2012—2015年北京市空气质量指数变化及其与气象要素的关系

根据2012—2015年的空气质量指数（AQI）日报数据与同时段的气象数据,采用统计方法和广义加性模型（GAM）对空气质量指数的时间变化及其与气象要素的关系进行了分析,结果表明：2012—2015年北京市空气质量整体呈现下降趋势,冬春季空气质量较差,夏秋季的较好,冬季容易产生重污染天气,春季污染天气频发。北京空气质量存在一定程度的周末效应,表现为周末空气质量较差,工作日相对较好。整体上空气质量指数与风速、日照时数、降水量、平均气温和最高气温呈负相关,与湿度呈正相关,不同季节和不同级别空气质量下的AQI与气象要素相关性差异较大。通过广义加性模型得到AQI与降水量呈线性关系而与其他气象要素均呈非线性关系,气象要素在不同数值范围内对AQI的影响趋势和程度存在显著差异。     

哈尔滨市空气质量特征及其与气象要素的关系

利用哈尔滨市2014—2016年逐日空气质量指数(AQI)数据,结合同期气象观测资料,分析了哈尔滨市空气质量的变化特征、主要污染物及与主要气象要素之间的关系。结果表明:近3 a间,哈尔滨空气质量为良级别的天数最多,占47%,达到污染级别的天数占31%,2016年空气质量最佳,优良级别的天数达到284 d,占全年78%;春夏季AQI指数较低,秋冬季AQI指数明显偏高,9月空气质量全年最佳,1月空气质量最差; PM_(2. 5)是造成哈尔滨空气污染的最主要污染物,其次是PM₁₀、NO_2和臭氧8 h(O3-8 h); AQI与气压之间以正相关为主,秋冬季最为显著;与风速主要表现为负相关,冬季尤为显著;与气温的关系受到采暖的干扰差异较大,年尺度及秋冬季呈负相关,月尺度呈正相关;与降水日数呈负相关;与相对湿度冬季表现为显著正相关,而5—9月为负相关。     

汉中市空气质量预报模型及验证

利用汉中市2015—2016年1月1日—12月31日2a的空气质量资料和同期地面气象观测资料,分析了汉中市空气质量变化特征及其与气象要素之间的相关性,建立了汉中市空气质量预报模型。结果表明:汉中市空气质量状况总体较好,以优良天气为主,达标率为75.9%;汉中市空气质量夏季最好,秋季次之,冬季最差;空气质量指数(AQI)与气温、风速、日照时数、能见度、水汽压、降雨量、气压、地面气温相关性显著,各气象要素对AQI的影响有所不同,且不同季节内影响程度各异;建立的汉中市春、夏、秋、冬四季空气质量预报模型方程均通过显著性水平0.01检验,达到极显著水平。经验证,2017年春季空气质量级别预报准确率超过了85%,预报效果良好,可应用于汉中市空气质量预报业务。     

2014-2016年荆州城区空气质量与气象要素的关系分析

利用2014年1月1日—2016年12月31日荆州城区逐日空气质量数据和同期地面气象要素逐日观测资料,分析了荆州城区空气质量状况、变化特征及其与气象要素的相关性。结果表明,荆州城区优良日数偏少,但2014—2016年荆州城区空气质量略有改善,首要污染物为PM_(2.5);AQI和PM_(10)、PM_(2.5)、SO_2、NO_2、CO的月变化规律一致,呈V型分布,冬季空气污染最严重,夏季空气污染相对较轻,O_3的变化规律则相反,呈反V型分布;除O_3外,AQI和其他污染物浓度与前一日AQI、气压呈正相关关系,与气温、水汽压、湿度、云量、降水、风速呈负相关关系,据此建立了AQI和各污染物浓度的回归预报方程;进一步分析了2014年1月严重污染天气的成因,本地污染物的分布、外地污染物的输入和气象扩散条件是影响空气质量的主要因素。     

近50年石家庄地面温度变化特征与气候因子的关系分析

利用石家庄地区5个观测站1961-2010年逐日地面温度、气温、风速、日照时数和总云量观测数据,分析讨论了该地区地面温度最高值和最低值的变化特征以及气温、降水、风速、日照时数和总云量对地面温度变化的影响.结果表明:地面最高温度波动幅度较大,其中冬季波动幅度明显偏大;地面最低温度波动幅度较小,其中夏季波动幅度明显偏大;地面最高温度夏、秋季降温趋势显著;地面最低温度各季节增温趋势显著;地面最高温度与最高气温、日照时数和风速互为正相关,与总云量互为负相关;地面最低温度与最低气温和总云量互为正相关,与风速、日照时数互为负相关;最高气温对地面最高温度的正相关性最强,风速最弱;总云量对地面最高温度的负相关性在夏、冬季较强;最低气温对地面最低温度的正相关性最强,总云量最弱;风速对地面最低温度的负相关性在春、秋季较强,日照时数在秋、冬季较强.     

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。      

贵阳市PM2.5分布特征及气象条件的影响

利用2013~2017年贵阳市10个国控空气质量监测站点PM_2.5逐时监测数据,分析了贵阳市大气污染物污染水平及其时空分布特征。结果表明:(1)贵阳市PM_2.5年均浓度为36.14 ug·m-3,基本处于国家空气质量二级标准范围内,污染程度较轻;(2)贵阳市PM_2.5浓度冬季浓度为一年中最高,最高值出现在12月,夏季浓度最低,最小值出现在7月;(3)气象要素对PM_2.5浓度的影响是显著的,尤其是在分季节的情况下,气象要素对PM_2.5的影响差异较大。PM_2.5浓度与太阳辐射、日照时数、气压呈显著正相关,与降水、相对湿度、风速、气温呈显著负相关。太阳辐射夏季对PM_2.5影响最大,日照时数春季对PM_2.5的影响最大,气温在夏、秋季与PM_2.5浓度呈显著负相关。春季降水对PM_2.5的相关性更为显著,风速对夏、冬季与PM_2.5浓度具有显著负相关性。      

桂林城区大气能见度与颗粒物浓度和气象因子关系研究

利用2015年1月至2017年6月桂林国家基本气象站能见度、相对湿度、气温、气压、降水等气象要素和PM₁₀、PM_2.5、PM_1.0颗粒物质量浓度资料,分析桂林城区大气能见度与颗粒物浓度和气象因子之间关系。结果表明：桂林城区大气能见度和PM₁₀、PM_2.5、PM_1.0呈对数关系,相关系数分别为-0.341、-0.461、-0.509,颗粒物对大气能见度影响在相对湿度为60%—70%时最为显著。在各气象因子中,大气能见度与风速的相关性最好,其次为相对湿度,与风速呈二次函数关系,与相对湿度呈幂指数关系,与温度相关性较小,与气压在秋冬季节呈正相关,相关系数冬季可达0.301,但在春、夏季节相关性不显著;利用颗粒物浓度和气象要素建立8种大气能见度非线性统计回归模型,比较后发现利用PM_1.0、风速、相对湿度、气温等因子建立的不同季节大气能见度拟合公式在实际检验中效果最优,能较好地模拟桂林地区大气能见度的变化。     

哈长城市群空气质量与气象条件相关性分析

利用哈长城市群中哈尔滨、长春等10个城市2015年逐日空气质量指数(AQI)和同期的常规气象资料,运用统计方法,分析了各市空气质量指数逐月变化特征,并利用SPSS软件进一步分析探讨了AQI指数与气压、极大风速风向、气温、降水、相对湿度等气象因子的相关关系,以及哈长城市群间的空气质量指数相关性。     

丹东市大气颗粒物质量浓度变化特征及其与气象要素的关系

利用2008-2017年大气颗粒物质量浓度资料和逐日地面气象观测资料,统计分析了丹东市大气颗粒物质量浓度时间变化特征及其与气象要素的关系。结果表明:2008-2017年丹东市大气颗粒物质量浓度年际变化具有一定的波动性,其中2015-2017年大气颗粒物污染状况持续改善明显;质量浓度月和季节变化特征明显,1月和12月最高、7月最低,冬季最高、夏季最低,非汛期显著高于汛期,供暖期显著高于非供暖期;非汛期大气颗粒物质量浓度超标日相较达标日,气温和能见度偏低,降水偏少,风速偏小;非汛期PM2.5、PM1质量浓度与相对湿度呈显著正相关,与风速呈显著负相关,汛期PM2.5、PM1质量浓度与风速呈显著负相关;PM2.5、PM1质量浓度春、秋、冬季与风速的负相关性最显著,冬季与相对湿度的正相关性也十分显著。     

近50a开封市气候变化特征分析

利用开封市气象观测站1957-2007年的观测资料,分析了近50 a气候变化的特征,结果表明:开封市年平均气温呈上升趋势,春季气温呈波浪式平缓上升,夏季气温略有下降,秋季气温缓慢上升,冬季气温上升明显;年平均降水量变化趋势不明显,年际波动大,夏季降水呈上升趋势,冬春降水变化不明显,秋季降水下降明显;历年大风日数呈V型上升趋势,夏季上升明显,秋冬两季略有下降;年平均大雾日数呈明显上升趋势;年平均日照时数呈下降趋势,2000年后日照时数下降明显.     

2001—2007年兰州市主要大气污染物污染特征分析

以兰州市2001-2007年空气污染指数资料为基础,对每日空气污染指数(Air Pollution Index,API)、空气质量级别和PM10浓度等的年、季、月变化特征以及采暖期和非采暖期污染变化差异进行了分析。结合甘肃省地面气候资料集兰州市日观测资料,通过单因素方差分析和线性相关分析,找出不同季节对PM10浓度有显著影响的气象要素,得到不同季节与PM10浓度呈显著线性相关的气象因子。结果表明:(1)兰州市的首要污染物仍以PM10为主,其中冬季和春季污染最严重,PM10浓度在冬季12月有一主峰值,在春季3,4月份有一次峰值;(2)近年来,兰州市污染天数有减少趋势,并与兰州市烟、粉尘年排放量减小趋势一致;(3)采暖期PM10浓度有明显减小趋势,而非采暖期PM10浓度减小趋势不明显,污染日越来越集中在采暖期;(4)与PM10浓度呈显著线性相关的气象要素存在季节差异,但总体上风速、气温和湿度(或降水)是影响兰州市PM10浓度的主要气象因子,因此湿度、温度和风场条件的改变将对兰州市的大气环境产生影响。     

岳阳市AQI指数变化特征及与常规气象条件的关系

该文利用2015—2016年岳阳市区空气质量AQI数据和同期的常规气象资料,运用统计分析方法对该市的AQI时空分布特征进行了分析,运用综合指标法和逐步回归法建立岳阳市区AQI预报模型。结果表明:岳阳市区冬季空气质量最差,夏季空气质量最好,城市北部空气质量差于南部、工业区空气质量差于水库景区。重度污染及严重污染日基本出现在空气质量较差的冬季,工业区发生频率比较高。岳阳市城市工业布局方向与年主导风向一致,使得市区广大区域处于工业气流的下游,导致空气污染加剧。选取气温、降水量、低云量、相对湿度、风速等因子建立的岳阳市区AQI预报模型模拟效果较好。     

武汉市观象台2013—2016年PM2.5质量浓度变化及其与气象因子的相关分析

采用江苏省淮安市地面5个监测站2013年1月1日2015年12月31日PM10、PM2.5、SO2、NO2、CO、O3逐日质量浓度资料及同期气象资料,统计分析了该地区大气污染季节变化特征及其与气象条件的关系;采用MODIS的光学厚度AOD (Aerosol Optical Depth)资料和火点资料分析了2013年12月发生在淮安的一次持续性大气污染事件。研究结果表明,淮安空气质量AQI指数(Air Quality Index)在春冬季较高,夏秋季较低,污染天气发生在春冬季的概率为23.6%,夏秋季的概率为13.3%。淮安地区的首要大气污染物为颗粒物污染,其中PM10、PM2.5占比分别达到25.2%、48.9%,PM10中PM2.5比率年平均为61.0%,臭氧是第2大污染物,占比为25.8%。表征大气柱气溶胶浓度的AOD的季节变化与地面颗粒物浓度截然不同,颗粒物浓度 1月和12月出现极高值,而这两个月AOD月平均值却在一年中达到极低值,AOD最高值出现在7月。另外,AQI与降水、气温、风速、相对湿度呈负相关关系,但相关程度较弱。     

哈密市空气污染物浓度分布特征及其与气象因子的关系

利用2002—2008年哈密环境监测站监测资料和气象站同步观测资料,对哈密市大气污染物浓度分布特征和成因进行研究,结果表明:可吸入颗粒物是影响哈密市空气质量的主要因子,是首要污染物;冬季和3、4月污染最严重,夏季最轻;污染源以煤烟型、风沙型为主;气温日较差、辐射、风、相对湿度、能见度等气象因子与首要污染物浓度变化存在密切关系,气温日较差、日净地表辐射越大、能见度越好,越有利于污染物的扩散和稀释,空气质量就越好。     

气象因子对太原地区空气质量的影响研究

利用2017—2019年太原小店区气象与空气质量指数逐时数据,分析了气象因子对空气质量指数的影响,对易污染月份空气质量进行了深入分析,利用神经网络方法构建了气象因子与空气质量指数的关系模型,并与逐步回归模型进行了对比。结果表明:(1)2017—2019年太原地区空气质量6个等级均出现过,其中,良占比最大,为51.9%;严重污染等级最少,为1.9%。每年8月空气质量最好,1月空气质量最差,11月—次年2月为易污染月份。(2)气温、风速、气压对空气质量指数的影响主要表现为负相关,9月—次年2月呈显著负相关;降水主要表现为负相关;相对湿度对空气质量指数影响较大,8月—次年3月呈显著正相关,6—7月呈显著负相关。(3)易污染月份,太原地区空气质量以良为主,占40.7%;其次为轻度污染,占24.8%;严重污染占4.6%。相对湿度、风速对空气质量影响较大,表现为强相关。(4)神经网络构建的气象因子与空气质量指数的关系模型,与逐步回归分析模型相比,准确率由91%提高到94%。神经网络模型模拟效果更佳,为太原地区治理大气污染提供重要的参考价值。     

气象因子对哈密市大气可吸入颗粒物浓度的影响分析

采用2007-2008年哈密市气象及环境数据,分析可吸入颗粒物(PM10)对哈密市空气质量的影响以及风速风向、沙尘天气、降水、气温、气压、相对湿度与PM10浓度的相互关系.结果表明:哈密市的首要污染物为可吸入颗粒物.偏西风能够明显增大PM1o浓度.当平均风速＜2.0 m/s时,随着风速的增大PM10浓度逐渐减小;平均风...     

阿勒泰地区死亡病例与气象要素关系初步分析

对阿勒泰地区急诊死亡人数与气象要素进行了逐步回归分析，结果表明逐月、逐季死亡人数与同期平均气温、最高气温、最低气温、平均气压、日照时数的相关关系较好。影响脑血管疾病逐月死亡人数的主要气象因子为气压，呈正相关，影响呼吸系统疾病逐月死亡人数的主要的气象因子为气温，呈负相关，所有回归方程都反映出冬季与气温呈负相关，气压呈正相关，夏季与气温呈正相关，气压呈负相关，即温度低、气压高的冬季和温度高、气压低的夏季死亡人数相对较多。     

降水过程中气象条件对郑州市区气溶胶浓度的影响

利用郑州大气成分站的气溶胶浓度资料和气象资料,对郑州市区PM10、PM2.5、PM1浓度的日变化和月变化特征进行了分析,并对气温、降水、风速、气压等气象要素在降水过程中与气溶胶浓度的关系进行相关分析,结果表明,气溶胶浓度与气压呈正相关,与气温、降水量、风速等气象要素呈明显负相关,且随季节变化有所差异。     

降水过程中气象条件对郑州市区气溶胶浓度的影响

利用郑州大气成分站的气溶胶浓度资料和气象资料,对郑州市区PM10、PM2.5、PM1浓度的日变化和月变化特征进行了分析,并对气温、降水、风速、气压等气象要素在降水过程中与气溶胶浓度的关系进行相关分析,结果表明,气溶胶浓度与气压呈正相关,与气温、降水量、风速等气象要素呈明显负相关,且随季节变化有所差异。