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。     

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     

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，0cm地温呈板相关关系，各种污染物日均浓度也与地面，高空气要素相关非常好。因此，在预报未来24－36h天气时，对空气质量可进行预报。     

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。     

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。     

兰州市冬季空气污染的天气成因分析及浓度预报

兰州是全国冬季大气污染最严重的城市之一 ,通过对污染与天气形势的分析 ,给出了影响冬季兰州污染的天气分型 ;对 3种主要空气污染物TSP、SO2 、NOX 浓度值与同期表征逆温特征的逆温参数及地面气象要素作了统计分析 ,结果表明 :(1)污染物浓度与逆温层厚度呈显著正相关 ;(2 )污染物浓度与平均温度、能见度、风速、总云量、相对湿度成负相关 ,与温差、气压成正相关。最后针对不同天气分型 ,给出了冬半年兰州污染物浓度预报方程 ,经检验预报效果良好     

气象条件与西安污染物的关系及预报方法

对西安1998～2000年的主要污染物PM10的实测浓度值结合部分气象条件进行分析,得出:(1)年内冬季采暖期浓度较高,夏季汛雨期浓度较低,3a来空气质量逐渐好转;(2)污染浓度与降水和风速的关系较为复杂,但仍有规律可循;(3)污染物浓度与某些逆温层特征相关较好;(4)污染物与能见度相互影响.并给出了部分气象条件的预报方法.     

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。     

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。      

日照市区PM10污染物特征及其与气象要素的关系

对2002年1月1日～2002年12月31日日照市环境监测中心提供的PM10（可吸入颗粒物）日平均浓度资料和对应时段的日照市地面气象资料做了深入的分析，揭示了污染物PM10变化特征及其随气象要素的变化规律。同时分析了主要污染物PM10与地面风速、风向间的相关关系，发现日照市大于等于3级的PM10污染日均出现在1-4月，地面风速对污染物PM10浓度有一定影响，当地面风速超过5m／s时，3级及以上污染日很少出现，当地面风速超过6．5m／s时，随着风速的提高，污染物浓度呈下降趋势。污染物浓度呈明显的季节变化，冬、春季节明显高于夏、秋季节。     

桂林市空气质量特征分析

为了让公众对桂林市近期空气质量状况和近十年来的空气质量变化情况有所了解,以空气中的主要污染物二氧化硫、二氧化氮和可吸入颗粒物的空气污染指数API作为表征空气质量的特性值,用统计分析方法,研究分析桂林市2003～2012年空气质量特征及其变化状况.2003至2012年,桂林市空气质量优良率为99.1％,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.2003年和2005～2008年,桂林市的首要空气污染物为二氧化硫,其它年份为可吸入颗粒物.2009～2011年连续三年出现空气污染指数较大幅度的上升.2010年的年平均空气污染指数首次突破51,达到58,首次出现年平均空气质量为二级的年份,2011、2012年平均空气质量也维持在二级.研究分析的结论是桂林市2009年以来空气质量有下降的趋势,且2010～2012年的年平均空气质量等级由以前的一级下降为二级,首要空气污染物由2008年以前的以二氧化硫为主变为以可吸入颗粒物为主.     

辽宁中部城市群大气污染分布及与气象因子的相关分析

根据2002年辽宁省中部城市群（沈阳、鞍山、本溪、抚顺、辽阳）的主要大气污染物（TSP、PM10、SO2、NOx）的监测值及气象因子（能见度、风速、温度、湿度、降水、总云量和低云量）的观测资料，分析了辽宁中部城市群大气污染的现状、污染程度及污染物与气象因子的相关关系。结果表明：城市群的主要大气污染物是TSP、PM10和SO2冬季是城市群大气污染最重的季节，夏季大气污染最轻；城市群大气污染最重的城市是本溪，其次是鞍山、沈阳、抚顺、辽阳；污染物与能见度、温度的相关性非常显著，平原城市的污染物与气象因子的相关性较山区城市好。     

成都市大气污染与气象条件关系分析

利用成都市城区2015年12月~2019年12月污染物浓度及气象资料,对PM₁₀、PM_2.5、CO、O₃、 SO₂、NO₂六种大气污染物浓度变化特征以及与气象要素之间的相关性进行分析。结果表明:2016~2019年成都市空气质量冬季最差,秋季最好,年内整体以良为主,重度污染和严重污染的天气较少出现,空气质量逐年变好;主要污染物浓度除O₃外在冬季最高,夏季最低,春秋两季相差不大,O₃浓度变化则相反;主要污染物的日变化特征也较为明显。空气质量综合指数、PM₁₀、PM_2.5、CO、NO₂浓度与气温和降水存在显著负相关性,与气压存在显著正相关性,还与相对湿度呈不同程度的负相关,但与风速相关性不显著;O₃浓度不仅与风速、气温和降水存在显著的正相关,还与气压呈显著的负相关,却与相对湿度的负相关性不显著。      

“13·12”西安重污染气象条件及影响因素

使用高分辨监测资料对2013年12月18—25日西安严重污染天气气象条件及影响因素进行分析。结果表明:严重污染期间,亚洲大陆中高纬度500 hPa呈一槽一脊经向环流型,陕西处于地面冷高压南部均压场控制下。空气质量转好时,高空锋区明显增强,地面冷锋快速东移、南压,边界层高度增大,近地层集聚污染物显著抬升。严重污染与非污染时段气象条件差异明显。除接地逆温外,近地层不同高度存在悬浮逆温,相对湿度呈湿-干-湿垂直分布,温湿条件有利于污染加强。严重污染属于以湿霾为主的重度霾天气,日平均能见度小于1.5 km,边界层高度小于0.7 km,郊区湿霾每日持续时间平均比市区长约5 h。严重污染期间,细颗粒物浓度远高于粗颗粒物,随时间增加趋势明显。颗粒物平均浓度在午后出现峰值,可能与边界层高度偏低、关中盆地地形因素密切相关,本地地面风场日变化对污染有加重效应。     

湘潭市秋季一次大气污染过程分析

利用常规高空和地面气象观测资料、湘潭市空气质量监测数据并结合HYSPLIT4后向轨迹模式对2020年10月28-31日污染天气特征及成因进行分析。结果表明此次污染过程分为3个阶段:第1阶段为北方偏二次型传输阶段,此阶段北风风力较大,在强北风的推动下华北地区污染物(PM_2.5)向南传输影响湘潭;第2阶段为大气高湿静稳条件下本地源(工业源、移动源、扬尘源、生物质燃烧源)排放累积阶段,此阶段地面转均压场,整层大气湿度接近饱和并出现弱降水,气态污染物在污染过程中发生二次转化,颗粒物吸湿增长,且近地面出现逆温,不利于污染物的垂直扩散,导致边界层内的污染物不断累积,污染加重,推高了湘潭的PM_2.5浓度峰值;第3阶段为污染物缓慢清除阶段,随着新一波冷空气影响湘潭地区,水平扩散条件逐步改善,且上游空气质量优良,本地污染物得到有利扩散,此次污染过程结束。     

新都区冬季空气污染扩散与气象要素相关性研究

利用2014~2018年冬季空气质量和污染物浓度数据,结合地面观测、探空及风廓线雷达资料,对新都区冬季气象要素及其污染扩散条件进行分析。结果表明:（1）新都区不同污染物具有相同的日变化特征,在11时左右浓度最高,18时达到最低。（2）新都区污染物浓度与风速、气温、降水、相对湿度有密切关系。当风速大于(小于)平均风速时,污染物浓度减小（增加）;气温越高且相对湿度越大,污染也越强;降水较弱时,反而会加重污染。（3）新都区污染天气过程中,逆温强度与厚度的大小将影响污染物的垂直扩散,强度和厚度偏大,污染偏严重。      

气象因子对太原地区空气质量的影响研究

利用2017—2019年太原小店区气象与空气质量指数逐时数据,分析了气象因子对空气质量指数的影响,对易污染月份空气质量进行了深入分析,利用神经网络方法构建了气象因子与空气质量指数的关系模型,并与逐步回归模型进行了对比。结果表明:(1)2017—2019年太原地区空气质量6个等级均出现过,其中,良占比最大,为51.9%;严重污染等级最少,为1.9%。每年8月空气质量最好,1月空气质量最差,11月—次年2月为易污染月份。(2)气温、风速、气压对空气质量指数的影响主要表现为负相关,9月—次年2月呈显著负相关;降水主要表现为负相关;相对湿度对空气质量指数影响较大,8月—次年3月呈显著正相关,6—7月呈显著负相关。(3)易污染月份,太原地区空气质量以良为主,占40.7%;其次为轻度污染,占24.8%;严重污染占4.6%。相对湿度、风速对空气质量影响较大,表现为强相关。(4)神经网络构建的气象因子与空气质量指数的关系模型,与逐步回归分析模型相比,准确率由91%提高到94%。神经网络模型模拟效果更佳,为太原地区治理大气污染提供重要的参考价值。     

A Study of the Relationship between Air Pollutants and Inversion in the ABL over the City of Lanzhou

By analyzing the pollutant concentrations over the urban area and over the rural area of the city of Lanzhou, Gansu Province, China, the relationships between the daytime inversion intensity and the pollutant concentration in the atmospheric boundary layer (ABL) are studied with the consideration of wind speed and direction, potential temperature, specific humidity profiles, pollutant concentration in the ABL, the surface temperature, and global radiation on the ground. It was shown that the daytime inversion is a key factor in controlling air pollution concentration. A clear and positive feedback process between the daytime inversion intensity and the air pollutants over the city was found through the analysis of influences of climatic and environmental factors. The mechanisms by which the terrain and air pollutants affect the formation of the daytime inversion are discussed. The solar radiation as the essential energy source to maintain the inversion is analyzed, as are various out-forcing factors affecting the inversion and air pollutants. At last, a physical frame of relationships of air pollution with daytime inversion and the local and out-forcing factors over Lanzhou is built.