西安市区大气污染时空变化特征及其与气象条件关系

利用 1 998— 2 0 0 3年西安市环境监测站提供的 SO2 、NO2 和 PM1 0质量浓度资料 ,分析研究了这 3种主要污染物的年际变化、年变化、季变化等时空变化特征及其与气象条件的关系。结果表明 :西安市区主要空气污染物年日均质量浓度总趋势是逐年递减 ,空气质量逐步得到改善 ;冬春两季空气污染严重 ,夏秋两季空气质量最好 ;空间分布上 SO2 和 NO2 以小寨商业区最高 ,PM1 0则以东郊纺织城地区最高。污染物质量浓度与气象条件密切相关 ,但在不同的季节与不同的污染物相关紧密的气象要素不同     

城市化环境大气污染模型动力学问题

城市化环境大气污染动力学问题是城市环境大气污染形成机理及其治理原理研究中核心理论问题,该文从城市化环境大气污染各类复杂的交叉影响因素角度,初步描述了城市环境大气多尺度相互作用;城市建筑群及其周边地形影响;下垫面及陆面过程对城市环境大气动力结构形成的影响效应;城市环境水-土-气污染形成的多圈层相互作用等问题.并且综合分析探讨了城市环境大气污染的动力学特征及其影响作用.通过理论问题的讨论,给出了本项目开展的BECAPEX现场观测试验的设计实施和城市污染"大锅盖"特征结构研究的科学问题.     

北京市房山区大气污染物时空分布特征及气象影响因素分析

利用北京市房山区良乡镇和琉璃河镇内的区域自动气象站和环境监测站观测数据,对2013年至2015年PM_(2. 5)、PM_(10)、NO_2、SO_2、CO 5种大气污染物浓度变化特征进行了统计分析。结果显示,近3年来,两个镇综合污染物指数呈现逐年下降趋势,各污染物对房山区整体大气污染的贡献率从大至小依次为PM_(2. 5)、PM_(10)、SO_2、NO_2、CO,PM_(2. 5)已取代传统大气污染物SO_2成为房山区的主要大气污染贡献体。两个站点各污染物浓度均表现出明显的季节、月、日变化特征。在不同季节条件下,局地气象要素与污染天气发生概率之间有着很好的相关关系。因此,可根据气象要素分级方法找出各季节污染天气发生时最敏感的气象因素,为局地污染天气预报提供参考指标,也为防范空气污染、制定科学的综合管理措施提供科学参考。     

金华市大气污染特征及与气象条件的关系分析

利用金华市环境监测站2015-2018年空气质量指数和大气主要污染物观测资料,结合金华市国家气象观测站地面气象观测资料、气候再分析资料,分析了金华市大气污染变化特征,以及两大主要污染物PM2.5和O3与气象条件的关系.结果表明,近年来金华市空气质量状况逐年改善,空气质量优良率稳中有升.夏季的空气质量最优,冬季的空气质量...     

延安城区大气污染特征及成因分析

延安市环境保护监测站(市中监测站、南桥监测站)2000—2003年污染物浓度监测显示．延安市城区大气污染物质量浓度的分布具有明显时空分布规律，即大气污染物质量浓度冬春季大于夏秋季，夜间大于白天。在空间分布上，市中心大于郊区，北部大于南部地区。形成这种污染物质量浓度分布特征的原因，主要是延安市区北、西、南三面围山，东部开阔的地形的动力效应．四季分明的气候，秋冬春的近地层较强的逆温，常年盛行的西风，不同的气象要素(风、降水、云、日照、温度、湿度以及天气形势等)也对不同的大气污染物有不同的影响。     

2000～2002年北京市城市大气污染特征分析

通过对 2 0 0 0年 1月至 2 0 0 2年 1 2月北京市城市大气污染物SO2 ,PM1 0 ,NO2 的分析发现 :北京市主要污染物是SO2 和PM1 0 。SO2 污染月份主要发生在 1 1月至次年的 3月 ;PM1 03级以上的日数全年都有分布 ,但 4级和 5级的日数主要发生在春季和冬季 ;NO2 主要污染月份发生在 1 0月至次年的 3月 ;大多数污染物以 2 0 0 0年最为严重。对污染资料进行MHAT小波分析发现 ,北京市大气污染存在两个明显的周期波动 ,即 2 0～ 30天周期和准 5天周期 ,这说明北京市污染物浓度短期变化主要受到天气过程及大气低频振荡的影响 ,该文进一步计算了 2 0 0 0年污染资料与气象资料的相关关系发现 ,北京市污染物与日平均气温、日平均风速、每日 1 2 :0 0 (北京时 )温度梯度、相对湿度存在明显的相关关系 ,且不同的气象要素对不同的污染物浓度影响不同。     

大气污染预测的理论和方法研究进展

介绍中国科学院 “九五”重大科研项目 “大气污染预测的理论和方法研究”的研究意义、目标和具体的研究内容, 同时对已取得的重要研究进展和阶段性成果作简要介绍     

2018年冬季鲁西北大气污染特征及影响因子分析

利用2018年12月至2019年2月滨州、德州和聊城PM2.5、PM10、NO2、SO2、CO和O3逐日质量浓度及其对应的气象资料,分析了鲁西北大气污染特征和影响因子.结果表明:2018年冬季鲁西北大气污染比较严重,聊城、德州和滨州轻度及以上污染天数分别占61％、60％和54％,重度以上染污天数分别占24％、11％和9...     

2016年冬季南京地区大气污染特征的观测分析

基于2016年11月24日—12月23日南京市草场门站、鼓楼站和仙林站的强化试验观测资料,分析了城市和郊区主要大气污染物的时空变化特征及其与气象要素的相互关系。研究发现：观测期间南京PM_2.5、PM₁₀、NO₂、O₃、CO、SO₂月均质量浓度分别为52.84~84.34 μg·m^-3、88.36~120.34 μg·m^-3、49.98~51.66 μg·m^-3、24.85~50.57 μg·m^-3、0.99~1.2 mg·m^-3和22.1~26.48 μg·m^-3;近地面,城市大气污染物质量浓度高于郊区,其中城市O₃比郊区高61.0%;在城市地区,除NO₂和CO外,鼓楼站大气污染物质量浓度高于草场门站,其中鼓楼站PM_2.5比草场门站高42.7%;PM_2.5小时质量浓度最大为210.93 μg·m^-3,重污染过程出现时风速较低、温度较高,郊区PM₁₀、PM_2.5、NO₂质量浓度呈现高值时的最频风向为南风,O₃和SO₂质量浓度呈现高值时的最频风向分别为西风和西南风,所以郊区大气污染受城市输送影响。利用HYSPLIT模式研究发现12月4—8日和16—20日的污染气团分别来自西部和北方地区,聚类分析发现12月影响南京市的污染气团45%来自西部地区且移动速度较快,55%来自北方地区且移动速度较慢。由此可见,南京市冬季出现的大气污染,其形成不仅与本地排放和局地气象条件有关,而且西部和北方地区的远距离输送也会造成影响。     

城市大气污染预测简介

1　城市大气污染源要进行城市大气污染预报 ,首先要弄清的基础就是城市的大气污染源。尽管治污投资不断增大[1] ,污染源结构不断变化 ,城市大气污染源仍日益严重。其污染源可分自然污染源和人为污染源。自然污染源由自然现象和特定的自然地理环境所致、如沙尘 (暴 )、花粉、局地扬尘等 ;人为污染源中首推工业污染源 ,它排量大 ,易于掌握 ,污染物为微小颗粒物、二氧化硫等无机物和一些有机物 ,这些物质对人体危害较大 ,所以一直是人们普遍关注的污染源物。其次为汽车污染源 ,由于这是一种流动污染源 ,难以掌握和控制汽车排放污染物的主要成分…     

北京城区大气边界层空气污染特征观测研究

2001年1～3月共分3期,在北京城市地区大气边界层进行了大气化学和气象现埸观测.结果表明北京城市低层大气中主要的气体污染物是NOx,其次为SO2;各高度SO2和NOx之间的关系有较好的一致性,NOx大约为SO2浓度的2倍或2倍以上;污染源排放是造成北京城市低层大气空气污染严重与否的主要原因之一;同一季节中空气污染状况很大程度上取决于天气条件;NO2/NO和NO之间有着较好的负幂指数相关关系;近地层不同高度和不同地点观测到的大气污染物随时间变化趋势有较好的一致性.     

中国西北地区和蒙古国40年气温时空特征及其变化趋势

利用我国西北地区及蒙古国共５９个台站（作ＥＯＦ分析时取２５个站）１９５１￣１９９０年逐月平均气温资料，采用ＥＯＦ方法分析了该地区４０年来气温场不同季节的空间分布特征及其随时间变化的规律。分析发现气温场的空间分布主要有三种类型：（１）全区一致型，（２）南北差异型，（３）东西差异型；各月、季、年的变化周期主要集中在三个时段：２￣４年，５￣８年和１０￣１３年；夏季以短周期为主，冬季和年主要是长周期。气温     

广州市空气污染的变化特征及预报

利用2002年11月-2004年9月广州市空气污染指数（API）和PM10、NO2、SO2等污染物逐日浓度资料,采用小波分析、相关分析等方法对广州市空气污染的变化特征及与同期地面气象要素的关系进行了分析。并采用最优子集回归方法分别建立冬、夏季API指数及污染物浓度的预报方程。结果表明。PM10是广州市的主要污染物。其次为NO2、SO2。除SO2外,广州市API指数、NO2、PM10等污染物浓度具有冬半年（11-4月）偏高,夏半年（5-10月）偏低的变化规律。API指数及各种污染物浓度均具有明显的年周期振荡及5-7天的准单周、10-20天准双周、30-60天左右的季节内振荡,且30-60天的季节内振荡在冬半年较强而在夏半年较弱。冬半年API指数和PM10、NO2、SO2浓度与气压、风速、降水呈稳定负相关,与温度、相对湿度等呈稳定的正相关,而夏半年主要与风速、降水具有较好且稳定的负相关。增加前一天的污染物浓度作为预报因子后,所建的最优子集回归方程比单选用气象因子要稳定。具有较强的预测能力。     

银川市空气质量超标的天气形势分析

利用银川市环境监测站5a的污染物浓度资料及对应的天气图，分析了银川市空气质量超标的特征和天气形势。结果表明：银川市空气质量超标主要出现在冬半年，10月～1月SO2超标多于TSP，2月～6月TSP超标多于SO2；造成银川市空气质量超标的天气形势有西北气流型、冷空气穿脊东移型、冷槽东移型、纬向气流型、西南气流型五种。分析2002年10月～2002年12月期间的天气形势，得出的SO2、PM10超标日，对比用CAPPS数值预报模式作出的SO2、PM10超标日，SO2超的漏报率降低了20％，PM10超标的漏报率降低了18％。     

沿海复杂地形区域之大气污染分析与预测

以深圳大鹏半岛为代表(大鹏炼油厂是该区域主要污染源),探讨了山地、海陆综合影响下之大气污染分析预测方法,提出了适用于南方沿海丘陵地段的大气环境预测模式,其主要内容包括两部分:(1)地形调整风场模式及风场特征;(2)复杂地形扩散模式。分析表明所得出的结果是比较合理的。     

香港地区空气污染的典型天气背景形势

利用香港地区2000～2005年共6年每小时一次的空气污染指数(API)资料和NCEP/NCAR 2.5 °×2.5 °风场、气压场再分析资料分析了香港地区空气污染指数特征以及典型天气形势对香港地区空气污染的影响.结果表明:近几年,香港地区空气污染日逐年增加,空气污染指数有明显的季节变化,大部分监测站空气污染日出现次数最多的是1～3月,其次是7～9月,出现次数最少是在4～6月;造成香港地区空气污染典型的天气形势有热带气旋型、大陆冷高压型、入海变性高压型和低压槽型四类.     

CAPPS在国家气象中心多城市污染指数数值预报业务系统中的应用

国家气象中心在中国气象科学研究院CAPPS系统的基础上,建立了多城市污染指数数值预报业务系统,同时预报47个重点城市的SO2、NO2和PM10的日均污染指数.从2001年6月21日至7月17日的试验预报表明,总体预报准确率和与监测值的相关都在60%以上,与各城市气象局、环境保护局联合发布的综合预报准确率和与监测值的相关比较接近.说明CAPPS用于国家气象中心多城市污染指数数值预报业务系统,能够为城市空气质量业务预报提供有参考价值的数值预报产品.     

南昌市一次连续空气污染过程的气象条件分析

2004年12月8—16日南昌市出现了一次连续空气污染过程。利用城市空气污染观测资料和气象常规观测资料,从天气形势和主要气象要素两个方面,对此次空气污染过程进行了分析。结果表明,此次连续空气污染事件都是出现在风速小、无雨和有雾或霾的气象条件下,高空主要为高压脊的形势或是处在西风槽底的平直气流中,低层大气稳定,中层大气增温明显;地面形势主要为地面高压脊、高压底部或是倒槽前部,地面有弱冷空气南下时不一定能改变污染状况。极厚、极强的逆温层和极小风速的持续存在是造成污染物高浓度最重要的气象条件。此外,地形也是影响南昌市空气质量水平的因素之一。     

TYPICAL WEATHER CHARACTERISTICS ASSOCIATED WITH AIR POLLUTION IN HONG KONG AREA

With the hourly data of Air Pollution Index (API) by Hong Kong Environmental Protection Department (HKEPD) during the 6 years of 2000 - 2005 and NCEP / NCAR reanalysis data of 2.5° × 2.5° wind and pressure fields, the characteristics of API in Hong Kong area and the impacts of typical weather characteristics on the air pollution in Hong Kong have been studied. The results are shown as follows. (1) The API exhibits obvious seasonal variability as the number of air pollution days increases by the year. For most of the local monitoring stations, it is the most from January to March, a little less from July to September and the least from April to June. (2) There are four typical types of weather situations that are responsible for the air pollution in Hong Kong: tropical cyclones, continental cold highs, transformed highs that have moved out to sea and low pressure troughs.