晋城市冬、春季PM2.5和PM10污染水平时空分布及其与气象因子的关系

为深入了解晋城市颗粒物浓度时空分布特征,对晋城市2017年12月至2018年5月国控点、小型站和微型站PM2.5及PM10小时浓度数据进行收集整理,并进行空间插值分析和时间变化趋势分析及与气象监测数据的相关分析。结果表明:颗粒物浓度在冬、春季节具有明显差异,冬季PM10与PM2.5高值区主要位于东北部及东南小部分区域,春季PM10高值区位于城区南部区域,PM2.5高值区主要集中于城区。晋城市城区和郊区PM10与PM2.5月均浓度整体呈单峰型变化,PM10在4月份最高(157.54±5.67μg·m^-3),PM2.5在1月份最高(94.08±2.25μg·m^-3)。冬季PM2.5/PM10平均为0.57,春季平均为0.45。颗粒物小时浓度的变化呈现单峰单谷的型式,冬季PM10与PM2.5小时平均浓度最高值均出现在10时,春季均出现在09时。监测期间晋城市PM10与PM2.5的小时浓度值与相对湿度有较高的正相关性(p<0.01),与风速、风向有较高的负相关性(p<0.01),与温度和气压的相关性较低。冬季,东北至正南风向时,PM10与PM2.5的浓度普遍高于西北风向时的浓度,对晋城冬、春季国控点颗粒物浓度贡献率最高的风向风速为东南偏南风向,风速在1 m/s以内。     

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。     

招远市PM_(2.5)浓度与气象因子相关性分析

为了了解PM_(2.5)的污染与地面气象因子的相关性,通过对招远市PM_(2.5)的月均浓度与降水量、湿度、风速和气压等气象因子关系分析,结果表明:(1)PM_(2.5)浓度存在明显的季节变化,冬季与气象因子相关性最好,夏季最差。(2)PM_(2.5)浓度与相对湿度、平均风速和降水有很强的负相关性。(3)PM_(2.5)浓度与本站气压呈现正相关性。     

德州市PM_(2.5)与PM_(10)浓度特征分析

通多对德州PM_(2.5)和PM_(10)浓度特征分析得出:德州PM_(2.5)和PM_(10)浓度年平均值分别为82.3μg/m~3和144.3μg/m~3,PM_(2.5)和PM_(10)浓度明显超过二级标准。PM_(2.5)占PM_(10)的63%,二者呈明显的正相关,相关系数为0.8695。一天内,PM_(2.5)和PM_(10)浓度呈双峰型,最大值出现在8-10时,其次出现在22时;最低值出现在17时。一年内,4~9月PM_(2.5)和PM_(10)浓度较小,8月份最小,PM_(2.5)浓度月均值为44.1μg/m~3。10~次年3月,PM_(2.5)和PM_(10)浓度较大,12月份最大,PM_(2.5)浓度月均值为201.2μg/m~3。统计发现:降水、绿色植被、水域能有效降低PM_(2.5)和PM_(10)浓度。     

海口市PM_(10)、PM_(2.5)和PM_1质量浓度的变化特征分析

利用2013年在海口市气象局地面气象观测站采集的PM10、PM2.5和PM1质量浓度数据,分析了2013年可吸入颗粒物质量浓度的变化特征,并对其成因进行了初步分析。结果表明:2013年海口市PM10、PM2.5和PM1质量浓度的变化趋势基本相同,PM10、PM2.5质量浓度的超标率低,达到一级标准的概率分别为74.0%和68.8%,超过2级标准的天数分别为1和9 d,ρ(PM2.5)/ρ(PM10)与ρ(PM1)/ρ(PM2.5)的比例平均分别为78.1%和85.1%;海口PM10、PM2.5和PM1质量浓度冬季最高,夏季最低,春、秋两季处于冬夏之间;PM10、PM2.5和PM1质量浓度的日变化呈双峰现象,一个峰出现在上午,一个峰出现在夜间;颗粒物质量浓度的变化主要受到气象条件和污染物排放的影响。     

淳安县PM_(2.5)和PM_(10)浓度变化特征分析

通过对淳安2013年全年的大气颗粒物PM2.5和PM10资料统计分析,得出该地区PM2.5和PM10质量浓度的季节变化、日变化特征以及气象因子对其的影响。结果表明:2013年淳安PM2.5年平均浓度为国家标准的1.2倍,PM10年平均浓度优于国家标准;PM2.5和PM10均具有明显的季节变化特征,表现为冬季秋季春季夏季;并且均呈现双峰型的日变化特征,二者出现峰值的时间基本一致,PM2.5和PM10峰值出现在18:00,次峰值出现在08:00,谷值均出现在14:00,主要与边界层变化和人为活动有关;PM2.5和PM10变化存在明显的线性关系。降水对颗粒物浓度影响较大,能有效降低颗粒物质量浓度。     

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。     

华东地区PM_(2.5)分布特征及其成因分析

利用2000—2015年MODIS气溶胶光学厚度产品,采用参数化方法反演得到了华东地区地面PM_(2.5)时空分布产品。从季节特征来看,PM_(2.5)表现出春夏低、秋冬高的特点。而PM_(2.5)年际变化呈现出从2000年开始稳定增加,2007年达到最高值,之后逐渐下降的趋势。这种年变化趋势不仅与区域污染物排放有密切关系,同时也与天气背景环流的年际尺度变化有很大关系。通过对不同季节的PM_(2.5)进行EOF分解,发现春季的年变化受极涡强度影响较大,夏季年变化主要受西太平洋台风数量、北半球副高脊线位置以及太平洋—北美遥相关型指数支配。秋季年变化与太阳黑子活动及亚洲区极涡面积关系密切。冬季年变化受冷空气影响次数和Ni?o A区(25°—35°N,130°—150°E)海表温度距平指数支配。各季节天气影响因子的组合效应能够很好地反应出区域PM_(2.5)的年变化特征,表明在全球气候变暖的背景下,中国东部环流形式的改变对PM_(2.5)区域分布的变化有着不容忽视的影响。     

西安市PM_(10)浓度特征及气象因子影响分析

利用2011—2015年西安市城区PM_(10)浓度逐日资料及气象逐日观测数据,分析西安市PM_(10)浓度的年、季变化特征,并探讨气温与PM_(10)浓度的相关性及冬夏季节气温对PM_(10)浓度影响的阈值,不同等级、形态的降水对PM_(10)浓度的清除率,以及冬春季节风速对PM_(10)浓度的影响。结果表明:2011—2015年,西安市PM_(10)浓度变化较平稳,仅2013年出现骤增,高温、少雨、风速小等不利气象条件是导致2013年PM_(10)浓度剧增的主要原因。PM_(10)浓度有明显的季节性变化,PM_(10)大气污染主要发生在春冬季节,污染物分别以沙尘和煤烟为主。PM_(10)浓度与气温并非是简单的线性关系,夏季、冬季气温阈值分别为29℃和-1℃,低于阈值时二者呈正相关,高于阈值时则呈负相关。PM_(10)浓度与降水量成反比,但降水对PM_(10)的清除率永远不等于1;同一形态的降水清除能力与其量级呈正相关,同等级的固态降水比液态降水对PM_(10)的清除率高;一次降水过程中,PM_(10)浓度最低值往往出现在日降水峰值的次日;连续性降水过程中,PM_(10)浓度随着降水量自峰值的减弱而升高,当降水量再次增大时PM_(10)浓度便再次降低;间断性降水过程中,降水一旦停止,PM_(10)浓度将会有一定程度的升高,并有可能高于降水前的浓度值。春季大风沙尘天气易造成PM_(10)浓度增高,冬季PM_(10)浓度与风速呈明显反比关系。     

2013年河北中南部PM_(10)和PM_(2.5)浓度时间变化特征及其影响气象条件分析

对2013年河北省中南部的石家庄、保定、沧州、衡水、邢台和邯郸6个地市市区各站点逐小时PM10和PM2.5监测资料及相应气象资料分析结果表明:6个地市中邢台年污染日数最多,对应其年平均风速最小;沧州的最少,年平均风速最大。各地市各个级别污染日数不同,五、六级重污染天气均集中在10月—次年3月。首要污染物主要是PM10和PM2.5,但比例不尽相同。特殊的地理位置、污染源差异和气象条件的差异造成各地市污染日数、级别的差异。6个地市污染天气过程时段大都相同,区域性污染明显。各地市PM10和PM2.5浓度平均最大值均出现在冬季,PM10浓度平均最小值均出现在夏季,各市PM2.5浓度平均最小值出现的季节不同。6个地市PM10和PM2.5浓度值的月变化趋势相似。不同季节各地市PM10和PM2.5浓度日变化趋势不同,极值出现的时间也各不相同,极值出现的时间与气象条件和人类活动关系密切。秋、冬季各地市PM10和PM2.5浓度日较差多大于春、夏季的。各地市PM10和PM2.5浓度日均值与当地的日均气温、风速、能见度呈负相关关系,与相对湿度呈正相关关系且相关性比较显著。     

一次强沙尘天气过程及其对PM_(10)时空分布的影响

2017年5月3—6日内蒙古出现了一次强沙尘天气,内蒙古各城市AQI值达到500。利用常规气象资料和MICAPS资料,结合HYSPLIT(hybrid single particle lagrangian integrated trajectory)模式分析本次沙尘天气成因。利用PM_(10)小时监测值和AQI资料,从时空两方面评估沙尘天气对途经各城市PM_(10)质量浓度分布的影响程度。结果表明:地面受冷高压和蒙古气旋影响,冷锋快速东移,高空槽和低涡东移发展,使高空强冷空气南下东移,配合有利的层结条件和外来沙尘的长距离输送,导致沙尘天气爆发;沙尘天气对PM_(10)质量浓度的影响表现为前期主要影响西部和东部,中期对全区均有影响,后期主要对东部有影响。另外,中期为污染最严重时段。空间影响可划分为西部、中部、东部和通辽市4类,且从西到东、从北到南有一定的滞后性,滞后时间为1~10 h。     

1994—2017年杭州能见度特征及其与PM_(2.5)关系

根据杭州1994—2017年24时次观测的大气能见度及同期地面气象要素(风速、气温、降水量和相对湿度等)、2013—2017年PM_(2.5)监测数据,探讨杭州市大气能见度的特征以及相对湿度、PM_(2.5)对能见度的影响。统计分析表明,杭州大气能见度的年、季、日变化特征明显,在经历2003—2014年低能见度天气多发后,2016—2017年能见度明显转好,特别是2017年均能见度达到11.6 km,为1994年以来最高值;一年之中,冬季能见度较低,夏季能见度较高;一日之中,早晨07:00能见度最差,午后15:00最好。能见度的转好与PM_(2.5)关系密切,当PM_(2.5)质量浓度在50μg·m^(-3)以下,每降低5μg·m^(-3)可以使能见度显著增加。     

南京SO_2、NO_2和PM_(10)变化特征及其与气象条件的关系

利用南京市2002—2006年大气监测资料,分析了南京市大气中SO2、NO2、PM10年变化趋势及月季规律,评价了南京市空气质量状况。结果表明:5a来,SO2质量浓度呈显著上升趋势,NO2质量浓度缓慢上升,PM10质量浓度明显下降;南京市首要污染物是PM10,SO2、NO2污染较轻;3种污染物质量浓度均以夏季最低。进一步研究不同气象条件下污染物质量浓度发现,污染物质量浓度与风速反相关,且东南风时浓度最高;降水对污染物有清除作用;雾、霾天气下污染加剧;气象能见度与PM10、NO2的质量浓度反相关;污染物有明显的"周末效应",周末质量浓度值较低。     

江苏臭氧污染特征及其与气象因子的关系

本文利用2013—2017年江苏70个环境监测站资料和13个国家气象观测站常规观测资料,研究江苏臭氧污染特征及其与气象因子的关系。结果表明:江苏臭氧质量浓度和超标率逐年增长,其空间分布特征由东部沿海城市大于西部内陆城市逐渐转为东西部城市差异不明显,南部城市超标率总体高于北部;4—9月臭氧质量浓度处于较高水平,夏季超标占一半以上;日变化呈"单峰单谷"型,15时(北京时间)前后超标率最大,O_(3-8 h)较O_(3-1 h)峰值推后3—4 h;O_3对空气质量不达标的贡献率呈逐年上升趋势;臭氧质量浓度与颗粒物和前体物NO_x日变化呈反相关,且存在"周末效应"。江苏地区臭氧质量浓度总体与气温正相关,相对湿度负相关,气温高于25℃、相对湿度30%～50%区间、风速低于4 m·s~(-1)以下易出现高浓度臭氧;苏南的城市主要在东南风向对应较高的值,而苏北城市多在西南风向对应的较高臭氧质量浓度值。     

洛阳市臭氧污染特征及其与气象因子的关系

为了了解洛阳市O_3污染特征及其影响因素,利用2017年洛阳市7个国控点监测到的O_3、NO_2浓度及气象要素逐时数据,统计分析了2017年洛阳市O_3及NO_2的时间分布特征及NO_2浓度、气象因子对O_3浓度的影响。结果表明,洛阳市2017年O_3日最大8 h第90百分位数浓度为200μg/m~3,是二级标准的1.25倍。O_3和NO_2浓度存在明显的季节性变化特征,O_3浓度夏季最高,冬季的最低;NO_2浓度冬季最高,夏季的则最低。O_3浓度的日变化呈现为单峰分布,午后浓度较高,峰值出现在15:00左右;NO_2受机动车早晚高峰影响,表现为双峰分布,峰值分别出现在08:00和21:00。O_3与NO_2浓度呈现出良好的负指数函数关系,当洛阳市NO_2浓度低于40μg/m~3时,存在着O_3浓度超标的风险。高温低湿条件下有利于O_3的生成,当温度超过27℃时,洛阳市O_3小时浓度开始出现超标现象,且温度越高,超标风险越大;当相对湿度低于40%时,O_3小时平均浓度超标率最高为63.30%,随着相对湿度的增加,超标率逐渐降低,当相对湿度大于70%时,未出现O_3小时浓度超标现象。     

贵阳站气溶胶数据质控方法及气象因子对PM_(2.5)的影响分析

结合贵阳基准站气溶胶质量浓度观测中出现的数据异常情况,提出相应质控措施,编写小时数据检查程序以提醒值班员及时查看报警原因,尽量减少原始数据的缺失及野值的产生。采用7-5-3hanning平滑滤波法,将处理后的PM_(2.5)数据与原始分钟数据比对,结果显示该方法在剔除异常值的同时保留了原序列应有的变化特征。利用2013—2016年本站PM_(2.5)质控数据及同期气象资料对PM_(2.5)质量浓度的变化特征进行了简要分析,结果表明,PM_(2.5)月均浓度呈现明显的冬高夏低的单谷多峰走势;以2013年1月一次连续9 d以PM_(2.5)为首的空气污染时段为例就PM_(2.5)质量浓度与同时段气象要素的相关性进行分析,数据显示PM_(2.5)与风速、降水呈明显负相关性,即风速越大,PM_(2.5)浓度越小,降水对净化空气作用明显,PM_(2.5)浓度明显降低。     

肇庆市干季PM_(2.5)污染特征与潜在输送源分析

基于肇庆市2014—2018年PM_(2.5)质量浓度数据,使用HYSPLIT模式计算肇庆市干季的后向气流轨迹,并应用聚类分析法、潜在源贡献因子分析和质量浓度权重轨迹分析方法评估PM_(2.5)污染物的外来输送特征和潜在源区。结果表明:(1)2015—2018年肇庆市PM_(2.5)污染维持在较高水平,2017—2018年PM_(2.5)污染略有加重趋势;(2)污染较重的月份主要在1—4和10—12月,1月PM_(2.5)污染最严重,而6月PM_(2.5)质量浓度最低,5、7和8月无PM_(2.5)污染超标;(3)全年PM_(2.5)日平均质量浓度与风速相关性最高,干季与风速的相关系数有所提高;(4)干季影响肇庆的气流有5条,其中超过1/2源自东北和偏北方向的气流,来自东北方向的气流轨迹对PM_(2.5)污染贡献最高,其次来自偏西方向绕过珠三角北部进入肇庆的轨迹和广东省内短距离输送的轨迹;(5)肇庆市干季PM_(2.5)外来输送潜在源区主要位于肇庆辖区内和珠三角中南部城市以及粤东、粤东北部分地区,其中佛山、珠海、中山、东莞、惠州、广州南部对肇庆PM_(2.5)质量浓度贡献均超过60μg/m;。     

延安地区大气中PM_(10)浓度水平及其变化特征

利用延安地区2006—2008年大气中可吸入颗粒物PM10的监测资料,分析了PM10的浓度水平、变化规律及其影响因素。延安地区PM10的年平均浓度为153μg/m3,超过国家环境空气质量标准年平均值2级浓度限值70μg/m3的1倍多,这与当地高的PM10区域背景水平(平均值为109μg/m3)紧密相关。PM10质量浓度水平具有明显的季节性,春季最高,冬秋其次,夏季最低。PM10日均值浓度超过国家环境空气质量2级标准的日数占全年的40%,其中春季达66%。PM10质量浓度日变化呈明显的双峰双谷型特征,与风速的日变化有明显的反相关关系。1mm降水量对PM10的湿清除能力按冬、春、秋、夏依次递减。延安地区出现西风或偏西风时PM10平均质量浓度高,但就累积影响而言,处于主导风向上的西南风要比其他方向高40~50μg/m3左右。     

苏州市大气PM_(2.5)中水溶性无机离子的源解析及其气象因子分析

为了探明PM_(2.5)中水溶性无机离子的来源和气象因子对其浓度变化的影响,利用2012年2、5、8和11月苏州市PM_(2.5)中水溶性无机离子浓度和本站气象观测数据,分析了苏州市水溶性无机离子的时间变化特征,解析了当地PM_(2.5)中水溶性无机离子的主要来源,探讨了气象因素对离子组分的影响。结果表明:(1)苏州市PM_(2.5)中水溶性无机离子年均浓度大小依次为:SO_4~(2-)NO_3~-NH_4~+Na~+Cl~-K~+Ca~(2+)Mg~(2+)F~-;SO_4~(2-)、NH_4~+和NO_3~-为PM_(2.5)中最重要的3种水溶性无机离子物种,其总和占PM_(2.5)总质量浓度的50.9%。各离子的季节浓度特征均为冬季最高、夏季最低。(2)通过运用主成分分析法对苏州市PM_(2.5)中水溶性无机离子进行来源分类解析,发现第一类为二次污染源和生物质燃烧,其贡献率为32.84;第二类为道路扬尘及工业排放,其贡献率为19.99%;第三类为海盐污染,其贡献率为18.43%。(3)通过水溶性无机离子与气象条件的相关性分析发现,风向、风速和温度与水溶性无机离子浓度的相关性较显著,这三者是颗粒物浓度变化的主要影响因子。(4)利用HYSPLIT后向轨迹模式对外来污染物进入苏州市的轨迹进行聚类分析后发现:因受季风气候影响,苏州市外来污染物的输入路径存在明显的季节性变化特征,其中夏半年输送主径源自海上,冬半年主径源自内陆。     

赤水市大气负氧离子的时空特征及其与气象因子的关系

利用2016年5月—2017年4月赤水市境内复兴驿站、古迹驿站及相邻县市内共6个大气负氧离子自动观测点和气象站的观测资料,分析了赤水市大气负氧离子浓度的时空变化特征及其与气象因子的关系。参照世界卫生组织制定的空气负氧离子等级标准,区划赤水市空气负氧离子的等级。结果表明:(1)赤水市日均大气负氧离子浓度5 056个/m3,高于临近县市的负氧离子浓度,白天略高于夜间,远超过负氧离子含量的一级标准;(2)年均大气负氧离子浓度为5 125个/m3,各季节浓度相差不大;(3)赤水市大气负氧离子浓度空间分布规律为复兴站古迹站,景区大于街道;与邻近县市比较,植被覆盖率大的区域大气负氧离子浓度高于植被覆盖率小的区域;(4)不同天气条件下大气负氧离子与气象因子的相关性不同。在雨日,大气负氧离子与气温、气压、水汽压相关;无雨日,大气负氧离子与日照相关;同时,白天雨相对于大气负氧离子浓度的增加较夜雨更为明显。