河南省2005-2015年NO2和PM2.5时空变化遥感解析

利用常规气象资料、颗粒物观测数据、NCEP 1°×1°分析资料、GDAS 1°×1°数据、激光雷达资料等,对2018年11月下旬河南漯河一次连续重污染天气过程成因与污染物传输特征进行了分析。结果表明：（1）本次污染与天气形势关系密切,前期受静稳纬向环流和地面均压场影响,有利污染积累;中期高空槽与地面变性高压引导弱冷空气东移南下,产生滞留效应,污染物迅速增加;后期因低层东路冷空气扩散与静稳形势恢复,污染继续积累增长,形成连续性重污染。（2）PM_2.5造成重污染时因辐射逆温持续稳定,导致污染加剧;PM₁₀重污染时因逆温层减弱消失,有利污染物输送沉降;混合重污染时因近地层湍流混合加强形成逆温,污染持续发展。（3）本次重污染天气主要有5条传输路径,西南路径和偏东路径污染比例较高,其轨迹短,高度在900 hPa以下,对PM_2.5近距离输送作用明显;西北路径和偏北路轨迹长,起始高度在700-600 hPa之间,高空中远距离输送以PM₁₀为主。（4）受静稳条件和近地层高湿影响,高消光带维持在600 m以下,较低边界层抑制垂直扩散,导致污染细颗粒物与沙尘积累并长时间共存。（5）本次重污染是本地污染累积和高空外源污染输送共同影响。除漯河本地污染贡献较高外,高潜在源区主要集中河南西南部、东北部以及与山东交界处,这也是本次持续性污染发展的重要原因。（6）重污染时地面偏北风占主导,其他方向风速较小,有利形成污染辐合以及污染物二次转化并加剧污染。

     

荆门市冬季PM2.5传输轨迹及潜在源分析

对2015年3月至2018年2月共36个月荆门市PM2.5浓度值按月和季节作特征分析,利用HYSPLIT轨迹模型对污染最为严重的冬季进行后向48h气团轨迹模拟。结果表明：PM2.5月均浓度表现为1月最高,达到107μg/m3,7月最低,为30μg/m3,冬季平均值为92μg/m3,显著高于其它季节,并且冬季高浓度PM2.5主要与本地地面5—11m/s的偏北（N、NNE）大风伴随出现;气团轨迹分为西南、东北、西北三个路径,近地面传输的东北路径和高空传输的西南路径气团均引起PM2.5浓度升高,而西北路径气团整体上对污染物具有一定清除作用;东北路径方向的河南以及靠近荆门市的西北、西南向地区为48h的潜在源贡献大值区。在通过气象条件定性判断荆门未来的PM2.5浓度变化时,因东北路径近地面传输的特性,应关注上游潜在源区内地面站点PM2.5的浓度值;对于高空传输的西南路径,应关注高空水汽的输送情况,以及轨迹高度下降地区即水汽的沉降区是否在潜在源区;西北路径为干冷空气的高空传输,在较接近荆门时轨迹高度才开始明显下降,应关注西北方向近距离潜在源区的地面站点PM2.5的浓度值。     

兰州春季沙尘过程PM10输送路径及其潜在源区

将2001-2008年分为沙尘天气相对多年和相对少年,计算兰州市春季逐日4个时次的4 d气团后向轨迹。通过聚类分析得到春季到达兰州市区的主要气团轨迹组,结合可吸入颗粒物PM₁₀日均质量浓度资料,通过计算潜在源贡献因子PSCF(potential source contribution function)和浓度权重轨迹CWT(concentration-weighted trajectory),得到影响兰州市春季PM₁₀质量浓度的潜在源区以及不同源区对兰州市春季PM₁₀质量浓度贡献的差异。结果表明,在沙尘天气相对多年,西路径和西北路径发生比例最高,分别占总轨迹的33%和19.4%,其中有50%以上为污染轨迹,是造成兰州市春季高质量浓度PM₁₀污染的主要输送路径。沙尘天气相对少年的主要输送路径是西路径,其次是北路径,分别占23.6%和18%。影响兰州市春季大气PM₁₀质量浓度的潜在源区分布在新疆塔里木盆地、吐鲁番盆地、青海柴达木盆地、甘肃河西走廊、内蒙古中部和西部的沙漠戈壁地区。     

长江三角洲西部地区PM2.5输送轨迹分类研究

长三角4个省会（直辖市）城市（上海、南京、合肥、杭州）中,合肥与南京的PM_2.5浓度演变有较高的一致性。应用聚类分析的方法对2013-2015年合肥非降水日（日降水量低于10 mm）100 m高度（代表近地层）和1000 m高度（代表边界层中上部）的72 h后向轨迹进行分类,结合合肥2013-2015年PM_2.5日均浓度资料,探讨近地层和边界层中上部输送轨迹与长三角西部PM_2.5浓度的关系。近地层和边界层中上部分别得到7组和6组不同的后向轨迹;不同输送轨迹对应的PM_2.5浓度、重污染（重度以上污染,PM_2.5日均浓度大于150 μg/m³）天数、能见度、地面风速、相对湿度等都有显著不同,尤其是在近地层。100 m高度,平均长度最短、来向偏东的轨迹组对应的PM_2.5浓度均值最高（约是组内均值最低值的2倍）、重污染天数最多,且占比最高（30%）,重污染日对应的气流在过去72 h下降高度均值仅28 m,明显低于其他PM_2.5污染等级日;来向偏西北、长度较短的轨迹组,PM_2.5浓度均值和重污染天数为第2高,这一类轨迹占比14%,气流到达本地前存在明显的下沉运动,反映了远距离输送加剧本地PM_2.5重污染的特征。这两类轨迹常对应PM_2.5日均浓度的上升。PM_2.5平均浓度最低的2个轨迹组分别是来自东北和西南的较长轨迹组,所占比例分别为6.4%和10.3%,这2类轨迹往往对应着PM_2.5日均浓度下降。1000 m高度的结果与100 m高度结果类似,但PM_2.5平均浓度的组间差异不及100 m高度,与2001-2005年PM₁₀浓度与输送轨迹的关系不同。对3 a中84个重污染日两个高度的后向轨迹进行聚类,近地层和边界层中上部各得到7类和6类PM_2.5重污染日的天气形势。近地层92%的重污染日对应的海平面气压形势场上,从华北到华东属于均压区,气压梯度小,轨迹来向以偏东到偏北方向为主,垂直方向延伸高度在950 hPa以下。1000 m高度,77%的重污染日属于相对较短的轨迹组,对应的850 hPa高度场特征为从中国西北（新疆）到东南受高压控制,长三角或位于高压底部,或位于两高压之间的均压区。这对PM_2.5浓度预报有较好的指示意义。     

贵州安顺市PM2.5气象输送条件及贡献源空间分布

利用贵州省安顺市2015—2019年大气污染物资料和气象资料,分析安顺市空气质量特征和主要大气污染物特征,通过TrajStat软件中HYSPLIT模型的后向轨迹模式,结合GDAS气象数据、PM_2.5浓度,分析不同季节输送途径及其污染轨迹,采用潜在源贡献作用和浓度权重轨迹分析方法,分析研究期内所有PM_2.5污染日（PM_2.5日浓度高于75 μg·m^-3）输送轨迹垂直与水平方向分布特征。结果表明: PM_2.5是安顺城区主要大气污染物,冬季输送污染轨迹占比较大,输送方向主要为贵州东北方向、偏南方向; 污染日PM_2.5输送路径以贵州东北方向近距离输送为主,该类轨迹基本分布在880—980 hPa高度; 潜在源高值区主要集中在贵阳整个地区、毕节织金县、黔西市、金沙县等,高贡献值区主要集中在安顺紫云县、镇宁县、毕节织金县、大方县等。     

宝鸡2017—2019年冬季PM2.5分布特征及重污染过程分析

利用宝鸡市2017—2019年PM_2.5质量浓度小时数据及相对湿度等气象数据,探讨了宝鸡市PM_2.5质量浓度、相对湿度和能见度三者的关系,并利用HYSPLIT后向轨迹模式对3 a冬季重度及以上污染过程主导来源气团进行了聚类分析。研究发现：宝鸡冬季重度及以上污染过程多发生在1月,期间主导风向为西北风和东南风;PM_2.5质量浓度与能见度在不同相对湿度条件下有不同的拟合幂函数关系,空气相对湿度>80%时,空气中水汽含量是影响能见度的主要因素,空气相对湿度≤60%时,影响能见度的主要因子是PM_2.5质量浓度。2017—2019年冬季宝鸡达重度污染及以上的过程后向轨迹聚类结果略有不同,其中2017年污染以偏北及西南气团近距离输送为主,2018年污染以宝鸡本地积累为主,2019年污染以关中临近城市(西安地区)近距离输送为主;西北路气团移速最快,远距离传输能力最强,偏东路气团移速最慢,远距离传输能力最弱。     

上海东滩大气颗粒物长期变化及影响源区分析北大核心CSCD

根据2008—2015年上海崇明东滩大气成分观测站(以下简称东滩站)大气颗粒物(PM)观测数据,分析其浓度水平、变化趋势、影响气团和潜在源区。结果表明,2008—2015年东滩站PM质量浓度的长期变化趋势不显著,但细粒子(PM_(2.5))比例不断升高。PM_(2.5)/PM_(10)从0.84上升至0.92,表明二次气溶胶占比趋于增加。对8年大样本数据进行后向轨迹聚类,发现东滩站主要受大陆型、海洋型、大陆/海洋混合型气团影响,三者所占比率分别为32.0%、38.8%、29.3%。海洋型气团中PM_(2.5)本底质量浓度为11~15μg·m^(-3),而大陆型气团中PM_(2.5)本底质量浓度的季节差异显著,在29~56μg·m^(-3)波动,对东滩站具有明显的输入效应。东滩站PM_(2.5)的潜在源区随季节变化,秋季和冬季主要受华北、黄淮、苏皖影响,春季收缩至苏皖和浙江北部,夏季则转换至长三角南部的浙江及浙闵沿海。总体而言,上海及周边的苏锡常、杭嘉湖对东滩PM_(2.5)浓度贡献最显著,来自渤海、黄海近海污染回流的贡献也不可忽视。     

2019年8月太原市一次典型O3和PM2.5污染天气过程成因分析

选用太原市近地面O₃、PM_2.5、气象要素、天气形势、NCEP再分析资料、颗粒物激光雷达等资料,结合后向轨迹模式,对2019年8月19—20日太原市一次典型O₃和PM_2.5污染天气过程特征及成因进行分析。结果表明：此次污染过程O₃浓度早于PM_2.5浓度达到峰值,19日O₃浓度较大且持续时间长,20日PM_2.5浓度增大,但O₃浓度明显减小。河套倒槽前小风、高温的稳定层结为19日O₃和PM_2.5的积累提供了有利条件,边界层高度降低和偏东气流输送导致19日日落后O₃和PM_2.5浓度增大,其后倒槽过境时的地面上升运动、边界层发展使近地面O₃和PM_2.5污染得到一定缓解,20日冷锋过境后的边界层高度降低及高湿环境为PM_2.5在近地层迅速积累提供了有利...     

2015年华北地区上甸子大气本底站PM2.5化学组分特征及来源分析

根据2015年上甸子区域大气本底站PM_2.5样品采集数据,分析PM_2.5质量浓度及其化学组分变化特征,应用质量闭合、后向轨迹、潜在源等方法分析其来源。结果表明：2015年上甸子站PM_2.5质量浓度年平均值为44.9μg·m^-3,春季、夏季、秋季、冬季均值分别为58.1、30.9、39.7、51.3μg·m^-3,与2009—2010年相比分别降低了33%、56%、46%、9%。SO₄^2-、NO^-₃和NH⁺₄质量浓度年平均值分别为8.5±9.2、6.4±8.3、3.9±4.7μg·m^-3,有机碳、元素碳浓度年平均值分别为8.9±6.3μg·m^-3、1.6±1.2μg·m^-3。NO^-₃与SO₄^2-浓度日...     

青岛市秋冬季霾期PM1及其含碳组分理化特征及来源研究

对2017年11月1日—2018年1月31日与2018年11月1日—2019年1月31日连续两年青岛市大气PM₁进行监测,获取了PM₁中含碳组分的变化趋势,结合国控站点监测数据和气象条件,分析了秋冬季PM₁来源.结果表明：2017、2018年秋冬季观测期间PM₁日均质量浓度分别为40.58±25.98、42.55±25.05 μg/m³;霾日质量浓度分别为84.71±16.70、81.52±18.39 μg/m³.与2017年相比,2018年同期PM₁质量浓度增长4.85%,霾日下降3.76%.2017年霾日PM₁中OC、EC质量浓度分别为13.67±3.95、3.95±1.02 μg/m³,2018年分别为16.48±6.34、3.34±1.16 μg/m³.与2017年相比,2018年霾日OC质量浓度增长20.56%,EC下降15.44%.2017、2018年霾日SOC质量浓度分别是非霾日的1.28和2.15倍,表明霾污染发生时易发生有机碳二次转化.含碳组分主成分分析均解析出3个因子.因子1解释变量均最大,分别为58.98%、67.14%,其表征含碳组分主要源于生物质燃烧、燃煤、道路扬尘及汽油车尾气等排放源.由后向气流轨迹分析得出,2017、2018年秋冬季气团轨迹多起源于内蒙古,经河北、天津、山东等省市抵达青岛.     

基于后向轨迹的秋冬季漯河重污染输送及典型个例分析

利用常规气象数据、颗粒物观测数据、全球大气同化系统GDAS数据、NCEP再分析资料、ERA5再分析资料等,结合数理统计、轨迹聚类、天气学分析等方法对2015—2019年秋冬季漯河重污染特征、污染输送及潜在源区分布进行分析,并通过一次典型重污染个例进行证明。结果表明:近5 a秋冬季漯河重污染过程发生频次高、持续时间长、污染程度重,AQI、PM_(2.5)变化趋势不明显,PM_(10)浓度下降趋势明显,PM_(2.5)/PM_(10)比值逐年递增,以PM_(2.5)重污染为主。秋冬季漯河主要有6种气团输送路径,东北路、偏东路轨迹短、移速慢且高度低,近距离近地层污染输送特征明显,为重要重污染通道;西北路远距离下沉沉降输送和西南轨迹近距离输送下的AQI均值及重污染概率较低,对漯河重污染贡献不高。漯河潜在源区来源复杂、范围广、强度大,其污染潜在源主要分布在河南中东部、尤其是东北部,对应东北路径、偏东路径等气团轨迹。重污染时地面偏北风是其主导风,尤其是2—4 m·s^(-1)之间偏北到东北风最为显著。两次跨区域输送表明,北路或东北路近地层输送是AQI峰值维持发展的重要原因。     

武汉市冬季灰霾期PM2.5中水溶性无机离子的特征

2018年1月,利用颗粒物采样器采集武汉市大气PM_2.5样品并进行水溶性无机离子（F^-、Cl^-、NO₃^-、SO₄^2-、Na⁺、NH₄⁺、K⁺、Mg²⁺、Ca²⁺）的分析.结果表明,NO₃^-、SO₄^2-、NH₄⁺是PM_2.5中最主要的3种水溶性无机离子,除Mg²⁺与Ca²⁺外,PM_2.5与WSⅡs （水溶性无机离子）之间的相关性显著,且移动源贡献占主导地位.阴阳离子平衡表明武汉市冬季灰霾期PM_2.5呈中性或弱酸性.通过混合单粒子拉格朗日综合轨迹模式模拟并采用分层聚类得出了4种主要的后向气流轨迹及相应的PM_2.5和水溶性离子浓度,结果表明区域传输对此次灰霾期影响较大.     

湖州市PM2.5浓度变化及传输特征分析

基于2014—2018年全国空气质量指数（AQI）和PM_2.5质量浓度数据、美国国家环境预报中心GDAS数据和后向轨迹模式,分析研究了湖州市PM_2.5浓度变化特征,并筛选出5 a内出现的8次重污染天气过程进行输送特征和潜在源分析。结果表明：湖州地区PM_2.5日平均浓度频率分布呈指数分布,高频区主要集中在20—40 μg·m^-3之间。污染主要出现在冬季,夏季、初秋为低浓度值,PM_2.5小时平均浓度的日变化呈主副双峰型分布特征,其中主峰出现在10时,副峰出现在02时,谷值则在18时,其与NO₂和SO₂的变动有关。污染主要通过西北和偏东路径进行中远距离传输,其中西北路径传输对湖州地区影响较大,而偏东路径下气团经过海面,夹带的水汽与颗粒物充分混合,会加剧颗粒物的二次生成和老化过程;西南偏西路径和偏南路径对湖州空气污染也有一定贡献,但存在不确定性,个别过程中偏南路径表现为清洁通道。西北路径上的城市群是主要潜在源区,大值区主要集中在安徽中西部。     

唐山市PM2.5和O3行业来源解析

京津冀位于华北平原腹地,面临着严重的空气污染问题,尤其是河北省的重点工业城市唐山,长期位于全国空气质量最差的前十名。为改善空气质量,过去的十多年间我国颁布实施了多项污染防治计划,但唐山的PM_2.5和夏季O₃浓度仍超国家标准。为此,使用WRF(Weather Research and Forecasting Model)-CMAQ(Community Multiscale Air Quality Model)模型量化了唐山市2020年PM_2.5和O₃浓度的行业贡献并分析其协同控制可行性。工业源对唐山市PM_2.5浓度贡献最大,约占45%,其次是居民源约占16%。冬季能源、居民源和农业源占比为全年最高,分别达17%、19%和11%。O₃浓度的背景值约占一半以上,4月占比最高。在非背景值中,唐山O₃浓度最大来源为工业源,约占53%,其次是交通源,约占22%。生物源、交通源和能源行业的贡献在7月有所上升,分别约10%、27%和20%。不同污染情...     

Elemental composition of PM2.5 and PM10 at Mount Gongga in China during 2006

In order to investigate the chemical characteristics of atmospheric aerosols in a regional background site, PM_2.5 and PM₁₀ were collected at Mount Gongga Station once a week in 2006. The concentrations of fifteen elements including Na, Mg, Al, K, Ca, V, Fe, Ni, Cu, Zn, As, Ag, Ba, Tl, and Pb were detected by Inductively Coupled Plasma Mass Spectrometer (ICP-MS). The results showed that Na, Mg, Al, K, Ca, Fe were the major components of elements detected in PM_2.5 and PM₁₀, occupied 89.5% and 91.3% of all the elements. Crustal enrichment factor (EF) calculation indicated that several anthropogenic heavy metals (Ni, Cu, Zn, As, Ag, Tl, Pb) were transported long distances atmospherically. The concentrations of all elements (except Na) measured in PM_2.5 and PM₁₀ in spring and winter were higher than those in summer and autumn. The backward air mass trajectory analysis suggests that northeast India may be the source region of those pollutants.     

苏南三市秋冬季PM2.5中水溶性离子和元素特征及源解析

2010年11月16日至12月17日在南京、常州、苏州三城市设置采样点,24 h采集大气PM_2.5样品,并测定其水溶性无机离子和元素的浓度,在此基础上讨论PM_2.5及无机组分的时空分布特征。结果表明,采样期间,PM_2.5污染较严重,且苏州最重,常州次之,南京最轻,南京、苏州、常州日均浓度分别是国家二级标准(75 μg/m³)的1.44、2.32、1.53倍;三市PM_2.5离子组分中,阴离子均以SO₄^2-和NO₃^-为主,阳离子以Ca²⁺和Mg²⁺为主;苏州Na⁺和Cl^-之间的相关性较高,其受到海盐输送影响较大;三城市PM_2.5中Ca是最主要元素,Al次之。运用主成分法分析南京、常州和苏州PM_2.5的来源可知,三城市PM_2.5受多个污染源影响,包括生物质燃烧、地表扬尘、五金工业及汽车尾气排放等。     

基于无人机观测的太原夏季PM2.5垂直分布特征及成因分析

利用无人机搭载气象及环境监测设备于2020年7月29—31日在太原进行飞行试验,对不同高度层颗粒物和气象要素进行观测,得到PM_(2.5)三维分布及其随时间的变化特征,并通过气象要素、天气形势和后向轨迹分析得到污染累积和消散成因以及外地传输作用影响。结果表明:PM_(2.5)浓度的垂直分布差异显著,下午大部分时次满足"下高上低"规律,上午边界层垂直混合和颗粒物吸湿增长可能导致"下低上高"的情况;逆温层对大气垂直混合有明显抑制作用;29日为污染物积累过程,30日和31日白天均为消散过程;副热带高压带来的小风、高湿环境是29日颗粒物逐渐累积的原因,30日槽前对流发展和较大的风速有利于颗粒物浓度下降,31日相对湿度较低、对流发展旺盛使PM_(2.5)浓度快速下降;试验期间气流主要来自东南方向,太原市PM_(2.5)本地积累占主导地位,外地传输更多来自于本省晋中、长治等邻近城市。