气象因子和海风对秦皇岛市臭氧污染的影响

利用2017年9月至2019年9月秦皇岛市环境监测站污染物浓度资料以及秦皇岛市国家基本气象站和浮标站的气象数据,统计分析了秦皇岛市O₃污染特征以及气象因子和海风对秦皇岛市O₃污染的影响。结果表明：秦皇岛市O₃污染月变化特征表现为以5—6月和9月最为严重,10—12月和1—2月则无O₃超标天气出现。O₃污染的日变化特征表现为单峰型分布,午后O₃浓度最高而清晨O₃浓度最低。有利于秦皇岛市出现O₃污染的气象条件为太阳辐射强度850—950 W·m^-2、日最高气温高于32℃、无降水和相对湿度50%—60%、受SW和SSW风影响。秦皇岛市海风以6—8月最多,出现频率达50%以上,海风多在上午08—10时开始出现,午后12—15时达到最大,傍晚以后减弱结束;5—6月和8—9月有海风日的O₃-8h平均浓度均高于无海风日,且5月、6月和9月有海风日的O₃-8h月平均浓度高达155—166 μg·m^-3,海陆风环流对秦皇岛市的O₃污染有加重的影响。     

中国东北地区重污染事件气溶胶浓度变化与天气形势分析

近年来中国东北地区污染事件频发,为揭示该地区重污染天气分布特征,利用2014—2017年中国东北地区40个城市空气质量数据及对应的高低空天气形势资料,统计分析得到中国东北地区大气污染状况的变化特征以及区域重污染事件的天气学特征。结果表明：2015—2017年中国东北地区PM_2.5和PM₁₀年平均质量浓度呈下降趋势,其中PM_2.5年平均质量浓度下降的更快,PM_2.5最大值出现在辽宁和吉林中部地区约为90—100 μg·m^-3,SO₂年平均质量浓度较高值分布在辽宁西部地区约为50 μg·m^-3,而NO₂最大值出现在沈阳—长春—哈尔滨一带,约为45 μg·m^-3,CO质量浓度最大值分布在东北沿海地区约为1.6 mg·m^-3,相反中国东北地区O₃年平均质量浓度呈上升趋势,最大值出现在沿海的大连及营口等地,约为100 μg·m^-3。污染物浓度变化具有鲜明的季节变化特征,不同地区PM_2.5和PM₁₀与AQI最大值均出现在冬季,SO₂冬季质量浓度最大值出现在沈阳（180 μg·m^-3）,NO₂与CO冬季最大值出现在哈尔滨（80 μg·m^-3,1.8 mg·m^-3）。相反,O₃最大值出现在夏季沈阳地区约为140—150 μg·m^-3。重度污染级别（200 μg·m^-3≤PM_2.5 < 300 μg·m^-3）和严重污染级别（PM_2.5>300 μg·m^-3）的空气质量表现出以哈尔滨为中心,向周围迅速减少,辽宁中部又略有增加的特征;中度污染（150 μg·m^-3≤PM_2.5 < 200 μg·m^-3）的天数沈阳>哈尔滨>长春,轻度污染（100 μg·m^-3≤PM_2.5 < 150 μg·m^-3）的天数是沈阳>长春>哈尔滨。引发中国东北地区重污染的天气形势大致可分为高压型,低压型和北高南低型3种,出现比例分别为62%、27%和11%;高压型850 hPa高压脊东移经过中国东北地区,地面处于高压南部或弱高压中心,有时在黑龙江北部或辽宁西南部连续有弱小的低压生成并快速东移过境;低压型850 hPa低压系统发展并东移经过中国东北地区,地面处于低压后弱高压中;北高南低型850 hPa和地面中国东北地区受北面高压和南面低压的共同影响。     

中国长三角地区PM2.5时空分布数值模拟研究

利用第三代空气质量预报模式LOTOS-EUROS(Long Term Ozone Simulation-European Operational Smog)对2018年中国长三角地区细颗粒物(PM_2.5)浓度的时空分布进行数值模拟,通过对比模拟结果与地面观测值,验证模式对PM_2.5长期特征模拟的合理性并探讨长三角地区PM_2.5的时空分布特征。结果表明：LOTOS-EUROS模式可以较好地再现中国长三角地区PM_2.5浓度的时空分布特征,监测站点观测值和模拟值的整体相关系数达到0.64,可以用于长三角地区细颗粒物的模拟。长三角地区PM_2.5浓度呈冬高夏低,西北高东南低的特征。冬季PM_2.5浓度高值出现在长三角地区的西北部,安徽省等地区的浓度水平最大值可达到160 μg·m^-3;春季和秋季PM_2.5浓度的高值集中在30°N以北、120°E以西地区,浓度为40-80 μg·m^-3;而夏季PM_2.5浓度水平大幅度降低,大部分地区维持在20-40 μg·m^-3,低值中心出现在长三角地区东南部沿海城市,低于10 μg·m^-3,最低值可达5 μg·m^-3。     

2016—2019年唐山市臭氧污染及其与气象条件的关系

利用2016—2019年唐山市逐时O₃浓度和气象数据,分析了O₃污染特征及其与气象条件的关系。结果表明: 2016年唐山市O₃超标天数为53 d,2017—2019年O₃超标天数每年在70 d以上,污染程度偏重。O₃月平均浓度值呈双峰型分布,6月O₃平均浓度值最大,达112.26 μg·m^-3,9月次之。O₃浓度超标日分布在3—10月,夏季超标天数最多,其他依次为春季、秋季,具有明显的季节变化特征。O₃日均浓度为15:00最大,日变化呈单峰型分布。O₃浓度与温度、风速正相关,与相对湿度负相关。气温高是导致O₃浓度超标的重要因素,日最高温度超过25 ℃时要考虑O₃浓度出现超标现象。相对湿度在50%左右及60%—80%时,O₃浓度超标率均大于30%,在60%—70%时O₃-8h浓度平均值达到最大。夏秋季O₃浓度超标率高与地面小风、较低的混合层高度有关。当日均风速1＜V≤4 m·s^-1时,O₃浓度超标率较高。容易产生中度以上O₃污染的天气形势场为500 hPa高空受西北气流或高压脊影响,850 hPa有西南或偏南气流经过,地面大多处在高压后部、低压前部或低压辐合区内。     

成都市夏季臭氧污染特征及影响因素

利用2014年夏季成都市3个国控环境监测站（金泉两河,君平街和梁家巷）O₃、NO₂及PM_2.5逐时观测数据,结合国家基准站温江站的气温、湿度、风速、风向、太阳辐照度、降雨等地面气象要素观测资料,分析O₃的日、月变化及空间分布特征;探究前体物及气象因子对O₃浓度的影响。结果表明：成都市O₃-8 h平均浓度为104.4 μg·m^-3,O₃超标率为2.8%—15.3%。O₃浓度6月最高,8月最低;呈现明显的“单峰型”日变化特征,午后15：00达到峰值。O₃与NO₂呈现负相关,相关系数为-0.5;与PM_2.5无显著相关性。高温、低湿、强太阳辐射有利于O₃的形成;风速为2.5—3.0 m·s^-1,风向为南风时,O₃浓度相对较高。     

2016—2021年呼和浩特市大气臭氧浓度变化特征分析

随着城市的发展,大气O₃的污染不容忽视。文章以呼和浩特市2016—2021年大气O₃浓度为研究对象,结合同期气象数据,采用相关分析等数理统计方法,分析了呼和浩特市大气O₃浓度年际、季节以及月份动态特征规律,探讨大气O₃浓度与关键影响气象要素之间的关系。结果表明：呼和浩特市大气O₃作为空气首要污染物的天数在逐年增加;6年间O₃浓度年际变化呈下降趋势,以-0.02μg·m^-3的年均速率变化;O₃浓度季节变化明显,夏季最高,其次是春季、秋季、冬季;O₃月平均浓度呈倒“V”形单峰变化,主要在6—8月浓度较高,12月浓度最低,O₃浓度超标日主要集中在6、7月;O₃浓度与气象要素呈密切关系,在非采暖期,O₃-8 h浓度与日平均气温和日照时数具有正相关趋势,与日平均气压、日平均相对湿度以及平均风速具有负相关趋势,降水对大气O₃     

2021年3月沈阳地区一次污染过程气溶胶垂直变化特征及成因分析

利用地面大气颗粒物质量浓度观测资料、探空和NECP再分析资料以及地面激光雷达探测资料,对2021年3月13—15日沈阳地区污染事件过程展开分析,探讨大气污染物质量浓度、大气环流背景与气溶胶垂直分布等特征。结果表明: 3月13日PM_2.5质量浓度最高值出现在06:00—07:00,约为220.0—230.0 μg·m^-3,15日12:00开始显著降低,而PM₁₀质量浓度在15:00出现显著增加,为258.3 μg·m^-3。SO₂和NO₂浓度较高值均出现在3月13日10:00时左右,分别为40.1 μg·m^-3和101.3 μg·m^-3。CO质量浓度最高值出现在13日16:00—17:00,约为8.8 mg·m^-3。沈阳地区臭氧的最高值均出现在午后,13日和14日午后（12:00—16:00）臭氧最大值为102.4—113.7 μg·m^-3。蒙古气旋东移过程中逐渐发展加强,其后部西北风将沙尘向东南方向输送。沈阳地区沙尘发展旺盛时存在不稳定层结,同时伴有显著的上升运动,有利于沙尘粒子的垂直混合和向下游输送。3月15日02:00（北京时间15日10:00）气溶胶消光最大值出现在0.7 km处,消光系数约为6.0 km^-1。近地面激光雷达退偏比显著增加至0.4—0.5,近地面以非球形粒子（粗颗粒物）为主的沙尘或浮尘。     

2015—2019年太行山南麓O3浓度特征及其与气象因子的关系

利用2015-2019年太行山南麓(即山西省晋城市)O₃浓度和中国太阳总辐射资料,分析了该地区O₃浓度的时空变化特征,及其与风、相对湿度、降水、雾霾、气温、太阳总辐射等气象因子的关系。结果表明：O₃浓度呈逐年增加趋势,夏季浓度明显高于冬季,月变化为单峰型,峰值出现在6月,谷值出现在1月,日变化白天高于夜间;O₃浓度的空间分布有明显的地域差异,呈现中部和南部高,东西部和北部低的特征,表现出与气候倾向率一致的特性。风速对O₃浓度影响明显,风速小于1.5 m·s^-1时,O₃浓度升高速度快,大于2.5 m·s^-1时,O₃浓度迅速减小;O₃浓度与相对湿度为负相关,峰值出现在相对湿度为30%-70%的区域;不同量级降水对O₃浓度的影响差异较大,中雨时O₃浓度较低,其他量级较高;无降水日O₃浓度明显大于有降水日。有雾霾时O₃浓度明显低于无雾霾天气;O₃浓度与气温具有明显正相关,与太阳总辐射也呈正相关,但是相关性低于O₃浓度与气温的相关性。     

2017—2019年太原南部城区夏季O3特征及其影响因子

利用2017—2019年夏季（6—8月）太原市污染物浓度和气象逐小时数据,分析了太原南部城区O₃浓度及其影响因子的变化特征,通过神经网络构建了O₃与其影响因子的关系模型,并进行了检验。结果表明：2017—2019年夏季太原南部城区O₃浓度超标天数分别为55 d、39 d、59 d,超标主要集中在6月和7月;O₃浓度日变化特征呈单峰型,每日06时前后达到最低,15时前后达到峰值。高温、强辐射、低湿、低压、西南风容易引起太原南部城区O₃浓度升高,西北风有利于O₃扩散;NO₂、CO与O₃浓度表现为负相关关系,但NO₂对其影响更加显著。利用神经网络构建O₃浓度与影响因子的关系模型,相关系数达0.96,均方根误差、平均绝对误差分别为8 μg·m^-3、6%,TS评分为0.95,神经网络模型具有较高预报能力,可为太原地区O₃预报提供参考价值。     

2018年冬季鲁西北大气污染特征及影响因子分析

利用2018年12月至2019年2月滨州、德州和聊城PM_2.5、PM₁₀、NO₂、SO₂、CO和O₃逐日质量浓度及其对应的气象资料,分析了鲁西北大气污染特征和影响因子。结果表明：2018年冬季鲁西北大气污染比较严重,聊城、德州和滨州轻度及以上污染天数分别占61%、60%和54%,重度以上染污天数分别占24%、11%和9%;首要污染物均为PM_2.5、PM₁₀和NO₂,其中PM_2.5占60%以上。PM_2.5、PM₁₀、SO₂、NO₂和CO日变化呈双峰双谷型,谷值分别出现在04-07时和15-17时,且下午比清晨更低,峰值出现在上午和下午交通高峰期后2-3 h,且峰值上午大于下午;O₃呈单峰型分布,09时出现极小值,18-19时出现极大值。PM_2.5是鲁西北主要的首要污染物,与PM₁₀、CO、NO₂均为显著正相关,并通过0.01水平显著性检验,与NO₂的相关性在低相对湿度(< 60%)时大于高相对湿度(≥ 60%),与CO的相关性在高相对湿度时大于低相对湿度;污染时段(PM_2.5>75 μg·m^-3)的平均相对湿度和平均温度明显大于清洁时段(PM_2.5 ≤ 75 μg·m^-3),清洁时段风速和气压比污染时段明显偏大。     

2013—2018年大连中心城区臭氧时空变化及其影响因子分析

基于2013—2018年大连中心城区O_(3)监测数据和气象数据,分析了该区O_(3)污染时空变化特征及气象要素对O_(3)污染的影响。结果表明:2013—2018年大连中心城区O_(3)已经逐渐成为最主要的大气污染物之一。O_(3)年平均浓度由2013年的66.66μg·m^(-3)上升至2018年的101.62μg·m^(-3)。秋季和夏季是大连O_(3)浓度较高的季节,其次是冬季和春季。O_(3)最高浓度月份主要为5月、6月及9月。O_(3)浓度日变化呈明显的单峰状,从上午08时开始增加,在下午14—16时达到最高,白天浓度高于夜晚。O_(3)污染物在2013—2017年从大连中心城区的西南向东北扩散。大连中心城区O_(3)与其他5种大气污染物均存在不同程度的负相关,与气温呈显著正相关,与相对湿度、气压及风速相关性较差。有利于大连O_(3)污染天气的气象条件主要为高气温(>30℃)、低湿度(≤80%)、低风速(1.5—2.0 m·s^(-1))、北风风向和长日照时间。高污染日的出现可能是受高温天气与本地逐渐增加的排放物共同影响。     

应用机器学习算法的成都市冬季空气污染预报研究

利用2014年3月至2017年2月成都市8个环境监测站的PM 2.5、PM 10、SO 2、NO 2、CO、O 3共6种污染物质量浓度资料以及T639全球中期数值预报模式产品,采用两种机器学习算法—递归特征消除法(Recursive feature elimination,RFE)和随机森林方法,构建了成都市冬季5种(O 3除外,因为其冬季污染较轻)污染物浓度的预报模型,并对模型的预报效果进行了评价。结果表明:基于RFE模型的5种污染物预报值与实测值的均方根误差值分别为47.58μg·m^-3、72.10μg·m^-3、8.87μ·m-3、0.59 mg·m^-3、19.84μg·m^-3;基于随机森林模型的5种污染物预报值与实测值均方根误差值分别为23.94μg·m^-3、20.98μg·m^-3、2.40μg·m^-3、0.16 mg·m^-3、8.09μg·m^-3,随机森林模型对各污染物浓度的预报效果均优于RFE模型,说明该预报方法性能良好,可为成都市冬季空气质量业务化预报提供技术支持和防控依据。     

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。