激光雷达探测反演PM2.5浓度的精度研究

给出了355nm激光雷达与布设在中国科学院大气物理研究所325m铁塔上的BAM-1020颗粒物监测仪对比观测实验的结果,通过2011年9月21日至10月21日一个月的对比实验发现,激光雷达探测的气溶胶消光系数与实测的PM2.5浓度之间存在较好的相关性。利用线性回归模型建立消光系数与颗粒物浓度之间的关系式,并通过铁塔实测的PM2.5浓度对该关系式在垂直高度上的反演精度进行研究。结果显示,在63,80,120,160m高度处雷达反演的PM2.5与实测值之间的相关系数分别为0.9447,0.9331,0.9284,0.9308,说明激光雷达能有效探测颗粒物的垂直分布状况。激光雷达探测将有利于研究污染物的空间分布状况和污染物跨界输送问题,并为区域大气联防联控制定政策和措施提供数据支持。     

基于激光雷达观测网的杭州及周边地区颗粒物污染特征研究

激光雷达观测网是研究区域大气颗粒物污染分布特征的有力工具。长三角地区激光雷达观测网部分站点的激光雷达资料与地面气象数据、PM2.5、PM10质量浓度数据,以及HYSPLIT后向轨迹模型模拟的后向轨迹相结合,对2016年9月杭州及其周边地区一次颗粒物污染的来源和成因进行了分析。分析结果表明,9月8日杭州颗粒物污染过程是该地区局地污染与高空输送共同作用的结果,且粗粒子主要来源于西北方向。杭州地区SO$_2$浓度整体较低,PM2.5浓度与NO$_2$浓度呈正相关,细颗粒物主要以硝酸盐为主。较高的NO$_2$浓度和高湿度、低风速的不利气象条件,是该地区局地细粒子快速增长的主要原因。     

合肥地区2013年春节期间PM2.5质量浓度演变特征

利用2013年2月8~19日合肥地区获取的大气颗粒物和常规气象观测资料,依据烟花爆竹燃放、降水过程、相对湿度和风速特点,分析了PM2.5质量浓度在不同气象条件下的变化特征。结果表明:合肥春节期间PM2.5质量浓度平均值为58.3μg/m~3,仅出现两个PM2.5质量浓度污染日;城市居民集中燃放烟花爆竹引起PM2.5质量浓度急剧增大,但主要排放PM1;降水过程对PM2.5质量浓度具有湿沉降作用,过程降水量越大,PM2.5质量浓度湿沉降量越大;PM1、PM1~2.5和PM2.5~10与相对湿度的相关系数分别为0.45、0.26和-0.07,粒径尺度越小的颗粒物吸湿增长特性越显著;PM2.5质量浓度演变与风速呈负相关,两者的相关系数为-0.33,风速越大,越利于颗粒物扩散。     

合肥地区2013年春节期间PM2.5质量浓度演变特征

利用2013年2月8～19日合肥地区获取的大气颗粒物和常规气象观测资料,依据烟花爆竹燃放、降水过程、相对湿度 和风速特点,分析了PM2.5质量浓度在不同气象条件下的变化特征。结果表明:合肥春节期间PM2.5质量浓度平 均值为58.3 μg/m3,仅出现两个PM2.5质量浓度污染日;城市居民集中燃放烟花爆竹引起PM2.5质量浓度 急剧增大,但主要排放PM1;降水过程对PM2.5质量浓度具有湿沉降作用,过程降水量越大, PM2.5质量浓 度湿沉降量越大; PM1、PM1～2.5 和PM2.5～10与相对湿度的相关系数分别为0.45、0.26和－0.07,粒径 尺度越小的颗粒物吸湿增长特性越显著; PM2.5质量浓度演变与风速呈负相关,两者的相关 系数为－0.33,风速越大,越利于颗粒物扩散。     

北京2014年冬季边界层高度与颗粒物浓度的相关性研究

拉曼激光雷达已经广泛应用于大气气溶胶、大气温度和水汽的空间分布及时间演变特征测量。为了获取北京污染期间大气气溶胶边界层的特征,2014年11月~2015年1月期间在中国科学院大学雁栖湖校区利用拉曼激光雷达进行连续观测。使用梯度法处理激光雷达观测数据得到边界层高度,同时与国家环保部提供的当地颗粒物浓度数据进行对比。观测期间灰霾天共出现15天,污染天出现27天,干净天出现24天。灰霾天、污染天和干净天三种情况下的平均大气边界层高度范围分别为0.6~0.9、0.9~1.3、1~1.9 km;PM2.5的质量浓度范围分别为143~203、77~90、17~34 g/m3;PM10的质量浓度范围分别为170~271、103~153、33~78 g/m3。研究结果表明:北京地区大气边界层高度对近地面颗粒物浓度具有明显的负相关影响。干净天、污染天和灰霾天下的PM2.5和PM10的质量浓度变化率随大气边界层高度降低而依次增大。灰霾天大气边界层高度引起的PM2.5质量浓度平均变化率为-242.4 gm-3/km,约为污染天（-114.8 gm-3/km）的两倍,干净天（-77.4 gm-3/km）的三倍;灰霾天大气边界层高度引起的PM10质量浓度平均变化率为-224.2 gm-3/km,约为污染天（-117.6 gm-3/km）的两倍,干净天（-90.4 gm-3/km）的两倍。     

无锡市一次霾形成过程大气污染物特征分析

于2013年12月21~26日期间对一次霾污染过程中PM2.5、含碳气溶胶、气态污染物（O3,NOx SO2）进行测量,利用微脉冲偏振激光雷达获得气溶胶消光和退偏振度参数,分析了霾过程大气污染物的特征。结果显示：本次霾污染过程持续3.4天,以细粒子污染为主。采样期间,PM2.5的质量浓度小时平均值为131.04µg•m-3,霾天气下为183.75µg•m-3,是非霾天气的2.98倍。碳质气溶胶（TC）占PM2.5的24.18%,并且与PM2.5之间存在较好的相关性（R2=0.790）。在霾天气下TC在PM2.5中所占的比例（TC%,16.65）要比非霾天气（TC%,34.38）小,二次水溶性无机盐粒子的快速增长可能是造成霾天气PM2.5质量浓度较高的重要原因之一。霾天气和非霾天气对比：O3浓度无明显变化,受太阳辐射影响较大;NOx和SO2的体积分数在霾天气下分别是非霾天气下的1.66和1.68倍;SO2浓度的增加不仅与本地SO2的累积有关,还有可能是受外来输入的粒子中存在含硫化合物、抑制了SO2的非均相反应造成的。     

北京奥运期间工业污染源颗粒物输送通量的激光雷达监测

大气中悬浮的颗粒物是评价环境质量的重要指标,激光雷达是获得颗粒物时空分布的重要手段。近地面颗粒物消光系数与颗粒物质量浓度是相关的,利用震荡天平（TEOM）测量近地面的PM10质量浓度,与雷达测量的消光系数建立经验关系,推算PM10质量浓度的垂直分布。风廓线雷达给出了不同高度上风场的变化,可以计算不同高度上颗粒物向城区的输送通量,最终可以估算总的收支。使用激光雷达技术对北京重要工业污染源进行了长时间的连续监测,获取了颗粒物输送通量等多种参数,给出了连续监测结果。     

气象条件对大气中PM2.5浓度的影响

分析了浙江某地近年1月至9月逐日平均PM2.5浓度与降雨量、温度、湿度和风速等气象参数的关系,得出PM2.5浓度大小与风速的变化密切相关,降雨能降低空气中的PM2.5浓度,在隔离降雨因素的前提下,无论是相对湿度还是绝对湿度与PM2.5浓度都不具有明显的相关性,日平均温度与PM2.5浓度呈现负相关。     

成都市PM2.5、PM10变化特征及其与气象因素的关系

为研究气象因素对成都市大气细颗粒物 (PM2.5)、可吸入颗粒物 (PM10) 的影响, 收集了2015―2018 年成都市 PM2.5、PM10的月平均浓度, 采用Pearson 相关分析法, 分析了成都市PM2.5、PM10与气象条件的关系。结果表明： (1) 2015 ―2018 年, 成都市PM2.5、PM10年平均浓度虽然年际间差别较小, 但整体呈现逐年缓慢下降趋势, 2015 年以来成都市的 一系列大气污染控制措施是PM2.5、PM10逐年缓慢下降的原因; 2015―2018 年成都市PM2.5、PM10浓度季节变化特征整体 表现为冬季 > 春季 > 秋季> 夏季。(2) 不同气象因素对成都市PM2.5、PM10月平均浓度的影响程度不同, 降水量与气温 是影响成都市PM2.5、PM10月平均浓度的主要因素, 两者与PM2.5、PM10呈较高的负线性相关, 其中PM2.5、PM10与降水量 的相关系数均为 −0.612, 与月平均气温的相关系数分别为 −0.822、−0.776, 降水会通过捕获大气中的颗粒物来去除 PM2.5、PM10, 而温度的升高会加强PM2.5、PM10等污染物在垂直方向上的对流运动, 从而对成都市污染物浓度的降低起 到重要作用; 日照时数、月平均风速、相对湿度等与PM2.5、PM10月平均浓度整体也呈现负相关, 但与降水量和气温相 比, 日照时数、月平均风速与PM2.5、PM10月平均浓度的相关性较低, 而相对湿度与PM2.5、PM10月平均浓度的相关性则 更加微弱, 表明相对湿度的变化对成都市PM2.5、PM10的积累和扩散影响很小。     

公共交通工具内PM2.5浓度实测研究~

由于大气中PM2.5对人体健康的危害严重,PM2.5浓度越来越受到人们的关注,而对公共交通工具,如公交车内空气的PM2.5浓度的实测研究很少。公共交通工具人员流动较大且室内空气与室外相通,室外大气中PM2.5浓度势必会对公共交通工具内的室内环境有较大的影响,但公共交通工具空气中PM2.5与室外大气中PM2.5的关系并不明确。针对这些问题,以公交车为研究对象对公共交通工具内环境的PM2.5进行现场实测,分析室外大气中PM2.5浓度与公共交通工具内PM2.5的关系,并提出一些建议。     

自适应滤波在拉曼激光雷达数据处理中的应用

在拉曼(Raman)激光雷达探测CO2实验中所采集的拉曼回波信号具有比较大的统计误差,有效减小统计误差,获得较高的探测精度是非常重要的工作.利用自适应滤波器对拉曼回波信号分段进行数据处理,可得到在分段的各个空间间隔内的随距离几乎不变的CO2混合比统计误差,经过自适应滤波器对信号进行处理后,Raman激光雷达对合肥地区夜晚CO2气体浓度探测达到比较高的测量精度,在1.5～5 km高度范围内,CO2浓度统计误差最大为2.5%,5～8 km统计误差最大为5%,8～10 km统计误差最大为10%.利用此技术也可以量化估计在较高的空间分辨率下满足探测精度要求的激光脉冲数.     

最小二乘法拟合大气激光雷达回波信号估算消光系数边界值

报道了一种使用最小二乘法拟合大气激光雷达回波信号，计算消光系数边界值的算法。对于无云层天气条件，利用最小二乘法对回波信号全程拟合获得大气消光系数边界值，在有云层天气下，先将激光雷达信号在大气中的传输光路分解为云层区和非云层区，忽略回波信号中的云层信息，并假设在非云层区大气近似均匀，利用最小二乘法拟合获得大气消光系数边界值。最后利用消光系数边界值求解激光雷达方程，反演获得大气消光系数，实际计算证明，用此算法可获得与实际更为接近的大气消光系数反演结果。     

基于VAR模型的PM2.5与其它空气污染物的动态关系研究分析

通过建立向量自回归（VAR）模型,综合运用格兰杰因果关系检验、广义脉冲响应函数和方差分解法,分析PM2.5与其它空气污染物的动态关系,探讨其它空气污染物对PM2.5的影响,利用西安市2013年1月1日-2014年12月31日有关环境空气质量的数据进行了研究。结果表明：PM2.5与其它空气污染物所构成的空气质量系统是稳定的,二氧化硫、二氧化氮、一氧化碳浓度值的增加会引起PM2.5浓度值持续较长时间的增加,其中二氧化硫对PM2.5影响作用最大;臭氧浓度值的增加则会使PM2.5浓度值降低。     

2016年春节期间西安市大气颗粒物中多环芳烃的污染特征

2016年春节期间, 利用小流量采样器采集西安市大气颗粒物中PM2.5和PM10样品,有效样品30个,使用高效液相色谱仪（high performance liquid chromatography, HPLC）分析样品中16种多环芳烃(polycyclic aromatic hydrocarbons,PAHs)的质量浓度特征,及组分分布特征。运用比值法和气象参数对PM2.5和PM10中PAHs来源进行解析。结果表明: 除夕后的颗粒物浓度(PM2.5平均质量浓度为180 μg?m-3,PM10为286 μg?m-3)明显高于除夕前(PM2.5平均质量浓度为160 μg?m-3,PM10为88 μg?m-3); PAHs主要分布在PM2.5细颗粒中,约占70%以上;PM2.5和PM10中不同环数的芳烃分布主要以3环、4环和5环为主;春节期间PAHs浓度持续居高,主要源于冬季采暖煤的不完全燃烧以及汽油车和柴油车等交通污染排放,PAHs浓度的突然骤升主要来源于烟花爆竹的燃烧。     

探测边界层大气温度的转动喇曼激光雷达

为了研制一种测量边界层大气温度的激光雷达,采用氮气和氧气的转动喇曼谱的强度比反演大气温度垂直分布的方法,对转动喇曼激光雷达系统进行了理论分析与实验研究,取得了边界层内的大气温度数据。结果表明,该激光雷达测量的大气温度在0km~2.5km处与大气模式表现出了较好的一致性,激光能量为100mJ,测量时间约为17min,垂直分辨率为7.5m;2.5km处信号随机起伏引起的统计误差达到1K,可以对边界层内2.5km以下的大气温度进行高精度测量;如果要使测量的高度进一步增加,可以增大激光脉冲的能量或选用口径大的望远镜。这对探测边界层大气温度的转动喇曼激光雷达系统的研制提供了有益的指导。     

使CO2浓度测量误差减小的星载激光雷达波长优化

研究了星载积分路径差分吸收（IPDA）激光雷达系统工作波长与大气CO2 分子柱线浓度测量误差之间的关系,并优化波长以降低测量误差。首先介绍CO2 分子柱线浓度测量原理,理论分析并模拟仿真了系统随机误差、温度不确定性误差、频率不稳定性误差和水蒸汽干扰误差随激光雷达工作波长变化关系,优化工作波长使浓度测量总误差达到最小值。最终选定激光雷达on-line波长为6361.2250cm-1,off-line 波长为6 360.99 cm-1,并仿真计算得到温度不确定性为1 K、频率不稳定度为0.6 MHz 时,共导致的CO2 柱线浓度测量误差为0.58710-6,达到CO2 浓度测量精度110-6 的要求,为星载IPDA 激光雷达系统实现高精度CO2 柱线浓度探测优化系统参数提供了参考。