乌鲁木齐市降水对大气污染的影响

根据2002—2003年乌鲁木齐市SO2、NO2、PM10的日平均浓度和日降水量分析了乌鲁木齐市降水对3种大气污染物的湿清除能力。分析表明大雨对SO2和PM10的湿清除能力大于小雨,而小雨大于中雨。中雪对SO2和PM10的湿清除能力大于大雪,而大雪大于小雪。小量以上降水(降雨和降雪)对NO2的湿清除能力基本相当。微雨对3种大气污染物具有湿清除能力,而微雪使3种大气污染物的浓度增加。     

2014-2017年成都市大气污染特征分析

利用2014年5月~2017年12月的成都市环境空气质量监测资料,分析了成都市空气污染情况及污染物浓度时空变化特征。结果表明:成都市空气质量以优良天气为主,市区的首要污染物以PM2.5为主,郊区以O3为主;灵岩寺监测点的PM2.5,PM10,NO2和CO四种污染物的质量浓度低于成都市区各监测点,O3的质量浓度高于成都市区各监测点,SO2的质量浓度值与成都市区各监测点相差不大;成都市各监测站点六种污染物质量浓度具有明显的年际变化、季节变化、月变化和日变化趋势,且成都市区各监测点的变化趋势比较一致。     

乌海市空气污染浓度的时间分布特征分析

利用2005—2007年乌海市区大气中SO2、NO2、PM10浓度的实测数据,分析了乌海市大气污染物的时间分布特征,分析结果表明:乌海市首要污染物是PM10,其次是SO2;从2005—2007年日平均值看:SO2、PM10呈下降趋势,NO2略呈上升趋势。SO2、NO2、PM10的浓度都有明显的季节变化。     

山东省大气污染时空分布特征分析

通过分析山东省近6a来大气中污染物的浓度变化,发现影响山东省空气质量的主要污染物是颗粒物（PM2.5和PM10）,山东省PM2.5年平均浓度均超过国家规定的轻污染标准10%以上,PM10年平均浓度基本接近轻污染标准值,其余四种污染物（SO2、CO、O3和NO2）浓度均低于轻污染规定标准,因此山东省大气污染治理的重点是减少颗粒物。分析污染物浓度时间变化发现：11—1月山东大气污染最严重,6—9月污染较轻;济南周四污染相对最轻,周六到周一污染较重;每日15—17时是空气质量最好的时段。分析污染物浓度空间分布发现：O3浓度半岛地区较其他地区高;SO2浓度鲁中地区较高;CO浓度鲁西北和鲁中较高;NO2、PM10和PM2.5浓度分布基本一致,除半岛地区外,其他地区均维持较高污染物浓度。     

呼和浩特市空气污染浓度时空分布特征分析

文章利用 1995～ 2 0 0 2年呼和浩特市区空气污染物PM10 、TSP、NOx、NO2 、SO2 浓度的实际监测数据 ,统计分析了呼市地区空气污染物的时空分布特征。分析结果表明 :呼市市区主要以煤烟型污染为主 ,冬、春季比夏、秋季污染严重 ,采暖期比非采暖期污染严重 ;PM10 、NO2 、SO2 都有明显的年变化 ,SO2 的浓度值呈逐年减小趋势 ,PM10 、NO2 的浓度值在近几年是增加的 ;月变化呈单峰型 ( 1和 12月达最高值 ,7和 8月达最低值 ) ;日变化冬夏季为双峰型 ,8～ 10时出现主峰值 ,2 0～ 2 4时出现次峰值 ,春季PM10 为三峰型 ,17～ 18时为主峰值 ,1～ 3时和 8～ 11时为两个次峰值 ;大气颗粒物是呼市首要的污染物 ,居民区污染最为严重。     

边界层臭氧浓度变化特征及相关因子分析

根据广州市城区麓湖、郊区花都测站的2004年污染物监测数据和气象资料,采用统计分析软件SPSS和Excel分析了广州市臭氧浓度的时间变化特征,包括臭氧浓度的年季变化、周变化及日变化特征,并分析了O3与污染物CO、NOx（NO和NO2）、SO2、PM10以及与气象条件之间的相关性。结果表明：广州市臭氧浓度一年出现2个峰值,分别为6月和10月并且郊区浓度大于城区;一周之中最大浓度出现在周末;O3日平均浓度与NOx、NO、CO、相对湿度负相关性较显著,与PM10和气温正相关性较显著;在气温较高、湿度较低的晴朗少云天气时,易造成广州市臭氧的高浓度。     

边界层臭氧浓度变化特征及相关因子分析

根据广州市城区麓湖、郊区花都测站的2004年污染物监测数据和气象资料,采用统计分析软件SPSS和Excel分析了广州市臭氧浓度的时间变化特征,包括臭氧浓度的年季变化、周变化及日变化特征,并分析了O3与污染物CO、NOx(NO和NO2)、SO2、PM10以及与气象条件之间的相关性。结果表明:广州市臭氧浓度一年出现2个峰值,分别为6月和10月并且郊区浓度大于城区;一周之中最大浓度出现在周末;O3日平均浓度与NOx、NO、CO、相对湿度负相关性较显著,与PM10和气温正相关性较显著;在气温较高、湿度较低的晴朗少云天气时,易造成广州市臭氧的高浓度。     

郑州市2012-2014年春节期间大气污染物浓度时空变化特征研究

利用郑州市环境监测站自动站点和自选监测站点的大气污染物监测数据,结合气象因子,对郑州市2012-2014年春节期间燃放烟花爆竹对大气气溶胶几种污染物的影响变化进行了分析。结果表明:2012-2013年春节的SO2、NO2、CO、PM2.5和PM10污染高峰出现在初一01-02时和初六00时之后;O3污染高峰则出现在初四和初五。经对2013年2月9日12时(除夕)到2月11日23时(初二)60 h观察,PM10和PM2.5污染高峰出现在初一01时和10时,NO2和SO2的高峰出现在初一01时,CO则出现在次日01时,O3的浓度变化规律则与上述污染物浓度变化呈反向增减的关系。郑州市城区春节期间各种污染物浓度的水平分布总体呈现西、北部污染浓度高,东、南部较低的趋势。各项气象因素对PM2.5和PM10浓度有着直接的影响。无特殊情况下,气温、风速与两种污染物浓度呈反向增减的关系,湿度和气压与两种污染物浓度呈同向增减的关系。     

关中地区大气污染特征分析

基于2014-2018年关中区域西安、咸阳、渭南、铜川、宝鸡等5个主要城市6种大气污染物(PM10、PM2.5、SO2、CO、NO2、O3)的逐日平均质量浓度和气象探空资料,分析了关中地区大气污染物时空分布特征、重污染过程持续性特征及逆温发生频率.结果表明:关中地区大气污染超标日达31％以上,西安最多为47％,其中颗粒...     

贵阳市近4 a空气质量特征分析

利用贵阳市9个国控空气自动监测站2013年1月—2016年6月的逐日污染物监测资料,以涵盖可吸入颗粒物(PM10)、细颗粒物(PM2.5)、二氧化硫(SO2)、二氧化氮(NO2)、一氧化碳(CO)、臭氧(O3)6种污染物的空气质量指数(Air Quality Index,AQI)来作为表征空气质量的特性值,用统计分析方法来对贵阳市空气质量特征进行分析研究。结果表明:(1)贵阳市总体空气质量较好,首要污染物以PM2.5和PM10为主,而又以PM2.5居多。(2)贵阳市月平均AQI值在1月最高,7月最低。6种污染物中,O3总体呈波动型分布,峰值分别出现在5月和10月,11月为全年最低值。除O3外,其余各污染物均呈现以7月为低谷,12月—次年1月为高峰的分布特征。(3)四季中,AQI值分布为冬季春季秋季夏季。各污染物中,除O3外,其余浓度均表现为冬高夏低,而O3浓度则为春高冬低。     

银川市主要污染物变化特征及其关系研究

利用2013-2019年银川市主要污染物浓度数据,分析了近年来银川市主要污染物浓度变化特征,并运用主成分分析法对主要污染物之间的关系进行研究。结果表明：近年来银川市主要污染物浓度除O₃逐年呈上升趋势外,其他均呈下降趋势;市区站O₃浓度较郊区背景站低,其他污染物市区较郊区背景站高;市区站PM₁₀和PM_2.5浓度超国家二级标准;除O₃浓度夏季高,冬季低外,其他污染物冬季高,夏季低;CO、NO₂、PM₁₀、PM_2.5浓度呈"双峰型"日变化特征,O₃和SO₂呈"单峰型"日变化特征。银川市主要污染物NO₂浓度与CO和O₃相关性显著,PM₁₀和PM_2.5之间相关性显著;污染物第一主成分是NO₂、CO和O₃,方差贡献率达到50%以上,加之银川市O₃浓度逐年呈升高趋势,表明近年来银川市大气光化学污染增加。     

成都市大气污染与气象条件关系分析

利用成都市城区2015年12月~2019年12月污染物浓度及气象资料,对PM₁₀、PM_2.5、CO、O₃、 SO₂、NO₂六种大气污染物浓度变化特征以及与气象要素之间的相关性进行分析。结果表明:2016~2019年成都市空气质量冬季最差,秋季最好,年内整体以良为主,重度污染和严重污染的天气较少出现,空气质量逐年变好;主要污染物浓度除O₃外在冬季最高,夏季最低,春秋两季相差不大,O₃浓度变化则相反;主要污染物的日变化特征也较为明显。空气质量综合指数、PM₁₀、PM_2.5、CO、NO₂浓度与气温和降水存在显著负相关性,与气压存在显著正相关性,还与相对湿度呈不同程度的负相关,但与风速相关性不显著;O₃浓度不仅与风速、气温和降水存在显著的正相关,还与气压呈显著的负相关,却与相对湿度的负相关性不显著。      

银川大气污染物浓度变化特征及其与气象条件的关系

利用2013年银川地区6个监测点污染物质量浓度和同期气象要素数据,对区域内污染物浓度变化特征及其与气象条件的关系进行分析。结果表明：银川市区PM10年均值超标0.7倍,PM_2.5年均值超标0.4倍,SO₂和NO₂也有一定程度超标,CO和O₃未超标|1、2、11月和12月为SO₂、NO₂、PM₁₀、PM_2.5、CO质量浓度较高月,O₃浓度最高月为5月,次高月为10月|9:00-12:00和21:00-00:00是SO₂、NO₂、PM₁₀、PM_2.5和CO质量浓度较高的两个时段,O₃浓度一般于15:00达到最大;6类污染物普遍表现出季节性的准7 d周期和全年性的准30 d周期|空气质量状况良的频率是56 %,轻度污染26 %,优仅为12%;首要污染物以PM₁₀、PM_2.5和SO₂为主|风速与SO₂、NO₂和CO具有良好的负相关关系,与O₃则呈显著正相关关系,风速对PM₁₀和PM_2.5影响较复杂,当风速小于某一值时,有利于PM₁₀和PM_2.5扩散,当风速达到一定程度后,又会导致PM₁₀和PM_2.5浓度的增加|降水对污染物有较好的冲刷作用,且对SO₂的清除作用最明显,对O₃的清洁作用最弱。     

彭州市大气污染物浓度变化特征研究

本文利用2017年彭州市大气污染物(SO₂、NO₂、O₃、CO、PM₁₀、PM_2.5)小时浓度数据并结合地面气象观测资料,统计分析了该地区大气污染物浓度的演变规律及影响因素。结果表明:该地区细粒子(PM₁₀和PM_2.5)污染较为严重,O₃次之,其它污染物浓度水平则低于国家新二级标准限值。观测期间,各污染物浓度表现出明显的日变化与季节变化,其中SO₂、O₃呈单峰型日变化,NO₂、CO和细粒子则呈双峰型日变化;污染物浓度的季节变化基本表现为冬高夏低、春秋次之的变化特征(O₃为夏高冬低),并且固态污染物(PM₁₀、PM_2.5)与气态污染物(NO₂、CO)之间有显著的相关性。在污染物浓度与气象要素相关性分析中表明,湿度对于污染物浓度的影响整体上要弱于温度和风速,除了O₃与温度、风速呈正相关外,其它污染物与两者均呈负相关。除此以外,风向对于当地各种大气污染物的积累与清除也有直接的影响。      

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。     

四川盆地最大混合层厚度与大气污染物浓度的关系

基于2015～2018年四川盆地温江站、宜宾站、达川站和沙坪坝站的探空和地面观测资料以及同期AQI、6种主要污染物(SO₂、NO₂、CO、O₃、PM_2.5、PM₁₀)质量浓度资料,使用逐步逼近法计算得到了四川盆地成都、宜宾、达州、重庆四城市的每日最大混合层厚度(Maximum mixing depth,MMD),并对其时间变化特征及其与各种污染物浓度之间的关系进行了分析。结果表明,四川盆地年平均MMD约1200m。季节变化明显,春夏高、秋冬低。9月至次年1月MMD相对较小。相关分析显示,剔除降水影响后,MMD与AQI、PM_2.5、PM₁₀、SO₂、NO₂、CO浓度均呈负相关,而与O₃浓度显著正相关。在污染最为严重的冬季,MMD明显低于春夏季节。MMD越小、颗粒物浓度越高。低MMD大大压缩了近地面污染物的扩散空间,污染物在有限的空间内不断累积、浓度增大。      

2019年太原青运会期间空气质量评估

为评估太原青运会期间大气污染控制措施对空气质量的改善效果,对青运会会前、会期和会后三个阶段太原市6种污染物浓度的演变及气溶胶在垂直方向上的变化进行了分析。结果表明：青运会期间太原市PM₁₀、PM_2.5、CO、NO₂、O₃较青运会前分别下降30.5%、37.3%、20.2%、18.0%和18.6%,SO₂削减程度不明显。垂直方向上,青运会期间气溶胶消光系数峰值降低24.6%,其中低湿天气下气溶胶消光系数峰值下降46%,高湿天气下峰值下降21.6%,青运会期间大气中PM_2.5在PM₁₀中的占比降低,垂直大气中气溶胶的吸湿增长能力增强。与2017和2018年同期相比,青运会期间PM₁₀、PM_2.5、CO、NO₂浓度均有大幅下降,O₃浓度较近两年同期无显著变化。因此,青运会期间的各项控制措施有效降低了本地颗粒物浓度。     

上海地区AQI变化特征及与气象因素的相关性

基于上海地区2012—2016年逐日PM_2.5、PM₁₀、CO、O₃、SO₂、NO₂的分指数（individual air quality index,IAQI）数据以及同期气象要素（风速、降水量、气温、相对湿度、总云量、低云量）、逆温数据和高空大气环流数据,分析了上海地区空气质量指数的时间变化特征和气候要素对空气质量的影响,并选取PM_2.5和O₃污染天气过程及其邻近的非污染天气过程,对比分析高空大气环流形势的差异。结果表明：上海地区出现PM_2.5、PM₁₀和NO₂污染天气在冬季最多,分别为31.4 d、10.0 d和14.8 d,而O₃污染天气在夏季最多（18.8 d）。风速和低云量是影响PM_2.5污染的重要气象因素,最大相关系数分别为-0.313和-0.261,O₃污染则与气温和日照时数密切相关,最大相关系数分别为0.449和0.363,PM_2.5、O₃污染的发生也与前一日以及当日出现逆等温天气存在较好的相关性。在PM_2.5污染天气过程,上海位于槽后高压前部,850 hPa有较强西北风,而非PM_2.5污染天气过程中上海位于高压后部,低层850 hPa为东南风。在O₃污染天气和非污染天气过程,中国东部长波射出辐射（Outgoing Longwave Radiation,OLR）分别为正、负距平,副热带高压控制下上海晴热少云,易引起O₃污染,反之上海上空云系多,不容易出现污染。     

京津冀典型工业城市沙河市大气污染特征及来源分析

近些年京津冀地区秋、冬季大气重污染事件频发,工业生产与居民燃煤是大气灰霾污染的重要原因。河北省沙河市是京津冀地区以玻璃制造和加工为主的典型工业城市,本研究选取该城市为研究对象,主要利用2017年1月至12月国控站点的大气环境监测和气象数据,采用扩散模型、潜在源分析等手段,分析了沙河市主要污染物的时空分布特征和污染来源。主要结论有:（1）沙河市首要污染物具有明显季节特征,春季、夏季、秋冬季分别以PM₁₀、O₃、PM_2.5污染为主,季节贡献率分别为43.3%、72.3%、61.5%。（2）受城市大气边界层和排放的共同影响,PM₁₀、PM_2.5、SO₂、NO₂和CO浓度均有剧烈的季节—日变化特征。（3）冬季东北风时PM_2.5、NO₂、SO₂均展现出高浓度和高相关性特征,表明站点可能受东北方向玻璃企业排放影响。同时,站点可能也受城中村散煤燃烧影响。（4）沙河市冬季PM_2.5浓度为143 μg m-3。冬季的一次重污染中硫氧化率SOR、氮氧化率NOR的最高值分别达0.67、0.39,气态污染物的二次转化剧烈,高湿度利于二次粒子的生成。重污染中C(NO₃-)/C(SO₄2-)均值为1.89,推测沙河市NO₂主要来自大型运输车辆和企业的共同排放。（5）本地源是沙河市PM_2.5的主要潜在源区,周边几个重工业城市也有一定贡献。因此本研究建议沙河市PM_2.5的治理除需加强本地污染源的削减和控制外,区域联防联控也十分重要。