2014-2016年荆州城区空气质量与气象要素的关系分析

利用2014年1月1日—2016年12月31日荆州城区逐日空气质量数据和同期地面气象要素逐日观测资料,分析了荆州城区空气质量状况、变化特征及其与气象要素的相关性。结果表明,荆州城区优良日数偏少,但2014—2016年荆州城区空气质量略有改善,首要污染物为PM_(2.5);AQI和PM_(10)、PM_(2.5)、SO_2、NO_2、CO的月变化规律一致,呈V型分布,冬季空气污染最严重,夏季空气污染相对较轻,O_3的变化规律则相反,呈反V型分布;除O_3外,AQI和其他污染物浓度与前一日AQI、气压呈正相关关系,与气温、水汽压、湿度、云量、降水、风速呈负相关关系,据此建立了AQI和各污染物浓度的回归预报方程;进一步分析了2014年1月严重污染天气的成因,本地污染物的分布、外地污染物的输入和气象扩散条件是影响空气质量的主要因素。     

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。      

2012—2015年北京市空气质量指数变化及其与气象要素的关系

根据2012—2015年的空气质量指数（AQI）日报数据与同时段的气象数据,采用统计方法和广义加性模型（GAM）对空气质量指数的时间变化及其与气象要素的关系进行了分析,结果表明：2012—2015年北京市空气质量整体呈现下降趋势,冬春季空气质量较差,夏秋季的较好,冬季容易产生重污染天气,春季污染天气频发。北京空气质量存在一定程度的周末效应,表现为周末空气质量较差,工作日相对较好。整体上空气质量指数与风速、日照时数、降水量、平均气温和最高气温呈负相关,与湿度呈正相关,不同季节和不同级别空气质量下的AQI与气象要素相关性差异较大。通过广义加性模型得到AQI与降水量呈线性关系而与其他气象要素均呈非线性关系,气象要素在不同数值范围内对AQI的影响趋势和程度存在显著差异。     

哈尔滨市空气质量特征及其与气象要素的关系

利用哈尔滨市2014—2016年逐日空气质量指数(AQI)数据,结合同期气象观测资料,分析了哈尔滨市空气质量的变化特征、主要污染物及与主要气象要素之间的关系。结果表明:近3 a间,哈尔滨空气质量为良级别的天数最多,占47%,达到污染级别的天数占31%,2016年空气质量最佳,优良级别的天数达到284 d,占全年78%;春夏季AQI指数较低,秋冬季AQI指数明显偏高,9月空气质量全年最佳,1月空气质量最差; PM_(2. 5)是造成哈尔滨空气污染的最主要污染物,其次是PM₁₀、NO_2和臭氧8 h(O3-8 h); AQI与气压之间以正相关为主,秋冬季最为显著;与风速主要表现为负相关,冬季尤为显著;与气温的关系受到采暖的干扰差异较大,年尺度及秋冬季呈负相关,月尺度呈正相关;与降水日数呈负相关;与相对湿度冬季表现为显著正相关,而5—9月为负相关。     

2014年京津冀空气污染时空分布特征及主要成因分析

为进一步了解京津冀区域空气污染状况与工业排放、气象条件的相互关系,运用统计分析方法,使用环保部2014年空气质量日报数据对京津冀地区13个城市空气质量指数(Air Quality Index,简称AQI)、首要污染物的时空分布特征进行了分析,并与各城市的城市建设、经济发展、工业排放及相应时段主要气象因子的影响进行了对比分析。结果表明:总体上,2014年京津冀地区空气质量呈北优南劣分布,即北部优于中部、中部优于南部。京津冀地区空气质量以良和轻度污染的天数居多,其中位于北部的张家口、承德和秦皇岛3市空气质量最好,优良的天数达到67%~86%;北京、天津的占46%,保定、衡水和邢台的仅占23%。各城市AQI具有相似的季节变化特征,12月AQI值最大,9月份达到最小,10月份起AQI开始回升。各市首要污染物1—3月、7月、9—12月以PM2.5为主,4、5月以PM10和PM2.5为主,6、8月以O3为主。影响京津冀地区的首要污染物来源不同,北京市、河北省分别以机动车尾气排放和燃煤排放为主,天津以工业二氧化硫排放及燃煤影响显著。各地空气质量的首要污染物多为原地生成。秋冬季节空气污染加重与燃煤用量加大、静稳天气增多关系密切;而春夏季节空气污染减轻依赖于风力加大、降水频繁、大气不稳定等气象因素。机动车尾气、工业排放、燃煤排放、人口数量等因素与空气污染关系密切,气象条件（风、雨、不稳定大气层结等）对空气污染扩散起着重要作用。     

锦州市空气质量变化特征及其与气象条件关系

利用2014年3月至2015年2月锦州市逐日AQI、日平均污染物浓度和同期气象要素观测资料,对锦州市空气质量时空分布特征及其与气象条件的关系进行了分析.结果表明:锦州市空气质量等级为良的频率为62%,轻度污染的频率为23%,优的频率仅为6%,主要污染物为PM_(2.5)、PM_(10)、SO_2和O_3.锦州市2月和10月空气质量最差,9月空气质量最好,空气质量达优和良等级的日数占9月总日数的97%;锦州市天安街道空气质量最差,其SO_2浓度为百股街道的5倍.锦州市出现3级以上污染时的主要影响系统为地形槽、蒙古低压和弱气压场,降水对污染物具有清除作用,且对PM10的清除作用最明显;沙尘天气时空气污染明显加剧,逆温层抑制了污染物的扩散,逆温层底层高度越低,空气污染越严重.建立了AQI回归预报方程,拟合结果与实测值的变化基本一致,其中对春季AQI的拟合效果最好.     

惠州市空气质量特征分析

利用惠州市区逐日的环境监测资料,统计分析了2013—2016年珠三角东侧惠州市空气质量特征。结果表明:(1)惠州市空气质量整体较好,全年以优良天气为主,未出现过重度和严重污染天气。(2)空气质量具有明显的季节变化特征,汛期高于非汛期,4季中夏季最好冬季最差。(3)从优良率、AQI、空气质量综合指数、主要污染物平均质量浓度等都反映空气质量逐年持续改善,2016与2013年相比有明显提升。(4)臭氧已成首要污染物,夏秋季是臭氧污染的高发季节,今后空气质量改善需重点加强臭氧防治。     

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。     

2015-2016年贵港市空气污染与天气形势的关系

利用2015—2016年贵港市空气自动监测站空气质量指数、首要污染物等数据及贵港国家气象观测站的常规气象观测资料(风速、湿度、气温等),分析了贵港市2015—2016年空气质量概况及相关气象因子,进而利用合成分析方法对贵港市在不同季节出现不同级别空气污染的天气形势变化进行了分析。分析结果表明:贵港市的首要污染物为PM_(2.5)和PM_(10),其中12月、1—2月为贵港市空气污染最严重的月份。各气象要素与空气质量指数相关性较强,风速、气温、降水等气象条件对贵港市的空气质量影响显著。在春、秋、冬季,冷空气南下影响贵港市,500 hPa为持续的下沉运动且850 hPa相对湿度较低及850hPa由北风转为南风且风速较小时,贵港市极易出现轻度污染以上的天气;当云南一带有南支槽活动时,贵港市易出现重度污染天气。夏季影响贵港市空气质量的主要因素则是热带气旋移动至江苏、浙江一带时,热带气旋的外围下沉气流导致贵港市出现持续下沉运动。此时,受副热带高压系统或者其他天气系统影响,850 hPa风向出现明显转折时,应考虑贵港市出现轻度污染的天气现象。     

杭州AQI的分布特征及其与气象条件相关性分析

根据杭州市2013—2015年的空气质量日报资料,分析了杭州市空气质量特征及其与气象要素的关系,并从气象因素分析了杭州重污染日发生的原因。结果表明:1)杭州市近3年平均AQI为97,良好率为63%,7月杭州空气质量最好,1月空气质量状况最差,近3年杭州的空气质量状况总体有所改善;2)杭州市首要污染物主要为PM2.5和O3,在6—9月,首要污染物主要为O3,在其他月份,首要污染物主要为PM2.5;3)杭州AQI与气象要素密切相关,且不同的时段所依赖的气象因子也不同;4)杭州重污染日时,地面风速小,且68%的重污染日低空存在逆温,71%的重污染日低层存在下沉运动;5)杭州重污染的典型地面形势主要有冷空气影响型、高压影响型和倒槽型3类。     

贵阳市近4 a空气质量特征分析

利用贵阳市9个国控空气自动监测站2013年1月—2016年6月的逐日污染物监测资料,以涵盖可吸入颗粒物(PM10)、细颗粒物(PM2.5)、二氧化硫(SO2)、二氧化氮(NO2)、一氧化碳(CO)、臭氧(O3)6种污染物的空气质量指数(Air Quality Index,AQI)来作为表征空气质量的特性值,用统计分析方法来对贵阳市空气质量特征进行分析研究。结果表明:(1)贵阳市总体空气质量较好,首要污染物以PM2.5和PM10为主,而又以PM2.5居多。(2)贵阳市月平均AQI值在1月最高,7月最低。6种污染物中,O3总体呈波动型分布,峰值分别出现在5月和10月,11月为全年最低值。除O3外,其余各污染物均呈现以7月为低谷,12月—次年1月为高峰的分布特征。(3)四季中,AQI值分布为冬季春季秋季夏季。各污染物中,除O3外,其余浓度均表现为冬高夏低,而O3浓度则为春高冬低。     

湖北三种地形下AQI特征及其与气象因子的关系

基于2015—2016年湖北省环境监测数据和气象资料,分析了3种地形下空气质量指数(AQI)特征及其与气象因子的关系。结果表明:湖北省年空气质量指数时空分布特征为山区低平原高,冬季高夏季低,日高峰值襄阳出现在中午,武汉和宜昌出现在23:00—24:00;与空气质量指数关系较显著的气象因子包括相对湿度、变温、变压、风、降水等,其中降水对污染物的沉降作用跟空气质量等级有关,污染程度越重,需要清洁空气的雨量越大,轻度以上污染时,需要中雨及以上降水才会产生有效清洁,当降水为微量(1mm以下)时,AQI反而会增长;受不同地形影响,不同城市污染天气输入路径不同,襄阳为北风、武汉西北风、宜昌多弱东风扰动,且襄阳大风速出现的频数较高,而宜昌以小风为主。     

四川雅安三种主要大气污染物浓度与气象条件的关系及其预测研究

基于四川雅安城市空气质量预报和大气污染防控的需求以及冬季以颗粒物(PM_(2. 5)和PM_(10))污染为主、夏季以臭氧(O_3)污染为主的特点,本文利用雅安市2015-2018年空气污染监测数据以及同期气象观测资料,重点分析雅安市空气污染物PM_(2. 5)、PM_(10)和O_3浓度变化特征的基础上,利用灰色关联度方法对上述污染物浓度与气象要素的相关关系进行了细致分析;通过BP神经网络进行两者的数学建模,构建了雅安市空气质量短期预报模型,并进行了试预报检验。研究表明:雅安市2015-2017年期间污染物O_3、PM_(2. 5)、PM_(10)浓度呈上升的趋势,空气质量达标率自2015年的92. 7%降低到2017年的82. 2%,2018年达标率略有上升为88%,但仍出现了9天中度污染和1天重污染。污染物浓度与气象要素变化相关密切,其中,降雨量和气压与PM_(2. 5)和PM_(10)污染关联最大,表明雅安作为四川盆地的"雨城",其降水对颗粒物的湿清除效应是很显著的;而气温和风速与O_3污染关联最大,恰好反映了高温和由高温所隐含的强辐射对O_3生成的促进作用。由BP神经网络所建立的雅安O_3预报模型,其准确度较稳定,各季7天平均相对误差都19%,并且预报效果排序为夏季冬季秋季春季;由BP神经网络所建立的雅安PM_(2. 5)预报模型,其在春季和夏季预测准确度较好,两季7日平均相对误差都16%,秋季相对误差略高一点,其四季预报准确度排序为夏季春季秋季冬季。此研究结果可为当地空气质量预报业务的开展提供技术支持。     

贵州西南三地空气质量特征及预报研究

该文选取2015—2017年贵州西南3地(黔西南、安顺、六盘水)的环境空气质量监测和气象要素观测资料,运用统计、相关和多元线性逐步回归3种分析方法,掌握了3地环境空气质量指数和污染物特征,以前日空气质量指数近似替代未知污染源和显著相关气象因子作为自变量,对3地分季节建立空气质量指数预报模型,并进行了效果检验。结果表明:贵州省西南3地空气质量优良,黔西南州空气质量最优,安顺市次之;3地AQI月均值6月最低,安顺市、六盘水市和黔西南州最高分别出现在12、1和2月;优、良等级年际变化安顺市分别呈波峰和波谷特征,六盘水市与其反向变化,黔西南州为线性正、负变化;安顺市、六盘水市和黔西南州主要污染物分别为O_3、PM_(2.5)和PM_(10);3地AQI模型预报值与实况的变化趋势较为一致,春、夏季效果最好,综合评分在90%以上,具有预报业务应用价值。     

石河子市空气质量特征及其气象影响因素的研究

运用石河子市2015—2020年6种污染物浓度，研究了石河子市近6年空气质量及污染物浓度时间变化特征。结果显示：石河子市近6年空气质量有所改善，首要污染物主要以可吸入颗粒物和臭氧为主，并有明显的采暖期和非采暖期之分。冬季空气质量对全年空气质量优良天数占比为负贡献，各污染物浓度的峰值多出现在白天。分析石河子市相对湿度、气压、温度等气象要素和空气质量指数的相关性，并建立拟合方程，结果显示石河子市除冬季外其他时间最小相对湿度、最低气温和空气质量指数相关性较好，在预报空气质量过程中可重点考虑。     

2015年成都市空气质量指数特征及其与大气水汽的关系

为了分析空气质量状况及其与大气水汽的关系,基于四川盆地西部的成都市近年来污染天气频发的现状,利用2015年成都市环境监测中心提供的环境空气质量指数资料和温江国家基准气候站提供的大气水汽探空资料,首先分析了成都空气质量变化特征,进一步结合成都L波段探空水汽数据,初步研究了成都空气质量与大气水汽的关系。结果表明：2015年成都单日空气质量指数（AQI）最高值为309,达到严重污染级别;AQI年分布特征是冬季最高,夏季最低;首要污染物最多的是PM2.5。春、夏季,大气可降水量（PWV）与臭氧质量浓度在5—8月呈显著负相关;秋、冬季,PWV与PM2.5及PM10质量浓度在1月、10—11月呈显著正相关,其中水汽对PM2.5浓度影响较大的时段出现在1月和10月。     

2013—2015年廊坊市连续重污染条件下的气象要素和污染物特征

通过综合运用micaps、自动站等气象资料,以及环境监测污染物浓度和AQI指数等资料,对2013—2015年廊坊市的连续重污染天气进行了分析,并细致分析探讨了在空气达到重污染背景下,气温、风向、风速、相对湿度等气象要素和多种空气污染物指数的分布特征。结果表明:(1)连续重污染具有明显的季节性特点,秋季开始出现,冬季达到顶峰,随着次年春季的到来逐渐减少至消失;(2)连续重污染的出现将导致气温升高,此时风向多为西南风—西风和偏东风,平均风速以0.3~1.5m·s^(-1)为主,最大风速多在1.6~3.3m·s^(-1)之间,相对湿度以60%~70%为最高发区间;(3)连续重污染天气的首要污染物为PM_(2.5)或PM_(10),其中以PM_(2.5)为主,比例高达94.3%,且呈逐年小幅下降趋势;(4)CO和SO_2浓度变化与采暖期污染物排放关系密切;(5)5月出现的连续重污染较少,且由大风沙尘天气造成。     

西宁市主要空气污染物分布可视化研究

为探究西宁市主要空气污染物时空分布特征,气象要素对大气污染物的制约关系,依据环境空气质量评价方法和西宁市2013年的环境空气质量监测结果,进行数据分析处理,实现2013年西宁市主要空气污染物分布可视化。分析结果表明:西宁市的空气质量具有明显的季节特征,冬季是空气质量最差的季节,春季次之,夏季空气质量最好;有效降水的高低导致2013年西宁市空气质量状况劣于2012年;PM10、PM2.5和平均相对湿度具有较高的负相关性,分别为-0.870和-0.796。     

汉中市空气质量预报模型及验证

利用汉中市2015—2016年1月1日—12月31日2a的空气质量资料和同期地面气象观测资料,分析了汉中市空气质量变化特征及其与气象要素之间的相关性,建立了汉中市空气质量预报模型。结果表明:汉中市空气质量状况总体较好,以优良天气为主,达标率为75.9%;汉中市空气质量夏季最好,秋季次之,冬季最差;空气质量指数(AQI)与气温、风速、日照时数、能见度、水汽压、降雨量、气压、地面气温相关性显著,各气象要素对AQI的影响有所不同,且不同季节内影响程度各异;建立的汉中市春、夏、秋、冬四季空气质量预报模型方程均通过显著性水平0.01检验,达到极显著水平。经验证,2017年春季空气质量级别预报准确率超过了85%,预报效果良好,可应用于汉中市空气质量预报业务。     

武汉市空气质量状况与气象条件的关系

基于2013年武汉市环境监测数据和气象要素资料,分析该市空气质量状况与气象条件的关系。结果表明,武汉市全年平均空气质量指数(AQI)为135,良和轻度污染所占比例分别为35%和30%。雾天、霾天、晴天、雨天四种天气条件下,6种污染物(SO_2、NO_2、CO、O_3、PM_(2.5)和PM_(10))浓度值基本上为雾天最高、霾天次之、晴天再次之、雨天最低,雾天00—08时污染物浓度明显高于其他天气条件;PM_(2.5)浓度与降水量的相关性较差,中雨量级时,降水对污染物的清除作用显著,PM_(2.5)浓度下降明显,当日降水量小于1 mm时,PM_(2.5)浓度略有上升,平均上升1.3μg·m~(-3)左右,这与微量降水的大气增湿作用有关;PM_(2.5)浓度变化与相对湿度(RH)和风速的关系较明显,其相关系数分别为0.87和-0.72,当RH70%且每增加10%时,PM_(2.5)浓度增加10μg·m~(-3)左右;静风和风速很大时,污染物浓度相对较高,东南风影响下PM_(2.5)浓度在四季均较高,而秋、冬季在西北风影响下PM_(2.5)浓度最高;PM_(2.5)浓度主要增长阶段以正变温、负变压为主。