与欧洲大陆西北部空气污染特征相关的中尺度大气模式外文翻译资料

 2022-12-16 11:44:21

英语原文共 8 页，剩余内容已隐藏，支付完成后下载完整资料

与欧洲大陆西北部空气污染特征相关的中尺度大气模式

Saskia Buchholz1，Juuml;rgen Junk1，Andreas Krein1，Guuml;nther Heinemann2，Lucien Hoffmann1

1Centre de Recherche Public, Gabriel Lippmann, Department of Environment and Agro-biotechnologies, 41 rue du Brill, L- 4422 Belvaux, Luxembourg

2University of Trier, Department of Environmental Meteorology, Behringstraszlig;e 21, D- 54286 Trier, Germany

摘要：计算2001-2007年比利时、法国、德国、卢森堡地区15个空气质量监测站（交通、背景，和工业）的逐日空气质量指数(DAQx)，将其与中尺度大气模式进行对比分析。气象条件可由Hess和Brezowsky天气分类系统和关于总降水量和平均地表温度的EU FP6工程的格点数据所表述。布鲁塞尔城区和交通站的DAQx值较高说明了这些地方的空气质量差，而背景站的空气质量则令人满意。DAQx值中超过90%来自PM10、O3、NO2的贡献，SO2、CO在其中只作为配角。分析相应天气形势发现，相比于纬向混合型气旋环流，经向反气旋型环流一般对应着良好的空气质量。降水天气形势下，DAQx中PM10含量低，因此一般逐日降水量高的天气形势都对应着更好的空气质量。对1978-2007年的天气形势做回归分析，结果表明，PM10浓度越低，其与天气型间的正相关越显著（alpha;=0.05）。对德国站的一次个例研究也证实了本文得出的结果，即区域内PM10浓度与当地气候条件（风速和降水）有相关关系。

1 说明

多种流行病研究认为PM10、O3、NO2为伤害人体的主要污染物。大量文献证明其与心血管、呼吸系统疾病相关，而且会导致发病率更高，缩短人体寿命（Kassomenos等人，2001；Pope等人，2002；WHO，2004；Wordley等人，1997）。为保证欧洲地区环境及人体健康，这些空气污染物被列入了常规观测中，并设定了相关的限值（规定 2008/50/EC）。责任部门、相关人员和科学家们评价环境空气质量，主要是通过对某一种污染物浓度进行估算得到的。而空气质量指数可用来评估多种空气污染混合物的水平，并且还量化了污染物对人类健康和死亡率的影响（Kyrkilis等人，2007）。欧洲（Carcia和Colosio，2002）和美国（US EPA，2009）常用的空气质量指数是由标准空气质量监测站采集数据，再进行相关计算得到的，采集内容包括PM10、O3、NO2、SO2、CO。回顾欧洲所有的空气质量指数（De Leeuw和Mol，2005；Van den Elshout等人，2008），发现对这些指数的解释有相当大的差异。有些不同可以用计算方法不同来解释，比如指数类型的数量不同、不同类型有不同的边界、空气污染物的选取不同，或者选取的时间段不同。不管怎样，空气质量指数为公众提供了一种使当前空气质量有意义的解释（Van den Elshout等人，2008）。

城市的空气质量不仅取决于排放量还取决于大尺度环流背景场和当地的天气形势。后者决定了污染物能否被集中、消散或者转移（Chen等人，2008）。气象因素会影响空气质量的集中程度，比如污染物的扩散受风向、风速、行星边界层高度的影响，相关的化学反应受太阳辐射、温度和湿度的影响。受修正后的空气动力粗糙度、城市热岛效应和排放源变化的影响，城市中的化学反应越来越复杂（Civerolo等人，2007）。很多研究都采取降低复杂度的方式，建立空气污染浓度和气象因子间的直接联系，得到线性回归方程。Vardoulakis 和 Kassomenos（2008）就用这种方法证明了，雅典地区排放源和静止或循环气流共同作用会导致PM10浓度升高。Borge等人（2007）采用后向两步聚类分析方法分析了马德里、伯明翰和雅典地区的PM10浓度受大规模气流输送的影响。马德里和雅典结果显示，矿物粉尘大部分来自北非。而伯明翰受来自欧洲大陆的气流影响，PM10浓度高（Buchanan等人，2002）。其他研究包括O3的形成问题，夏季高温时期的大规模气流输送（Beartsch-Ritter等人，2004；Solberg等人，2008），欧洲气流洲际运动对O3水平的影响（Derwent等，2004）。Struzewska和Kaminski（2008）认为2006年欧洲大规模升温时的光化学烟雾污染是受控于气流的循环模式，地理位置和人为氮氧化物排放量。大部分研究只将某个单一污染物与一些特定气象因子相比较。比起使用的单一气象因子，使用天气区的优势体现在，考虑到了天气气候是由一组气象特征共同表示，并将大气条件作为一个整体看待，从而简化了它的表达方式。这和定量化空气污染混合物的影响一样，都能使空气污染物控制策略更加有效。

本文利用欧洲大陆西北部的观测数据，着重分析中尺度大气模式对空气污染物的影响。

Mayer等人提出空气污染物情况是由“impact related”日空气质量指数表示。这项研究用已有的DAQx指数资料标记了空气质量的大致变化。据我们所知，到目前为止欧洲没有人涉及这一部分的研究。

2 数学模型

2.1 研究区域和空气质量观测

利用2001-2007年比利时、法国、德国和卢森堡地区15个空气质量监测站的资料，分析天气形势和相关气象要素对环境空气质量污染的影响。不同时间分辨率和元数据信息的数据序列来自欧洲空气与气候变化研究中心的空军基地数据库。卢森堡环境署提供了逐时空气污染浓度数据集（表1）。

表1 DAQx监测站位置，部分有效数据，2001-2007年间聚类结果（2.2展开说明）

图1展示了每个观测站的地理位置和测站特点。所有测站都设在城市或者二级城市，计算DAQx所需的数据都是可测的，除了8号测站。因此，我们合并了8号站附近Trier University的O3空气污染物数据，因为这里有一个城市背景站。为更进一步分析PM10浓度在不同气象条件下的变化，莱茵河流域的测量网络ZIMEN提供了2001-2007年特利尔观测站的逐时风和降雨资料。

图1 研究区域和空气质量监测站位置(三角形表示受工业影响的测站，正方形表示背景站，圆形表示交通站)

2.2 日空气质量指数（DAQx）

计算DAQx的目的是确定由环境空气污染导致的，对人体健康造成伤害的程度。DAQx指数是基于一系列分指数得出的，子指数是根据NO2、SO2、CO、O3和PM10这5种污染物浓度分别计算得到的。空气质量指数DAQx中每种污染物子指数计算方式如下：

DAQxi=[()╳()] DAQxi,low

DAQxi分别是那5种污染物的DAQx值。DAQxi.high和DAQxi.low分别是这一DAQx等级中的最高值和最低值，Ci.lim.high和Ci.lim.low是每种污染物的浓度限值，Ci.m是相应空气污染物的浓度(表2)。选取5个子指数中最高的一个确定为DAQx指数，相应的污染物为当天的主要污染物。DAQx的浓度是被选中污染物一段时间或统计量的平均值。如果污染物是SO2、NO2、O3，采用每天1h平均值中的最大值。PM10用日平均值表示，CO用8h滑动平均值表示。由污染物划分范围，我们把空气污染对人类健康的危害分为6个等级，这种规定最早来自流行病学和毒物学的而研究，现在已被列入欧洲法规当中（Mayer和Kalberlah, 2009）。DAQx等级由1（空气质量优秀）到6（空气严重污染）。可以认为等级越高对人体伤害越大。第5级中较低的值对应欧洲空气质量的标准值，此时的NO2、SO2、CO和PM10的值对应了当前短期内保护人体健康的最大值，而对于O3这个值对应的只是最小值（lt;法规gt;2008/50/EC）

表2 DAQx各等级相应的空气污染物浓度范围（Mayer和Kalberlah，2009）

采用凝聚式层次聚类分析，应用SPSS第16版，将空气质量监测站的数据进行划分，使相似的测站聚为一类。离差平方和算法是基于不同的类间距离计算方法而定义的。计算、求和所有样品中各个样品间的平方欧氏距离。开始一个站为一类，应用离差平方和算法来合并聚类，被合并的两类是那些两个站间平方聚类之和最小的站。

2.3 气象数据

本研究中的天气型划分方法是基于Paul Hess 和 Helmut Brezowsky提出的划分系统。这个方法代表了欧洲中部天气形势的大尺度特征（James，2007）。主观分类方法主要是靠辨别与500hPa引导气流相配合的海平面气压图，这至少能代表三天的天气特征（Gerstengabe 和 Werner，2005）。分型的决定性因素是引导气压中心的位置，锋面移动路径和涡旋类型（气旋或者反气旋）。逐日主观天气分型法“Grosswetterlagen”（GWL）的编目可追溯到1981年，其中包含了29种分类型和1种过渡阶段（表3）。GWL天气型相应的时间序列由德国波茨坦气候影响研究所提供。GWLs在方向和涡度上进行分组会更为恰当。十个定向类别包括8个基本方向（北、东北、东等），再加上欧洲高亚中心（CEH）和欧洲低压中心（CEL）。未被定义的日子被分为一类。更进一步，所有主观天气型都被分为了气旋或者反气旋型这两种。

表3 客观天气型及其在2001-2007年发生的次数

利用TimeStates软件对30年气候时期间的GWL天气型进行肯德尔斜率趋势分析（Udelhoven, 2006），从1961-1990年开始到1978-2007年结束。肯德尔斜率估计量是代表线性回归分析中检验上升或下降趋势显著性的一个非参数变量。作为曼-肯德尔检验的一种变体，它在检验趋势单调性方面很强大，并且和基础型相独立。用这种方法计算所有时间点上的斜率，用这些斜率的中间值作为整体斜率的估计量。

利用欧洲高精度逐日格点数据集中的地表平均温度和总降水量资料，数据集来自EU FP6计划，时间自1950-2008年。数据集的细节描述、模型解释和指出存在的不确定的工作是由Klok和Klein Tank（2008），Hofstra等人（2008）或Haylock等人（2008）完成的。这个数据集经纬向都是0.25格点，提取每个空气质量站周围3╳3网格单元作为研究区域（75╳75cm2）。通过计算格点单元到测站的距离和温度的高度订正得到个点单元的权重，基于此，计算这个区域日降水总量和日平均地面温度的空间平均值。

3 结果与讨论

3.1 测站间DAQx的比较

考虑空气质量监测站之间会因附近排放源的特征差异而有所不同。事实也是如此，位于排放源附近的测站所计算出的DAQx值比城市背景站要高得多（图2）。四种测站的DAQx值十分相似，相应的污染物如表1。第一种测站里包括1号测站和2号测站，这类在所有测站中空气污染水平最高。在这里，25%的DAQx值足以达到空气污染，空气质量良好的情况只是偶尔发生。这两个测站都受到附近交通的影响，布鲁色林还有高度城市化的空气污染背景。Haren站是唯一表现出严重在污染的测站，可能是受到了工业污染源的影响。所有DAQx值高于或等于3.5的测站，其PM10在93-95%，同时NO2在3-4%，O3在2-4%（图3）。

图2 根据聚类分析结果，对每个测站的DAQx箱型图进行分组，箱子内不同的阴影代表不同的污染物（白色是O3，浅灰是NO2，深灰是PM10）箱型图可以表现出中位数、上四分位数、下四分位数。线的上端和下端分别表示最大值和最小值。黑色圆圈是指在上四分位数和下四分位数范围内1.5-3.0的值，星号是指上四分位数和下四分位数范围内大于3.0的值

图3 2001-2007年间空气质量监测站内DAQx值大于3.5时个空气污染污染物出现的频数。CO仅在15号测站出现过1次，图中不做表示

3号测站、4号测站、14号测站和15号测站属于第二类测站，其特征是全部的个例中有75%空气质量达到良好，即便是最差的个例空气质量也达到了良。这些测站表现出了全部测站中最好的空气质量水平。这些测站附近的排放源少，尤其是14号和15号测站，这使得和高污染的第一类和第三类测站相比，第二类测站的DAQx值变化幅度相对小。夏

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[30591]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章