10—12月浊度计和黑碳仪的逐时观测资料，结合同时次的环境气象监测数据，利用“光学综合法”计算气溶胶散射吸湿增长因子。以相对湿度(RH)、C_BC、C_BC/C₍PM_2.5)、C_PM1/C₍PM_2.5)以及C₍PM_2.5)/C₍PM₁₀)作为输入因子[C_BC、C_PM1、C₍PM_2.5)、C₍PM₁₀)分别为黑碳(BC)、PM₁、PM_2.5、PM₁₀的质量浓度],构建了气溶胶散射吸湿增长因子的BP神经网络...     

成都市PM2.5浓度变化的影响因素交互作用研究

为探究大气环境中污染物与气象要素交互作用对PM_2.5浓度变化的影响特征,利用成都市2014~2020年逐日大气污染物资料以及同期的气象资料,采用广义相加模型（GAMs）分析不同影响因素对当地PM_2.5浓度变化的影响效应.结果表明,单影响因素GAMs模型中,无论全年还是冬季,PM_2.5浓度与平均气温（T）、相对湿度（RH）、平均风速（Wind）、降水量（Prec）、O₃、NO₂、SO₂和CO间均呈非线性关系,其中CO、NO₂、SO₂、T和Wind对PM_2.5浓度影响较大,与全年不同的是,冬季T和O₃对PM_2.5浓度变化的影响效应较全年明显减弱.多影响因素的GAMs模型中,T、Wind、RH、CO、NO₂、SO₂和O₃这7个解释变量对PM_2.5浓度变化的影响均较显著,构建的全年多影响因素GAMs模型调整后的R²=0.759,方差解释率为76.42%,冬季R²=0.708,方差解释率为72.2%,无论是全年还是冬季,CO都是PM_2.5浓度变化的主导影响因素.GAMs交互效应模型发现,全年弱低温（7℃左右）+高相对湿度+高浓度CO+高浓度NO₂+高浓度SO₂协同作用条件下有利于PM_2.5浓度的生成;冬季低Wind+高RH+高浓度CO+高浓度NO₂+高浓度SO₂共存条件下有利于PM_2.5的生成,即该条件对PM_2.5浓度的生成有协同放大效应.运用GAMs模型能够对PM_2.5污染的主导影响因素进行识别,并定量化分析影响因素单效应及其交互作用对PM_2.5浓度变化的影响特征,对PM_2.5浓度污染防控研究具有重要指示意义.     

霾污染环境大气能见度参数化方案的改进

霾污染是高浓度大气气溶胶造成低能见度的大气现象,为了完善目前空气质量模式的大气能见度参数化方案,以准确地预报霾污染过程的能见度变化,基于已有的大气总消光系数与大气能见度的关系,依据Mie理论和大气分子的消光特性,计算颗粒物和NO₂的消光系数,提出一种改进的大气能见度参数化方案.为了验证这一改进的参数化方案的大气能见度预报性能,①利用空气质量模式WRF-Chem3.7模拟2013年12月南京地区两次霾污染个例,并且与实际观测数据对比,证实其能够准确地模拟大气颗粒物和NO₂的浓度变化;②利用模拟的大气颗粒物和NO₂的浓度数据,分别采用改进的能见度参数化方案及已有的IMPROVE方案和CHEN的能见度参数化等3个方案,计算两次霾污染个例的大气能见度变化;③与观测能见度比较,评估3个能见度参数化方案的模拟准确性。评估表明,改进的参数化方案模拟的两个霾污染个例能见度的平均标准化偏差和平均偏差分别为17.19%、3.18%和517、173 m,并且和观测能见度的相关系数分别提高到0.76、0.87,其能见度模拟的准确性优于其它两种已有的参数化方案,并在不同相对湿度（RH）和能见度范围内改进的参数化方案模拟的标准化平均误差均小于其它两种参数化方案,其中,在RH < 80%和能见度≥ 1 km范围内标准化平均误差均低于50%.研究显示,改进的大气能见度参数化方案能够有效地提高空气质量模式的霾污染环境大气能见度的预报准确性.      

天津冬季相对湿度对气溶胶浓度谱分布和大气能见度的影响

于2013年1月连续在线观测天津城区气溶胶数浓度谱分布和大气能见度,并结合相关气象资料,探讨相对湿度(RH)对气溶胶浓度谱分布和大气能见度的影响.结果表明,观测期间发生了4次连续雾霾天气过程, 4次雾霾天气过程对应着气溶胶粒子数浓度的连续高值,低能见度天气系高浓度气溶胶粒子和高相对湿度协同所致;随着RH增大,PN1和PN2.5-10呈增长趋势, RH>90%后,PN1和PN2.5-10有所降低,PN1-2.5则持续增长,高RH对气粒转化和气溶胶粒子的碰并聚合作用明显;气溶胶吸湿增长因子计算表明,高RH下水汽对能见度影响很大,尤其是大雾天气下其影响甚至可能超过气溶胶粒子浓度对其的影响.     

北京地区大气消光特征及参数化研究

为了研究大气消光系数的特征及规律,从2013~2014年在北京地区对大气能见度、气溶胶质量浓度、气溶胶散射系数、黑碳质量浓度、反应性气体以及气象要素开展了系统加强观测,并对已发表的气溶胶光散射吸湿增长因子[f(RH)]拟合方案进行了对比,系统分析了大气消光特征和影响大气消光能力的关键因子,最终建立了大气消光系数参数化模型,探讨不同季节、不同污染条件下参数化方案的特征.结果表明,气溶胶散射作用占环境总消光作用的94%以上,在夏秋季,相对湿度可以使气溶胶的散射能力提升70%~80%.包含气溶胶质量浓度和相对湿度两个因子的参数化模型,可以较好地体现出气溶胶和相对湿度对大气消光系数的影响机制,以及消光能力的季节差异.     

免疫进化算法反演均匀混合气溶胶吸湿增长因子

通过对大气消光系数进行组分分解,并借助米散射理论,构建了以均匀混合气溶胶吸湿增长因子为唯一变量的目标函数.进一步利用免疫进化算法优化该目标函数,提出了一种针对均匀混合气溶胶吸湿增长因子的反演算法.基于成都市2017年10~12月浊度计,黑碳仪和GRIMM180环境颗粒物监测仪的地面逐时观测资料以及该时段同时次的环境气象监测数据（大气能见度,相对湿度RH和NO₂质量浓度）,评估了算法的性能及其适用性.结果表明：对所有测试样本而言,反演均匀混合气溶胶吸湿增长因子的免疫进化算法均能快速收敛到全局最优解.建立了成都地区秋冬季均匀混合气溶胶吸湿增长模型,该模型显著提升了环境条件下气溶胶散射系数的模拟精度,其模拟值与实测值之间的平均相对误差仅为12.7%.该反演算法的普适性可为气溶胶吸湿性及其辐射强迫效应的后续研究提供算法保障.     

广州市与北京市大气能见度与颗粒物质量浓度的关系

为了研究相对湿度(RH)和颗粒物对能见度的影响,于2008年12月11日~2009年8月27日和2008年7月14~2008年9月17日分别在广州和北京对能见度、RH、PM2.5和PM10进行了监测.结果表明,PM2.5和RH是影响能见度的主要因子;在RH￡70%和80%0.05mg/m3时,随着PM2.5降低,能见度变化不明显;当PM2.5<0.05 mg/m3时,随着PM2.5降低,能见度迅速改善.因此,在颗粒物治理的起始阶段,PM2.5下降对能见度的改善效果不很明显;但当PM2.5降低到一定程度后,能见度的改善效果非常显著.