2015年2月广西典型空气重污染过程及成因分析

基于环境空气质量监测数据和气象观测数据，分析2015年2月5日—14日广西典型空气重污染过程及形成原因。结果表明：重污染期间PM2.5平均质量浓度为118 μg/m3，超标0.57倍，日均质量浓度超标率为92.1%；与2014年1月重污染过程相比，此次污染过程持续时间减短、极端污染天气有所缓解、PM2.5为首要污染物的比例增大。气象条件和气流后向轨迹分析表明，大气层结稳定、近地层逆温明显、风速小、相对湿度大等静稳天气是此次污染过程形成的重要原因，广西本地排放污染物及区域污染传输相叠加是造成重污染的根本原因。     

2015年10月南宁市区典型大气污染过程成因分析

2015年10月15日—24日南宁市出现了一次典型的大气细颗粒物（PM2.5）污染过程，利用单颗粒气溶胶质谱仪和大气颗粒物激光雷达仪器进行监测，结合气象、后向轨迹及卫星遥感影像等资料分析大气污染成因及远距离传输对该次污染过程的影响。研究表明：此次南宁市大气污染以PM2.5超标为主，PM2.5日均质量浓度最高为85.2 μg/m3，超过标准值13.6%，其中PM1占PM2.5的66.3%。此次污染过程是由本地污染源与外来源影响互相叠加，在静稳、高温、强光等天气情况下发生协同作用引起的，污染物主要来源为燃煤源、机动车尾气源和生物质燃烧源，占全部来源的75.0%～80.0%。     

合肥市春季大气PM10和PM2.5中碳组分的污染特征

2014年4月，应用热/光碳分析仪测定合肥市春季大气PM10和PM2.5中的有机碳（OC）、元素碳（EC）。结果显示，PM10、PM2.5的平均质量浓度分别为(124.0±34.3)μg/m3和(96.3±29.2) μg/m3,PM10中OC、EC的平均质量浓度分别为(15.1±5.5)μg/m3和(6.0±2.1) μg/m3，PM2.5中OC、EC的平均质量浓度分别为(12.1±3.5）μg/m3和(5.5±2.1) μg/m3。OC、EC在PM2.5中所占的比例均高于在PM10中的比例，说明合肥市春季PM2.5中碳的含量更高。通过分析8个碳组分及OC/EC比值，发现燃煤、机动车尾气和生物质燃烧是主要贡献源； OC易形成二次污染，EC排放以焦炭为主。     

基于后向轨迹模式的区域大气污染及传输特征分析

选取南京市2017年PM2.5逐时观测数据,分析其颗粒物污染特征,并利用聚类分析、潜在源贡献因子法和GDAS气象数据,分析不同高度、季节下南京市主要气流输送路径及PM2.5污染的主要潜在源区。结果表明：南京市PM2.5污染冬季最严重,夏季最轻,逐时PM2.5浓度变化范围夏季小于冬季;夏季气流轨迹主要来自东南方向,秋冬春等季节以偏西和西北路径为主,且随着高度的增加,气流输送速度逐渐加快;冬季对南京市PM2.5污染的贡献最为显著,低层PM2.5污染贡献源区主要集中在近地区域,且贡献率较高,随着高度的增加,贡献源区由研究区域向四周辐散,贡献范围广,贡献率降低。     

2016年武汉市大气污染物时空分布特征及影响因素

利用统计学和GIS方法对2016年武汉市各区不同污染物的时空分布特征及相关性进行分析。结果表明：武汉市大气污染季节性特征明显，春季和冬季颗粒物（PM2.5、PM10）及NO2污染突出,夏季O3污染严重。污染物空间差异显著，主城区和东西湖区颗粒物及NO2污染严重，郊区O3污染严重。平均气温、平均水汽压与SO2、NO2、CO、PM2.5和PM10均呈显著负相关，而与O3呈显著正相关；降水量与SO2、NO2和CO呈显著负相关。     

交通减排对上海2014年PM2.5污染影响的案例研究

使用WRF Chem模式模拟分析2014年4月16日—18日一次上海市大气污染过程，探究交通减排对该市PM2.5浓度的影响。结果表明，模式较为成功地再现了污染过程中天气形势及大气污染物时空变化， PM2.5浓度模拟与观测结果IOA达到065。研究时段内交通减排使上海市PM2.5质量浓度平均减少 329 μg/m3，虹口凉城监测站受到交通减排影响最大，对小时平均质量浓度的最大影响超过26 μg/m3，超过此站PM2.5浓度的13%；PM2.5浓度越高，交通减排对上海市PM2.5浓度的影响越显著；交通减排对上海北部地区空气质量的改善效果最明显。     

基于KZ滤波法的江淮地区PM2.5浓度变化影响分析

基于2018—2020年合肥、芜湖和马鞍山3个城市国控站点的PM_2.5逐日监测数据和同期地面气象观测资料,利用Kolmogorov-Zurbenko(KZ)滤波对PM_2.5日浓度的原始时间序列进行分解,获取短期分量、季节分量和长期分量,并进行多元线性逐步回归构建各分量与气象因子的模型,最后依据短期分量和基线分量的回归模型和残差分析,对序列进行重建,获取消除气象条件影响的PM_2.5长期分量。KZ滤波分析结果表明：2018—2020年气象条件对江淮区域PM_2.5污染改善影响存在波动,在2018—2019年为负贡献,而在2020年秋冬季则变为正贡献;江淮地区3个城市2018年和2020年PM_2.5修正后的长期分量均值表明气象条件对各市PM_2.5改善影响存在差异较大,气象条件对合肥PM_2.5改善的贡献仅为1.0%,芜湖为7.8%,马鞍山为21.0%;NAQPMS数值模式情景分析结果显示,减排措施对江淮之间PM_2.5浓度改...     

泰州市冬季空气质量变化特征

为了解泰州市冬季空气质量变化特征,于2013年12月27日—2014年1月7日对NO2,SO2,O3,CO,PM10和PM2.5进行了监测,结合地面气象资料和HYSPLIT轨迹模式分析了污染物的来源与传输过程。结果表明,观测期间AQI优良率仅为25%,PM10和PM2.5日均值超标率分别为58.3%,75.0%;有机碳是泰州市ρ(PM2.5)中最高的化学组分,其次是富钾和元素碳。PM2.5主要来源为汽车尾气、工业源、燃煤,分别占来源比例21.76%,16.52%,15.54%。局地污染源和不利气象条件是造成大气污染的主要原因。     

广州冬季霾天气大气PM2.5污染特征分析

收集了2005年12月至2006年2月的PM2.5浓度观测数据及同步气象数据,分析了冬季PM2.5质量浓度日变化趋势以及霾日期间PM2.5质量浓度日变化和小时变化趋势.结果发现,观测期间PM2.5日均值浓度为69μg/m3,霾日期间PM2.5日均值浓度为72μg/m3.冬季霾天气的发生频率为45%,霾天气过程最短持续2天,最长持续9天.较高的PM2.5浓度和较高的相对湿度及较小的风速是导致霾天气形成的主要原因.霾日期间PM2.5小时浓度变化趋势与人类活动周期和气象条件密切相关.     

2013年北京市PM2.5重污染日时空分布特征研究

根据2013年北京市环境保护监测中心监测的PM2.5数据,系统分析了北京市重污染日PM2.5污染的时空分布特征,并利用克里格插值初步统计了全年和重污染日PM2.5不同浓度区间的国土面积。2013年全市PM2.5年均浓度为89.5μg/m3,重污染日平均浓度为218μg/m3,重污染日主要集中在冬季;PM2.5年均浓度呈现明显的南高北低梯度分布特征,而重污染日空间分布较均匀,南部及城六区存在明显的高污染区,平均浓度在180μg/m3以上;2013年北京市重污染日PM2.5平均浓度为150~250μg/m3,其对应的国土面积约为12 656 km2,PM2.5平均浓度在250μg/m3以上的国土面积约为883 km2,而全年无PM2.5平均浓度在150μg/m3以上所对应的国土面积。