共查询到19条相似文献,搜索用时 156 毫秒
1.
银川大气污染物浓度变化特征及其与气象条件的关系 总被引:1,自引:0,他引:1
利用2013年银川地区6个监测点污染物质量浓度和同期气象要素数据,对区域内污染物浓度变化特征及其与气象条件的关系进行分析。结果表明:银川市区PM10年均值超标0.7倍,PM2.5年均值超标0.4倍,SO2和NO2也有一定程度超标,CO和O3未超标|1、2、11月和12月为SO2、NO2、PM10、PM2.5、CO质量浓度较高月,O3浓度最高月为5月,次高月为10月|9:00-12:00和21:00-00:00是SO2、NO2、PM10、PM2.5和CO质量浓度较高的两个时段,O3浓度一般于15:00达到最大;6类污染物普遍表现出季节性的准7 d周期和全年性的准30 d周期|空气质量状况良的频率是56 %,轻度污染26 %,优仅为12%;首要污染物以PM10、PM2.5和SO2为主|风速与SO2、NO2和CO具有良好的负相关关系,与O3则呈显著正相关关系,风速对PM10和PM2.5影响较复杂,当风速小于某一值时,有利于PM10和PM2.5扩散,当风速达到一定程度后,又会导致PM10和PM2.5浓度的增加|降水对污染物有较好的冲刷作用,且对SO2的清除作用最明显,对O3的清洁作用最弱。 相似文献
2.
本文利用2017年彭州市大气污染物(SO2、NO2、O3、CO、PM10、PM2.5)小时浓度数据并结合地面气象观测资料,统计分析了该地区大气污染物浓度的演变规律及影响因素。结果表明:该地区细粒子(PM10和PM2.5)污染较为严重,O3次之,其它污染物浓度水平则低于国家新二级标准限值。观测期间,各污染物浓度表现出明显的日变化与季节变化,其中SO2、O3呈单峰型日变化,NO2、CO和细粒子则呈双峰型日变化;污染物浓度的季节变化基本表现为冬高夏低、春秋次之的变化特征(O3为夏高冬低),并且固态污染物(PM10、PM2.5)与气态污染物(NO2、CO)之间有显著的相关性。在污染物浓度与气象要素相关性分析中表明,湿度对于污染物浓度的影响整体上要弱于温度和风速,除了O3与温度、风速呈正相关外,其它污染物与两者均呈负相关。除此以外,风向对于当地各种大气污染物的积累与清除也有直接的影响。 相似文献
3.
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、PM2.5、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、PM2.5、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。 相似文献
4.
5.
利用2019年1—6月地面环境监测资料和PM2.5气象条件评估指数,结合滚动偏差订正方法,对汾渭平原CUACE空气质量预报产品进行了检验订正,并对气象条件和污染减排影响进行了评估。结果表明:CUACE模式对空气质量指数(AQI)、PM2.5和SO2浓度预报值较接近观测值,PM10、CO和NO2预报值小于观测值,O3预报值大于观测值;对首要污染物O3和PM2.5及重度和严重等级污染的预报的TS评分最高,漏报率和空报率最小,预报偏差最接近1;滚动偏差订正方法对改善CUACE空气质量预报效果较为明显,尤其是对PM10、O3和NO2改善最为明显;汾渭平原2019年上半年气象条件变化使PM2.5浓度较2018年同期和过去5年同期分别上升了18.26%和11.18%,减排措施使PM2.5浓度较2018年同期和过去5年... 相似文献
6.
2006-2012年青岛市空气质量与气象条件的关系 总被引:2,自引:0,他引:2
利用2006-2012年青岛市SO2、NO2及PM10的监测资料,统计分析3种污染物时空分布特征及污染物平均浓度与气象要素的关系,并分析污染日气象条件变化特征。结果表明:2006-2012年青岛市年平均污染日数为23-33 d;青岛市空气污染主要出现在冬、春两季,主要污染物为PM10。青岛中度以上污染为PM10污染,大多由浮尘天气引起。污染物浓度与云量、降水量和气温呈负相关,与气压呈正相关。冬季大雾易造成空气污染加重,而4-6月海雾则使空气质量提高。弱的地面天气形势和接地逆温层结的存在及持续的烟、霾天气易导致青岛空气污染。 相似文献
7.
大气污染物质量浓度变化主要受气象条件和人为排放变化所控制。2020年上半年在“新冠”疫情影响背景条件下,四川盆地的六项主要污染物质量浓度较往年有不同程度的变化,为了区分这些变化受气象条件和人为排放变化各自的影响程度,开展了气象条件变化对四川盆地污染物质量浓度影响的初步分析。分析结果表明:2020年1~6月整体空气质量优于2019年同期。主要影响污染物浓度的气象参数中,成都平原、川东北地区平均风速与往年相当,川南地区平均风速低于往年。从2020年3月开始,盆地各个城市的总降水量明显偏少,其中5月降水偏少情况最为严重,对应的相对湿度在5月同比较低。平均温度2020年高于2019年,尤其是5、6月平均温度较往年偏高大约4~5°C。月日照总时长从3、4月开始明显长于往年。用固定污染源,改变初始气象条件的方法进行数值模拟结果表明,PM2.5和PM10相似,1、2月模拟结果低于2019年,3、4月高于往年,5、6月同比偏低,主要偏差区域在川南城市群。SO2 在1、2月气象条件有利于扩散,3月川东北不利扩散,其余月份差距不明显。NO2在2月气象条件较为不利,CO不利的月份为4月。4月气象条件有利于臭氧扩散,而5、6月盆地气象条件对O3污染过程起了较强的推动作用。定量分析各个城市污染物浓度贡献率表明,受疫情影响,除臭氧外的颗粒物和气体污染物在1~4月人为排放贡献为负,5、6月由于全面复工复产,导致盆地的污染物浓度也有所上升,人为排放贡献率也大幅增加。O3由于人为排放增加与不利气象条件叠加,导致盆地O3污染情况较为严重。 相似文献
8.
利用德阳2014—2021年气象观测数据和大气颗粒污染物数据,分析了PM2.5和PM10浓度变化特征及其与气象要素相关性,并以2017年1月25—28日PM2.5污染过程为案例,开展了污染过程的气象条件和后向轨迹分析。结果表明:(1)2014—2021年德阳PM2.5和PM10浓度呈下降趋势,二者浓度的日最大值、最小值分别出现在11时、17时,月均浓度都表现出“夏低冬高”的特征。(2)德阳四季PM2.5和PM10日均浓度均与降水量及地面风速呈显著负相关关系,而与相对湿度、气温、气压的相关性则存在季节差异。(3)地面均压场、气压梯度小、风力微弱的静稳天气条件以及上游污染物的输入是导致此次重污染形成和加重的主要因素。 相似文献
9.
利用2011年能见度、相对湿度、风速逐时观测资料和11月16日至12月13日期间颗粒物膜采样数据,分析天津市大气能见度与PM2.5组分的关系。结果表明:天津颗粒物质量浓度与能见度变化总体呈负相关,PM2.5和相对湿度对能见度的影响作用明显。能见度与颗粒物中TC质量浓度变化呈负相关,SO42-,NO3-,OC和EC是影响大气能见度的主要组分,其中SO42-浓度对能见度影响最大,其次为OC浓度、EC浓度,NO3-浓度对能见度的影响相对较小。后向轨迹和混合层高度分析表明,气象条件是造成PM2.5质量浓度分布差异的重要原因。 相似文献
10.
利用2016—2018年常州市区环境空气细颗粒物数据,结合同期地面气象资料,分析了常州市区PM2.5以及气象因素的变化特征,并统计分析气象因素对PM2.5浓度的影响。结果表明:常州市区PM2.5、降水量、相对湿度和气温等具有明显季节性,呈夏季较高冬季较低,而气压夏季较低冬季较高的特征。相对湿度与PM2.5呈正相关,即随着相对湿度的增加PM2.5超标率和平均浓度均增加;降水对PM2.5具有一定的清除作用,清除率与降水前PM2.5浓度、降水量、降水强度有关,降水量、降水强度越大,则降水清除效果越好,而降水前PM2.5浓度较小,则清除率不明显;常州市区偏西风时PM2.5的超标率和平均浓度较其他风向较高;风速对常州市区PM2.5的影响呈负相关,即风速越大PM2.5超标率和平均浓度均减小;常州市区地面天气形势可以分为两种类型,第一种类型表现为气压较低气温较高,PM2.5超标率以及平均浓度相对较低,而第二种类型表现为气压较高气温较低,PM2.5超标率以及平均浓度相对较高。 相似文献
11.
影响上海市空气质量的地面天气类型及气象要素分析 总被引:22,自引:0,他引:22
地面天气形势及气象要素的变化在空气污染潜势预报中具有很好的指示作用。利用天气学原理将地面天气系统进行分型,探索研究不同地面天气类型对上海空气质量变化的影响。整理、分析2003—2005年地面天气类型和气象要素与空气质量的关系,发现:(1)上海秋冬季以大陆冷性高压系统移动为主,而夏季主要以副热带高压和台风影响为主,春季是冬季与夏季之间的过渡,天气系统转换较为频繁。(2)春、秋、冬季易引起上海市空气污染的天气类型有L型高压、高压、高压前和均压场4种地面天气类型,与空气质量优等级相对应的天气类型是低压槽、高压底和高压后。夏季空气质量优等级对应的天气类型主要有台风、高压(副高)和低压槽。(3)秋冬季节典型天气过程一般经历高压前(或冷空气)→L型高压→高压→高压后(或高压底)→低压槽的转换,PM10浓度变化也表现为先升后降。(4)气象要素的变化也与空气污染存在密切联系,气压与空气污染物的关系为正相关,而气温、相对湿度和风速与空气污染物浓度呈负相关。 相似文献
12.
利用2000—2004年天津市城区气象和污染物资料,采用统计分析方法,研究了城区静风分布及污染物浓度变化规律。结果表明:静风分布有明显的日、年变化规律,在华北地形槽或低压、高压前部和高压的天气形势下易出现静风天气现象且持续时间较长。污染物浓度与风速呈现出较好的负相关,即风速越大、污染物浓度越小。但风速达到一定临界值时,TSP与风速呈正相关,大风可以引起二次扬尘并增加了空气中颗粒物的含量;PM10,SO2和NO2三种污染物在静风日的浓度值均高于非静风时的浓度值。 相似文献
13.
南昌市一次连续空气污染过程的气象条件分析 总被引:4,自引:0,他引:4
2004年12月8—16日南昌市出现了一次连续空气污染过程。利用城市空气污染观测资料和气象常规观测资料,从天气形势和主要气象要素两个方面,对此次空气污染过程进行了分析。结果表明,此次连续空气污染事件都是出现在风速小、无雨和有雾或霾的气象条件下,高空主要为高压脊的形势或是处在西风槽底的平直气流中,低层大气稳定,中层大气增温明显;地面形势主要为地面高压脊、高压底部或是倒槽前部,地面有弱冷空气南下时不一定能改变污染状况。极厚、极强的逆温层和极小风速的持续存在是造成污染物高浓度最重要的气象条件。此外,地形也是影响南昌市空气质量水平的因素之一。 相似文献
14.
15.
16.
北京地区气溶胶PM2.5粒子浓度的相关因子及其估算模型 总被引:20,自引:0,他引:20
文中运用统计分析和气象统计预报的方法 ,使用北京白石桥小区的污染物观测资料和同期北京地区的气象观测资料 ,对影响大气污染的气象因子进行了综合分析 ,并分别建立了气溶胶PM 2 .5粒子浓度与气体污染物、气象要素场的两类统计相关拟合模型。发现气溶胶PM2 .5粒子浓度与气体污染物浓度存在不同程度的相关性 ,且与气象条件亦存在显著的相关关系 ,此类时空变化及其量化估算模型具有一定实际应用价值。通过确定气象要素场和气溶胶浓度的关系可进一步研究不同地区的污染物输送和污染源扩散影响的问题。 相似文献
17.
利用地面图、高空天气图(850 hPa、500 hPa)以及气象要素对2006—2008年秋季(9—11月)广州市4次典型的大气污染过程进行研究,分析其大气污染过程的特征及其相对应的天气系统、与气象要素之间的关系。结果表明,广州市秋季重大气污染多数发生在:(1)广州受冷空气影响或回暖期,持续小风或出现静风会导致污染物大量积聚,且多出现能见度明显下降;(2)由于偏北风的输送作用,处于下风向的万顷沙站较易出现重大气污染过程,表现出明显的区域性污染输送特征;(3)冷高压脊、回流天气形势、台风外围下沉气流影响期间;(4)近地面层出现逆温层或等温层。 相似文献
18.