晋城市冬、春季PM_(2.5)和PM_(10)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PM_(2.5)及PM_(10)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PM_(10)与PM_(2.5)高值区主要位于东北部及东南小部分区域,春季PM_(10)高值区位于城区南部区域,PM_(2.5)高值区主要集中于城区。晋城市城区和郊区PM_(10)与PM_(2.5)月均浓度整体呈单峰型变化,PM_(10)在4月份最高(157.54±5.67μg·m~(-3)),PM_(2.5)在1月份最高(94.08±2.25μg·m~(-3))。冬季PM_(2.5)/PM_(10)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PM_(10)与PM_(2.5)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PM_(10)与PM_(2.5)的小时浓度值与相对湿度有较高的正相关性(p0.01),与风速、风向有较高的负相关性(p0.01),与温度和气压的相关性较低。冬季,东北至正南风向时,PM_(10)与PM_(2.5)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。     

本溪市大气颗粒物变化特征及其与气象要素的关系

利用2014年本溪市大气颗粒物质量浓度监测资料和风速、气温、相对湿度、气压等常规地面气象要素观测资料,分析了本溪地区大气颗粒物质量浓度的月、季变化特征及其与气象要素的相关性。结果表明:2014年7月和10月本溪市大气颗粒物质量浓度较高,5月和9月大气颗粒物质量浓度较低,6月和11月大气颗粒物质量浓度比值较高。夏季PM10质量浓度较低,平均浓度为115.1μg·m~(-3);冬季PM_(2.5)和PM_(1.0)质量浓度较高,平均浓度分别为99.5μg·m~(-3)和86.1μg·m~(-3)。春季和冬季平均风速与大气颗粒物质量浓度的相关性最好,夏季和冬季相对湿度与大气颗粒物质量浓度的相关性最好。当ρ(PM_(2.5))≥200.0μg·m~(-3)时,ρ(PM_(2.5))与平均气温呈显著的正相关关系,相关系数为0.5288,ρ(PM_(2.5))与相对湿度的相关系数也高达0.6981,高温、高湿和小风等气象条件是本溪地区大气颗粒物高质量浓度事件发生的有利气象条件。     

太原大气能见度对相对湿度及颗粒物质量浓度的响应关系研究

利用2016年10月—2019年9月太原地区逐时能见度、相对湿度及颗粒物质量浓度等观测数据,研究分析了大气能见度与相对湿度及PM_(2.5)质量浓度的关系,采用神经网络方法,构建了能见度与相对湿度及颗粒物质量浓度的非线性模型,并利用2019年10月—12月气象小时数据对该模型进行了检验。结果表明:(1)太原不同季节能见度日变化特征明显,春夏秋季能见度在06时左右最低,冬季在09时左右最低;从空间分布上看,太原地区能见度南北差异明显,北部能见度高于南部。(2)细颗粒物质量浓度与相对湿度对大气能见度变化都有明显影响。PM_(2.5)质量浓度与能见度之间存在幂函数非线性关系,在40%≤相对湿度60%的区段内相关性最强,PM_(2.5)质量浓度与10 km能见度对应的阈值随相对湿度升高而减小,范围为5～103μg/m~3。(3)采用神经网络方法构建能见度与相对湿度及颗粒物质量浓度的关系模型,相关系数为0.81。利用太原地区2019年10—12月逐时气象观测数据对模型进行检验,均方根误差为5.29 km,平均绝对百分误差为31.45%,轻微级霾情况下模拟能见度TS评分为0.86,误差呈现正态分布,误差小于4 km的比例达72.99%。该模型对研究太原地区能见度具有较高的参考价值。     

2015年上海崇明岛PM2.5和PM10浓度变化特征 及气象因素影响分析

通过对2015年1—12月上海崇明岛崇南地区颗粒物(PM_(2.5)、PM_(10))浓度的连续监测,研究了PM_(2.5)、PM_(10)在不同季节的动态变化特征及与其他因子(SO_2、NO_2、O_3)的相关性,分析了风向风速和降雨对颗粒物浓度的影响。结果表明:崇明岛PM_(2.5)和PM_(10)浓度的季节变化明显,呈现冬季的春季的秋季的夏季的的特征,冬季PM_(2.5)和PM_(10)小时浓度均值分别为0.058 mg/m~3和0.085 mg/m~3,夏季PM_(2.5)和PM_(10)均值分别为0.034 mg/m~3和0.054 mg/m~3。PM_(2.5)和PM_(10)浓度分别与SO_2浓度和NO_2浓度显著正相关,与O_3显著负相关。全年来看,在西南风向时PM_(2.5)和PM_(10)浓度较高,这主要受该方向上游吴淞工业区、宝钢、石洞口电厂、罗店工业区等工业排放影响;从高浓度颗粒物(PM_(2.5)质量浓度≥0.115 mg/m~3)来向看,北和西北风向时出现高浓度颗粒物的频率最高,这主要是受到我国北方采暖季大气颗粒物输送过程对崇明岛区域的脉冲式污染影响所致;PM_(2.5)、PM_(10)实时浓度与相应的风速呈显著负相关。降雨量大于5 mm或持续3 h及以上的连续降雨对大气颗粒物起到显著的湿清除作用,降雨后PM_(2.5)和PM_(10)质量浓度分别降低了68.0%和66.9%,降雨时和雨后PM_(2.5)浓度为0.025～0.033 mg/m~3,均低于我国环境空气PM_(2.5)的一级浓度限值。     

宁波地区不同季节不同强度霾天气变化特征

利用2014—2016年宁波市镇海地区逐时气象观测资料和大气成分监测资料,对宁波地区霾天气的变化特征进行统计分析。结果表明:2014—2016年宁波地区霾天气小时出现频率为28.8%,湿霾出现频率为61.0%。近3 a宁波地区霾天气小时出现频率呈下降趋势,秋冬季(11月至翌年1月)霾天气小时出现频率较高,夏季(6—8月)霾天气小时出现频率较低;从日变化来看,霾天气小时出现频率峰值集中出现在上午09时和夜间20—23时。宁波地区重度霾的PM_(2.5)、PM_(10)颗粒物浓度为轻微霾的2.13倍和1.92倍,干霾颗粒物浓度高于湿霾,宁波地区霾天气的颗粒物组成较稳定,PM_(2.5)/PM_(10)比重为0.7左右。宁波地区颗粒物浓度与风速和降水量的相关性较好,春季和夏季风速与PM_(2.5)浓度的相关性较高,秋季和冬季风速与PM_(10)浓度的相关性较高;降水与PM_(10)浓度的相关性高于PM_(2.5)浓度。静稳天气时地面风速小易造成细颗粒物浓度的积累增长,冬季西北偏北风和东北风是影响宁波地区PM_(2.5)浓度变化的重要输送路径,当风向为西北风时,冬季和春季PM_(10)浓度增加明显。     

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。     

广州南沙颗粒物质量浓度变化及其对能见度的影响

通过对广州南沙2016年颗粒物PM_(10)和PM_(2.5)的质量浓度、能见度和气象要素等资料的分析,发现细颗粒物PM_(2.5)是影响能见度变化的重要因素。PM_(2.5)质量浓度和相对湿度(RH)增加,能见度下降,低能见度对应较高的相对湿度和较高PM_(2.5)质量浓度,高能见度的出现则对应较低的相对湿度和较低的PM_(2.5)质量浓度。随着相对湿度的增加,颗粒物质量浓度对能见度的影响越来越小,此时颗粒物对能见度的影响主要是通过吸湿作用,吸湿作用最为明显的是雾和霾的混合区间80%≤RH≤90%。PM_(2.5)质量浓度对能见度的影响随着RH的增加阈值减小,当相对湿度低于90%时,颗粒物质量浓度值减小时,能见度随相对湿度的增加反而降低,尤其是60%RH≤90%的区间,能见度下降明显。     

黄石市大气PM10和PM2.5质量浓度特征研究

利用2015年黄石市5个监测站点可吸入颗粒物(PM10)和细颗粒物(PM2.5)的在线监测数据和风向、风速、气温、气压等常规地面气象要素观测资料,分析了黄石市大气PM10和PM2.5的质量浓度水平分布特征及其与气象参数的关系。结果表明:2015年黄石市5个监测站点大气PM10和PM2.5年均浓度范围分别为95.8—108.6μg·m^-3和64.3—68.9μg·m^-3,均超过国家二级标准;季均质量浓度呈现显著的冬季高夏季低的变化规律,冬季PM10和PM2.5的质量浓度分别为(143.9±62.2)μg·m^-3和(95.5±44.5)μg·m^-3,夏季PM10和PM2.5的质量浓度分别为(75.2±24.0)μg·m^-3和(50.7±17.3)μg·m^-3。5个监测站中,下陆区、西塞山区和铁山区的PM10和PM2.5颗粒物污染较为严重;各站点大气PM10和PM2.5质量浓度显著相关。大气颗粒物浓度与气象因素的分析显示,黄石市大气颗粒物浓度与气温呈显著的负相关关系,与气压呈正相关关系,与风速和相对湿度的相关性不显著,受风向影响变化较大。     

银川地区大气颗粒物浓度变化特征及其与气象条件的关系

利用2013—2014年银川地区大气颗粒物质量浓度和同期气象要素的观测资料,分析了银川地区大气颗粒物浓度的分布特征及其与气象条件的关系。结果表明:2013—2014年银川地区PM_(10)、PM_(2.5)、PM1年平均浓度分别为167.3μg·m-3、67.2μg·m-3和45.0μg·m-3,年平均PM_(2.5)/PM_(10)、PM1/PM_(10)、PM1/PM_(2.5)分别为45.0%、32.0%和65.0%;PM_(10)浓度3月最高,8月最低,PM_(2.5)和PM1最高浓度均出现在1月,PM_(2.5)最低浓度出现在8月,PM1最低浓度出现5月;3—5月为PM_(2.5)/PM_(10)、PM1/PM_(10)和PM1/PM_(2.5)最低的3个月。不同天气类型PM_(10)浓度由高至低依次为浮尘/扬沙典型天气平均霾晴天雾,不同天气类型PM_(2.5)浓度由高至低依次为扬沙/浮尘霾典型天气平均晴天雾,不同天气类型PM1浓度由高至低依次为霾典型天气平均雾晴天浮尘/扬沙。风速与PM_(10)浓度呈正相关关系,风速与PM_(2.5)和PM1浓度均呈负相关关系;PM_(10)浓度在偏西北风时较高,PM_(2.5)和PM1浓度在偏西南风与偏东北风时较高;气温与PM_(10)、PM_(2.5)、PM1浓度均呈显著的负相关关系;相对湿度与PM_(10)浓度呈显著的负相关关系,相对湿度与PM1浓度呈显著的正相关关系,相对湿度与PM_(2.5)相关性较弱;气压对PM_(10)浓度变化的影响较小,气压与PM_(2.5)、PM1浓度呈正相关关系;降水对PM_(10)的清除作用最强,对PM_(2.5)的清除作用次之,对PM1基本无清除作用。     

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。     

济南PM2.5质量浓度与气象条件相关性初步研究

通过对济南2013年12月—2018年2月PM2.5质量浓度数据分析得出,PM2.5质量浓度平均和最大值均为冬季最高,春秋季次之,夏季最低;PM2.5质量浓度值1月和12月最高,8月最低;其质量浓度呈明显的逐年递减趋势。在不同风向上PM2.5质量浓度存在显著差异性,在N风向和ESE(盛行)风向上均出现了质量浓度较大值,一方面与污染物的异地输送有关,另一方面与济南的特殊地形有关。研究表明,无论污染源在山脉的背风侧还是迎风侧,都很容易导致高浓度污染;尤其在冬季,山脉地形还会加重逆温影响,使污染程度加重。通过相关性研究发现,冬季、春季和秋季,PM2.5质量浓度与相对湿度和平均总云量均呈正相关,与日照时数及其距平呈负相关;冬季,PM2.5质量浓度与平均气温及其距平以及最高、最低气温均呈正相关,与平均、最高、最低气压均呈负相关;春季和秋季,PM2.5质量浓度与气温距平值呈正相关;夏季和秋季,PM2.5质量浓度与日降水量呈负相关,而且随着雨强的增大,对PM2.5的洗消作用越显著。上述变量间相关性均通过了P≤0.01显著性检验。     

影响云南空气质量的风场特征分析

利用美国NCEP/NCAR风场再分析资料和云南高空、地面、高山风塔实测风资料,对云南地区的大气风场特征进行了分析。结果表明,云南对流层中低层大气风场常年盛行偏西气流,风向稳定,尤以西南风最多,冬-春-夏-秋四季风场变化特征明显。腾冲、思茅高空盛行风向以西风为主。云南除滇东北、滇东南和局地地形影响外,大部分地区近地面全年以盛行西南风为主。山区全年盛行风向以西南风为主。云南近地面年平均风速1.9m/s,北部大于南部,东部大于西部,冬春季风大,夏秋季风小,风速日变化特征显著。昆明地区大气边界层存在逆温现象,冬季突出,夏季微弱,秋冬春季频率高,夏季频率低。云南空气污染具有干湿季分布特点,1-5月为主要污染时段,冬春季节存在西南和东北两条污染传输通道。     

桂林城区大气能见度与颗粒物浓度和气象因子关系研究

利用2015年1月至2017年6月桂林国家基本气象站能见度、相对湿度、气温、气压、降水等气象要素和PM₁₀、PM_2.5、PM_1.0颗粒物质量浓度资料,分析桂林城区大气能见度与颗粒物浓度和气象因子之间关系。结果表明：桂林城区大气能见度和PM₁₀、PM_2.5、PM_1.0呈对数关系,相关系数分别为-0.341、-0.461、-0.509,颗粒物对大气能见度影响在相对湿度为60%—70%时最为显著。在各气象因子中,大气能见度与风速的相关性最好,其次为相对湿度,与风速呈二次函数关系,与相对湿度呈幂指数关系,与温度相关性较小,与气压在秋冬季节呈正相关,相关系数冬季可达0.301,但在春、夏季节相关性不显著;利用颗粒物浓度和气象要素建立8种大气能见度非线性统计回归模型,比较后发现利用PM_1.0、风速、相对湿度、气温等因子建立的不同季节大气能见度拟合公式在实际检验中效果最优,能较好地模拟桂林地区大气能见度的变化。     

乌海市PM_（10）污染浓度与气象条件分析

乌海市PM10浓度与风速的关系明显。总体而言,PM10污染物浓度随风速的增大而增大;冬季当风速在3.1～4.0m.s-1时,PM10污染物浓度低。PM10浓度与地面风向的关系：春季偏西风时PM10污染浓度最高,偏北风时污染浓度最低;冬季东南风时污染浓度最高,西北风时污染浓度最低。PM10浓度与空气湿度的关系：冬季PM10污染浓度值随湿度的增加而增加,正相关比较明显。春季当空气湿度越小,出现重度污染的频率越高。     

乌鲁木齐大气边界层结构的四季特征初探

利用乌鲁木齐市2011～2012年08时、20时L波段(1型)雷达探测的高空资料建立了乌鲁木齐大气边界层气象要素数据库,分析了乌鲁木齐边界层内气温、风向、风速和相对湿度的垂直分布及其时间变化特征。结果表明：边界层内温度廓线的日变化和季节变化比较显著,各月均有逆温出现,且08时较20时更易出现逆温,冬季08时逆温层厚度较厚且强度最大。边界层内夏、冬两季风速随高度变化波动较大,春、秋两季变化较小。近地层春、夏、秋三季08时盛行西南偏南风,冬季盛行偏东风和西南风;20时春季盛行东北风,夏秋盛行偏北风和西北风,冬季则盛行东风和东北偏东风。08时、20时风向均随高度的增加呈明显的向右偏转趋势,且日风向的变化具有明显的“山谷风”特点。08、20时的相对湿度冬季最大,夏季最小,且随高度增加,春、夏两季08、20时相对湿度的变化较大。     

郑州市空气质量状况及冬季持续污染过程的气象机理分析

利用2004-2008年郑州市环境监测站所监测的SO2、NO2、PM10日平均浓度资料及历史气象资料,分析了郑州市近5a的空气质量状况与特征,并以2006年12月份的2次持续性污染过程为例,分析了气象条件对污染物浓度的影响,结果显示：郑州市以煤烟型污染为主,污染物浓度具有明显的季节变化特征,冬春季节污染物浓度明显高于夏秋季节;冬季均压场中持续多日风速小、近地面层出现逆温层是造成郑州市出现持续污染事件的主要气象条件,持续性污染过程往往因受冷空气的影响而结束。     

彭州边界层铁塔风梯度特征研究

利用2018年10月~2020年12月彭州边界层铁塔的风速风向观测资料,分析了彭州地区近地面各季节平均风速日变化、盛行风向及污染系数特征,在此基础上,选取彭州大风天气个例,对按月分类法和风速区间法的反演结果进行了有效性验证。结果表明:除夏季10m高度盛行西风以外,其余三季各高度均盛行东北风,秋冬两季各高度东北风出现频率大于春夏两季,每个季节随着高度增加,东北风出现频率均逐渐增大,对应平均风速均逐渐增大。春夏季10m高度的最大污染系数在偏西方向,其他各高度最大污染系数均在东北方向,各层高度最小污染系数多在东南或偏南方向;秋冬季各高度污染系数均大于春夏季,最大均为东北方向,10~20m最小污染系数多在偏南或偏东南方向,60~90m最小污染系数为偏西北方向;彭州铁塔偏西和东北方向不宜布设污染源。两种风速反演方法均能对近地面风速进行较为有效的反演,风速区间法在大风区间的反演效果优于按月分类法。      

Regional meteorological patterns for heavy pollution events in Beijing

The present study investigates meteorological conditions for the day-to-day changes of particulate matter (PM) concentration in Beijing city during the period 2008–2015. The local relationship of PM concentration to surface air temperature, pressure, wind speed, and relative humidity displays seasonal changes and year-to-year variations. The average correlation coefficient with PM₁₀ in spring, summer, fall, and winter is 0.45, 0.40, 0.38, and 0.30 for air temperature; –0.45, –0.05, –0.40, and –0.45 for pressure; 0.13, 0.04, 0.53, and 0.50 for relative humidity; and –0.18, –0.11, –0.45, and –0.33 for wind speed. A higher correlation with wind speed is obtained when wind speed leads by half a day. The heavily polluted and clean days, which are defined as the top and bottom 10% of the PM values, show obvious differences in the regional distribution of air temperature, pressure, and wind. Polluted days correspond to higher air temperature in all the four seasons, lower sea level pressure and anomalous southerly winds to the south and east of Beijing in spring, fall, and winter, and a northwest–southeast contrast in the pressure anomaly and anomalous southerly winds in summer. Higher relative humidity is observed on polluted days in fall and winter. The polluted days are preceded by an anomalous cyclone moving from the northwest, accompanied by lower pressure and higher air temperature, in all four seasons. This feature indicates the impacts of moving weather systems on local meteorological conditions for day-to-day air quality changes in Beijing.     

沈阳近地层大气颗粒物浓度垂直变化特征及与气象因子的关系

利用2018年10月1日至2019年9月30日沈阳地区三个高度大气颗粒物浓度和气象要素逐时观测资料,分析了不同高度颗粒物浓度时间变化特征及其与气象要素的关系。结果表明：不同高度的颗粒物浓度均存在明显的季节变化,秋冬季数值明显高于春夏季。冬季,三个高度的PM_2.5平均浓度为54.98±12.67 μg·m^-3、63.77±15.1 μg·m^-3和39.27±5.62 μg·m^-3,即15 m > 1.5 m > 90 m,秋季对应高度的浓度值则为1.5 m > 15 m > 90 m,春季对应高度的浓度值1.5 m≈15 m>90 m,夏季对应高度的浓度值15 m > 90 m > 1.5 m。PM_2.5、PM₁₀和TSP浓度的日变化在秋冬季三个高度上均呈明显的双峰,春季则均为单峰,夏季15 m高度为单峰,其余两层无明显规律。月平均颗粒物浓度的变化在冬、夏半年之间存在明显差异。冬半年,1.5 m高度PM_2.5、PM₁₀和TSP以及90 m高度PM_2.5月平均浓度均表现为增—减—增—减的变化特征,而15 m高度月平均PM_2.5、PM₁₀和TSP浓度以及90 m高度月平均PM₁₀、TSP浓度均为先增后减的变化特征。冬半年和夏半年颗粒物浓度最大值分别出现在1月和6月,冬半年最低两层高度的颗粒物浓度明显高于90 m的值,夏半年各月不同高度颗粒物浓度相差不大,均远低于冬半年的浓度值。不同粒径范围的颗粒物浓度与风速和气温均呈负相关关系,且相关系数随高度增加而增加,随颗粒物粒径范围增加而变小;与相对湿度的关系较为复杂,相关系数随观测高度增加和颗粒物粒径范围的增大而有所不同。