利用天顶被动DOAS研究上海市大气污染

论文摘要

近年来,随着上海市工业和城市的快速发展,大气污染日趋严重,这一区域氮氧化物和颗粒物污染问题也逐渐成为各方研究和关注的焦点。天顶被动DOAS（Differential Optical Absorption Spectroscopy）技术具有实时、快速、灵敏、高时空分辨率等优点,还能够同时测量多种大气组分含量,以及整个大气空间范围的气体含量,与常规的地面监测相比,具有明显的优势。本论文主要利用天顶被动DOAS技术对大气中两种典型的痕量气体NO2和O3进行柱总量反演和时间特征分析,研究了城市NO2污染空间分布类型和影响因素,初步探索了利用O4和H2O的线性关系来判断灰霾和沙尘污染的出现。主要研究内容和结论如下：通过反演2009年6月-2010年10月复旦观测点和2010年6月-2010年10月汾湖观测点的天顶被动DOAS光谱,得到对流层NO2和大气O3浓度信息,分析其时间变化特征得出：复旦观测点对流层NO2的浓度受交通量影响明显,在清晨和傍晚产生高值；呈现出较为明显的“周末效应”；NO2VCD（Vertical Column Densities）最高值出现在冬季的12月,最低值则出现在夏季的8月。汾湖点和复旦点在2010年6月至2010年10月重叠的观测日期内,NO2VCD日均值变化趋势一致,位于郊区的汾湖观测点NO2VCD日均值较低且变化幅度较小。6月中下旬、7月、8月以及9月期间汾湖的早晚O3 VCD均高于复旦点的；在6月上旬和10月,汾湖点O3 VCD低于复旦点O3 VCD,这主要与该期间汾湖地区多为东风,从上海地区传输了较多的大气污染物,导致该地NO2出现了高值,进而抑制O3的生成有关。利用天顶被动DOAS和主动长程DOAS系统分别反演出2007年93天的对流层NO2垂直柱密度和近地面NO2的平均浓度。假定近地面NO2日均浓度CSurface≥8.0×10-2 mg·m-3 （API=50）和对流层NO2日均垂直柱密度VCDTotal>6.03×1016 molecule·cm-2（API=50相对应的VCD）时,分别为低空NO2污染和高空NO2污染,据此将93天的数据分为NO2低污染、NO2高污染、高空NO2污染和低空NO2污染四类情形,并结合混合层高度和气象条件等因素分析了产生原因。结果表明：在NO2污染源相对固定的情况下,混合层高度和风速、风向等气象条件对空气的自净能力有较大的影响,是影响地面NO2浓度的主要因素。对流层N02垂直柱密度能够较好反映整层大气NO2污染情况,其变化主要受内陆污染大气输送、局地污染源释放和混合层高度等因素影响。地面NO2监测数据不能够准确反映大气NO2污染情况,其变化情况与整层大气NO2污染程度相关性较小。研究发现地面NO2监测数据与整层大气NO2浓度相关性不高,需将对流层大气NO2垂直柱密度、地面NO2浓度、气象条件及混合层高度等因素有机结合起来才能够较科学地分析城市大气NO2污染。为了研究O4和H2O的相关性以及O4和H2O的线性相关斜率与污染类型之间的关系,对2009年10月1日至2010年9月30日期间的347天的O4和H2O做了线性相关分析。结果发现：无论是晴天、多云、阴天还是雨天,O4DSCD（Differential Slant Column Densities）和H2O DSCD均具有很好的相关性,相关性系数大于80%。不同月份、不同季节O4和H2O相关性的大小表现出不同的特征：7月、8月和9月（为夏季）通常斜率值较小且变化幅度不大,而别的月份斜率值和波动较大,其中冬季最大,春季次之,在之后是秋季。通过对两个典型污染时期的O4和H2O的相关性研究表明,不同污染现象的出现呈现出不同的斜率变化特征：在一段时期内,如果O4和H2O的相关斜率值在某一天突然增大,则表明该天很有可能出现了沙尘、暴；反之,如果某一天O4和H2O的相关性斜率迅速降低,则预示着灰霾天气的出现。因此,O4和H2O的相关斜率变化可以作为某种污染现象（特别是沙尘暴和灰霾）发生的判断依据。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 2和大气O₃'>1.1 对流层NO₂和大气O₃
• 2的源、汇和测量方法'>1.1.1 对流层NO₂的源、汇和测量方法
• 3的分布和测量方法'>1.1.2 大气O₃的分布和测量方法
• 1.2 大气气溶胶
• 1.2.1 灰霾和沙尘
• 1.2.2 研究进展
• 1.3 差分光学吸收光谱技术（DOAS）
• 1.3.1 DOAS的分类
• 1.3.2 DOAS的研究进展
• 1.4 研究意义和内容
• 1.4.1 研究意义
• 1.4.2 研究内容
• 第二章 天顶被动DOAS的浓度反演方法
• 2.1 差分光学吸收光谱法（DOAS）
• 2.1.1 差分光学吸收光谱法的理论基础
• 2.1.2 DOAS关键技术—修正后的Lambert-Beer定律
• 2.1.3 差分光学吸收光谱技术
• 2.2 斜程柱密度反演方法
• 2.2.1 去除暗电流
• 2.2.2 波长校准
• 2.2.3 光谱平移、压缩或拉伸
• 2.2.4 吸收截面处理
• 2.2.5 Ring效应
• 2.3 垂直柱密度转换
• 2.3.1 空气质量因子AMF的计算
• 2.3.2 SCIATRAN大气辐射传输模式
• 2和大气O₃的观测'>第三章 对流层NO₂和大气O₃的观测
• 3.1 观测地点
• 3.1.1 复旦大学
• 3.1.2 汾湖科技园
• 3.2 天顶被动DOAS系统
• 2和大气O₃浓度反演'>3.3 对流层NO₂和大气O₃浓度反演
• 3.3.1 斜程柱密度反演
• 3.3.2 AMF的计算
• 3.3.3 垂直柱密度计算
• 2和大气O₃浓度分析'>3.4 城市和郊区对流层NO₂和大气O₃浓度分析
• 2时间变化特征'>3.4.1 对流层NO₂时间变化特征
• 3浓度月变化分析'>3.4.2 大气O₃浓度月变化分析
• 2和大气O₃浓度对比分析'>3.4.3 城市和郊区的对流层NO₂和大气O₃浓度对比分析
• 3.5 本章主要结论
• 2污染类型'>第四章 城市大气NO₂污染类型
• 4.1 实验部分
• 4.1.1 天顶被动DOAS
• 4.1.2 主动长程DOAS
• 4.1.3 大气混合层高度的测量
• 4.2 结果与讨论
• 2污染和高浓度NO₂污染'>4.2.1 低浓度NO₂污染和高浓度NO₂污染
• 2污染'>4.2.2 低空NO₂污染
• 2污染'>4.2.3 高空NO₂污染
• 4.3 本章主要结论
• 4和H₂O的相关性与污染类型关系的研究'>第五章 O₄和H₂O的相关性与污染类型关系的研究
• 5.1 实验部分
• 5.1.1 天顶被动DOAS
• 5.1.2 气象条件和API指数
• 4和H₂O的相关性分析'>5.2 O₄和H₂O的相关性分析
• 4DSCD和H₂O DSCD良好相关性的理论基础'>5.2.1 O₄DSCD和H₂O DSCD良好相关性的理论基础
• 4DSCD和H₂O DSCD相关性斜率的转折问题'>5.2.2 O₄DSCD和H₂O DSCD相关性斜率的转折问题
• 4DSCD和H₂O DSCD相关性斜率的季节变化特征'>5.2.3 O₄DSCD和H₂O DSCD相关性斜率的季节变化特征
• 4和H₂O的相关性分析'>5.3 沙尘暴期间O₄和H₂O的相关性分析
• 5.3.1 2010年春季的一次特大沙尘暴
• 4和H₂O的相关性分析'>5.3.2 沙尘暴期间O₄和H₂O的相关性分析
• 4和H₂O的相关性分析'>5.4 灰霾期间O₄和H₂O的相关性分析
• 5.4.1 灰霾污染天气
• 4和H₂O的相关性分析'>5.4.2 灰霾期间O₄和H₂O的相关性分析
• 5.5 本章主要结论
• 第六章 结论与展望
• 6.1 主要结论
• 6.2 工作展望
• 参考文献
• 硕士期间论文发表情况
• 致谢