北京市房山区大气污染物时空分布特征及气象影响因素分析

利用北京市房山区良乡镇和琉璃河镇内的区域自动气象站和环境监测站观测数据,对2013年至2015年PM_(2. 5)、PM_(10)、NO_2、SO_2、CO 5种大气污染物浓度变化特征进行了统计分析。结果显示,近3年来,两个镇综合污染物指数呈现逐年下降趋势,各污染物对房山区整体大气污染的贡献率从大至小依次为PM_(2. 5)、PM_(10)、SO_2、NO_2、CO,PM_(2. 5)已取代传统大气污染物SO_2成为房山区的主要大气污染贡献体。两个站点各污染物浓度均表现出明显的季节、月、日变化特征。在不同季节条件下,局地气象要素与污染天气发生概率之间有着很好的相关关系。因此,可根据气象要素分级方法找出各季节污染天气发生时最敏感的气象因素,为局地污染天气预报提供参考指标,也为防范空气污染、制定科学的综合管理措施提供科学参考。     

北京市朝阳区主要大气污染物浓度变化特征

利用2011—2013年北京市朝阳区国家一般气象站PM_(2.5)、O_3、NO、NO_x、CO和SO_2的大气成分监测资料,分析了朝阳区6种主要大气污染物浓度不同时间尺度的变化特征.结果表明:2011—2013年朝阳区PM_(2.5)浓度呈明显增长的趋势,达到重度污染等级的日数增多;而O_3、NO、NO_x、CO和SO_2等气态污染物的年平均浓度变化较小,无明显增长的趋势,5种气态污染物浓度季节差异明显.除O_3浓度为夏季高、冬季低外,PM_(2.5)、NO、NO_x、CO和SO_2浓度均为夏季低、冬季高,可能与冬季采暖期排放的污染物增多有关.污染物浓度的日变化除O_3呈单峰型外,其他5种污染物浓度日变化均大致呈双峰型,可能与人类活动及天气条件有关.朝阳区与宝联、顺义、上甸子地区等代表"城市—近郊—远郊站点的污染物浓度日变化存在极大的差异性,其中PM_(2.5)浓度差异最明显,朝阳站PM_(2.5)浓度日变化呈双峰型,宝联站PM_(2.5)浓度日变化呈三峰型,昌平和上甸子站PM_(2.5)浓度为峰值出现在夜间的单峰型日变化.由此可见,不同地区因城市化发展程度不同,导致局地污染物浓度存在明显的差异.     

华东农田秸秆燃烧对常州大气环境的影响

为研究2012年6月6—15日华东农田秸秆燃烧对江苏省常州市大气环境的可能影响,利用中分辨率成像光谱仪(MODIS)火点探测数据、气溶胶光学厚度(AOD)数据、臭氧监测仪(OMI)的二氧化氮(NO2)柱含量密度、大气红外探空仪(AIRS)的一氧化碳(CO)柱含量密度和地面监测的PM_(2.5)、NO_2、CO浓度等数据,结合天气形势和后向轨迹分析的方法进行了系统的分析。监测数据表明:华东地区2012年6月火点数目分别在9日和13日出现高值,分别达到1714和1654个;AOD、NO_2柱含量密度、CO柱含量密度与火点的变化趋势大致相同。利用HYSPLIT前向轨迹模式和火点分布可知:到达常州的高低空气流均经过火点源区时,地面和大气柱污染物浓度发生显著的协同变化;而当到达常州的高低空气流传输轨迹不同时,地面和大气柱污染物浓度变化趋势不一致。本次常州地区污染事件主要是由山西、河北、河南、山东、安徽、江苏北部的秸秆燃烧排放的大气污染物经大气高空传输扩散所致。     

降水对河北沧州大气污染物质量浓度的影响

基于2014—2019年河北沧州逐小时气象与环境监测数据,采用风力+背景浓度订正方法,进一步探讨降水对大气污染物浓度的影响。结果表明:风力+背景浓度订正方法可以较好地消除污染物浓度自身的日变化特征,并剔除了风的影响,从而更准确地获取降水对大气污染物浓度的影响。在风力+背景浓度订正条件下,降雨对PM_(2.5)、PM_(10)、NO_2、O_3有较好的清除作用,而对SO_2、CO的清除作用不明显。不同强度降雨对PM_(2.5)、PM_(10)、NO_2均具有较好的清除作用,且清除率随着雨强的增强而增大;雨强小于8.0 mm·h~(-1)的降雨对O_3有显著清除作用,而大于6.0 mm·h~(-1)的降雨对SO_2有清除作用。伴随着降雨的持续,PM_(2.5)、PM_(10)、NO_2、O_3质量浓度不断下降,降雨清除效率也随之降低,当污染物质量浓度降至一定阈值后降雨清除作用不明显。     

降水对重庆市大气污染物浓度的影响分析

利用2013—2015年逐日沙坪坝气象站气象及临近的环境监测数据,探讨降水对重庆市大气污染物浓度的影响,结果表明:PM_(2.5)、PM_(10)、SO_2浓度随降水量增加逐渐降低,降低趋势线较为明显,降低幅度为SO_2的 PM_(10)的PM_(2.5)的;NO_2和CO随降水量增加减少趋势不明显;O_3浓度随降水量的增加而逐渐增加。各类大气污染物在不同量级降水量时变化特征有所不同。在降水量小于1 mm时,弱降水的气象条件更有利于污染物的积累,不利于污染的稀释扩散和沉降,空气质量恶化;大于1 mm后,降水对各种大气污染物均有明显的清除作用,清除能力随着降水量级的增加而增大,在降水量大于10mm后湿清除能力明显提升,降水量大于20 mm时湿清除能力最强,粗细颗粒与雨滴碰并效应增加,降水对PM_(10)和PM_(2.5)的湿清除率分别达30%和25%。连续降水时,各季节降水对各类大气污染物的湿清除能力不尽相同:冬季降水对PM_(2.5)湿清除作用最为明显,对其余污染物清除作用从大到小依次为PM_(10)、SO_2、NO_2、CO,而O_3在冬季降水使O_3浓度增加非常明显,通常冬季臭氧浓度相对较低,降水一定程度上使冬季空气质量变好,太阳辐射增加,二次污染物光合作用增强,臭氧浓度也一定程度上增加。     

安徽省大气污染物浓度的周循环特征评估

大气质量的周循环特征反映了人类周期性的活动规律对大气环境的影响。基于安徽省16个城市PM_(2.5)、PM_(10)、CO、NO_2、SO_2和O_3这6种污染物的监测结果,对安徽省大气污染的周循环特征进行了评估。首先基于原始逐小时污染物浓度时间序列在日和周窗口时间宽度上的滑动平均序列,定义了周循环距平百分率序列的计算方法,排除了日循环和长期低频变化的影响。以此为基础,基于合成分析以及贝叶斯统计分析,发现这6种大气污染物中,PM_(2.5)、PM_(10)、CO和NO_2有着较为明显的周循环变化特征,其周循环距平百分率有着较大的变幅;而O_3的周循环特征相对不明显。主成分分析获得的周循环,第1模态发现除O_3以外的其他5种污染物的周循环有着同样的演进模式,即从周三开始持续到周五的累积和周六之后的衰减;O_3的周循环峰值与谷值与其他污染物存在着大于12 h的滞后,反映了在周循环尺度上O_3距平变化对其光化学反应前体距平变化的滞后响应特征。     

北京一次污染天气过程特征的数值模拟

运用耦合了化学模块的中尺度数值模式WRF/Chem和自NCAR引进的人类污染物排放源数据对北京地区2012年8月31日污染天气过程的特征进行了数值模拟,结果表明模拟的臭氧(O_3)浓度具有明显的日变化特征,高、低峰值分别出现在午后和夜间,空间分布与流场有一定关系;PM_(2.5)也存在日变化,但空间分布相对稳定,高值主要聚集在城区;局地污染物具有水平输送特征,但因总量为零,并未加重污染物的局地聚集;来自北京南部的远距离输送是这次污染物的主要来源之一。敏感性试验分析发现,这次过程的O_3污染主要来源于北京之外的外源输送,而细颗粒物主要来源于本地生成;O_3污染对前体物(NO_x)的敏感性比较平稳,对挥发性有机物的敏感性起伏较大,凌晨至上午最为明显。     

降雨天气对大气污染物浓度的影响分析

利用2014—2016年的中国气象局地面观测资料和中国环境保护部公布的6种大气污染物浓度数据,对降雨天气前后的大气污染物浓度变化进行分析。结果表明:在京津冀、长三角和珠三角区域,降雨天气后6种大气污染物浓度降低的时次约占43%—60%,其中PM_(10)浓度降低最为明显,PM_(2.5)、O_3、SO_2和NO_2次之,最不明显的是CO。一般而言,降水天气前大气污染物浓度越高,降雨后浓度降低的时次所占比例越大,浓度降低值也越大,但当降雨天气前大气污染物浓度较低时,降雨天气后浓度升高的个例也很多,约占21%—61%。京津冀地区由于平均大气污染物浓度较高,降水天气对大气污染浓度的降低效果比长三角和珠三角地区更明显。对于大多数降雨时次,小时降水量越大,大气污染物浓度降低的时次所占比例越大,但浓度降低值反而越小。例外的是,小时雨强大于10 mm的降雨后,京津冀地区的O_3和SO_2浓度以及长三角地区的PM_(10)、PM_(2.5)和SO_2浓度降低程度不如小时雨强小于10 mm时;而珠三角地区的NO_2和O_3在降雨后的浓度变化对小时雨强不敏感。在京津冀地区,降雨天气对较大浓度的O_3清除作用非常明显。在长三角和珠三角地区,降雨前CO浓度较低时,降雨后浓度升高时次比浓度减小的多;另外,降雨天气对SO_2的清除作用非常明显。     

重庆市一次严重雾霾过程的阶段性特征及成因

针对2014年1月26日—2月3日重庆市主城区出现的一次严重雾霾过程,对污染物浓度、环流形势和气象要素进行综合分析。结果表明,雾霾强度变化与AQI指数、PM_(10)和PM_(2.5)浓度有比较好的对应关系,PM_(10)和PM_(2.5)是此次过程的首要污染物,SO_2和NO_2有明显的单峰型日变化,但对AQI指数的影响较小。高空持续稳定纬向环流和中低空西南暖湿气流,逆温层持续存在且低空风速小是有利于连续雾霾过程的背景条件。地面平均风速小,平均日温差小,相对湿度大于85%,能见度低使地面湍流活动弱,大气维持静稳状态,空气污染持续加重。     

江苏淮安地区大气污染变化特征及其与气象条件的关系

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PM_(10)、PM_(2.5)、SO_2、NO_2、CO、O_3逐日质量浓度资料及同期气象资料,统计分析了该地区空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PM_(10)、PM_(2.5)占比分别达到25.2%、48.9%,PM_(10)中PM_(2.5)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。     

2020年南昌市大气污染特征与潜在源区

基于南昌市大气环境监测、地面气象观料和GDAS等资料,主要采用后向轨迹聚类分析、潜在源贡献因子和浓度权重轨迹分析方法,分析了2020年南昌市大气污染特征和污染物潜在源区。结果表明:1)南昌市春、夏、秋季以O_(3)污染为主,冬季以PM_(2.5)污染为主。2)大气污染物质量浓度日变化具有明显的季节性特征,PM_(2.5)和PM_(10)在春、秋、冬季呈双峰形分布,NO_(2)在秋、冬季呈弱双峰形分布,春、夏季呈单峰分布,O_(3)呈单峰形分布。南昌市东部大气污染较西部更严重。3)南昌市气流输送季节差异明显,春、秋、冬季主要受偏北气流影响,夏季主要受偏南气流影响。本地源是南昌市大气污染的主要潜在源,安徽省南部、湖北省东部、上饶市西部和九江市的区域输送也有一定贡献。     

临沂地区秋季一次重霾天气的特征分析

利用大气观测、探测及污染物探测资料、NCEP再分析资料和GDAS资料,对2013年10月26—29日一次持续性重霾天气过程中的气象要素和气溶胶演变特征进行分析。结果表明:本次持续性霾天气过程中,临沂地区PM_(2.5)污染严重,大气中PM_(2.5)的小时平均浓度工业区城区郊区,污染最严重时分别为365,344,284μg·m~(-3);较小的地面平均风速及PM_(2.5)浓度的稳定上升和较低的地面湿度为本次霾天气过程的形成和发展提供了有利条件;当临沂地区以南风或西南风为主时,市区霾天气加重,上游空气污染具有平流输送特征。贴地逆温层的形成,导致污染物在低空不断积累,造成污染浓度的持续升高。地方政府应加快产业结构调整,控制企业的污染物排放,才是治理雾霾的根本办法。     

武汉市空气质量状况与气象条件的关系

基于2013年武汉市环境监测数据和气象要素资料,分析该市空气质量状况与气象条件的关系。结果表明,武汉市全年平均空气质量指数(AQI)为135,良和轻度污染所占比例分别为35%和30%。雾天、霾天、晴天、雨天四种天气条件下,6种污染物(SO_2、NO_2、CO、O_3、PM_(2.5)和PM_(10))浓度值基本上为雾天最高、霾天次之、晴天再次之、雨天最低,雾天00—08时污染物浓度明显高于其他天气条件;PM_(2.5)浓度与降水量的相关性较差,中雨量级时,降水对污染物的清除作用显著,PM_(2.5)浓度下降明显,当日降水量小于1 mm时,PM_(2.5)浓度略有上升,平均上升1.3μg·m~(-3)左右,这与微量降水的大气增湿作用有关;PM_(2.5)浓度变化与相对湿度(RH)和风速的关系较明显,其相关系数分别为0.87和-0.72,当RH70%且每增加10%时,PM_(2.5)浓度增加10μg·m~(-3)左右;静风和风速很大时,污染物浓度相对较高,东南风影响下PM_(2.5)浓度在四季均较高,而秋、冬季在西北风影响下PM_(2.5)浓度最高;PM_(2.5)浓度主要增长阶段以正变温、负变压为主。     

APEC会议期间北京地区大气污染物的分析研究

该文利用北京市通州区环保局、北京市环境保护监测中心自动检测网络站点数据及NCEP(1°×1°)再分析资料,分析了2014年北京APEC会议期间各污染物浓度值的变化,分析表明:管控期内PM_(2.5)、NO_3浓度下降明显。PM_(2.5)、NO_2呈现双峰现象,O_3、SO_2呈现单峰态。同时,北京市人口稠密区夜间PM_(2.5)污染较为严重,仍需控制NO_2的排放量。并探究管控措施实施效果,为今后重大活动空气质量保障提供参考。     

苏州市一次重霾污染天气过程的数值模拟

本文对苏州地区2015年12月13—15日发生的一次典型的重霾污染天气过程进行了数值模拟,分析了颗粒物及其组分的时空变化特征及其气象影响因子,以期为该区域空气污染治理和预防提供科学依据。结果表明:(1)利用WRF-Chem模式对此次重霾污染天气过程的污染气体成分进行数值模拟后发现,小时平均的PM_(2.5)、PM_(10)、CO、SO_2、NO_2模拟值与实测值的相关系数较高,达到0.68以上,通过了P0.01的显著性检验,且日变化过程对应也较好。(2)通过分析此次污染过程的天气背景,发现污染形成期高空环流比较平直,中层为均匀的弱高压控制,地面受弱高压脊控制,这种形势容易导致颗粒物的堆积。后期地面等压线密集时,风速大,有利于污染物的输送与扩散。(3)通过分析此次污染过程期间气象要素的变化发现,有逆温、风速小、相对湿度大等不利的气象条件是导致此次污染过程发生的重要原因之一。(4)HYSPLIT轨迹分析显示,此次重霾过程主要受北方大范围灰霾颗粒物南下影响,北方污染气团逐步南推,14至15日本地大气扩散条件差、污染物累积,最终导致本地污染加重,从而发生重霾事件。(5)火点图的分布进一步验证了此次重霾污染过程是由外来污染气团输入所导致。     

2015-2017年中国近地面O3污染状况与影响因素分析

利用2015-2017年环保部发布的近地面臭氧(O_3)和其他3种污染物[粒径小于2. 5μm的颗粒物(PM_(2.5))、一氧化碳(CO)、二氧化氮(NO_2)]小时浓度数据和美国国家气候资料中心收集的气象要素监测数据,分析了中国近地面O_3污染状况,并用逐步回归方法分析了影响O_3重污染区域夏季近地面O_3浓度的因素。结果表明,2015-2017年我国O_3日最大8 h滑动平均浓度(O_3MDA8)年平均值分别为83.02±16. 79,87. 05±14. 32和94. 70±13. 89μg·m~(-3)。O_3MDA8浓度逐年增长(增长率14. 07%),其中冬季增长最快(增长率范围14. 67%～34. 32%),夏季增长最慢(增长率范围2. 32%～14. 16%)。京津冀、长三角、山东半岛、川渝和中原地区近地面O_3污染较重,影响这5个区域近地面O_3浓度的主要因素为温度、相对湿度和PM_(2.5),除此之外京津冀和川渝地区的近地面O_3浓度受NO_2影响明显,中原地区的近地面O_3浓度受CO影响明显。     

宁波市大气混合层厚度变化特征及其与空气污染的关系

基于2001—2014年宁波市每日4个时次(02时、08时、14时、20时)的常规气象观测资料和同期宁波市环保局空气污染物(SO_2、NO_2、PM_(10))浓度的日监测数据,采用最小二乘曲线拟合法计算了2001—2014年宁波市大气混合层厚度,并分析了大气混合层厚度的时间变化特征及其与空气污染的关系。结果表明:2001—2014年宁波市年平均大气混合层厚度波动变化明显,大气混合层厚度极大值和极小值分别出现在2004年、2007年,分别为866.1 m和746.1 m。水平风速对宁波市大气混合层厚度的影响较大。春季和7月、8月宁波市大气混合层厚度较大,秋季和冬季大气混合层厚度较小,而6月大气混合层厚度最小。大气混合层厚度在中午达最大值,夜间达最小值,大气混合层位于500.0—1200.0 m高度的出现频率最高。随着大气混合层厚度增大,污染物浓度被稀释。夏季,大气混合层厚度对PM_(10)、SO_2和NO_2浓度的调节能力较强。由于输入性污染的影响,冬季PM_(10)与SO_2浓度的极大值明显高于夏季,同时大气混合层厚度的变化对PM_(10)和SO_2浓度的增减效应比夏季明显削弱,但对NO_2浓度的影响较小。另外,当大气混合层厚度位于500.0—1200.0 m高度时,在同一大气混合层厚度下,同一污染物浓度的变化范围较大。     

辽宁省中部一次重污染过程城市间污染差异及成因

利用常规气象站地面观测资料、环境监测站污染物监测资料以及欧洲中心再分析资料等,对辽宁省一次秸秆燃烧引起的重污染天气过程进行分析,探讨不同城市间污染程度的差异及成因。结果表明:(1)此次重污染过程主要污染物成分为CO,PM_(2.5)质量浓度与CO和NO_2质量浓度的时间变化有很好的对应关系,能见度受PM_(2.5)质量浓度和相对湿度共同影响;(2)营口和盘锦前期1.0 mm以上的弱降水过程对污染物湿沉降作用明显,而其他城市降水量较小反而有利于污染物的吸湿增长;(3)重污染期间,地面至700 hPa高度的水平风速均接近4 m·s~(-1),大气层结稳定,逆温层明显,抑制了污染物的垂直扩散;(4)除锦州外,其他4市850 hPa和900 hPa高度间0℃左右的暖层长时间维持,可能为污染物颗粒表层水分相态的变化、碰并增长提供了有利的环境;(5)污染期间,吉林和黑龙江一带存在大量火点,大面积秸秆集中燃烧是下风向辽宁中部地区主要污染源,在有利于污染物积累的天气条件下,需要加强本地和外来污染源的控制。     

长三角地区城市O_3和PM_(2.5)污染特征及影响因素分析

O_3和PM_(2.5)是影响长三角地区空气质量的主要污染物。利用2016年33个城市大气环境监测站6项污染物的小时浓度及4个省会城市的气象数据进行统计分析,研究了该地区O_3和PM_(2.5)浓度的时空分布特征及其影响因素。结果表明:长三角地区O_3年平均浓度为50～73μg·m~(-3),平均为61μg·m~(-3);除芜湖和宣城外,其余31城市均存在不同程度的超标状况,超标率为0.34%～18.86%,平均为5.68%。O_3在5月和9月达到浓度高值;四季O_3日变化均呈单峰型,峰值出现在15∶00,夏季O_3峰值浓度最高值为157μg·m~(-3)。O_3浓度沿海城市整体高于内陆城市;夏季宿迁—淮安—滁州片区O_3污染较重。O_3与NO_2、CO显著负相关,且与NO_2相关性较强;O_3与气温、日照时数显著正相关,与相对湿度、降水呈负相关。PM_(2.5)年平均浓度在25～62μg·m~(-3)范围内,平均为49μg·m~(-3);各城市均出现PM_(2.5)超标,滁州PM_(2.5)超标率最大,为23.91%。PM_(2.5)在3月和12、1月达到浓度峰值;其日变化呈双峰型,09∶00—10∶00和22∶00—23∶00达到峰值。冬季徐州PM_(2.5)浓度最高,为102μg·m~(-3)。PM_(2.5)与NO_2、CO、SO_2、PM_(10)显著正相关,与气温、风速、降水负相关。     

深圳一次冷锋前高压脊影响下重度霾污染过程的数值模拟

利用WRF-Chem模式,模拟了2014年1月3—4日深圳市发生的一次冷锋前大陆高压脊影响下的重度霾污染天气过程的发生、发展及消散各阶段的温度场、风场、大气边界层以及污染物的三维结构特征,分析了PM_(2.5)时空变化特征及与气象环境场的关系,结果表明:(1)模式对该次重霾污染天气过程PM_(2.5)模拟值与实测值的相关性较好,能够较好地再现该次霾过程的污染物质量浓度场特征,但PM_(2.5)质量浓度整体略偏大;(2)PM_(2.5)质量浓度模拟结果表明,高质量浓度位于深圳中西部地区,中西部污染较东部严重,PM_(2.5)污染时段主要出现在20:00—02:00,与霾严重时段相吻合;(3)通过分析此次污染过程温度场、风场、大气边界层以及污染物的三维结构,首要污染物PM_(2.5)质量浓度的分布与大陆高压脊影响下造成的持续大范围弱北风、强下沉气流、较低的大气边界层以及逆温层有密切关系。持续弱北风和强下沉气流不利于污染物的水平和垂直扩散,较低大气边界层促进污染物在边界层内快速积累;逆温层的存在进一步抑制了大气垂直扩散能力,使得霾天气加剧。