聊城市空气质量及相关大气污染事件特征分析

采用气候倾向趋势法、皮尔逊相关系数法对2009—2017年聊城空气污染日数据和静稳天气的气候特征进行分析,探究聊城市空气质量状况和相关大气污染事件的发展规律。结果表明:聊城主要大气污染物中,PM10和PM2.5年平均质量浓度高于山东省平均水平和中国环境空气质量标准限值,颗粒物类污染物质量浓度明显偏高;主要污染物年平均质量浓度除PM10呈逐年小幅增加外,其他污染物质量浓度均呈下降趋势;聊城污染日数总体呈减少趋势,但是中到重度污染日数及占比有增加趋势,重度污染日数占比增加趋势最明显。2009—2011年除CO外,其他污染物作为首要污染物出现的日数明显增加;2012年之后只有PM2.5作为首要污染物出现的日数迅速增加;冬季污染最严重,夏季污染最轻;霾和雾月出现日数与月大气污染出现日数呈明显的正相关,静稳天气多发是大气污染严重的主要天气学原因。     

汾渭平原东部运城市空气污染变化特征及其气象因素影响分析

本文综合利用2015—2020年地面气象观测资料、欧洲中心ERA5再分析资料及大气环境监测数据，分析了汾渭平原东部运城市污染物浓度的变化特征以及与天气形势和气象要素的关系。结果表明：①2015—2020年期间运城市PM2.5、PM10、SO2、NO2、CO 5种污染物年平均浓度呈下降趋势，而O3浓度呈上升趋势；②冬季和夏季空气质量相对较差，首要污染物分别是PM2.5和O3，边界层高度的变化与近地层风向风速、污染物浓度的关系密切，冬季（夏季）PM2.5（O3）污染较重时边界层高度较低（较高），以东北风（东南风）为主，风速偏小（偏大）；③最后利用自组织映射神经网络（SOM）算法分别对冬夏925 hPa位势高度场进行天气分型并开展不同天气形势下污染物浓度与气象要素的变化对比研究，发现冬季污染时以静稳天气为主，低层弱东北风将污染物输送至运城市，而夏季O3污染较重时受热低压形势控制，利于O3前体物汇合，太阳辐射较强时O3浓度较高。     

青岛市雾和城市空气质量的特征及其相关关系

基于2006—2012年青岛市区雾日数和同一时期市区8个环境监测站SO2、NO2及PM10 3种污染物浓度的监测资料,统计分析青岛市区雾日和空气质量特征,揭示青岛夏季海雾和冬季陆雾对城市空气质量的影响差异。分析结果表明,青岛市区年平均雾日55天,海雾日数占总雾日数的58%,6、7月是海雾高发期。青岛市年平均污染日数为30天,空气污染主要出现在冬、春两季,首要污染物为PM10。随着城市化进程,NO2质量浓度呈明显递增趋势,SO2年平均浓度是逐年下降的趋势。雾天气背景下常伴随着不同程度的空气污染,冬季大雾天气3种污染物浓度均显著高于夏季海雾天气污染物浓度。     

一次低能见度事件中大气颗粒物的微物理特征

利用合肥地区高时间分辨率观测资料对2013年1月13-15日一次低能见度事件中大气颗粒物变化进行分析,依据能见度、相对湿度和PM2.5浓度将过程划分为轻雾、霾、雾3个阶段,进而研究不同阶段大气颗粒物的微物理特征。结果表明：这次低能见度事件经历了“轻雾—霾—轻雾—雾—轻雾—雾—轻雾”的阶段转换过程。整个过程PM2.5/PM10和PM1/PM2.5与能见度呈负相关关系,雾阶段PM2.5/PM10大,细颗粒物积聚程度较快;而轻雾和霾阶段PM2.5/PM10小且离散程度大,粗颗粒物生成速度较快。不同阶段的颗粒物谱分布存在较大差异,轻雾和霾阶段的细颗粒物数浓度、表面积浓度和体积浓度谱形相似;雾阶段对不同粒径尺度的颗粒物数浓度、表面积浓度和体积浓度均有沉降作用,雾过程持续时间越长,对颗粒物的沉降作用越强。     

2014年10月京津冀地区一次PM2.5污染过程的数值模拟

近年来我国东部尤其是华北地区的PM2.5污染逐年加重,引起广泛关注。本文利用WRF Chem模拟了2014年10月京津冀地区一次PM2.5重度污染过程,研究造成此次过程的天气形势、污染物的时空分布特征以及一次、二次PM2.5对总浓度的贡献率,并对污染最严重当日的PM2.5垂直分布进行详细分析。结果表明：造成本次污染过程的是弱高压控制下的静稳天气系统,地面主导风向为南风,垂直方向上有逆温层,抑制了污染物垂直方向上的扩散。发生污染时,PM2.5的高浓度主要分布在北京南部、天津北部与河北接壤的区域,二次PM2.5的贡献率大于一次PM2.5,在清洁大气中则一次PM2.5的贡献更大。垂直方向上,PM2.5中的一次颗粒物只在近地面有高浓度中心,1.2~1.6 km的上空高值区以二次生成的颗粒物为主,是由前体物上升到高空后再通过氧化反应生成的,当这部分颗粒物随着边界层落回近地面时会加重污染。随着时间的变化,污染物的分布高度和边界层高度呈明显的正相关。     

2013—2016年北京朝阳站PM2.5质量浓度变化特征

利用2013年2月至2016年1月北京朝阳环境气象站PM2.5质量浓度和同步地面风数据,重点分析了PM2.5质量浓度的变化特征及受地面风的影响情况。观测期间测点PM2.5年平均质量浓度为80.6±4.0 μg·m-3,为环境空气质量标准(GB3095—2012)二级年均浓度限值(35 μg·m-3)的约2.3倍,季节变化特征明显,冬季最高（115.1 μg·m-3）、夏季最低（58.5 μg·m-3）。测点主导风向为ENE—E—ESE,风速主要集中在0.2~2.0 m·s-1。当地面风来自ENE—E—ESE方向时PM2.5质量浓度最高（109.1 μg·m-3）,来自WNW—NW—NNW方向时最低（39.5 μg·m-3）。PM2.5质量浓度随风速增大先上升后下降,在0.4 m·s-1时达最高,为139.2 μg·m-3。风速在0.2~2.0 m·s-1时主要受ENE—E—ESE方向影响,而2~6 m·s-1时主要受ESE方向影响较大。通过与其他站点的比较发现,不同站点各方向污染源和地面风的差异导致了PM2.5质量浓度在各方向分布的差异。     

2013-2016年惠州市大气颗粒物质量浓度变化特征和典型污染过程分析

利用2013-2016年惠州市5个环保国控站的PM质量浓度和国家基本气象观测站的气象要素观测数据及NCEP/NCAR日平均再分析资料,统计分析了惠州市大气颗粒物质量浓度变化特征及其与气象条件的关系。结果表明：2013-2016年惠州市大气颗粒物质量浓度、污染日数和超标日数均呈明显下降趋势,2016年PM10年平均质量浓度已接近年平均质量浓度限值一级标准,PM2.5年平均质量浓度达到年平均质量浓度限值二级标准。大气颗粒物质量浓度冬季的最高、秋季的次之,非汛期的（10月次年3月）显著高于汛期的（4-9月）。PM2.5污染日均出现在非汛期,尤其是冬季的1和12月,大多出现在晴朗干燥的东北风天气下。分析惠州市20132016年间两次长时间大气颗粒物污染过程发现,这两次大气颗粒物污染过程出现在冷空气减弱、冷高压东移出海后或下一波冷空气来临前,但随着南下冷空气的到来,北风加大或带来明显降水,空气质量明显好转。     

2013年河北中南部PM_(10)和PM_(2.5)浓度时间变化特征及其影响气象条件分析

对2013年河北省中南部的石家庄、保定、沧州、衡水、邢台和邯郸6个地市市区各站点逐小时PM10和PM2.5监测资料及相应气象资料分析结果表明:6个地市中邢台年污染日数最多,对应其年平均风速最小;沧州的最少,年平均风速最大。各地市各个级别污染日数不同,五、六级重污染天气均集中在10月—次年3月。首要污染物主要是PM10和PM2.5,但比例不尽相同。特殊的地理位置、污染源差异和气象条件的差异造成各地市污染日数、级别的差异。6个地市污染天气过程时段大都相同,区域性污染明显。各地市PM10和PM2.5浓度平均最大值均出现在冬季,PM10浓度平均最小值均出现在夏季,各市PM2.5浓度平均最小值出现的季节不同。6个地市PM10和PM2.5浓度值的月变化趋势相似。不同季节各地市PM10和PM2.5浓度日变化趋势不同,极值出现的时间也各不相同,极值出现的时间与气象条件和人类活动关系密切。秋、冬季各地市PM10和PM2.5浓度日较差多大于春、夏季的。各地市PM10和PM2.5浓度日均值与当地的日均气温、风速、能见度呈负相关关系,与相对湿度呈正相关关系且相关性比较显著。     

近五年周至空气污染气象条件分析

利用周至2012年1月1日—2017年9月30日气象观测资料及空气质量监测资料,分析了近五年周至地区污染特征及冬季重污染天气过程中气象条件的影响,结果表明:周至地区冬季空气污染情况最为严重,五年来重度污染等级以上(包括重度污染和严重污染)日数(简称重污染日)共计119d,重污染天气频发。该地区冬季重污染日气象条件:以静稳天气为主,风速较小,主导风向为偏西北风,这使得大量外来污染源在本地堆积;低于冬季平均值的气温使得大气逆温现象更易发生,大气层结稳定;高于平均值的相对湿度使得颗粒物吸湿增长加剧,重污染日前连续无有效降水使得空气中的污染物得不到有效冲刷,不利于污染物扩散,使得重污染天气进一步加重。     

2013年冬季宝鸡重度雾霾污染分析

利用气象观测资料和PM2.5质量浓度资料,统计分析宝鸡市2013年冬季重度雾霾污染日时空特征,探讨雾霾污染日各气象要素的特征。分析发现:12013年12月—2014年2月宝鸡出现重度雾霾污染日28d,为近5a来最多。2重度雾霾污染天气过程多持续4~8d;污染严重时次出现在19—24时,具有显著日变化。3宝鸡市东部污染重于西部,弱东风利于重度雾霾污染出现(加剧),转为西风时污染减弱。4重度雾霾污染天气的主要成因包括,有利的天气形势(地面关中处于高压底部或后部)维持,大气混合层高度低,相对湿度较大(70%左右),风速较小(2m/s),连续无降水日长。5重度雾霾污染主要为本地污染物聚集所致。     

关中区域主要大气污染物时空分布特征分析

利用关中区域西安、咸阳、渭南、铜川、宝鸡五个主要城市2014-2018年PM2.5、PM10、SO2和NO2四种主要大气污染物逐日平均质量浓度,统计分析了关中区域近5年环境空气质量时间变化特征和区域分布特征。结果表明:关中区域颗粒物PM2.5、PM10和SO2年平均质量浓度呈逐年下降趋势;西安、咸阳和渭南NO2年平均质量浓度呈逐年上升趋势,宝鸡和铜川相对较低且变化趋势不明显;区域大气环境质量总体在不断改善。关中区域4-10月尤其是夏季6-9月空气质量状况较好,7月最好;采暖期空气污染较为严重,其中1月环境空气质量最差,其次是2月。近5年以颗粒物PM2.5和PM10为主要污染物,年平均值均超标,而SO2质量浓度相对较低;从区域分布来看,中部环境空气质量最差,其中PM2.5、PM10和NO2质量浓度明显较高,东部次之,北部和西部相对较好。咸阳中度以上污染日数明显较多,其次为西安,渭南居第三,铜川最少;咸阳、西安和渭南中度以上污染日数呈逐年增加趋势,咸阳增加趋势最为显著,而宝鸡和铜川呈逐年减少趋势。     

喀什地区浮尘天气特征及一次重污染天气成因分析

根据1961—2018年喀什地区9个国家站浮尘日数逐日观测资料,利用气候学统计、M-K突变检验等方法分析喀什地区浮尘日数的时空分布等气候特征,分析2019年3月19—25日喀什地区出现的强浮尘造成的重污染天气成因。结果表明:喀什地区年平均浮尘日数为71 d,浮尘日数总体呈减少趋势,并于1997年前后发生了显著减少性突变。2019年3月19—25日出现的强浮尘天气过程,持续时间长,影响范围广,乌拉尔山高压脊发展,脊前横槽转竖,在新疆东部回流东灌冷空气是造成此次沙尘过程的天气背景。浮尘天气造成21—24日喀什地区空气污染指数AQI指达500,属严重污染,首要污染物PM_(2.5)和PM_(10)在21日、22日达到峰值,分别为494、1 175μg/m~3。热力、动力条件以及近地面存在逆温层均不利于污染物的扩散。污染过程前后喀什市本站气压与PM_(10)、PM_(2.5)浓度均呈正相关,相关系数为0.762、0.507,均通过0.05显著性水平检验;气温与PM_(10)浓度呈负相关,与PM_(2.5)相关性不明显;相对湿度跟PM10和PM2.5呈正相关,表明气象因子在大气污染过程中对大气环境影响明显。     

北京郊区夏季PM2.5和黑碳气溶胶的观测资料分析

城市近郊常受到城区污染物扩散和输送的影响,2010年7月21日至8月6日利用β射线颗粒物连续监测仪和黑碳仪对北京西北郊区PM25和黑碳气溶胶（BC）进行了连续观测。结果表明,北京西北郊区夏季PM25和BC的质量浓度分别是(13316±8164)、(289±162) μg/m3。受明显的山谷风的影响,来自观测点东南方的城区的气流使PM25和BC浓度升高,来自观测点西北方向的风则使PM25和BC浓度降低。受局地排放、区域输送和气象条件的共同影响,郊区的PM25和BC浓度表现出明显日变化特征,二者浓度在上午、傍晚和夜间显著上升。     

聊城市空气质量现状及污染原因分析

利用2013年10月至2014年9月山东省聊城市大气主要污染物监测数据,分析了各种污染物的时空分布特征及其对空气污染的贡献,探讨了聊城市大气污染的成因。结果表明:2013年10月至2014年9月聊城市轻度污染以上的空气质量日数所占比例高达70.0%,大气中SO2、NO2、CO、PM2.5和PM10浓度季节变化规律明显,即冬季各种污染物浓度远高于夏季。日首要污染物以PM2.5和PM10出现日数最多,其次为SO2作为首要污染物在冬季出现偏多,臭氧8 h作为首要污染物在夏季出现相对较多。聊城市5种污染物对空气污染的影响程度从大到小依次为PM2.5PM10NO2COSO2,其中PM2.5与PM10分担率大幅高于其他3种污染物,说明聊城市大气污染属于可吸入颗粒物与细颗粒物主导的类型。相关分析发现,PM2.5和PM10具有来自相同或相似污染源的可能性,扬尘与化石燃料使用是PM2.5和PM10污染的主要成因。     

2014—2016年开封市空气污染特征及重污染过程气象成因分析

利用2014-2016年高空、地面气象资料和大气环境监测资料,分析了开封市空气质量特征及10次连续性重度污染过程天气形势。结果表明:2014-2016年,开封市空气质量整体呈转好趋势,优良率由53%增加到67%,污染时数由47%下降至33%,轻度污染和中度污染时数下降明显;重污染日主要出现在1月、11月和12月,其中1月出现重污染日和连续性重污染过程次数最多;3年内共出现连续性重污染过程23次,最长持续日数达6 d;开封市重污染天气主要受PM2.5和PM10浓度变化影响,PM2.5和PM10浓度具有明显的季和日变化特征,平均浓度最高值主要出现在秋冬季和09时。重污染过程期间的500 hPa形势中,平直纬向环流型出现次数最多,占总次数的63%;其次为低槽型,出现次数占21%;西北气流型出现次数最少,占16%。地面气压场形势主要分为4类:1)高压前部型,出现重污染次数最多,占总次数的55%;2)均压场型,出现次数占25%;3)低压带型占16%;4)高压后部型出现次数最少,仅占4%。当上游地区有较严重污染时,本地污染物浓度将快速升高,区域传输作用明显。     

呼和浩特市冬季空气污染特征及气象条件影响分析

文章利用2013—2017年呼和浩特市冬季空气污染数据及同期气象观测数据,分析空气污染特征及各类气象条件下污染日数分布特征,结果表明:近5a来呼和浩特市冬季平均空气质量指数呈下降趋势,空气污染程度有所减缓。空气质量未达标日数呈减少趋势,特别是轻度和中度污染日数下降趋势最显著;首要污染物以PM10为主;冬季风速、气温、相对湿度与空气质量指数显著相关,降水量对空气质量的影响较小;S和SSW风向时污染日数出现概率较高,易出现中到重度空气污染。     

2005年南京市PM10浓度时间序列分析

根据南京市2005年的PM10日均浓度和气象观测资料,利用Matlab小波分析工具,对PM10浓度的年时间序列进行分析,得出了该地区PM10日均浓度的变化规律：2—5月较大,6—9月较小,10—12月较大;并且全年共有5个突变点。结合HYSPLIT-4污染扩散模式,对污染源进行追踪,结果表明：造成南京市大气污染主要有局地污染物的排放和外来污染物的输送两种类型;在垂直方向上,污染物的长距离输送一直稳定在低层。     

2016年12月青岛一次持续重污染天气的观测分析与数值模拟

选取2016年12月17—22日青岛一次典型重污染天气,利用大气污染物监测结果、地面气象要素观测资料和欧洲中期天气预报中心（ECMWF）ERA5再分析数据对此次过程中大气污染物及气象场的变化特征进行分析。观测分析表明此次污染过程持续时间长达5 d以上,其中19—21日为重污染天气（PM 2.5 日均质量浓度ρ>150 μg·m-3）。根据气象场和PM2.5质量浓度变化特征,此次污染过程可分为3个阶段：17日02时—19日08时为青岛污染物累积阶段,研究区受西南风控制,PM2.5质量浓度逐渐上升,700 hPa等压面上高空槽的维持及槽前持续的南风、西南风有利于污染物累积,同时近地面相对湿度增加,是此次持续性重污染天气形成的重要条件;19日09时—20日20时为青岛污染维持加剧阶段,相对湿度大、风速很小,污染物扩散条件差,PM2.5质量浓度最高;20日21时—22日08时为青岛污染消散阶段,青岛对流层中下层及地面风速均增大并产生弱降水,有利于污染物扩散稀释和湿清除,PM2.5质量浓度逐渐降低。WRF-Chem数值模式能够较好地模拟出主要气象要素和青岛PM2.5 质量浓度的变化特征,模拟结果表明山东省内污染物排放贡献了青岛PM2.5的49.5%;污染物跨省输送对此次污染事件也有重要贡献,其中来自研究区以南的安徽和江苏的排放对青岛PM2.5的贡献率可达25.5%。     

2014—2016年拉萨市大气环境质量分析及评价

本文对2014—2016年拉萨市6种空气污染物SO2、NO2、PM10、PM25、CO、O3的浓度变化进行了分析和评估。结果表明：①拉萨市区大气污染物以PM10为主,其次是O3;②拉萨市区大气环境中SO2、CO的含量逐年下降,但是,NO2含量逐年上升;③拉萨市大气环境中的PM25与PM10比值明显偏低,表明拉萨市大气环境质量主要的影响因素为自然因素。     

KNN数据挖掘算法在北京地区霾等级预报中的应用

利用北京地区2013年气象数据以及PM2.5浓度数据与能见度数据进行对比分析,结果发现气温、气压、相对湿度、露点温度、地面U风、地面V风以及PM2.5小时浓度这7个要素是影响北京地区霾等级的关键因素。利用气温、地面气压、相对湿度、露点温度、U风、V风分量以及PM2.5浓度作为7个属性特征,以霾等级做为标志量构建训练样本集,结合KNN（K Nearest Neighbor）数据挖掘算法构建霾等级预报分类器,并开展霾等级客观识别实验。结果表明K=3时该分类器的分类预报效果最佳,其13个站点的分类准确率高达88.2%。基于该算法构建的KNN模型预报无霾时的漏报概率很小,准确率高达91.8%;预报有轻度霾、中度霾以及重度霾时,空报的概率仅分别为4.7%、1.4%和2.6%。2014年8月29日至9月2日北京地区一次霾天气过程的预报结果表明：南郊观象台、密云和延庆3站的预报准确率分别达到74%、64%和84%,但霾等级的精度方面还有待于进一步提高。