南宁市空气质量状况分析

总结分析2002—2009年南宁市逐日及月平均、季平均、年平均空气质量状况。2002—2009年,南宁市空气质量优良率为96．8％,首要空气污染物主要为可吸入颗粒物和二氧化硫,而又以可吸入颗粒物居多。在2002年至2009年,西乡塘区是南宁市空气质量最好的城区,江南区是南宁市空气质量最差的城区。2005年以后,南宁市全...     

2003广西主要城市空气质量评价及空气污染物浓度与气象条件关系

从南宁、桂林、北海三城市空气质量自动监测站监测到二氧化硫(SO2),二氧化氮(NO2),可吸入颗粒物(PM10)的日均浓度数据计算的空气污染指数API得出:2003年三城市空气质量状况整体为 级"优"或 级"良",达到了国家环境保护总局对城市环境规定的标准,特别是桂林市的空气质量最好。对各种污染物月平均浓度值与地面气象要素关系进行相关分析,发现相关性非常好,其中与气压呈正相关,与气温、水汽压、相对湿度、降雨量、风速、0厘米地温等要素呈反相关。各种污染物日平均浓度值与地面风速相关也非常好。     

2003广西主要城市空气质量评价及空气污染物浓度与气象条件关系

从南宁、桂林、北海三城市空气质量自动监测站监测到二氧化硫(SO2)，二氧化氮(NOD，可吸入颗粒物(PM10)的日均浓度数据计算的空气污染指数API得出：2003年三城市空气质量状况整体为Ⅰ级“优”或Ⅱ级“良”，达到了国家环境保护总局对城市环境规定的标准，特别是桂林市的空气质量最好。对各种污染物月平均浓度值与地面气象要素关系进行相关分析，发现相关性非常好，其中与气压呈正相关，与气温、水汽压、相对湿度、降雨量、风速、0厘米地温等要素呈反相关。各种污染物日平均浓度值与地面风速相关也非常好。     

南宁市空气质量状况特征研究

通过对南宁市 5个空气质量观测站可吸入颗粒物、二氧化硫、二氧化氮的观测资料进行分析 ,发现 :南宁市首要污染物为可吸入颗粒物 ,5个观测站可吸入颗粒物具有很好的变化趋势一致性 ,二氧化硫变化趋势一致性较差 ,二氧化氮基本没有变化     

2011年广西主要城市空气质量分析

对2011年广西主要城市南宁、桂林、北海三市的空气质量状况分析得出：2011年,南宁市空气质量为1级的天数比去年和2003～2010年的年平均天数少2d和26d,3级的天数多7d和20d;桂林市空气质量为1级的天数比去年和2003～2010年的年平均天数少46d和136d,3级的天数多5d和10d;北海市空气质量为1级的天数比去年和2003~2010年的年平均天数少29d和26d,3级的天数多1d和1．86d。南宁、桂林、北海三市的空气质量较去年和历年平均情况差。     

南宁市城区空气质量特征的差异

总结分析2002~2006年南宁市各城区逐日、月平均、季平均、年平均空气质量特征的差异。在设有空气质量监测点的青秀区、兴宁区、江南区、西乡塘区4个城区中,空气质量优良率最高的是西乡塘区,占天数的98.1%,其次是为青秀区,最低的是江南区,西乡塘区、青秀区空气质量优于其它城区。各城区的首要空气污染物以可吸入颗粒物为主。各城区逐日、月平均、季平均、年平均空气质量特征均有一定的差异。     

南宁市空气气质状况特征研究

通过对南宁市5个空气质量观测站可吸入颗粒物，二氧化硫，二氧化氮的观测资料进行分析，发现：南宁市首要污染物为可吸入颗粒物，5个观测可吸入颗物具有很好的变化趋势一致性，二氧化硫变化趋势一致性较差，二氧化氮基本没有变化。     

济南市空气质量特征分析

根据济南市2001～2005年的空气质量日报资料,分析了济南市空气质量特征及其成因。结果表明,济南市近5年平均空气污染指数为96.2,良好率仅占64.7%,轻微污染和轻度污染每年平均124.8天,5年中中度污染以上天数为20天,空气污染总体较为严重。风速的大小与每日空气污染指数之间的关系近似呈U形分布特点,2m/s以下微风或静风会抑制污染物质的扩散、使污染物积聚,污染较重。在风速大于6m/s时,由于地面灰尘的扬起或上游沙尘的侵入,使空气中的可吸入颗粒物浓度再次升高。当地面风速在2～6m/s时,污染物浓度相对较低。中度以上的污染一种产生在气旋南部和冷锋前后,伴随风力较大、产生沙尘和扬沙天气,另一种伴有小风,在大气中悬浮着烟雾。空气质量为优的清洁日主要受冷锋后部的冷高压影响。     

珠江三角洲空气质量现状及特征

利用2000～2006年常规监测资料,对珠江三角洲地区二氧化硫（SO2）、二氧化氮（NO2）和可吸入颗粒物（PM10）的现状水平、污染特征、地区差异及演变趋势,进行数理统计的综合分析。结果表明,该地区空气质量总体稳定,不同城市之间空气质量存在显著差异,首要大气污染物各有不同,空气质量具有明显的月变化特征,于季空气质量明显劣于雨季。     

基于API方法的西安城市大气环境质量评价

采用空气污染指数法对西安市2004年大气环境质量进行了评价，结果表明，2004年西安市空气质量达到了国家二级标准，影响该市空气质量的主要污染物为可吸入颗粒物．主要污染时间为1、2、3、11月，采暖期污染源的排放和不利于污染物扩散的气象条件是影响西安市空气质量的两大重要因素。     

贵州省2015～2019年空气质量及大气污染物时空分布特征研究

利用2015～2019年贵州省9个城市的空气质量指数(AQI)和6种大气污染物逐日监测资料及同期气象要素观测资料,分析了贵州省各市年、季大气污染的分布特征,以及各市首要污染物出现频率的季节特征,探讨了6种大气污染物与气象要素之间的相关关系。结果表明:(1)贵州省总体空气质量较好,2015～2019年全省空气质量优良天数占全年90%以上,2018年空气质量为5年中最优;(2)AQI的空间分布呈现“北高南低”的分布特征,高值区在遵义、水城和铜仁,兴义空气质量最好;(3)6种大气污染物与平均气温、相对湿度、日平均气温、日降水量、相对湿度、平均风速呈高度显著相关;(4)贵州省的污染日主要集中出现在冬季,首要污染物主要是颗粒物(PM_2.5和PM₁₀),夏季出现污染日的情况最少,首要污染物主要是O₃。      

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。     

淄博市污染气象特征与大气环境容量

利用淄博市环境监测站2002-2004年间的主要大气污染物浓度和同期气象资料,综合分析了淄博市大气环境污染状况及演变特征,用A-P值法对大气环境容量进行测算.结果表明该市主要污染物为可吸入颗粒物(PM10)和二氧化硫(SO2),其实际排放量均高于理想大气环境容量.此外,引入美国NOAA后向轨迹模式(HYSPLIT4),分析了影响淄博市强污染天气的外来气团,确认它们是源于东北地区和内蒙古东部的偏北气流,以及蒙古国中部的偏西气流.这些结果为今后制定城市发展规划,控制和防治大气污染提供了科学依据.     

Interannual and Decadal Changes in Tropospheric Ozone in China and the Associated Chemistry–Climate Interactions: A Review

China has been experiencing widespread air pollution due to rapid industrialization and urbanization in recent decades.The two major concerns of ambient air quality in China are particulate matter(PM) and tropospheric ozone(O_3). With the implementation of air pollution prevention and control actions in the last five years, the PM pollution in China has been substantially reduced. In contrast, under the conditions of the urban air pollution complex, the elevated O_3 levels in city clusters of eastern China, especially in warm seasons, have drawn increasing attention. Emissions of air pollutants and their precursors not only contribute to regional air quality, but also alter climate. Climate change in turn can change chemical processes, long-range transport, and local meteorology that influence air pollution. Compared to PM, less is known about O_3 pollution and its climate effects over China. Here, we present a review of the main findings from the literature over the period 2011–18 with regard to the characteristics of O_3 concentrations in China and the mechanisms that drive its interannual to decadal variations, aiming to identify robust conclusions that may guide decision-making for emissions control and to highlight critical knowledge gaps. We also review regional and global modeling studies that have investigated the impacts of tropospheric O_3 on climate, as well as the projections of future tropospheric O_3 owing to climate and/or emission changes.     

Toward integrated assessment of environmental change: air pollution health effects in the USA

We demonstrate a method for integrating environmental effects into a computable general equilibrium model. This is a critical step forward toward the development of improved integrated assessment models of environmental change. We apply the method to examine the economic consequences of air pollution on human health for the US for the period from 1970 to 2000. The pollutants include tropospheric ozone, nitrogen dioxide, sulfur dioxide, carbon monoxide, and particulate matter. We apply this method to the MIT Emissions Prediction and Policy Analysis (EPPA) model, a computable general equilibrium model of the economy that has been widely used to study climate change policy. The method makes use of traditional valuation studies, incorporating this information so that estimates of welfare change are consistent with welfare valuation of the consumption of market goods and services. We estimate the benefits of air pollution regulations in USA rose steadily from 1975 to 2000 from $50 billion to $400 billion (from 2.1% to 7.6% of market consumption). Our estimated benefits of regulation are somewhat lower than the original estimates made by the US Environmental Protection Agency, and we trace that result to our development of a stock model of pollutant exposure that predicts that the benefits from reduced chronic air pollution exposure will only be gradually realized. We also estimate the economic burden of uncontrolled levels of air pollution over that period. The uncertainties in these estimates are large which we show through simulations using 95% confidence limits on the epidemiological dose-response relationships     

贵州铜仁2019年1月两次空气污染过程及其气象条件特征分析

2019年1月铜仁市发生了中到重度污染过程,本文利用铜仁市城区逐时环境监测资料,高空及地面气象观测资料,分析了本次污染过程气象条件特征。结果表明,此次首要污染物为细颗粒物（PM2.5）。污染天气发生时,铜仁上空是高压脊或一致的西南气流,地面为冷高压或均压区控制,气压梯度小,风小;当转为高空槽前,地面有冷空气补充,气压梯度增大时,污染物浓度得到降低。同时风速和相对湿度大小跟污染物浓度也有一定关系,地面风速小,空气干燥时,污染物浓度增加;相反,风速增大达4m/s以上,空气相对湿度增大达90%以上,特别是明显的雨雪天气发生时,污染物浓度得到快速降低。另外,污染天气伴随有近地层逆温层持续影响,逆温层厚度越厚,且逆温强度越强,抑制了大气垂直方向的湍流交换,有利于污染物浓度累积增长。受梵净山地形阻挡作用,当近地层为弱偏东风影响时,污染物不能翻越梵净山向西扩散,会在山的东侧堆积,导致铜仁城区污染物在本地循环累积,污染浓度维持较大值。上述研究结果,可为铜仁市空气质量预报及污染防控提供新的参考依据。     

2016年11—12月北京及周边重污染过程PM2.5特征

该文对2016年11—12月北京及周边地区不同站点重污染期间PM_2.5质量浓度变化特征进行分析,并结合地面和探空气象要素及化学组分等对重污染成因进行深入探讨,比较了其中两次持续3 d及以上重污染过程的异同。结果表明:重污染期间北京及周边地区PM_2.5质量浓度较高,北京上甸子站、顺义站、朝阳站的PM_2.5质量浓度分别为73.1,130.8,226.0 μg·m-3,河北保定站和石家庄站分别为357.8 μg·m-3和346.9 μg·m-3。12月17—21日重污染过程比11月3—5日持续时间更长且PM_2.5质量浓度更高。通过对11—12月所有重污染过程分析发现,北京颗粒物重污染发生的主要气象条件是静稳天气。在排放源相对稳定情况下,逆温层的结构、演变和持续时间决定了重污染的程度,其中污染持续时间和污染期间的主导逆温层类型演变对重污染程度有较好的指示作用。较低的水平风速、逆温层的持续出现及更多的燃煤和机动车尾气排放是12月17—21日污染偏重的原因。     

重庆市臭氧污染及其气象因子预报方法对比研究

利用2014年1月1日至2018年12月31日的重庆市空气质量日均值资料,分析了重庆近5 a臭氧污染的特征。发现重庆市臭氧是除PM_2.5以外的第二大大气污染物,具有较强的季节变化特征,主要污染时段位于夏半年,在7—8月臭氧污染程度明显超过了PM_2.5。臭氧年平均浓度呈现逐年增加的趋势,首要污染物为臭氧的日数在2018年首次超过PM_2.5,臭氧成为2018年重庆市的第一大污染物,表明重庆正在由一个以颗粒物污染为主的城市转变为臭氧污染为主的城市。通过对同期逐日气象资料与臭氧8 h滑动平均日最大值相关性分析发现,大气温度、湿度及气压均为影响臭氧污染的重要气象因子。利用气象影响因子,采用逐步回归、支持向量机、神经网络方法对臭氧8 h滑动平均日最大值进行预报实验表明,三种预报模型均具有较强的预报能力,但总体来看预报均比实况略偏小。支持向量机方法的预报效果要稍好于逐步回归和神经网络方法,可为重庆市臭氧浓度预报提供参考。     

基于后向轨迹的秋冬季漯河重污染输送及典型个例分析

利用常规气象数据、颗粒物观测数据、全球大气同化系统GDAS数据、NCEP再分析资料、ERA5再分析资料等,结合数理统计、轨迹聚类、天气学分析等方法对2015—2019年秋冬季漯河重污染特征、污染输送及潜在源区分布进行分析,并通过一次典型重污染个例进行证明。结果表明:近5 a秋冬季漯河重污染过程发生频次高、持续时间长、污染程度重,AQI、PM_(2.5)变化趋势不明显,PM_(10)浓度下降趋势明显,PM_(2.5)/PM_(10)比值逐年递增,以PM_(2.5)重污染为主。秋冬季漯河主要有6种气团输送路径,东北路、偏东路轨迹短、移速慢且高度低,近距离近地层污染输送特征明显,为重要重污染通道;西北路远距离下沉沉降输送和西南轨迹近距离输送下的AQI均值及重污染概率较低,对漯河重污染贡献不高。漯河潜在源区来源复杂、范围广、强度大,其污染潜在源主要分布在河南中东部、尤其是东北部,对应东北路径、偏东路径等气团轨迹。重污染时地面偏北风是其主导风,尤其是2—4 m·s^(-1)之间偏北到东北风最为显著。两次跨区域输送表明,北路或东北路近地层输送是AQI峰值维持发展的重要原因。