城市发展和气象条件对大气污染的贡献率

文章运用2000—2014年反映呼和浩特市城市发展指标的人均GDP、人口密度、第二产业结构、建成区面积及代表气象条件的平均气温、年平均气压、年总降水量、年平均风速、年平均相对湿度和机动车保有量数据,利用对数线性模型将城市空气主要污染物SO_2、NO_2、PM10年平均浓度与城市发展指标数据、气象条件和机动车保有量进行拟合,得出显著性因子和贡献率。结果表明:第二产业结构、机动车保有辆、平均气温、相对湿度、平均风速和平均气压均通过了显著性检验,第二产业结构与SO_2和PM10浓度呈显著正相关,对SO_2和PM10污染贡献率分别为0.961%和0.738%,大于气象条件贡献率;机动车保有量和年平均气温、年平均相对湿度与NO_2浓度具有显著的正相关,机动车保有量贡献率为0.83%,大于年平均气温、年平均相对湿度的贡献率;年平均气压与SO_2浓度呈负相关,贡献率仅为0.21%。     

北京地区大气能见度变化规律及影响因子统计分析

1990～ 2 0 0 0年北京地区大气能见度的统计分析表明 ,大气能见度有明显的年际变化、季节变化和日变化特征。冬、春、秋三季及全年日平均年际变化表现为 2 0世纪 90年代中期能见度较好 ,前期和末期能见度较差 ,2 0 0 0年能见度迅速好转 ;夏季能见度年际变化在 1997年以前与其他季节相反 ,1995年能见度最差。大气能见度与同期地面气象条件和主要污染物浓度的相关性比较表明 ,春、夏、秋三季以空气湿度、PM10 和风速为主要影响因子 ,冬季以PM10 、SO2 、空气湿度和风速为主要影响因子。能见度与相对湿度和空气污染物浓度呈反相关 ,与风速的相关性较为复杂 (有时呈正相关 ,有时呈反相关 ) ;高湿度 (相对湿度 f≥ 80 % )、小风速 (地面风速u≤ 2m·s-1)和雾是造成低能见度的主要气象条件 ;污染物浓度对能见度的影响以冬季最为明显 ,秋季次之 ,夏季最差     

西安市区大气污染时空变化特征及其与气象条件关系

利用 1 998— 2 0 0 3年西安市环境监测站提供的 SO2 、NO2 和 PM1 0质量浓度资料 ,分析研究了这 3种主要污染物的年际变化、年变化、季变化等时空变化特征及其与气象条件的关系。结果表明 :西安市区主要空气污染物年日均质量浓度总趋势是逐年递减 ,空气质量逐步得到改善 ;冬春两季空气污染严重 ,夏秋两季空气质量最好 ;空间分布上 SO2 和 NO2 以小寨商业区最高 ,PM1 0则以东郊纺织城地区最高。污染物质量浓度与气象条件密切相关 ,但在不同的季节与不同的污染物相关紧密的气象要素不同     

不同人为源排放清单对大气污染物浓度数值模拟的影响:以浙江省为例

应用大气化学模式WRF-Chem(Weather Research and Forecast-Chemistry),分别选用亚洲排放源清单INTEX-B(Intercontinental Chemical Transport Experiment-Phase B)、REASv2.1(Regional Emission inventory in Asia version 2.1)以及全球排放源清单HTAP_v2(Hemispheric Transport of Air Pollution version 2),对浙江省2013年12月进行模拟,分别记为IN、RE和HT试验,研究人为源排放清单对大气污染物浓度数值模拟的影响。结果表明,3组试验合理的反映出PM2.5(空气动力学当量直径小于等于2.5μm的颗粒物,即细颗粒物)、PM10(空气动力学当量直径小于等于10μm的颗粒物,即可吸入颗粒物)和NO_2近地面浓度的时空分布特征,相关系数为0.5~0.8,85%以上的模拟值落在观测值的0.5~2倍范围内,但对SO_2近地面浓度模拟较差。IN、RE、HT试验对PM2.5和PM10的模拟偏差均成递减趋势,约为30%、16%和6%,HT试验的模拟值更加接近观测。INTEX-B清单中PM2.5的一次排放与二次气溶胶前提物SO_2均高于REAS与HTAP清单,因此会导致更多的硫酸盐生成,从而进一步增加PM2.5浓度。HTAP_v2清单中较低的NH3排放会抑制硝酸盐的生成,从而有助于降低PM2.5浓度。3个清单的基准年与模拟年的差异对SO_2浓度模拟的准确性影响更大,INTEX-B清单中SO_2排放量明显高于REASv2.1与HTAP_v2清单,尤其在浙北和沿海工业发达地区,导致IN试验模拟的SO_2在这些地区存在明显高估。3组试验模拟的NO_2浓度偏差最小且更为接近(-8%~4%),主要原因是3个清单在浙江省的NOx排放十分一致。从3组试验结果之间的差异程度来看,浙江省范围内PM2.5、PM10、SO_2和NO_2逐日浓度模拟值之间的平均差异程度分别约为14%、15%、51%和16%,最大差异程度分别为69%、78%、137%和132%。月均浓度与逐日浓度的平均差异程度基本一致,但最大差异程度明显更低。总体来看3组试验模拟的PM2.5、PM10与NO_2的差异程度明显低于SO_2。     

2000～2004年天津市大气污染特征分析

根据天津市2000～2004年的环境监测资料和同期气象资料,对天津市大气污染物浓度变化的时空变化特征、大气污染与天气条件的关系进行了研究。结果表明:天津市大气污染物具有明显的时空分布规律,时间上表现为冬强夏弱,年际之间SO2和PM10浓度减轻,NO2变化不大。空间上表现为SO2和PM10在中心城区改善明显,NO2浓度在局部地区仍在增加。天气形势、城市热岛、逆温和混合层高度等对污染物浓度影响很大。     

2010年沙尘天气对巴彦浩特空气质量的影响

利用巴彦浩特2010年1月至2011年2月PM10、SO2、NO2的逐日监测数据和同一时期气象观测资料,分析巴彦浩特空气污染物特征及PM10浓度与沙尘天气之间的关系。分析结果表明:2010年春、夏、秋三季巴彦浩特的主要污染物是PM10,冬季主要污染物是SO2;沙尘天气是造成巴彦浩特PM10浓度变化的最重要因素;影响巴彦浩特空气质量的沙尘主要来源于其西北方向和西北偏北方向。建议有关部门在巴彦浩特西北地区搞好生态保护与建设,以减轻沙尘天气对巴彦浩特地区空气质量的影响。     

海口市空气污染特征分析及预报检验

利用海南省二次开发的CAPPS2.0模式,对2006年1月1日~2007年1月1日海口市逐日PM10、SO2、NO2污染浓度监测资料进行输出分析,得出海口市空气污染的变化特征。结果表明,污染物SO2和NO2的预报效果较好,而PM10预报效果较差。因此采用多元线性回归分析方法建立污染物浓度与气象要素的预报方程,并对PM10进行优化和校正,从而提高预报准确率。     

基于KZ滤波的京津冀2013～2018年大气污染治理效果分析

通过国务院“大气十条”等严格的大气污染治理措施的实施,近年来我国空气质量得到全面改善。对大气污染治理效果开展科学分析研究,可为后续空气质量持续改善、污染科学精准治理提供有效科技支撑。由于气象条件是影响污染物浓度分布的重要因素,治理效果分析的一个重要问题是区分气象条件和减排措施对污染物浓度变化的具体贡献。本文利用京津冀地区13个城市2013～2018年86个监测站点逐日PM2.5浓度以及欧洲中期气象预报中心（ECMWF）气象再分析资料,采用KZ（Kolmogorov–Zurbenko）滤波分析PM2.5浓度观测序列的时频特性,将其分解为短期天气影响分量、中期季节变化分量以及长期趋势分量3个部分,针对分解浓度序列建立气象因子回归模型,实现定量评估气象和减排对治理效果的具体贡献。在研究时间段内,京津冀地区13个城市PM2.5浓度的长期分量显著下降（22.2%～58.0%）,其中邢台市下降幅度最大（58.0%）。整体分析表明,气象条件和排放源均有利于大气污染的改善,但减排措施是空气质量显著改善的决定性原因,具体贡献为气象条件的影响占18.5%,排放源的影响占81.5%。逐城分析表明,唐山市的气象条件最有利于PM2.5浓度的减小（29.2%）,而衡水市的减排措施最有利于PM2.5浓度的减小（92.0%）。     

基于BP人工神经网络的鹰潭市PM2.5和PM10浓度预测模型

利用2015—2019年鹰潭市5个大气成分监测站数据和气象站地面观测数据,运用主成分分析法,提取气象要素、气体污染物对PM2.5和PM10浓度影响的主要成分,调整BP人工神经网络的隐藏层个数和隐藏层节点数,构建基于BP人工神经网络的鹰潭市PM2.5和PM10浓度预测模型。结果表明：1） 气象要素中,共提取3个影响PM2.5、PM10浓度的主成分,分别为相对湿度、降水,气温、气压和风速,其中湿度、气温、风速与PM2.5、PM10浓度显著相关。2） 气体污染物中,共提取2个主成分,分别为SO2、NO2和O3,其中NO2、SO2与PM2.5、PM10浓度显著相关。3） 所建立的PM2.5、PM10浓度逐小时预测模型在20 h内预测性能良好,预测准确率分别为88%、86%,逐日预测模型在5 d内的预测性能良好,预测准确率分别为94%、92%,准确率较高,具有良好的预报性能。     

海口市空气污染特征分析及预报检验

利用海南省二次开发的CAPPS2.0模式，对2006年1月1日-2007年1月1日海口市逐日PM10、SO2、NO2污染浓度监测资料进行输出分析，得出海口市空气污染的变化特征。结果表明，污染物SO2和NO2的预报效果较好，而PM10预报效果较差。因此采用多元线性回归分析方法建立污染物浓度与气象要素的预报方程，并对PM10进行优化和校正，从而提高预报准确率。     

武汉市空气污染状况及其与气象条件的关系

利用2002年全年的SO2、NO2、PM10的逐日平均浓度资料和武汉市观象台地面四个时次、高空两个时次的观测资料及2002年的历史天气图资料,对武汉市空气污染状况及其与气象条件的关系进行了天气气候学和动力统计学分析．结果表明：武汉市的主要污染物为PM10,其次为SO2;冬季各污染物的平均浓度最高,其次为秋季,夏季最低,冬季各污染物与气象要素的相关性最好。我国北方沙尘暴天气过程、地面冷空气从河西走廊南下影响武汉地区时,在一定的高空系统配合下会对武汉市空气质量造成严重影响。     

2010年太原空气污染物特征及环流形势

利用太原市2010年6个环境监测站SO2、NO2、PM10的逐日监测资料和MICAPS、自动站逐日资料，应用统计方法分析了太原市污染物的时空分布特征，并分析了污染严重时期的大气环流形势特点。结果表明：随着城市工业结构变化、集中供暖布局改变、以及住宅小区建设，PM10。已不再是首要污染物，3种污染物的时空分布特征均发生了明显变化；大气结构对污染物扩散的影响也呈现复杂化的特点。     

2020年上半年“COVID-19”疫情期间气象条件变化对四川盆地城市污染物质量浓度影响初步分析

大气污染物质量浓度变化主要受气象条件和人为排放变化所控制。2020年上半年在“新冠”疫情影响背景条件下,四川盆地的六项主要污染物质量浓度较往年有不同程度的变化,为了区分这些变化受气象条件和人为排放变化各自的影响程度,开展了气象条件变化对四川盆地污染物质量浓度影响的初步分析。分析结果表明:2020年1～6月整体空气质量优于2019年同期。主要影响污染物浓度的气象参数中,成都平原、川东北地区平均风速与往年相当,川南地区平均风速低于往年。从2020年3月开始,盆地各个城市的总降水量明显偏少,其中5月降水偏少情况最为严重,对应的相对湿度在5月同比较低。平均温度2020年高于2019年,尤其是5、6月平均温度较往年偏高大约4～5°C。月日照总时长从3、4月开始明显长于往年。用固定污染源,改变初始气象条件的方法进行数值模拟结果表明,PM2.5和PM10相似,1、2月模拟结果低于2019年,3、4月高于往年,5、6月同比偏低,主要偏差区域在川南城市群。SO₂ 在1、2月气象条件有利于扩散,3月川东北不利扩散,其余月份差距不明显。NO₂在2月气象条件较为不利,CO不利的月份为4月。4月气象条件有利于臭氧扩散,而5、6月盆地气象条件对O₃污染过程起了较强的推动作用。定量分析各个城市污染物浓度贡献率表明,受疫情影响,除臭氧外的颗粒物和气体污染物在1~4月人为排放贡献为负,5、6月由于全面复工复产,导致盆地的污染物浓度也有所上升,人为排放贡献率也大幅增加。O₃由于人为排放增加与不利气象条件叠加,导致盆地O₃污染情况较为严重。     

2014－2022年新疆库尔勒市空气质量特征及沙尘天气影响分析

基于2014－2022年库尔勒市空气质量监测数据,分析了库尔勒市空气质量水平和污染特征,并进一步探究了沙尘天气对空气质量的影响。结果表明：2014－2022年库尔勒市年均优良率为65.3%,春季空气污染最严重,夏季空气质量最好;大气污染主要是颗粒物超标,PM10年均浓度值超过二级标准限值127%,PM2.5超31%,SO2、NO2、CO、O3均达标;首要污染物为PM10,占总超标天数的92.2%,PM2.5为首要污染物占比8.0%;受沙尘影响天气年平均100.4d,污染日79.7%受到沙尘影响;按环境监测要求剔除沙尘天气,PM10和PM2.5平均浓度分别减少18.6%和13.0%;沙尘天气对AQI平均贡献率为31.8%,对PM10贡献率为41.9%,对PM2.5贡献率为23.3%。沙尘天气对库尔勒空气质量影响明显,大气污染防治根本是沙尘天气综合治理。沙尘天气对库尔勒市空气质量影响明显,大气污染防治根本是沙尘天气的综合治理。     

贵阳市大气污染物浓度特征及降水的清除作用

本文利用2013年1月1日~2015年6月30日贵阳市9个环境监测站的6种主要大气污染物(SO2、NO2、O3、PM10、CO、PM2.5)监测数据,分析了贵阳市主要大气污染物的年变化、日变化特征及降水对首要污染物浓度变化的影响。发现SO2、NO2、PM10、CO、PM2.5浓度为单谷型年变化,夏季浓度最低,冬季浓度最高;O3浓度为双峰型年变化,4、10月分别有两个极大值、11~2月与7月分别为两个极小值;SO2、NO2、PM10、CO、PM2.5浓度日变化呈双峰型特征;O3浓度日变化为单峰型特征;郊区SO2、NO2、PM10、CO、PM2.5日平均浓度低于市区,而郊区O3日平均浓度高于市区。降水对O3的湿清除效果不好,对其余大气污染物的湿清除效果较好,尤其夜间降水对颗粒污染物(PM2.5、PM10)的清除效果优于白天降水,但会使O3浓度明显上升。     

广州市空气污染的变化特征及预报

利用2002年11月-2004年9月广州市空气污染指数（API）和PM10、NO2、SO2等污染物逐日浓度资料，采用小波分析、相关分析等方法对广州市空气污染的变化特征及与同期地面气象要素的关系进行了分析。并采用最优子集回归方法分别建立冬、夏季API指数及污染物浓度的预报方程。结果表明。PM10是广州市的主要污染物。其次为NO2、SO2。除SO2外，广州市API指数、NO2、PM10等污染物浓度具有冬半年（11-4月）偏高，夏半年（5-10月）偏低的变化规律。API指数及各种污染物浓度均具有明显的年周期振荡及5-7天的准单周、10-20天准双周、30-60天左右的季节内振荡，且30-60天的季节内振荡在冬半年较强而在夏半年较弱。冬半年API指数和PM10、NO2、SO2浓度与气压、风速、降水呈稳定负相关，与温度、相对湿度等呈稳定的正相关，而夏半年主要与风速、降水具有较好且稳定的负相关。增加前一天的污染物浓度作为预报因子后，所建的最优子集回归方程比单选用气象因子要稳定。具有较强的预测能力。     

春节期间禁燃烟花爆竹对南京市空气质量影响

利用2014年和2015年春节期间南京市城区与郊区主要污染物(PM10、PM2.5、SO2和NO2)浓度监测资料和气象观测资料,分析了禁燃烟花爆竹对南京市空气质量的影响。结果表明:2015年春节期间禁燃烟花爆竹对南京市空气质量改善显著。2015年春节期间,南京市AQI同比2014年春节期间下降了20%—30%,除夕至正月初三期间空气质量为优良;同时,SO2和NO2质量浓度变化幅度较小且均达到空气质量二级标准;PM10和PM2.5质量浓度变化趋势与2014年春节期间相反,且变化幅度比SO2和NO2质量浓度大,变化幅度分别为13.0—234.5μg·m-3和17.5—320.4μg·m-3。PM10和PM2.5是造成南京市春节期间空气质量污染的主要污染物,其中PM2.5所占比重较大,但2015年春节期间PM10和PM2.5最高小时浓度分别占2014年春节期间的51.0%、40.0%。此外,2015年春节期间南京市城区与郊区PM2.5浓度比2014年春节期间均降低且差异较小。春节期间气象因素对南京市污染物扩散具有较大影响,但禁燃烟花爆竹对PM2.5浓度的降低起决定性作用。     

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。     

南京SO2、NO2和PM10变化特征及其与气象条件的关系

利用南京市2002—2006年大气监测资料,分析了南京市大气中SO2、NO2、PM10年变化趋势及月季规律,评价了南京市空气质量状况。结果表明:5a来,SO2质量浓度呈显著上升趋势,NO2质量浓度缓慢上升,PM10质量浓度明显下降;南京市首要污染物是PM10,SO2、NO2污染较轻;3种污染物质量浓度均以夏季最低。进一步研究不同气象条件下污染物质量浓度发现,污染物质量浓度与风速反相关,且东南风时浓度最高;降水对污染物有清除作用;雾、霾天气下污染加剧;气象能见度与PM10、NO2的质量浓度反相关;污染物有明显的"周末效应",周末质量浓度值较低。     

气象条件变化对哈尔滨市空气质量的影响

用大量观测事实、统计相关分析表明，气象条件包括气压形势场、相对湿度(高空露点温度)、气温、风速和大气的稳定性等变化，对空气污染物的PM10、SO2和NO2浓度扩散程度的影响是明显的有规律的。在不同季节、不同时期，地面和高空气象因子作用是不同的。但另一方面，由于污染源因季节冷暖程度不同，排放量很难掌握，因此，气象条件对污染的影响有不确定的一面，使问题变得复杂化。