塔克拉玛干沙漠腹地及周边地区PM10时空变化特征及影响因素分析

利用Thermo RP 1400a对塔克拉玛干沙漠腹地塔中及周边的哈密与和田进行了长达6 a多的沙尘气溶胶PM10连续观测,结合气象资料,分析了该区域沙尘气溶胶PM10的基本特征及影响因素。其结果是:①在哈密、塔中与和田,浮尘、扬沙日数呈上升趋势,沙尘暴日数变化不明显,沙尘天气出现的频率和强度是影响沙漠地区沙尘气溶胶PM10浓度的主要因素。②PM10质量浓度具有明显的区域分布特征,塔克拉玛干沙漠东缘的哈密最低,其次为沙漠南缘的和田,最高的为沙漠腹地的塔中。③每年3—9月是哈密PM10质量浓度的高值时段;塔中与和田PM10质量浓度高值时段分布在3—8月,平均浓度分别在500~1 000 μg·m-3之间变化。④哈密、塔中与和田PM10季节平均浓度变化特征,春季>夏季>秋季>冬季;PM10平均浓度最高的塔中,春季在1 000 μg·m-3左右变化,夏季在400~900 μg·m-3之间,秋冬两季浓度较低基本上在200~400 μg·m-3之间变化。⑤哈密、塔中与和田沙尘暴季节PM10浓度远高于非沙尘暴季节,沙尘暴季节浓度基本上为非沙尘暴季节浓度的两倍以上;塔中2004年和2008年沙尘暴季节平均浓度分别是非沙尘暴季节的6.2倍和3.6倍。⑥沙尘天气过程中PM10质量浓度变化具有以下规律,晴天<浮尘天气<浮尘、扬沙天气<沙尘暴天气。⑦风速大小直接影响大气中PM10浓度,风速越大浓度越高。气温、相对湿度和气压是影响沙尘暴强度的重要因素,也间接影响大气中PM10浓度的变化。     

2013年北京市PM_(2.5)的时空分布

对2013年北京市35个自动空气质量监测子站的PM2.5数据进行分析,探讨PM2.5的时间分布特征、空间分布特征以及与前体物和大气氧化性的相关性关系。结果表明,PM2.5浓度由高到低的季节依次是冬季、春季、秋季和夏季,平均浓度分别为122.8μg·m-3、85.1μg·m-3、84.9μg·m-3和79.1μg·m-3;各类监测站中浓度由高到低的依次是交通站、城区站、郊区站和区域站,平均浓度分别为102.2μg·m-3、91.8μg·m-3、89.1μg·m-3和88.7μg·m-3。PM2.5月均浓度呈波浪型分布,在1月份、3月份、6月份和10月份各出现一个峰值。全年来看,交通站PM2.5的日变化规律呈单峰型分布,其他站点呈双峰型分布。分地区来看,年均PM2.5浓度由高到低的依次是东南部、西南部、城六区、东北部和西北部。PM2.5浓度与NO2、SO2和OX浓度均为显著正相关,表明前体物和大气氧化性对PM2.5浓度有显著影响。     

塔克拉玛干沙漠腹地沙尘暴过程大气颗粒物浓度及影响因素分析

利用Grimm1.108、Thermo RP 1400a、TSP以及CAWS-600等仪器,对2008年4月17日至23日发生在塔克拉玛干沙漠腹地的1次强沙尘暴过程的颗粒物质量浓度进行连续观测,结合天气资料分析得出:①Grimm1.108颗粒物分析仪监测结果表明,日平均浓度出现两个峰值区,主峰值出现在20日,次峰值出现在18日,而小时平均浓度高值区主要集中4月19日至20日,21日中午存在1个峰值区,其他时段浓度相对较低。②强沙尘暴发生时的分钟观测数据表明,随着风速的逐渐增强,沙尘暴强度逐渐增强,不同粒径颗粒物浓度达到最大值,>0.23 μm颗粒物总浓度为39 496.5 μg·m-3,>20.0 μm颗粒物总浓度为5 390.7 μg·m-3,随后浓度逐渐下降。③PM10和TSP的浓度变化同样反映沙尘天气的过程和强度,沙尘暴前期大气中颗粒物浓度远低于强沙尘暴期间,随沙尘天气减弱,颗粒物浓度明显下降。④沙尘天气过程中大气颗粒物浓度变化具有以下规律：晴天<浮尘天气<浮尘、扬沙天气<沙尘暴天气。风速大小直接影响大气中颗粒物浓度,风速越大颗粒物浓度越高。气温、相对湿度和气压是影响沙尘暴强度的重要因素,也间接影响大气中颗粒物浓度的变化。     

乌鲁木齐近50年气温变化与城市化发展关系

采用线性倾向估计、累积距平、M-K检验法,利用乌鲁木齐地区市区及近郊气象站近50年的年平均气温数据,分析了乌鲁木齐地区气温的年代际变化及突变;采用相关分析方法与趋势拟合等方法,生成乌鲁木齐年平均湿度与指征其城市化6项指标的函数关系图.结果发现:(1)近50年乌鲁木齐地区的年平均气温缓慢上升,城区气温高于郊区,城区站增温率为0.2℃/10a,郊区站为0.245℃/ 10a,总增温率为0.225℃/ 10a.(2)采用Mann-Kendall检验法分析得出年平均气温在2000年发生了由低到高的突变.(3)乌鲁木齐市城市人口、GDP、全社会固定资产投资总额、建成区面积、能源消耗与年平均气温有着显著的相关性,表明城市化进程与气温变化有密切关系.     

沙尘事件对兰州河谷大气环境PM10的影响

利用1999—2001年兰州河谷大气中空气污染物的监测数据,结合河西地区沙尘事件频次,分析了兰州河谷大气环境PM10含量的季节变化特征及其成因。结果表明,源于河西地区的沙尘暴对兰州市空气中PM10含量有重要影响,PM10浓度在冬春季较高,在夏季较低。1985—2001年16 a来河西走廊中东部沙尘事件年均约为37.6 d,兰州河谷年均沙尘事件约为24.4 d,两者表现出显著的相关性（R=0.67,P=0.003）。2001年兰州河谷1 h平均沙尘PM10浓度统计分析显示:PM10含量大于1.0 mg·m-3 的峰值,主要由河西地区沙尘暴过程引起,而PM10含量0.5~1.0 mg·m-3之间的峰值,主要由工业污染物SO2、NOx及颗粒物的排放引起。要长期有效地改善兰州市大气环境质量,不仅要科学地制定本地污染物的减排措施,还要考虑周围地区生态环境的建设。     

塔克拉玛干沙漠腹地大气气溶胶散射特征研究

利用沙漠腹地塔中气象站积分浊度计的2004年观测资料,结合同期PM10质量浓度、能见度和常规气象资料,分析了塔克拉玛干沙漠腹地气溶胶散射系数的变化特征,以及气溶胶散射系数与PM10质量浓度、能见度的关系。研究表明,2004年塔中气溶胶散射系数、PM10质量浓度、能见度日平均值分别为124.74±187.30 Mm-1,538.9±841.7 μg·m-3,12 748±7 274 m。塔中气溶胶散射系数小时平均值出现频率最高的区间主要在100 Mm-1以下,中午气溶胶散射系数小,早晚气溶胶散射系数大;冬春两季的凌晨空气中含有较多的粒子,气溶胶散射系数较大;气溶胶散射系数小时平均值与PM10质量浓度变化规律基本一致,2004年1—6月的气溶胶质量散射系数平均值为0.37 m2·g-1;散射系数与能见度日平均值非线性相关较好,两者呈负幂函数关系。     

中国东部夏季云量与日气温统计关系

利用中国东部1980-2009年130个测站夏季逐日气象资料,定量分析无雨日条件下云量与气温统计关系,从辐射角度解释成因。结果表明:日最高气温、日平均气温大多随着云量增多而显著下降,这主要是由于云量增加会导致到达地面的太阳总辐射和地表净辐射显著减少。日最低气温在北方随着云量增多而显著上升;在南方则随着总云量、低中云量增多而显著下降,但与高云量的关系不明确。出现这种现象的原因无法完全从云量影响辐射的角度进行解释。气温日较差随着云量增多而显著减小,并且北方减小的幅度大于南方。     

保水剂处理土壤的抗风蚀性能研究

将不同浓度的保水剂,在不同风速和不同喷洒量的条件下施用于黄土、粉煤灰、风沙土中,对其胶结作用所具有的抗风蚀性能进行了野外及风洞实验。结果显示:在净风条件下,保水剂固沙、抑制扬尘效果显著;在风沙流条件下,保水剂大浓度(50g·m-3)时具有明显的抗风蚀、抑制沙尘的效果;不同土类在风力为20m·s-1内,保水剂对黄土、粉煤灰、风沙土的固定、抑制扬尘效果显著。20m·s-1以上时,保水剂对黄土、粉煤灰、风沙土的固定、抑制扬尘效果随保水剂浓度的增大抗风蚀强度随之增强。但保水剂和固沙复合材料共同施用于风沙土,防风蚀效果更为显著;生产应用中,建议保水剂对风沙土的应用浓度为560g·m-3,对黄土的应用浓度为140～280g·m-3,对粉煤灰的应用浓度为50～140g·m-3。     

大连浮尘天气特征与浮尘观测标准研究

基于大连近4 a的可吸入颗粒物自动监测和气象资料,研究了浮尘天气中PM10以及能见度、相对湿度、风向风速等气象要素变化特征。结果显示,浮尘影响明显,浮尘发生后PM10质量浓度突然升高,浮尘天气日平均和过程平均PM10浓度均超过300 μg·m-3,并且平均持续时间超过16 h;相对湿度为13%~97%,能见度自动监测值在1 049~9 002 m之间,北风频率最高,风速在0~12 m·s-1之间。经过综合分析,提出沙尘暴下游台站基于可吸入颗粒物自动监测的浮尘天气新观测标准。该标准既可以对远距离飘尘影响区进行科学的定量评价,又与现有标准保持较好的一致性,并可作为预测预报的依据。检验表明效果较好,有较强的实用性,可以修正人工观测漏记或错记情况。     

塔里木盆地沙尘气溶胶对短波辐射的影响——以塔中为例

利用2006年8—9月塔克拉玛干沙漠腹地塔中气象站的80 m铁塔上,距地1.5 m的KIPP & ZONEN自动辐射仪获取的监测资料,根据沙尘暴资料中PM10的小时浓度变化,参照TSP的变化趋势和塔中地面气象站的能见度和风速,将天气划分为晴空、浮尘和扬沙、沙尘暴三种类型,并分别选取其代表性天气,分析以塔中为代表的沙漠腹地,沙尘气溶胶浓度的变化对短波辐射的影响。结果表明：沙尘气溶胶减弱到达地面的总的太阳辐射,在大气总的透过率上表现为晴空是沙尘暴的2.04倍;直接辐射表现在大气透明系数的变化与沙尘暴、浮尘PM10呈显著负相关,相关系数分别为-0.714,-0.771;沙尘气溶胶改变散射辐射波形,由遁形平顶型改为倒“V”型,增加散射日总量,沙尘暴是晴空的1.68倍,浮尘是晴空的2.12倍。     

2007年春季沙尘暴对辽宁中部城市群空气质量的影响

根据大气降尘量和可吸入颗粒物PM10 、PM2.5、 PM1的观测资料,分析了2007年春季发生于我国北方的两次沙尘暴天气过程对辽宁中部城市群空气质量的影响。结果显示,沙尘天气使各城市大气降尘量与可吸入颗粒物PM10和PM2.5的质量浓度明显增高,空气质量明显下降。在3月31日和5月7日的两次沙尘暴过程中,城市群的大气降尘量比当月日平均值分别增加了1.5倍和2.5倍,各城市PM10的日均质量浓度比沙尘出现前一日分别增加了0.2～2.6倍和1.5～3.8倍。3月31日除铁岭和鞍山空气质量状况为良外,均达到轻微污染程度;5月7日鞍山达严重污染程度;沈阳、辽阳、本溪、铁岭和抚顺的空气质量均为中度污染或中度重污染。沙尘暴期间1.0～10.0 μm的粗粒子为影响辽宁中部城市空气质量的主要成分,其小时平均质量浓度最大时是沙尘出现前的10～30倍。     

塔克拉玛干沙漠腹地沙尘气溶胶质量浓度垂直分布特征

 利用Grimm 1.108、Thermo RP 1 400 a以及TSP等仪器于2009年1月至2010年2月对塔克拉玛干沙漠腹地塔中不同高度沙尘气溶胶质量浓度进行连续观测,结合天气资料进行分析。结果表明:①80 m高度PM10质量浓度最高,80 m高度PM2.5和PM1.0质量浓度明显低于4 m高度PM10,80 m高度PM1.0质量浓度最低。频繁的沙尘天气是影响不同粒径的沙尘气溶胶浓度含量的主要因素。②夜间至日出,PM质量浓度逐渐降低,最低基本上出现在08:00,随后质量浓度逐渐增大,18:00前后浓度达到最高值,然后又逐步降低。其规律与风速的昼夜变化完全一致。③TSP月平均质量浓度高值主要集中在3—9月,其中4月和5月浓度最高,随后逐渐减低。3—9月也是PM月平均质量浓度的高值区域,4 m高度PM10月平均质量浓度最高发生在5月,其浓度为846.0 μg·m-3。80 m高度PM10浓度远高于PM2.5和PM1.0浓度,PM2.5和PM1.0浓度相差较小。风沙天气对大气中的不同粒径粒子的浓度含量影响较大,风沙天气越多,粗颗粒含量越高,反之则细颗粒越多。④沙尘天气过程中不同粒径沙尘气溶胶质量浓度变化具有晴天<浮尘天气<扬沙天气<沙尘暴天气的规律。各种沙尘天气中,PM10/TSP表现为晴好天气高于浮尘天气,浮尘天气远高于扬沙和沙尘暴天气。⑤沙尘天气过程中,沙尘气溶胶浓度随着粒径的减小,浓度逐渐降低。不同高度、不同粒径的沙尘气溶胶质量浓度每隔3~4 d形成一个峰值区,与每隔3~4 d出现沙尘天气强度增强过程直接相关。     

喀什地区PM10输送路径及潜在源区

基于HYSPLIT模型和2019年9月至2020年8月喀什地区大气颗粒物逐时数据,利用聚类分析、潜在源贡献因子法（PSCF）和浓度权重轨迹法（CWT）分析喀什地区四季PM₁₀传输路径与潜在源区,揭示研究期间喀什地区不同季节PM₁₀的潜在源分布及其贡献水平。结果表明：喀什地区PM₁₀、PM_2.5年均值分别为237.3±268.3、89.3±82.3 μg·m^-3,大气颗粒物以PM₁₀为主;喀什地区气流输送路径主要来自中亚西风气流,其次是来自中国新疆南部;PM₁₀秋季主要贡献源区分布在中亚部分地区以及中国新疆南部区域,贡献水平为250—450 μg·m^-3;冬季主要贡献源区与秋季相似,贡献水平为150—300 μg·m^-3;春季重点贡献源区主要分布在新疆南部塔克拉玛干沙漠区域,贡献水平为250—500 μg·m^-3;夏季主要贡献源区与春季相似,贡献水平为150—250 μg·m^-3。喀什地区重点防范应是塔克拉玛干沙漠沙尘气溶胶的影响,其次是中亚西风气流携带的大气颗粒物远距离输送。     

塔克拉玛干沙漠腹地近地面臭氧浓度变化特征及影响因素分析

利用塔克拉玛干沙漠腹地塔中地区2010年6月10日-2012年3月20日地表臭氧浓度连续自动观测数据,结合相应气象要素资料,对地表臭氧质量浓度的日、周、月、季节变化与不同天气条件下日变化特征进行了分析,同时探讨了影响臭氧浓度变化的主要因素。结果表明：①臭氧浓度日变化具有明显的单峰型日变化规律,夜间变化平缓,白天变化剧烈。09:00前后达到最低值,18:00前后达到最高值,出现时间稍迟于其他城市地区。②臭氧浓度变化具有“周末效应”现象。最高值出现在星期日,最低值出现在星期三;星期一至星期三浓度逐渐降低,星期四又逐渐上升。③最高月平均浓度出现在2010年6月,其浓度为89.6 μg·m-3,最低月平均浓度出现在2012年1月,其浓度为32.0 μg·m-3,2010年6-12月,浓度逐月降低。④春、夏季臭氧浓度较高,秋季和冬季明显低于春季和夏季,与大中型城市变化特征基本一致。⑤臭氧浓度日变化最剧烈的是晴天,其次为小雨天气,阴天日变化平缓。沙尘暴出现前,臭氧小时平均浓度变化较小,沙尘暴开始时浓度下降,且下降速度较快。⑥辐射变化也具有单峰型日变化规律,臭氧浓度变化明显晚于辐射变化,太阳辐射的强弱直接影响光化学反应速度,从而导致臭氧浓度的变化。⑦沙尘天气臭氧日平均浓度高于有间隙小雨天气和晴天。相对湿度、风速、风向、日照日数同时影响近地面臭氧浓度的变化,臭氧污染的发生是多种因素共同作用的结果。     

长江三角洲城市带扩展对区域温度变化的影响

利用DMSP/OLS 夜间灯光数据、土地利用统计数据和气象站常规观测资料, 结合NOAA/AVHRR、MODIS 反演的月地表温度数据, 定量考察了长江三角洲城市群热岛增温效应对区域温度气候趋势的贡献, 结果表明: ① 1992-2003 年长江三角洲城市化经历了一个快速的空间扩展过程, 宁镇扬、苏锡常、上海大城市区、杭州湾4 个城市群构成了一个“之” 字形城市带, 城市群之间出现城市化连片趋势, 城市带区域内1961-2005 年年平均气温增温 速率为0.28~0.44 ^oC/10a, 显著高于非城市带区域。② 城市热岛效应对区域平均温度的影响以夏秋季最强, 春季次之, 冬季最弱。③ 长江三角洲城市带热岛强度和城市总人口对数呈线性正相关关系。④ 城市带增温效应使得区域的年平均气温在1961-2005 年间增加了0.072 ^oC, 其中1991-2005 年间增温幅度为0.047 ^oC; 年最高气温升高了0.162 ^oC, 其中1991-2005 年间 增温幅度为0.083 ^oC, 表明1991-2005 年间长江三角洲城市带的空间扩展正在改变区域温度变化趋势, 且这种增温趋势显著。     

中国重要旅游城市雾霾时空特征

依托中国15个重要旅游城市,基于雾霾主导因素PM2.5观测数据、遥感气溶胶数据,运用土地利用回归方法模拟绘制PM2.5时空分布图,分析中国重要旅游城市PM2.5质量浓度的时空分异特征。结果表明：1）2013―2015年中国重要旅游城市PM2.5年均质量浓度总体呈逐年下降趋势,且明显呈现夏季低、冬季高、春秋季居中的季节变化特征;2）重要旅游城市PM2.5质量浓度在不同等级城市中存在明显差异,其PM2.5质量浓度整体规律为副省级市＞直辖市＞地级市;3）月均尺度上各重要旅游城市的宜游时间主要集中在4―9月,且2015年春冬季月份宜游城市明显增多;宜游时间较长的城市主要分布在空气质量优良的东南部沿海和森林覆盖率较高地区的地级市和部分副省级市,中西部地区和长三角地区的城市宜游时间则相对较短。     

乌鲁木齐大气颗粒物的时空分布规律

依据峡口城市乌鲁木齐市2013-2016年6个环境监测站逐时的6类污染物数据,分析大气污染物的时空分布规律。总体来看,乌鲁木齐市以颗粒物污染为主,即PM₁₀、PM_2.5污染严重。从季节上来看,乌鲁木齐污染物浓度大多冬季高、夏季低,春秋季次之。春、夏、秋、冬PM_2.5的浓度依次为59.8、40.5、67.8、139.6 μg·m^-3,而PM₁₀则是148.6、119.7、146.4、209.4 μg·m^-3,粗细粒子浓度在春秋季的细微变化凸显在春季沙尘天气的影响。从日变化方面来看,污染物多呈现为双峰型结构。PM₁₀、PM_2.5春夏秋3个季节都是在子夜1：00时浓度最高,9：00～10：00时次之,但是冬季日最高值则出现在17：00时左右,次峰值出现在21：00～22：00时。从空间分布来看,颗粒物浓度总体上是中心城区低、四周高的分布格局;从PM_2.5浓度占PM₁₀浓度比重分析来看,冬季比重最高,达70%,以城区及城北最为明显,达73%,日变化分布则主要集中在下午至夜间,且冬季比重达71%。     

沙尘分析及等离子空气清洁系统沙尘去除效果的评价

本研究对在中国和韩国采集的沙尘的粒径分布及质量浓度进行了测定,使用黄沙标准物质对基于静电沉降原理的等离子空气清洁系统的去除沙尘效率进行了评价。本研究所使用的黄沙采集于北京和汉城,其粒径中值在7.0~80μm之间,浓度范围为300~1462μg·m^-3。在单通道测试中,沙尘去除效果随粒径增大和流速降低而增加。系统速度为1.0m·s^-1时,去除率大于80%。在27m2的房间中,进行多通道测试时,浓度为300μg·m^-3的大气颗粒物仅用10min即可降至150μg·m^-3。因此,等离子空气清洁系统能够有效地去除沙尘及保持室内空气质量。     

Spatiotemporal evolution of PM2.5 concentrations in urban agglomerations of China

As the main form of new urbanization in China,urban agglomerations are an im-portant platform to support national economic growth,promote coordinated regional devel-opment,and participate in international competition and cooperation.However,they have become core areas for air pollution.This study used PM2.5 data from NASA atmospheric re-mote sensing image inversion from 2000 to 2015 and spatial analysis including a spatial Durbin model to reveal the spatio-temporal evolution characteristics and main factors con-trolling PM2.5 in China's urban agglomerations.The main conclusions are as follows:(1)From 2000 to 2015,the PM2.5 concentrations of China's urban agglomerations showed a growing trend with some volatility.In 2007,there was an inflection point.The number of low-concentration cities decreased,while the number of high-concentration cities increased.(2)The concentrations of PM2.5 in urban agglomerations were high in the west and low in the east,with the"Hu Line"as the boundary.The spatial differences were significant and in-creasing.The concentration of PM2.5 grew faster in urban agglomerations in the eastern and northeastern regions.(3)The urban agglomeration of PM2.5 had significant spatial concentra-tions.The hot spots were concentrated to the east of the Hu Line,and the number of hot-spot cities continued to rise.The cold spots were concentrated to the west of the Hu Line,and the number of cold-spot cities continued to decline.(4)There was a significant spatial spillover effect of PM2.5 pollution among cities within urban agglomerations.The main factors control-ling PM2.5 pollution in different urban agglomerations had significant differences.Industriali-zation and energy consumption had a significant positive impact on PM2.5 pollution.Foreign direct investment had a significant negative impact on PM2.5 pollution in the southeast coastal and border urban agglomerations.Population density had a significant positive impact on PM2.5 pollution in a particular region,but this had the opposite effect in neighboring areas.Urbanization rate had a negative impact on PM2.5 pollution in national-level urban agglomer-ations,but this had the opposite effect in regional and local urban agglomerations.A high degree of industrial structure had a significant negative impact on PM2.5 pollution in a region,but this had an opposite effect in neighboring regions.Technical support level had a signifi-cant impact on PM2.5 pollution,but there were lag effects and rebound effects.