喀什地区PM10输送路径及潜在源区

基于HYSPLIT模型和2019年9月至2020年8月喀什地区大气颗粒物逐时数据,利用聚类分析、潜在源贡献因子法（PSCF）和浓度权重轨迹法（CWT）分析喀什地区四季PM₁₀传输路径与潜在源区,揭示研究期间喀什地区不同季节PM₁₀的潜在源分布及其贡献水平。结果表明：喀什地区PM₁₀、PM_2.5年均值分别为237.3±268.3、89.3±82.3 μg·m^-3,大气颗粒物以PM₁₀为主;喀什地区气流输送路径主要来自中亚西风气流,其次是来自中国新疆南部;PM₁₀秋季主要贡献源区分布在中亚部分地区以及中国新疆南部区域,贡献水平为250—450 μg·m^-3;冬季主要贡献源区与秋季相似,贡献水平为150—300 μg·m^-3;春季重点贡献源区主要分布在新疆南部塔克拉玛干沙漠区域,贡献水平为250—500 μg·m^-3;夏季主要贡献源区与春季相似,贡献水平为150—250 μg·m^-3。喀什地区重点防范应是塔克拉玛干沙漠沙尘气溶胶的影响,其次是中亚西风气流携带的大气颗粒物远距离输送。     

河西走廊沙尘活动对兰州PM10浓度的影响及其评估

通过分析2001—2005年河西走廊沙尘活动对兰州PM10浓度的影响并对其进行评估,得出如下结论：兰州的PM10浓度具有双峰值特征,两个峰值分别出现在冬半年的12月和3月,河西沙尘发生次数呈单峰型变化,峰值出现在4月,达到9.8次,对比两者的变化可知,河西沙尘活动的峰值对应春季兰州PM10浓度的次高峰。研究认为冬季特殊边界层条件是造成兰州PM10浓度高峰值的主要原因;春季河西沙尘发生次数与同期兰州PM10浓度呈显著正相关,沙尘暴活动的多发对应兰州PM10浓度次峰值。沙尘指数的定量分析认为,兰州年度（3月,4月）PM10浓度的16.4%（32.0%,47.1%）与河西走廊沙尘活动的影响有关系;兰州年度（3月,4月）PM10质量浓度中的8.8%（13.9%,23.1%）是河西走廊沙尘活动向兰州输送PM10颗粒的结果;河西走廊的沙尘活动能使兰州沙尘影响日PM10浓度增加数倍。河西走廊沙尘活动在不同时间段的影响程度不同。     

塔克拉玛干沙漠腹地大气气溶胶散射特征研究

利用沙漠腹地塔中气象站积分浊度计的2004年观测资料,结合同期PM10质量浓度、能见度和常规气象资料,分析了塔克拉玛干沙漠腹地气溶胶散射系数的变化特征,以及气溶胶散射系数与PM10质量浓度、能见度的关系。研究表明,2004年塔中气溶胶散射系数、PM10质量浓度、能见度日平均值分别为124.74±187.30 Mm-1,538.9±841.7 μg·m-3,12 748±7 274 m。塔中气溶胶散射系数小时平均值出现频率最高的区间主要在100 Mm-1以下,中午气溶胶散射系数小,早晚气溶胶散射系数大;冬春两季的凌晨空气中含有较多的粒子,气溶胶散射系数较大;气溶胶散射系数小时平均值与PM10质量浓度变化规律基本一致,2004年1—6月的气溶胶质量散射系数平均值为0.37 m2·g-1;散射系数与能见度日平均值非线性相关较好,两者呈负幂函数关系。     

一次沙尘过程对天津气溶胶浓度分布的影响

利用气溶胶质量浓度和数浓度监测资料以及不同高度的常规气象资料,结合后向轨迹模式,分析2011年4月30日至5月1日一次沙尘天气过程对天津城区气溶胶浓度的影响。结果表明：沙尘过程前的轻雾天气下PM1贡献了气溶胶质量浓度的96%和数浓度的99.9%以上;本次沙尘天气存在两个不同的浮尘过程,主要区别体现在细粒子浓度差异上,第一次浮尘过程PM1~2.5、PM2.5~10和PM10~100分别占气溶胶数浓度的6.5%、2.5%和0.1%,第二次浮尘过程占比则依次为11.3%、2.6%和0.01%;两次浮尘过程气溶胶粒子性质有明显差异,第一次浮尘过程中粗粒子浓度占PM10的80%以上,第二次浮尘过程风向转变为偏北风,细粒子浓度增高至40%,气溶胶由单纯的沙尘气溶胶转变为沙尘-污染气溶胶。     

基于卫星遥感的中国西北地区沙尘天气发生机理及传输路径分析

利用CALIOP/CALIPSO以及OMI/Aura卫星资料,结合HYSPLIT后向轨迹模式,分析了2009、2010、2011年4月下旬西北3次沙尘暴过程中高空流场分布、沙尘气溶胶的垂直分布以及输送气流轨迹.蒙古气旋和冷锋是导致沙尘天气的主要系统,在对流层的中下层区域,沙尘气溶胶在混合型天气系统下主要分布在0～7 km,自西向东移动;在纯冷锋型天气系统下,沙尘气溶胶则主要分布在0～4 km,自西向东南移动;两种天气系统在发展最强烈时,沙尘气溶胶的垂直分布高度均在3 km以上,退偏振比为0.5左右,双波信号比为1.0以上;在沙尘天气减弱时,沙尘气溶胶的垂直分布高度在0～2 km,退偏振比为0.3,双波信号比为0.8左右.混合型天气沙尘气溶胶主要垂直分布高度为3～7 km,较纯冷锋型沙尘粒子高.     

塔克拉玛干沙漠腹地及周边地区PM10时空变化特征及影响因素分析

利用Thermo RP 1400a对塔克拉玛干沙漠腹地塔中及周边的哈密与和田进行了长达6 a多的沙尘气溶胶PM10连续观测,结合气象资料,分析了该区域沙尘气溶胶PM10的基本特征及影响因素。其结果是:①在哈密、塔中与和田,浮尘、扬沙日数呈上升趋势,沙尘暴日数变化不明显,沙尘天气出现的频率和强度是影响沙漠地区沙尘气溶胶PM10浓度的主要因素。②PM10质量浓度具有明显的区域分布特征,塔克拉玛干沙漠东缘的哈密最低,其次为沙漠南缘的和田,最高的为沙漠腹地的塔中。③每年3—9月是哈密PM10质量浓度的高值时段;塔中与和田PM10质量浓度高值时段分布在3—8月,平均浓度分别在500~1 000 μg·m-3之间变化。④哈密、塔中与和田PM10季节平均浓度变化特征,春季>夏季>秋季>冬季;PM10平均浓度最高的塔中,春季在1 000 μg·m-3左右变化,夏季在400~900 μg·m-3之间,秋冬两季浓度较低基本上在200~400 μg·m-3之间变化。⑤哈密、塔中与和田沙尘暴季节PM10浓度远高于非沙尘暴季节,沙尘暴季节浓度基本上为非沙尘暴季节浓度的两倍以上;塔中2004年和2008年沙尘暴季节平均浓度分别是非沙尘暴季节的6.2倍和3.6倍。⑥沙尘天气过程中PM10质量浓度变化具有以下规律,晴天<浮尘天气<浮尘、扬沙天气<沙尘暴天气。⑦风速大小直接影响大气中PM10浓度,风速越大浓度越高。气温、相对湿度和气压是影响沙尘暴强度的重要因素,也间接影响大气中PM10浓度的变化。     

城市道路PM2.5浓度的时空变化及地理因子影响分析

通过移动走航式观测获取长沙市岳麓山周边道路不同通勤时段PM2.5浓度数据,结合土地覆盖、兴趣点、数字高程模型、邻近污染源和街区路网分布5类微环境地理因子,采用空间聚合、空间自相关分析、分位数回归分析等方法,探究研究区内道路PM2.5浓度的时空变化及其与城市微环境地理因子的潜在联系.结果表明,长沙市岳麓山周边道路不同通勤时段PM2.5浓度时空差异明显:晚高峰时段PM2.5中位数浓度高达31.5μg/m3,早高峰和非高峰时段分别为28.2μg/m3和22.0μg/m3;高值PM2.5浓度在通勤高峰时段空间分布相对集中,在非高峰时段则相对分散.就地理因子影响而言:不同通勤时段影响PM2.5浓度的微环境地理因子在数量与类别上存在差异;同时,微环境地理因子对不同分位数道路PM2.5浓度的影响也具有异质性.依据各通勤时段不同地理因子的影响趋势和影响程度,采取相应的针对性调控、空间合理配置等干预策略有望全面降低道路PM2.5浓度.本研究可为基于空气质量视角的城市空间规划与开发建设调控提供科学依据.     

河西走廊干旱区气溶胶粒子光吸收特征

利用2008年4-6月在张掖气候观象台的黑碳仪观测资料,结合同时期的PM10浓度和气象要素观测结果,分析了河西走廊干旱区的气溶胶吸收系数变化特征。讨论了气溶胶总体特征、日变化特征、局地风对吸收性气溶胶的输送以及沙尘天气下气溶胶吸收系数变化特征,并估算了沙尘气溶胶的质量吸收系数。结果表明,观测期间气溶胶吸收系数（532 nm）的平均值（标准差）为11.9 Mm-1（10.1 Mm-1）。一日内气溶胶吸收系数有明显的日变化,早（08:00）晚（21:00）有两个峰值,且夜间的气溶胶吸收系数值较白天要高。风向的昼夜转换是影响气溶胶吸收系数日变化的一个重要原因。沙尘气溶胶也有一定的吸收性,其质量吸收系数估算为0.016 m2·g-1。     

塔克拉玛干沙漠腹地沙尘气溶胶质量浓度垂直分布特征

 利用Grimm 1.108、Thermo RP 1 400 a以及TSP等仪器于2009年1月至2010年2月对塔克拉玛干沙漠腹地塔中不同高度沙尘气溶胶质量浓度进行连续观测,结合天气资料进行分析。结果表明:①80 m高度PM10质量浓度最高,80 m高度PM2.5和PM1.0质量浓度明显低于4 m高度PM10,80 m高度PM1.0质量浓度最低。频繁的沙尘天气是影响不同粒径的沙尘气溶胶浓度含量的主要因素。②夜间至日出,PM质量浓度逐渐降低,最低基本上出现在08:00,随后质量浓度逐渐增大,18:00前后浓度达到最高值,然后又逐步降低。其规律与风速的昼夜变化完全一致。③TSP月平均质量浓度高值主要集中在3—9月,其中4月和5月浓度最高,随后逐渐减低。3—9月也是PM月平均质量浓度的高值区域,4 m高度PM10月平均质量浓度最高发生在5月,其浓度为846.0 μg·m-3。80 m高度PM10浓度远高于PM2.5和PM1.0浓度,PM2.5和PM1.0浓度相差较小。风沙天气对大气中的不同粒径粒子的浓度含量影响较大,风沙天气越多,粗颗粒含量越高,反之则细颗粒越多。④沙尘天气过程中不同粒径沙尘气溶胶质量浓度变化具有晴天<浮尘天气<扬沙天气<沙尘暴天气的规律。各种沙尘天气中,PM10/TSP表现为晴好天气高于浮尘天气,浮尘天气远高于扬沙和沙尘暴天气。⑤沙尘天气过程中,沙尘气溶胶浓度随着粒径的减小,浓度逐渐降低。不同高度、不同粒径的沙尘气溶胶质量浓度每隔3~4 d形成一个峰值区,与每隔3~4 d出现沙尘天气强度增强过程直接相关。     

扬州市空气PM2.5浓度时空分异研究

利用江苏省环保厅数据监测平台发布的扬州市区空气PM2.5浓度数据资料,结合仪器测量所得数据资料,分析扬州市空气PM2.5时空分异及其影响因素。结果表明:扬州市空气PM2.5浓度日均值总体低于75微克/立方米。从时间分布来看,早-中-晚呈现出"高-低-高"的变化趋势,夏收时期则高于规定的标准;从空间分布来看,城乡之间的浓度差异较大。影响扬州市空气PM2.5浓度的主要因素:一是污染源的排放程度(机动车尾气为主);二是气象条件(逆温、风、雨等)。对应对PM2.5污染提出了建议。     

乌鲁木齐大气污染物的空间分布及地面风场效应

通过对1999—2001年乌鲁木齐市监测站3种污染物浓度的分析,比较深入地掌握了乌鲁木齐市区不同季节污染物的空间分布状况,得出城市首要污染物是PM10,污染物主要在乌鲁木齐市天山区堆积;利用乌鲁木齐城郊地面风场资料、海拔1 000 m高度探空风场资料分析了地面风场常年特征、季节变化特点,得出冬季城中偏南和偏北有辐合性流场,夏季整个城市为辐散性流场;近地层冬季静风频率高;结合污染物的空间分布和高空风场特征,从一个方面解释了乌鲁木齐冬季、夏季污染物浓度变化的原因。     

可吸入颗粒物(PM10)浓度时空变异性及影响因素分析

本文以厦门市为例,首先对PM10平均浓度数据进行趋势性、周期性和空间变异性进行分析,然后分析了气温、降水强度、降水日数、风向等气候因子对PM10浓度变化在时间上的影响,同时使用了交叉相关分析的方法对月平均降水日数和PM10大气污染指数(API)为优(PM10浓度<0.05mg/m3)的月内天数百分比的相关性进行分析,最后利用从遥感影像获取的地表覆盖数据,分析了土地利用类型与局部PM10年平均浓度的关系。分析结果表明：厦门市PM10浓度年内变化无明显的上升和下降的趋势,但有显著的周期性,分别为3、7和29天,气候因素对PM10浓度的变化有显著的影响,其中月平均降水日数对API为优的月内天数百分比的影响有明显的滞后性,滞后周期大约为3个月,局部PM10年均浓度与该地区的土地覆盖类型有明显的相关性,并且植被覆盖的比例越大,该地区的PM10年平均浓度就越小。     

兰州市2001年沙尘气溶胶质量浓度的特征分析

 分析了2001年沙尘暴期间兰州与靠近沙尘源区的武威的沙尘浓度和粒径分布特征,并运用对数正态分布规律拟合了沙尘粒径的分布。通过对比武威、皋兰和兰州沙尘暴期间沙尘浓度的变化以及武威与兰州的沙尘粒径分布特征,揭示了河西走廊沙漠对兰州市沙尘暴的影响。     

中国中东部秋季PM10时空变化及其与日气温的关系

利用2000-2010年秋季中国中东部83个重点城市的PM10浓度数据以及其中63个城市的逐日气象资料,分析了PM10浓度的时空变化以及晴空条件下PM10浓度与日气温之间的关系,讨论了不同云量条件下二者关系的稳定性以及辐射的相应变化.结果表明:(1)近11年来,秋季PM10浓度呈现下降趋势,全部天气条件下和晴空条件下的线性趋势值分别为-2.87 μg·m-3/年、-4.92 μg·m-3/年;空间分布上,中国中东部重点城市的秋季PM10浓度普遍下降,其中华北地区的下降最快最显著.(2)秋季PM10浓度与日气温的波动之间存在显著相关,定量统计表明:当PM10浓度偏高10 μg·m-3时,日最高气温、日最低气温和日平均气温分别偏低0.15℃、0.14℃和0.16℃,同时气温日较差减小0.01 ℃.(3)秋季日气温的上述变化可能主要与气溶胶的直接效应有关.PM10增多会造成地面总辐射和地表净辐射的显著减少,进而造成日最高气温、日平均气温的显著下降;同时,PM10增多对近地面的影响总体上是致冷效果.     

中国重要旅游城市雾霾时空特征

依托中国15个重要旅游城市,基于雾霾主导因素PM2.5观测数据、遥感气溶胶数据,运用土地利用回归方法模拟绘制PM2.5时空分布图,分析中国重要旅游城市PM2.5质量浓度的时空分异特征。结果表明：1）2013―2015年中国重要旅游城市PM2.5年均质量浓度总体呈逐年下降趋势,且明显呈现夏季低、冬季高、春秋季居中的季节变化特征;2）重要旅游城市PM2.5质量浓度在不同等级城市中存在明显差异,其PM2.5质量浓度整体规律为副省级市＞直辖市＞地级市;3）月均尺度上各重要旅游城市的宜游时间主要集中在4―9月,且2015年春冬季月份宜游城市明显增多;宜游时间较长的城市主要分布在空气质量优良的东南部沿海和森林覆盖率较高地区的地级市和部分副省级市,中西部地区和长三角地区的城市宜游时间则相对较短。     

The impact of energy-intensive industries on air quality in China’s industrial agglomerations

Understanding the driving forces of regional air pollution and its mechanism has gained much attention in academic research,which can provide scientific policy-making basis for economy-environment sustainability in China.Being an important energy and industrial base,the North China Plain region has been experiencing severe air pollution.Therefore,understanding the relationship between industrialization and air quality in this region is of great importance for air quality improvement.In this study,the average annual concentrations of SO2,NO2 and PM10 in 47 sample cities at and above the prefecture level in the North China Plain region from 2007 to 2016 were used to illustrate the spatiotemporal characteristics of air pollution within this region.Furthermore,panel data model,panel vector autoregression model,and impulse response function were used to explore the correlation and driving mechanism between energy-intensive industries and regional air quality.The results show that:first,overall air quality improved in the study area between 2007 and 2016,with a significant greater fall in concentration of SO2 than that of NO2 and PM10;second,provincial border areas suffered from severe air pollution and showed an apparent spatial agglomeration trend of pollution;and third,the test results from different models all proved that energy-intensive industries such as the chemical,non-metallic mineral production,electric and thermal power production and supply industries,had a significant positive correlation with concentrations of air pollutants,and indicated an obvious short-term impulse response effect.It concludes that upgradation of industrial structure,especially that of energy-intensive industries,plays a very important role in the improvement of regional air quality,which is recommended to be put in top priority for authorities.Therefore,policies as increasing investments in technological innovation in energy-intensive industries,deepening cooperation in environmental governance between different provinces and cities,and strengthening supervision and entry restrictions are suggested.     

Spatiotemporal evolution of PM2.5 concentrations in urban agglomerations of China

As the main form of new urbanization in China,urban agglomerations are an im-portant platform to support national economic growth,promote coordinated regional devel-opment,and participate in international competition and cooperation.However,they have become core areas for air pollution.This study used PM2.5 data from NASA atmospheric re-mote sensing image inversion from 2000 to 2015 and spatial analysis including a spatial Durbin model to reveal the spatio-temporal evolution characteristics and main factors con-trolling PM2.5 in China's urban agglomerations.The main conclusions are as follows:(1)From 2000 to 2015,the PM2.5 concentrations of China's urban agglomerations showed a growing trend with some volatility.In 2007,there was an inflection point.The number of low-concentration cities decreased,while the number of high-concentration cities increased.(2)The concentrations of PM2.5 in urban agglomerations were high in the west and low in the east,with the"Hu Line"as the boundary.The spatial differences were significant and in-creasing.The concentration of PM2.5 grew faster in urban agglomerations in the eastern and northeastern regions.(3)The urban agglomeration of PM2.5 had significant spatial concentra-tions.The hot spots were concentrated to the east of the Hu Line,and the number of hot-spot cities continued to rise.The cold spots were concentrated to the west of the Hu Line,and the number of cold-spot cities continued to decline.(4)There was a significant spatial spillover effect of PM2.5 pollution among cities within urban agglomerations.The main factors control-ling PM2.5 pollution in different urban agglomerations had significant differences.Industriali-zation and energy consumption had a significant positive impact on PM2.5 pollution.Foreign direct investment had a significant negative impact on PM2.5 pollution in the southeast coastal and border urban agglomerations.Population density had a significant positive impact on PM2.5 pollution in a particular region,but this had the opposite effect in neighboring areas.Urbanization rate had a negative impact on PM2.5 pollution in national-level urban agglomer-ations,but this had the opposite effect in regional and local urban agglomerations.A high degree of industrial structure had a significant negative impact on PM2.5 pollution in a region,but this had an opposite effect in neighboring regions.Technical support level had a signifi-cant impact on PM2.5 pollution,but there were lag effects and rebound effects.     

基于移动监测的城市PM2.5污染时空模式研究——以广州市中心区为例

采用便携式空气污染监测设备对广州市环城高速内的中心城区PM_2.5污染情况进行移动监测,获取225.7万条频率为1 Hz的PM_2.5监测数据,基于此对研究区进行10 m×10 m高时空分辨率的PM_2.5污染模拟,并分析移动采集的可靠性及城市中心区PM_2.5污染时空模式。结果显示：天气状况稳定条件下移动监测的城市PM_2.5数据在时间维度与固定监测站点数据呈现较显著相关性（R ²为0.72~0.86）;广州市中心城区的PM_2.5污染时空分布在短时间内具有显著的时空分异特征：时间上,干、湿季的平均逐时极差分别为27和11 μg/m3,质量浓度最高值和最低值出现的时段与当天的背景质量浓度值有关;空间上,交通枢纽、商业中心、工业园和大型商贸市场附近PM_2.5污染风险高,公园绿地、高校、高级住宅区等风险相对较低,且呈干季西高东低、南高北低,湿季东高西低的空间分异特征。     

沙坡头地区沙尘气溶胶质量浓度的试验观测研究

中国北方沙尘气溶胶的理化特征及其气候效应受到了广泛关注,但现有的研究大都是基于较短时段和典型事件的试验观测。本项研究利用大流量采样器和安德森采样器,对沙坡头地区沙尘气溶胶的质量浓度特征进行了长达3a的监测,获得了该地区沙尘气溶胶的年变化特征,并与背景气象资料和降尘观测结果进行了对比分析;针对典型天气过程的观测结果表明,不同天气条件(背景大气、浮尘、扬沙和沙尘暴)下TSP浓度存在倍数关系和量级的差异,其质量浓度随粒径分布特征也明显不同;两种采样器观测结果的对比分析也表明,局地沙尘释放是沙坡头地区大气气溶胶的主要来源,但在沙尘暴过程中,远源沙尘输送的贡献也不容忽略。     

吐鲁番和若羌冬季气溶胶垂直分布的飞机观测分析

利用2019年冬季吐鲁番和2020年冬季若羌共14次完整机载探测气溶胶资料,结合宏观天气资料及大气污染数据,研究飞机爬升或降落阶段两地上空气溶胶粒子数浓度、粒子平均粒径的垂直变化规律,分析不同高度的粒子谱分布特征。结果表明：（1） 两地冬季气溶胶粒子数浓度及粒子直径存在明显差异。在无明显天气过程下,若羌气溶胶粒子数浓度均值（5354·cm^-3）明显高于吐鲁番（3948·cm^-3）;粒子平均粒径来看,均值差异不大,但吐鲁番出现大直径粒子（0.16 \mathrm{\mu } \mathrm{m}）数量高于若羌（0.13 \mathrm{\mu } \mathrm{m}）。2019年12月15日大风后最为明显,粒子直径最大值达到0.21 \mathrm{\mu } \mathrm{m},这与沙尘气溶胶多有关联。从垂直变化情况来看,两地气溶胶粒子数浓度均随高度增加而升高,若羌各层普遍高于吐鲁番,但吐鲁番近地面粒子直径随高度增加有明显下降,若羌整层变化很小。（2） 吐鲁番、若羌气溶胶粒子数浓度和粒子平均粒径受大风、降水等天气过程以及逆温层的影响十分明显。两地高层均主要为输入型气溶胶,低层差异主要是由于吐鲁番地区人为源气溶胶粒子的排放导致的大气环境污染。（3） 吐鲁番、若羌两地粒子谱分布在0.10~3.00 \mathrm{\mu } \mathrm{m}范围内变化趋势大体一致,主要以小粒径为主,谱分布受天气过程影响变化较为明显。（4） 从三模态粒径相似度对比可以得出,无论是吐鲁番还是若羌,在第一模态中数谱分布差异不大,若羌平均相似度为50.330%,略高于吐鲁番46.770%。有明显天气过程时,吐鲁番气溶胶数谱在二、三模态相似度（小于0.020%）急剧下降,而若羌第二模态相似度仍满足置信度95%,但第三模态中变化凸显,相似度不足0.020%。