四川盆地最大混合层厚度与大气污染物浓度的关系

基于2015～2018年四川盆地温江站、宜宾站、达川站和沙坪坝站的探空和地面观测资料以及同期AQI、6种主要污染物(SO₂、NO₂、CO、O₃、PM_2.5、PM₁₀)质量浓度资料,使用逐步逼近法计算得到了四川盆地成都、宜宾、达州、重庆四城市的每日最大混合层厚度(Maximum mixing depth,MMD),并对其时间变化特征及其与各种污染物浓度之间的关系进行了分析。结果表明,四川盆地年平均MMD约1200m。季节变化明显,春夏高、秋冬低。9月至次年1月MMD相对较小。相关分析显示,剔除降水影响后,MMD与AQI、PM_2.5、PM₁₀、SO₂、NO₂、CO浓度均呈负相关,而与O₃浓度显著正相关。在污染最为严重的冬季,MMD明显低于春夏季节。MMD越小、颗粒物浓度越高。低MMD大大压缩了近地面污染物的扩散空间,污染物在有限的空间内不断累积、浓度增大。      

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。      

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...     

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。      

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。     

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...     

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。     

南京一次暴雪过程大气污染特征分析

利用气象和环境监测资料分析2013年2月19日南京一次短时强降雪过程对各类污染源及污染物浓度的影响,并利用Pearson相关分析法分析不同污染物之间及污染物与气象要素之间的相关关系。结果表明：此次南京暴雪对面源影响最大,扬尘排放量几乎为零,流动源主要受机动车早晚高峰变化影响,工业点源受影响不大。此次暴雪过程后,南京空气质量达到优级,2013年2月19日AQI指数比18日与20日均下降35%,SO₂日变化仍呈单峰型,颗粒物及NO2日变化则未呈现早晚双峰变化。PM_2.5与PM₁₀、SO₂、NO₂、CO呈显著正相关,相关系数分别为0.979、0.663、0.837和0.875,说明污染物来源具有一定的同源性。污染物浓度与风速、相对湿度呈显著负相关,与温度、大气压强呈显著正相关。     

新冠肺炎疫情期间遵义市大气污染物的变化

为研究云贵高原城市遵义新冠期间大气污染物变化特征,利用2015—2020年遵义市空气质量监测数据、地面气象观测资料,分析新冠肺炎疫情防控期间遵义市主要大气污染物和气象要素的变化情况,研究空气质量对污染物减排和气象要素变化的响应。结果表明：疫情防控导致遵义市PM_2.5、PM₁₀和NO₂质量浓度明显下降,但O₃质量浓度小幅增加;PM_2.5和NO₂对人为减排的响应更敏感;防控期内遵义市气象条件比较有利于污染物的清除,防控减排措施导致PM_2.5质量浓度下降25.34%。在疫情防控的背景下,O₃浓度较2015—2019年明显偏高,PM_2.5显著下降,这与疫情防控期间人员车辆外出明显减少有关,导致夜间滴定消耗O₃的气体减少。减排措施对防控期间颗粒物污染浓度有明显的削弱作用。     

2006-2012年青岛市空气质量与气象条件的关系

利用2006-2012年青岛市SO₂、NO₂及PM₁₀的监测资料,统计分析3种污染物时空分布特征及污染物平均浓度与气象要素的关系,并分析污染日气象条件变化特征。结果表明：2006-2012年青岛市年平均污染日数为23-33 d;青岛市空气污染主要出现在冬、春两季,主要污染物为PM₁₀。青岛中度以上污染为PM₁₀污染,大多由浮尘天气引起。污染物浓度与云量、降水量和气温呈负相关,与气压呈正相关。冬季大雾易造成空气污染加重,而4-6月海雾则使空气质量提高。弱的地面天气形势和接地逆温层结的存在及持续的烟、霾天气易导致青岛空气污染。     

重庆中心城区气象因子对大气污染影响的研究

基于多元线性回归模型,采用主成分分析和通径分析方法,量化研究了2014～2020年重庆市中心城区北碚区空气质量情况以及气象因子对大气污染的影响。结果表明：北碚区空气质量以优良天数为主,且优良天数呈逐年增加趋势,中度和重度污染天数不明显,环境空气质量指数(AQI)、PM_2.5浓度呈逐年下降趋势,8 h臭氧(O₃-8h)浓度呈上升趋势。最高气温和相对湿度对AQI的贡献率最大,均为16%;风速贡献最小,占11%。最低气温和最高气温是影响PM_2.5浓度日变化的主要因子,贡献率分别为31.6%、-12.6%。平均气温和最低气温是影响O₃浓度日变化的主要因子,贡献率分别为63.6%、-36.8%。可见,气温对重庆中心城区大气污染的影响最为显著。     

京津冀典型工业城市沙河市大气污染特征及来源分析

近些年京津冀地区秋、冬季大气重污染事件频发,工业生产与居民燃煤是大气灰霾污染的重要原因。河北省沙河市是京津冀地区以玻璃制造和加工为主的典型工业城市,本研究选取该城市为研究对象,主要利用2017年1月至12月国控站点的大气环境监测和气象数据,采用扩散模型、潜在源分析等手段,分析了沙河市主要污染物的时空分布特征和污染来源。主要结论有:（1）沙河市首要污染物具有明显季节特征,春季、夏季、秋冬季分别以PM₁₀、O₃、PM_2.5污染为主,季节贡献率分别为43.3%、72.3%、61.5%。（2）受城市大气边界层和排放的共同影响,PM₁₀、PM_2.5、SO₂、NO₂和CO浓度均有剧烈的季节—日变化特征。（3）冬季东北风时PM_2.5、NO₂、SO₂均展现出高浓度和高相关性特征,表明站点可能受东北方向玻璃企业排放影响。同时,站点可能也受城中村散煤燃烧影响。（4）沙河市冬季PM_2.5浓度为143 μg m-3。冬季的一次重污染中硫氧化率SOR、氮氧化率NOR的最高值分别达0.67、0.39,气态污染物的二次转化剧烈,高湿度利于二次粒子的生成。重污染中C(NO₃-)/C(SO₄2-)均值为1.89,推测沙河市NO₂主要来自大型运输车辆和企业的共同排放。（5）本地源是沙河市PM_2.5的主要潜在源区,周边几个重工业城市也有一定贡献。因此本研究建议沙河市PM_2.5的治理除需加强本地污染源的削减和控制外,区域联防联控也十分重要。     

成都地区雾的气候时空特征及其与近年空气质量的关系

利用成都市1980—2021年14个国家气象站的雾日、平均气温、最低气温、相对湿度等观测资料,结合PM_2.5、PM₁₀、NO₂及SO₂等环境监测以及人口数据,对成都地区雾的气候特征及其与城市化进程、空气质量的关系进行分析。结果表明：成都地区雾日气候分布呈现中心最多、东部次之、西北部最少的区域特征;冬季最多,秋季次之,夏季最少的季节特征。且雾日整体呈下降趋势,中心地区雾日的年际变化较大。雾日数与相对湿度、气温、城市化进展密切相关。成都的发展变迁导致了各地区雾日突变年的不同,西部比东部发展更早,因而雾日突变年西部早于东部。大雾影响下,成都地区更容易出现PM_2.5污染。近年来,成都地区雾日越多,空气污染物浓度就会越大,尤其是PM_2.5浓度增大最为显著。     

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。     

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。     

基于GRAPES-CMAQ的中山市空气质量预报系统预报效果评估

对基于GRAPES-CMAQ模式的广东省中山市空气质量预报系统2016年的AQI等级、首要污染物、PM_2.5和O₃浓度预报数据进行检验评估。预报系统对中山市全年的AQI等级24小时预报TS评分为0.66, TS评分在6—7月最高。当实况AQI等级为一级, TS为0.84, 当空气质量变差时, TS明显下降, 说明模式目前对空气重污染事件的预报能力不足。模式对中山市的主要污染物O₃、PM和NO₂的预报TS评分分别为0.21、0.24和0.24, 其中对O₃和NO₂的漏报率达到0.78和0.76, 而PM的空报率高达0.71。预报系统对PM_2.5的浓度预报总体略偏高, 相关系数为0.59, 但在霾污染较严重的月份中预报效果并不稳定。对O₃的预报全年相关系数达到0.7, 且在O₃污染较严重的7—11月, 相关系数均能达到0.5以上, 但这几个月的O₃预报浓度均比实况明显偏低。从气象预报入手分析预报系统对10月2—7日中山市一次连续O₃污染过程漏报的原因, 发现GRAPES模式对这段时间内整个珠三角地区日间降水的预报范围偏大, 强度偏强, 且预报的地面风速也比实况要偏大, 导致模拟O₃浓度比实况明显偏低。      

重庆市主城区雾霾天气过程的污染特征分析

利用重庆主城区沙坪坝站2002~2014年逐日气象观测资料和2009~2011年10月至翌年3月逐时气象观测及污染监测资料,对雾霾天气过程中SO₂、NO₂和PM10污染物浓度变化及与气温、风和降水等地面气象要素的关系进行分析。结果表明:2009~2011年重庆主城区共出现Ⅰ级至Ⅳ级不同强度的雾霾天气过程共27次,雾霾天气过程中SO₂浓度变化为单峰型,峰值出现在中午,白天浓度大于夜间;NO₂浓度变化为双峰型,主峰值出现在晚上20时,次峰值出现在中午12时;PM10的日变化幅度较SO₂和NO₂变幅小,呈双峰双谷型;污染物浓度与气温、相对湿度的相关性比较好,静风条件有利于污染物积累,降水对污染物有较明显的清除作用。      

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PM2.5分布特征及气象条件的影响

利用2013~2017年贵阳市10个国控空气质量监测站点PM_2.5逐时监测数据,分析了贵阳市大气污染物污染水平及其时空分布特征。结果表明:(1)贵阳市PM_2.5年均浓度为36.14 ug·m-3,基本处于国家空气质量二级标准范围内,污染程度较轻;(2)贵阳市PM_2.5浓度冬季浓度为一年中最高,最高值出现在12月,夏季浓度最低,最小值出现在7月;(3)气象要素对PM_2.5浓度的影响是显著的,尤其是在分季节的情况下,气象要素对PM_2.5的影响差异较大。PM_2.5浓度与太阳辐射、日照时数、气压呈显著正相关,与降水、相对湿度、风速、气温呈显著负相关。太阳辐射夏季对PM_2.5影响最大,日照时数春季对PM_2.5的影响最大,气温在夏、秋季与PM_2.5浓度呈显著负相关。春季降水对PM_2.5的相关性更为显著,风速对夏、冬季与PM_2.5浓度具有显著负相关性。