为了对气溶胶中某些样本点散发的化学物质进行关联,通常采用反向轨迹分析来识别潜在的地理源区域。
在这张图中苏州市重度雾霾期间气溶胶污染特征时,轨迹聚为若干组。每组中化学物质的不同组分(如有机物、硫酸盐)显示了不同地区的影响。
它为研究区域运输对某些受体中颗粒物的影响提供了一种简便的方法。
- 轨迹是为特定时间计算的(例如每天的0:00,6:00,12:00,18:00)。
- 离线PM样品及其化学种类通常收集24小时
如何将样本与不同时间尺度的轨迹联系起来?
江南体育网页版地球科学堆栈交换是一个为那些江南电子竞技平台对地质学、气象学、海洋学和环境科学感兴趣的人提供的问答网站。注册只需要一分钟。
注册加入这个社区吧为了对气溶胶中某些样本点散发的化学物质进行关联,通常采用反向轨迹分析来识别潜在的地理源区域。
在这张图中苏州市重度雾霾期间气溶胶污染特征时,轨迹聚为若干组。每组中化学物质的不同组分(如有机物、硫酸盐)显示了不同地区的影响。
它为研究区域运输对某些受体中颗粒物的影响提供了一种简便的方法。
如何将样本与不同时间尺度的轨迹联系起来?
大气科学研究者大多采用定性意义上的反轨迹分析来解释污染物的来源。正如提问者所指出的,不可能将在特定时间计算的轨迹与平均数小时的测量联系起来。
但是,可以用反向轨迹对观测到的浓度进行定量分析,并用于确定排放源及其强度。
为了定量分析,从测量的地方模拟了大量的后轨迹(10万个量级),但是每个轨迹的初始条件略有不同。
让我用一个例子来解释。假设PM2.5浓度是某一天在坐标x、y、z处测量的24小时平均值。假设x、y、z周围区域的空气混合良好(x-dx到x + dx, y-dy到y+dy, z-dy到z +dy),将模拟后轨迹,每个区域的x、y、z略有不同,但体积为2dx*2dy*2dz。此外,模拟的轨迹数量将在观测所代表的体积和时间段(本例中为24小时)中均匀分布。模拟结果将导致轨迹分布,一些网格框被多个轨迹访问,而另一些网格框可能没有轨迹或很少轨迹。人们更频繁地访问的网格框中的排放,更有可能对观测到的浓度做出贡献。换句话说,在x, y, z处测量的浓度将正比于每个轨迹所花费的时间之和乘以网格框中的发射通量。
更详细的描述反轨迹分析及其与观测量相关的应用可在以下文章中获得。
Gadhavi等人,2015,使用拉格朗日色散模型评估黑碳库存-印度南部的案例研究,大气化学物理,第15卷,1447-1461,doi:10.5194 / acp - 15 - 1447 - 2015.
Seibert和Frank, 2004,源-受体矩阵计算与Lagragian粒子扩散模型在逆向模式,Atmos。化学。理论物理。,vol. 4, 51-63, doi:10.5194 / acp - 4 - 51 - 2004