银川地区大气颗粒物浓度变化特征及其与气象条件的关系

利用2013—2014年银川地区大气颗粒物质量浓度和同期气象要素的观测资料,分析了银川地区大气颗粒物浓度的分布特征及其与气象条件的关系。结果表明:2013—2014年银川地区PM_(10)、PM_(2.5)、PM1年平均浓度分别为167.3μg·m-3、67.2μg·m-3和45.0μg·m-3,年平均PM_(2.5)/PM_(10)、PM1/PM_(10)、PM1/PM_(2.5)分别为45.0%、32.0%和65.0%;PM_(10)浓度3月最高,8月最低,PM_(2.5)和PM1最高浓度均出现在1月,PM_(2.5)最低浓度出现在8月,PM1最低浓度出现5月;3—5月为PM_(2.5)/PM_(10)、PM1/PM_(10)和PM1/PM_(2.5)最低的3个月。不同天气类型PM_(10)浓度由高至低依次为浮尘/扬沙典型天气平均霾晴天雾,不同天气类型PM_(2.5)浓度由高至低依次为扬沙/浮尘霾典型天气平均晴天雾,不同天气类型PM1浓度由高至低依次为霾典型天气平均雾晴天浮尘/扬沙。风速与PM_(10)浓度呈正相关关系,风速与PM_(2.5)和PM1浓度均呈负相关关系;PM_(10)浓度在偏西北风时较高,PM_(2.5)和PM1浓度在偏西南风与偏东北风时较高;气温与PM_(10)、PM_(2.5)、PM1浓度均呈显著的负相关关系;相对湿度与PM_(10)浓度呈显著的负相关关系,相对湿度与PM1浓度呈显著的正相关关系,相对湿度与PM_(2.5)相关性较弱;气压对PM_(10)浓度变化的影响较小,气压与PM_(2.5)、PM1浓度呈正相关关系;降水对PM_(10)的清除作用最强,对PM_(2.5)的清除作用次之,对PM1基本无清除作用。     

太原大气能见度对相对湿度及颗粒物质量浓度的响应关系研究

利用2016年10月—2019年9月太原地区逐时能见度、相对湿度及颗粒物质量浓度等观测数据,研究分析了大气能见度与相对湿度及PM_(2.5)质量浓度的关系,采用神经网络方法,构建了能见度与相对湿度及颗粒物质量浓度的非线性模型,并利用2019年10月—12月气象小时数据对该模型进行了检验。结果表明:(1)太原不同季节能见度日变化特征明显,春夏秋季能见度在06时左右最低,冬季在09时左右最低;从空间分布上看,太原地区能见度南北差异明显,北部能见度高于南部。(2)细颗粒物质量浓度与相对湿度对大气能见度变化都有明显影响。PM_(2.5)质量浓度与能见度之间存在幂函数非线性关系,在40%≤相对湿度60%的区段内相关性最强,PM_(2.5)质量浓度与10 km能见度对应的阈值随相对湿度升高而减小,范围为5～103μg/m~3。(3)采用神经网络方法构建能见度与相对湿度及颗粒物质量浓度的关系模型,相关系数为0.81。利用太原地区2019年10—12月逐时气象观测数据对模型进行检验,均方根误差为5.29 km,平均绝对百分误差为31.45%,轻微级霾情况下模拟能见度TS评分为0.86,误差呈现正态分布,误差小于4 km的比例达72.99%。该模型对研究太原地区能见度具有较高的参考价值。     

吐鲁番市颗粒物浓度变化特征及其与气象要素的关系

依据吐鲁番市2015年3月—2016年2月的PM_(10)、PM_(2.5)和气象资料,利用统计分析,探讨吐鲁番市PM_(10)和PM_(2.5)浓度的变化特征及其与气象要素的关系。结果表明:冬季PM2.5与PM10浓度的平均值最高(106 ug/m3、184 ug/m~3),春季次之(63 ug/m~3、163 ug/m~3),夏季最低(33 ug/m~3、95ug/m~3),且冬季二者浓度的平均值比夏季分别高大约69%、48%。11月至次年2月,每个月中PM_(2.5)和PM_(10)的污染程度在轻度污染以上的天数相比其它月份较多。PM_(10)与PM_(2.5)的日变化曲线特征呈现"双峰双谷"的特点;PM_(2.5)与PM_(10)的比值在冬季达到了60%~80%,这说明吐鲁番冬季主要以PM2.5污染为主;PM_(2.5)和PM_(10)与能见度之间存在极其显著的相关性,相关系数分别为-0.904、-0.792,与单一气象要素(如相对湿度、风速、温度等)的相关性不明显,但不同气象要素的共同作用对其有显著影响。     

能见度与相对湿度的关系

本文通过光散射理论计算,分析了大气消光系数(削弱系数)与相对湿度的关系,并与观测实例进行了比较。由此提出在一定条件下,根据相对湿度的未来变化预报气象能见度的可能性。气象能见度对交通运输和光学探测等一系列实际问题均具有重要意义,是气象台站的常规观测项目之一。     

能见度与相对湿度的关系

本文通过光散射理论计算,分析了大气消光系数(削弱系数)与相对湿度的关系,并与观测实例进行了比较。由此提出在一定条件下,根据相对湿度的未来变化预报气象能见度的可能性。 气象能见度对交通运输和光学探测等一系列实际问题均具有重要意义,是气象台站的常规观测项目之一。     

重庆能见度特征分析及其与颗粒物浓度和气象影响因子的关系

利用重庆地区能见度及温、压、湿、风等气象资料和大气颗粒物浓度数据,对重庆能见度特征及其影响因子进行分析,采用神经网络方法建立能见度预报模型,分析比较了引入PM2.5浓度因子对预报模型的影响效果。发现：重庆地区能见度分布呈现西低东高以及长江沿线较低的分布特征;雾发生时的平均能见度低于降水时能见度也远低于剔除雨、雾后的能见度,表明低能见度受大气中水汽影响更大;雾在冬季比例明显增加,使得平均能见度在冬季明显降低,而6月和10月降水增多是导致这两个月平均能见度出现明显降低的重要原因;能见度日变化呈现单峰型,雾和降水高发时段与平均能见度低值区重叠,是造成夜间能见度低的一个重要原因;大气湿度、温度及颗粒物浓度都是影响能见度的重要因子,当相对湿度小于70%时能见度随PM2.5增加明显降低,当相对湿度大于70%时PM2.5对能见度的影响降低;在能见度的客观预报模型中引入PM2.5浓度因子的预报效果好于不引入该因子的效果,特别是秋冬季的预报效果改善明显。     

广州南沙颗粒物质量浓度变化及其对能见度的影响

通过对广州南沙2016年颗粒物PM_(10)和PM_(2.5)的质量浓度、能见度和气象要素等资料的分析,发现细颗粒物PM_(2.5)是影响能见度变化的重要因素。PM_(2.5)质量浓度和相对湿度(RH)增加,能见度下降,低能见度对应较高的相对湿度和较高PM_(2.5)质量浓度,高能见度的出现则对应较低的相对湿度和较低的PM_(2.5)质量浓度。随着相对湿度的增加,颗粒物质量浓度对能见度的影响越来越小,此时颗粒物对能见度的影响主要是通过吸湿作用,吸湿作用最为明显的是雾和霾的混合区间80%≤RH≤90%。PM_(2.5)质量浓度对能见度的影响随着RH的增加阈值减小,当相对湿度低于90%时,颗粒物质量浓度值减小时,能见度随相对湿度的增加反而降低,尤其是60%RH≤90%的区间,能见度下降明显。     

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。     

吐鲁番市颗粒物浓度变化特征及与气象要素的关系

依据吐鲁番市2015年3月—2016年2月的PM_(10)、PM_(2.5)和气象资料,利用统计分析,探讨吐鲁番市PM_(10)和PM_(2.5)浓度的变化特征及其与气象要素的关系。结果表明:冬季PM2.5与PM10浓度的平均值最高(106 ug/m3、184 ug/m~3),春季次之(63 ug/m~3、163 ug/m~3),夏季最低(33 ug/m~3、95ug/m~3),且冬季二者浓度的平均值比夏季分别高大约69%、48%。11月至次年2月,每个月中PM_(2.5)和PM_(10)的污染程度在轻度污染以上的天数相比其它月份较多。PM_(10)与PM_(2.5)的日变化曲线特征呈现"双峰双谷"的特点;PM_(2.5)与PM_(10)的比值在冬季达到了60%~80%,这说明吐鲁番冬季主要以PM2.5污染为主;PM_(2.5)和PM_(10)与能见度之间存在极其显著的相关性,相关系数分别为-0.904、-0.792,与单一气象要素(如相对湿度、风速、温度等)的相关性不明显,但不同气象要素的共同作用对其有显著影响。     

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。     

安吉大气颗粒物浓度特征及其与气象要素关系

对2015年1月—2016年12月安吉AQI大于100的天数进行聚类分析,系统地研究安吉不同污染天气环流特征及其影响下大气颗粒物浓度与气象要素相关。最优6类环流形势分别是第1类阻高型,第2类浅槽东移型,第3类低槽南压型,第4类纬向平直环流型;第5、6类高压脊控制(影响)型,,是安吉空气污染的主要天气类型。在持续时间超过2 d的连续污染天气形势中,PM_(2.5)在第5、6类天气型中与各气象要素无显著相关,这意味着全年最多的污染天气形势下PM_(2.5)难清除,结合逐时要素相关分析,与降水相关最显著,与这两类天气形势降水少密切相关。PM_(10)相反,与雨类变量有显著的负相关,与风类变量无显著相关。     

轻雾与相对湿度和能见度的统计分析

一般来说,在各个季节,轻雾的产生所要求的湿度条件和影响的能见度并不完全一样,但却有一定的规律可循。我对60个轻雾个例按冬半年和夏半年分别作了统计(表1)。由上表可见,冬半年轻雾生成时,相对湿度一般在65—85%之间,能见度在5.0—10.0千米之内;夏半年轻雾生成时相对湿度一般>90%,能见度在1.0—7.0千米之内。在实际工作中,只要了解了一些天气现象的相互关系和规律,就比较容易对错误的     

上海市大气颗粒物与能见度的关系

大气能见度成为当前区域大气环境研究的重要指标,不同粒径的颗粒物对能见度的影响有着显著的区别。本研究在线连续监测了上海市嘉定区2008年11月—2009年1月不同粒径大气颗粒物质量浓度和粒子数浓度的日变化,同步收集了相同区域空气水平能见度的数据。比较不同粒径大气颗粒物质量浓度与空气水平能见度和颗粒物消光系数的相关性,结果表明：中值粒径为0.4 μm和0.65 μm的大气颗粒物对上海嘉定空气水平能见度的影响最显著;中值粒径为0.17 μm、0.26 μm、0.40 μm和0.65 μm的大气颗粒物对颗粒物的消光系数影响较大。该相关系数的分布趋势与各种组分(SO42-、NO3-、NH4+、OC和EC)的粒径分布十分一致,证明了这五种组分是影响大气颗粒物消光系数的重要原因。     

浙江宁波地区能见度变化特征和成因

利用浙江宁波7个县(市)区的能见度、雾、霾、风速、相对湿度等气象资料和细颗粒物PM_(2.5)浓度数据,运用统计分析、后向轨迹模拟及聚类分析等方法研究了宁波地区能见度的时空分布特征及其影响因素。结果表明:1980—2013年,宁波地区能见度总体呈由西北到东南逐渐转好的空间分布特征,且中南部呈逐年下降态势,而北部则呈上升趋势,这与风速和相对湿度减少有关,但不同区域其主要影响因子存在差异。能见度和PM_(2.5)浓度均有明显的季节和日变化特征,且二者呈明显反位相,相关系数为-0.532,其中冬季PM_(2.5)浓度最高,能见度最低,夏季反之;13:00—17:00为PM_(2.5)浓度谷值、能见度峰值,01:00—08:00为PM_(2.5)浓度峰值、能见度谷值。气团输送轨迹分析表明,宁波地区共有来自5个方位的6类轨迹气团,其中西北方向的轨迹4对该区PM_(2.5)浓度影响最大,偏东方向的轨迹6对PM_(2.5)浓度影响最小,能见度最好,而对能见度影响最大的是来自西北方向的轨迹2和偏西方向的轨迹3。     

十个代表城市空气污染指数与能见度和相对湿度的关系

影响能见度的不仅仅是大气污染物,雾也是一个重要因素。因此,用能见度反映空气质量,需要考虑水汽的作用。在已有的研究结果基础上,构造空气污染指数(API)与能见度和空气相对湿度的数学关系。依据全国10个代表城市2001—2012年逐日API资料和同期08:00(北京时)地面气象资料,运用线性回归方法,确定公式中的待定系数,从而建立利用能见度和相对湿度估算API的统计方程。结果表明:(1)当空气相对湿度小于78%时,能见度主要受空气污染物浓度影响;当空气相对湿度大于96%时,能见度主要受空气湿度影响;当空气相对湿度介于78%~96%时,能见度受空气污染物浓度和空气湿度共同影响;(2)除拉萨和兰州外,其余城市API与能见度和相对湿度的相关程度都通过了α=0.000 01的显著性水平,并且相关程度冬半年好于夏半年;(3)API与能见度和相对湿度拟合关系中的参数b0和b,除拉萨、乌鲁木齐和兰州以外,其余城市的变化幅度都比较小;(4)回代检验表明,除个别月份外,绝对误差和相对误差都相对较小,说明API与能见度和空气湿度的数学关系式可以拟合API。     

四平市大气颗粒物浓度的变化特征

利用四平中韩沙尘暴监测站颗粒物监测仪器GRIMM180观测的2011年数浓度及ρ(PM10)、ρ(PM2.5)和ρ(PM1.0)数据及台站的常规气象观测资料,分析了该地区数浓度、质量浓度的变化特征及与气象条件的相关性。结果表明,PM2.5和PM10污染存在着明显的季节性变化,季节变化特征基本一致,表现为冬季>春季>秋季>夏季,冬季最重,夏季最轻;颗粒物质量浓度日变化呈现两峰特征,ρ(PM10)、ρ(PM2.5)和ρ(PM1.0)之间有很好的相关性,ρ(PM2.5)/ρ(PM10)的平均值为65.7%,ρ(PM1.0)/ρ(PM2.5)的平均值83.9%,ρ(PM1.0)/ρ(PM10)的平均值55.2%;四平地区年主导风向为SSW,颗粒物质量浓度变化受沙尘移动路径影响较大,采暖期间供热燃煤排放对空气质量有较大程度的影响,其中大风、浮尘等天气条件下颗粒物质量浓度值呈较大突变特性。     

本溪市大气颗粒物变化特征及其与气象要素的关系

利用2014年本溪市大气颗粒物质量浓度监测资料和风速、气温、相对湿度、气压等常规地面气象要素观测资料,分析了本溪地区大气颗粒物质量浓度的月、季变化特征及其与气象要素的相关性。结果表明:2014年7月和10月本溪市大气颗粒物质量浓度较高,5月和9月大气颗粒物质量浓度较低,6月和11月大气颗粒物质量浓度比值较高。夏季PM10质量浓度较低,平均浓度为115.1μg·m~(-3);冬季PM_(2.5)和PM_(1.0)质量浓度较高,平均浓度分别为99.5μg·m~(-3)和86.1μg·m~(-3)。春季和冬季平均风速与大气颗粒物质量浓度的相关性最好,夏季和冬季相对湿度与大气颗粒物质量浓度的相关性最好。当ρ(PM_(2.5))≥200.0μg·m~(-3)时,ρ(PM_(2.5))与平均气温呈显著的正相关关系,相关系数为0.5288,ρ(PM_(2.5))与相对湿度的相关系数也高达0.6981,高温、高湿和小风等气象条件是本溪地区大气颗粒物高质量浓度事件发生的有利气象条件。     

武汉大气能见度与PM2.5浓度及相对湿度关系的非线性分析及能见度预报

武汉作为中部地区高湿度代表城市,大气污染严重,霾天气多发,但有关该地区大气能见度与PM2.5浓度及相对湿度(RH)的定量关系尚不明确。利用2014年9月—2015年3月武汉地区逐时能见度、相对湿度及颗粒物质量浓度观测数据,研究分析了武汉大气能见度与PM2.5浓度及相对湿度的关系,并进行能见度非线性预报初探,得到以下结论:武汉霾时数发生比例高,霾的发生和加重是能见度降低的主要原因;能见度降低伴随大量细粒子产生和累积,这是武汉大气能见度恶化的重要诱因。细颗粒物浓度与相对湿度共同影响和制约大气能见度变化,高湿高浓度时能见度显著下降,湿情景下(RH≥40%),能见度恶化主要是由湿度增高诱使细颗粒物粒径吸湿增长导致其散射效率增大造成的。当RH >90%时,能见度随湿度升高成线性递减,相对湿度每升高1%,武汉平均能见度降低0.568 km。而干情景下(RH2.5质量浓度升高。在城市大气细粒子污染背景下,能见度与相对湿度成非线性关系,这主要与PM2.5对能见度的影响及吸湿性颗粒物的散射效率变化有关。PM2.5浓度与能见度成幂函数非线性关系,80%≤RH2.5浓度对能见度的影响敏感阈值是随着湿度升高而减小的,干情景下能见度10 km对应的PM2.5浓度阈值为70 μg/m3,湿情景下该阈值为18—55 μg/m3。当PM2.5质量浓度低于约40 μg/m3时,继续降低PM2.5可显著提高武汉大气能见度。预报试验表明,基于神经网络方法建立大气能见度非线性预报模型是可行的,预报能见度相关系数为0.86,均方根误差为1.9 km,能见度≤10 km的TS评分为0.92。网络模型具有较高预报性能,对霾的判别有较高准确性,为衔接区域环境气象数值预报模式,建立大气能见度精细化动力统计模型提供参考依据。      

武汉大气能见度与PM2.5浓度及相对湿度关系的非线性分析及能见度预报

武汉作为中部地区高湿度代表城市,大气污染严重,霾天气多发,但有关该地区大气能见度与PM_2.5浓度及相对湿度(RH)的定量关系尚不明确。利用2014年9月—2015年3月武汉地区逐时能见度、相对湿度及颗粒物质量浓度观测数据,研究分析了武汉大气能见度与PM_2.5浓度及相对湿度的关系,并进行能见度非线性预报初探,得到以下结论:武汉霾时数发生比例高,霾的发生和加重是能见度降低的主要原因;能见度降低伴随大量细粒子产生和累积,这是武汉大气能见度恶化的重要诱因。细颗粒物浓度与相对湿度共同影响和制约大气能见度变化,高湿高浓度时能见度显著下降,湿情景下(RH≥40%),能见度恶化主要是由湿度增高诱使细颗粒物粒径吸湿增长导致其散射效率增大造成的。当RH >90%时,能见度随湿度升高成线性递减,相对湿度每升高1%,武汉平均能见度降低0.568 km。而干情景下(RH<40%),能见度迅速降低的关键因素是PM_2.5质量浓度升高。在城市大气细粒子污染背景下,能见度与相对湿度成非线性关系,这主要与PM_2.5对能见度的影响及吸湿性颗粒物的散射效率变化有关。PM_2.5浓度与能见度成幂函数非线性关系,80%≤RH<90%湿度区段下相关性最强。PM_2.5浓度对能见度的影响敏感阈值是随着湿度升高而减小的,干情景下能见度10 km对应的PM_2.5浓度阈值为70 μg/m³,湿情景下该阈值为18—55 μg/m³。当PM_2.5质量浓度低于约40 μg/m³时,继续降低PM_2.5可显著提高武汉大气能见度。预报试验表明,基于神经网络方法建立大气能见度非线性预报模型是可行的,预报能见度相关系数为0.86,均方根误差为1.9 km,能见度≤10 km的TS评分为0.92。网络模型具有较高预报性能,对霾的判别有较高准确性,为衔接区域环境气象数值预报模式,建立大气能见度精细化动力统计模型提供参考依据。