西宁市典型污染日PM10输送规律研究

为研究西宁市PM₁₀的区域性污染特征,对2006年3月至2010年2月各季逐日大气污染指数（API,首要污染物为PM₁₀）进行统计分析。利用后向轨迹模型（HYSPLIT Model）对西宁市典型污染日（API > 200）中气团的后向轨迹进行模拟,研究PM₁₀的运动轨迹和区域性污染的可能来源。结果表明：西宁市一年中春季（集中于3月和4月）PM₁₀污染严重,与该季节气团对颗粒物的长距离输送有关。造成西宁市重污染状况的主要天气是风沙尘,北部和西北部的沙漠地区是主要风沙源;相邻城市PM₁₀污染峰值的提前与滞后,体现出区域性污染的传输过程。     

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4d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PMlo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。     

长江三角洲地区四省会城市PM10污染特征

对长江三角洲地区四省会城市(上海、南京、杭州、合肥)2001-2005年逐日大气污染指数资料进行统计分析,并采用HYSPLIT轨迹模式,分析了各城市中度以上大气污染过程的输送特征。结果表明:2002年以后,四省会城市的大气质量都有好转的趋势;大气污染发生频率最高的季节是春季(南京)和冬季(其他城市);11月和3月是大气污染出现频率最高的月份。上海PM10与NO2和SO2浓度之间存在非常显著的正相关,合肥PM10与NO2和SO2浓度之间的相关性比上海略差。两城市都是PM10与NO2之间的偏相关系数远大于与SO2之间的偏相关系数。各城市的PM10浓度都与另外三个城市之间存在显著的正相关,尤其是3,4月份。后向轨迹分析表明,造成本地区中度以上大气污染的气团以西北来向为主。     

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。     

2008年奥运会期间北京地区PM10污染天气形势和气象条件特征研究

利用2008年7～9月北京污染监测资料、气象观测资料、韩国气象厅天气图资料及NCEP再分析资料,分析了2008年奥运会期间北京地区空气动力学当量直径小于等于10μm颗粒物(PM10)污染特征及其成因,统计了利于和不利于污染物扩散的天气形势,研究了北京发生PM10污染的典型天气形势和气象条件。结果表明:1)奥运会期间北京共有8天出现PM10污染,包括一次持续污染过程,奥运会赛时和残奥会赛时未出现污染过程,这主要与北京8、9月降水偏多有关;2)不利于污染扩散的天气形势(如风速较小、偏南风、高温高湿、近地层出现持续逆温)出现频率较高,但并未造成特征性的PM10污染,这可能与奥运会期间的污染控制措施有关;3)PM10污染过程多与台风系统或热带低压的北上,从而阻滞了华北地区天气系统的南下东移相关联。     

造成北京PM10重污染的二类典型天气形势

利用北京空气质量监测资料和NCEP再分析资料,分析了北京发生PM10重污染的天气形势。研究表明:1)虽然北京地区PM10重污染(API指数3级以上)每年只有10 d左右,但与之关联的轻微或轻度空气污染(API指数3级)天数,却可能占全年3级污染总天数的40%-50%。因此,分析研究造成北京PM10重污染的天气形势,对于空气污染的预警预报以及污染源的控制和管理,都具有十分重要意义。2)通过海平面气压场的主观分析,确定了二类北京PM10重污染的典型天气形势,即高压南下东移阻滞型和与北上台风(或热带低压)相关联的弱高压控制型,并指出了后者在2008年奥运会期间,对开展北京空气污染预报和污染控制的指导作用。     

中国区域主要颗粒物及污染气体的排放源清单

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。     

合肥市雾日气象条件分析

利用合肥市气象观测站2005—2009年常规观测资料,统计分析了该市雾的月、季变化,及雾日地面气象要素特征;同时,应用后向轨迹和聚类分析的方法,研究了雾日大尺度输送特征。结果表明,合肥雾日数12月最多,7月最少;雾日局地气象条件表现为高湿、微风、偏东或西北风向;合肥雾日与输送形势关系密切,雾日近地层(10 m)以偏东方向的轨迹最多,在边界层中上部(1 000 m)以西南轨迹和本地轨迹最多。     

西宁市区不同天气形势下的PM_(10)输送路径及潜在源区

针对2016年西宁市区稳定和沙尘两种不同天气形势,基于后向轨迹气团的聚类分析法、潜在源贡献因子法(PSCF)和浓度权重轨迹分析法(CWT),结合市环境监测站PM_(10)浓度质量资料,分析了西宁市区不同天气形势下不同来源区域PM_(10)质量浓度的贡献影响及其潜在源区。结果表明:西宁市区稳定天气PM_(10)均来自青海省境内,PM_(10)输送路径以西方和东方转向路径最多,占总轨迹数的34.78%和30.43%;西方路径主要从青海省格尔木市向东输送,东方转向路径则从西宁市西部地区向东转而向西输送,两者经过的地区均没有明显的沙源;PM_(10)的潜在贡献源区主要在西宁市区及其北部与大通县和互助县交界地区。沙尘天气PM_(10)输送路径除了以来自青海省海西州的西方路径为最多外,甘肃省河西走廊的东方转向路径也较多,占比分别达到42.11%和36.84%;西方路径PM_(10)主要从沙漠地带南疆—青海省海西州西部向东输送,东方转向路径PM_(10)则经河西走廊沙源地进入西宁市区;PM_(10)污染主要是PM_(10)由沙源地输送进入西宁市区聚集所造成。地形对PM_(10)的输送路径有较大的影响。     

合肥市主要灾害性天气特征分析

利用1953—2008年合肥国家基本气象站地面观测资料,分析了合肥城市暴雨、大雾、雷电、冰雪冻害、大风、高温6类主要城市灾害性天气的统计特征,并利用线性倾向估计法对其进行了趋势分析。结果表明：合肥市大雾天气呈增加趋势,20世纪90年代以后增加更为明显;暴雨发生日数基本维持不变,2000年以后大暴雨发生概率增大;大风、雷电、高温的年发生日数呈现减少趋势;降雪日数减少,年极端最低气温49.1％出现在雪后第1 d或第2 d。     

银川市PM10等气象条件分析

利用银川市大气自动监测站首年连续24h观测资料，从大气逆温、大气降水和大风扬尘的不同角度，分析其各自对大气污染物的增加和减少所做的贡献，进而给出贡献率。     

大同基准站PM10监测项目简析

本文首先介绍了PM10的基本概念以及对人体的危害和国际社会对其的重视程度,简单阐述了大同基准站PM10监测设备的基本原理,详细分析了PM10监测扬沙和烟尘等视程障碍天气的能力,用数据曲线清晰的展示出了PM10值在沙尘天气下的变化。同时详细分析了PM10值变化与能见度值的相互关系,通过分析提出了在一定的天气下可以参考PM10的值来判断能见度的观点。本文总结了PM10值与沙尘天气和能见度的关系。     

济南市PM10中度以上污染的天气条件分析

对济南市空气污染物PM10中度以上污染日的地面、高空气象条件做统计分析,得出:沙尘造成的PM10中度以上污染主要与蒙古气旋和强冷空气活动有关,表现为风力大,相对湿度小,气温和气压变化明显等特征;非沙尘造成的PM10中度以上污染主要是天气形势稳定、污染物不断累积的结果,出现时间有相对连续性,表现为风力较小、相对湿度大、气温和气压变化不明显的特点。从地面气压场上可分为弱气压场、弱倒槽或倒槽型、均压场型三种形势。此分析为济南市中度以上污染日的预报提供了帮助,并可及时采取措施,控制或减少污染物的排放量。     

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。     

乌拉特中旗器测能见度与PM_(10)变化关系

利用乌拉特中旗国家基准气象站安装的PM10质量浓度监测仪和能见度观测仪获得的资料,对2008年1—12月器测能见度的变化以及与PM10质量浓度变化的关系进行了分析。     

日照市区PM10污染物特征及其与气象要素的关系

对2002年1月1日～2002年12月31日日照市环境监测中心提供的PM10（可吸入颗粒物）日平均浓度资料和对应时段的日照市地面气象资料做了深入的分析，揭示了污染物PM10变化特征及其随气象要素的变化规律。同时分析了主要污染物PM10与地面风速、风向间的相关关系，发现日照市大于等于3级的PM10污染日均出现在1-4月，地面风速对污染物PM10浓度有一定影响，当地面风速超过5m／s时，3级及以上污染日很少出现，当地面风速超过6．5m／s时，随着风速的提高，污染物浓度呈下降趋势。污染物浓度呈明显的季节变化，冬、春季节明显高于夏、秋季节。     

2013年河北中南部PM_(10)和PM_(2.5)浓度时间变化特征及其影响气象条件分析

对2013年河北省中南部的石家庄、保定、沧州、衡水、邢台和邯郸6个地市市区各站点逐小时PM10和PM2.5监测资料及相应气象资料分析结果表明:6个地市中邢台年污染日数最多,对应其年平均风速最小;沧州的最少,年平均风速最大。各地市各个级别污染日数不同,五、六级重污染天气均集中在10月—次年3月。首要污染物主要是PM10和PM2.5,但比例不尽相同。特殊的地理位置、污染源差异和气象条件的差异造成各地市污染日数、级别的差异。6个地市污染天气过程时段大都相同,区域性污染明显。各地市PM10和PM2.5浓度平均最大值均出现在冬季,PM10浓度平均最小值均出现在夏季,各市PM2.5浓度平均最小值出现的季节不同。6个地市PM10和PM2.5浓度值的月变化趋势相似。不同季节各地市PM10和PM2.5浓度日变化趋势不同,极值出现的时间也各不相同,极值出现的时间与气象条件和人类活动关系密切。秋、冬季各地市PM10和PM2.5浓度日较差多大于春、夏季的。各地市PM10和PM2.5浓度日均值与当地的日均气温、风速、能见度呈负相关关系,与相对湿度呈正相关关系且相关性比较显著。     

桂林市城郊PM10浓度变化监测分析

利用2005年12月至2007年3月的PM10观测资料,分析桂林市城郊PM10浓度变化规律,并简要分析这变化规律的原因及相关气象要素对其的影响。结果表明,PM10浓度分布频次呈单峰性,小时及日平均浓度频率分布比较集中;日变化为双峰型,早晨8∶00~9∶00和傍晚19∶00~20∶00各有一峰值,午后15∶00~16∶00出现最低值;受排放源及气候因素影响,PM10浓度月、季节变化明显,月均值最高值出现在3月份,最低值出现在7月份,超标月份集中12月至次年3月,冬、春比夏、秋季节日均浓度变化幅度较大,且易出现高浓度值,各季节平均浓度大小依次为:冬季>春季>秋季>夏季;通过对PM10浓度与同期气象要素的相关分析,得之PM10浓度与风速、降水、温度、地温、混合层高度负相关,与气压呈正相关,风速的作用要大于降水。     

北京地区PM10浓度空间分布特征的综合变分分析

利用2003年10月北京地区PM₁₀浓度流动观测资料和同期MODIS AOD(Aerosol Optical Depth)高分辨率遥感资料，采用卫星遥感地面观测变分订正处理方法，综合分析了北京地区PM₁₀浓度的空间分布特征以及机动车排放的影响效应。动态观测试验结果表明:北京城区大部分为轻污染区, 北京近郊区PM₁₀浓度高值区沿环路呈环状分布，其中北京西南部、南部和东北部污染较严重，北京城郊街区PM₁₀的空间分布受机动车排放的影响较大。MODIS卫星遥感资料分析表明:北京城区及近郊区AOD值较远郊区高得多，AOD空间分布场中存在虚假高值区，AOD非均匀分布特征不明显。采取点面结合综合观测研究思路，运用卫星遥感地面观测综合变分分析方法，可以取得客观订正的显著效果。经地面实测PM₁₀浓度变分订正后的AOD变分场可以较高分辨率信息描述北京地区AOD的非均匀分布特征，弥补地面PM₁₀浓度观测的缺陷。