2015—2017年唐山市PM2.5重污染生消气象条件分析

利用2015—2017年唐山市空气质量日空气质量指数、小时PM_2.5浓度和气象数据,分析了唐山市重污染特征及PM_2.5重污染生成、消散气象条件。结果表明：2015—2017年唐山市重污染天数为减少趋势,年平均重污染天数36 d。冬季发生重污染天数最多,秋季次之。重污染天气中首要污染物为PM_2.5、PM₁₀和O₃,PM_2.5为首要污染物占比87%,PM₁₀占比6%,O₃占比7%。小时PM_2.5浓度与相对湿度、总云量、24 h变温正相关,与风速、气温、风向、1 h降水负相关。冬季相关性最好,其次是秋季和春季。90%PM_2.5重污染相对湿度均为50%以上,冬季和秋季高达98%;风速大于4 m·s^-1时,有0.7%的PM_2.5达到重污染;降水对PM_2.5有一定清除作用。升温、湿度增加和负变压有助于污染天气形成,生成过程中平均风速为1.8 m·s^-1,主导风向为SW,其次是S、W。降温、湿度下降、正变压、降水有助于污染天气消散,消散过程中平均风速为3.1 m·s^-1,主导风向为E,其次是NE、N。各方位3 m·s^-1的风具有清除能力,偏北风具有较好清除能力,风速较其他方向风速小。     

银川市大气边界层逆温影响因素及其与冬季PM2.5的关系

为了探究银川市大气边界层逆温特征和影响因素及其与冬季PM_2.5污染的关系,利用2015—2020年银川气象站探空、地面气象观测资料及银川市空气质量监测数据,在分析银川市大气边界层逆温及地面气象要素特征基础上,以冬季为研究时段,探讨逆温与地面气象要素对PM_2.5污染的影响。结果表明：(1)银川市清晨大气边界层较傍晚更易出现逆温,且逆温多为贴地逆温,贴地逆温较悬浮逆温强度大、厚度小;逆温频率和厚度冬季最大、夏季最小,逆温强度秋季最强、夏季最弱。(2)冬季晴天,地面平均风速1.0～1.5 m·s^-1、相对湿度30%～60%的气象条件下易出现逆温。(3)贴地逆温是影响冬季PM_2.5污染天气的主要气象因素之一,当逆温厚度超过596 m、强度超过1.4℃·(100 m)^-1时,易出现PM_2.5污染天气,且随着逆温厚度增大、强度增强,污染加重。(4)冬季PM_2.5污染天气下,清晨天空状况多为晴天,通常地面平均风速小于1.3 m·s^-1     

成都市夏季臭氧污染特征及影响因素

利用2014年夏季成都市3个国控环境监测站（金泉两河,君平街和梁家巷）O₃、NO₂及PM_2.5逐时观测数据,结合国家基准站温江站的气温、湿度、风速、风向、太阳辐照度、降雨等地面气象要素观测资料,分析O₃的日、月变化及空间分布特征;探究前体物及气象因子对O₃浓度的影响。结果表明：成都市O₃-8 h平均浓度为104.4 μg·m^-3,O₃超标率为2.8%—15.3%。O₃浓度6月最高,8月最低;呈现明显的“单峰型”日变化特征,午后15：00达到峰值。O₃与NO₂呈现负相关,相关系数为-0.5;与PM_2.5无显著相关性。高温、低湿、强太阳辐射有利于O₃的形成;风速为2.5—3.0 m·s^-1,风向为南风时,O₃浓度相对较高。     

北京南郊观象台2008—2018年PM10质量浓度特征及其与主要气象因子的关系

利用北京市观象台2008年3月2019年2月PM₁₀质量浓度数据,通过均值、偏差、Daniel趋势检验相关分析及显著性检验等统计方法,结合主要气象因子,分析PM₁₀质量浓度变化特征。结果显示:2008-2018年PM₁₀质量浓度年均值总体呈显著下降趋势,但均未达到国家二级限值标准;春季的质量浓度最大,其次为秋、冬季的,夏季的最小;月均值呈“M”形变化特征。PM₁₀质量浓度总体呈周末的高于工作日的周末效应。PM₁₀质量浓度日变化呈早上及夜间的双峰形特征,各季节峰值出现时间略有差异。PM₁₀质量浓度随着风速的增大呈现先上升后下降的变化,在3.4 m·s^-1时最高,为269.1μg·m^-3。风向为偏东、北或偏南时,PM₁₀质量浓度超过二级限值标准的频次较高。PM₁₀质量浓度与降雪的相关性高于与同等级降水的相关性。     

哈尔滨秋季一次持续性重污染过程分析

利用气象与环境监测数据,结合后向轨迹和秸秆焚烧火点监测资料,从环流形势、气象要素、污染源和污染传输特征等方面,对哈尔滨2017年10月18-20日持续性重污染天气过程进行分析。结果表明：这次重污染过程连续48 h为重度或严重污染,首要颗粒物为PM_2.5,PM_2.5平均浓度为438 μg·m^-3,局地PM_2.5浓度高达1487 μg·m^-3。重污染过程分为两个阶段,每个阶段主要污染物呈双峰分布。在重污染过程中,高空环流平直,浅槽前暖平流占主导地位,地面为弱低压均压场控制。地面风速小,平均风速仅为1.5 m·s^-1,风速≤ 1.5 m·s^-1静小风频率为71%,风场辐合,有利于污染物积聚。在重污染发展的过程中,地面相对湿度（RH）增大有利于颗粒物吸湿增长和污染加剧;在重污染减弱的过程中,PM_2.5浓度减少至每阶段谷值时间比RH减小至谷值时间滞后4-5 h。在边界层内有逆温层顶高为200 m左右、逆温强度>2.0℃·（100 m）^-1的贴地逆温层,层结稳定,垂直扩散条件差。污染物主要来源于秸秆焚烧,其次来源于取暖燃煤。静稳气象条件下本地污染物积累叠加远距离较高浓度的秸秆焚烧污染物输送导致哈尔滨这次重污染过程。     

南宁市臭氧质量浓度特征及其与气象因素的关系

利用2015—2020年南宁市近地面臭氧监测数据及气象观测数据,分析南宁市近地面臭氧质量浓度时间变化特征及超标情况,并采用相关分析等统计方法研究臭氧与气象因素的关系。结果表明,南宁市第90百分位O₃-8 h质量浓度呈逐年增高趋势。O₃月平均质量浓度呈现双峰型变化,峰值出现在4—5月和8—10月。南宁市O₃质量浓度与日照时数、最高气温、相对湿度的相关性高。南宁市O₃超标以轻度污染为主。O₃超标时日平均气温为12.3～31.4℃,最高气温为20.9～37.7℃,相对湿度为46%～88%,日平均风速为0.7～3.4 m·s^-1,气压为980.3～1011.7 hPa。     

克拉玛依市PM2.5质量浓度分布及其影响因素分析

利用2015年1月至2017年12月中国环境监测总站全国城市空气质量实时发布平台中公布的克拉玛依5个监测点数据和同时期克拉玛依国家基本气象站的观测数据,分别研究了克拉玛依市4个行政区的PM_2.5浓度的时空变化特征以及气象条件对克拉玛依PM_2.5浓度变化的影响。结果表明：从月份上看,克拉玛依每年的1月、2月、12月PM_2.5浓度最高,3月、11月PM_2.5浓度较高,其中,独山子每年2月的PM_2.5浓度均最高,2016年2月独山子PM_2.5平均浓度最高,达到134 μg·m^-3,超过国家一级标准值的2.8倍,属于中度污染,从季节上看,克拉玛依四季PM_2.5浓度变化呈现波峰波谷变化趋势,表现为冬季最高,春季次之,夏季、秋季各区变化不一的特点,采暖期的PM_2.5浓度高于非采暖期的PM_2.5浓度;克拉玛依PM_2.5浓度在空间上的总体分布为：独山子区>白碱滩区>克拉玛依区>乌尔禾区;从风向、风速、气温、气压和相对湿度等气象要素与PM_2.5浓度的相关性来看,气压、相对湿度与PM_2.5浓度呈显著正相关,气温、风速、风向与PM_2.5浓度呈负相关,其中气温、风向与PM_2.5浓度呈显著负相关。     

北京一次持续霾天气过程气象特征分析

2013年1月10-14日,北京平原地区出现了水平能见度在2 km以下、以PM_2.5为首要污染物、空气质量持续5 d维持在重度以上污染水平的霾天气。综合分析此次霾天气过程的天气形势、北京地区常规和加密气象资料以及城郊连续观测的PM_2.5浓度资料。结果表明：此霾过程期间,北京高空以平直纬向环流为主,受西北偏西气流控制,没有明显冷空气南下影响北京地区,地面多为不利于污染物扩散和稀释的弱气压场;大气层结稳定、风速小(日平均风速小于2 m·s^-1)、相对湿度较大（日平均相对湿度在70 %以上）、逆温频率高强度大,边界层内污染物的水平和垂直扩散能力差;北京城区及南部的京津冀地区人类活动排放污染物强度大,在相对稳定和高湿的天气背景下,受地形和城市局地环流的影响,北京本地污染物累积和区域污染物输送以及PM_2.5细粒子在高湿条件下的物理化学转化等过程共同作用造成此次北京城区及平原地区污染物浓度快速增长并持续偏高,高浓度PM_2.5对大气消光有显著影响,造成低能见度和持续霾天气。     

气象因素对常州市区PM2.5浓度影响

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PM_2.5以及气象因素的变化特征,并统计分析气象因素对PM_2.5浓度的影响。结果表明：常州市区PM_2.5、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PM_2.5呈正相关,即随着相对湿度的增加PM_2.5超标率和平均浓度均增加;降水对PM_2.5具有一定的清除作用,清除率与降水前PM_2.5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PM_2.5浓度较小,则清除率不明显;常州市区偏西风时PM_2.5的超标率和平均浓度较其他风向较高;风速对常州市区PM_2.5的影响呈负相关,即风速越大PM_2.5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,PM_2.5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,PM_2.5超标率以及平均浓度相对较高。     

1999—2018年锦州地区大雾气候特征及成因分析

应用常规气象观测资料、能见度仪观测资料,分析1999—2018年锦州地区大雾气候特征及成因。结果表明：锦州地区雾日年总频次多年平均为33次,存在12 a、6 a和3 a的变化周期。锦州地区典型大雾过程主要分为弱低压槽型、雨后弱高压型。大雾存在日变化。雾前T-T_d为4—14℃,风速为4 m·s^-1以下,偏南风占50%,偏北风占38%,静风占12%;雾发展阶段T-T_d为0—4℃,平均风速为2.2 m·s^-1,偏南风占58%,偏北风占42%;浓雾阶段T-T_d为0—2℃,平均风速为1.9 m·s^-1,偏南风占58%,偏北风占42%;雾减弱到消散阶段T-T_d逐渐升高,平均风速为3.3 m·s^-1,偏北风占58%。大雾期间,均出现逆温和湿层。     

利用MODIS资料监测京津冀地区近地面PM2.5方法研究

为建立京津冀地区冬季近地面细颗粒物浓度监测方法模型,利用气象模式资料对2013年1-3月MODIS的AOD二级深蓝算法产品进行湿度和垂直订正,与同期观测的地面细颗粒物PM_2.5资料进行相关分析。结果表明：AQUA的MODIS深蓝算法AOD产品更适用于建立冬季AOD-PM2.5遥感监测模型,其R²为0.33;以气象模式资料中边界层高度代替气溶胶标高对MODIS的AOD进行垂直订正,并结合IMPROVE观测的气溶胶吸湿增长特征构建分区湿度订正方法,可以提高AOD-PM_2.5模型结果的精度,建立较为理想的京津冀地区冬季遥感反演综合模型,模型结果与地面监测结果R²达0.5以上。根据建立的模型计算了2013年1-3月的京津冀地区PM_2.5月平均浓度,京津冀地区1月的PM_2.5浓度较高,南部大部分地区空气质量已经达到重度污染水平。     

2010-2011年鞍山市能见度特征

利用2010年6月至2011年5月鞍山大气成分观测站的能见度资料,统计分析能见度与PM₁₀、PM_2.5、PM_1.0质量浓度、风速、降水强度和气溶胶光学厚度等气象要素的相关性。结果表明：鞍山市能见度月均值从8月份开始呈上升趋势,11月份达到峰值后开始显著下降,2月份达到最低值,自3月开始又出现较大幅度增长,进入夏季后略有下降;PM_2.5/PM₁₀、PM_1.0/PM₁₀比值与能见度呈反相关,能见度增大,PM_2.5/PM₁₀、PM_1.0/PM₁₀比值减小,且PM_1.0/PM₁₀的减小趋势更大,说明影响能见度的颗粒物以细粒子为主。平均风速与能见度变化趋势基本一致,与PM_2.5/PM₁₀、PM_1.0/PM₁₀的变化趋势呈反相关。随着雨强的增大,降水日能见度平均值随之减小,降水前一日和后一日的能见度平均值均大于降水日,且降水前一日及后一日的能见度改变量及改变率的绝对值随着降水强度的增加而增加。波长指数的变化说明影响鞍山能见度变化的污染物粒子整体较稳定,能见度与AOD成明显的反相关。     

青岛地区一次雾—霾过程能见度特征及影响因素分析

利用2021年11月16—20日青岛、平度、黄岛、胶州站的能见度等气象数据和邻近环境监测站PM_2.5浓度及水溶性离子浓度等观测数据,分析了雾—霾过程中能见度的动态变化特征及其影响因素。结果表明：2021年11月16—20日青岛整个雾霾过程大致经历了轻雾→干霾→湿霾→干霾→湿霾→干霾→湿霾→轻雾的转换,地理位置差异导致内陆站点未经历轻雾阶段且霾阶段开始时间较沿海站提前8 h。雾、霾过程大气层结稳定且有一定的湿度条件,地面风速≤2 m·s^-1,垂直运动速度0.0～0.5 Pa·s^-1。偏东风携带的大量水汽、>80%的湿度层变化是干霾、湿霾转化的重要因素。能见度随PM_2.5浓度、相对湿度的增加而逐渐下降,相对湿度增大时能见度与PM_2.5浓度的相关性减小,湿霾较干霾阶段PM_2.5浓度升高14.1%,能见度下降47.4%,霾转化为雾后能见度降低7.6%。在干霾阶段能见度的变化主要受PM_2.5浓度的影响;在湿霾阶段能见度受PM_2....     

天津市东丽区一次持续性雾霾天气过程的特征及影响要素分析

基于常规气象观测资料和PM_2.5浓度资料,分析了2019年1月10—14日天津市东丽区出现的一次持续性雾霾天气特征及其成因。结果表明：此次雾霾天气具有明显的阶段性特征,高空平直西风环流、中层暖脊和地面弱气压场为此次雾霾天气出现提供了有利的天气形势。轻雾和霾阶段,能见度变化更易受到相对湿度的影响;而雾阶段,能见度变化更易受到风速的影响。PM_2.5浓度与地面气象因子关系密切,与能见度、风速负相关,与相对湿度正相关。当其他气象条件稳定,且周边地区污染物浓度较高时,近地面风向转变,对本地区雾霾的出现起到关键性作用。     

沈阳两次降水过程中能见度的变化特征

利用2011年7月29-31日,8月27-29日沈阳大气成分观测站的能见度资料,统计分析了能见度与降水强度、PM₁₀、PM _2.5、PM _1.0质量浓度、风速、相对湿度等气象要素的相关性。结果表明: 7月29-31日降水过程特点为个别时间内降水量较大,8月27-29日降水过程特点为持续几个小时都有较大降水量;7月29-31日和8月27-29日降水过程中,初期降水对PM的湿清除效果较好,后期随着降水强度的增加,能见度有所降低;7月29日0时-31日23时期间内,PM质量浓度在降水过程中出现5 μg•m^-3左右的低值是因为降水和较大风速的双重作用,而8月27日0时-29日23时期间内的降水过程中,风速较稳定,PM质量浓度的改变量相对较小;7月29日-31日和8月27日-29日降水过程中,平均风速与PM₁₀、PM _2.5、PM _1.0的变化趋势均呈反相关,较高的相对湿度有利于PM质量浓度的上升;7月29-31日和8月27-29日降水过程中,能见度与PM _2.5/PM₁₀、PM _1.0/PM₁₀的比值变化趋势均呈明显的反相关。随着颗粒物粒径的减小,其与能见度的相关性逐渐增加。     

基于京津冀高密度地面观测网络的大气污染物浓度地面观测代表性误差估计

地面观测提供空间点的浓度信息,三维化学模式提供网格面的浓度信息,两者在进行对比验证或同化融合时会因为空间尺度不匹配引入误差,即观测代表性误差。本研究将大气污染地面国控监测站与区县监测站结合起来,获得了京津冀地区高密度地面观测数据,利用该数据首次对京津冀地区6项常规大气污染物（PM_2.5、PM₁₀、SO₂、NO₂、CO和O₃）的地面观测代表性误差进行了客观估计,并与Elbern et al.（2007）方法估计的代表性误差进行了对比。结果发现:两种方法对京津冀地区NO₂地面观测代表性误差估计非常接近,但Elbern et al.（2007）方法显著低估了SO₂、CO和O₃地面观测的代表性误差。在此基础上,我们对Elbern et al.（2007）方法及其误差特征参数进行了本地化修正,并增加了PM_2.5和PM₁₀的代表性误差特征参数,建立了京津冀大气污染地面观测代表性误差的客观估计方法。     

桂林城区大气能见度与颗粒物浓度和气象因子关系研究

利用2015年1月至2017年6月桂林国家基本气象站能见度、相对湿度、气温、气压、降水等气象要素和PM₁₀、PM_2.5、PM_1.0颗粒物质量浓度资料,分析桂林城区大气能见度与颗粒物浓度和气象因子之间关系。结果表明：桂林城区大气能见度和PM₁₀、PM_2.5、PM_1.0呈对数关系,相关系数分别为-0.341、-0.461、-0.509,颗粒物对大气能见度影响在相对湿度为60%—70%时最为显著。在各气象因子中,大气能见度与风速的相关性最好,其次为相对湿度,与风速呈二次函数关系,与相对湿度呈幂指数关系,与温度相关性较小,与气压在秋冬季节呈正相关,相关系数冬季可达0.301,但在春、夏季节相关性不显著;利用颗粒物浓度和气象要素建立8种大气能见度非线性统计回归模型,比较后发现利用PM_1.0、风速、相对湿度、气温等因子建立的不同季节大气能见度拟合公式在实际检验中效果最优,能较好地模拟桂林地区大气能见度的变化。     

2016—2017年冬春季海南3市气溶胶质量浓度特征对比分析

利用2016年12月至2017年5月海南省3个地级市（三沙市永兴岛、三亚、海口）监测的PM_2.5、PM₁₀数据,对比分析其污染特征。结果表明：相较于海口、三亚,永兴岛空气质量最好,细粒子污染程度最轻且PM_2.5、PM₁₀质量浓度日变化最平稳,其主要原因是人类生产活动对空气质量的影响不大。进一步通过分析3个站点的PM_2.5质量浓度与近地面气象要素（相对湿度、月总降水量、能见度）发现,永兴岛PM_2.5质量浓度与能见度整体呈负相关,永兴岛在不同风速、风向上的PM_2.5质量浓度最小,三亚次之,海口最大。永兴岛PM_2.5的大值区主要出现在东北风向上,其他方向上的气流则相对比较清洁,且在静风或者微风条件下,永兴岛的初始PM_2.5质量浓度比较低。通过每天逐6 h的72 h后向轨迹分析发现,冬季、夏季风影响期间,永兴岛分别受来源于西太平洋、南海的海洋性气流影响,这与永兴岛的空气质量有直接关系。     

中国东北地区重污染事件气溶胶浓度变化与天气形势分析

近年来中国东北地区污染事件频发,为揭示该地区重污染天气分布特征,利用2014—2017年中国东北地区40个城市空气质量数据及对应的高低空天气形势资料,统计分析得到中国东北地区大气污染状况的变化特征以及区域重污染事件的天气学特征。结果表明：2015—2017年中国东北地区PM_2.5和PM₁₀年平均质量浓度呈下降趋势,其中PM_2.5年平均质量浓度下降的更快,PM_2.5最大值出现在辽宁和吉林中部地区约为90—100 μg·m^-3,SO₂年平均质量浓度较高值分布在辽宁西部地区约为50 μg·m^-3,而NO₂最大值出现在沈阳—长春—哈尔滨一带,约为45 μg·m^-3,CO质量浓度最大值分布在东北沿海地区约为1.6 mg·m^-3,相反中国东北地区O₃年平均质量浓度呈上升趋势,最大值出现在沿海的大连及营口等地,约为100 μg·m^-3。污染物浓度变化具有鲜明的季节变化特征,不同地区PM_2.5和PM₁₀与AQI最大值均出现在冬季,SO₂冬季质量浓度最大值出现在沈阳（180 μg·m^-3）,NO₂与CO冬季最大值出现在哈尔滨（80 μg·m^-3,1.8 mg·m^-3）。相反,O₃最大值出现在夏季沈阳地区约为140—150 μg·m^-3。重度污染级别（200 μg·m^-3≤PM_2.5 < 300 μg·m^-3）和严重污染级别（PM_2.5>300 μg·m^-3）的空气质量表现出以哈尔滨为中心,向周围迅速减少,辽宁中部又略有增加的特征;中度污染（150 μg·m^-3≤PM_2.5 < 200 μg·m^-3）的天数沈阳>哈尔滨>长春,轻度污染（100 μg·m^-3≤PM_2.5 < 150 μg·m^-3）的天数是沈阳>长春>哈尔滨。引发中国东北地区重污染的天气形势大致可分为高压型,低压型和北高南低型3种,出现比例分别为62%、27%和11%;高压型850 hPa高压脊东移经过中国东北地区,地面处于高压南部或弱高压中心,有时在黑龙江北部或辽宁西南部连续有弱小的低压生成并快速东移过境;低压型850 hPa低压系统发展并东移经过中国东北地区,地面处于低压后弱高压中;北高南低型850 hPa和地面中国东北地区受北面高压和南面低压的共同影响。     

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。