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。     

彭州市大气污染物浓度变化特征研究

本文利用2017年彭州市大气污染物(SO₂、NO₂、O₃、CO、PM₁₀、PM_2.5)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PM_2.5)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、PM_2.5)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。     

2019年太原青运会期间空气质量评估

为评估太原青运会期间大气污染控制措施对空气质量的改善效果,对青运会会前、会期和会后三个阶段太原市6种污染物浓度的演变及气溶胶在垂直方向上的变化进行了分析。结果表明：青运会期间太原市PM₁₀、PM_2.5、CO、NO₂、O₃较青运会前分别下降30.5%、37.3%、20.2%、18.0%和18.6%,SO₂削减程度不明显。垂直方向上,青运会期间气溶胶消光系数峰值降低24.6%,其中低湿天气下气溶胶消光系数峰值下降46%,高湿天气下峰值下降21.6%,青运会期间大气中PM_2.5在PM₁₀中的占比降低,垂直大气中气溶胶的吸湿增长能力增强。与2017和2018年同期相比,青运会期间PM₁₀、PM_2.5、CO、NO₂浓度均有大幅下降,O₃浓度较近两年同期无显著变化。因此,青运会期间的各项控制措施有效降低了本地颗粒物浓度。     

贵阳市大气污染物浓度特征及降水的清除作用

本文利用2013年1月1日~2015年6月30日贵阳市9个环境监测站的6种主要大气污染物(SO₂、NO₂、O₃、PM₁₀、CO、PM_2.5)监测数据,分析了贵阳市主要大气污染物的年变化、日变化特征及降水对首要污染物浓度变化的影响。发现SO₂、NO₂、PM₁₀、CO、PM_2.5浓度为单谷型年变化,夏季浓度最低,冬季浓度最高;O₃浓度为双峰型年变化,4、10月分别有两个极大值、11~2月与7月分别为两个极小值;SO₂、NO₂、PM₁₀、CO、PM_2.5浓度日变化呈双峰型特征;O₃浓度日变化为单峰型特征;郊区SO₂、NO₂、PM₁₀、CO、PM_2.5日平均浓度低于市区,而郊区O₃日平均浓度高于市区。降水对O₃的湿清除效果不好,对其余大气污染物的湿清除效果较好,尤其夜间降水对颗粒污染物(PM_2.5、PM₁₀)的清除效果优于白天降水,但会使O₃浓度明显上升。     

银川大气污染物浓度变化特征及其与气象条件的关系

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,PM_2.5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、PM_2.5、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、PM_2.5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、PM_2.5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PM_2.5影响较复杂,当风速小于某一值时,有利于PM₁₀和PM_2.5扩散,当风速达到一定程度后,又会导致PM₁₀和PM_2.5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。     

汾渭平原CUACE模式空气质量预报性能的检验订正及环境评估

利用2019年1—6月地面环境监测资料和PM_2.5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)、PM_2.5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PM_2.5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PM_2.5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PM_2.5浓度较2018年同期和过去5年...     

银川市主要污染物变化特征及其关系研究

利用2013-2019年银川市主要污染物浓度数据,分析了近年来银川市主要污染物浓度变化特征,并运用主成分分析法对主要污染物之间的关系进行研究。结果表明：近年来银川市主要污染物浓度除O₃逐年呈上升趋势外,其他均呈下降趋势;市区站O₃浓度较郊区背景站低,其他污染物市区较郊区背景站高;市区站PM₁₀和PM_2.5浓度超国家二级标准;除O₃浓度夏季高,冬季低外,其他污染物冬季高,夏季低;CO、NO₂、PM₁₀、PM_2.5浓度呈"双峰型"日变化特征,O₃和SO₂呈"单峰型"日变化特征。银川市主要污染物NO₂浓度与CO和O₃相关性显著,PM₁₀和PM_2.5之间相关性显著;污染物第一主成分是NO₂、CO和O₃,方差贡献率达到50%以上,加之银川市O₃浓度逐年呈升高趋势,表明近年来银川市大气光化学污染增加。     

汾渭平原空气质量及气象要素对其日变化和年际变化的影响

汾渭平原因其封闭的地形条件以及煤炭为主的能源结构,大气污染问题一直存在,并于2018年被列入大气污染防控的重点区域。文章利用2015年以来PM₁₀、PM_2.5、SO₂、NO₂、CO、O₃质量浓度的观测数据和空气质量指数（Air Quality Index,简称AQI）,分析了汾渭平原AQI及大气污染物质量浓度的时空分布特征;使用多元线性回归模型研究了气象条件对冬季PM_2.5和夏季O₃浓度日最大8 h滑动平均值（MDA8_O₃）日变化和年际变化的影响。研究发现,汾渭平原的空气质量在2015～2017年间逐年变差,在2018～2019年有所好转,污染较重的城市为西安、渭南、咸阳、临汾、运城、三门峡、洛阳,集中在汾河平原与渭河平原交界处。汾渭平原的首要大气污染物多为PM_2.5、PM₁₀或O₃,三者占比之和约90%。重污染时期主要集中在天气条件不利及污染物排放量大的冬季供暖期,但夏季O₃浓度的升高趋势使得汾渭平原夏季污染情况越来越严重。影响汾渭平原冬季PM_2.5浓度和夏季MDA8_O₃日变化最主要的气象要素都是2 m高度气温（简称T2M）,相对贡献分别是45.5%、35.3%,都表现为正相关;第二主要的气象要素都是2 m相对湿度（简称RH2M）,相对贡献分别是41.5%（正相关）、25.4%（负相关）。影响汾渭平原冬季PM_2.5浓度年际变化最主要的2个气象要素是T2M和RH2M,其相对贡献分别为43.6%、31.9%,且都呈正相关,2015～2019年汾渭平原冬季气象条件的变化会导致PM_2.5浓度上升,部分削弱了人为减排导致的下降趋势（?8.3 μg m?3 a?1）。影响汾渭平原夏季MDA8_O₃年际变化最主要的2个气象要素是T2M（正相关）和850 hPa风速（WS850,负相关）,其相对贡献分别为71.7%、16.3%。2015～2019年汾渭平原夏季气象条件的变化导致O₃污染呈上升趋势（1.2 μg m?3 a?1）,但O₃污染的总上升趋势（8.7 μg m?3 a?1）中,人为排放变化的贡献更大（7.5 μg m?3 a?1）。本研究表明,汾渭平原大气污染形势严峻,其颗粒物污染问题尚未解决,还面临着新的臭氧污染的挑战,汾渭平原内的11个地级市分属陕西、山西、河南三省管辖,三省交界处又是重污染区域,所以需要三省联合防治防控,协同改善汾渭平原的空气质量。     

2014-2017年成都市大气污染特征分析

利用2014年5月~2017年12月的成都市环境空气质量监测资料,分析了成都市空气污染情况及污染物浓度时空变化特征。结果表明:成都市空气质量以优良天气为主,市区的首要污染物以PM_2.5为主,郊区以O₃为主;灵岩寺监测点的PM_2.5,PM₁₀,NO₂和CO四种污染物的质量浓度低于成都市区各监测点,O₃的质量浓度高于成都市区各监测点,SO₂的质量浓度值与成都市区各监测点相差不大;成都市各监测站点六种污染物质量浓度具有明显的年际变化、季节变化、月变化和日变化趋势,且成都市区各监测点的变化趋势比较一致。     

新冠疫情防控期间昆山市空气质量变化

为了应对新冠疫情,昆山市严格遵守国家防疫规定,自2020年1月24日开始采取了严格的封锁管控措施。以机动车活动为首的人为排放量因而减少,空气质量也因此发生变化。利用昆山市环境监测网络,并结合气象观测系统,综合运用数理统计和空间分析方法,针对疫情防控前期(2020年1月1至20日)和疫情管控期间(2020年1月27日至2月15日)两个阶段,调查人类活动模式变化对昆山市空气质量的影响。结果表明,昆山市污染治理工作取得良好进展,与过去3年同期(1月1日至2月15日)相比,颗粒物(PM_2.5和PM₁₀)超标天数减少了4天,但日最大8小时臭氧(O₃)浓度(MDA8 O₃)升高了14%,表明严重的O₃污染已不局限于夏季,而即将成为全年多发性问题。由于疫情期间以交通部门为首的排放量减少,O₃的重要前体物二氧化氮(NO₂)以及颗粒物浓度均显著下降,疫情管控期间内MDA8 O₃的升高(62%)。选取污染个例研究发现,即使在减排的情...     

2020年新冠肺炎疫情管控期江苏省大气污染物浓度变化特征

利用江苏省大气环境监测站点的大气污染物监测数据,分析了2020年初新冠肺炎疫情管控期间(2—3月)主要大气污染物浓度的变化特征。结果显示,相比于2019、2020年疫情管控期间PM_2.5、PM₁₀、NO₂、SO₂、CO浓度的全省平均降幅分别为37.5%、36.9%、31.9%、28.2%和21.2%。严格管控期的2月和生产恢复期的3月,江苏省十三市PM_2.5、PM₁₀浓度同比降幅大致相当,呈现出较好的时间连续性和空间均匀性。但各市臭氧浓度同比变化呈现出较大的时空差异。空间上,沿江以南城市南京、无锡、常州、苏州和镇江五市臭氧浓度明显上升,而其他城市臭氧浓度以下降为主;时间上,2月南京等九市臭氧浓度上升,3月徐州等八市臭氧浓度持平或者下降。假设未发生新冠肺炎疫情以及未采取为阻断疫情蔓延而实施的种种举措,在仅考虑近年来大气污染防治政策持续实施的情况下,与预期降幅相比,疫情管控对NO₂实况浓度降幅的影响最大,其次是PM_2.5     

近十年中国灰霾天气研究综述

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(SO₂、NO₂、CO、O₃、PM_2.5和PM₁₀)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1.3 μg·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(R_H)和风速的关系较明显, 其相关系数分别为0.87和-0.72, 当R_H>70%且每增加10%时, PM_2.5浓度增加10 μg·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。

     

广州亚运会期间鼎湖山站大气污染特征

为了解广州亚运会期间华南区域大气质量状况以及气象条件对区域本底浓度值的影响,2010年11月对鼎湖山站主要污染物NO_x,SO₂,O₃,PM₁₀和PM_2.5进行了连续在线观测。利用MICAPS,NCEP FNL资料及后向轨迹模拟对观测时段大气污染物变化特征进行了分析。结果表明:观测时期鼎湖山区域NO₂,SO₂和O₃平均体积分数分别为 (7.2±3.1)×10-9,(8.5±3.8)×10-9和 (28.7±9.8)×10-9。PM₁₀和PM_2.5的月平均质量浓度分别达到113 μg·m-3和81 μg·m-3,PM_2.5超标日数达13 d (标准为世界卫生组织第1阶段值,日平均值为75 μg·m-3)。不同时段日变化分析表明,广州亚运会期间高值时段 (定义为PM_2.5质量浓度超过世界卫生组织的IT.1标准的时段) NO_x和O₃平均体积分数为13.2×10-9和20.9×10-9,较2009年同期分别下降了41.3%和10.7%。不利气象要素影响和污染物区域传输作用是形成珠江三角洲区域大气本底 (鼎湖山地区) 细粒子污染偏高的主要原因。     

2014—2017年哈尔滨地区供暖前与供暖期空气污染特征分析

利用2014—2017年哈尔滨市常规气象资料、大气污染物浓度监测资料、气象再分析资料(ECMWF和NCEP),对比分析哈尔滨地区供暖前和供暖期PM_2.5、PM₁₀、CO、SO₂和NO₂这5种主要大气污染物的时间序列和日变化特征,并结合气象资料分析污染成因。结果表明：供暖期,5种主要大气污染物浓度明显升高,且维持在较高水平。从日平均浓度变化看,SO₂浓度受供暖影响最大。PM_2.5、PM₁₀、CO和NO₂在11月上旬均出现峰值或较大值,PM_2.5与PM₁₀变化趋势一致,同源性较高。从日变化时次分布来看,PM_2.5、PM₁₀、NO₂、SO₂、CO均呈双峰分布,各大气污染物变化规律不完全一致。供暖期燃煤释放的大气污染物与不利于污染扩散的天气条件共同导致哈尔滨地区空气污染加重,在秸秆焚烧和供暖...     

2018年春季西北五省省会城市大气质量与健康风险评价

城市大气污染及其引起的健康效应一直是关注的热点。本研究对2018年春季西北五省省会城市PM_2.5、PM₁₀、NO₂、SO₂、CO和O₃浓度数据进行了系统分析,并采用美国环境保护署(United States Envi‐ronmental Protection Agency,USEPA)推荐的健康风险评价模型评估了PM_2.5、PM₁₀、SO₂和NO₂的健康风险。结果表明:PM_2.5和PM₁₀为主要超标污染物。除乌鲁木齐市(该市PM₁₀春季平均质量浓度亦超标)外,其余四个城市PM_2.5和PM₁₀的春季平均质量浓度均超过国家二级标准。各城市SO₂、NO₂、O₃和CO的污染水平较低。2018年春季各城市空气质量以良好至轻度污染...     

潮州市PM2.5-O3复合污染特征及与气象要素的关系

利用潮州市区2014—2020年空气质量逐小时质量浓度数据，分析了PM_2.5、O₃质量浓度及复合污染的年、月、日变化特征，结合相应时段潮州国家站气象资料，分析PM_2.5-O₃与气象条件的关系。结果表明：2014—2020年潮州市区年平均ρ(PM_2.5)、ρ(O₃-8 h)及复合污染出现日数均呈波动下降趋势，月平均ρ(PM_2.5)最高出现在3月，月平均ρ(O₃-8 h)最高出现在10月，两种污染物最低均出现在6月。复合污染出现较多的是10月至次年4月。PM_2.5、O₃污染具有一定相互作用，当其中一种污染物质量浓度较高时另一种污染物的质量浓度相应较高，同时污染物质量浓度的日较差也会相应增大；污染物峰谷值出现时间表现为空气污染较严重时，O₃峰值出现时间在16:00,PM_2.5峰值出现在19:00。PM_2.5-O...     

阿拉善左旗空气质量状况与气象条件分析

文章根据2015—2020年阿拉善左旗的环境空气质量监测数据和气象观测数据,利用AQI对大气中的SO₂、NO₂、PM_2.5、PM₁₀、CO、O₃等空气污染物的年际变化和季节变化特征进行了分析,并探讨了阿拉善左旗各污染物浓度与气象条件的关系。结果表明：2015—2020年阿拉善左旗的平均环境空气质量指数(AQI)为77.3,空气质量良好率达87%,污染程度较轻,且具有显著的季节变化特征,秋、冬季节空气质量优于春、夏季节。在这6年间AQI总体呈缓慢降低趋势,良好率有所上升,轻度污染—严重污染级别天数减少。阿拉善左旗首要污染物为PM₁₀,超标率和污染物贡献率均最高,并且年内变化趋势与沙尘暴高发期时间同步。AQI与风速呈极显著的正相关;气温对污染物影响较大,气温变化越大越有利于NO₂、CO、SO₂浓度增加,风是影响颗粒物浓度的主要驱动力。     

工业园区大气污染过程与气象风场响应关系研究

本研究在天津空港工业园区建设大气污染物网格化监测系统,基于控制变量法、Moran's I研究并形成大气污染过程与气象风场响应关系建立方法体系。结果表明：工业园区垂直层次主要污染物为PM_2.5、NO₂、PM₁₀、O₃。SSW风、ENE风、SE风分别对高浓度PM_2.5、NO₂、O₃及PM₁₀区外传输影响较大。除区内自排放外,区外机场南西南段排放对PM_2.5影响较大;区外东东北方向津汉公路、东丽湖路等道路移动源对NO₂影响较大;O₃及PM₁₀受区外东南方向津滨高速、宁静高速及津北高速移动源,以及机场东南段排放影响较大。对于区内气流辐合区,9月23日09时1#应加强PM_2.5、NO₂、PM₁₀协同管控,2#应关注NO₂管控,3#西北延长带及5#北向延长带应关注O₃管控;15时应加强对工业园区中、西、东、东南部PM_2.5、O₃、NO₂协同管控;21时14#应加强PM_2.5、O₃协同管控,17#、18#应关注PM₁₀管控。     

2020年1—3月四川地区大气污染物变化特征分析

利用2018-2020年中国环境监测总站全国城市空气质量实时发布平台公布的监测点数据以及中国气象局气象站点的同期地面观测资料,采用相关性分析的方法对2020年1-3月四川地区大气污染物的变化特征进行分析。结果表明：由于2020年1-3月人为排放源管控政策的实施,成都、绵阳、宜宾和攀枝花的NO₂和PM₁₀浓度相比2018-2019年同期平均下降幅度达到30%,而O₃质量浓度在四座城市的日均值却分别上升了15.21%、10.32%、5.03%和0.42%。同时,O₃与相对湿度成负相关关系,与温度、风速和降水成正相关关系且相关系数都超过了0.7。O₃的反常增长不仅是受到气象要素的影响,较低的氮氧化物和PM₁₀浓度也间接维持了O₃的存在。严格的污染物排放控制措施对主要污染物排放影响较大,但对臭氧等次生污染物的影响较小,次生污染物污染的防治依旧面临严峻挑战。     

上海地区AQI变化特征及与气象因素的相关性

基于上海地区2012—2016年逐日PM_2.5、PM₁₀、CO、O₃、SO₂、NO₂的分指数（individual air quality index,IAQI）数据以及同期气象要素（风速、降水量、气温、相对湿度、总云量、低云量）、逆温数据和高空大气环流数据,分析了上海地区空气质量指数的时间变化特征和气候要素对空气质量的影响,并选取PM_2.5和O₃污染天气过程及其邻近的非污染天气过程,对比分析高空大气环流形势的差异。结果表明：上海地区出现PM_2.5、PM₁₀和NO₂污染天气在冬季最多,分别为31.4 d、10.0 d和14.8 d,而O₃污染天气在夏季最多（18.8 d）。风速和低云量是影响PM_2.5污染的重要气象因素,最大相关系数分别为-0.313和-0.261,O₃污染则与气温和日照时数密切相关,最大相关系数分别为0.449和0.363,PM_2.5、O₃污染的发生也与前一日以及当日出现逆等温天气存在较好的相关性。在PM_2.5污染天气过程,上海位于槽后高压前部,850 hPa有较强西北风,而非PM_2.5污染天气过程中上海位于高压后部,低层850 hPa为东南风。在O₃污染天气和非污染天气过程,中国东部长波射出辐射（Outgoing Longwave Radiation,OLR）分别为正、负距平,副热带高压控制下上海晴热少云,易引起O₃污染,反之上海上空云系多,不容易出现污染。