广西主要城市空气质量状况及其与气象条件关系分析

通过对南宁、桂林、北海市空气质量自动监测数据的分析得出 :三城市整体空气质量水平为 1级或 2级 ,即优或良 ,城市空气的首要污染物为可吸入颗粒物 ;桂林、北海两城市没有出现轻度或轻度以上的污染 ,特别是北海市空气质量为 1级“优”的天数占 90 .9% ,2级良占 9.1%。空气污染的浓度与气象条件有密切关系 ,其中南宁市主要污染物月平均浓度值与月平均气压呈正相关、与月平均气温、水汽压、降雨量、相对湿度、风速、 0 cm地温呈反相关关系。各种污染物日均浓度值也与地面、高空气象要素相关非常好。因此 ,在预报未来 2 4～ 36 h天气时 ,对空气质量可进行预报     

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。     

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。     

2002年广西三城市空气质量状况及与气象条件的关系

根据广西重点环境保护城市南宁、桂林、北海三城市空气质量自动监测数据监测到二氧化硫(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，结果表明：2002年三城市空气质量状况整体为1级“优”或2级“良”，仅南宁市出现过轻度污染共10d，达到了国家环境保护总局对城市环境规定的标准。     

2002年广西三城市空气质量状况及与气象条件的关系

根据广西重点环境保护城市南宁、桂林、北海三城市空气质量自动监测数据监测到二氧化硫(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,结果表明:2002年三城市空气质量状况整体为1级"优"或2级"良",仅南宁市出现过轻度污染共10d,达到了国家环境保护总局对城市环境规定的标准。     

广西城市空气质量预报技术

以南宁市为例介绍广西城市空气质量预报技术。对南宁市二氧化硫、二氧化氮和可吸入颗粒物等污染物平均浓度与气象要素的相关分析表明，污染物浓度与地面、高空气象要素相关非常好。在未来24-36小时天气预报基础上，采用动态统计预报两种模式对城市空气质量进行预报，并根据污染日的影响天气系统类型对两种模式预报结果进行订正。业务实践证明预报准确率较高。     

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。     

2003年冬季空气质量趋势预测方法

使用短期气候趋势预报原理与短期空气质量预报相结合的方法，根据1～7月的气候特征（背景）、天气形势以及各种相关气象要素统计分析，对冬季采暖期空气质量进行综合预报。利用上述方法对2003年度（2003．11～2004．3）冬季采暖期空气质量进行了试预测。即：在2003年冬季气候预测的基础上，通过统计分析2003冬季相似年份的天气形势、污染气象条件，确定污染潜势和气象参数。并运用现业务使用的污染物浓度预报方程，计算冬季各月的逐日空气污染物（SO2、NO2、PM10）的浓度。最后综合2003年冬季气候特征预测和日空气质量计算结果，做出冬季空气污染趋势预报。     

贵州普定县人居环境气候条件分析

利用普定国家气象观测站1971年1月1日-2022年2月28日逐日平均气压、平均气温、平均相对湿度、平均风速、降水量等气象资料以及普定县空气污染物日均浓度、空气质量指数（AQI）等资料,运用人体舒适度指数、气象要素与污染物浓度的相关性、人体舒适度与空气质量相关性分析方法,分析普定县近50a的人居环境气候条件。结果表明：普定县平均气温、平均风速以及日照时数呈增加趋势,相对湿度、降水量以及气压呈降低趋势。常年体感主要为凉（3级）～最舒适（5级）之间,全年体感无寒冷及酷热等级,且体感舒适（含凉舒适及最舒适）月份主要为4-10月,占全年58%。普定县气温上升、风速增大、气压下降的趋势有利于污染物浓度降低,空气质量好,而相对湿度降低、降水量减少的趋势不利于污染物浓度降低,影响空气质量。普定县空气质量以4-5月、7-11月为优,且其四季空气质量均为优,表明空气质量好,人体舒适度高,适宜人居。     

锦州市空气质量变化特征及其与气象条件关系

利用2014年3月至2015年2月锦州市逐日AQI、日平均污染物浓度和同期气象要素观测资料,对锦州市空气质量时空分布特征及其与气象条件的关系进行了分析.结果表明:锦州市空气质量等级为良的频率为62%,轻度污染的频率为23%,优的频率仅为6%,主要污染物为PM_(2.5)、PM_(10)、SO_2和O_3.锦州市2月和10月空气质量最差,9月空气质量最好,空气质量达优和良等级的日数占9月总日数的97%;锦州市天安街道空气质量最差,其SO_2浓度为百股街道的5倍.锦州市出现3级以上污染时的主要影响系统为地形槽、蒙古低压和弱气压场,降水对污染物具有清除作用,且对PM10的清除作用最明显;沙尘天气时空气污染明显加剧,逆温层抑制了污染物的扩散,逆温层底层高度越低,空气污染越严重.建立了AQI回归预报方程,拟合结果与实测值的变化基本一致,其中对春季AQI的拟合效果最好.     

城市空气质量短期统计预报

文章通过污染物浓度时间序列的持续性和气象要素的相似性，进行了城市空气质量短期统计预报可行性分析。以深圳市空气中可吸入性颗粒物的污染指数预报为例，发展了一个基于MM5输出量的自知识统计模式，该预报方法在预报量本身的持续性水平上，预报效果改进15％左右，效果显著。该方法克服了常规预报方法的地域限制，只要积累足够量的污染场资料和气象要素资料，就可以自动、客观地完成具有一定准确度的空气质量短期业务预报。     

宁波市空气质量变化趋势及影响因素分析

利用2001—2013年宁波市空气污染物浓度数据以及社会经济报表资料,分析了宁波市空气质量的变化,探讨了空气环境质量的影响因素。结果表明,2001—2013年宁波市空气污染物浓度先升后降,整体空气质量2005年最差,2010年以后改善明显,污染物浓度季节变化明显,在冬季最高,空气质量也最差,夏季相反。宁波市首要空气污染物为可吸入颗粒物,空气质量为良的日数最多,污染日中以轻度污染为主,重度污染和严重污染日数很少。工业废气排放量、各种能源消耗量、城市绿化率、汽车数量与宁波市空气质量变化有较强的关联性,而地区产值变化、常住人口数等因素对空气质量的影响也不可忽视。     

秦皇岛市空气污染与气象要素的关系

利用多因子分析和多元回归模型,对1998—2004年秦皇岛市城区空气污染物浓度逐日监测数据及气象要素进行分析,并调查污染源,得出主要污染物与气象要素的关系,建立当地空气质量预报。结果表明：上游西北地区是对秦皇岛市空气质量影响最大的污染源地;空气质量首要污染物PM10的峰值出现在4月,SO2的峰值出现在采暖季,NO2浓度全年稳定少变; SO2和PM10的浓度受风场影响较大,NO2最小;春季“南高北低”型气压场造成PM10污染指数全年最高;大于等于1 mm的降水对空气净化作用效果较小于1 mm的降水显著;春季气旋控制下,5级以上西风可形成中度以上污染,而非气旋控制下,6级以上西风才可形成中度以上污染。     

四川雅安三种主要大气污染物浓度与气象条件的关系及其预测研究

基于四川雅安城市空气质量预报和大气污染防控的需求以及冬季以颗粒物(PM_(2. 5)和PM_(10))污染为主、夏季以臭氧(O_3)污染为主的特点,本文利用雅安市2015-2018年空气污染监测数据以及同期气象观测资料,重点分析雅安市空气污染物PM_(2. 5)、PM_(10)和O_3浓度变化特征的基础上,利用灰色关联度方法对上述污染物浓度与气象要素的相关关系进行了细致分析;通过BP神经网络进行两者的数学建模,构建了雅安市空气质量短期预报模型,并进行了试预报检验。研究表明:雅安市2015-2017年期间污染物O_3、PM_(2. 5)、PM_(10)浓度呈上升的趋势,空气质量达标率自2015年的92. 7%降低到2017年的82. 2%,2018年达标率略有上升为88%,但仍出现了9天中度污染和1天重污染。污染物浓度与气象要素变化相关密切,其中,降雨量和气压与PM_(2. 5)和PM_(10)污染关联最大,表明雅安作为四川盆地的"雨城",其降水对颗粒物的湿清除效应是很显著的;而气温和风速与O_3污染关联最大,恰好反映了高温和由高温所隐含的强辐射对O_3生成的促进作用。由BP神经网络所建立的雅安O_3预报模型,其准确度较稳定,各季7天平均相对误差都19%,并且预报效果排序为夏季冬季秋季春季;由BP神经网络所建立的雅安PM_(2. 5)预报模型,其在春季和夏季预测准确度较好,两季7日平均相对误差都16%,秋季相对误差略高一点,其四季预报准确度排序为夏季春季秋季冬季。此研究结果可为当地空气质量预报业务的开展提供技术支持。     

CUACE系统在乌鲁木齐空气质量预报中的效果检验

采用2013年12月1日—2014年2月28日空气质量观测数据,对CUACE系统在乌鲁木齐空气质量预报中的效果进行离线检验。结果表明,在污染物浓度和空气质量分指数方面,NO2的预报效果优于PM10和PM2.5,28 h预报时效的预报效果优于52 h预报时效;在首要污染物预报结果中,28 h预报时效的总体预报效果优于52 h,28 h预报时效中PM2.5预报正确率为65%;从空气质量等级的预报效果来看,28 h预报时效与52 h预报时效无明显差别,对NO2和PM10的预报准确率达到100%,对PM2.5三级预报准确率达到90%以上,对二、四级预报准确率在70%～80%之间,对五、六级重度污染预报值偏低两个级别或以上。     

2004年北京市沙尘天气对空气质量影响的对比分析

北京市环保局近几年的空气质量监测报告表明：PMIO污染显著,一直居高不下,是最主要的污染物,全年中其占首要污染物的天数超过90％;SO2的污染趋势已经得到控制;NO2的污染状况改善相对较小,但整体呈现缓慢下降的趋势。通过对2004年春季北京市发生的3次沙尘天气过程的分析与比较,结合北京市3月份的空气污染物浓度（或指数）的变化情况,总结了沙尘天气对空气质量的影响情况,为今后北京地区沙尘天气的空气质量预报提供参考。     

沈阳空气质量时空变化

利用2000年3月至2002年4月20日沈阳市区5个大气自动监测子站的SO2、NO2和PM10资料分析了沈阳城市空气污染平均状况、时空分布特点及其与气象条件的关系，得出：（1）沈阳城市空气主要污染物年平均日值温度NO2达国家空气质量要求标准，空气质量状况属于良好范畴，而SO2和PM10超标，属于轻度污染；PM10为沈阳城市首要污染物；（2）沈阳城市空气污染冬季最重，其次是春季，夏季最轻；一天中08时和19时左右污染严重，15时和02时左右污染较轻；（3）近市中心区点（太原街，中街一带）空气污染相对重些，各区点空气污染状况差异冬季更为明显；（4）影响沈阳城市空气污染浓度变化的主要气象因子是温度、风速和风向。     

南昌市空气质量预报产品检验分析及统计订正试验

利用南昌市环境空气质量监测数据,对比分析了WRF-Chem模式和国家级空气质量预报指导产品对6种污染物浓度的预报效果,并采用时序法、时刻法和标准化法3种训练样本构建方案,利用BP神经网络法对WRF-Chem模式和国家级空气质量预报指导产品6种污染物浓度的预报结果进行订正试验。结果表明:1)WRF-Chem模式预报的6种污染物浓度的预报误差整体比国家级空气质量预报指导产品的预报误差要小,即WRF-Chem模式的预报效果优于国家级空气质量预报指导产品。2)WRF-Chem模式6种污染物浓度预报值与观测值的均方根误差的日变化均呈波动形式,除了O3在10时开始升高到18时达到峰值以外,其余的污染物均是从10时开始下降到16时或18时达到谷值。国家级指导产品6种污染物浓度预报值与观测值的均方根误差日变化则略有不同,除了NO2和O3分别在08时和20时达到谷值以外,其他4种污染物均是在14时达到谷值。3)采用标准化法对CO、SO2、PM10、PM2.5集合订正后的误差比WRF-Chem模式的要小;时刻法、时序法对NO2、SO2、PM2.5集合订正后的误差比WRF-Chem模式的要小,预报效果对单一模式预报结果有一定改进作用。     

一次雾霾过程中气象因子与细颗粒物浓度关系的研究

利用常规气象观测资料及逐小时地面自动气象观测和环境监测部门的PM2．5浓度等资料,对2014年1月15～19日河北省持续雾霾天气期间气象因子与PM2．5浓度的关系进行统计分析。结果表明,PM2．5是造成霾阶段水平能见度下降的主要因素,相对湿度在40％～60％之间时,能见度与PM2．5浓度相关性最好,随着相对湿度的增大,PM2．5浓度对能见度的作用呈减小趋势;雾阶段能见度与相对湿度的相关性明显好于PM2．5浓度值。西北大风对河北PM2．5浓度的平均清除率在94．3％,去除时间平均为3．7 h,可使PM2．5空气质量分指数达到优或良的等级,降雪对PM2．5浓度的清除作用明显小于大风,很难将PM2．5空气质量分指数降到优或良。     

影响上海市空气质量的地面天气类型及气象要素分析

地面天气形势及气象要素的变化在空气污染潜势预报中具有很好的指示作用。利用天气学原理将地面天气系统进行分型,探索研究不同地面天气类型对上海空气质量变化的影响。整理、分析2003—2005年地面天气类型和气象要素与空气质量的关系,发现:(1)上海秋冬季以大陆冷性高压系统移动为主,而夏季主要以副热带高压和台风影响为主,春季是冬季与夏季之间的过渡,天气系统转换较为频繁。(2)春、秋、冬季易引起上海市空气污染的天气类型有L型高压、高压、高压前和均压场4种地面天气类型,与空气质量优等级相对应的天气类型是低压槽、高压底和高压后。夏季空气质量优等级对应的天气类型主要有台风、高压(副高)和低压槽。(3)秋冬季节典型天气过程一般经历高压前(或冷空气)→L型高压→高压→高压后(或高压底)→低压槽的转换,PM10浓度变化也表现为先升后降。(4)气象要素的变化也与空气污染存在密切联系,气压与空气污染物的关系为正相关,而气温、相对湿度和风速与空气污染物浓度呈负相关。