兰州春季沙尘过程PM10输送路径及其潜在源区

将2001-2008年分为沙尘天气相对多年和相对少年,计算兰州市春季逐日4个时次的4d气团后向轨迹。通过聚类分析得到春季到达兰州市区的主要气团轨迹组,结合可吸入颗粒物PM10日均质量浓度资料,通过计算潜在源贡献因子PSCF（potential source contribution function）和浓度权重轨迹CWT（concentration-weighted trajectory）,得到影响兰州市春季PMlo质量浓度的潜在源区以及不同源区对兰州市春季PM10质量浓度贡献的差异。结果表明,在沙尘天气相对多年,西路径和西北路径发生比例最高,分别占总轨迹的33％和19．4％,其中有50％以上为污染轨迹,是造成兰州市春季高质量浓度PM10污染的主要输送路径。沙尘天气相对少年的主要输送路径是西路径,其次是北路径,分别占23．6％和18％。影响兰州市春季大气PM10质量浓度的潜在源区分布在新疆塔里木盆地、吐鲁番盆地、青海柴达木盆地、甘肃河西走廊、内蒙古中部和西部的沙漠戈壁地区。     

运城盆地秋冬季PM2.5传输特征和源区分析

利用2017-2019年空气质量监测数据,采用HYSPLIT后向轨迹模式、聚类分析、潜在源贡献因子分析法（PSCF）和浓度权重轨迹分析法（CWT）,对运城市秋冬季大气PM2.5传输路径、对应重污染的天气形势和潜在源区进行分析。结果表明：（1）运城近地层盛行偏东风时污染频率高,弱的偏东风和西南风时,污染物浓度较大。秋冬季PM2.5后向轨迹西北方向最多达53.53%,偏东方向最少为11.25%,偏西方向和西南方向介于两者之间,分别为16.61%和12.06%。（2）不同轨迹对应天气形势不同,西北和偏西轨迹下,500 hPa高度场上为两槽一脊或偏西气流,700～850 hPa受脊前西北气流影响,地面为高压前底部型或均压场型;西南轨迹下,500 hPa高度场上为偏西气流,700～850 hPa运城处于槽前西南气流,地面气压场为高压前底部（底部）或均压场。（3）运城PM2.5潜在源区主要位于陕西南部、四川东部和新疆东南、甘肃的东南部等地区,说明影响运城秋冬季PM2.5的浓度除了来自汾渭平原西南部的颗粒物区域输送,来自西北方向新疆、甘肃的远距离颗粒物传输也是重要来源。     

西宁市典型污染日PM10输送规律研究

为研究西宁市PM₁₀的区域性污染特征,对2006年3月至2010年2月各季逐日大气污染指数（API,首要污染物为PM₁₀）进行统计分析。利用后向轨迹模型（HYSPLIT Model）对西宁市典型污染日（API > 200）中气团的后向轨迹进行模拟,研究PM₁₀的运动轨迹和区域性污染的可能来源。结果表明：西宁市一年中春季（集中于3月和4月）PM₁₀污染严重,与该季节气团对颗粒物的长距离输送有关。造成西宁市重污染状况的主要天气是风沙尘,北部和西北部的沙漠地区是主要风沙源;相邻城市PM₁₀污染峰值的提前与滞后,体现出区域性污染的传输过程。     

河南省2005-2015年NO2和PM2.5时空变化遥感解析

利用常规气象资料、颗粒物观测数据、NCEP 1°×1°分析资料、GDAS 1°×1°数据、激光雷达资料等,对2018年11月下旬河南漯河一次连续重污染天气过程成因与污染物传输特征进行了分析。结果表明：（1）本次污染与天气形势关系密切,前期受静稳纬向环流和地面均压场影响,有利污染积累;中期高空槽与地面变性高压引导弱冷空气东移南下,产生滞留效应,污染物迅速增加;后期因低层东路冷空气扩散与静稳形势恢复,污染继续积累增长,形成连续性重污染。（2）PM_2.5造成重污染时因辐射逆温持续稳定,导致污染加剧;PM₁₀重污染时因逆温层减弱消失,有利污染物输送沉降;混合重污染时因近地层湍流混合加强形成逆温,污染持续发展。（3）本次重污染天气主要有5条传输路径,西南路径和偏东路径污染比例较高,其轨迹短,高度在900 hPa以下,对PM_2.5近距离输送作用明显;西北路径和偏北路轨迹长,起始高度在700-600 hPa之间,高空中远距离输送以PM₁₀为主。（4）受静稳条件和近地层高湿影响,高消光带维持在600 m以下,较低边界层抑制垂直扩散,导致污染细颗粒物与沙尘积累并长时间共存。（5）本次重污染是本地污染累积和高空外源污染输送共同影响。除漯河本地污染贡献较高外,高潜在源区主要集中河南西南部、东北部以及与山东交界处,这也是本次持续性污染发展的重要原因。（6）重污染时地面偏北风占主导,其他方向风速较小,有利形成污染辐合以及污染物二次转化并加剧污染。

     

基于后向轨迹的秋冬季漯河重污染输送及典型个例分析

利用常规气象数据、颗粒物观测数据、全球大气同化系统GDAS数据、NCEP再分析资料、ERA5再分析资料等,结合数理统计、轨迹聚类、天气学分析等方法对2015—2019年秋冬季漯河重污染特征、污染输送及潜在源区分布进行分析,并通过一次典型重污染个例进行证明。结果表明:近5 a秋冬季漯河重污染过程发生频次高、持续时间长、污染程度重,AQI、PM_(2.5)变化趋势不明显,PM_(10)浓度下降趋势明显,PM_(2.5)/PM_(10)比值逐年递增,以PM_(2.5)重污染为主。秋冬季漯河主要有6种气团输送路径,东北路、偏东路轨迹短、移速慢且高度低,近距离近地层污染输送特征明显,为重要重污染通道;西北路远距离下沉沉降输送和西南轨迹近距离输送下的AQI均值及重污染概率较低,对漯河重污染贡献不高。漯河潜在源区来源复杂、范围广、强度大,其污染潜在源主要分布在河南中东部、尤其是东北部,对应东北路径、偏东路径等气团轨迹。重污染时地面偏北风是其主导风,尤其是2—4 m·s^(-1)之间偏北到东北风最为显著。两次跨区域输送表明,北路或东北路近地层输送是AQI峰值维持发展的重要原因。     

宁夏O3污染及其输送路径

基于2015—2018年宁夏O_(3)质量浓度资料,分析比较宁夏5市O_(3)质量浓度变化特征,结合全球资料同化系统(GDAS)数据,采用后向轨迹聚类分析法,探讨影响宁夏5市O_(3)质量浓度的气流轨迹特征。结果表明:2015—2018年宁夏石嘴山年均O_(3)质量浓度90%分位数最高,为159μg·m-3,银川、中卫和吴忠分别为154、149和137μg·m^(-3),固原最低为132μg·m^(-3);近4 a石嘴山O_(3)质量浓度略下降,其他4市普遍增高;首要污染物为O_(3)的天数石嘴山最多(124 d),中卫次之(119 d),银川第3(103 d);各市首要污染物为O_(3)且空气质量为良、轻度污染的天数普遍增多;除固原外,其他4市持续6 d、7 d O_(3)污染过程次数均增加,其中,银川和中卫增加最明显。石嘴山、银川和吴忠三市,中、短距离西北气流总占比最高,其次是东南气流,再次是北方气流;中卫和固原两市,东南气流占比最高,其次是短距离西北气流,再次是中、长距离西北气流;来自蒙古国中部、内蒙古中西部,横穿宁夏北部和中部的北方气流是影响固原O_(3)质量浓度的最重要输送路径,源自陕西中南部、甘肃东北部、宁夏中东部的东南气流是影响石嘴山、银川、吴忠和中卫O_(3)质量浓度的最主要输送路径。     

上海东滩大气颗粒物长期变化及影响源区分析北大核心CSCD

根据2008—2015年上海崇明东滩大气成分观测站(以下简称东滩站)大气颗粒物(PM)观测数据,分析其浓度水平、变化趋势、影响气团和潜在源区。结果表明,2008—2015年东滩站PM质量浓度的长期变化趋势不显著,但细粒子(PM_(2.5))比例不断升高。PM_(2.5)/PM_(10)从0.84上升至0.92,表明二次气溶胶占比趋于增加。对8年大样本数据进行后向轨迹聚类,发现东滩站主要受大陆型、海洋型、大陆/海洋混合型气团影响,三者所占比率分别为32.0%、38.8%、29.3%。海洋型气团中PM_(2.5)本底质量浓度为11~15μg·m^(-3),而大陆型气团中PM_(2.5)本底质量浓度的季节差异显著,在29~56μg·m^(-3)波动,对东滩站具有明显的输入效应。东滩站PM_(2.5)的潜在源区随季节变化,秋季和冬季主要受华北、黄淮、苏皖影响,春季收缩至苏皖和浙江北部,夏季则转换至长三角南部的浙江及浙闵沿海。总体而言,上海及周边的苏锡常、杭嘉湖对东滩PM_(2.5)浓度贡献最显著,来自渤海、黄海近海污染回流的贡献也不可忽视。     

漯河一次持续性重污染过程成因及传输特征分析

利用常规气象资料、颗粒物观测数据、NCEP 1°×1°分析资料、GDAS 1°×1°数据、激光雷达资料等,对2018年11月下旬河南漯河一次连续重污染天气过程成因与污染物传输特征进行了分析。结果表明:(1)本次污染与天气形势关系密切,前期受静稳纬向环流和地面均压场影响,有利污染积累;中期高空槽与地面变性高压引导弱冷空气东移南下,产生滞留效应,污染物迅速增加;后期因低层东路冷空气扩散与静稳形势恢复,污染继续积累增长,形成连续性重污染。(2)PM_(2.5)造成重污染时因辐射逆温持续稳定,导致污染加剧;PM_(10)重污染时因逆温层减弱消失,有利污染物输送沉降;混合重污染时因近地层湍流混合加强形成逆温,污染持续发展。(3)本次重污染天气主要有5条传输路径,西南路径和偏东路径污染比例较高,其轨迹短,高度在900 hPa以下,对PM_(2.5)近距离输送作用明显;西北路径和偏北路轨迹长,起始高度在700—600 hPa之间,高空中远距离输送以PM_(10)为主。(4)受静稳条件和近地层高湿影响,高消光带维持在600 m以下,较低边界层抑制垂直扩散,导致污染细颗粒物与沙尘积累并长时间共存。(5)本次重污染是本地污染累积和高空外源污染输送共同影响。除漯河本地污染贡献较高外,高潜在源区主要集中河南西南部、东北部以及与山东交界处,这也是本次持续性污染发展的重要原因。(6)重污染时地面偏北风占主导,其他方向风速较小,有利形成污染辐合以及污染物二次转化并加剧污染。     

湖州市PM2.5浓度变化及传输特征分析

基于2014—2018年全国空气质量指数（AQI）和PM_2.5质量浓度数据、美国国家环境预报中心GDAS数据和后向轨迹模式,分析研究了湖州市PM_2.5浓度变化特征,并筛选出5 a内出现的8次重污染天气过程进行输送特征和潜在源分析。结果表明：湖州地区PM_2.5日平均浓度频率分布呈指数分布,高频区主要集中在20—40 μg·m^-3之间。污染主要出现在冬季,夏季、初秋为低浓度值,PM_2.5小时平均浓度的日变化呈主副双峰型分布特征,其中主峰出现在10时,副峰出现在02时,谷值则在18时,其与NO₂和SO₂的变动有关。污染主要通过西北和偏东路径进行中远距离传输,其中西北路径传输对湖州地区影响较大,而偏东路径下气团经过海面,夹带的水汽与颗粒物充分混合,会加剧颗粒物的二次生成和老化过程;西南偏西路径和偏南路径对湖州空气污染也有一定贡献,但存在不确定性,个别过程中偏南路径表现为清洁通道。西北路径上的城市群是主要潜在源区,大值区主要集中在安徽中西部。     

2013—2016年海口市空气质量特征及典型个例污染物来源分析

根据海南省环境科学研究院提供的海口站2013—2016年逐日空气污染数据,统计分析了海口市空气质量状况。综合应用高低空环流场、AQI指数结合MODIS卫星蓝光气溶胶厚度图,采用HYSPLIT轨迹聚类分析法、潜在源贡献因子法和浓度权重轨迹分析方法,重点分析了2013年12月海口空气污染的的主要输送路径,并探讨了首要污染物PM_2.5和O₃的潜在源区。结果表明：冬夏季风风向转换是海口发生空气污染的最主要气象原因,且首要污染物为PM_2.5,其次是PM₁₀和O₃;海口市空气质量达标率在97.1%,总体较好,AQI指数呈逐年下降趋势;值得关注的是,O₃呈逐年稳定上升趋势。大气污染物浓度受污染物排放和环流场共同影响,海口污染日对应的地面天气形势主要有3种类型,冷高压、变暖高压脊和台风外围下沉气流。此次污染过程中污染源是来自北方地区污染物长距离输送影响的结果。污染物个例分析中,首要污染物PM_2.5潜在源区主要集中在湖南和江西的交界处、广东沿海地区、广西北部、江西和福建的交界处以及浙江中部地区,这些潜在源区气团沿着轨迹1、2和4通过长距离输送到海口。海口O₃质量浓度贡献较大的区域主要集中在湖南和江西的交界处、粤西一带,主要沿着轨迹2将内陆地区的污染源输送到海口。     

深圳市龙华新区PM2．5质量浓度分布特征及来源分析

通过对龙华新区2个监测站点2012年的PM2．5监测数据进行分析,得出新区PM2．5年均质量浓度值为0．043mg／m^3,全年总超标天数为30d,超标率为8．2％。PM2．5污染具有明显的季节性特征,干季污染严重,雨季则较轻。新区常年盛行偏北风,处于东莞、惠州等污染严重区域的下风向,且风速偏小,是新区PM2．5来源及质量浓度升高的重要原因之一。同时,利用大气环境影响评价系统的AERMOD模型对新区PM2,污染质量浓度分布进行模拟,结果显示新区PM2．5主要来自本地污染源,贡献率为51．2％,外地污染源贡献率为48．8％。其中,PM2．5污染主要受机动车尾气和道路扬尘影响,贡献率为32．0％,其次是施工项目和裸露土地影响,贡献率为18．2％,工业污染源影响非常小。     

基于无人机垂直观测的南京PM2.5污染个例研究

为了深入理解边界层内气温、相对湿度对PM2.5垂直分布和近地面污染的影响,本文使用搭载了多参数大气环境探测传感器的无人机对南京2017年12月3～4日和12月23～24日的PM2.5浓度、气温和相对湿度进行垂直观测,结合对气象数据的分析及HYSPLIT4（Hybrid Single Particle Lagrangian Integrated Trajectory version 4）轨迹计算模式的应用,对这两次PM2.5的垂直分布特征及污染过程的成因进行了分析。结果表明,PM2.5浓度和相对湿度呈明显的正相关关系,在12月23～24日的6次观测中相关系数均值达到0.96。逆温层下部,PM2.5浓度和相对湿度高且垂直差异较小;逆温层以上,PM2.5浓度和相对湿度随高度升高而迅速降低。由于大气扩散条件较差,导致PM2.5在华北平原南部不断累积,之后受到高压系统的影响分别向南和东南转移。这两次PM2.5污染过程都明显受到外部输送的影响,大气逆温对PM2.5和水汽的向上输送有明显的抑制作用,外部输送和局部逆温是导致这两次PM2.5污染的主要原因。     

2015—2017年唐山市PM2.5重污染生消气象条件分析

利用2015—2017年唐山市空气质量日空气质量指数、小时PM_2.5浓度和气象数据,分析了唐山市重污染特征及PM_2.5重污染生成、消散气象条件。结果表明：2015—2017年唐山市重污染天数为减少趋势,年平均重污染天数36 d。冬季发生重污染天数最多,秋季次之。重污染天气中首要污染物为PM_2.5、PM₁₀和O₃,PM_2.5为首要污染物占比87%,PM₁₀占比6%,O₃占比7%。小时PM_2.5浓度与相对湿度、总云量、24 h变温正相关,与风速、气温、风向、1 h降水负相关。冬季相关性最好,其次是秋季和春季。90%PM_2.5重污染相对湿度均为50%以上,冬季和秋季高达98%;风速大于4 m·s^-1时,有0.7%的PM_2.5达到重污染;降水对PM_2.5有一定清除作用。升温、湿度增加和负变压有助于污染天气形成,生成过程中平均风速为1.8 m·s^-1,主导风向为SW,其次是S、W。降温、湿度下降、正变压、降水有助于污染天气消散,消散过程中平均风速为3.1 m·s^-1,主导风向为E,其次是NE、N。各方位3 m·s^-1的风具有清除能力,偏北风具有较好清除能力,风速较其他方向风速小。     

降水和风对泰安地区PM2.5浓度的影响及区域传输研究

利用泰安市2018—2019年降水、风和PM2.5逐小时观测数据,分析了降水和风对PM2.5浓度的影响,并对PM2.5进行了源解析.结果表明:降水对PM2.5有一定清除作用,降雨日PM2.5平均质量浓度较非降雨日平均降低约7.2％,秋冬季节最为显著.降水对PM2.5的清除率与降水强度、降水前PM2.5初始浓度及降水时间...     

汕头市PM2.5的气象要素影响分析及预报研究

利用2014—2017年汕头市PM_2.5的日浓度资料、以及汕头市国家基准气象观测站的同期地面气象资料,重点分析了汕头市PM_2.5浓度的变化特征以及风、混合层厚度、降水等气象条件对PM_2.5浓度的影响,同时探讨了污染物浓度变化的成因。在此基础上,根据汕头市的气候特点,采用BP （Back-Propagation）人工神经网络方法针对汛期和非汛期分别建立了PM_2.5质量浓度预报模型。结果表明：与多数内陆城市不同,汕头市PM_2.5浓度日变化为单峰型,这与汕头地处沿海受海陆风影响有关;PM_2.5浓度日峰值出现在08时左右,除早高峰污染物排放增加的因素外,与早晨时段的低风速环境有关;PM_2.5日均浓度随着风速的增大呈现减小趋势,PM_2.5日均浓度与08时混合层厚度显著相关（相关系数为-0.143）;汕头市非汛期PM_2.5浓度比汛期高,这与汕头市的亚热带季风气候特征有关,汛期各量级降水（暴雨以上除外）对PM_2.5的清除效果无明显差别,而非汛期降水对PM_2.5浓度有明显清除作用;BP人工神经网络模型的预报效果表明,汛期和非汛期的PM_2.5级别命中率TS分别为100%和90.3%,准确指数分别为87.7%和89.9%,总体预报效果良好。不同时期预报模型出现正误差的数量和程度均大于负误差,汛期预报模型在有强降水发生时误差较大,而非汛期预报模型在有冷空气入侵时误差较大。     

新疆冬春季强降水过程的水汽来源及输送特征分析

利用常规观测资料和6 h一次的NCEP 1°×1°再分析场资料对新疆2015年2月12—14日北疆暴雪过程和2015年5月17—21日南疆暴雨过程的环流形势和主要影响系统进行分析,并基于HYSPLIT模式模拟的后向轨迹分析强降水的水汽来源和输送特征。结果表明：1）2次强降水过程均发生在高空低槽东移,低层有低涡,地面有锋面气旋,高空有辐散的天气背景下。2）冬季暴雪过程中,北疆水汽主要源自西亚和中亚地区。其中源自西亚地区的干气块下沉到近地面时从下垫面获得水汽,对强降雪的贡献最大;其次是起源于中亚西南部地区近地层的湿气块对强降雪的贡献。3）春季暴雨过程中,南疆的水汽主要来自中亚的哈萨克斯坦。其中来自哈萨克斯坦南部上空的干空气下沉到近地层时从下垫面获得水汽,对强降雨的贡献最大;其次是源自哈萨克斯坦东部和东南部对流层低层的湿气块对强降雨的贡献大。4）2次强降水过程中水汽主要来自陆地而不是海洋,气块在近地层移动或下沉到近地层时,下垫面水汽蒸发使气块变湿,是强降水的水汽主要贡献者;表明春季和冬季的水汽输送通道与夏季来自阿拉伯海等低纬的水汽通道不同。     

Temporal variations in surface ozone and its precursors and meteorological effects at an urban site in China

Continuous measurements of ozone and its precursors including NO, NO₂, and CO at an urban site (32°03′N, 118°44′E) in Nanjing, China during the period from January 2000 to February 2003 are presented. The effects of local meteorological conditions and distant transports associated with seasonal changed Asian monsoons on the temporal variations of O₃ and its precursors are studied by statistical, backward trajectory, and episode analyses. The diurnal variation in O₃ shows high concentrations during daytime and low concentrations during late night and early morning, while the precursors show high concentrations during night and early morning and low concentrations during daytime. The diurnal variations in air pollutants are closely related to those in local meteorological conditions. Both temperature and wind speed have significant positive correlations with O₃ and significant negative correlations with the precursors. Relative humidity has a significant negative correlation with O₃ and significant positive correlations with the precursors. The seasonal variation in O₃ shows low concentrations in late autumn and winter and high concentrations in late spring and early summer, while the precursors show high concentrations in late autumn and winter and low concentrations in summer. Local mobile and stationary sources make a great contribution to the precursors, but distant transports also play a very important role in the seasonal variations of the air pollutants. The distant transport associated with the southeastern maritime monsoon contributes substantially to the O₃ because the originally clean maritime air mass is polluted when passing over the highly industrialized and urbanized areas in the Yangtze River Delta. The high frequency of this type of air mass in summer causes the fact that a common seasonal characteristic of surface O₃ in East Asia, summer minimum, is not observed at this site. The distant transports associated with the northern continental monsoons that dominate in autumn and winter are related to the high concentrations of the precursors in these two seasons. This study can contribute to a better understanding of the O₃ pollution in vast inland of China affected by meteorological conditions and the rapid urbanization and industrialization.