西安市臭氧污染特征及其与气象条件的关系

基于2014-2017年西安市环保局臭氧观测资料、泾河气象站总辐射和气象资料以及长安气象站紫外辐射和气象资料,对西安市臭氧污染特征及其与气象条件的关系进行了研究。结果表明:西安市臭氧质量浓度的日变化和月变化均呈明显的单峰形态;日最小值22.2μg/m^3和最大值100.7μg/m^3分别出现在07时和16时;臭氧日最大8 h平均质量浓度(用C8h(O3)表示)月均值最大为148.5μg/m^3,最小为30.0μg/m^3,分别出现在7月和11月。总辐射日最大辐照度、日总辐射曝辐量和日紫外辐射曝辐量与C8h(O3)之间具有显著的正相关关系,并且以日紫外辐射曝辐量与C8h(O3)的相关性最高,表明紫外辐射对近地面臭氧质量浓度的影响更为强烈。日最高气温、平均气温、日照时数和C8h(O3)正相关,风速、相对湿度与C8h(O3)负相关,表明晴空时高温、低湿、小风更有利于近地面臭氧的形成。统计关系显示,在5-8月,当日最高气温大于35℃或日最低相对湿度小于40%时,需要警惕臭氧超标污染的发生。     

江苏臭氧污染特征及其与气象因子的关系

本文利用2013—2017年江苏70个环境监测站资料和13个国家气象观测站常规观测资料,研究江苏臭氧污染特征及其与气象因子的关系。结果表明:江苏臭氧质量浓度和超标率逐年增长,其空间分布特征由东部沿海城市大于西部内陆城市逐渐转为东西部城市差异不明显,南部城市超标率总体高于北部;4—9月臭氧质量浓度处于较高水平,夏季超标占一半以上;日变化呈"单峰单谷"型,15时(北京时间)前后超标率最大,O_(3-8 h)较O_(3-1 h)峰值推后3—4 h;O_3对空气质量不达标的贡献率呈逐年上升趋势;臭氧质量浓度与颗粒物和前体物NO_x日变化呈反相关,且存在"周末效应"。江苏地区臭氧质量浓度总体与气温正相关,相对湿度负相关,气温高于25℃、相对湿度30%～50%区间、风速低于4 m·s~(-1)以下易出现高浓度臭氧;苏南的城市主要在东南风向对应较高的值,而苏北城市多在西南风向对应的较高臭氧质量浓度值。     

佛山市近地面O_3变化特征及与气象因素的关系

利用佛山市2014至2018年8个环境国控站观测的近地面6种污染物质量浓度数据,结合同期气象数据,采用多种统计方法,分析佛山近5年来近地面O_3质量浓度日、周、月的变化特征,同时探讨了主要影响因子和气象要素阈值。结果表明:(1)佛山市O_3污染天数和浓度均呈现增加趋势;(2)日变化表现为单峰分布,峰值出现在15:00前后,出现时间和其它城市较一致,其前体物CO、NO_2则在15:00前后出现谷值;(3)O_3前体物质量浓度休息日高于工作日,O_3质量浓度周末低于工作日,和广州表现较为一致;(4)当日均气温高于26℃、相对湿度介于40%～70%、气压低于1 010 hPa、日均风速低于2 m/s、日照时数大于6.5 h时,有利于O_3生成并造成臭氧超标;(5)佛山O_3质量浓度与PM_(10)、PM_(2.5)、SO_2质量浓度呈正相关。     

西宁近地面臭氧特征及其影响因素

利用青藏高原东北部城市西宁2015—2017年O_3质量浓度和各气象要素数据(紫外辐射、最高气温等),分析近地面O_3变化特征及其影响因素,结果表明:该地区臭氧平均质量浓度呈现单峰型日变化规律。每年6—8月O_3质量浓度最大,12月至翌年2月最小。依据环境空气质量指数AQI统计分析,6—8月污染天气O_3占首要污染物总天数的72%。O_3与NO_2、CO呈极显著负相关,臭氧日最大1 h平均质量浓度与紫外辐射、日最高气温呈极显著正相关,与日平均气压、日最高气压、日最低气压呈极显著负相关,与日平均相对湿度相关性不显著。不同季节不同高度风速大小和风向频率对O_3质量浓度影响不同,500 h Pa盛行风向以WNW为主时有利于扩散。2017年青海省大部地区O_3月平均质量浓度总体呈先增加后减小变化趋势。纬度越低,海拔越高的地区,O_3质量浓度升高越早。降水量的差异对O_3质量浓度影响较小。     

南宁市臭氧质量浓度特征及其与气象因素的关系

利用2015—2020年南宁市近地面臭氧监测数据及气象观测数据,分析南宁市近地面臭氧质量浓度时间变化特征及超标情况,并采用相关分析等统计方法研究臭氧与气象因素的关系。结果表明,南宁市第90百分位O₃-8 h质量浓度呈逐年增高趋势。O₃月平均质量浓度呈现双峰型变化,峰值出现在4—5月和8—10月。南宁市O₃质量浓度与日照时数、最高气温、相对湿度的相关性高。南宁市O₃超标以轻度污染为主。O₃超标时日平均气温为12.3～31.4℃,最高气温为20.9～37.7℃,相对湿度为46%～88%,日平均风速为0.7～3.4 m·s^-1,气压为980.3～1011.7 hPa。     

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。     

承德市臭氧及其前体物浓度变化特征

采用2014—2016年承德市环境监测站和气象站的数据,对承德市O3、NO2、CO浓度和气温进行了分析,得出以下结论:承德市O3污染天数及所占的比重呈逐年增加趋势;O3-8 h月平均浓度呈现夏季高而冬季低的季节变化特征,月平均气温与其呈现一致的变化趋势,其前体物NO2和CO则呈现相反的变化趋势,表现为冬季高而夏季低的特征;O3浓度的日变化呈单峰型分布,午后浓度升高而夜间浓度下降,与气温的日变化趋势一致,NO2呈现相反的变化趋势,CO呈三峰型分布,总体表现为中午浓度最高;O3-8 h、NO2、CO浓度和气温总体均呈现北低南高的空间分布;O3-8 h浓度与其前体物NO2和CO均呈显著的负相关关系。有利于承德市出现O3污染天气的气象要素为太阳总辐射辐照度900～1000 W/m2,日最高气温大于30℃,无降水产生,日最小相对湿度小于20%和50%～60%,受偏南风或西南风影响。     

气象因素对汕头市大气O3污染的影响

利用2014年到2016年汕头市O_3的逐日浓度资料,分析了O_3污染的时间变化特征,并结合汕头市国家基准气象观测站的同期地面气象资料,分析了风、混合层厚度、降水、大气环流等气象因素对O_3污染的影响,同时探讨了影响污染物浓度变化的原因。结果表明:不同于北方多数城市夏季O_3污染严重,汕头市的O_3污染秋季(9—11月)最严重,初夏(6月)污染较小,这与汕头的地理位置和气候条件有关。O_3浓度呈单峰型日变化,午后15:00左右浓度最高,夜间浓度较低。风速对O_3既有扩散作用,又有混合作用,当日均风速为1.7 m/s时O_3的平均浓度最大;O_3日均浓度与14时混合层厚度呈显著正相关,午后混合层厚度对O_3日内峰值有很大影响;O_3平均浓度在相对湿度60%时达到最大,高相对湿度不利于O_3体积分数的积累;降水对O_3的去除效果随着降水量级的增大而增大,汛期降水的去除效果与总体去除效果基本一致,而非汛期强降水(中雨以上)去除效果更加显著;出现轻雾时O_3浓度接近平均,出现霾时O_3浓度较高,出现大雾时不利于O_3的生成;当汕头市地面为冷高压脊、850 hPa为东北风场、500 hPa为副热带高压控制时,有利于光化学反应,易造成O_3污染。     

贵阳市强降温过程分析及识别探讨

该文利用贵阳市气象站1981—2017年逐日气温资料,对日最低气温、平均气温进行统计分析,结果表明:贵阳市强降温过程主要集中在春季、冬季和秋季,以3月最多,5—9月无强降温过程;出现最多年份为1987年。以最高气温作为指标进行强降温频次及强度计算,对未达寒潮标准的强降温过程进行了48 h及72 h降温幅度统计,对24 h强降温过程进行逐小时降温幅度统计。归纳出3点建议:(1)在气象服务及预报业务考核工作中可考虑将最高气温作为计算指标;(2)在气象服务及预报考核中视情况将Ⅳ级(强)强降温的识别时间参照寒潮标准增加48 h、72 h的识别标准;(3)在气象服务工作中可将逐小时降温幅度作为强降温天气过程服务的主要参考因素。     

近4年早春宝鸡市区气象条件对空气污染的影响

利用2015-2018年3月宝鸡市区气象监测站地面观测资料与环境监测站空气质量数据进行对比分析,结果表明:①早春宝鸡市区首要污染物为PM2.5、PM10和O3。2016年与2018年3月污染日数多,主要气象因素是降水量偏少,连续无降水日数持续时间长,东风日明显多于西风日。②PM10质量浓度(C(PM10))变化与日平均气压、日降水量关系密切,且均为反相关;PM2.5质量浓度(C(PM2.5))与日最小相对湿度正相关特征明显;臭氧质量浓度(C8h(O3))与日最小相对湿度呈显著反相关,与日平均气温的正相关特征明显。③气压升高,连续性降水越多,西风日越多,越有利于污染物质量浓度的下降。C(PM10)大值区多出现在偏南风或偏东北风时;C(PM2.5)和C8h(O3)在偏东风时较大。④C8h(O3)主要出现在前期日最高气温突然增加5~8℃的当天和日最高气温为近期极值后的1~2 d。⑤沙尘天气使C(PM10)与C(PM2.5)明显升高;早春影响宝鸡市区的沙尘天气主要有蒙古气旋东移和冷空气东移南下两种地面形势。     

承德市臭氧污染气象条件预报方法研究

利用2014-2016年承德市环境监测站和气象站的数据,分析了气象条件对承德市O₃-8h浓度的影响,探讨了臭氧污染气象条件的预报方法。结果表明：4-7月是承德市O₃-8h浓度较高的月份,O₃浓度的日变化特征为午后浓度高而夜间浓度低;O₃污染的天气形势为500 hPa受高压脊和偏西气流影响,850 hPa有强暖平流和20℃以上的高温,地面受低压前部和高压后部之间的偏南气流影响;有利于O₃-8h出现高浓度的气象因子为日平均气温大于23℃、日最高气温大于28℃、日平均海平面气压995-1007 hPa、日平均水汽压18-28 hPa、偏南风大于1 m·s^-1。利用气象因子综合评分建立臭氧污染指数,与O₃-8h浓度的相关系数高达0.7553,说明臭氧污染指数能较好地预报臭氧污染天气。     

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。     

重庆市臭氧污染及其气象因子预报方法对比研究

利用2014年1月1日至2018年12月31日的重庆市空气质量日均值资料,分析了重庆近5 a臭氧污染的特征。发现重庆市臭氧是除PM_2.5以外的第二大大气污染物,具有较强的季节变化特征,主要污染时段位于夏半年,在7—8月臭氧污染程度明显超过了PM_2.5。臭氧年平均浓度呈现逐年增加的趋势,首要污染物为臭氧的日数在2018年首次超过PM_2.5,臭氧成为2018年重庆市的第一大污染物,表明重庆正在由一个以颗粒物污染为主的城市转变为臭氧污染为主的城市。通过对同期逐日气象资料与臭氧8 h滑动平均日最大值相关性分析发现,大气温度、湿度及气压均为影响臭氧污染的重要气象因子。利用气象影响因子,采用逐步回归、支持向量机、神经网络方法对臭氧8 h滑动平均日最大值进行预报实验表明,三种预报模型均具有较强的预报能力,但总体来看预报均比实况略偏小。支持向量机方法的预报效果要稍好于逐步回归和神经网络方法,可为重庆市臭氧浓度预报提供参考。     

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。     

华南区域大气成分数值模式GRACEs预报性能评估

利用2016-2019年广东省国控站实况监测数据对华南区域大气成分数值模式系统(GRACEs)预报性能进行了综合评估。除空气质量指数AQI外,重点对PM_2.5、O₃及NO₂进行了分析评估。(1) 模式预报性能存在年际差异,对各要素的预报值总体偏低。(2) 模式预报能较好地反映空气质量的空间分布,PM_2.5中心在珠三角西北部,而O₃-8 h高值区在珠三角核心区和粤东沿海,但模式对O₃-8 h高值区存在显著预报低估现象。(3)模式可较好地模拟出PM_2.5月变化的单峰型特征和O₃-8 h月变化双峰型特征,但模式对AQI的秋冬季主峰值和春季次峰值的预报存在低估,分别与模式对O₃-8 h、PM_2.5的低估有关。(4) 模式能较好体现O₃的午后峰值和NO₂双峰值的日变化规律;模式对O₃前体物NO₂的预报偏差,有可能是导致随后几小时对O₃浓度预报偏差的重要原因。(5) 日平均浓度预报效果检验显示模式可较好预测AQI和3种污染物的变化趋势,但对夏秋季高O₃-8 h浓度预报显著偏低;模式对轻度污染及以上等级预报能力偏低,亟需提升模式对污染天气的预报能力。      

2017年上海臭氧污染气象条件分析及臭氧污染天气分型研究

根据2016-2017年上海空气污染物和相关气象要素数据,分析上海2017年O₃变化特征以及气象影响因素,并对造成O₃污染的天气系统进行主观分型。结果表明：2017年上海市空气质量优良天数为275 d,占全年天数的75.3%,O₃-8h污染天数为55 d。上海市O₃-8h年均浓度115 μg·m^-3,同比增幅超过10%,为2013年以来的最高值,主要体现为夏半年O₃浓度的上升。与2016年相比,2017年夏半年西太平洋副热带高压偏西偏强,上海地区风速风向、温度、水汽、光照、辐射条件均有利于O₃浓度上升。造成2017年高浓度O₃污染主要有4种天气类型：副热带高压控制型（SH）、地面高压型（G）、均压场型（J）和低压型（D）。其中副热带高压控制型是典型的O₃-8h污染天气型,占总污染日数的29.1%,且污染程度较重;低压型出现次数较少;地面高压型的臭氧平均污染程度最弱。     

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。     

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。     

2013-2015年合肥市PM2.5重污染特征研究

综合利用中国环境监测网公布的合肥市2013-2015年大气污染物浓度数据和合肥市气象站的常规气象资料,以及激光雷达探测资料、公益性行业（气象）专项（GYHY201206011）获得的气溶胶离子成分分析结果,分析了合肥市PM_2.5重污染（日均浓度>150 μg/m3）特征。结果表明:（1）2013-2015年,合肥市PM_2.5浓度和重污染天数空间分布差异明显,东北部多、西南部少,1月各站差异最大。除了低浓度日（日均浓度≤35 μg/m3）,PM_2.5浓度都存在明显的日变化,午后低、早晚高,且随着污染程度加重,早上峰值出现时间推后。（2）重污染日臭氧以外的气态污染物浓度都显著上升。（3）重污染日常伴随着霾和轻雾天气,以稳定、小风天气为主,重污染日白天相对湿度偏高、风速偏小,600 m以下的消光系数显著增大且峰值高度降低。（4）重污染日PM_2.5中水溶性无机离子含量增高,其中NO₃-含量的占比增加最多,超过了SO₄2-的占比。