春节期间北京地区交通出行对城市热岛和大气污染的影响

利用北京地区2006—2015年春节及其前后三周的城区、郊区站数据分析了早晚高峰期出行活动对城市热岛效应、NO_x浓度、PM_(2.5)浓度的影响。结果表明人口、交通、社会活动的密集程度的确会对城市热岛效应和大气污染物浓度造成一定的影响:(1)第-3、-2、+2、+3周(以下称"BG时段")与春节周(以下称"CNY时段")间的城市热岛效应差异在早高峰期间平均为0.30℃,在晚高峰期间平均为0.43℃,在其他时段平均为0.26℃,晚高峰对城市热岛效应的影响更明显;(2)BG时段与CNY时段城、郊NO_x浓度差的最大差异出现在08时,为54.95μg/L。在早高峰期间为48.55μg/L,晚高峰期间为23.44μg/L。城市晚高峰出行活动对NO_x浓度城、郊差异的贡献量随着夜间的不利扩散条件而延迟出现峰值,城市早高峰出行对NO_x浓度城、郊差异的增大作用更为突出;(3)城郊PM_(2.5)浓度BG时段高于CNY时段的时间出现在05—19时,早高峰期间平均差值为12.82μg/m~3,晚高峰期间平均差值为8.22μg/m~3。考虑到汽车尾气中的超细粒子和污染气体需要在空气中进行化学反应或者吸湿增长才能变成PM_(2.5),因此PM_(2.5)浓度的变化情况并不完全对应于早晚高峰出行的时间,而是有所延迟。     

广州亚运会期间鼎湖山站大气污染特征

为了解广州亚运会期间华南区域大气质量状况以及气象条件对区域本底浓度值的影响,2010年11月对鼎湖山站主要污染物NO_x,SO₂,O₃,PM₁₀和PM_2.5进行了连续在线观测。利用MICAPS,NCEP FNL资料及后向轨迹模拟对观测时段大气污染物变化特征进行了分析。结果表明:观测时期鼎湖山区域NO₂,SO₂和O₃平均体积分数分别为 (7.2±3.1)×10-9,(8.5±3.8)×10-9和 (28.7±9.8)×10-9。PM₁₀和PM_2.5的月平均质量浓度分别达到113 μg·m-3和81 μg·m-3,PM_2.5超标日数达13 d (标准为世界卫生组织第1阶段值,日平均值为75 μg·m-3)。不同时段日变化分析表明,广州亚运会期间高值时段 (定义为PM_2.5质量浓度超过世界卫生组织的IT.1标准的时段) NO_x和O₃平均体积分数为13.2×10-9和20.9×10-9,较2009年同期分别下降了41.3%和10.7%。不利气象要素影响和污染物区域传输作用是形成珠江三角洲区域大气本底 (鼎湖山地区) 细粒子污染偏高的主要原因。     

2013～2020年北京市城区PM2.5及其化学组分正增长机制研究

2013年以来，北京市城区细颗粒物(PM_2.5)质量浓度年均值呈逐年降低趋势，但PM_2.5重污染事件仍旧频发，污染出现快速甚至爆发增长的成因和理化机制仍存在诸多不确定性。基于北京市城区2013～2020年常规气象要素、PM_2.5及其化学组分观测资料，分析了PM_2.5在缓慢、快速和爆发三种增长机制下的颗粒物浓度和组分的阈值及其与气象条件的相关关系。结果表明，2013～2020年，北京市城区PM_2.5在增长时段(1～24 h间隔)中平均累积速率呈逐年放缓的趋势，大气污染累积阶段中缓慢增长的比重逐年升高。在判别标准逐渐严苛的前提下，爆发增长的比重逐年变化不大(4%～7%)。2013～2016年爆发增长的PM_2.5浓度阈值为62μg m^-3,2017年后，该阈值严苛至45μg m^-3。82μg m^-3为2018年以来极易出现PM_2.5爆发增长的界限值，高于此值后爆发增长的概率将...     

地理位置和盛行风向对惠州市空气质量的影响

利用惠州市区2013—2016年逐时的风向风速和大气污染物浓度资料,分析了风向风速与污染物质量浓度的关系、地理位置和盛行风向对惠州市空气质量的影响。结果表明:①惠州市污染物质量浓度与风向风速密切相关。当风向为ESE、SE、SSE、S、SSW时,SO_2、CO、NO、NO_2、NO_x、PM₁₀和PM_2.5的全年平均质量浓度最低;当风向为SW、WSW、W、WNW、NW时,全年平均质量浓度最高。O_3在风向为WSW、W、WNW、NW时,全年平均质量浓度明显高于其他风向,均在72μg/m^3以上。在冬半年,当风向为偏西北风时,SO_2、CO、NO、NO_2、NO_x、O_3、PM₁₀和PM_2.5质量浓度与年平均相比增加了5%～33%;当风向为偏南风时,SO_2、CO、NO、NO_2、NO_x、PM₁₀和PM_2.5质量浓度与年平均相比减少了3%～17%。②地理位置、盛行风向和周边城市分布与惠州市空气质量密切相关。位于惠州市国控点东侧的河源市和汕尾市或南海海域环境空气综合质量指数低,空气质量优良率高,惠州市东北风和东南风全年出现频率分别为40.3%和27.3%;而位于惠州市国控点偏西侧的广州市和东莞市环境空气综合质量指数较高,空气质量优良率较低,惠州市偏西风全年出现频率(有W的合计)仅17.8%。     

汕头市PM2.5的气象要素影响分析及预报研究

利用2014—2017年汕头市PM_2.5的日浓度资料、以及汕头市国家基准气象观测站的同期地面气象资料,重点分析了汕头市PM_2.5浓度的变化特征以及风、混合层厚度、降水等气象条件对PM_2.5浓度的影响,同时探讨了污染物浓度变化的成因。在此基础上,根据汕头市的气候特点,采用BP （Back-Propagation）人工神经网络方法针对汛期和非汛期分别建立了PM_2.5质量浓度预报模型。结果表明：与多数内陆城市不同,汕头市PM_2.5浓度日变化为单峰型,这与汕头地处沿海受海陆风影响有关;PM_2.5浓度日峰值出现在08时左右,除早高峰污染物排放增加的因素外,与早晨时段的低风速环境有关;PM_2.5日均浓度随着风速的增大呈现减小趋势,PM_2.5日均浓度与08时混合层厚度显著相关（相关系数为-0.143）;汕头市非汛期PM_2.5浓度比汛期高,这与汕头市的亚热带季风气候特征有关,汛期各量级降水（暴雨以上除外）对PM_2.5的清除效果无明显差别,而非汛期降水对PM_2.5浓度有明显清除作用;BP人工神经网络模型的预报效果表明,汛期和非汛期的PM_2.5级别命中率TS分别为100%和90.3%,准确指数分别为87.7%和89.9%,总体预报效果良好。不同时期预报模型出现正误差的数量和程度均大于负误差,汛期预报模型在有强降水发生时误差较大,而非汛期预报模型在有冷空气入侵时误差较大。     

2017年中国大陆PM2.5浓度时空分布特征分析

利用我国366个环境质量监测站的逐时观测资料,统计分析中国区域2017年PM_2.5浓度的变化情况,绘制其时空分布图。研究结果表明:(1)2017年年均PM_2.5浓度最大为和田地区,浓度为133μg/m3,年均PM_2.5浓度最小为云南迪庆,浓度为10μg/m3,,其极值分布大致呈现南低北高,西低东高的趋势。(2)根据年平均值,日平均值最大值,最小值以及其差值的时空分布情况,PM_2.5质量浓度相对较大的地区为华北与东北部分地区,少部分位于华中地区,相对较小的区域为西北,西南以及东南沿海地区。(3)PM_2.5质量浓度的季节性变化趋势大致为冬季>秋季>春季>夏季,其中新疆、西藏等地PM_2.5质量浓度变化受季节变化影响相对较大,华南及沿海地区受季节变化影响相对较小。      

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。     

潮州市PM2.5-O3复合污染特征及与气象要素的关系

利用潮州市区2014—2020年空气质量逐小时质量浓度数据，分析了PM_2.5、O₃质量浓度及复合污染的年、月、日变化特征，结合相应时段潮州国家站气象资料，分析PM_2.5-O₃与气象条件的关系。结果表明：2014—2020年潮州市区年平均ρ(PM_2.5)、ρ(O₃-8 h)及复合污染出现日数均呈波动下降趋势，月平均ρ(PM_2.5)最高出现在3月，月平均ρ(O₃-8 h)最高出现在10月，两种污染物最低均出现在6月。复合污染出现较多的是10月至次年4月。PM_2.5、O₃污染具有一定相互作用，当其中一种污染物质量浓度较高时另一种污染物的质量浓度相应较高，同时污染物质量浓度的日较差也会相应增大；污染物峰谷值出现时间表现为空气污染较严重时，O₃峰值出现时间在16:00,PM_2.5峰值出现在19:00。PM_2.5-O...     

基于Grimm180粒子仪对塔克拉玛干沙漠沙尘暴的定量观测

为了得到沙尘粒子和沙尘质量浓度的实时定量特征,利用Grimm180粒子仪在塔克拉玛干沙漠对沙尘暴进行了实时观测。通过分析Grimm180粒子仪在2018年5月20日和24日两次沙尘暴过程观测的数据得到:在浮尘、扬沙和沙尘暴期间,PM_2.5的质量浓度值随时间变化不大,一般PM_2.5浓度值<1500μg·m^-3,而PM₁₀在不同阶段的变化比较明显,数值在2000~6000μg·m^-3。沙尘粒子谱和沙尘质量浓度谱的分布形状在浮尘、扬沙和沙尘暴基本相同,当粒子直径>0.35μm时,粒子数浓度随直径的增大近似符合M-P分布。从浮尘到扬沙再到沙尘暴,小粒子区(D≤1μm)的占比越来越小,而中粒子区(1μm10μm)的粒子数越来越多并且占比越来越大。当粒子直径为0.35μm左右时,粒子数浓度达到最大值;当粒子直径在25~32μm时,沙尘质量浓度的值最大。在浮尘和扬沙阶段,PM_2.5/PM₁₀>25%;每分钟1 L体积内的沙尘粒子总数大约是4×10⁵,最大沙尘质量浓度<20μg·L^-1。在沙尘暴阶段,PM_2.5/PM₁₀<15%;每分钟1 L体积内的沙尘粒子总数>5×10⁵,最大沙尘质量浓度>25μg·L^-1。这些结论为准确地分析沙尘暴的定量特征提供了科学依据。     

克拉玛依市PM2.5质量浓度分布及其影响因素分析

利用2015年1月至2017年12月中国环境监测总站全国城市空气质量实时发布平台中公布的克拉玛依5个监测点数据和同时期克拉玛依国家基本气象站的观测数据,分别研究了克拉玛依市4个行政区的PM_2.5浓度的时空变化特征以及气象条件对克拉玛依PM_2.5浓度变化的影响。结果表明：从月份上看,克拉玛依每年的1月、2月、12月PM_2.5浓度最高,3月、11月PM_2.5浓度较高,其中,独山子每年2月的PM_2.5浓度均最高,2016年2月独山子PM_2.5平均浓度最高,达到134 μg·m^-3,超过国家一级标准值的2.8倍,属于中度污染,从季节上看,克拉玛依四季PM_2.5浓度变化呈现波峰波谷变化趋势,表现为冬季最高,春季次之,夏季、秋季各区变化不一的特点,采暖期的PM_2.5浓度高于非采暖期的PM_2.5浓度;克拉玛依PM_2.5浓度在空间上的总体分布为：独山子区>白碱滩区>克拉玛依区>乌尔禾区;从风向、风速、气温、气压和相对湿度等气象要素与PM_2.5浓度的相关性来看,气压、相对湿度与PM_2.5浓度呈显著正相关,气温、风速、风向与PM_2.5浓度呈负相关,其中气温、风向与PM_2.5浓度呈显著负相关。     

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。     

阳泉市城市热岛效应特征分析

利用阳泉市3个国家级气象站资料分析了阳泉市城市热岛效应的年际变化、季节变化、月变化和日变化特征,结果表明：阳泉市存在弱的城市热岛效应,1972年-2011年平均热岛强度0．554℃。阳泉市热岛强度冬、秋季强,春、夏季弱;12月最强,5月最弱;阳泉市热岛强度整体呈显著上升趋势,热岛强度的增加主要是由于夏季热岛强度的增强。热岛强度日变化表现为12时最小,从傍晚开始随降温逐渐增大,到早晨气温降到最低时最大,日出之后迅速减小;2008年-2011年最强热岛强度出现在2010年1月14日08时达7．9℃。阳泉市主要城市发展因子与霾日数、气温呈显著正相关,在目前的经济发展水平条件下,城市化发展可能使阳泉城市温度增高,城市绿地面积的增加可能对热岛效应有缓解。     

山西省阳泉市城市热岛效应特征分析

利用1972－2011年阳泉市3个国家级气象站资料、2011年36个乡镇区域自动站气温资料,分析了阳泉市城市热岛效应的年际变化、季节变化、月变化和日变化特征。结果表明：阳泉市存在弱的城市热岛效应,1972－2011年平均热岛强度0.554 ℃。阳泉市城市热岛强度整体呈显著上升趋势,热岛强度的增加主要是由于夏季热岛强度的增强;热岛强度冬、秋季强,春、夏季弱;12月最强,5月最弱;热岛强度日变化表现为12时最小,从傍晚开始随降温逐渐增大,到早晨气温降到最低时最大,日出之后迅速减小;2008－2011年最强热岛强度出现在2010年1月14日08时,达7.9 ℃。阳泉在升温天气热岛强度变幅增大,易在早晨形成较强城市热岛,下午形成城市冷岛;降温天气热岛强度变幅减小;温度变化较小时则易维持弱的城市热岛。阳泉市主要城市发展因子与霾日数、气温呈显著正相关,在目前的经济发展水平条件下,阳泉市城市化发展可能使城市温度增高,城市绿地面积的增加可能对热岛效应有缓解作用。     

北京"城市热岛"效应现状及特征

利用2002年北京自动气象站资料,对北京“城市热岛”效应现状进行了分析。为了与20世纪70年代的结果相比较,选择城区代表站为天安门广场站,城郊代表站为朝阳气象站站。与20世纪70年代相比,目前北京的“城市热岛”表现出一些新特点:1)利用城区与城郊日均温差表示的“城市热岛”强度的统计结果表明,现在北京的“城市热岛”效应在夏季最强,秋、冬季次之,春季最弱,2)除夏季“城市热岛”整天存在(午后的平均强度在2℃左右)以外,其他季节的午后,天安门广场地区经常出现“城市冷岛”现象。3)北京“城市热岛”消失的极限风速没有发生系统性变化,当风速>3级时,北京“城市热岛”基本上消失。作者还研究了北京“城市热岛”形成和消失的日变化特征,以及“城市热岛”强度对风速等气象要素变化的响应特征。值得指出的是,对强“城市热岛”的个案分析显示,冬季夜晚“城市热岛”强度经常表现出较大的波动性,与此相伴随,城郊地面风出现风向突变和风速的阵性现象。     

绵阳城市热岛效应分析

本文首先采用模糊c-均值聚类法和剔除法,筛选出用于计算绵阳城市热岛强度的10个城市站和15个郊区站,然后利用这25个自动气象站的逐时气温资料,分析2018年绵阳城市热岛效应不同时间尺度的变化特征。结果表明:2018年绵阳存在城市热岛效应,平均热岛强度为0.64℃,表现为弱热岛等级;四季热岛效应冬季最强,其次是春季,夏季和秋季相当;逐月热岛强度3月最大、7月最小;绵阳城市热岛效应存在明显的日变化,热岛强度夜间大于白天,日最大热岛强度几乎均出现在晚上。      

2014-2017年西安市城市热岛、冷岛精细化时空特征分析

选取1971—2017年7个国家级气象站的气温资料,分析年代际气温变化特征及城郊温差、城县温差;选取2014—2017年103个国家考核区域气象站及7个国家级气象站逐时气温资料,利用标准化相对气温法,研究西安市城市热岛、冷岛的年、季平均空间分布特征,以及逐日热岛、冷岛变化规律。结果显示:1971—2017年城区、郊区和郊县气温均呈上升趋势,城区增温速率最大,郊县增温速率最小,进入21世纪后,城市热岛效应较为显著。西安市城市热岛、冷岛现象明显,且均呈"多中心"特征,热岛中心多为老城区及旅游中心,建筑物面积和人口密度占绝对优势;冷岛中心多为地势较高、水域绿被覆盖较大、非人口密集区的秦岭坡脚线附近。城区代表站的年、春季、夏季、秋季基本处于平稳状态,年、春季、夏季06—07时热岛强度最大,秋季、冬季23时热岛强度最大;郊区代表站和郊县代表站的年及四季热岛、冷岛强度均有明显的日变化特征,且变化趋势相反;郊区代表站10时热岛转为冷岛,春、夏季16—17时转为热岛,年及秋、冬两季19—20时转为热岛;郊县代表站年、春季、夏季06—07时冷岛强度最大,秋季、冬季2时冷岛强度最大,08时后冷岛开始减弱,12—13时为最弱后开始增强。     

上海城市集群化发展显著增强局地高温热浪事件

上海作为中国城市集群化发展的典型代表,经过30余年圈层式、集群化扩张,城市建设用地面积比例高达47.9%,接近50%的生态阈值。城市群快速扩张诱发了一个以徐家汇为中心覆盖周边40 km的区域性热岛,影响高温热浪的时空分布。基于DMSP/OLS遥感夜间灯光数据构建的城市发展指数,客观地反映出1992—2013年上海西郊嘉定、青浦和东郊的浦东集群化发展特征最凸出。利用Chow检验最优分段建模法,研究发现高温热浪期间城市群热岛突变转折与区县城市发展指数超过60%的年份相对应。城市发展指数超过60%后,近郊城市继续扩张将缩小城、郊气象站的温差,诱发更大范围热岛,增强高温热浪。1977—2000年近郊区县城市发展指数低于60%,高温热浪各要素项城郊差值显著上升,而2000年西郊城市发展指数超过60%后,和市中心差值减小,快速城市化明显增强西郊高温热浪强度和持续时间。1978年以来上海西郊与远郊高温日数差值增加了1.6倍,平均气温差值增加了34.4%,平均最高气温差值增加了41.7%。高温热浪期间遥感数据显示,向西郊伸展的城市群地表温度高值区规模扩大了32.8%,是西郊高温热浪增强的驱动因子。     

南京市夏季热岛特征及其与土地利用覆盖关系研究

利用南京市7月的Landsat TM热红外波段数据,根据单窗算法反演得到南京市地表温度,讨论了南京市热岛特征,并分析了产生这种现象的原因。通过遥感和地理信息系统相结合,运用Landsat TM数据,提取出南京市下垫面类型,分析了不同地表覆盖类型的热辐射特征并定量地分析了土地利用及植被对地表温度的影响。结果显示,南京市夏季主要存在3个热岛中心,分别是建成区、大厂区和八卦洲。南京城区地表温度明显比郊区地表温度高,通过地表温度对比分析发现,城区平均地表温度比城市边缘和远郊区地表温度分别高出3.5℃和5.7℃,城市热岛效应明显。不同地表覆盖类型的地表温度也有显著差异,从高到低依次为：城镇建设用地、耕地、草地、林地、水体。城镇建设用地与水体的表面温度最大相差14℃。城市地表温度与植被覆盖度具有明显的负相关关系,城市地表植被覆盖度低是城市热岛出现的主要原因,今后应当更加注重城市绿地建设,提高植被覆盖率。     

利用WRF-Chem模拟研究京津冀地区夏季大气污染物的分布和演变

应用WRF—Chem（Weather Research and Forecasting Model with Chemistry）模式模拟研究了2007年8月京津冀地区近地面O3、NO2、PM2.5浓度的时空变化特征,将模拟结果与观测数据进行详细对比,结果表明,模式可以较好地模拟O3、PM2.5,浓度的空间分布和时间变化特征,成功再现了8月33和PM2.5的几次积累增加过程,其中O,的模拟值与观测值的相关系数为0．69～0．86,PM2.5的相关系数为0．44～0．49,但模式对NO2的模拟相对较差,相关系数为0．27～0．43。北京、天津地区为O3月均低值区,月均体积浓度约30×10^-9,渤海及京津冀以西地区O3月平均体积浓度可达60×10^-9;PM2,呈现南高北低的分布特征,变化范围为120～240μg／m3。14时月平均03体积浓度在北京、天津地区低于周边地区,约为60×10^-9;而PM2.5质量浓度在环渤海地区和河北南部较高,为100～120μg/m^3。8月17日北京出现一次典型的高浓度O,污染事件,14时北京地区温度达到33℃,O3体积浓度为80×10^-9～110×10^-9。在局地排放、化学反应和外来输送的共同作用下,渤海西岸和北岸PM2.5的质量浓度超过120μg／m3,其中二次气溶胶质量浓度为50～100μg／m3,一次排放人为气溶胶质量浓度为10～20μg／m3,海盐质量浓度为1～7μg／m3,二次气溶胶是该地区PM2.5的主要贡献者。     

北京地区热岛效应及日较差特征

通过对2007～2010年北京地区经质量控制后的123个自动气象站气温数据采用K均值聚类方法分类, 得到城区、郊区、西部和北部山区、西南和东北部山区4个温度分区, 分析了4个分区气温的年变化、日变化和日较差变化特征, 并对北京地区热岛效应的时间变化特征进行了细致分析。结果表明:聚类分析方法可对北京地区温度很好地进行分区, 分区结果与站点的地形和下垫面情况较为吻合;不同分区温度日较差在西部和北部山区最大, 在西南部和东北部山区次之, 郊区再次之, 在城区的日较差最小;在一年中, 各温度分区以2月、5月与10月日较差较大, 其中以5月的日较差为最大;北京地区热岛效应在冬季和夜间较强, 而3～8月热岛较弱, 在夏季的白天比其它季节白天强。