2013年济南市大气能见度与相对湿度和PM10、PM2.5的关系

对济南市2013年1—12月的能见度、相对湿度、PM10及PM2.5逐时监测数据分析,结果表明：能见度、相对湿度、PM10和PM2.5浓度有明显的月变化和日变化规律。在各项污染物中,能见度与颗粒物的相关性最高,与PM10的相关系数为-0.6718,与PM2.5的相关系数为-0.7422;在气象因子中,与相对湿度的相关性最高,相关系数为-0.6501。不同季节条件下,能见度与PM2.5的相关性明显优于PM10的,冬季能见度与颗粒物的相关性明显优于其他季节的。     

乌鲁木齐市PM10,PM2.5和PM1.0浓度及分布变化特征研究

利用GRIMM180气溶胶粒谱分析仪采集乌鲁木齐市PM10、PM2.5和PM1.0数据,研究表明:乌鲁木齐市气溶胶颗粒物质量浓度在进入采暖季后急剧增加,冬季颗粒物中细粒子含量最高,PM2.5/PM10可达77.6%,PM2.5/PM10,PM1.0/PM10,PM1.0/PM2.5三比值体现了颗粒物的分布特征,四季污染程度越高,细粒子含量越高。四季无降水日PM10、PM2.5、PM1.0的质量浓度和分布的日变化基本呈三峰三谷型,出现早—午—晚峰值,上午—下午—午夜后谷值,各季节峰谷值具体出现时间略有差别,由于冬季逆温层顶盖等因素的影响,冬季质量浓度和分布的日变化在此基础上多了两次波动。降水的发生对冬、春季质量浓度的影响大于夏、秋季,对不同粒径段粒子的分布影响有一定差别。     

晋城市冬、春季PM2.5和PM10污染水平时空分布及其与气象因子的关系

为深入了解晋城市颗粒物浓度时空分布特征,对晋城市2017年12月至2018年5月国控点、小型站和微型站PM2.5及PM10小时浓度数据进行收集整理,并进行空间插值分析和时间变化趋势分析及与气象监测数据的相关分析。结果表明:颗粒物浓度在冬、春季节具有明显差异,冬季PM10与PM2.5高值区主要位于东北部及东南小部分区域,春季PM10高值区位于城区南部区域,PM2.5高值区主要集中于城区。晋城市城区和郊区PM10与PM2.5月均浓度整体呈单峰型变化,PM10在4月份最高(157.54±5.67μg·m^-3),PM2.5在1月份最高(94.08±2.25μg·m^-3)。冬季PM2.5/PM10平均为0.57,春季平均为0.45。颗粒物小时浓度的变化呈现单峰单谷的型式,冬季PM10与PM2.5小时平均浓度最高值均出现在10时,春季均出现在09时。监测期间晋城市PM10与PM2.5的小时浓度值与相对湿度有较高的正相关性(p<0.01),与风速、风向有较高的负相关性(p<0.01),与温度和气压的相关性较低。冬季,东北至正南风向时,PM10与PM2.5的浓度普遍高于西北风向时的浓度,对晋城冬、春季国控点颗粒物浓度贡献率最高的风向风速为东南偏南风向,风速在1 m/s以内。     

辽宁中部城市群可吸入颗粒物PM10和PM2.5的污染特征研究

利用2006年8月-2007年10月辽宁中部沈阳、鞍山、抚顺和本溪4城市可吸入颗粒物PM10、PM2.5、PM1及同步气象因子的监测资料,分析了可吸入颗粒物分布特征、污染水平及其与气象因子的关系。结果表明：受区域天气系统的影响,4城市PM10和PM2.5的日平均浓度变化趋势基本一致,具有区域分布特征;PM10超标率冬季为最高;PM2.5日平均浓度占PM10比例夏季和冬季最大;PM10、PM2.5和PM1之间有很好的相关性;PM10与风速、温度呈负相关,PM2.5和PM1与能见度、风速、温度呈负相关,与相对湿度成正相关。     

黄石市大气PM10和PM2.5质量浓度特征研究

利用2015年黄石市5个监测站点可吸入颗粒物(PM10)和细颗粒物(PM2.5)的在线监测数据和风向、风速、气温、气压等常规地面气象要素观测资料,分析了黄石市大气PM10和PM2.5的质量浓度水平分布特征及其与气象参数的关系。结果表明:2015年黄石市5个监测站点大气PM10和PM2.5年均浓度范围分别为95.8—108.6μg·m^-3和64.3—68.9μg·m^-3,均超过国家二级标准;季均质量浓度呈现显著的冬季高夏季低的变化规律,冬季PM10和PM2.5的质量浓度分别为(143.9±62.2)μg·m^-3和(95.5±44.5)μg·m^-3,夏季PM10和PM2.5的质量浓度分别为(75.2±24.0)μg·m^-3和(50.7±17.3)μg·m^-3。5个监测站中,下陆区、西塞山区和铁山区的PM10和PM2.5颗粒物污染较为严重;各站点大气PM10和PM2.5质量浓度显著相关。大气颗粒物浓度与气象因素的分析显示,黄石市大气颗粒物浓度与气温呈显著的负相关关系,与气压呈正相关关系,与风速和相对湿度的相关性不显著,受风向影响变化较大。     

济南PM2.5质量浓度与气象条件相关性初步研究

通过对济南2013年12月—2018年2月PM2.5质量浓度数据分析得出,PM2.5质量浓度平均和最大值均为冬季最高,春秋季次之,夏季最低;PM2.5质量浓度值1月和12月最高,8月最低;其质量浓度呈明显的逐年递减趋势。在不同风向上PM2.5质量浓度存在显著差异性,在N风向和ESE(盛行)风向上均出现了质量浓度较大值,一方面与污染物的异地输送有关,另一方面与济南的特殊地形有关。研究表明,无论污染源在山脉的背风侧还是迎风侧,都很容易导致高浓度污染;尤其在冬季,山脉地形还会加重逆温影响,使污染程度加重。通过相关性研究发现,冬季、春季和秋季,PM2.5质量浓度与相对湿度和平均总云量均呈正相关,与日照时数及其距平呈负相关;冬季,PM2.5质量浓度与平均气温及其距平以及最高、最低气温均呈正相关,与平均、最高、最低气压均呈负相关;春季和秋季,PM2.5质量浓度与气温距平值呈正相关;夏季和秋季,PM2.5质量浓度与日降水量呈负相关,而且随着雨强的增大,对PM2.5的洗消作用越显著。上述变量间相关性均通过了P≤0.01显著性检验。     

气象因素对常州市区PM2.5浓度影响

利用2016—2018年常州市区环境空气细颗粒物数据,结合同期地面气象资料,分析了常州市区PM_2.5以及气象因素的变化特征,并统计分析气象因素对PM_2.5浓度的影响。结果表明：常州市区PM_2.5、降水量、相对湿度和气温等具有明显季节性,呈夏季较高冬季较低,而气压夏季较低冬季较高的特征。相对湿度与PM_2.5呈正相关,即随着相对湿度的增加PM_2.5超标率和平均浓度均增加;降水对PM_2.5具有一定的清除作用,清除率与降水前PM_2.5浓度、降水量、降水强度有关,降水量、降水强度越大,则降水清除效果越好,而降水前PM_2.5浓度较小,则清除率不明显;常州市区偏西风时PM_2.5的超标率和平均浓度较其他风向较高;风速对常州市区PM_2.5的影响呈负相关,即风速越大PM_2.5超标率和平均浓度均减小;常州市区地面天气形势可以分为两种类型,第一种类型表现为气压较低气温较高,PM_2.5超标率以及平均浓度相对较低,而第二种类型表现为气压较高气温较低,PM_2.5超标率以及平均浓度相对较高。     

三明市PM10浓度突变及影响因子

利用2004—2007年三明市主要大气污染物PM10的监测值及气象因子(气压、风速、温度、湿度、降水、蒸发量)观测资料,以及同期08:00 850 hPa天气图资料,定量分析了PM10的突变特征以及突变与气象因子的相关关系。结果表明:PM10突变事件有明显的季节性特征,冬、春季节发生突变的概率较大;当地面气象要素场出现气压下降、风速减小、相对湿度下降、降水量减小而温度上升、蒸发量加大的配置时,PM10易发生正突变,当出现气压上升、风速加大、相对湿度上升、降水量增加而温度下降、蒸发量减小的配置时,PM10易发生负突变;当受大陆高压后部、暖区辐合系统影响时,PM10发生正突变的概率较高,受大陆高压前部、切变线系统影响时,PM10发生负突变的概率较高。     

天津大气能见度与相对湿度、PM10及PM2.5的关系

为研究大气气溶胶及空气中水汽与大气能见度下降的关系,利用2009年天津大气边界层观测站大气能见度资料和同期观测的相对湿度、PM₁₀及PM_2.5资料,对三者与大气能见度的关系进行了分析。结果表明：大气能见度与相对湿度线性相关系数最高,PM2.5次之;大气能见度随相对湿度的增大而明显降低。相对湿度低于60 %时,大气能见度与PM_2.5的非线性相关性较好,与PM₁₀次之,与PM₁₀与PM_2.5差值的相关性最差。相对湿度高于60 %时,大气能见度与PM₁₀的非线性相关性较好,与PM₁₀-PM_2.5差值的相关性次之。大气能见度与相对湿度非线性相关系数高于线性相关系数。利用相对湿度、PM₁₀及PM_2.5数据计算得到了具有季节变化的非线性大气能见度拟合公式,经验证,该公式能较好地模拟天津地区的大气能见度。     

分钟降水量对能见度及PM2.5浓度影响研究

为清楚认识降水对能见度及PM_(2.5)浓度的影响,以杭州为例,采用2014—2015年逐分钟气象观测资料,对比分析了不同降水条件下能见度及PM_(2.5)浓度的分布特征,建立了不同强度降水影响能见度及PM_(2.5)浓度的定量关系。研究结果表明降水量大小及持续时间对能见度与PM_(2.5)浓度有明显作用,不仅持续稳定的降水过程能够造成持续的低能见度,突发性强降水更能造成能见度大幅降低;降水与能见度之间关系符合幂函数分布特征,能见度随降水量增加从快速下降过渡到慢速下降,中间存在一个拐点。降水对PM_(2.5)的清除作用受降水量及降水前PM_(2.5)浓度大小共同作用,降水对PM_(2.5)的清除作用在降水较小并持续时,会造成PM_(2.5)浓度的缓慢下降;而强降水过程对PM_(2.5)的清除作用十分明显,降水量、PM_(2.5)浓度、能见度三者之间表现出基本一致的同步变化。基于降水量与降水前PM_(2.5)浓度两个因子,采用非线性拟合方案构建了降水影响PM_(2.5)浓度的定量统计模型,拟合结果与实况较为吻合,说明模型抓住了降水情景下影响PM_(2.5)浓度变化的关键因子。最后针对研究中存在的不足和未来值得进一步发掘的科学问题进行了讨论。     

不同强度降雨过程对东莞PM2.5气质量浓度的影响

通过统计2012-2013年东莞市观测到的629次降雨过程和对应的PM2.5质量浓度降雨前后的变化,分析每次降雨过程的雨量级、时间、强度与PM2.5质量浓度净化大小的关系.结果表明:虽然降雨有助于PM2.5沉降,缓解空气污染,但由于每次降雨过程的雨量、降雨时长、强度不同,降雨前的PM25质量浓度不同,雨滴、雾滴的影响,局部性降雨的影响,雨滴大小、数密度以及其它气象要素的影响,导致每次降水过程不是都能削减PM2.5质量浓度,起净化作用,净化的程度也不一样;从平均净化能力来说,雨量级越大、降雨时长越长,雨强越强的降雨过程对PM2.5质量浓度削减的能力越强,净化效果越显著.     

贵阳市降水对PM2.5污染物湿清除作用

利用贵阳市环境监测站提供的贵阳市9个环境监测站点2013—2014年1—12月PM2.5浓度逐时资料,对2013—2014年贵阳市其PM2.5浓度分布及变化情况进行描述,结合同时段贵阳市逐时降水资料进行对比统计分析探讨降水对PM2.5浓度的影响。研究表明:贵阳市PM2.5年均浓度约为33~55μg/m3,秋冬季及初春逐月污染浓度高,夏季低,PM2.5浓度日变化呈典型的双峰值结构,早晚高峰期污染浓度都较高;有降水时的年均浓度比无降水时低近2成,雨日PM2.5浓度均低于非雨日,在有降水日,尤其在夜间及上午时段的PM2.5浓度降低较明显,与贵阳市多夜雨的降水特征相关联;与不足1mm的轻微降水相比,大于1mm的较强降水对PM2.5的清除和抑制效果显著。     

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。      

德州能见度与PM2.5、PM10和相对湿度的关系

为研究德州大气能见度与水汽和气溶胶的关系,利用2013年逐小时能见度、相对湿度、PM2.5和PM10浓度资料,对三者与能见度的关系进行分析。结果表明：能见度与相对湿度的线性相关最好,与PM2.5浓度的相关性次之;随着相对湿度、PM2.5和PM10浓度的增加,能见度明显降低。大气能见度与相对湿度、PM2.5和PM10浓度非线性相关系数明显高于线性相关系数。利用PM2.5和PM10浓度和相对湿度数据计算得到了非线性大气能见度拟合公式,经验证,该公式能较好地模拟德州大气能见度。     

高陵区PM2.5污染特征及其与气象要素的关系研究

利用高陵区2018年1月1日—2020年12月31日 PM25质量浓度监测资料、空气质量指数,分析PM25的污染特征,结合气象观测资料, 通过线性相关分析定量分析不同季节PM25质量浓度与气温、相对湿度、风向风速、降水等气象要素之间相关性。结果表明：（1）近3 a来高陵区污染天气首要污染物为PM25的累计时间远超其他污染物为首要污染物的累计时间。（2）PM25平均质量浓度月变化呈明显的“U”型特征,1月最高,2月、12月次之;季节变化规律为冬春高、夏秋低,冬季最高,夏季最低。（3）PM25质量浓度日变化呈单峰单谷特征, 23时为最大峰值,17时左右为谷值,此变化趋势与气温、风速的日变化呈相反趋势,与相对湿度日变化趋势基本一致。（4）不同季节PM25质量浓度和气象要素的相关性存在差异,PM25质量浓度与风速及降水量在各个季节均呈显著负相关,与气温整体上呈负相关,与相对湿度整体呈正相关。（5）PM25质量浓度高值主导风向为偏西北风,其次是东北风,风向偏东和西南时PM25质量浓度值相对较小。     

基于能见度及AOD数据的北京市PM2.5浓度的反演

选择北京市为研究地区,对2014～2017年AERONET（Aerosol Robotic Network）提供的CE-318太阳光度计440 nm波段反演的气溶胶光学厚度（AOD）进行风速订正,对订正后 AOD 日均数据与同期地面监测站PM2.5日均浓度数据做季节相关性分析并建立回归模型。又引入能见度因子并利用广义差分法构建2015～2017年北京市AOD与PM2.5浓度、能见度的三元回归模型,最后将2014年数据分为污染日和非污染日分别进行模型检验。结果表明:AOD与PM2.5浓度存在显著的线性正相关性,且存在季节性差异,夏季相关性最强、秋季次之、春季和冬季最低。引入能见度因子并消除自相关后,四季的模型相对误差均显著减小,模型拟合优度显著提高。检验结果为四季整体的平均相对误差在21%～31%范围内,与前人的结果相比拟合曲线的准确性得到了明显地提高。且模型对低PM2.5浓度日的模拟效果较好,对于高PM2.5浓度日的模拟效果较差。本研究对构建北京地区PM2.5浓度长期的历史数据具有重要的科学意义。     

2006-2010年福建沿海城市群低能见度天气特征及影响因素

利用2006年1月至2010年12月各城市能见度、相对湿度、降水、天气形势和PM10的浓度资料分析福建沿海城市群低能见度天气的特征及其影响因素,并将福建沿海主要城市分成北部、中部和南部3个城市群。结果表明：北部城市群每年霾日只有8-26 d,低能见度主要是由（轻）雾引起的,而中、南部城市群低能见度主要是由霾引起的;各城市群（轻）雾和霾天气主要出现在12月至翌年6月,7-11月出现率极低,而平均能见度夏秋季节高于冬春季节;各城市群的低能见度、（轻）雾和霾均以“短暂”为主,其次是“半天”,“全天”最少;低涡切变下（轻）雾的日数最多,其次是高空槽和暖区辐合,再其次是变性冷高压;霾出现频率较高的是暖区辐合、高空槽和变性冷高压3种天气形势;PM₁₀浓度在霾、非低能见度天气下和（轻）雾天气条件下分别为0.068-0.109 mg·m^-3、0.041-0.072 mg·m^-3和0.044-0.064 mg·m^-3。     

降雨对PM2.5浓度的影响及人工降雨降低PM2.5浓度的探讨

湿沉降是使大气颗粒物浓度减少的途径之一。该文利用2013年6月南京市逐日PM2.5浓度资料,及同期降水、风速和相对湿度的数据,分析了南京夏季PM2.5与气象条件变化之间的关系。结果表明,在低风速、高湿度、污染物不易扩散条件下,降雨并不能有效降低当日PM2.5浓度。而在风速较大的条件下,污染物在随风扩散稀释的同时,降雨对污染物的湿沉降作用促进了PM2.5浓度降低。建议在采用人工增雨方法清除PM2.5时,要考虑气象条件的影响。     

淳安县PM_(2.5)和PM_(10)浓度变化特征分析

通过对淳安2013年全年的大气颗粒物PM2.5和PM10资料统计分析,得出该地区PM2.5和PM10质量浓度的季节变化、日变化特征以及气象因子对其的影响。结果表明:2013年淳安PM2.5年平均浓度为国家标准的1.2倍,PM10年平均浓度优于国家标准;PM2.5和PM10均具有明显的季节变化特征,表现为冬季秋季春季夏季;并且均呈现双峰型的日变化特征,二者出现峰值的时间基本一致,PM2.5和PM10峰值出现在18:00,次峰值出现在08:00,谷值均出现在14:00,主要与边界层变化和人为活动有关;PM2.5和PM10变化存在明显的线性关系。降水对颗粒物浓度影响较大,能有效降低颗粒物质量浓度。     

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。