2015年11月沈阳地区一次PM2.5重污染过程综合分析

利用多源观测资料综合分析了2015年11月沈阳地区一次PM2.5 重污染天气的气象条件、垂直风场演变、大气边界层特征以及污染物的来源。结果表明:本次重污染过程中,沈阳市区PM2.5浓度长达81h超过250μg · m^-3 ,其中峰值浓度达到1287μg · m^-3 ,重污染期间PM2.5 /PM10 的比例最高为90%。受地面倒槽和黄淮气旋影响,近地面层持续存在的逆温层、高相对湿度和弱偏北风为颗粒物吸湿增长和长时间聚集提供有利的天气条件。风廓线雷达风场资料显示在重污染期间,近地面层存在弱风速区、凌乱风场和弱下沉气流。利用风廓线雷达资料计算了边界层通风量(Ventilation Index,VI)和局地环流指数(Recirculation,R),边界层通风量VI和PM2.5 存在明显的负相关,非污染日VI是重污染日的2倍,局地环流指数R在重污染天气前大于0.9,而在污染期间部分空间R小于0.8。通过后向轨迹模式和火点监测资料分析发现,沈阳上空300m高度气团来自于生物质燃烧区域,而且沈阳地区NO2和CO浓度的变化与PM2.5一致,说明本次重污染过程也可能和生物质燃烧有关。     

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。     

气象条件对石家庄PM_(2.5)浓度的影响分析

利用2013~2014年石家庄逐小时PM2.5监测浓度与地面及探空等气象观测资料,从大气的垂直扩散、水平扩散和地面局地环流等方面,探讨气象条件对PM2.5浓度的定量影响关系。结果表明:(1)石家庄PM2.5浓度具有明显的日、月和季节变化特征,早晨08时前后PM2.5浓度最高,下午16时前后浓度最低;冬季PM2.5浓度最高,夏季最低;(2)2 a共出现485 d逆温,其中10~12月出现频率最多,达82.8%~86.2%,逆温致使低层大气垂直运动受阻,不利于污染物扩散;(3)大气混合层高度与PM2.5浓度呈反相关,PM2.5浓度75μg/m3(空气质量优良),对应大气混合层高度平均为1 448 m,而PM2.5浓度≥150μg/m3(空气重污染)的混合层高度降到878 m;(4)受地形影响,石家庄地面风与边界层附近风对污染物的影响明显不同:925 h Pa西南风、地面偏东风不利于污染物扩散;925 h Pa西北风、地面偏西风有利于污染物浓度降低。925 h Pa风速4 m/s、地面偏西风风速2 m/s、地面偏东风风速3 m/s,有利于污染物扩散;(5)降水对污染物有湿清除作用,清除量不仅与降水量有关,还与前期PM2.5浓度有关,且冬季降雪过程对PM2.5的清除作用是降雨的4倍。     

MODIS气溶胶光学厚度的PM_(2.5)质量浓度遥感反演研究

以北京为研究区域,利用MODIS气溶胶光学厚度产品AOT(Aerosol Optical Thickness)定量反演北京近地面PM2.5质量浓度。首先对MODIS AOT与对应地面实测PM2.5质量浓度为数据源,两者的线性相关系数为0.323,经过AOT标高订正和PM2.5湿度订正后,两者相关系数升高为0.467;进一步分析AOT与PM2.5的季节变化特征发现,秋季相关性最高(0.802),春季最低(0.252),其他季节介于之间,并深入分析了AOT与PM2.5自身物理化学特性及气象因子对两者相关性的影响机制;最后在耦合标高和湿度订正基础上,建立了一个近地面PM2.5质量浓度对数反演模型,并与地面实测PM2.5样本进行对比分析,结果显示均方根误差为2.84%,平均误差为9.53%,验证了该对数反演模型能较好的依据AOT反演近地面PM2.5质量浓度的可行性,为卫星遥感高精度定量反演PM2.5提供了科学依据。     

丹东市大气颗粒物质量浓度变化特征及其与气象要素的关系

利用2008-2017年大气颗粒物质量浓度资料和逐日地面气象观测资料,统计分析了丹东市大气颗粒物质量浓度时间变化特征及其与气象要素的关系。结果表明:2008-2017年丹东市大气颗粒物质量浓度年际变化具有一定的波动性,其中2015-2017年大气颗粒物污染状况持续改善明显;质量浓度月和季节变化特征明显,1月和12月最高、7月最低,冬季最高、夏季最低,非汛期显著高于汛期,供暖期显著高于非供暖期;非汛期大气颗粒物质量浓度超标日相较达标日,气温和能见度偏低,降水偏少,风速偏小;非汛期PM2.5、PM1质量浓度与相对湿度呈显著正相关,与风速呈显著负相关,汛期PM2.5、PM1质量浓度与风速呈显著负相关;PM2.5、PM1质量浓度春、秋、冬季与风速的负相关性最显著,冬季与相对湿度的正相关性也十分显著。     

一次PM2.5化学污染过程的实况及气象要素影响分析

在收集NARR资料、ARB资料、Caltech站观测数据3类气象资料的基础上,对一次化学污染过程中PM2.5站点分布和时间演变特征进行分析,同时按照地理位置分布将13个观测站点分类,分析气象要素场对PM25区域分布形成和扩散的影响,并找出PM25与气象要素演变的相关性.结果表明:各类观测站的PM2.5浓度值主要以“单峰型”日变化特征为主,其中以城区站的特征最为显著,通常在早上09:00左右达到峰值,平均峰值质量浓度为56.6 μg/m3,而在下午18:00左右为谷值,平均谷值质量浓度为18 μ/一m3,风场、行星边界层高度、地面温度场和湿度场在PM2.5平均的峰值、谷值时段有明显差别;排放源和气象场的日变化规律是决定城区站PM2.5峰谷时段的主要因素;城区站、郊区站地面PM2.5质量浓度值与风速、行星边界层高度、地面温度呈现明显的负相关,与地面气压、相对湿度呈明显的正相关;山区站PM2.5质量浓度值与温度呈弱负相关、与相对湿度呈正相关,其它气象要素相关不明显.     

成都市PM_(2.5)污染特征及其与地面气象要素的关系分析

为了解成都市PM_(2.5)污染特征及其与地面气象要素的关系,利用环境空气质量监测资料和地面气象观测资料,分析了PM_(2.5)质量浓度的季节、月和日变化特征,并分不同空气质量等级分析空气质量与地面气象要素的关系。结果表明:PM_(2.5)质量浓度具有明显的季节、月和日变化特征,且成都市区6个监测站的变化趋势比较一致;成都市相对湿度较大,地面风速较小,约62%的样本分布在相对湿度80%～100%,约85%的样本分布在地面风速0～2 m·s~(-1),地面风速对成都市PM_(2.5)的水平输送、扩散、稀释不利;降水对PM_(2.5)的清除量随PM_(2.5)初始浓度、降雨持续时间和累积降雨量增加而增大。     

揭阳市空气污染特征及气象条件分析

利用揭阳市气象局环境观测站PM2.5、PM10逐日质量浓度监测资料以及2016年天气形势图,分析了揭阳市空气污染的变化特征。结果表明:揭阳市PM2.5和PM10质量浓度具有季节、月际和日变化,并且与风速和相对湿度呈负相关,降水对于空气污染物具有明显的净化作用;容易产生PM10和PM2.5高质量浓度的地面形势为受低压槽、脊后槽前、变性高压脊等,850hPa则为变性脊或低压槽,另外,受台风外围下沉气流控制,也容易产生高浓度天气。     

江西省中北部地区一次典型灰霾天气过程分析

利用气象观测资料、南昌市PM2.5资料并结合HYSPLIT轨迹模型,对2013年12月4—10日江西省中北部地区一次典型、持续性灰霾天气过程进行了分析,综合讨论了灰霾天气发生过程中的天气形势、风速、能见度、低层相对湿度、层结稳定度等气象要素和物理量特征,分析了PM2.5浓度等环境要素的变化特征以及导致此次灰霾天气的污染源。结果表明:1)此次灰霾天气过程的500 h Pa高度层平均环流形势为"两槽一脊"型,江西省受西北偏西气流控制;弱冷空气、静稳天气是灰霾天气得以形成和发展的主要天气背景场。2)较小的近地面风速和较大的相对湿度以及中低层逆温层的存在均是此次灰霾形成和维持的重要条件,且此次灰霾天气过程中能见度分别与近地面风速和相对湿度、PM2.5浓度呈正、反相位关系,湿度升高、污染物浓度较高、风速较低的气象条件容易形成低能见度。3)灰霾天气气溶胶颗粒物浓度的升高可能是由本地污染源和甘肃省、内蒙古自治区一带以及四川省东南部污染源共同造成的;前期整体出现在2 km以下,随着时间的推移,浓度升高。     

2016年12月青岛一次持续重污染天气的观测分析与数值模拟

选取2016年12月17—22日青岛一次典型重污染天气,利用大气污染物监测结果、地面气象要素观测资料和欧洲中期天气预报中心（ECMWF）ERA5再分析数据对此次过程中大气污染物及气象场的变化特征进行分析。观测分析表明此次污染过程持续时间长达5 d以上,其中19—21日为重污染天气（PM 2.5 日均质量浓度ρ>150 μg·m-3）。根据气象场和PM2.5质量浓度变化特征,此次污染过程可分为3个阶段：17日02时—19日08时为青岛污染物累积阶段,研究区受西南风控制,PM2.5质量浓度逐渐上升,700 hPa等压面上高空槽的维持及槽前持续的南风、西南风有利于污染物累积,同时近地面相对湿度增加,是此次持续性重污染天气形成的重要条件;19日09时—20日20时为青岛污染维持加剧阶段,相对湿度大、风速很小,污染物扩散条件差,PM2.5质量浓度最高;20日21时—22日08时为青岛污染消散阶段,青岛对流层中下层及地面风速均增大并产生弱降水,有利于污染物扩散稀释和湿清除,PM2.5质量浓度逐渐降低。WRF-Chem数值模式能够较好地模拟出主要气象要素和青岛PM2.5 质量浓度的变化特征,模拟结果表明山东省内污染物排放贡献了青岛PM2.5的49.5%;污染物跨省输送对此次污染事件也有重要贡献,其中来自研究区以南的安徽和江苏的排放对青岛PM2.5的贡献率可达25.5%。     

不同代表性浓度路径情景下2045-2050年中国气溶胶分布变化的分析

基于来自于CMIP5中CESM模式的三种RCP情景下的气象场的降尺度模拟,应用区域空气质量模式系统RAMS-CMAQ模拟2045-2050年中国地区气溶胶浓度.三种RCP情景下气象场的降尺度模拟表明,与RCP2.6相比,在RCP4.5和RCP8.5下,华北和华南的近地表温度差减小,风速在华北和华南地区增加,在中部地区下...     

Comparison of Ozone and PM2.5 Concentrations over Urban,Suburban, and Background Sites in China

Surface ozone(O₃) and fine particulate matter(PM_2.5) are dominant air pollutants in China. Concentrations of these pollutants can show significant differences between urban and nonurban areas. However, such contrast has never been explored on the country level. This study investigates the spatiotemporal characteristics of urban-to-suburban and urban-tobackground difference for O₃(Δ[O₃]) and PM_2.5(Δ[PM_2.5]) concentrations in China ...     

Comparison of PM2.5 and CO2 Concentrations in Large Cities of China during the COVID-19 Lockdown

Estimating the impacts on PM_2.5pollution and CO₂emissions by human activities in different urban regions is important for developing efficient policies.In early 2020,China implemented a lockdown policy to contain the spread of COVID-19,resulting in a significant reduction of human activities.This event presents a convenient opportunity to study the impact of human activities in the transportation and industrial sectors on air pollution.Here,we investigate the variations in air quality attributed to the COVID-19 lockdown policy in the megacities of China by combining in-situ environmental and meteorological datasets,the Suomi-NPP/VIIRS and the CO₂emissions from the Carbon Monitor project.Our study shows that PM_2.5concentrations in the spring of 2020 decreased by 41.87%in the Yangtze River Delta(YRD)and 43.30%in the Pearl River Delta(PRD),respectively,owing to the significant shutdown of traffic and manufacturing industries.However,PM_2.5concentrations in the Beijing-Tianjin-Hebei(BTH)region only decreased by 2.01%because the energy and steel industries were not fully paused.In addition,unfavorable weather conditions contributed to further increases in the PM_2.5concentration.Furthermore,CO₂concentrations were not significantly affected in China during the short-term emission reduction,despite a 19.52%reduction in CO₂emissions compared to the same period in 2019.Our results suggest that concerted efforts from different emission sectors and effective long-term emission reduction strategies are necessary to control air pollution and CO₂emissions.     

Analysis of aerosol distribution variations over China for the period 2045–2050 under different Representative Concentration Pathway scenarios: 不同代表性浓度路径情景下 2045-2050 年中国气溶胶分布变化的分析

The regional air quality modeling system RAMS-CMAQ was applied to simulate the aerosol concentration for the period 2045–2050 over China based on the downscaled meteorological field of three RCP scenarios from CESM (NCAR's Community Earth System Model) in CMIP5. The downscaling simulation of the meteorological field of the three RCP scenarios showed that, compared with that under RCP2.6, the difference in near-surface temperature between North and South China is weakened and the wind speed increases over North and South China and decreases over central China under RCP4.5 and RCP8.5. Under RCP2.6, from 2045 to 2050, the modeled average PM_2.5 concentration is highest, with a value of 40–50 µg m⁻³, over the North China Plain, part of the Yangtze River Delta, and the Sichuan Basin. Meanwhile, it is 30–40 µg m⁻³ over central China and part of the Pearl River Delta. Compared with RCP2.6, PM_2.5 increases by 4–12 µg m⁻³ under both RCP4.5 and RCP8.5, of which the SO₄²⁻ and NH₄⁺ concentration increases under both RCP4.5 and RCP8.5; the NO₃⁻ concentration decreases under RCP4.5 and increases under RCP8.5; and the black carbon concentration changes very slightly, and organic carbon concentration decreases, under RCP4.5 and RCP8.5, with some increase over part of Southwest and Southeast China under RCP8.5. The difference between RCP4.5 and RCP2.6 and the difference between RCP8.5 and RCP2.6 have similar annual variation for different aerosol species, indicating that the impact of climate change on different species tends to be consistent.摘要基于来自于 CMIP5 中 CESM 模式的三种 RCP 情景下的气象场的降尺度模拟, 应用区域空气质量模式系统 RAMS-CMAQ 模拟 2045-2050 年中国地区气溶胶浓度.三种 RCP 情景下气象场的降尺度模拟表明, 与 RCP2.6 相比, 在 RCP4.5 和 RCP8.5 下, 华北和华南的近地表温度差减小, 风速在华北和华南地区增加, 在中部地区下降. RCP2.6 情景下, 模拟的 2045 年到 2050 年平均的 PM _2.5浓度在华北平原, 长三角的部分地区和四川盆地最高, 约为 40-50 µg m^–3, 在中国中部和珠三角的部分地区约为 30-40 µg m^–3. 与 RCP2.6 相比, 在 RCP4.5 和 RCP8.5 下, PM_2.5增加了 4-12 µg m^–3, 其中在 RCP4.5 和 RCP8.5 下, SO₄^2–和 NH₄⁺的浓度增加, 在 RCP4.5 下, NO^3–浓度降低, 在 RCP8.5 下, NO^3–浓度升高, 在 RCP4.5 和 RCP8.5 下, BC 浓度变化很小, 而 OC 浓度下降, 其中在 RCP8.5 下, 西南和东南部分地区的 OC 有所增加.不同的气溶胶物种浓度在 RCP4.5 和 RCP2.6 之间的差异以及 RCP8.5 和 RCP2.6 之间的差异具有相似的年度变化, 这表明气候变化对不同物种的影响趋于一致.     

Impacts of ENSO on wintertime PM2.5 pollution over China during 2014–2021

China has implemented a series of emission reduction policies since 2013, and the concentration of air pollutants has consequently decreased significantly. However, PM_2.5 (particulate matter with an aerodynamic diameter less than 2.5 µm) pollution still occurs in China in relation to the interannual variations in meteorological conditions. Considering that El Niño–Southern Oscillation (ENSO) is the strongest signal modulating the interannual variation in the atmosphere–ocean system, in this study the authors investigate the variations in PM_2.5 concentrations in four megacity clusters of China during the winter season associated with four individual ENSO events from 2014 to 2021. Results show that the wintertime PM_2.5 concentrations in the Beijing–Tianjin–Hebei and Fenwei Plain regions during El Niño years are higher than those during La Niña years, which can be explained by the anomalous southerly (northerly) winds during El Niño (La Niña) favoring PM_2.5 accumulation (diffusion). In the Pearl River Delta region, PM_2.5 concentrations decrease in El Niño relative to La Niña years owing to the enhanced water vapor flux and precipitation, removing more PM_2.5 from the atmosphere. The comprehensive effects of wind and precipitation anomalies lead to the unpredictability of the impacts of ENSO on PM_2.5 over the Yangtze River Delta region, which should be analyzed case by case.摘要2013年以来中国实施了一系列减排政策, 大气污染物浓度明显下降, 但由于气象条件的年际变化, 中国PM_2.5 (空气动力学直径小于2.5 µm的颗粒物) 污染仍然存在. 厄尔尼诺–南方涛动 (ENSO) 是调节大气–海洋系统年际变化的最强信号. 本文研究了2014–2021年四次ENSO事件期间, 中国四个特大城市群冬季PM_2.5浓度的变化. 结果表明, 在京津冀和汾渭平原地区, 由于厄尔尼诺 (拉尼娜) 期间的偏南风 (偏北风) 异常有利于 PM_2.5 的积累 (扩散), 冬季PM_2.5浓度在厄尔尼诺年高于拉尼娜年. 在珠三角地区, 由于厄尔尼诺冬季水汽通量和降水的增加有利于大气中PM_2.5的湿清除, 冬季PM_2.5浓度在厄尔尼诺年低于拉尼娜年. 在环流和降水异常的综合作用下, ENSO对长三角地区PM_2.5浓度的影响难以预测, 应逐案分析.     

Vertical Distribution Characteristics of PM<Subscript>2.5</Subscript> Observed by a Mobile Vehicle Lidar in Tianjin,China in 2016

We present mobile vehicle lidar observations in Tianjin, China during the spring, summer, and winter of 2016. Mobile observations were carried out along the city border road of Tianjin to obtain the vertical distribution characteristics of PM_2.5. Hygroscopic growth was not considered since relative humidity was less than 60% during the observation experiments. PM_2.5 profile was obtained with the linear regression equation between the particle extinction coefficient and PM_2.5 mass concentration. In spring, the vertical distribution of PM_2.5 exhibited a hierarchical structure. In addition to a layer of particles that gathered near the ground, a portion of particles floated at 0.6–2.5-km height. In summer and winter, the fine particles basically gathered below 1 km near the ground. In spring and summer, the concentration of fine particles in the south was higher than that in the north because of the influence of south wind. In winter, the distribution of fine particles was opposite to that measured during spring and summer. High concentrations of PM_2.5 were observed in the rural areas of North Tianjin with a maximum of 350 μg m^–3 on 13 December 2016. It is shown that industrial and ship emissions in spring and summer and coal combustion in winter were the major sources of fine particles that polluted Tianjin. The results provide insights into the mechanisms of haze formation and the effects of meteorological conditions during haze–fog pollution episodes in the Tianjin area.     

重污染下我国中东部地区1960~2010年霾日数的时空变化特征

对1960~2010年我国中东部地区霾日数的时空变化特征的分析结果表明:1)霾日数大值区主要分布在人口众多的四川盆地、北京-天津-河北地区、长江中下游地区以及广东-广西中部。2)季节变化上,霾日数冬季较多,其中北京-天津-河北地区中部和西南部、四川盆地和东北地区东部和南部等地超过20 d,夏季最少。3)霾日数气候趋势系数在北京-天津-河北地区、长江三角洲地区和珠江三角洲地区趋势系数高达0.8。4)霾日数呈现明显的上升趋势[3.69 d(10 a)–1],其气候趋势系数为0.82,通过了99.9%的信度检验。5)我国中东部气溶胶光学厚度和对流层NO2的空间分布与年平均霾日数的分布基本一致,近51年来能源消耗量的稳定上升趋势也表明,人为因素导致的大气污染物排放量增加是引起霾天气出现频率上升的重要因素。     

最近40年中国雾日数和霾日数的气候变化特征

根据1971～2010年567个中国地面观测站点的雾日数和霾日数资料,分析了我国雾日数和霾日数的空间分布、季节变化以及年代际变化特征,并且利用REOF（旋转经验函数正交）分解对雾日数进行气候区划。结果表明：（1）雾主要分布在东南沿海地区、四川盆地地区、湘黔交界、山东沿海以及云南南部等地区。霾主要集中于华北、河南以及珠三角和长三角地区。（2）在季节变化上：秋、冬季雾和霾的分布大于春夏。（3）雾日数和霾日数年代际变化明显,雾日数在20世纪70至90年代较多,20世纪90年代以后减少;霾日数自2001年以来急剧增长。（4）雾日数可以共可分为10个区,其中华北区、川渝区以及长江中下游区是雾出现频率较高的几个重点区域。     

重庆能见度特征分析及其与颗粒物浓度和气象影响因子的关系

利用重庆地区能见度及温、压、湿、风等气象资料和大气颗粒物浓度数据,对重庆能见度特征及其影响因子进行分析,采用神经网络方法建立能见度预报模型,分析比较了引入PM2.5浓度因子对预报模型的影响效果。发现：重庆地区能见度分布呈现西低东高以及长江沿线较低的分布特征;雾发生时的平均能见度低于降水时能见度也远低于剔除雨、雾后的能见度,表明低能见度受大气中水汽影响更大;雾在冬季比例明显增加,使得平均能见度在冬季明显降低,而6月和10月降水增多是导致这两个月平均能见度出现明显降低的重要原因;能见度日变化呈现单峰型,雾和降水高发时段与平均能见度低值区重叠,是造成夜间能见度低的一个重要原因;大气湿度、温度及颗粒物浓度都是影响能见度的重要因子,当相对湿度小于70%时能见度随PM2.5增加明显降低,当相对湿度大于70%时PM2.5对能见度的影响降低;在能见度的客观预报模型中引入PM2.5浓度因子的预报效果好于不引入该因子的效果,特别是秋冬季的预报效果改善明显。     

2015—2019年防城港市空气污染气象条件综合分析

对防城港市影响最大的首要空气污染物为PM_2.5和O₃,空气污染日主要集中在秋冬季。空气污染按500 hPa环流形势可分为西北气流型、偏西气流型及西南气流型;按地面气压场可分为冷高压脊型、均压型、高压后部低压前部型。在无境外输入的情况下,PM_2.5产生在风速小、气温较低、能见度小、湿度较大并且无降雨或降雨不明显的天气环境里,而O₃产生在高温、低湿、日照充足、风速较大和能见度好的天气环境里。在垂直运动方面,中低层的下沉气流利于空气污染物累积。在温度层结分布方面,700~850 hPa的低层存在的逆温层对PM_2.5浓度增加非常重要,近地面的逆温层对PM_2.5浓度增加的作用要比低层弱,而近地面的逆温层对O₃浓度的增加非常重要,但是低层的逆温却不重要。