2014年2月北京PM2.5污染过程及天气形势分析

2014年2月19—27日,北京出现了重度污染及以上水平的霾天气,严重危害着人们的身体健康。以北京该段持续污染过程为研究对象,基于同期气象数据与PM2.5 观测数据,利用SPSS统计软件分析了PM2.5浓度与气象因子间的相关性,探究区域周边城市PM2.5 污染变化特征及其与地面天气形势之间的关系。研究结果表明,在一定的气象条件下,PM2.5 浓度与风速、相对湿度分别呈显著的负相关、正相关,与气压呈负相关,与气温无显著相关关系。同时,比较该时段北京市与周边区域7个城市的PM2.5 浓度变化趋势及后向轨迹分析,发现北京市与周边城市在相似的气象背景条件下,污染过程具有区域性特征。华北地区处于地面高压均压场控制时,地面风速小,逆温层明显,大气层结稳定,区域扩散条件差,弱偏南气流主导时间长,受局地源积累和区域输送的影响,污染物浓度累积上升,可形成持续霾天气。     

预估PM2.5的变化

人类赖以生存的大气环境受到人类燃烧化石燃料和汽车尾气排放等人为活动的影响,其中大气中直径≤2.5μm的颗粒物(particulate matter)被称为PM2.5,由于其来源多样,生成理化过程复杂,有的PM2.5可能会因为带有毒性而引起人们的重视。全球对PM2.5的长期观测记录较少,近些年美国宇航局转发了加拿大两位科学家的研究,他们根据美国宇航局的卫星资料反演得到2001—2006年平均全球PM2.5浓度分布(图1),从图中可以看到,从中国东部到非洲北部撒哈拉沙漠是PM2.5的大值区,即包括中国东部和西北地区、印度半岛、阿拉伯半岛和非洲北部撒哈拉沙漠是PM2.5浓度大值区。这一反演结果虽然为我们提供了一个较好的参考,但是     

北京2005—2014年PM2.5质量浓度的演变特征

利用2005—2014年北京宝联（城区）和2006—2014年上甸子本底站（郊区）的PM2.5质量浓度监测结果揭示了其长时间的演变特征。结果表明,2005—2007年北京地区PM2.5污染最重,2008年以后PM2.5年平均浓度明显降低,中度以上污染日数减少,但是2013—2014年有加重趋势。城区秋、冬季平均浓度最高,春季和夏初次之。然而,近年来春、夏季污染有减轻的趋势,高浓度值出现的时间越来越向秋、冬季集中,从而导致季节性差异变大。春季沙尘天气是其影响因素之一。上甸子春、夏季的PM2.5平均浓度高于秋、冬季,与城区不同。但2011年以后城郊差异逐渐变小,表明污染事件的区域性特征增强。北京城区中度污染日数年平均为30 d,重度污染为26 d,严重污染为4.7 d。污染日数月际变化明显并且月分布具有年际差异。2013—2014年,中度污染日数减少,严重污染日数增加,PM2.5年平均浓度与秋、冬季重污染过程的相关性增大。上甸子中度以上污染日数是城区的1/3。持续性重污染过程多发生在秋、冬季。2008—2014年以后中度以上污染持续超过3 d的过程每年平均发生1.9次,重度以上污染0.6次。绝大多数严重污染只持续2~3 d。重度以上污染日多出现在污染过程的中后期,因此遇不利气象条件提前采取减排措施将有可能减少重污染发生的频次。     

汕头市PM10和PM2.5时间分布特征分析

采用β射线法大气颗粒物监测仪连续观测了汕头市PM10和PM2.5浓度,分析2015年11月至2017年10月的PM10和PM2.5的浓度水平、时间变化规律等。结果表明,PM10的年均日浓度为67.3μg/m~3,PM2.5的年均日浓度为35.9μg/m~3,其质量浓度日变化特征与人类活动和气象条件变化密切相关。PM10和PM2.5的月平均质量浓度变化趋势全年保持基本一致,谷值出现在6月,峰值出现在3月和12月。PM2.5/PM10比值为0.533,相关系数为0.75,存在显著的线性关系。     

福州市PM2.5、PM2.5/PM10分布特征及与气象条件关系的初步分析

利用福州市PM2.5、PM10和气象资料,分析PM2.5、PM2.5/PM10的分布特征及与气象条件的关系。结果表明:福州市细粒子污染程度较轻,春季PM2.5和PM2.5/PM10值均是四季中最高的,其次是冬季,夏季最低;影响PM2.5浓度出现高值的天气系统有:暖区辐合与高空槽前、大陆高压后部和暖区降水三种系统,其中暖区降水天气形势下的PM2.5平均浓度最高,超标率为25.5%;影响PM2.5浓度出现低值的天气系统有:冷高压脊、高压底部和高空槽后,副热带高压及边缘,台风(热带辐合带)及外围系统,在后两种天气系统影响下的PM2.5平均浓度最低,超标率为0;剔除因降水、雾等低能见度个例,PM2.5浓度与能见度的相关系数为-0.626,冬春季的相关系数是夏秋季的1.4倍;PM2.5浓度与单一气象要素(如温度、相对湿度、风速等)相关性不明显,但不同季节、不同气象要素变化的组合对PM2.5浓度有直接影响。      

2014-2017年华北平原PM2.5组分消光与能见度对比研究

华北平原大气污染与低能见度状况一直是人们关切的问题.本文通过分析2014-2017年PM2.5化学成分的浓度和消光效果,研究了华北平原典型城市保定市的大气污染特征.结果表明,PM2.5组分的年均浓度显示下降趋势,水溶性无机离子,碳质气溶胶和金属元素分别减少了11 μg m-3,23μgm-3和1796 ng m-3.NH4+,NO3-和SO42-是PM2.5污染的主要污染物,三者之和占总离子浓度的82.9％.基于IMPROVE方程对细颗粒物进行重构,在观测期间PM2.5质量浓度平均为93±69μgm-3,春季,夏季,秋季和冬季的消光系数分别为373.8±233.6 M m-1,405.3±300.1 M m-1,554.3±378.2 M m-1和1005.2±750.3 M m-1.硫酸铵,硝酸铵和有机物对消光的贡献最大,不同季节下占比达55％～77％.通过PM2.5组分进行重构,利用IMPROVE算法计算得到Rbsca,用能见度测量值转换得到Vbsca,二者具有较高的相关性(r2=0.84);但存在Vbsca的高值被低估,Vbsca的低值被高估的现象;特别是当Rbsca＞1123 M m-1(对应能见度约小于2.0 km)时,Vbsca的值被低估了17.6％.高浓度PM2.5和高湿度对IMPROVE算法结果有显著的影响.     

PM2.5监测及评价研究进展

综合阐述了近年来国内外PM2.5的监测方法、观测站网建设发展,以及PM2.5对人体健康、大气环境及天气、气候等方面的影响研究,并对国内外PM2.5空气质量标准差异进行了比较分析,提出了加强PM2.5监测及影响评价的建议。     

降雨对PM2.5浓度的影响及人工降雨降低PM2.5浓度的探讨

湿沉降是使大气颗粒物浓度减少的途径之一。该文利用2013年6月南京市逐日PM2.5浓度资料,及同期降水、风速和相对湿度的数据,分析了南京夏季PM2.5与气象条件变化之间的关系。结果表明,在低风速、高湿度、污染物不易扩散条件下,降雨并不能有效降低当日PM2.5浓度。而在风速较大的条件下,污染物在随风扩散稀释的同时,降雨对污染物的湿沉降作用促进了PM2.5浓度降低。建议在采用人工增雨方法清除PM2.5时,要考虑气象条件的影响。     

PM2.5监测及评价研究进展

综合阐述了近年来国内外PM2.5的监测方法、观测站网建设发展,以及PM2.5对人体健康、大气环境及天气、气候等方面的影响研究,并对国内外PM2.5空气质量标准差异进行了比较分析,提出了加强PM2.5监测及影响评价的建议.     

PM10、PM2.5几种观测方法探讨

通过对PM10和PM2.5几种观测方法的比较,阐明了不同方法的测量原理和所观测到的数据类型.光散射法能直接测量数浓度,通过估算的平均密度计算得出质量浓度,β射线法和称重法直接测量质量浓度,不能测量数浓度;光散射法和β射线法能实现在线观测,称重法则不能.在实际应用中,必须选用合适的设备,应用对应的数据类型,并通过标校和定期比对,提高不同方法观测数据的可比性和准确性.     

Impacts of ENSO on wintertime PM2.5 pollution over China during 2014–2021

China has implemented a series of emission reduction policies since 2013, and the concentration of air pollutants has consequently decreased significantly. However, PM_2.5 (particulate matter with an aerodynamic diameter less than 2.5 µm) pollution still occurs in China in relation to the interannual variations in meteorological conditions. Considering that El Niño–Southern Oscillation (ENSO) is the strongest signal modulating the interannual variation in the atmosphere–ocean system, in this study the authors investigate the variations in PM_2.5 concentrations in four megacity clusters of China during the winter season associated with four individual ENSO events from 2014 to 2021. Results show that the wintertime PM_2.5 concentrations in the Beijing–Tianjin–Hebei and Fenwei Plain regions during El Niño years are higher than those during La Niña years, which can be explained by the anomalous southerly (northerly) winds during El Niño (La Niña) favoring PM_2.5 accumulation (diffusion). In the Pearl River Delta region, PM_2.5 concentrations decrease in El Niño relative to La Niña years owing to the enhanced water vapor flux and precipitation, removing more PM_2.5 from the atmosphere. The comprehensive effects of wind and precipitation anomalies lead to the unpredictability of the impacts of ENSO on PM_2.5 over the Yangtze River Delta region, which should be analyzed case by case.摘要2013年以来中国实施了一系列减排政策, 大气污染物浓度明显下降, 但由于气象条件的年际变化, 中国PM_2.5 (空气动力学直径小于2.5 µm的颗粒物) 污染仍然存在. 厄尔尼诺–南方涛动 (ENSO) 是调节大气–海洋系统年际变化的最强信号. 本文研究了2014–2021年四次ENSO事件期间, 中国四个特大城市群冬季PM_2.5浓度的变化. 结果表明, 在京津冀和汾渭平原地区, 由于厄尔尼诺 (拉尼娜) 期间的偏南风 (偏北风) 异常有利于 PM_2.5 的积累 (扩散), 冬季PM_2.5浓度在厄尔尼诺年高于拉尼娜年. 在珠三角地区, 由于厄尔尼诺冬季水汽通量和降水的增加有利于大气中PM_2.5的湿清除, 冬季PM_2.5浓度在厄尔尼诺年低于拉尼娜年. 在环流和降水异常的综合作用下, ENSO对长三角地区PM_2.5浓度的影响难以预测, 应逐案分析.     

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。     

黄石市大气PM10和PM2.5质量浓度特征研究

利用2015年黄石市5个监测站点可吸入颗粒物(PM10)和细颗粒物(PM2.5)的在线监测数据和风向、风速、气温、气压等常规地面气象要素观测资料,分析了黄石市大气PM10和PM2.5的质量浓度水平分布特征及其与气象参数的关系。结果表明:2015年黄石市5个监测站点大气PM10和PM2.5年均浓度范围分别为95.8—108.6μg·m^-3和64.3—68.9μg·m^-3,均超过国家二级标准;季均质量浓度呈现显著的冬季高夏季低的变化规律,冬季PM10和PM2.5的质量浓度分别为(143.9±62.2)μg·m^-3和(95.5±44.5)μg·m^-3,夏季PM10和PM2.5的质量浓度分别为(75.2±24.0)μg·m^-3和(50.7±17.3)μg·m^-3。5个监测站中,下陆区、西塞山区和铁山区的PM10和PM2.5颗粒物污染较为严重;各站点大气PM10和PM2.5质量浓度显著相关。大气颗粒物浓度与气象因素的分析显示,黄石市大气颗粒物浓度与气温呈显著的负相关关系,与气压呈正相关关系,与风速和相对湿度的相关性不显著,受风向影响变化较大。     

关于大气环境中PM2.5的研究进展

总结了国内外关于大气环境中PM_2.5的研究进展。针对目前国内大部分城市阴霾天气日益加重,国内相关部门和领域更加重视PM_2.5的监测和研究的现状,调研了国内外大气环境领域关于PM_2.5的研究情况,提出改善空气质量、加强PM_2.5研究的建议。介绍了PM_2.5的定义,指出PM_2.55对人体健康和能见度的不利影响。国内关于PM2.5的研究工作包括：分析PM_2.5和气象条件的关系;PM_2.5的观测特征以及成分和来源分析;开展PM_2.5的数值模拟。叙述了沈阳地区关于PM_2.5的研究情况,指出了改善沈阳城市大气环境的措施,包括加强PM2.5的连续监测,调整产业结构和布局,提高能源效率,发展洁净能源、减少煤炭消费,防治机动车尾气污染。     

PM2.5有了规范的中文名称

PM2．5是指悬浮于空气中粒径小于等于2．5μm的颗粒物,由于对大气环境质量和人体健康的影响而备受关注。但是PM2．5是字母词,一直没有统一的中文名称,媒体和学界使用的名称较混乱,大多直接用“PM2．5”,也有用“细颗粒物”“可入肺颗粒物”“空气细颗粒物”等。     

乌鲁木齐市PM10,PM2.5和PM1.0浓度及分布变化特征研究

利用GRIMM180气溶胶粒谱分析仪采集乌鲁木齐市PM10、PM2.5和PM1.0数据,研究表明:乌鲁木齐市气溶胶颗粒物质量浓度在进入采暖季后急剧增加,冬季颗粒物中细粒子含量最高,PM2.5/PM10可达77.6%,PM2.5/PM10,PM1.0/PM10,PM1.0/PM2.5三比值体现了颗粒物的分布特征,四季污染程度越高,细粒子含量越高。四季无降水日PM10、PM2.5、PM1.0的质量浓度和分布的日变化基本呈三峰三谷型,出现早—午—晚峰值,上午—下午—午夜后谷值,各季节峰谷值具体出现时间略有差别,由于冬季逆温层顶盖等因素的影响,冬季质量浓度和分布的日变化在此基础上多了两次波动。降水的发生对冬、春季质量浓度的影响大于夏、秋季,对不同粒径段粒子的分布影响有一定差别。     

德州能见度与PM2.5、PM10和相对湿度的关系

为研究德州大气能见度与水汽和气溶胶的关系,利用2013年逐小时能见度、相对湿度、PM2.5和PM10浓度资料,对三者与能见度的关系进行分析。结果表明：能见度与相对湿度的线性相关最好,与PM2.5浓度的相关性次之;随着相对湿度、PM2.5和PM10浓度的增加,能见度明显降低。大气能见度与相对湿度、PM2.5和PM10浓度非线性相关系数明显高于线性相关系数。利用PM2.5和PM10浓度和相对湿度数据计算得到了非线性大气能见度拟合公式,经验证,该公式能较好地模拟德州大气能见度。     

基于BP人工神经网络的鹰潭市PM2.5和PM10浓度预测模型

利用2015—2019年鹰潭市5个大气成分监测站数据和气象站地面观测数据,运用主成分分析法,提取气象要素、气体污染物对PM2.5和PM10浓度影响的主要成分,调整BP人工神经网络的隐藏层个数和隐藏层节点数,构建基于BP人工神经网络的鹰潭市PM2.5和PM10浓度预测模型。结果表明：1） 气象要素中,共提取3个影响PM2.5、PM10浓度的主成分,分别为相对湿度、降水,气温、气压和风速,其中湿度、气温、风速与PM2.5、PM10浓度显著相关。2） 气体污染物中,共提取2个主成分,分别为SO2、NO2和O3,其中NO2、SO2与PM2.5、PM10浓度显著相关。3） 所建立的PM2.5、PM10浓度逐小时预测模型在20 h内预测性能良好,预测准确率分别为88%、86%,逐日预测模型在5 d内的预测性能良好,预测准确率分别为94%、92%,准确率较高,具有良好的预报性能。     

2012年苏州地区PM2.5和PM10的时空变化特征分析

为了探明苏州地区大气污染物的时空分布特征,收集2012年苏州、昆山和太仓三个大气环境监测站的PM2.5、PM10等大气污染物观测资料及三站全自动气象观测数据,分析三站的PM2.5和PM10的时空分布特征;探讨气象条件对PM2.5和PM10的影响。结果表明:（1） 苏州市区PM2.5和PM10的年平均值分别是42.5和85.5 μg/m3,周边地区的年平均值是62.0和111.5 μg/m3;一年中苏州地区PM2.5和PM10的最大值出现在春季,最小值出现在夏季。（2） 一天中,苏州地区PM2.5和PM10的最大值出现在上午的8—9点。（3） 降水、气温、风速、气压等气象条件对PM2.5和PM10高浓度污染变化有重要影响。降水对PM2.5和PM10具有明显的清除作用,风则有较好的稀释扩散效应;PM2.5和PM10的浓度随气温的上升而升高;在高压状态下,PM2.5和PM10的浓度上升。（4） 苏州站PM2.5/PM10的变化范围和平均值都低于昆山站和太仓站,且PM2.5/PM10日变化存在明显的季节差异。      

南京市PM2.5物理化学特性及来源解析

在夏、冬两季,分别在南京市4个站点进行为期7天的气溶胶PM2.5采样,同步采集并分离主要排放源的PM2.5样品,用X射线荧光光谱仪(XRF)分析得到气样及源样中PM2.5的化学成分,对南京市PM2.5的物理化学特性、富集因子进行了分析,并应用化学质量平衡法(CMB)计算各类源对气溶胶PM2.5的贡献。结果表明,南京市PM2.5的夏、冬平均值分别为69.1、139.5μg.m-3,PM2.5/PM10的全年平均值为63.9%;富集成分中,S、As、Zn、Pb等主要来源于人为污染源,Na则主要来源于海洋。来源解析的结果表明,各类污染源对南京市气溶胶PM2.5的贡献率分别为:扬尘37.28%、煤烟尘30.34%、硫酸盐9.87%、建筑尘7.95%、汽车尘2.98%、冶炼尘2.57%、其他源9.01%。作者还对扬尘中的PM2.5进行了来源解析。