论文部分内容阅读
随着经济飞速增长,城市化进程不断加快,机动车保有量大幅增加,我国的大气污染趋势没有从根本上得到遏制,已由单一煤烟型污染转化为煤烟型与光化学污染并存的复合型污染。持续高浓度的区域性大气污染频发,污染期间颗粒物浓度超标严重。大气重污染问题已成为目前制约我国社会经济发展的瓶颈之一,严重威胁到人民群众的身体健康和生态安全,受到了政府和公众的高度重视。然而因受天气背景场、地形条件、污染物排放等多种复杂因素的影响,大气重污染过程的形成机制仍不明确,也尚无有效的预报方法。因此,利用多种技术手段研究重污染预报方法,改善污染预报效果,为居民合理安排出行、为环境管理部门采取防控措施提供重要的指引和决策支持,这对于减轻大气污染造成的严重损失、保障人民群众的身体健康和生态安全具有十分重要的意义。 针对上述问题,本文收集整理了我国华北地区长时间序列的空气质量数据、区域气象数据、天气背景场资料和区域污染源资料,通过对大量历史资料的统计,从多个角度对大气重污染过程的污染物浓度变化特征进行了分析,得出了华北地区大气颗粒物的空间分布、年际变化、月际变化、季节变化和日变化特征。并基于典型环境监测点的颗粒物样品采集与测试结果,对大气重污染时段与常规时段颗粒物中的主要元素、水溶性离子和碳质组分进行了对比研究,从气象条件与污染来源等方面探究了重污染的化学组分特征及部分形成原因。此外,本文对重污染与气象要素、地面天气形势及其演变规律之间的关系进行了定性研究和定量分析,利用气流轨迹模拟、敏感源筛选等多种技术方法,识别出影响北京市空气质量的重点地区和易造成重污染的主要污染物输送路径,总结了大气重污染过程的主要形成原因。 在此基础上,本文综合考虑了区域气象条件、下垫面条件、污染物浓度变化规律、污染的区域性特征以及污染源排放量变化等因素,利用高时空分辨率数值模式、主成分分析、聚类分析、逻辑回归、非线性回归等方法,建立了数值模拟与统计分析相结合的大气重污染预测技术,提出了在天气类型判别、污染程度初判和预报因子集成的基础上进行定量预测的重污染预报系统的构建思路。并利用该技术方法在北京地区进行了示范应用,建立了北京市重污染预测系统,通过对历史污染过程的模拟性预报和对未来空气质量的实时预报两种方式,综合评估了该系统的预报效果。评估结果表明:该系统对PM10浓度高于350μg/m3的大气重污染过程的预报准确率在60%以上,误报率约为25%,与当前公开发布的北京市空气质量预报结果相比,本系统对高浓度污染的预报效果明显提升。