降雨天气对大气污染物浓度的影响分析

利用2014—2016年的中国气象局地面观测资料和中国环境保护部公布的6种大气污染物浓度数据,对降雨天气前后的大气污染物浓度变化进行分析。结果表明:在京津冀、长三角和珠三角区域,降雨天气后6种大气污染物浓度降低的时次约占43%—60%,其中PM_(10)浓度降低最为明显,PM_(2.5)、O_3、SO_2和NO_2次之,最不明显的是CO。一般而言,降水天气前大气污染物浓度越高,降雨后浓度降低的时次所占比例越大,浓度降低值也越大,但当降雨天气前大气污染物浓度较低时,降雨天气后浓度升高的个例也很多,约占21%—61%。京津冀地区由于平均大气污染物浓度较高,降水天气对大气污染浓度的降低效果比长三角和珠三角地区更明显。对于大多数降雨时次,小时降水量越大,大气污染物浓度降低的时次所占比例越大,但浓度降低值反而越小。例外的是,小时雨强大于10 mm的降雨后,京津冀地区的O_3和SO_2浓度以及长三角地区的PM_(10)、PM_(2.5)和SO_2浓度降低程度不如小时雨强小于10 mm时;而珠三角地区的NO_2和O_3在降雨后的浓度变化对小时雨强不敏感。在京津冀地区,降雨天气对较大浓度的O_3清除作用非常明显。在长三角和珠三角地区,降雨前CO浓度较低时,降雨后浓度升高时次比浓度减小的多;另外,降雨天气对SO_2的清除作用非常明显。     

降水对重庆市大气污染物浓度的影响分析

利用2013—2015年逐日沙坪坝气象站气象及临近的环境监测数据,探讨降水对重庆市大气污染物浓度的影响,结果表明:PM_(2.5)、PM_(10)、SO_2浓度随降水量增加逐渐降低,降低趋势线较为明显,降低幅度为SO_2的 PM_(10)的PM_(2.5)的;NO_2和CO随降水量增加减少趋势不明显;O_3浓度随降水量的增加而逐渐增加。各类大气污染物在不同量级降水量时变化特征有所不同。在降水量小于1 mm时,弱降水的气象条件更有利于污染物的积累,不利于污染的稀释扩散和沉降,空气质量恶化;大于1 mm后,降水对各种大气污染物均有明显的清除作用,清除能力随着降水量级的增加而增大,在降水量大于10mm后湿清除能力明显提升,降水量大于20 mm时湿清除能力最强,粗细颗粒与雨滴碰并效应增加,降水对PM_(10)和PM_(2.5)的湿清除率分别达30%和25%。连续降水时,各季节降水对各类大气污染物的湿清除能力不尽相同:冬季降水对PM_(2.5)湿清除作用最为明显,对其余污染物清除作用从大到小依次为PM_(10)、SO_2、NO_2、CO,而O_3在冬季降水使O_3浓度增加非常明显,通常冬季臭氧浓度相对较低,降水一定程度上使冬季空气质量变好,太阳辐射增加,二次污染物光合作用增强,臭氧浓度也一定程度上增加。     

无锡梅雨期湿沉降综合分析

利用2008—2014年梅雨期间酸雨观测资料及2014年6月16—27日降水个例加密采样资料,结合大气污染物资料分析了近7 a无锡梅雨期酸雨特征,研究降水过程中空气污染物、p H值、电导率的变化及降水对污染物的清除作用。结果表明:无锡市梅雨期酸雨年平均p H值呈现逐年递增趋势。降水过程中,颗粒物质量浓度显著降低;气体浓度变化受其自身日变化及排放源影响大于雨水的清除作用;样品的p H值、K值每个过程变化并不一致,K值变化与颗粒物质量浓度变化大致保持一致。降水、风对颗粒物质量浓度影响大于对气体浓度的影响。长时间连续降水时,降水对颗粒污染物的清除存在极限。小时雨量在0~0.5 mm时,降水对颗粒物浓度做负清除,其值反而略有增加;小时雨量在0.6~5.0 mm时,降水对颗粒物质量浓度做正清除;小时雨量达到5.1 mm及以上时,对PM_(2.5)和PM_(2.5-10)做正清除,对PM_(10)做负清除。降水对SO_2有稀释清除作用;对NO_2的稀释作用取决于其开始浓度值;对CO、O_3的清除作用不显著。     

降水对江浙沪PM_(2.5)的清除效率研究

为了解不同程度的降水对江浙沪地区大气PM_(2.5)的清除作用,搜集了2014—2016年该地区41个城市的降水和PM_(2.5)观测数据,通过对比2 a非降水和全时段PM_(2.5)平均浓度的差异,发现前者显著高于后者,说明降水对该地区PM_(2.5)具有清除作用。利用降水前与降水期间PM_(2.5)的浓度差异作为降水对PM_(2.5)的清除率,降水后与降水期间的浓度差异作为雨后浓度回升的增加率,分别研究了目标区域不同时期、不同降雨量以及不同降雨时长对PM_(2.5)的清除效果。结果显示:(1)与江浙沪南部地区不同的是,北部地区降水清除率与降水前浓度存在正相关,降水后浓度的增加与当地的排放量呈正相关。(2)当降水量为30 mm或者降水时长为36 h时,清除率增幅减缓,说明降水对PM_(2.5)的清除效率存在着阈值。     

2015年上海崇明岛PM2.5和PM10浓度变化特征 及气象因素影响分析

通过对2015年1—12月上海崇明岛崇南地区颗粒物(PM_(2.5)、PM_(10))浓度的连续监测,研究了PM_(2.5)、PM_(10)在不同季节的动态变化特征及与其他因子(SO_2、NO_2、O_3)的相关性,分析了风向风速和降雨对颗粒物浓度的影响。结果表明:崇明岛PM_(2.5)和PM_(10)浓度的季节变化明显,呈现冬季的春季的秋季的夏季的的特征,冬季PM_(2.5)和PM_(10)小时浓度均值分别为0.058 mg/m~3和0.085 mg/m~3,夏季PM_(2.5)和PM_(10)均值分别为0.034 mg/m~3和0.054 mg/m~3。PM_(2.5)和PM_(10)浓度分别与SO_2浓度和NO_2浓度显著正相关,与O_3显著负相关。全年来看,在西南风向时PM_(2.5)和PM_(10)浓度较高,这主要受该方向上游吴淞工业区、宝钢、石洞口电厂、罗店工业区等工业排放影响;从高浓度颗粒物(PM_(2.5)质量浓度≥0.115 mg/m~3)来向看,北和西北风向时出现高浓度颗粒物的频率最高,这主要是受到我国北方采暖季大气颗粒物输送过程对崇明岛区域的脉冲式污染影响所致;PM_(2.5)、PM_(10)实时浓度与相应的风速呈显著负相关。降雨量大于5 mm或持续3 h及以上的连续降雨对大气颗粒物起到显著的湿清除作用,降雨后PM_(2.5)和PM_(10)质量浓度分别降低了68.0%和66.9%,降雨时和雨后PM_(2.5)浓度为0.025～0.033 mg/m~3,均低于我国环境空气PM_(2.5)的一级浓度限值。     

武汉市空气质量状况与气象条件的关系

基于2013年武汉市环境监测数据和气象要素资料,分析该市空气质量状况与气象条件的关系。结果表明,武汉市全年平均空气质量指数(AQI)为135,良和轻度污染所占比例分别为35%和30%。雾天、霾天、晴天、雨天四种天气条件下,6种污染物(SO_2、NO_2、CO、O_3、PM_(2.5)和PM_(10))浓度值基本上为雾天最高、霾天次之、晴天再次之、雨天最低,雾天00—08时污染物浓度明显高于其他天气条件;PM_(2.5)浓度与降水量的相关性较差,中雨量级时,降水对污染物的清除作用显著,PM_(2.5)浓度下降明显,当日降水量小于1 mm时,PM_(2.5)浓度略有上升,平均上升1.3μg·m~(-3)左右,这与微量降水的大气增湿作用有关;PM_(2.5)浓度变化与相对湿度(RH)和风速的关系较明显,其相关系数分别为0.87和-0.72,当RH70%且每增加10%时,PM_(2.5)浓度增加10μg·m~(-3)左右;静风和风速很大时,污染物浓度相对较高,东南风影响下PM_(2.5)浓度在四季均较高,而秋、冬季在西北风影响下PM_(2.5)浓度最高;PM_(2.5)浓度主要增长阶段以正变温、负变压为主。     

长三角地区城市O_3和PM_(2.5)污染特征及影响因素分析

O_3和PM_(2.5)是影响长三角地区空气质量的主要污染物。利用2016年33个城市大气环境监测站6项污染物的小时浓度及4个省会城市的气象数据进行统计分析,研究了该地区O_3和PM_(2.5)浓度的时空分布特征及其影响因素。结果表明:长三角地区O_3年平均浓度为50～73μg·m~(-3),平均为61μg·m~(-3);除芜湖和宣城外,其余31城市均存在不同程度的超标状况,超标率为0.34%～18.86%,平均为5.68%。O_3在5月和9月达到浓度高值;四季O_3日变化均呈单峰型,峰值出现在15∶00,夏季O_3峰值浓度最高值为157μg·m~(-3)。O_3浓度沿海城市整体高于内陆城市;夏季宿迁—淮安—滁州片区O_3污染较重。O_3与NO_2、CO显著负相关,且与NO_2相关性较强;O_3与气温、日照时数显著正相关,与相对湿度、降水呈负相关。PM_(2.5)年平均浓度在25～62μg·m~(-3)范围内,平均为49μg·m~(-3);各城市均出现PM_(2.5)超标,滁州PM_(2.5)超标率最大,为23.91%。PM_(2.5)在3月和12、1月达到浓度峰值;其日变化呈双峰型,09∶00—10∶00和22∶00—23∶00达到峰值。冬季徐州PM_(2.5)浓度最高,为102μg·m~(-3)。PM_(2.5)与NO_2、CO、SO_2、PM_(10)显著正相关,与气温、风速、降水负相关。     

南京北郊冬季大气S0_2、N0_2和0_3的变化特征

利用差分吸收光谱仪DOAS(differential optical absorption spectroscopy),对2007年11月-2008年1月南京北郊大气SO_2、NO_2和O_3进行了观测.结合Parsivel降水粒子谱仪和自动气象站的资料,对冬季大气污染气体的浓度变化规律及降水和风速风向对其的影响进行了分析.结果表明,南京北郊大气SO_2浓度较高,呈明显双峰特征,分别在12时(北京时,下同)和00时达最大,受附近排放源的影响最大,东风及南风时比静风时SO_2浓度更高.降水对SO_2湿清除效果明显,清除系数平均为0.168h~(-1).NO_2气体呈明显单峰特征,在18时达最高值.南京北郊是NO_2源区之一,主要受附近高速公路汽车尾气排放源的影响.静风时NO_2浓度最高.O_3浓度受NO_2的影响较明显.O_3日变化呈单峰特征,在15时达最大值,静风时O_3浓度最低.降水对O_3的间接影响较明显,在降水时,白天由于太阳辐射较弱,O_3浓度降低;夜晚NO浓度较低,使得O_3浓度升高.     

基于经验模态分解的西安市空气质量预报订正方法

为提高城市空气质量预报的准确率,研制了针对数值预报模式CAPPS2的订正方法,对2001—2007年西安市逐日PM10、SO_2、NO_2浓度均值和相应的降水、风速作经验模态分解(EMD)分析,用最大熵谱方法检验各本征模态函数(IMF)周期,计算其方差贡献率,制定订正方法并进行数值试验。结果表明:PM10浓度波动以周尺度为主,有明显周末效应,与主要清除过程匹配较好;SO_2、NO_2浓度波动与主要清除过程不同步;基于周末效应的订正规则对PM10、SO_2订正效果较理想,对NO_2订正效果不确定。     

APEC会议期间北京地区大气污染物的分析研究

该文利用北京市通州区环保局、北京市环境保护监测中心自动检测网络站点数据及NCEP(1°×1°)再分析资料,分析了2014年北京APEC会议期间各污染物浓度值的变化,分析表明:管控期内PM_(2.5)、NO_3浓度下降明显。PM_(2.5)、NO_2呈现双峰现象,O_3、SO_2呈现单峰态。同时,北京市人口稠密区夜间PM_(2.5)污染较为严重,仍需控制NO_2的排放量。并探究管控措施实施效果,为今后重大活动空气质量保障提供参考。     

贵阳市主要污染物浓度预报模型研究

选取贵阳市环保站2013年3月—2014年2月共12个月的主要污染物(PM_(10)、PM_(2.5)和O_3)浓度的小时均值进行分析,发现PM_(10)和PM_(2.5)在20时—次日08时较容易出现日最大值,O_3在12—18时较容易出现日最大值,PM_(10)和PM_(2.5)污染物浓度的月平均,以夏季最低,冬春两季最高,这可能与贵阳市冬春两季的采暖有一定的关系。而O_3浓度的月平均值以冬夏两季较低,春秋两季较高,但整体变化幅度不大。分析以上3种污染物和气象要素的相关性发现,湿度对污染物浓度较大,呈负相关。运用逐步回归方法分别建立PM_(10)、PM_(2.5)和O_3的预报方程,其中PM_(10)的预报方程预报等级的准确率为67.81%,订正后准确率为70.55%;PM_(2.5)的预报方程准确率为65.75%,订正后准确率为71.23%,故业务对PM_(10)和PM_(2.5)的预报中可以参考订正值。O_3的预报方程准确率为70.55%,订正后准确率为68.49%,业务中预报O_3可以直接参考预报值。     

北京市朝阳区主要大气污染物浓度变化特征

利用2011—2013年北京市朝阳区国家一般气象站PM_(2.5)、O_3、NO、NO_x、CO和SO_2的大气成分监测资料,分析了朝阳区6种主要大气污染物浓度不同时间尺度的变化特征.结果表明:2011—2013年朝阳区PM_(2.5)浓度呈明显增长的趋势,达到重度污染等级的日数增多;而O_3、NO、NO_x、CO和SO_2等气态污染物的年平均浓度变化较小,无明显增长的趋势,5种气态污染物浓度季节差异明显.除O_3浓度为夏季高、冬季低外,PM_(2.5)、NO、NO_x、CO和SO_2浓度均为夏季低、冬季高,可能与冬季采暖期排放的污染物增多有关.污染物浓度的日变化除O_3呈单峰型外,其他5种污染物浓度日变化均大致呈双峰型,可能与人类活动及天气条件有关.朝阳区与宝联、顺义、上甸子地区等代表"城市—近郊—远郊站点的污染物浓度日变化存在极大的差异性,其中PM_(2.5)浓度差异最明显,朝阳站PM_(2.5)浓度日变化呈双峰型,宝联站PM_(2.5)浓度日变化呈三峰型,昌平和上甸子站PM_(2.5)浓度为峰值出现在夜间的单峰型日变化.由此可见,不同地区因城市化发展程度不同,导致局地污染物浓度存在明显的差异.     

郑州市气态污染物的变化特征分析

利用2015-2018年郑州市气态污染物(SO_2、CO、NO_2和O_3)的浓度数据和郑州市气象数据资料,分析了郑州市气态污染物浓度的变化趋势和影响因素。结果显示:2015-2018年郑州市SO_2、CO、NO_2的年均浓度逐年降低,但其污染物浓度在31个省会城市中排名相对靠后,污染较为严重。SO_2、CO和NO_2浓度均为冬季的最高,其次是春季和秋季的,夏季的最低,O_3浓度与之相反。气态污染物浓度与气象因素的相关性分析结果表明:SO_2、NO_2、CO浓度均与温度呈显著负相关,O_3浓度与温度呈显著正相关;各污染物与气压的相关性与温度相反;SO_2、NO_2、CO浓度与降水量均呈负相关,降水对O_3的具体影响还有待深入研究。     

宁波市大气混合层厚度变化特征及其与空气污染的关系

基于2001—2014年宁波市每日4个时次(02时、08时、14时、20时)的常规气象观测资料和同期宁波市环保局空气污染物(SO_2、NO_2、PM_(10))浓度的日监测数据,采用最小二乘曲线拟合法计算了2001—2014年宁波市大气混合层厚度,并分析了大气混合层厚度的时间变化特征及其与空气污染的关系。结果表明:2001—2014年宁波市年平均大气混合层厚度波动变化明显,大气混合层厚度极大值和极小值分别出现在2004年、2007年,分别为866.1 m和746.1 m。水平风速对宁波市大气混合层厚度的影响较大。春季和7月、8月宁波市大气混合层厚度较大,秋季和冬季大气混合层厚度较小,而6月大气混合层厚度最小。大气混合层厚度在中午达最大值,夜间达最小值,大气混合层位于500.0—1200.0 m高度的出现频率最高。随着大气混合层厚度增大,污染物浓度被稀释。夏季,大气混合层厚度对PM_(10)、SO_2和NO_2浓度的调节能力较强。由于输入性污染的影响,冬季PM_(10)与SO_2浓度的极大值明显高于夏季,同时大气混合层厚度的变化对PM_(10)和SO_2浓度的增减效应比夏季明显削弱,但对NO_2浓度的影响较小。另外,当大气混合层厚度位于500.0—1200.0 m高度时,在同一大气混合层厚度下,同一污染物浓度的变化范围较大。     

安徽省大气污染物浓度的周循环特征评估

大气质量的周循环特征反映了人类周期性的活动规律对大气环境的影响。基于安徽省16个城市PM_(2.5)、PM_(10)、CO、NO_2、SO_2和O_3这6种污染物的监测结果,对安徽省大气污染的周循环特征进行了评估。首先基于原始逐小时污染物浓度时间序列在日和周窗口时间宽度上的滑动平均序列,定义了周循环距平百分率序列的计算方法,排除了日循环和长期低频变化的影响。以此为基础,基于合成分析以及贝叶斯统计分析,发现这6种大气污染物中,PM_(2.5)、PM_(10)、CO和NO_2有着较为明显的周循环变化特征,其周循环距平百分率有着较大的变幅;而O_3的周循环特征相对不明显。主成分分析获得的周循环,第1模态发现除O_3以外的其他5种污染物的周循环有着同样的演进模式,即从周三开始持续到周五的累积和周六之后的衰减;O_3的周循环峰值与谷值与其他污染物存在着大于12 h的滞后,反映了在周循环尺度上O_3距平变化对其光化学反应前体距平变化的滞后响应特征。     

重庆市一次严重雾霾过程的阶段性特征及成因

针对2014年1月26日—2月3日重庆市主城区出现的一次严重雾霾过程,对污染物浓度、环流形势和气象要素进行综合分析。结果表明,雾霾强度变化与AQI指数、PM_(10)和PM_(2.5)浓度有比较好的对应关系,PM_(10)和PM_(2.5)是此次过程的首要污染物,SO_2和NO_2有明显的单峰型日变化,但对AQI指数的影响较小。高空持续稳定纬向环流和中低空西南暖湿气流,逆温层持续存在且低空风速小是有利于连续雾霾过程的背景条件。地面平均风速小,平均日温差小,相对湿度大于85%,能见度低使地面湍流活动弱,大气维持静稳状态,空气污染持续加重。     

CUACE模式在兰州城市空气质量预报中的检验订正

利用2014年9月—2015年8月环境保护部对外发布的兰州市6种污染物实况监测数据,对同时期CUACE模式的24 h预报结果进行误差分析,并通过误差滚动线性回归订正方法进行检验订正。结果表明:(1)兰州市的首要污染物以PM10为主,其次是PM_(2.5);(2)CUACE模式对SO2的预报及对O_3、NO_2、PM_(2.5)和PM_(10)预报为2级时,等级预报准确率较高,预报结果可直接使用;(3)模式对O_3和CO预报1级时,采用10 d误差滚动订正后等级预报准确率可提高1.1%~5.5%;(4)模式预报其它要素的其它级别时采用5 d或10 d误差滚动订正后再加上或减去一定值后,等级预报准确率可提高8.7%~75%。     

上海地区空气污染变化特征及其气象影响因素

利用2013—2014年上海地区6种空气污染物小时浓度和逐日空气质量分指数(IAQI)的监测资料,统计分析了上海地区空气污染的变化特征及其气象影响因子。结果表明:2014年上海地区空气质量优良率达77.0%,空气质量总体较2013年明显好转。2013—2014年上海地区AQI具有季节性特征,表现为冬季空气质量较差、秋季空气质量较好的特征,其中12月空气质量最差。由首要污染物分布可知,上海地区最主要的污染物为PM_(2.5),其中冬季PM_(2.5)污染出现最多;O_3则为夏季的主要污染物。由污染物浓度的周循环变化可知,上海地区PM_(2.5)、PM_(10)、NO_2和O_3浓度均存在周末低于工作日的"周末效应",但PM_(10)和NO_2浓度的"周末效应"更显著。由2014年上海地区霾日与PM_(2.5)浓度的变化可知,当PM_(2.5)浓度达到轻度及以上污染时,霾天气出现的概率大幅提高,但二者并非对应的关系。天气形势对PM_(2.5)污染影响较大,基于上海地区天气形势特点可以将PM_(2.5)污染的地面形势分为7种类型,其中高压中心型和高压楔型为PM_(2.5)污染的主要天气型。由于上海地区冬季冷空气活动频繁,西北风将上游地区颗粒物输送至本地,易造成较严重的污染天气;同时在冷高压的控制下,高压中心型和高压楔型天气频繁出现,导致颗粒物不易扩散,也易造成空气污染。夏季和秋季在副热带高压的控制下,水平和垂直扩散条件均较好,不易出现PM_(2.5)污染,但由于气温较高,光照条件较好,易出现O_3污染。     

北京市房山区大气污染物时空分布特征及气象影响因素分析

利用北京市房山区良乡镇和琉璃河镇内的区域自动气象站和环境监测站观测数据,对2013年至2015年PM_(2. 5)、PM_(10)、NO_2、SO_2、CO 5种大气污染物浓度变化特征进行了统计分析。结果显示,近3年来,两个镇综合污染物指数呈现逐年下降趋势,各污染物对房山区整体大气污染的贡献率从大至小依次为PM_(2. 5)、PM_(10)、SO_2、NO_2、CO,PM_(2. 5)已取代传统大气污染物SO_2成为房山区的主要大气污染贡献体。两个站点各污染物浓度均表现出明显的季节、月、日变化特征。在不同季节条件下,局地气象要素与污染天气发生概率之间有着很好的相关关系。因此,可根据气象要素分级方法找出各季节污染天气发生时最敏感的气象因素,为局地污染天气预报提供参考指标,也为防范空气污染、制定科学的综合管理措施提供科学参考。     

重庆市荣昌区冬季PM2.5污染的气象因素及区域传输特征

利用2016—2018年重庆市荣昌区冬季PM_(2.5)质量浓度监测数据,结合地面气象观测资料、L波段探空雷达资料、ERA-Interim再分析资料及全球资料同化系统(GDAS)数据,并与HYSPILT模型相结合,分析荣昌区冬季PM_(2.5)污染的气象影响因素及区域传输特征。结果表明:(1)2016—2018年荣昌区冬季PM_(2.5)污染超标频率高达56.3%,但空气质量有好转趋势。PM_(2.5)质量浓度日变化有2个峰值,分别出现在12:00和23:00;(2)荣昌区冬季PM_(2.5)污染主要受降水、逆温层、低层风速等气象条件影响。当925 hPa以下和700~600 hPa存在明显逆温层结,500 hPa呈西北气流或平直西风气流,850 hPa以下为偏东北弱风时不利于PM_(2.5)扩散,易发生重度污染天气。日降水量R>2.0 mm时,降水对PM_(2.5)具有明显的正清除,且清除能力随着降水等级的增大而增大,R<1.0 mm时,降水对PM_(2.5)表现为负清除,微量降水期间不利的扩散条件加之颗粒物吸湿增长作用反而导致PM_(2.5)质量浓度增加,空气质量恶化;(3)荣昌区冬季PM_(2.5)污染主要受距离荣昌区西北和东北方向约300 km范围内的成渝城市群城市间污染物区域输送影响,外域颗粒污染物的传输是荣昌区冬季PM_(2.5)污染的重要原因。