2016—2019年唐山市臭氧污染及其与气象条件的关系

利用2016—2019年唐山市逐时O₃浓度和气象数据,分析了O₃污染特征及其与气象条件的关系。结果表明：2016年唐山市O₃超标天数为53 d, 2017—2019年O₃超标天数每年在70 d以上,污染程度偏重。O₃月平均浓度值呈双峰型分布,6月O₃平均浓度值最大,达112.26μg·m^-3,9月次之。O₃浓度超标日分布在3—10月,夏季超标天数最多,其他依次为春季、秋季,具有明显的季节变化特征。O₃日均浓度为15:00最大,日变化呈单峰型分布。O₃浓度与温度、风速正相关,与相对湿度负相关。气温高是导致O₃浓度超标的重要因素,日最高温度超过25℃时要考虑O₃浓度出现超标现象。相对湿度在50%左右及60%—80%时,O₃浓度超标率均大于30%,在60%—70%时O₃-8h浓度平均值达到...     

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％。     

天津市城区静风与污染物浓度变化规律的分析

利用2000—2004年天津市城区气象和污染物资料,采用统计分析方法,研究了城区静风分布及污染物浓度变化规律。结果表明:静风分布有明显的日、年变化规律,在华北地形槽或低压、高压前部和高压的天气形势下易出现静风天气现象且持续时间较长。污染物浓度与风速呈现出较好的负相关,即风速越大、污染物浓度越小。但风速达到一定临界值时,TSP与风速呈正相关,大风可以引起二次扬尘并增加了空气中颗粒物的含量;PM10,SO2和NO2三种污染物在静风日的浓度值均高于非静风时的浓度值。     

塔里木盆地不同地域大气降尘TSP变化特征分析

为了解塔里木盆地不同地域大气降尘及TSP的污染特征和季节变化规律,在塔里木盆地布设了铁干里克、塔中、民丰、喀什4个采样站点,于2007-2010年期间利用集尘缸和大流量采样器分别对上述4个地区的大气降尘及TSP进行连续采样。通过对样品和数据的分析处理,揭示了塔里木盆地不同地域大气降尘及TSP基本特征及影响因素：（1）2007-2010年塔中大气降尘量和TSP浓度均为4个站点中最高,其次为民丰和喀什,铁干里克最少。区域气候差异是造成塔里木盆地降尘和TSP浓度空间分布差异的主要原因。（2）5-8月是塔中地区沙尘天气高发时节,7月沙尘暴天气处于峰值。3-8月是民丰、喀什和铁干里克大气降尘主要分布月份。春夏季节的塔里木盆地降尘污染明显高于秋冬季节。（3）每年3-9月都是4个站点TSP主要分布阶段,最高值出现月份略有差异。塔里木盆地周边TSP浓度季节变化大体一致,春夏季大于秋冬季,不同的地区季节分布略有差异。（4）春夏季沙尘天气是造成大气降尘和TSP质量浓度较高的主要因素。     

兰州市冬季空气污染的天气成因分析及浓度预报

兰州是全国冬季大气污染最严重的城市之一 ,通过对污染与天气形势的分析 ,给出了影响冬季兰州污染的天气分型 ;对 3种主要空气污染物TSP、SO2 、NOX 浓度值与同期表征逆温特征的逆温参数及地面气象要素作了统计分析 ,结果表明 :(1)污染物浓度与逆温层厚度呈显著正相关 ;(2 )污染物浓度与平均温度、能见度、风速、总云量、相对湿度成负相关 ,与温差、气压成正相关。最后针对不同天气分型 ,给出了冬半年兰州污染物浓度预报方程 ,经检验预报效果良好     

呼市市区大气总悬浮物微粒来源解析

以呼和浩特市大气的重点污染物大气总悬浮物微粒（简称TSP）为研究对象，利用呼市环保局12年的监测资料，对呼市TSP污染进行了综合分析评价；并采用了美国CMB7软件为基础进行了汉化处理的R模式，对呼市大气TSP中的源强分布进行了计算和分析，得出了不同污染源对大气TSP浓度的贡献率，较好地实现TSP来源解析。提出了防治呼市大气污染的措施和建议。     

银川市大气颗粒物物理化学特征研究Ⅰ:大气颗粒物浓度特征

根据大量的大气环境监测资料,系统分析了银川市市区、郊区以及市中各功能区(居民区、商业区、文教区、工业区、交通区、娱乐区)大气颗粒物的TSP(TotalSuspendedParticles)、PM10(粒径小于等于10μm的粒子)和PM2.5(粒径小于等于2.5μm的粒子)质量浓度的季节分布、日变化以及随高度的分布特征。结果表明:银川市背景大气TSP平均值为0.126～0.248mg·m-3,低于国家三级污染标准;银川市区TSP日平均浓度的年平均值为0.47～0.78mg·m-3,超过国家二级标准0.57～1.6倍,超标率高达61.3%～92.5%,日均最大值超标7.9倍;春夏秋冬4季中,以冬春两季日平均浓度最高,其原因是燃煤取暖和沙尘暴多发。各功能区中商业区、交通区、居民区的TSP较高,这显然与人为活动、机动车辆排放密切相关,TSP日变化均呈现出与人为活动相一致的规律性;TSP的空间分布表明城市高于郊区,规模大、人口密度高、商业网点密集的城区TSP较高。各粒径粒子的质量浓度随高度递减,PM10占TSP的比例却随高度增加,说明PM10随高度增加。地面呼吸带高度上PM10和PM2.5均较高,可能与低空排放源有关。春季风沙期是大气污染最为严重的季节。     

2004—2010年乌鲁木齐市可吸入颗粒物污染特征

利用2004—2010年乌鲁木齐市空气污染物PM10监测数据,对其评价浓度的时空变化特征进行分析。结果表明：近年来,乌鲁木齐市城区大气污染物质量浓度具有明显的时空分布规律,PM10浓度表现为采暖期大于非采暖期,采暖期PM10浓度值为国家二级标准平均浓度的2.31倍。城区南部PM10污染指数重于北部和中部。     

乌鲁木齐市不同天气条件下TSP水溶性离子特征分析

利用2009年乌鲁木齐4个大气总悬浮颗粒物（TSP）观测站点样品,采用离子色谱仪测定了不同天气条件下TSP中水溶性离子成分,分析了水溶性离子变化特征及影响因素,结果表明：不同天气条件对乌鲁木齐市TSP中的NH4 、Ca2 、NO3-和SO42-浓度具有明显的影响。降水对离子有清除作用,使其在TSP中浓度减小。大风及沙尘天气使TSP中Ca2 浓度大幅增加,其它离子增加幅度很小。连续污染日,各离子在大气中累积至较高浓度,是同期晴天条件下的2-7倍。气象因素对采暖期TSP离子浓度变化影响较大。非采暖期乌鲁木齐市TSP离子浓度主要受到自然因素引起的土壤尘和建筑尘的影响。     

重庆市总悬浮颗粒物来源及分布特征

利用重庆市污染源和浓度的监测资料,分析并阐明了大气悬浮颗粒物（TSP）的来源、各类尘源的贡献率及悬浮颗粒物的物理特征,得到了总悬浮颗粒物的空间分布特征和日变化规律,为发展城市大气污染模式和控制治理大气污染提供了理论依据。     

凉山州工业排放PM_（10）的数值模拟研究

利用CALPUFF耦合MM5的大气扩散模型,对四川省凉山彝族自治州2007年工业排放PM10的扩散传输进行数值模拟,分析了污染物的浓度时空分布以及影响污染物浓度分布的主要因素。结果表明：CALPUFF耦合MM5模型对凉山州2007年工业排放PM10的浓度模拟有着较好的适用性;污染物主要沿着安宁河和黑水河分布,浓度分布特征随时间变化,其中冬季污染较为严重;各市（县）的PM10浓度值有空间差异,西昌和甘洛污染最为严重,季平均浓度分别为67.81μg/m3和57.23μg/m3;凉山州PM10的浓度分布受气象条件、地形和污染源的地理位置的综合影响。     

凉山州工业排放PM10的数值模拟研究

利用CALPUFF耦合MM5的大气扩散模型,对四川省凉山彝族自治州2007年工业排放PM10的扩散传输进行数值模拟,分析了污染物的浓度时空分布以及影响污染物浓度分布的主要因素.结果表明:CALPUFF耦合MM5模型对凉山州2007年工业排放PM10的浓度模拟有着较好的适用性;污染物主要沿着安宁河和黑水河分布,浓度分布特征随时间变化,其中冬季污染较为严重;各市(县)的PM10浓度值有空间差异,西昌和甘洛污染最为严重,季平均浓度分别为67.81μg/m3和57.23μg/m3;凉山州PM10的浓度分布受气象条件、地形和污染源的地理位置的综合影响.     

吉林省高一氧化碳浓度与气象条件的关系

1引言 每年的冬季由于特定的环境使一氧化碳中毒事件时有发生,那么CO浓度值与气象条件有什么关系呢？本文利用便携式CO测试仪器测量CO浓度值大于10ppm的天数个例与各气象要素和天气形势进行分析,将CO浓度较高的天数与岗地、坡地和山顶的烟筒的排烟情况以及各气象条件之间的关系加以分析,得出CO浓度较高值的月分布特征以及与逆温强度、局地风向风速、湿度等气象条件的对应关系。     

影响北京夏季O3污染的O3前体物浓度及天气条件分析

根据2003年北京夏季近地面大气光化学污染物观测资料,对中国气象局培训中心(代表站)O3超标日浓度、O3前体物浓度、不同天气条件下O3浓度分布特征等进行分析。结果表明:中国北京夏季NO2,NO,CO的浓度特征与日本神奈川县相似,白天(16:00以前)如果NO2/NO超过29,则容易出现O3超标;VOC浓度的高低影响O3浓度;当处于暖湿气流控制,地面为小风或静风、气温较高、湿度较大的多云天气时,易出现O3超标情况。这些污染物发生的特点和规律对北京大气光化学污染的研究和防治具有借鉴意义。     

一次PM2.5化学污染过程的实况及气象要素影响分析

在收集NARR资料、ARB资料、Caltech站观测数据3类气象资料的基础上,对一次化学污染过程中PM2.5站点分布和时间演变特征进行分析,同时按照地理位置分布将13个观测站点分类,分析气象要素场对PM25区域分布形成和扩散的影响,并找出PM25与气象要素演变的相关性.结果表明:各类观测站的PM2.5浓度值主要以“单峰型”日变化特征为主,其中以城区站的特征最为显著,通常在早上09:00左右达到峰值,平均峰值质量浓度为56.6 μg/m3,而在下午18:00左右为谷值,平均谷值质量浓度为18 μ/一m3,风场、行星边界层高度、地面温度场和湿度场在PM2.5平均的峰值、谷值时段有明显差别;排放源和气象场的日变化规律是决定城区站PM2.5峰谷时段的主要因素;城区站、郊区站地面PM2.5质量浓度值与风速、行星边界层高度、地面温度呈现明显的负相关,与地面气压、相对湿度呈明显的正相关;山区站PM2.5质量浓度值与温度呈弱负相关、与相对湿度呈正相关,其它气象要素相关不明显.     

呼和浩特市空气污染浓度时空分布特征分析

文章利用 1995～ 2 0 0 2年呼和浩特市区空气污染物PM10 、TSP、NOx、NO2 、SO2 浓度的实际监测数据 ,统计分析了呼市地区空气污染物的时空分布特征。分析结果表明 :呼市市区主要以煤烟型污染为主 ,冬、春季比夏、秋季污染严重 ,采暖期比非采暖期污染严重 ;PM10 、NO2 、SO2 都有明显的年变化 ,SO2 的浓度值呈逐年减小趋势 ,PM10 、NO2 的浓度值在近几年是增加的 ;月变化呈单峰型 ( 1和 12月达最高值 ,7和 8月达最低值 ) ;日变化冬夏季为双峰型 ,8～ 10时出现主峰值 ,2 0～ 2 4时出现次峰值 ,春季PM10 为三峰型 ,17～ 18时为主峰值 ,1～ 3时和 8～ 11时为两个次峰值 ;大气颗粒物是呼市首要的污染物 ,居民区污染最为严重。     

贺兰山地区沙尘暴若干问题的观测研究

利用贺兰山地区沙尘暴历史资料和综合观测资料 ,对大气背景、浮尘、扬沙和沙尘暴发生期间的大气气溶胶数浓度谱、质量谱、大气总悬浮颗粒 (TSP)及粒径分布、微气象、分光日射观测以及沙尘样品进行中子活化处理 ,分析了该地区浮尘、扬沙和沙尘暴形成规律 ,气候变化特征和贺兰山的影响。并综合研究了沙尘气溶胶尺度谱特征、光学厚度和化学组分等变化特征 ,提出了若干结果。     

兰州市区2002年春季3～4月近地层大气气溶胶的监测与分析

对兰州市区2002年春季3~4月近地层TSP连续观测资料进行分析,结果表明:(1)兰州市区TSP的质量浓度随着沙尘天气的发生而显著增加,沙尘天气越强,TSP的质量浓度越高,对兰州市区的空气污染越严重;(2)在不同天气情况下,兰州市区TSP与PM10的质量浓度有很好的对应关系,沙尘天气越强,其质量浓度都越高,但两者增减的比例各不相同;(3)在不同天气情况下,同级粒径粒子的质量浓度各不相同,但在同种天气情况下,各级粒径粒子质量浓度的分布规律却相同;(4)TSP样品色度的3个独立分量与空气质量有一定的对应关系,L*、a*、b*值越大,空气中沙尘含量越高,空气污染越严重,兰州市区在一般天气情况下L*、a*、b*值均较小,说明兰州市区空气污染主要以本地排放的黑色有机物为主。     

深圳市龙华新区PM2.5气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0.043 mg/m3,全年总超标天数为30 d,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PM2.5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.     

北京北郊冬季低空大气气溶胶分析

文章分析了2001年1月10～16日和2月20日～3月2日两时段北京北郊中国科学院大气物理研究所325 m高的气象塔上距地面320、100和8 m 3个高度所采得的气溶胶样品的物理化学特征.计算了气溶胶的TSP浓度、化学组分及其分布和粒度谱.探讨了气象条件对气溶胶浓度及其来源和分布的影响.初步发现在所测的高度范围内,气溶胶TSP的浓度随高度的增高而下降,70%以上浓度分布在细粒组(d<2.1 μm).气溶胶中浓度最高的前20个元素是S、Fe、Ca、Al、K、Na、Mg、Zn、P、Ti、Pb、Ba、Mn、Cu、V、As、Cr、 Rb、Sb和Br.挥发性元素主要分布在细粒组,元素浓度随高度增加而减少.气溶胶的离子浓度也有相同的分布特征.风速变小、层结呈现稳定,尤其逆温以及大气湿度升高均为气溶胶浓度升高的因素.人为排放源是大气气溶胶的主要贡献者.导致北京严重空气污染的气溶胶源地以北京当地及其周边邻近地区的污染源为主.