项目名称: 静稳天气条件下大气VOCs-NOx-SO2共存反应生成颗粒物的动力学与机理研究

项目编号: No.21477002

项目类型: 面上项目

立项/批准年度: 2015

项目学科: 化学工业

项目作者: 陈忠明

作者单位: 北京大学

项目金额: 90万元

中文摘要: 针对我国城市地区大气形成重度雾霾的天气和污染特征,实验室模拟研究高相对湿度以及高浓度氮氧化物(NOx)和二氧化硫(SO2)条件下,大气NOx、SO2与挥发性有机物(VOCs)共存反应生成颗粒物的动力学以及机理,探究新粒子生成和颗粒物增长与各种反应物浓度比例和相对湿度的定量关系。拟解决的关键科学问题是,在静稳天气条件下颗粒物生成速率和产率受哪些关键因素影响,可能包括VOCs/NOx/SO2不同浓度比例关系、氧化剂种类和浓度以及水汽浓度水平。本项目拟重点研究引发严重雾霾形成的关键初始条件,为大气模式研究提供有用的反应动力学参数,为预警和治理我国城市地区重度雾霾提供科学依据。

中文关键词: 雾霾;挥发性有机物;氮氧化物;二氧化硫;反应机理

英文摘要: Heavy haze is a growing problem in many Chinese cities. On an average heavy-haze day, the ground-level wind speed is very low, while water vapor level and concentrations of primary pollutants including nitric oxides (NOx) and sulfur dioxide (SO2) are surprisingly high. These conditions are highly conducive to rapid particle formation in the atmosphere, severely damaging visibility, industry, agriculture, transportation, human health, and the environment. However, the reason for particle formation during heavy haze days is still not clear. Studies on particle formation and growth during heavy haze days are urgently needed in China. This project plans to study the effects of primary pollutant concentration ratios and relative humidity on new particle formation and growth. We hope to identify the key factors controlling particle formation rate and productivity in a statically stable atmosphere. We postulate that possible factors are: the concentration ratio of VOCs : NOx : SO2; type and concentration of oxidants; and water vapor level. This project aims to explore the crucial initial chemical conditions that cause heavy haze, provide useful kinetic parameters for atmospheric model, and benefit the precaution and governance of the heavy haze in the urban areas of China.

英文关键词: Haze;Volatile Organic Compounds;Nitric Oxides;Sulfur Dioxide;Reaction Mechanism

成为VIP会员查看完整内容
0

相关内容

【Chen Guanyi博士论文】汉语名词短语的计算生成,282页pdf
【NeurIPS 2021】基于潜在空间能量模型的可控和组分生成
专知会员服务
16+阅读 · 2021年10月23日
专知会员服务
37+阅读 · 2021年8月31日
专知会员服务
86+阅读 · 2021年8月8日
专知会员服务
50+阅读 · 2021年7月10日
【ICML2021】学习分子构象生成的梯度场
专知会员服务
14+阅读 · 2021年5月30日
一图掌握《可解释人工智能XAI》操作指南
专知会员服务
59+阅读 · 2021年5月3日
专知会员服务
25+阅读 · 2021年4月2日
专知会员服务
65+阅读 · 2020年12月24日
AAAI 2022 | 条件局部图卷积网络用以气象预测
PaperWeekly
0+阅读 · 2022年3月5日
10个开源工业检测数据集汇总
极市平台
2+阅读 · 2022年2月9日
如何利用深度学习优化大气污染物排放量估算?
微软研究院AI头条
0+阅读 · 2021年8月31日
用扩散模型生成高保真度图像
TensorFlow
1+阅读 · 2021年8月17日
用PyTorch做物体检测和追踪
AI研习社
12+阅读 · 2019年1月6日
【学界】基于条件深度卷积生成对抗网络的图像识别方法
GAN生成式对抗网络
16+阅读 · 2018年7月26日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
24+阅读 · 2021年1月25日
Arxiv
12+阅读 · 2020年12月10日
Arxiv
38+阅读 · 2020年3月10日
Arxiv
12+阅读 · 2019年4月9日
Self-Driving Cars: A Survey
Arxiv
41+阅读 · 2019年1月14日
小贴士
相关VIP内容
【Chen Guanyi博士论文】汉语名词短语的计算生成,282页pdf
【NeurIPS 2021】基于潜在空间能量模型的可控和组分生成
专知会员服务
16+阅读 · 2021年10月23日
专知会员服务
37+阅读 · 2021年8月31日
专知会员服务
86+阅读 · 2021年8月8日
专知会员服务
50+阅读 · 2021年7月10日
【ICML2021】学习分子构象生成的梯度场
专知会员服务
14+阅读 · 2021年5月30日
一图掌握《可解释人工智能XAI》操作指南
专知会员服务
59+阅读 · 2021年5月3日
专知会员服务
25+阅读 · 2021年4月2日
专知会员服务
65+阅读 · 2020年12月24日
相关资讯
AAAI 2022 | 条件局部图卷积网络用以气象预测
PaperWeekly
0+阅读 · 2022年3月5日
10个开源工业检测数据集汇总
极市平台
2+阅读 · 2022年2月9日
如何利用深度学习优化大气污染物排放量估算?
微软研究院AI头条
0+阅读 · 2021年8月31日
用扩散模型生成高保真度图像
TensorFlow
1+阅读 · 2021年8月17日
用PyTorch做物体检测和追踪
AI研习社
12+阅读 · 2019年1月6日
【学界】基于条件深度卷积生成对抗网络的图像识别方法
GAN生成式对抗网络
16+阅读 · 2018年7月26日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
相关论文
Arxiv
0+阅读 · 2022年4月20日
Arxiv
24+阅读 · 2021年1月25日
Arxiv
12+阅读 · 2020年12月10日
Arxiv
38+阅读 · 2020年3月10日
Arxiv
12+阅读 · 2019年4月9日
Self-Driving Cars: A Survey
Arxiv
41+阅读 · 2019年1月14日
微信扫码咨询专知VIP会员