辽宁中部城市群 大气污染 概述分析

本文通过对辽宁省中部城市群空气环境质量的特点、趋势和经济发展需求的分析,概述了城市群效应,大气污染状况及防治措施。     

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。     

长白山高压对辽宁中部城市群大气污染影响的数值模拟

利用新一代空气质量模式系统Models-3,通过改变模式中长白山山脉区域地形高度,对比分析长白山高压以及辽宁中部城市群5城市气象环境要素的变化情况。结果表明,改变地形后,原来较强的长白山高压有了明显的减弱,城市群5城市的水平气流辐合场消失,风速增大,逆温强度也减弱,有利于污染物的传输扩散;模拟结果也表明污染物浓度有明显的降低,试验较好地揭示了长白山高压对辽宁中部城市群大气污染的影响机制。     

辽宁中部城市群大气污染防治对策探讨

根据对辽宁中部城市群大气污染特征及污染发展趋势的分析,探讨了大气污染防治原则、对策及政策措施。辽宁中部城市群的大气污染属煤烟－机动车尾气-扬尘复合型,对其深化整治要在容量测算基础上以大气污染排放控制和环境空气质量达标为基本目标,以发展清洁能源、合理城市布局、调整工业布局和“控源”为主要途径,以消减污染物排放总量为重点,利用总量控制和浓度控制相结合、产业结构调整和技术改进相结合的综合防治手段,制定科学的城市群空气环境质量防治规划。     

1987-2002年辽宁中部城市群大气污染物变化特征分析

根据1987—2002年辽宁中部城市群(沈阳、鞍山、本溪、抚顺、辽阳)的主要大气污染物(TSP、PM10、SO2、NOx)的现状监测值,分析了辽宁中部城市群大气污染的现状及污染程度。结果表明：城市群的主要大气污染是TSP、PM10和SO2;冬季是城市群大气污染最严重的季节,夏季大气污染最轻;5个城市16年来TSP、PM10和SO2呈逐年下降趋势,NOx的年际变化趋势不明显;城市群大气污染最严重的城市是本溪,其次是鞍山、沈阳、抚顺、辽阳。     

辽宁中部城市群大气能见度变化趋势及影响因子分析

通过分析辽宁中部相对集中分布的5个城市群1987-2002年间的大气能见度、影响能见度的气象因子和污染物的变化特征及能见度与气象因子、污染物浓度之间的相关关系等,得到以下结论：（1）各城市能见度有明显的月、季和年际变化特征,能见度月变化呈双峰型,第一个峰值在5月份,第二个峰值在9,10月份;冬季能见度的值最低,春、秋季高;本溪市的能见度在逐年变好;沈阳的能见度从1987-1997年逐年变好,1997年以后又逐年变差;其它城市的能见度呈逐年变差的趋势。（2）各城市影响能见度的气象因子的年际变化特征基本是一致的;5个城市TSP,SO2污染浓度年均值均呈下降趋势,NOx的年际变化趋势不明显。（3）能见度与湿度、雾的相关关系都呈负相关且非常显著;与降雨量、风速及温度之间的关系比较复杂;与各种污染物的相关都呈负相关。     

辽宁中部城市群夏季大气能见度的观测研究

利用2009年6—8月辽宁中部4个城市的观测资料,分析了辽宁中部城市群夏季的季、月、日能见度分布,并探讨了能见度的日变化特征及其影响因子。结果表明:辽宁中部城市群内各城市夏季大气能见度月际变化趋势基本一致,天气系统和大气环境比较均一,具有明显的区域性特征;各城市大气能见度日变化呈明显的单周期谷、峰形分布,06时前后能见度最差,15—16时最好;大气细粒子、水汽和风速都对城市群能见度有一定的影响,其中,大气细粒子是主要影响因子;城市群夏季的低能见度时次,仅有一小部分是由轻雾引发的,而大部分则是由霾天气造成的。     

辽宁中部城市群灰霾污染的外来影响

利用MODIS(MODerate-resolution Imaging Spectroradiometer)卫星资料、空气质量监测资料、地面气象资料及后向轨迹方法,对辽宁中部城市群代表性城市——沈阳市2009年全年发生的30 d首要污染物为PM10(空气动力学当量直径小于等于10μm的颗粒物,即可吸入颗粒物)且空气污染指数API(Air pollution Index)为3级及以上污染过程的天气形势及污染来源进行了综合分析。研究结果表明:引发3级以上重污染事件的天气形势主要为4类,分别为高压均压场型(包括高压后均压场型、高压前均压场型和高压内均压场型)、长白山小高压型、弱低压场型及地形槽型。发生污染天气时气流主要有两个来向,即西南方向的京津冀来向和偏北方向的内蒙和长春来向。气流来自偏南方向的天数最多,为19 d。其中最容易受京津冀影响的天气型为高压后均压场型和地形槽型,共有8 d,占总污染天数的26.7%。因此,来自京津冀的外来输送对于辽宁中部城市群霾污染的影响不容小视,辽宁中部城市群空气质量的改善与临近区域的改善紧密相关。     

辽宁中部城市群边界层气象场的数值模拟研究

利用中尺度数值模式MM5模拟和分析了辽宁中部城市群各个季节的边界层气象场特征.模拟结果显示:在边界层内,由流场的分布造成污染物的滞留最有可能发生在冬季,其它季节由于各自的原因会使污染物疏散而不易造成污染.同时,逆温也是导致污染物堆积的一个重要原因,研究表明对于城市群内的5个城市,逆温现象主要出现在冬季,在其它季节不常见.另外,一旦近地层湿度大到可以形成雾,在冬季会使大浓度的污染物附着在上面,对人体健康构成很大的威胁.     

辽宁中部城市群可吸入颗粒物PM10和PM2.5的污染特征研究

利用2006年8月-2007年10月辽宁中部沈阳、鞍山、抚顺和本溪4城市可吸入颗粒物PM10、PM2.5、PM1及同步气象因子的监测资料,分析了可吸入颗粒物分布特征、污染水平及其与气象因子的关系。结果表明：受区域天气系统的影响,4城市PM10和PM2.5的日平均浓度变化趋势基本一致,具有区域分布特征;PM10超标率冬季为最高;PM2.5日平均浓度占PM10比例夏季和冬季最大;PM10、PM2.5和PM1之间有很好的相关性;PM10与风速、温度呈负相关,PM2.5和PM1与能见度、风速、温度呈负相关,与相对湿度成正相关。     

利用中尺度模式作辽宁省空气污染气象条件预报

利用非静力中尺度数值模式（MM5V2），试验预报辽宁省空气污染气象条件。在模式中着重加密近地面的垂直分层，使用中期数值预报模式（T106L19）预报场作为初值背景场和侧边界。采用美国污染潜势预报方法，在模式预报输出市场中，通过对近地面层的混合层高度和混合层平均风速的判定，预测未来空气污染气象条件，并用SO2实测值进行检验。     

北京西南部地区大气污染分析

近年来北京的气象特征、雾霾发生频次、能见度变化特征及特点受到越来越多的关注。利用北京西南地区代表站的能见度,通过回归分析、Mann Kendall趋势分析突变检验方法等,对近34年能见度的变化特征及突变性进行了分析研究,发现平原地区和山区日平均能见度年际变化均呈下降趋势,季节变化以春冬季能见度较好,日变化显著,平原站年均能见度在1997年前后出现突变。结合常规地面观测要素进行了相关分析,发现能见度与湿度相关性最好。利用房山区环保局提供的2013年全年污染物浓度数据,分析能见度与污染指数的关系,发现在各污染因子中,PM25同能见度的相关性最好,SO2相关性最差,为今后污染治理提供参考依据。     

乌鲁木齐市空气污染现状分析

从纵横两个方面对乌鲁木齐市空气污染现状进行了系统分析，包括与全国其它重点城市之间的比较分析、季节变动分析和趋势变动分析。     

乌鲁木齐冬季浅薄型焚风对扩散条件及污染物浓度的影响

本文针对峡口城市乌鲁木齐市2013-2015年冬季6个环境监测站、逐时的6类污染物浓度数据,气象数据及风廓线雷达资料,分析了浅薄型焚风对扩散条件及污染物浓度的影响。研究发现：冬季乌鲁木齐出现浅薄型焚风的频率为57.3%,平均气流底高约605m,气流顶高约2108m,气流厚度约1502m;乌鲁木齐市冬季焚风日比非焚风日混合层厚度低200m,逆温层厚度厚344m,逆温差大4.4℃,逆温强度强0.01℃/100m,平均风速小0.1m/s;空气质量各污染等级出现频率焚风日都高于非焚风日,3级高18%,5级以上重度污染高7%;污染物浓度日变化呈双峰结构,并表现为焚风日污染浓度＞冬季平均浓度＞非焚风日污染浓度;污染物浓度（除O3外）空间分布特征为焚风日比非焚风日高。     

乌鲁木齐市冬季混合层厚度及对大气污染影响的个例分析

利用国标法、罗氏法对乌鲁木齐市2008年1月11—13日的混合层厚度进行了计算,并用实测的混合层厚度验证了两种方法在乌鲁木齐的应用效果,最后分析了混合层厚度对大气污染的影响。结果表明:国标法、罗氏法计算的混合层厚度比实测的偏大,在用国标法与罗氏法求一个地区的混合层厚度时,进行大气稳定度分级及选用地面风速时要适当进行调整;观测期间乌鲁木齐市的平均混合层厚度在154 m左右,最大值在350 m左右;相对于地面风速,地面气温对混合层厚度的影响较为明显;混合层厚度对大气污染具有显著影响。     

Remote Sensing Methods to Investigate Boundary-layer Structures relevant to Air Pollution in Cities

Simultaneous surface-based remote sensing with optical (Ceilometer) and acoustic (Sodar) methods allows the diurnal variation of the structure of the atmospheric boundary layer to be deduced with high temporal resolution. Primarily the convective boundary layer, the nocturnal stable surface layer, and the residual layer can be identified from the measured vertical profiles of aerosol concentration and thermal fluctuations. The ability of the two remote sensing techniques is shown in different examples from two different locations and two seasons. The impact on urban air quality assessment is addressed.     

黑龙江省沙尘天气发生的气候背景和预报方法

对2000～2003年黑龙江省较典型的7次沙尘天气过程进行气候条件和地面天气形势分析,并对沙尘天气影响下哈尔滨地区的空气污染状况特别是颗粒物污染进行了分析。结果表明：持续少雨、高温、春季大风是发生沙尘天气的气候条件;沙尘天气发生时,中等以上污染的地面天气形势有高低压同时发展、强低压发展、春季其它类型鞍形场均值区和弱低压内3种类型;在沙尘天气影响下,哈尔滨地区的颗粒污染物浓度迅速上升,形成中、重度污染。建立了未来24h发生沙尘天气的高空及地面预报模型。     

铜川2004-09-14冰雹天气成因分析

本文根据长治市2000年～2002年4个例行环境空气质量现状监测点逐日现状监测资料,运用统计分析方法,分析了长治市大气污染物的时空变化规律及其变化原因。     

列序分析在大气环境污染分析中的应用

提出了不同于计算相关系数的列序分析的方法,思路来源于变量序列间的几何形状接近程度,几何形状接近的序列,度量其靠近程度的指数应大,反之就小.将靠近程度大小按序排列,就得到变量序列间的联系程度的名次.从实用出发,针对不同性质的数据,提出了4种列序度计算方案.选取了计算加权平方距离的方案对大气污染及其有关的气象要素数据进行了实例计算.通过计算列序度并与相关系数对照,可以更可靠地来使用某个气象要素制作预报,另外,从数学上证明列序分析与绝对值关联度、欧氏距离间的关系,由此论证了列序分析的数学根基.数学推导和数值计算都证实了列序分析的可用性,尤其在量测为小样本的情况下更有使用价值.     

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。