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.     

气象-气溶胶资料联合同化对秋季PM2.5浓度模拟的影响研究

相比冬季大范围静稳条件下的污染堆积过程,秋季气象条件更加复杂和局地化,气象条件模拟不确定性给秋季气溶胶模拟带来了更大难度,且目前研究较少考虑气象-气溶胶因素在线模拟和联合同化。使用WRF/Chem模式和格点统计差值（GSI）三维变分同化系统,2015年10月进行了为期1个月的气象-气溶胶资料联合同化及模拟试验,并基于此讨论了气象-气溶胶资料联合同化对秋季PM_2.5浓度模拟的影响。结果表明,WRF/Chem模式可以模拟出秋季污染天气过程,但对华北平原和中东部地区存在高估、西北部存在低估现象;同化地面PM_2.5浓度观测资料可以改进对PM_2.5浓度的模拟,上述两个地区的偏差均得到订正,6 h预报偏差均降低至6 μg/m3以内;重点针对华北地区的分析表明,秋季PM_2.5污染过程与特殊气象条件（湿度升高、风场辐合、区域输送）密切相关,因此在地面PM_2.5观测资料同化基础上增加常规气象资料同化,能进一步提高对华北平原气象-污染过程的表达,PM_2.5浓度预报相关系数从0.86提高至0.89。气象-气溶胶联合资料同化能更加准确地模拟秋季气溶胶污染过程,为更好地开展污染成因和在气象预报框架下开展气象-气溶胶相互影响研究提供了基础。      

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。     

2007和2008年夏季北京奥运馆大气PM10与PM2.5质量浓度变化特征

为了监测北京奥运主场馆附近大气颗粒物的污染状况以及评估奥运污染源减排措施对北京大气颗粒物质量浓度变化的影响,利用颗粒物在线监测仪器TEOM于2007年和2008年夏季,在奥运主场馆附近的中国科学院遥感应用研究所办公楼楼顶对大气颗粒物PM₁₀和PM_2.5进行了连续同步观测。结果表明,2007年夏季监测点附近大气PM₁₀与PM_2.5质量浓度的平均值分别为153.9和71.2μg·m^-3,而2008年夏季PM₁₀与PM_2.5质量浓度的平均值分别为85.2和52.8μg·m^-3。与奥运前一年同时段相比,奥运时段大气PM₁₀和PM_2.5的质量浓度分别下降44.5%和25.1%。对比分析奥运前后的2次典型污染过程发现,空气相对湿度的增加和偏南气流输送的共同影响易造成大气颗粒物的累积增长,而降雨的湿清除作用和偏北气流则会使大气颗粒物浓度迅速降低。在相近的气象条件下,奥运前后的污染过程中,大气细粒子的日均增长速率分别为25.1和13.9μg·m^-3·d^-1,而大气粗粒子的日均增长速率分别为20.8和2.2μg·m^-3·d^-1,奥运时段污染累积过程中大气粗、细粒子的增长速率分别显著低于和略低于奥运前同时段污染过程中颗粒物的增长速率。污染源减排措施的实施是奥运期间大气颗粒物质量浓度降低的主要原因,从控制效果来看,奥运期间实施的污染源减排措施对大气粗粒子的控制效果明显好于大气细粒子。     

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.     

武汉大气能见度与PM2.5浓度及相对湿度关系的非线性分析及能见度预报

武汉作为中部地区高湿度代表城市,大气污染严重,霾天气多发,但有关该地区大气能见度与PM2.5浓度及相对湿度(RH)的定量关系尚不明确。利用2014年9月—2015年3月武汉地区逐时能见度、相对湿度及颗粒物质量浓度观测数据,研究分析了武汉大气能见度与PM2.5浓度及相对湿度的关系,并进行能见度非线性预报初探,得到以下结论:武汉霾时数发生比例高,霾的发生和加重是能见度降低的主要原因;能见度降低伴随大量细粒子产生和累积,这是武汉大气能见度恶化的重要诱因。细颗粒物浓度与相对湿度共同影响和制约大气能见度变化,高湿高浓度时能见度显著下降,湿情景下(RH≥40%),能见度恶化主要是由湿度增高诱使细颗粒物粒径吸湿增长导致其散射效率增大造成的。当RH >90%时,能见度随湿度升高成线性递减,相对湿度每升高1%,武汉平均能见度降低0.568 km。而干情景下(RH2.5质量浓度升高。在城市大气细粒子污染背景下,能见度与相对湿度成非线性关系,这主要与PM2.5对能见度的影响及吸湿性颗粒物的散射效率变化有关。PM2.5浓度与能见度成幂函数非线性关系,80%≤RH2.5浓度对能见度的影响敏感阈值是随着湿度升高而减小的,干情景下能见度10 km对应的PM2.5浓度阈值为70 μg/m3,湿情景下该阈值为18—55 μg/m3。当PM2.5质量浓度低于约40 μg/m3时,继续降低PM2.5可显著提高武汉大气能见度。预报试验表明,基于神经网络方法建立大气能见度非线性预报模型是可行的,预报能见度相关系数为0.86,均方根误差为1.9 km,能见度≤10 km的TS评分为0.92。网络模型具有较高预报性能,对霾的判别有较高准确性,为衔接区域环境气象数值预报模式,建立大气能见度精细化动力统计模型提供参考依据。      

武汉大气能见度与PM2.5浓度及相对湿度关系的非线性分析及能见度预报

武汉作为中部地区高湿度代表城市,大气污染严重,霾天气多发,但有关该地区大气能见度与PM_2.5浓度及相对湿度(RH)的定量关系尚不明确。利用2014年9月—2015年3月武汉地区逐时能见度、相对湿度及颗粒物质量浓度观测数据,研究分析了武汉大气能见度与PM_2.5浓度及相对湿度的关系,并进行能见度非线性预报初探,得到以下结论:武汉霾时数发生比例高,霾的发生和加重是能见度降低的主要原因;能见度降低伴随大量细粒子产生和累积,这是武汉大气能见度恶化的重要诱因。细颗粒物浓度与相对湿度共同影响和制约大气能见度变化,高湿高浓度时能见度显著下降,湿情景下(RH≥40%),能见度恶化主要是由湿度增高诱使细颗粒物粒径吸湿增长导致其散射效率增大造成的。当RH >90%时,能见度随湿度升高成线性递减,相对湿度每升高1%,武汉平均能见度降低0.568 km。而干情景下(RH<40%),能见度迅速降低的关键因素是PM_2.5质量浓度升高。在城市大气细粒子污染背景下,能见度与相对湿度成非线性关系,这主要与PM_2.5对能见度的影响及吸湿性颗粒物的散射效率变化有关。PM_2.5浓度与能见度成幂函数非线性关系,80%≤RH<90%湿度区段下相关性最强。PM_2.5浓度对能见度的影响敏感阈值是随着湿度升高而减小的,干情景下能见度10 km对应的PM_2.5浓度阈值为70 μg/m³,湿情景下该阈值为18—55 μg/m³。当PM_2.5质量浓度低于约40 μg/m³时,继续降低PM_2.5可显著提高武汉大气能见度。预报试验表明,基于神经网络方法建立大气能见度非线性预报模型是可行的,预报能见度相关系数为0.86,均方根误差为1.9 km,能见度≤10 km的TS评分为0.92。网络模型具有较高预报性能,对霾的判别有较高准确性,为衔接区域环境气象数值预报模式,建立大气能见度精细化动力统计模型提供参考依据。     

2016年11—12月北京及周边重污染过程PM2.5特征

该文对2016年11—12月北京及周边地区不同站点重污染期间PM_2.5质量浓度变化特征进行分析,并结合地面和探空气象要素及化学组分等对重污染成因进行深入探讨,比较了其中两次持续3 d及以上重污染过程的异同。结果表明:重污染期间北京及周边地区PM_2.5质量浓度较高,北京上甸子站、顺义站、朝阳站的PM_2.5质量浓度分别为73.1,130.8,226.0 μg·m-3,河北保定站和石家庄站分别为357.8 μg·m-3和346.9 μg·m-3。12月17—21日重污染过程比11月3—5日持续时间更长且PM_2.5质量浓度更高。通过对11—12月所有重污染过程分析发现,北京颗粒物重污染发生的主要气象条件是静稳天气。在排放源相对稳定情况下,逆温层的结构、演变和持续时间决定了重污染的程度,其中污染持续时间和污染期间的主导逆温层类型演变对重污染程度有较好的指示作用。较低的水平风速、逆温层的持续出现及更多的燃煤和机动车尾气排放是12月17—21日污染偏重的原因。     

2016年1月我国中东部一次大气污染物传输过程分析

利用常规气象数据和空气质量模式CAMx对2016年1月15—19日一次冷空气影响下郑州、武汉、南京的大气污染物传输过程进行了分析。观测发现,本次过程中武汉和南京在地面锋线到达后出现明显的PM2.5浓度的快速增长。通过分析发现,两地在1000~950 hPa高度层上偏北风的侵入带来上风向的大气污染物,同时在垂直方向上锋区内的稳定性层结抑制了大气污染物的扩散,两种作用共同导致污染物快速增长。在冷空气主体影响下,尤其是950~900 hPa高度层上弱风区消失后,污染物得到清除。大气污染物的传输作用主要发生在1000~950 hPa高度上。模式PM2.5来源示踪模拟结果表明,武汉(17日夜间至18日)和南京(17日夜间)在本次污染物快速增长过程中区域污染物输入的贡献在51%和58%左右。由于模式对PM2.5传输过程的低估,区域输送贡献率仍存在不确定性。但是,与1月15—19日平均相比, PM2.5的本地贡献明显减少,上风区域贡献明显增加。     

2013-2015年合肥市PM2.5重污染特征研究

综合利用中国环境监测网公布的合肥市2013-2015年大气污染物浓度数据和合肥市气象站的常规气象资料,以及激光雷达探测资料、公益性行业（气象）专项（GYHY201206011）获得的气溶胶离子成分分析结果,分析了合肥市PM_2.5重污染（日均浓度>150 μg/m3）特征。结果表明:（1）2013-2015年,合肥市PM_2.5浓度和重污染天数空间分布差异明显,东北部多、西南部少,1月各站差异最大。除了低浓度日（日均浓度≤35 μg/m3）,PM_2.5浓度都存在明显的日变化,午后低、早晚高,且随着污染程度加重,早上峰值出现时间推后。（2）重污染日臭氧以外的气态污染物浓度都显著上升。（3）重污染日常伴随着霾和轻雾天气,以稳定、小风天气为主,重污染日白天相对湿度偏高、风速偏小,600 m以下的消光系数显著增大且峰值高度降低。（4）重污染日PM_2.5中水溶性无机离子含量增高,其中NO₃-含量的占比增加最多,超过了SO₄2-的占比。      

2017年中国大陆PM2.5浓度时空分布特征分析

利用我国366个环境质量监测站的逐时观测资料,统计分析中国区域2017年PM_2.5浓度的变化情况,绘制其时空分布图。研究结果表明:(1)2017年年均PM_2.5浓度最大为和田地区,浓度为133μg/m³,年均PM_2.5浓度最小为云南迪庆,浓度为10μg/m³,,其极值分布大致呈现南低北高,西低东高的趋势。(2)根据年平均值,日平均值最大值,最小值以及其差值的时空分布情况,PM_2.5质量浓度相对较大的地区为华北与东北部分地区,少部分位于华中地区,相对较小的区域为西北,西南以及东南沿海地区。(3)PM_2.5质量浓度的季节性变化趋势大致为冬季>秋季>春季>夏季,其中新疆、西藏等地PM_2.5质量浓度变化受季节变化影响相对较大,华南及沿海地区受季节变化影响相对较小。     

Monthly Variations of Atmospheric Circulations Associated with Haze Pollution in the Yangtze River Delta and North China

Haze pollution in early winter(December and January) in the Yangtze River Delta(YRD) and in North China(NC)are both severe;however, their monthly variations are significantly different. In this study, the dominant large-scale atmospheric circulations and local meteorological conditions were investigated and compared over the YRD and NC in each month. Results showed that the YRD(NC) is dominated by the so-called Scandinavia(East Atlantic/West Russia)pattern in December, and these circulations weaken in January. The East Asian December and January monsoons over the YRD and NC have negative correlations with the number of haze days. The local descending motion facilitates less removal of haze pollution over the YRD, while the local ascending motion facilitates less removal of haze pollution over NC in January, despite a weaker relationship in December. Additionally, the monthly variations of atmospheric circulations showed that adverse meteorological conditions restrict the vertical(horizontal) dispersion of haze pollution in December(January) over the YRD, while the associated local weather conditions are similar in these two months over NC.     

1981～2015年华北地区持续霾事件的特征及其环流分类研究

根据1981～2015年华北地区地面基本气象要素定时值数据集和地面气候日值数据集站点资料,分别利用14时实测值法和目标区域极端事件的客观识别方法挑选霾日数和持续霾事件,并分析了它们的特征;,然后对持续霾事件进行了分类研究。结果表明:（1）华北地区霾日数空间分布极不均匀,有4个大值区:吕梁山和太行山之间的河谷地区、沿太行山以东的平原、河南北部、环黄海和渤海地区。（2）华北地区共挑选出111个持续霾事件,其中,持续3～5 d的事件最多,占了总数的86.5%,最长的事件可达12 d。（3）持续霾事件和霾日数的空间分布特征相似,且存在明显的年、季变化。1981～2015年持续霾事件数呈增加趋势,冬季增加最显著,其次是秋季和春季,夏季最少。（4）结合地形、霾日数、持续霾事件的分布和环流特征把持续霾事件分为7类,对发生频次较多的4类（华北地区型,河南北部及太行山以东的平原型,河南北部型,河南北部及环渤海、黄海地区型）的环流进行了对比分析。其环流形势的主要特征包括:对流层的中低层华北地区为纬向西风气流或脊前西北气流,我国南部或东南部地区高压西部的西南气流与华北地区的偏西气流产生弱辐合下沉气流;近地面层由于地形的影响形成垂直环流圈,霾最严重的地区一般出现在地形的东坡和垂直环流圈的下沉支。近地面东南气流和低层的西南气流向该地区输送了暖湿空气和污染物。华北地区霾发生位置的不同,主要由低层我国东部或者南部高压的位置和强度,以及局地垂直环流的下沉支的位置决定。这些研究结果可以为华北地区持续性霾的防控提供参考。     

春季沙尘对关中地区PM2.5 浓度影响的多尺度模拟研究

“一带一路”建设让古代丝绸之路的起点——西安成为世界焦点，西安的空气质量也是政府和公众关注的焦点。以2017年5月我国北方的一次强沙尘过程为例，首次利用中国科学院大气物理研究所气溶胶和大气化学模式系统IAP-AACM（Aerosol and Atmospheric Chemistry Model of the Institute of Atmospheric Physics）模拟关中地区细颗粒物（PM_2.5）的时空分布，并结合地面逐小时PM_2.5观测数据对沙尘气溶胶和PM_2.5模拟的关系进行深入探究。结果表明:加入沙尘组分对模拟关中地区PM_2.5时空变化特征作用显著，相关性可提升0.4～0.6，并且可以很好地再现强沙尘时段PM_2.5浓度骤增的过程；在强沙尘时段和一般时段，沙尘组分对PM_2.5的贡献分别为60%～80%和10%～30%；0.11°×0.11°高分辨率模拟有助于提升模式捕捉污染物时空变化的能力。     

2014—2019年北京和南京地区PM2.5和臭氧质量浓度相关性研究

自2014年以来,中国细颗粒物（PM_2.5）浓度大幅度下降,但臭氧（O₃）浓度逐年缓慢上升,厘清PM_2.5和O₃（P-O）相关性尤为关键.在本研究中,2014—2019年北京和南京PM_2.5年均质量浓度下降幅度分别为-6.86和-6.15 μg·m^-3·a^-1;而日最大8小时平均O₃质量浓度（MDA8 O₃）年均增长幅度为1.50和1.75 μg·m^-3·a^-1.研究期间,北京地区MDA8 O₃质量浓度小于100 μg·m^-3,P-O呈负相关;而当质量浓度大于100 μg·m^-3时,P-O为正相关.通过Pearson相关系数研究P-O两者相关性.在两个城市每月相关性分析中,在每日时间尺度5—9月为强的正相关;而小时时间尺度11月至次年2月趋于负相关.在北京,P-O每月和季节相关性变化大于南京.在日变化中,夏季在16时为强的正相关,春秋两季在13—17时为弱的正相关,而在春、秋和冬季8时,却为强的负相关.     

Observational Subseasonal Variability of the PM2.5 Concentration in the Beijing-Tianjin-Hebei Area during the January 2021 Sudden Stratospheric Warming

It is still not well understood if subseasonal variability of the local PM_2.5 in the Beijing-Tianjin-Hebei (BTH) region is affected by the stratospheric state. Using PM_2.5 observations and the ERA5 reanalysis, the evolution of the air quality in BTH during the January 2021 sudden stratospheric warming (SSW) is explored. The subseasonal variability of the PM_2.5 concentration after the SSW onset is evidently enhanced. Stratospheric circumpolar easterly anomalies lasted for 53 days during the January–February 2021 SSW with two evident stratospheric pulses arriving at the ground. During the tropospheric wave weakening period and the intermittent period of dormant stratospheric pulses, the East Asian winter monsoon weakened, anomalous temperature inversion developed in the lower troposphere, anomalous surface southerlies prevailed, atmospheric moisture increased, and the boundary layer top height lowered, all of which favor the accumulation of pollutant particulates, leading to two periods of pollution processes in the BTH region. In the phase of strengthened East Asian winter monsoon around the very beginning of the SSW and another two periods when stratospheric pulses had reached the near surface, opposite-signed circulation patterns and meteorological conditions were observed, which helped to dilute and diffuse air pollutants in the BTH region. As a result, the air quality was excellent during the two periods when the stratospheric pulse had reached the near surface. The increased subseasonal variation of the regional pollutant particulates after the SSW onset highlights the important role of the stratosphere in the regional environment and provides implications for the environmental prediction.     

Comparison of PM2.5 and CO2 Concentrations in Large Cities of China during the COVID-19 Lockdown

Estimating the impacts on PM_2.5pollution and CO₂emissions by human activities in different urban regions is important for developing efficient policies.In early 2020,China implemented a lockdown policy to contain the spread of COVID-19,resulting in a significant reduction of human activities.This event presents a convenient opportunity to study the impact of human activities in the transportation and industrial sectors on air pollution.Here,we investigate the variations in air quality attributed to the COVID-19 lockdown policy in the megacities of China by combining in-situ environmental and meteorological datasets,the Suomi-NPP/VIIRS and the CO₂emissions from the Carbon Monitor project.Our study shows that PM_2.5concentrations in the spring of 2020 decreased by 41.87%in the Yangtze River Delta(YRD)and 43.30%in the Pearl River Delta(PRD),respectively,owing to the significant shutdown of traffic and manufacturing industries.However,PM_2.5concentrations in the Beijing-Tianjin-Hebei(BTH)region only decreased by 2.01%because the energy and steel industries were not fully paused.In addition,unfavorable weather conditions contributed to further increases in the PM_2.5concentration.Furthermore,CO₂concentrations were not significantly affected in China during the short-term emission reduction,despite a 19.52%reduction in CO₂emissions compared to the same period in 2019.Our results suggest that concerted efforts from different emission sectors and effective long-term emission reduction strategies are necessary to control air pollution and CO₂emissions.     

2013年1月华北地区重雾霾过程及其成因的模拟分析

2013年1月11~14日,华北地区经历重雾霾过程。为了探讨其形成原因,利用大气化学模式系统Weather Research and Forecasting(WRF)-Chem模拟2013年1月华北地区气溶胶的时空变化。模拟的能见度、气象要素(温度、湿度、降水、风速和风向)以及细颗粒物(PM2.5,大气中直径≤2.5μm的颗粒物)地表浓度的时间变化与近地面观测值都较为吻合。模拟结果表明,1月11~14日,细颗粒物高值分布于河北省南部和东部、天津地区以及北京地区,其日均值约为400~500μg m–3。通过与历史气候数据比较发现,2013年1月10~15日华北地区的气象条件表现为较大的相对湿度正距平(20%~40%)以及风速的负距平(-1 m s–1)。北京站点的探空数据还表明,在1月11~13日期间,垂直方向上,1 km以下的大气中存在明显的逆温层,并且湿度保持较高的值(80%~90%)。模拟结果表明,1月11~14日,近地面南向风和东向风将水汽输送到华北地区,上层大气(850hPa)的西北风则将沙尘输送到华北地区。以上气象条件有利于气溶胶的吸湿增长和浓度的聚集。硝酸盐的收支分析表明,在北京地区,与1~9日相比,10~14日夜间化学生成和传输的显著增加都贡献于硝酸盐浓度,是重雾霾形成的主要原因。     

长三角地区城市O_3和PM_(2.5)污染特征及影响因素分析

O_3和PM_(2.5)是影响长三角地区空气质量的主要污染物。利用2016年33个城市大气环境监测站6项污染物的小时浓度及4个省会城市的气象数据进行统计分析,研究了该地区O_3和PM_(2.5)浓度的时空分布特征及其影响因素。结果表明:长三角地区O_3年平均浓度为50～73μg·m~(-3),平均为61μg·m~(-3);除芜湖和宣城外,其余31城市均存在不同程度的超标状况,超标率为0.34%～18.86%,平均为5.68%。O_3在5月和9月达到浓度高值;四季O_3日变化均呈单峰型,峰值出现在15∶00,夏季O_3峰值浓度最高值为157μg·m~(-3)。O_3浓度沿海城市整体高于内陆城市;夏季宿迁—淮安—滁州片区O_3污染较重。O_3与NO_2、CO显著负相关,且与NO_2相关性较强;O_3与气温、日照时数显著正相关,与相对湿度、降水呈负相关。PM_(2.5)年平均浓度在25～62μg·m~(-3)范围内,平均为49μg·m~(-3);各城市均出现PM_(2.5)超标,滁州PM_(2.5)超标率最大,为23.91%。PM_(2.5)在3月和12、1月达到浓度峰值;其日变化呈双峰型,09∶00—10∶00和22∶00—23∶00达到峰值。冬季徐州PM_(2.5)浓度最高,为102μg·m~(-3)。PM_(2.5)与NO_2、CO、SO_2、PM_(10)显著正相关,与气温、风速、降水负相关。     

北京及周边地区2013年1—3月PM2.5变化特征

2013年1—3月北京及周边地区雾、霾高发,气候特征异于常年。利用2013年1—3月北京及周边地区6个地面观测站观测资料,研究PM_2.5和黑碳 (BC) 的质量浓度、区域分布特征及气象要素的影响情况。结果表明:北京及周边地区PM_2.5污染呈区域性高值、污染局地积累以及由南向北输送的特征。北京上甸子站在雾、霾与清洁期间BC与PM_2.5质量浓度的比值分别为7.1%和10.3%,雾、霾期间低于清洁期间;而河北固城站在雾、霾与清洁期间BC与PM_2.5质量浓度的比值分别为17.5%和11.9%,雾、霾期间明显高于清洁期间。二者相反的比值特征反映在清洁的下游地区雾、霾过程中二次生成的气溶胶所占比例较污染的上游地区偏高。