长沙市API指数时空变化特征及气象条件影响

利用长沙站2007—2012年逐日空气污染指数(Air Pollution Index,API)资料,对逐日空气污染指数、逐日空气质量级别等变化的差异进行了研究,其中包括了长沙空气质量的月变化、季节变化和年变化等,并利用湖南省地面气候背景资料及长沙市地面逐日观测资料,包括日平均气压、日降水量、日最高最低气温等,分析了长沙的API指数变化与气象因子的关系。结果表明:1)长沙2007—2012年每年的首要污染物均为可吸入颗粒物(PM10),其中在秋、冬两季污染尤为严重,API指数每年10月份出现极大值,1月份出现次大值。2)2007—2012年,长沙轻度污染及以上天数有逐年减少的趋势。这可能与长沙市在该时段秋冬季降水偏多、春季连阴雨时间长及夏季气温高等因素有关。3)长沙市API指数与日平均气压呈显著正相关,与日平均、日最高、日最低气温及日平均风速均呈显著负相关。     

边界层内大气排放物形成重污染背景解析

我国大气中的粒子浓度普遍较高,特别是可吸入颗粒物PM10.在区域特定的大气环境过程的影响下,能形成大范围的严重污染情景.利用大气环境过程的概念,分析引起大气重污染的中尺度天气系统、近地层小尺度局地系统和稳定的大气边界层结构,发现大范围均压场条件下易出现近地层小尺度局地环流群体,大范围均压场持续演变和移动常形成大气污染汇聚带,从而形成局地严重污染的重要大气条件.     

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。     

2001-2011年西宁市空气质量特征及其与气象条件的关系

利用2001-2011年西宁市城市空气质量日报资料,研究西宁市区域性污染特征,并结合气象资料对空气质量变化特征和影响因素进行了分析。结果表明：西宁市空气污染以可吸入颗粒物为主要污染物,空气质量状况以优和良居多;空气质量季节变化特征明显,春季空气质量最差,其次是冬季和秋季,夏季空气质量最好,冬春季空气质量不稳定,夏秋季空气质量较稳定; 空气质量年变化幅度大,供暖期API指数明显高于非供暖期;沙尘影响指数呈现下降趋势;从年际变化来看,空气质量已经有了明显改善;气象要素对大气污染物有制约关系,其中起主要作用气象因子为沙尘日数、降水量、相对湿度和气温; 可吸入颗粒物长距离输送是西宁市冬春季重污染现象的主要原因,来源于新疆、甘肃西北部、内蒙古中西部及本省西北部的柴达木盆地。     

黑龙江省主要城市的大气污染物变化特征

本文利用哈尔滨、齐齐哈尔、牡丹江2005年1月1日-2010年12月31日的空气质量数据,统计了三个城市的总体污染情况及PM10的年、月变化特征。结果表明:哈尔滨的空气污染比其它两城市严重,重度污染的天数比例最高为0.33%;PM10是三个城市主要的首要污染物,出现的天数占总天数比例都>94%,NO2、SO2为首要污染物主要出现在冬季取暖期;统计6 a的平均PM10浓度,哈尔滨>牡丹江>齐齐哈尔,哈尔滨PM10浓度的年变化呈上下波动趋势,齐齐哈尔、牡丹江PM10浓度则呈递减趋势;10月-次年4月是三个城市PM10浓度高值期,6-8月为浓度低值期。     

2012年库尔勒市PM10质量浓度的变化特征分析

利用南疆最大的城市库尔勒市2011年11月15日-2012年11月30日连续自动可吸入颗粒物（PM10）浓度观测数据,分析了PM10的污染状况和质量浓度变化特征。结果表明：（1）由于气象条件与人类活动的影响,PM10浓度日变化为明显的双峰型。（2）PM。。质量浓度存在明显的周内变化,周一出现最大值274．8μg·m^-3,周三出现最小值196．7μg·m^-3。（3）PM10最高月浓度出现在4月,浓度为562．1μg·m^-3;7月达到最低浓度107．4μg·m^-3;11月达到次大值219．9μg·m^-3。（4）春季PM,。浓度较高,夏季较低,总体特征为：春季〉秋季〉冬季〉夏季,四季的平均浓度均超过国家二级标准。（5）降雪过程对PM10具有明显的清除作用,沙尘天气有使PM10质量浓度迅速增加的作用。     

包头市2011年春季TSP和PM10的污染特征分析

利用包头市2011年春季TSP和PM10的逐时监测数据,对二者的浓度变化及二者之间的相关性进行分析,结果表明：包头市2011年春季空气中颗粒物污染较重,沙尘天气是影响环境质量并造成大气污染的一个主要来源。在TSP含量中,PM10占主要地位,但仍有其他颗粒成分影响其总体组成。TSP和PM10呈线性相关,在沙尘灭气过程中,二者相关性更为显著。     

2013-2016年惠州市大气颗粒物质量浓度变化特征和典型污染过程分析

利用2013-2016年惠州市5个环保国控站的PM质量浓度和国家基本气象观测站的气象要素观测数据及NCEP/NCAR日平均再分析资料,统计分析了惠州市大气颗粒物质量浓度变化特征及其与气象条件的关系。结果表明：2013-2016年惠州市大气颗粒物质量浓度、污染日数和超标日数均呈明显下降趋势,2016年PM10年平均质量浓度已接近年平均质量浓度限值一级标准,PM2.5年平均质量浓度达到年平均质量浓度限值二级标准。大气颗粒物质量浓度冬季的最高、秋季的次之,非汛期的（10月次年3月）显著高于汛期的（4-9月）。PM2.5污染日均出现在非汛期,尤其是冬季的1和12月,大多出现在晴朗干燥的东北风天气下。分析惠州市20132016年间两次长时间大气颗粒物污染过程发现,这两次大气颗粒物污染过程出现在冷空气减弱、冷高压东移出海后或下一波冷空气来临前,但随着南下冷空气的到来,北风加大或带来明显降水,空气质量明显好转。     

2014—2021年德阳大气颗粒污染物特征及案例分析

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PM_2.5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PM_2.5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PM_2.5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PM_2.5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。     

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PM2.5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PM2.5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PM2.5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PM2.5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。     

兰州市大气污染的特点及主要原因分析

本文阐述了兰州大气污染的特点,并从地形地貌和气象条件、产业布局和能源结构、沙尘暴和浮尘天气、城市生态环境、城市基础设施改造、机动车辆尾气这6个方面进一步阐明影响兰州市大气污染的主要原因.     

一次大气污染过程的降水天气特征及相关分析

本文分析了大连市2015年11月16日一次污染过程的降水(降水量为5mm)天气特征及NCEP/NCAR再分析资料,结果表明,天气形势场为典型的大连秋、冬季的高空槽降水,而大气层结无论是在污染前期,还是污染后期的降水阶段均为稳定层结,有逆温层存在;空气上升运动于降水前持续了较长时间(近十几小时),表明近地面细颗粒物(PM_2.5)随着上升气流会源源不断输送到高空,其中部分颗粒物转化为云中冰核,补充了降雨云中冰核数;同时,对本次污染降水过程及大连近两年秋、冬季另外三次小雨(降水量5mm)降水过程的云中液态水含量、地面降水量和PM_2.5的小时观测值及其变化进行了详细讨论和分析发现,当PM_2.5浓度较低时,降雨云中的冰核数缺乏,地面降水较小,适合实施人工增雨(雪)作业,增加云中冰核及地面降水,当PM_2.5浓度较高,特别是出现大气污染时,降雨云中的冰核数会相对增加(甚至过量),地面降水较充分(或出现消减雨情况),此时人工影响作业应根据实际情况减小作业剂量,或减少作业。此外,相关综合分析表明,大连市大气污染源有两种,一为本地源,二为外来源;一定程度的降水对本地源大气污染能起到沉降作用,对外来源不明显。     

1901-2007年澳门地面气温变化的分析

 利用澳门的气温观测资料, 分析了澳门1901-2007年地面气温变化的基本特征。结果表明：近107 a的升温率为0.066℃/10a, 明显低于全球平均升温率。季节平均气温的年代际变化有明显的季节差异,最大的增暖发生在春季和冬季,夏季的增暖最小;冬、夏季的变化分别有明显的时间尺度约为60 a和30 a的振动。年平均最高气温的升温率仅为最低气温的一半左右。最高气温的年代际变化呈缓慢的气候波动现象,20世纪80年代中期以后的升幅与历史上的增暖大致相当;最低气温近20多年来的增暖趋势可能是其长期（变暖）趋势的延续。年平均日较差整体来说是趋于减少的,但近30 a却趋于增加。     

兰州市空气污染气象条件综合分析

利用兰州市1971～1999年地面气象和探空资料,对影响兰州市污染物浓度变化的风、温、压、湿特性及逆温层、最大混合层厚度的变化特征进行分析,揭示了造成兰州市冬季空气污染特别严重的原因主要是各气象要素及有关污染参数均表现出冬季不利于大气污染物稀释扩散的特征.     

气象科技期刊2001-2007年主要评价指标分析

为客观定量地了解目前气象科技期刊的学术水平现状,促进气象科技期刊的发展,依据学术期刊综合评价指标,对2001—2007年气象科技期刊的影响因子、5年影响因子、即年指标、被引半衰期、Web即年下载率以及网络传播趋势等进行统计对比分析,得出了相关结论。     

Models-3空气质量模式对兰州市污染物输送的模拟

较详细地介绍了美国环保总局的第三代空气质量模式系统Models-3的特点,并且针对兰州市冬季采暖期污染严重的特点,选取2002年12月份的个例,将兰州市最新的大气污染源资料加入模式中．对模式进行调试并检验了该模式对兰州污染的模拟性能。从模式对SO2,NO2和O3等几种大气污染物浓度的模拟结果与监测资料对比分析,表明该模式系统较好地模拟出了SO2,NO2的空间分布格局,模拟结果与监测结果比较吻合,而且模式模拟的污染物浓度场比较均匀;模式模拟的O3的日变化规律与资料分析结论基本一致,也符合O3的生成机理。因此该模式系统对于复杂地形条件下的城市污染物输送具有一定的模拟能力。     

2014年京津冀空气污染时空分布特征及主要成因分析

为进一步了解京津冀区域空气污染状况与工业排放、气象条件的相互关系,运用统计分析方法,使用环保部2014年空气质量日报数据对京津冀地区13个城市空气质量指数(Air Quality Index,简称AQI)、首要污染物的时空分布特征进行了分析,并与各城市的城市建设、经济发展、工业排放及相应时段主要气象因子的影响进行了对比分析。结果表明:总体上,2014年京津冀地区空气质量呈北优南劣分布,即北部优于中部、中部优于南部。京津冀地区空气质量以良和轻度污染的天数居多,其中位于北部的张家口、承德和秦皇岛3市空气质量最好,优良的天数达到67%~86%;北京、天津的占46%,保定、衡水和邢台的仅占23%。各城市AQI具有相似的季节变化特征,12月AQI值最大,9月份达到最小,10月份起AQI开始回升。各市首要污染物1—3月、7月、9—12月以PM2.5为主,4、5月以PM10和PM2.5为主,6、8月以O3为主。影响京津冀地区的首要污染物来源不同,北京市、河北省分别以机动车尾气排放和燃煤排放为主,天津以工业二氧化硫排放及燃煤影响显著。各地空气质量的首要污染物多为原地生成。秋冬季节空气污染加重与燃煤用量加大、静稳天气增多关系密切;而春夏季节空气污染减轻依赖于风力加大、降水频繁、大气不稳定等气象因素。机动车尾气、工业排放、燃煤排放、人口数量等因素与空气污染关系密切,气象条件（风、雨、不稳定大气层结等）对空气污染扩散起着重要作用。     

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。     

Characteristics and Causes of Changes of Pan Evaporation in China During 1957-2001

Evaporation is an important component of surface heat and water balance, and is affected directly byland use and climate change. This paper studies the changes of evaporation in China associated with the global climate change, and explores characteristics of the corresponding regional water cycle variations. The 20-cm-caliber pan evaporation measurements collected from 427 meteorological stations in China from 1957 to 2001 are analyzed to disclose the small-pan evaporation variation trend in China and the associated causes. The results show that although the annual average temperature over China exhibits an upward tendency of 0.2°C/10 yr for the past 45 years,the pan evaporation on the whole has decreased by －34.12mm/10 yr. Nonetheless, a significant increase of pan evaporation is observed in a few areas such as the northern part of the Greater Hingan Mountains in Northeast China and the Beishan Mountains in Inner Mongolia. The largest decrease of pan evaporation lies in East China, northern parts of Northwest China,South China, and southern Tibet. An analysis of energy balance and aerodynamics using Penman's formula proves that the drop of pan evaporation in East China is mainly due to a significant decline of source energy for evaporation, while that in West China is mostly attributed to an aerodynamic reduction. The analysis on tendencies of various meteorological and other related factors shows that wind speed and sunshine hours are two most important factors causing the pan evaporation reduction in China.