江西大岗山负离子浓度与气象因子之间的响应关系

利用江西大岗山森林生态地面标准气象观测场内2019年度空气负离子和气象监测数据,分析了负离子浓度与气象因子之间的响应关系.结果表明:1)该地区年均负离子浓度1411.5个/cm3.夏季负离子浓度和温度呈负相关、和湿度呈正相关,在其余季节负离子浓度和温度呈正相关、与湿度呈负相关.2)无雨天与日降雨量少于50 mm的雨天,负离子浓度与温度呈负相关,与湿度呈正相关;暴雨天负离子浓度与温度呈正相关,与湿度呈较弱的负相关.3)不同季节,温度、湿度的大幅变化常伴随着负离子浓度的大幅变化,而温度、湿度变化较小时,负离子浓度的变化幅度也较小,说明温度、湿度的变化对负离子浓度的影响很大.4)暴雨过程中,负离子浓度随降水量的增加(减少)而增大(减小);暴雨发生时,负离子浓度急剧增大.     

多尺度气象条件对济南PM2.5污染的影响

长时间序列空气质量数据和气象数据分析济南大气污染与气象条件关系的研究相对较少。利用2010-2016年济南市环境空气质量监测数据、气象再分析和观测数据,分析了济南市PM_(2.5)污染特征、PM_(2.5)浓度与2 m温度(T)、2 m相对湿度(RH)、10 m高度U和V风速(U和V)、10 m风速(WS)、K指数(K)、A指数(A)和边界层高度(BLH)的相关性、天气类型对PM_(2.5)浓度的影响,并基于逐步回归分析方法构建统计模型,利用解释方差量化气象条件对PM_(2.5)浓度变化的影响。分析发现,济南PM_(2.5)浓度存在显著的季节变化和年际变化特征,年均PM_(2.5)浓度呈下降趋势;近地面PM_(2.5)浓度与T、RH、K和A显著正相关,与WS和BLH显著负相关,U和V与PM_(2.5)浓度相关性不显著(p0. 05);不同天气类型对应的PM_(2.5)浓度均值存在显著差异;基于回归模型分析发现气象条件可以解释10%～40%的PM_(2.5)浓度逐日变化,气象条件的影响有明显的季节变化。     

不同植物群落空气负离子水平研究

对不同植物群落空气的负离子浓度进行观测研究。结果表明：(1)不同群落环境空气中负离子浓度顺序为：阔叶林＞混交林＞草地＞灌丛;(2)一年中不同植物群落空气负离子浓度均为夏、秋季高于冬、春季,且夏季最高,而冬季最低,其中又以阔叶林的空气质量最好;(3)动态水的空气负离子含量大于静态水,动态水中瀑布产生的负离子大于跌水,跌水大于溪流;(4)空气负离子浓度随温度升高而降低,随相对湿度的升高而增加。造林能显著提高环境空气中的负离子浓度,而单纯种草效果不明显。在开发利用水体空气负离子旅游资源时,应多开发动态水体的综合功能。     

银川地区大气颗粒物浓度变化特征及其与气象条件的关系

利用2013—2014年银川地区大气颗粒物质量浓度和同期气象要素的观测资料,分析了银川地区大气颗粒物浓度的分布特征及其与气象条件的关系。结果表明:2013—2014年银川地区PM_(10)、PM_(2.5)、PM1年平均浓度分别为167.3μg·m-3、67.2μg·m-3和45.0μg·m-3,年平均PM_(2.5)/PM_(10)、PM1/PM_(10)、PM1/PM_(2.5)分别为45.0%、32.0%和65.0%;PM_(10)浓度3月最高,8月最低,PM_(2.5)和PM1最高浓度均出现在1月,PM_(2.5)最低浓度出现在8月,PM1最低浓度出现5月;3—5月为PM_(2.5)/PM_(10)、PM1/PM_(10)和PM1/PM_(2.5)最低的3个月。不同天气类型PM_(10)浓度由高至低依次为浮尘/扬沙典型天气平均霾晴天雾,不同天气类型PM_(2.5)浓度由高至低依次为扬沙/浮尘霾典型天气平均晴天雾,不同天气类型PM1浓度由高至低依次为霾典型天气平均雾晴天浮尘/扬沙。风速与PM_(10)浓度呈正相关关系,风速与PM_(2.5)和PM1浓度均呈负相关关系;PM_(10)浓度在偏西北风时较高,PM_(2.5)和PM1浓度在偏西南风与偏东北风时较高;气温与PM_(10)、PM_(2.5)、PM1浓度均呈显著的负相关关系;相对湿度与PM_(10)浓度呈显著的负相关关系,相对湿度与PM1浓度呈显著的正相关关系,相对湿度与PM_(2.5)相关性较弱;气压对PM_(10)浓度变化的影响较小,气压与PM_(2.5)、PM1浓度呈正相关关系;降水对PM_(10)的清除作用最强,对PM_(2.5)的清除作用次之,对PM1基本无清除作用。     

成都市PM_(2.5)污染特征及其与地面气象要素的关系分析

为了解成都市PM_(2.5)污染特征及其与地面气象要素的关系,利用环境空气质量监测资料和地面气象观测资料,分析了PM_(2.5)质量浓度的季节、月和日变化特征,并分不同空气质量等级分析空气质量与地面气象要素的关系。结果表明:PM_(2.5)质量浓度具有明显的季节、月和日变化特征,且成都市区6个监测站的变化趋势比较一致;成都市相对湿度较大,地面风速较小,约62%的样本分布在相对湿度80%～100%,约85%的样本分布在地面风速0～2 m·s~(-1),地面风速对成都市PM_(2.5)的水平输送、扩散、稀释不利;降水对PM_(2.5)的清除量随PM_(2.5)初始浓度、降雨持续时间和累积降雨量增加而增大。     

合肥市PM_(2.5)对城市辐射和气温的影响

本文利用2013年2月—2014年3月安徽省合肥市地面总辐射(即向下短波辐射)、气温、地面温度、相对湿度等气象资料和PM_(2.5)浓度资料,分析了合肥地区PM_(2.5)和地面总辐射、地温和气温的关系,研究发现:(1)PM_(2.5)浓度是影响总辐射的重要人为因子,在中午无云条件下,地面总辐射与PM_(2.5)的浓度呈现较强的负相关关系,相关系数为-0.62。归一化地面总辐射和PM_(2.5)的相关系数为-0.76,在早晨和傍晚的相关系数较小。平均而言,白天无云时PM_(2.5)浓度每增加1μg·m-3,地面总辐射下降0.92 W·m-2。(2)在白天无云时,气温、地面温度和PM_(2.5)浓度有明显负相关关系,PM_(2.5)浓度对地面温度的影响远大于对气温的影响,在夏季的影响高于其它季节。气温、地温和PM_(2.5)浓度的线性拟合直线的平均斜率分别为-0.022和-0.12,相当于PM_(2.5)浓度增加10μg·m-3,地温和气温分别平均下降0.22℃和1.2℃。(3)在天气尺度上,PM_(2.5)浓度对总辐射、气温和地面温度有非常明显的影响,在2013年9月清洁个例和2013年12月的污染个例中,PM_(2.5)浓度每增加1μg·m-3,将引起总辐射下降1.8 W·m-2和0.5 W·m-2,地温下降0.11℃和0.02℃,气温下降0.03℃和0.01℃,因此在天气预报过程中也需要考虑空气污染状况。     

2015年上海崇明岛PM2.5和PM10浓度变化特征 及气象因素影响分析

通过对2015年1—12月上海崇明岛崇南地区颗粒物(PM_(2.5)、PM_(10))浓度的连续监测,研究了PM_(2.5)、PM_(10)在不同季节的动态变化特征及与其他因子(SO_2、NO_2、O_3)的相关性,分析了风向风速和降雨对颗粒物浓度的影响。结果表明:崇明岛PM_(2.5)和PM_(10)浓度的季节变化明显,呈现冬季的春季的秋季的夏季的的特征,冬季PM_(2.5)和PM_(10)小时浓度均值分别为0.058 mg/m~3和0.085 mg/m~3,夏季PM_(2.5)和PM_(10)均值分别为0.034 mg/m~3和0.054 mg/m~3。PM_(2.5)和PM_(10)浓度分别与SO_2浓度和NO_2浓度显著正相关,与O_3显著负相关。全年来看,在西南风向时PM_(2.5)和PM_(10)浓度较高,这主要受该方向上游吴淞工业区、宝钢、石洞口电厂、罗店工业区等工业排放影响;从高浓度颗粒物(PM_(2.5)质量浓度≥0.115 mg/m~3)来向看,北和西北风向时出现高浓度颗粒物的频率最高,这主要是受到我国北方采暖季大气颗粒物输送过程对崇明岛区域的脉冲式污染影响所致;PM_(2.5)、PM_(10)实时浓度与相应的风速呈显著负相关。降雨量大于5 mm或持续3 h及以上的连续降雨对大气颗粒物起到显著的湿清除作用,降雨后PM_(2.5)和PM_(10)质量浓度分别降低了68.0%和66.9%,降雨时和雨后PM_(2.5)浓度为0.025～0.033 mg/m~3,均低于我国环境空气PM_(2.5)的一级浓度限值。     

延安市能见度与相对湿度和PM_(2.5)及PM_(10)的关系

为分析延安市能见度与相对湿度、气溶胶质量浓度的关系,利用2016年延安大气成分站PM_(2.5)、PM_(10)和国家基本气象站相对湿度、能见度观测资料,对能见度与相对湿度、PM_(2.5)和PM_(10)的关系进行分析。结果表明:全年能见度与相对湿度的线性相关系数最高,与PM_(10)次之;随相对湿度的增大,能见度明显降低。相对湿度<50%时,能见度与PM_(2.5)的非线性相关性高于与PM_(10)的相关性;相对湿度>50%时,能见度与PM_(10)的非线性相关性则较PM_(2.5)好。相较于线性拟合方法,能见度与相对湿度的非线性拟合公式能更好地表现二者的关系。利用相对湿度、PM_(2.5)和PM_(10)观测数据对能见度做多元非线性拟合,检验结果表明,计算得出的拟合公式能较好地模拟延安市能见度的变化规律。     

东莞旱季极端PM_(2.5)质量浓度的天气类型分析

利用东莞2014年12月—2015年2月地面风向、风速等气象要素、PM_(2.5)质量浓度等监测数据以及NOAA的NCEP/NCAR再分析资料,分析了极端PM_(2.5)质量浓度出现的天气类型。结果表明:东莞旱季极端PM_(2.5)质量浓度均出现在冷空气影响后,主要影响系统是减弱或变性的地面冷高压;该天气类型可以被划分为3种子类型:冷空气影响后、弱冷高压主体控制和冷空气影响末期;影响的气象因素主要有地面风切变线或辐合线、地面静小风状态、对流层低层弱的垂直风切变、较强的垂直逆温层和夜间稳定边界层。     

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。     

金华市不同区域负氧离子浓度特征与气象环境因素相关分析

利用2019—2021年金华市空气负氧离子浓度和气象环境资料，研究不同区域（平原城区、平原公园、水边景区、山林景区）负氧离子浓度时空分布特征，分析人类活动最多的城区负氧离子浓度与气象环境因素不同时间尺度的相关性，以及不同天空状况的差异。结果表明：负氧离子浓度呈现平原低、山区高的分布特征，植被茂密、动态水流可增加负氧离子浓度和提高浓度等级。山林景区日出和日落前后负氧离子浓度较高，水边景区凌晨和午后出现高值，平原地区则在下午达到高峰。不同区域四季日变化趋势整体较一致，但不同季节负氧离子浓度峰值大小、日较差和出现峰值时刻存在差异。四季不同区域负氧离子浓度有所差异，主要表现为6—9月高，其中尤以8月山林景区为最。负氧离子浓度与气象环境因素的相关性在不同时间尺度上差异较大：时尺度上与气温、风速、雨量和O3呈显著正相关，而与PM2.5呈显著负相关。四季看，负氧离子浓度春季与风速相关性最高，夏季为气温，秋季为O3，冬季为PM2.5。日尺度上则与相对湿度、风速、雨量呈显著正相关，与PM2.5和O3呈显著负相关，且雨天负氧离子浓度明显高于其他天空状况，差异在冬季达最大。     

庐山降水化学垂直分布的初步研究

庐山大气降水中离子浓度随高度降低而增高，但pH值减小。锋面过境降水与变性高压西南侧降水中各种离子浓度以及山下与山上测点离子浓度比有明显差异，这可能与气流来向和污染源的分布有关。气溶胶对降水中SO4=贡献为91.0%。气流不同来向影响气溶胶浓度。不同天气过程，不同离子的云下冲刷过程是不同的。     

承德北部空气负氧离子浓度特征及预报模型

为提升生态康养气象服务能力,探讨空气负氧离子浓度与气象环境关系,利用承德北部丰宁县2020年—2022年5月两个空气负氧离子站监测资料,以及同期的气象环境数据,统计分析了负氧离子浓度时间变化特征、与气象环境要素的变化关系及关键影响因素,建立了负氧离子浓度的气象预测模型。结果表明:丰宁城市公园、林区负氧离子浓度年均值分别为1358.7个/cm3、1955.8个/cm3,最大值分别为3867个/cm3、5845个/cm3,具有治疗和康复功效的自然环境条件;林区的负氧离子浓度明显高于城市公园,城市公园和林区负氧离子浓度月变化均呈“单峰”型分布,峰值分别出现在7月、8月,最小值均出现在1月;林区、城市公园负氧离子浓度日变化夜间大于白天,年内及春夏秋冬四季内的日变化呈“双峰”型分布,峰值分别出现在日出以前及日落以后,最小值出现在午后;城市公园、林区负氧离子浓度与气温、降水量、相对湿度、风速、日照及PM2.5、O3浓度的变化有关,影响负氧离子浓度的最关键的气象、环境要素为相对湿度、PM2.5,城市公园受气象、环境影响更大;利用多元回归方法,分别建立了城市公园和林区的负氧离子浓度气象预报模型,经检验,两个模型的预报准确率分别为77.6%、74.9%,拟合效果良好,可为森林康养及健康生活提供气象服务。     

天津冬季大气能见度与空气污染的相互关系

为探求天津冬季大气能见度特征与空气污染的相互关系,于2008年12月至2009年1月连续观测大气能见度和空气污染物浓度(PM10、PM2.5质量浓度,O_3、NO_2和SO_2体积浓度),并结合相对湿度进行相关分析。结果表明:天津冬季大气能见度平均值为11.59 km,日变化呈明显的单峰特征,其变化特征受到空气污染物,尤其是气溶胶质量浓度及相对湿度变化共同影响;观测期内霾的发生频率接近50%;采用非线性回归方程拟合能见度与气溶胶质量浓度相互关系显示,PM2.5质量浓度对水平能见度的贡献大于PM10质量浓度,并且高湿情况下,能见度与气溶胶质量浓度相关性更好。     

北京地区气溶胶PM2.5粒子浓度的相关因子及其估算模型

文中运用统计分析和气象统计预报的方法 ,使用北京白石桥小区的污染物观测资料和同期北京地区的气象观测资料 ,对影响大气污染的气象因子进行了综合分析 ,并分别建立了气溶胶PM 2 .5粒子浓度与气体污染物、气象要素场的两类统计相关拟合模型。发现气溶胶PM2 .5粒子浓度与气体污染物浓度存在不同程度的相关性 ,且与气象条件亦存在显著的相关关系 ,此类时空变化及其量化估算模型具有一定实际应用价值。通过确定气象要素场和气溶胶浓度的关系可进一步研究不同地区的污染物输送和污染源扩散影响的问题。     

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。     

雅安市近地面空气负(氧)离子状况初探

本文基于2010～2011年雅安市气象局进行的“雅安市空气负(氧)离子观测研究”资料,对雅安市近地面空气负(氧)离子状况进行了初步分析.主要结论为:(1)雅安市具有优异的空气负(氧)离子生态资源,城区空气负(氧)离子浓度等级大多数情况都在6级(负离子浓度≥2100个/cm3)以上,近郊的负(氧)离子浓度大多数情况都超过6级,较高时可接近60000个/cm3,风景区的负(氧)离子浓度大多数情况都远远超过6级,较高时≥60000个/cm3,是名符其实的“天府之肺”、“中国的绿色宝石”和“中国生态气候城市”.(2)雅安市境内,空气负(氧)离子浓度的日变化规律通常为7时左右最大,15时左右最低;空气负(氧)离子浓度和天气、相对湿度有较密切的关系,通常的规律为:降雨后的清晨、雷雨后,空气负(氧)离子浓度明显增加;空气负(氧)离子浓度和相对湿度成正相关.(3)和国内已有研究资料的地区比较,雅安市空气负(氧)离子浓度水平在国内为最高地区之一.     

婺源县空气负离子分布规律初步分析

在婺源大鄣山卧龙谷景区、鸳鸯湖景区、月亮湾景区、城区和部分村庄选取7个能够代表当地生态环境特征的监测点,进行为期2 d的负离子浓度、温度、风向、风速、空气相对湿度和气压流动监测,并与南昌城区负离子浓度观测资料进行对比,初步分析了负离子分布规律,以及负离子与首要污染物(PM10)的关系.分析结果认为,负离子浓度与植被覆盖率、海拔高度呈正相关,与首要污染物浓度呈负相关;风景区的负离子浓度高于城区:植被状况与瀑布对负离子的空间分布影响最大.     

基于卫星遥感AOD的华北地区2003—2014年PM2.5浓度时空分布特征

华北及周边地区PM_2.5造成的污染, 近十年来引起了社会的广泛关注, 也是科学研究的重要领域。利用2003—2014年的卫星遥感MODIS AOD数据和2014—2015年的地面观测PM_2.5浓度数据, 采用聚类分析、混合效应模型、EOF分解等统计分析方法, 反演了2003—2014年华北及周边地区PM_2.5浓度, 分析其时空分布特征。主要结论如下:(1)卫星遥感MODIS AOD与地面观测PM_2.5值有较高的相关系数, 可利用MODIS卫星遥感AOD对地面观测的PM_2.5浓度进行反演; (2)华北地区PM_2.5浓度呈现出明显的空间分布特征:太行山脉是污染强弱明确的分界线, 山脉东南部的污染显著高于西部, 且在地势变化的地方出现明显的突变; 河北南部、河南北部和山东西北部分区域是污染最严重的地区; (3)2004年、2009年以及2013年后都是污染浓度比较低的年份。      

辽宁中部城市群可吸入颗粒物PM10和PM2.5的污染特征研究

利用2006年8月-2007年10月辽宁中部沈阳、鞍山、抚顺和本溪4城市可吸入颗粒物PM10、PM2.5、PM1及同步气象因子的监测资料,分析了可吸入颗粒物分布特征、污染水平及其与气象因子的关系。结果表明：受区域天气系统的影响,4城市PM10和PM2.5的日平均浓度变化趋势基本一致,具有区域分布特征;PM10超标率冬季为最高;PM2.5日平均浓度占PM10比例夏季和冬季最大;PM10、PM2.5和PM1之间有很好的相关性;PM10与风速、温度呈负相关,PM2.5和PM1与能见度、风速、温度呈负相关,与相对湿度成正相关。