2017年上海臭氧污染气象条件分析及臭氧污染天气分型研究

根据2016-2017年上海空气污染物和相关气象要素数据,分析上海2017年O₃变化特征以及气象影响因素,并对造成O₃污染的天气系统进行主观分型。结果表明：2017年上海市空气质量优良天数为275 d,占全年天数的75.3%,O₃-8h污染天数为55 d。上海市O₃-8h年均浓度115 μg·m^-3,同比增幅超过10%,为2013年以来的最高值,主要体现为夏半年O₃浓度的上升。与2016年相比,2017年夏半年西太平洋副热带高压偏西偏强,上海地区风速风向、温度、水汽、光照、辐射条件均有利于O₃浓度上升。造成2017年高浓度O₃污染主要有4种天气类型：副热带高压控制型（SH）、地面高压型（G）、均压场型（J）和低压型（D）。其中副热带高压控制型是典型的O₃-8h污染天气型,占总污染日数的29.1%,且污染程度较重;低压型出现次数较少;地面高压型的臭氧平均污染程度最弱。     

汾渭平原PM2.5-O3复合污染特征及气象成因分析

PM_2.5和O₃已经成为汾渭平原城市最主要的污染物,两者之间相互影响,在暖季经常同时出现构成污染,其污染程度与气象条件密切相关。利用2015—2021年汾渭平原12个城市逐日PM_2.5和O₃浓度、地面气象观测数据以及ERA5高空再分析数据等资料,分析了汾渭平原PM_2.5和O₃的时空变化特征以及复合污染发生时PM_2.5和O₃的关系,并研究了局地气象条件和天气形势对复合污染的影响。结果显示,该地区年均PM_2.5和日最大8小时O₃浓度分别在2017年和2018年开始持续下降,复合污染日数也在2019年后开始持续下降;复合污染主要发生在3—9月,在汾渭平原东部城市出现次数较多,多出现在高温、低湿的环境下;最后利用T-PCA算法(正交主成分分析)将复合污染的天气环流形势分为4种类型,主要呈现出以高空西北气流或偏西气流、低层为暖区偏南风或微风为主的天气特征。研究结果对汾渭平原的大气...     

上海地区AQI变化特征及与气象因素的相关性

基于上海地区2012—2016年逐日PM_2.5、PM₁₀、CO、O₃、SO₂、NO₂的分指数（individual air quality index,IAQI）数据以及同期气象要素（风速、降水量、气温、相对湿度、总云量、低云量）、逆温数据和高空大气环流数据,分析了上海地区空气质量指数的时间变化特征和气候要素对空气质量的影响,并选取PM_2.5和O₃污染天气过程及其邻近的非污染天气过程,对比分析高空大气环流形势的差异。结果表明：上海地区出现PM_2.5、PM₁₀和NO₂污染天气在冬季最多,分别为31.4 d、10.0 d和14.8 d,而O₃污染天气在夏季最多（18.8 d）。风速和低云量是影响PM_2.5污染的重要气象因素,最大相关系数分别为-0.313和-0.261,O₃污染则与气温和日照时数密切相关,最大相关系数分别为0.449和0.363,PM_2.5、O₃污染的发生也与前一日以及当日出现逆等温天气存在较好的相关性。在PM_2.5污染天气过程,上海位于槽后高压前部,850 hPa有较强西北风,而非PM_2.5污染天气过程中上海位于高压后部,低层850 hPa为东南风。在O₃污染天气和非污染天气过程,中国东部长波射出辐射（Outgoing Longwave Radiation,OLR）分别为正、负距平,副热带高压控制下上海晴热少云,易引起O₃污染,反之上海上空云系多,不容易出现污染。     

2018～2021年春季云南空气质量变化规律及境外生物质燃烧影响分析

近年云南春季的大气污染问题凸显，成为打赢蓝天保卫战的关键阻力。本文基于地面监测和卫星遥感数据，分析了2018～2021年春季云南空气质量变化，并研究了气象要素和境外生物质燃烧对空气质量的影响。结果显示，近4年全省春季污染物超标262 d(含6 d重污染)，占全年91.3%，滇南高达96.8%；污染集中在3月中旬至4月中旬，2019年污染最重，2021年次之，但优天减少良天增加明显，2020年尽管污染物浓度最低，但发生6 d重污染；空间分布表现为滇南远高于滇中和滇北，且西双版纳最高，占总超标天数的27%，但臭氧(O₃)滇西南和滇中最高，以普洱为首；超标天的首要污染物仍以PM2.5为主，但2018和2019年O₃占比略高于PM2.5。总体PM2.5和O₃存在显著的正协同效应，高臭氧促进PM2.5二次生成。PM2.5和O₃污染发生都与西南风和少降水密切相关，叠加中高温、中低湿加剧O₃污染发生，叠加中高温度和湿度易导致PM2.5超标；叠加中高温度和中等湿度,易形成O₃     

河源市空气质量首要污染物特征及其与气象条件的关系

基于2017-2019年河源市空气质量数据,分析了河源市首要污染物的年际变化特征,同时利用2019年东埔国控站点的首要污染物与气象要素进行了相关性分析,并以典型污染日为案例,分析了气象条件对污染过程的影响。结果表明：2017-2019年细颗粒物（PM_2.5）污染日比重大幅度降低,以臭氧（O₃）为首要污染物的污染日逐年增加,污染形式逐渐从颗粒物污染向臭氧污染发生转变。O₃浓度与温度和湿度分别呈正负相关关系,高浓度O₃主要出现在（20-30℃,25%-55%）阈值之间,在吹西北偏北风时O₃浓度也较高。PM_2.5和PM₁₀与湿度也呈负相关关系,温度与湿度组合在（8-13℃,40%-55%）范围内时两者容易同时出现高值;在夏季PM_2.5和PM₁₀还与温度具有较强的正相关关系,这意味着高温情况下河源有出现颗粒物与O₃复合污染的可能。河源市典型污染日具有风速较小局部扩散不利的特征,低温低湿条件下容易出现PM_2.5污染,且主要受到区域的传输影响;而高温低湿条件下容易发生O₃污染,且较高的前体物浓度容易加剧O₃的本地污染。     

2015—2017年唐山市PM2.5重污染生消气象条件分析

利用2015—2017年唐山市空气质量日空气质量指数、小时PM_2.5浓度和气象数据,分析了唐山市重污染特征及PM_2.5重污染生成、消散气象条件。结果表明：2015—2017年唐山市重污染天数为减少趋势,年平均重污染天数36 d。冬季发生重污染天数最多,秋季次之。重污染天气中首要污染物为PM_2.5、PM₁₀和O₃,PM_2.5为首要污染物占比87%,PM₁₀占比6%,O₃占比7%。小时PM_2.5浓度与相对湿度、总云量、24 h变温正相关,与风速、气温、风向、1 h降水负相关。冬季相关性最好,其次是秋季和春季。90%PM_2.5重污染相对湿度均为50%以上,冬季和秋季高达98%;风速大于4 m·s^-1时,有0.7%的PM_2.5达到重污染;降水对PM_2.5有一定清除作用。升温、湿度增加和负变压有助于污染天气形成,生成过程中平均风速为1.8 m·s^-1,主导风向为SW,其次是S、W。降温、湿度下降、正变压、降水有助于污染天气消散,消散过程中平均风速为3.1 m·s^-1,主导风向为E,其次是NE、N。各方位3 m·s^-1的风具有清除能力,偏北风具有较好清除能力,风速较其他方向风速小。     

京津冀及周边地区大气细颗粒物和臭氧对医院日门诊量的急性影响及季节性差异

探究京津冀及周边地区大气细颗粒物（PM_2.5）和臭氧（O₃）短期暴露对人群因病就诊的急性影响及其季节性差异,为区域性大气污染的协同治理提供流行病学证据。收集2013年1月1日—2018年12月31日京津冀及周边地区共14个城市100家医院门诊的日就诊量,以及大气PM_2.5和O₃日均浓度和气象因子数据,基于时间序列研究设计,采用二阶段统计分析策略（广义相加模型联合meta分析）,在控制气象因子和时间趋势等混杂因素的基础上构建双污染物模型,分析大气PM_2.5和O₃短期暴露对人群因病就诊的影响。研究期间,大气PM_2.5和O₃日均浓度平均分别为 72.2±56.8 μg/m3和 58.2±36.9 μg/m3,医院门诊就诊量达6257万人 · 次。双污染物模型结果显示,移动平均滞后0—1 d的PM_2.5和O₃暴露浓度每升高10 μg/m3,医院门诊就诊量分别增加0.25%（95%置信区间（95%CI）:0.20%—0.29%）和0.15%（95%CI:0.07%—0.22%）;拟合季节分层模型发现,冷季PM_2.5暴露对门诊就诊量的急性影响较强,而O₃相关效应则呈现出暖季较强的特征。京津冀及周边地区大气PM_2.5和O₃短期暴露均增大人群因病就诊的风险,提示应采取积极措施协同治理大气PM_2.5和O₃复合污染,同时重视污染物冷、暖季风险的差异。      

汾渭平原空气质量及气象要素对其日变化和年际变化的影响

汾渭平原因其封闭的地形条件以及煤炭为主的能源结构,大气污染问题一直存在,并于2018年被列入大气污染防控的重点区域。文章利用2015年以来PM₁₀、PM_2.5、SO₂、NO₂、CO、O₃质量浓度的观测数据和空气质量指数（Air Quality Index,简称AQI）,分析了汾渭平原AQI及大气污染物质量浓度的时空分布特征;使用多元线性回归模型研究了气象条件对冬季PM_2.5和夏季O₃浓度日最大8 h滑动平均值（MDA8_O₃）日变化和年际变化的影响。研究发现,汾渭平原的空气质量在2015～2017年间逐年变差,在2018～2019年有所好转,污染较重的城市为西安、渭南、咸阳、临汾、运城、三门峡、洛阳,集中在汾河平原与渭河平原交界处。汾渭平原的首要大气污染物多为PM_2.5、PM₁₀或O₃,三者占比之和约90%。重污染时期主要集中在天气条件不利及污染物排放量大的冬季供暖期,但夏季O₃浓度的升高趋势使得汾渭平原夏季污染情况越来越严重。影响汾渭平原冬季PM_2.5浓度和夏季MDA8_O₃日变化最主要的气象要素都是2 m高度气温（简称T2M）,相对贡献分别是45.5%、35.3%,都表现为正相关;第二主要的气象要素都是2 m相对湿度（简称RH2M）,相对贡献分别是41.5%（正相关）、25.4%（负相关）。影响汾渭平原冬季PM_2.5浓度年际变化最主要的2个气象要素是T2M和RH2M,其相对贡献分别为43.6%、31.9%,且都呈正相关,2015～2019年汾渭平原冬季气象条件的变化会导致PM_2.5浓度上升,部分削弱了人为减排导致的下降趋势（?8.3 μg m?3 a?1）。影响汾渭平原夏季MDA8_O₃年际变化最主要的2个气象要素是T2M（正相关）和850 hPa风速（WS850,负相关）,其相对贡献分别为71.7%、16.3%。2015～2019年汾渭平原夏季气象条件的变化导致O₃污染呈上升趋势（1.2 μg m?3 a?1）,但O₃污染的总上升趋势（8.7 μg m?3 a?1）中,人为排放变化的贡献更大（7.5 μg m?3 a?1）。本研究表明,汾渭平原大气污染形势严峻,其颗粒物污染问题尚未解决,还面临着新的臭氧污染的挑战,汾渭平原内的11个地级市分属陕西、山西、河南三省管辖,三省交界处又是重污染区域,所以需要三省联合防治防控,协同改善汾渭平原的空气质量。     

2016—2019年唐山市臭氧污染及其与气象条件的关系

利用2016—2019年唐山市逐时O₃浓度和气象数据,分析了O₃污染特征及其与气象条件的关系。结果表明: 2016年唐山市O₃超标天数为53 d,2017—2019年O₃超标天数每年在70 d以上,污染程度偏重。O₃月平均浓度值呈双峰型分布,6月O₃平均浓度值最大,达112.26 μg·m^-3,9月次之。O₃浓度超标日分布在3—10月,夏季超标天数最多,其他依次为春季、秋季,具有明显的季节变化特征。O₃日均浓度为15:00最大,日变化呈单峰型分布。O₃浓度与温度、风速正相关,与相对湿度负相关。气温高是导致O₃浓度超标的重要因素,日最高温度超过25 ℃时要考虑O₃浓度出现超标现象。相对湿度在50%左右及60%—80%时,O₃浓度超标率均大于30%,在60%—70%时O₃-8h浓度平均值达到最大。夏秋季O₃浓度超标率高与地面小风、较低的混合层高度有关。当日均风速1＜V≤4 m·s^-1时,O₃浓度超标率较高。容易产生中度以上O₃污染的天气形势场为500 hPa高空受西北气流或高压脊影响,850 hPa有西南或偏南气流经过,地面大多处在高压后部、低压前部或低压辐合区内。     

成都平原城市群夏季臭氧污染天气形势与潜在源分析

通过分析成都平原城市群8个城市2015-2019年夏季地面臭氧污染特征表明,近5年夏季平原O₃污染区域呈扩大趋势,成都市O₃＿8 h第90百分位浓度和超标日数均为最大,雅安、绵阳浓度较低但上升趋势显著。利用PCT客观天气分型方法,对近5年夏季成都平原及周边的位势高度场进行分型研究,结果表明：(1)700 hPa臭氧污染天气形势为高压型,500 hPa为西风槽后和平直纬向型,100 hPa为南亚高压中部和东部型;(2)近5年夏季典型O₃污染过程的高低空天气形势为西风槽后部、高压发展和高压控制型,污染过程期间成都平原多受到西风槽后西北气流或副热带高压脊线附近下沉气流的影响;(3)污染天气型具有高温低湿,小风强辐射,白天混合层高的特征。气流下沉增温和局地环流的作用抑制了污染物向高层扩散,促使边界层上部O₃下传并堆积于成都平原地区。采用HYSPLIT后向轨迹模式和潜在源贡献法(PSCF),探讨了不同天气型影响下成都平原O₃浓度输送的轨迹聚类和潜在源区。结果表明,本地和盆地城市之间的输送...     

2013—2016年海口市空气质量特征及典型个例污染物来源分析

根据海南省环境科学研究院提供的海口站2013—2016年逐日空气污染数据,统计分析了海口市空气质量状况。综合应用高低空环流场、AQI指数结合MODIS卫星蓝光气溶胶厚度图,采用HYSPLIT轨迹聚类分析法、潜在源贡献因子法和浓度权重轨迹分析方法,重点分析了2013年12月海口空气污染的的主要输送路径,并探讨了首要污染物PM_2.5和O₃的潜在源区。结果表明：冬夏季风风向转换是海口发生空气污染的最主要气象原因,且首要污染物为PM_2.5,其次是PM₁₀和O₃;海口市空气质量达标率在97.1%,总体较好,AQI指数呈逐年下降趋势;值得关注的是,O₃呈逐年稳定上升趋势。大气污染物浓度受污染物排放和环流场共同影响,海口污染日对应的地面天气形势主要有3种类型,冷高压、变暖高压脊和台风外围下沉气流。此次污染过程中污染源是来自北方地区污染物长距离输送影响的结果。污染物个例分析中,首要污染物PM_2.5潜在源区主要集中在湖南和江西的交界处、广东沿海地区、广西北部、江西和福建的交界处以及浙江中部地区,这些潜在源区气团沿着轨迹1、2和4通过长距离输送到海口。海口O₃质量浓度贡献较大的区域主要集中在湖南和江西的交界处、粤西一带,主要沿着轨迹2将内陆地区的污染源输送到海口。     

2018年冬季鲁西北大气污染特征及影响因子分析

利用2018年12月至2019年2月滨州、德州和聊城PM_2.5、PM₁₀、NO₂、SO₂、CO和O₃逐日质量浓度及其对应的气象资料,分析了鲁西北大气污染特征和影响因子。结果表明：2018年冬季鲁西北大气污染比较严重,聊城、德州和滨州轻度及以上污染天数分别占61%、60%和54%,重度以上染污天数分别占24%、11%和9%;首要污染物均为PM_2.5、PM₁₀和NO₂,其中PM_2.5占60%以上。PM_2.5、PM₁₀、SO₂、NO₂和CO日变化呈双峰双谷型,谷值分别出现在04-07时和15-17时,且下午比清晨更低,峰值出现在上午和下午交通高峰期后2-3 h,且峰值上午大于下午;O₃呈单峰型分布,09时出现极小值,18-19时出现极大值。PM_2.5是鲁西北主要的首要污染物,与PM₁₀、CO、NO₂均为显著正相关,并通过0.01水平显著性检验,与NO₂的相关性在低相对湿度(< 60%)时大于高相对湿度(≥ 60%),与CO的相关性在高相对湿度时大于低相对湿度;污染时段(PM_2.5>75 μg·m^-3)的平均相对湿度和平均温度明显大于清洁时段(PM_2.5 ≤ 75 μg·m^-3),清洁时段风速和气压比污染时段明显偏大。     

2013—2018年大连中心城区臭氧时空变化及其影响因子分析

基于2013—2018年大连中心城区O_(3)监测数据和气象数据,分析了该区O_(3)污染时空变化特征及气象要素对O_(3)污染的影响。结果表明:2013—2018年大连中心城区O_(3)已经逐渐成为最主要的大气污染物之一。O_(3)年平均浓度由2013年的66.66μg·m^(-3)上升至2018年的101.62μg·m^(-3)。秋季和夏季是大连O_(3)浓度较高的季节,其次是冬季和春季。O_(3)最高浓度月份主要为5月、6月及9月。O_(3)浓度日变化呈明显的单峰状,从上午08时开始增加,在下午14—16时达到最高,白天浓度高于夜晚。O_(3)污染物在2013—2017年从大连中心城区的西南向东北扩散。大连中心城区O_(3)与其他5种大气污染物均存在不同程度的负相关,与气温呈显著正相关,与相对湿度、气压及风速相关性较差。有利于大连O_(3)污染天气的气象条件主要为高气温(>30℃)、低湿度(≤80%)、低风速(1.5—2.0 m·s^(-1))、北风风向和长日照时间。高污染日的出现可能是受高温天气与本地逐渐增加的排放物共同影响。     

2017年漳州海陆风特征与冬春季污染物浓度关系

利用2017年福建漳州和南部海岛气象观测资料,通过统计分析和人工订正判识海陆风日,再结合天气形势和污染物浓度资料分析海陆风日的天气特征及其与污染物浓度的关系。结果表明：漳州海陆风日是海岛站的2.2倍,春夏季是海陆风的高发季节,秋冬季相对较少。冬季海陆风日主导天气形势为变性冷高压、高压后部、锋前暖区等,气象要素场配置为气压梯度小、气温高、风速小、日照时间长、湿度低、云量少,气象条件不利于污染物的稀释、扩散;海陆风影响下除了O₃,其他5种污染物浓度均高于系统风日2—3倍,其中颗粒物浓度明显偏高。与冬季不同,春季海陆风不仅对颗粒物浓度升高有利,对O₃浓度升高贡献更加明显,主导天气形势、气象要素场配置与冬季类似;海陆风影响下所有污染浓度均高于系统风日1—2倍,且易出现O₃超标现象。研究显示,漳州的海陆风全年发生频率虽然不到30%,但其特有的日变化规律和局地环流结构对污染物累积、输送具有重要的影响。     

冬季采暖优化对北京地区空气质量的影响

空气污染能够影响人体健康、交通运输、农业生产等,会对国家经济造成损失。多年来,北京一直是空气污染严重地区,而冬季燃煤采暖是一个重要的原因。2016～2017年,北京大力优化采暖的能源结构,旨在改善空气质量。本文通过分析5个位于北京不同区域的空气质量监测站的PM2.5、PM10、SO₂、NO₂和CO污染物浓度,对比了2018年和2015年的空气质量变化情况。结果显示:2018年5个站5种污染物浓度较2015均下降,平均下降幅度为37.3%,而5个站降幅最大的污染物浓度都是SO₂,平均降幅为59.2%。进一步分析表明,两年5种污染物浓度的差距主要来自冬季的取暖时期。2018年冬季5个站重空气污染（PM2.5浓度>150 μg/m3）天数较2015年平均下降率高达91.3%,比其他季节多了41.3%。相较于2015年,5个站平均的2018年冬季5种污染物浓度平均下降值是其他季节的4.8倍,平均下降的幅度是其他季节的2.3倍。逐小时数据分析显示,2018年较2015年冬季污染物浓度下降比较大的时刻主要来来自暖更多的时间段。结合气象条件分析表明,北京冬季采暖优化很大程度地提高了空气质量,这为有相似采暖方式的城市的空气污染治理提供借鉴和参考。     

气象因子和海风对秦皇岛市臭氧污染的影响

利用2017年9月至2019年9月秦皇岛市环境监测站污染物浓度资料以及秦皇岛市国家基本气象站和浮标站的气象数据,统计分析了秦皇岛市O₃污染特征以及气象因子和海风对秦皇岛市O₃污染的影响。结果表明：秦皇岛市O₃污染月变化特征表现为以5—6月和9月最为严重,10—12月和1—2月则无O₃超标天气出现。O₃污染的日变化特征表现为单峰型分布,午后O₃浓度最高而清晨O₃浓度最低。有利于秦皇岛市出现O₃污染的气象条件为太阳辐射强度850—950 W·m^-2、日最高气温高于32℃、无降水和相对湿度50%—60%、受SW和SSW风影响。秦皇岛市海风以6—8月最多,出现频率达50%以上,海风多在上午08—10时开始出现,午后12—15时达到最大,傍晚以后减弱结束;5—6月和8—9月有海风日的O₃-8h平均浓度均高于无海风日,且5月、6月和9月有海风日的O₃-8h月平均浓度高达155—166 μg·m^-3,海陆风环流对秦皇岛市的O₃污染有加重的影响。     

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。