天津市近地层PM2．5的垂直分布特征

大气细颗粒物PM2.5是导致城市能见度降低的重要原因之一,研究低层大气细颗粒物的垂直分布特征,利于了解边界层内污染物的大气物理化学反应机制,能为大气污染综合治理决策提供新的科学数据.2006年8月16日-2007年8月31日期间以天津市255 m气象塔为观测平台,分别在40 m、120 m和220 m 3个不同高度进行大气污染物PM2.5质量浓度和气象要素的同步观测.对观测资料的分析表明:PM2.5质量浓度季节变化规律非常明显,冬季最高,春季最低.PM2.5日变化特征非常明显,呈明显的双峰变化规律:冬季峰值最大、春季最小.边界层内PM2.5质量浓度在各个高度存在明显差异,受逆温层影响,四个季节的早晨第一个峰值出现时间随高度增加均存在滞后现象,PM2.5从地面扩散到220 m大约需要2 h.各个观测高度PM2.5质量浓度随风向变化不大,得到天津市细粒子主要是由本地源生成的结论.     

城市边界层气象条件对O3浓度垂直分布的影响

利用2002年7月21日至26日,北京325m气象塔O3浓度梯度观测资料及同期的气象资料,分析了O3浓度的时空分布特征、超标情况及不同天气条件下,O3浓度的日变化规律;并对7月23日,24日两天出现高浓度污染的大气稳定度和逆温、相对湿度、低空风等边界层气象条件对O3垂直分布的影响进行了详细分析。研究表明:城市边界层气象条件,尤其逆温是影响O3垂直分布的重要因素。     

天津城区大气气溶胶质量浓度分布特征与影响因素

根据中国气象局天津大气边界层观测站2009年的气溶胶观测资料和同期气象资料,对天津城区PM10和PM2.5质量浓度变化特征,及其与气象条件的相互关系进行研究,结果表明：PM10和PM2.5年均质量浓度为153.24和68.78μg·m-3,其日均值超标率近半,表明南部城区尤其是交通干道附近气溶胶污染较为严重;PM10和PM2.5质量浓度逐月变化呈现明显的冬季高、夏季低的特征,其日变化特征呈明显的双峰型,早晚污染高峰主要受交通源影响;气象条件对气溶胶质量浓度作用显著,气溶胶质量浓度与气温正相关,相对湿度的增高易导致细粒子吸湿性增长,但高湿状态下易引起降水有利于气溶胶的湿清除,西南气流和偏北风是PM10和PM2.5高浓度的主要影响风向,静小风易造成气溶胶堆积,高风速可引起PM10排放增多,但对PM2.5影响不大。     

采暖对天津近地层PM2．5污染特征的影响

为探讨天津城区冬季采暖对近地层颗粒物污染特征的影响,于2006年11月采用TEOM系列RP1400a环境颗粒物监测仪观测PM2.5质量浓度,并使用DX-120离子色谱仪分析水溶性无机离子.结果表明:天津城区PM2.5污染较为严重,其垂直分布特征为120m处PM2.5质量浓度最高,40m处次之,220m处最低,显示出与北京气象塔观测实验的明显差异.PM2.5质量浓度采暖期明显高于非采暖期,非采暖期逐时变化呈单峰态,与人类活动密切相关,采暖期呈现多峰态,可能足取暖燃煤(油)的24 h连续排放与人为源叠加所致.气象条件对PM2.5质量浓度的影响显著,低风速,高相对湿度有助于PM2.5质量浓度的增大.水溶性离子的浓度水平和分布特征显示,采暖期存在明显的二次离子生成特征,SO42-、NO3-和NH4 三种离子所占比例显著高于非采暖期.     

杭州地区大气细颗粒物浓度变化特征分析

利用2012年杭州地区(杭州、桐庐、建德、淳安)大气颗粒物监测仪TEOM1405D的连续观测资料,对该地区PM2.5质量浓度的变化特征及其与气象条件的关系进行了分析研究.结果表明,2012年杭州、桐庐、建德、淳安PM2.5年平均浓度分别为50.0±25.7、46.5±22.0、42.1±21.8、36.9±21.2μg·m-3,空间上呈现至北向南逐渐下降的变化趋势.受边界层高度、降水等气象条件影响,4个站点PM2.5浓度的季节变化基本表现为秋季冬季春季夏季,其中秋、冬季PM2.5超标日数高达80%左右.杭州地区PM2.5日变化呈现明显的双峰型特征,其峰值出现时间与人们的早晚出行高峰有较好的对应关系.对比不同站点PM2.5浓度变化可以看出人口密集城市区域气溶胶浓度要显著高于乡村地区.通过拟合小时平均值最大出现频率得出杭州地区最具代表性大气状态下PM2.5的浓度值为21.2μg·m-3.风向风速与PM2.5浓度的关系表明杭州主要以本地污染为主,桐庐受本地污染和区域输送双重影响,建德主要表现为区域输送.     

湖北省主要观测站PM_(2.5)污染特征及气象要素的影响分析

有关湖北省PM2.5污染的时空分布、影响因素及成因的研究较少,分析PM2.5污染特征及气象因素的影响,对科学治理湖北省PM2.5污染具有重要意义。利用2017年和2018年1—3月湖北省7个大气成分观测站逐小时PM2.5质量浓度及平均气温、降水量、相对湿度、10 min平均风速和风向等地面气象观测资料,运用多元逐步线性回归法,探讨PM2.5的变化特征及其与气象因素的关系。结果表明,(1)湖北大气成分监测站PM2.5具有明显的时间变化规律,从日变化上看,除金沙站全天变化平缓外,其他6站PM2.5日变化呈双峰双谷型分布,双峰出现在10:00—11:00和20:00—22:00,双谷出现在06:00—08:00和15:00—17:00。各站PM2.5日均质量浓度变化范围为2.7～269.1μg?m-3,其变化幅度最大值通常出现在1月份。从月份上看,1—3月PM2.5月均质量浓度呈下降趋势;各站PM2.5平均质量浓度介于42.3～90.9μg?m-3,金沙最低而荆州最高;PM2.5质量浓度日均值平均超标率42.3%,其中3月平均超标率22.2%,明显低于1月56.7%和2月50.7%。(2)平均气温、降水量、风速和相对湿度4个近地面气象因素对黄石、金沙和武汉PM2.5质量浓度的影响大而对荆州影响最小,其中平均气温和风速为主要影响因素;具体而言,荆门、宜昌和武汉颗粒物质量浓度主要受气温引起的垂直输送及风速引起的水平扩散影响,襄阳、金沙和黄石则主要受大气中水分变化导致的粒子生成及沉降清除作用影响。(3)各站PM2.5质量浓度水平和变化特征差异在于监测点地理位置和周边环境、城市经济水平和气候气象条件的不同。     

冬季广州大气能见度影响因子分析

于2005年12月至2006年2月收集了华南所大气观测站大气能见度等7个气象因子及PM2.5浓度观测数据,分析了冬季广州大气能见度变化趋势及灰霾天气主要影响因子,并对能见度与主要影响因子进行相关性分析。结果发现:人为因素和气象条件对大气能见度的影响比较明显,当大气层结受到北方冷空气扰动后,能见度得到明显改善;1月份灰霾天气出现频率高达60.9%,灰霾天气下大气能见度与PM2.5浓度密切相关;大气能见度与PM2.5浓度、温度、相对湿度呈负相关性,与大气压呈正相关性;灰霾天气下大气能见度还与细颗粒物的粒径分布密切相关。     

北京市秋季大气颗粒物的污染特征研究

大气颗粒物是造成城市空气污染的重要原因之一,并已经成为我国北京等大中城市空气污染中的首要污染。为了分析北京市大气细颗粒物的污染水平及其影响因素,以大气中的PM10和PM2.5为研究对象,于2005年秋季在北京市设立了9个采样点进行采样监测,通过对所采集到的PM10和PM2.5质量浓度的对比来分析大气颗粒物的空间分布和时间变化特征,并建立起PM10和PM2.5质量浓度与风力、温度、湿度等气象条件的对应关系来分析各种气象因素对大气细颗粒物污染水平的影响。结果表明:北京市不同区域的PM10和PM2.5的质量浓度差异较大,同时,值得注意的是通过对同一地点同一采样时间大气颗粒物质量浓度的对比发现PM2.5质量浓度的空间分布并不完全同于PM10,这主要是与采样点所处的环境中不同污染源影响的强弱有关;气象条件稳定时,PM10和PM2.5质量浓度的日变化表现出一定的规律性,这种时间变化的特征主要取决于所在环境中排放的污染物变化情况;气象条件是影响PM10和PM2.5污染程度的重要因素,在一定的范围内,颗粒物质量浓度随着温度的上升而下降,随着相对湿度的升高而增大,随着风力的增强而减小。     

不同天气下景观生态林内外大气颗粒物质量浓度变化特征

为了探讨景观生态林对大气颗粒物的调控作用,以北京大兴区景观生态林为例(主要树种为旱柳Salix matsudana),研究不同季节、不同天气条件下景观生态林内大气颗粒物质量浓度差异以及林内和林外质量浓度对比。于2013年7月至2014年5月,分四季选择不同天气类型,采用水平同步监测法对林内和林外两个监测点3种粒径大气颗粒物(TSP、PM10和PM2.5)质量浓度和气象因子进行每日10 h的连续监测(8:00─18:00)。结果表明,(1)晴朗天气景观生态林内ρ(TSP)、ρ(PM10)和ρ(PM2.5)均处于较低水平,分别为(61.53±21.73)~(174.32±36.01)μg·m-3、(28.91±10.34)~(94.87±20.45)μg·m-3和(6.29±3.86)~(23.91±12.29)μg·m-3;多云、扬尘、雾霾和雾霭天气颗粒物质量浓度较高,污染明显加重,雾霾天气下ρ(PM2.5)的增加效果更为明显,而扬尘天气下ρ(TSP)显著增加。(2)雾滴对于PM2.5与PM10具有一定的湿清除作用,也可以与霾粒子共同作用形成相对稳定的雾霭天气,其颗粒物污染程度高于其他天气状况,此时以粒径为2.5~10μm的颗粒物污染为主。(3)夏、秋和春季晴朗微风天气(风速≤3 m·s-1)和扬尘天气林内ρ(TSP)和ρ(PM10)显著低于林外,多云、轻微至轻度雾霾天气,林内ρ(TSP)、ρ(PM10)和ρ(PM2.5)均显著低于林外,晴朗大风(风速5 m·s-1)和雾霭天气林内ρ(TSP)和ρ(PM10)不显著高于林外,雾霭天气林内ρ(PM2.5)显著高于林外;冬季不同天气下ρ(TSP)、ρ(PM10)和ρ(PM2.5)林内和林外对比没有明显规律。(4)空气相对湿度、风速和风向是观测时段内影响颗粒物质量浓度的主要因子。ρ(PM2.5)与相对湿度呈线性正相关,而与风速呈非线性负相关,偏南风对颗粒物主要起输送和积累作用,偏北风对颗粒物起到稀释和扩散作用。相对于TSP和PM10,PM2.5更易受近地面气象条件的影响而堆积或扩散。     

沈阳地区霾的环境特征研究

利用沈阳市1961—2009年的气象资料,分析了霾天气出现的年季特征及其天气形势特征。利用边界层气象资料与污染物质量浓度资料对特定的霾过程从边界层到污染物质量浓度条件进行了分析。结果表明：沈阳地区霾的出现呈现逐年上升的趋势,近5 a平均每年为120 d左右,目前霾天数已经占到了全年的30%~40%。冬秋季节出现霾天气较多,秋冬两季霾日数占全年霾日总数的75%。凌晨到上午是霾出现的高发期,02—08时霾出现频率占总霾数的44.5%。霾的出现主要发生在冬秋季节冷空气势力不强,大气扩散能力较弱,边界层出现逆温时刻。接地逆温层厚度常常稳定在200~300 m高度左右,PM10质量浓度与能见度（霾）呈负相关,相关系数-0.402 7。风速与能见度（霾）呈正相关,相关系数为0.886 4。     

天津城区秋冬季黑碳气溶胶观测与分析

利用天津大气边界层观测站2010年9月—2011年1月黑碳气溶胶、PM2.5质量浓度、大气能见度及常规气象观测数据,研究天津城区秋冬季黑碳气溶胶污染特征.结果表明,天津秋冬季黑碳气溶胶质量浓度均值7.24μg.m-3和6.46μg.m-3,分别占PM2.5质量的9.42%和7.98%,其吸收作用分别贡献大气消光的17.2%和17.6%;采用最大频数浓度法计算黑碳浓度本底值为2.50μg.m-3;黑碳浓度的日变化特征与天气过程有关,雾和霾天气下黑碳浓度较高,降水利于清除黑碳污染,秋季高浓度黑碳除局地源污染外,可能还与河北、山西、天津等地燃烧秸秆有关.     

春季不同天气城市街头绿地内PM2.5质量浓度分布特征研究

于2012年春季,采用水平分布监测法监测了3种天气下距交通污染源不同距离的街头绿地中的PM2.5质量浓度,研究了不同天气下PM2.5的日变化、水平分布规律及绿地对PM2.5的净化效应,为城市街头绿地、城市公园建设及市民合理选择休闲锻炼时间和地点提供理论依据。结果表明：1）晴天和多云时,PM2.5质量浓度上午高于下午,7：00浓度最高,15：00最低;雨后阴天基本保持上升趋势。2）PM2.5日均质量浓度为晴天（61.67μg·m-3）〈多云（187.98μg·m-3）〈雨后阴天（291.48μg·m-3）。晴天除5：00和7：00外,其他时刻均达到国家二级标准,且13：00—15：00达到国家一类功能区空气质量要求;多云和雨后阴天PM2.5质量浓度分别超过国家二级浓度限值150.6%和288.6%。3）观测时段内,无论哪种天气,5：00、7：00、11：00和15：00绿地的净化功能较强,19：00净化功能均最差,所有监测点无一例外的表现为负效应。4）3种天气下,PM2.5质量浓度在距离道路10~25 m最高,绿地的净化效应最差,55 m外基本可以形成稳定的森林内环境。5）在南方高湿环境下,空气相对湿度是影响PM2.5质量浓度的主要因素,晴天和多云天气PM2.5浓度与相对湿度呈显著正相关,而雨后阴天二者呈负相关关系。6）在一定阈值内,街头绿地能够缓解PM2.5污染,为居民提供良好的休闲环境。从游憩时间来看,市民可以选择晴天进入街头绿地休闲,多云和雨后阴天尽量减少外出;从活动最佳地段来看,距离污染源55 m以上适宜休闲锻炼;从街头绿地的规划面积来看,半径以不小于55 m为宜。     

北京市不同主干道绿地群落对大气PM2.5浓度消减作用的影响

为研究城市道路两侧不同绿化带宽度及不同植物群落配置模式对消减大气中PM2.5浓度的作用,选择北京市四环主干道旁3种典型植物群落配置类型作为试验监测点,对0 m、6 m、16 m、26 m、36 m不同绿带宽度下PM2.5浓度分布与变化进行监测,并对其消减能力进行计算,分析PM2.5浓度变化与道路车流量、绿化带宽度及植物群落配置模式之间的关系。结果表明：（1）PM2.5浓度的日变化与车流量的日变化特征一致,道路绿地空气中PM2.5浓度的日变化呈现双峰单谷型特征,即早晚高、白天低,PM2.5浓度在8：00-10：00的交通早高峰期间增加,而后开始下降,到12：00-14：00左右达到最低值,之后呈持续上升状态,直至晚高峰19：00浓度达一天中的最大值。（2）不同植物群落配置模式对大气中PM2.5浓度的消减作用不同,群落内郁闭度高的多复层结构绿地对PM2.5消减作用优于郁闭度低的单层配置绿地模式;（3）分别对3类空气质量条件下,道路绿地对PM2.5消减作用进行评价。无污染或轻度污染（PM2.5〈100μg·m-3）环境下,绿地对PM2.5消减作用明显,26 m及36 m的绿带处消减作用最强,最高可达12.22%;中度污染（101μg·m-3201μg·m-3）天气条件下3种绿地对PM2.5的消减作用均不明显。     

辽宁本溪大气颗粒物浓度特征

利用本溪大气成分监测站2008年3月至2009年2月大气颗粒物监测仪GRIMM180的连续监测资料,对该地区大气颗粒物的质量浓度变化、谱分布特征以及大气颗粒物与气象因素的关系进行分析研究.结果表明,本溪PM10和PM2.5平均质量浓度分别为0.086 mg.m-3和0.058 mg.m-3,其日平均质量浓度变化幅度较大;冬季和夏季质量浓度日变化均呈现明显的双峰双谷特征;数浓度谱分布较好地符合Junge分布;PM10日平均值超标率为8.7%,且大气颗粒物主要是以细粒子的形式存在;随风速的增大大气颗粒物质量浓度基本呈现逐渐减小的趋势,当风速〉0.6 m.s-1时,大气颗粒物质量浓度随风速增大下降明显,风速〉3.0 m.s-1时,下降的趋势减缓;降水过程对大气颗粒物有清除作用,其中对粗粒子的清除效果非常明显.     

西安市冬季重污染天PM2.5高分辨率及其中碳气溶胶污染特征分析

为了研究西安市冬季重污染天PM2.5及其中碳气溶胶的变化特征,在2013年1月1日至2013年2月28日大气污染严重的天气进行24 h连续的PM2.5样品采集,再通过Model-4型全自动半连续式在线光/热法大气气溶胶OC/EC分析仪分析得出OC、EC的连续质量浓度值。结果表明,西安市PM2.5质量浓度冬季重污染天日循环变化规律明显,均大致呈现双峰模式,白天和夜间各有一个高峰。2月份的每个PM2.5质量浓度值高峰和低峰的出现均比1月份晚2-3 h,夜晚的高峰值比1月份低,PM2.5质量浓度比1月份上升得慢,下降得快。气象条件能对PM2.5质量浓度产生较强的影响。2月份PM2.5质量浓度值整体比1月份低,但在2月10日出现突越（499μg·m-3）,这与春节假期人为活动变化有关。OC/PM2.5、EC/PM2.5、TCA/PM2.5日变化幅度都较小,这说明OC、EC、TCA的来源比较一致;OC/EC值的平均值为6.63,表明西安冬季重污染期PM2.5中的一次来源主要为燃煤排放。PM2.5、OC、EC、TCA和OC/EC的值较2010年都有明显的上升,但OC/PM2.5、EC/PM2.5、TCA/PM2.5的值却是下降的,这说明近年来PM2.5及碳气溶胶的控制措施效果不明显,碳气溶胶二次来源增加,PM2.5的排放来源变得更加复杂。OC和TCA日循环变化呈现出明显的双峰特征;EC的变化趋势不明显。一天中OC/EC值多数时候处于较高水平,且受早晚车流量高峰的影响不明显,说明西安冬季重污染期间碳气溶胶受光化学反应转化的二次来源影响比较大。OC、EC的线性相关性比较好,且白天相对夜晚好,说明西安市冬季夜间燃煤采暖增加了碳气溶胶来源的复杂性。     

城市高层建筑大气颗粒物污染和噪声垂直分布特征

以空气颗粒物和噪声为研究对象,利用颗粒物监测仪和噪声仪,研究了颗粒物和噪声在不同天气状况下以及垂直方向上的变化规律,结果表明,(1)在0～56m之间,TSP、PM_(10)随高度增加而减小,56～116m之间随高度增加而增大.低空中的PM_(2.5)、PM_1相差不大,而100 m以上高空中的PM_(2.5)、PM_1污染程度明显大于地面.(2)天气条件影响颗粒物污染程度.晴天和大风天颗粒物的污染相对较轻,阴天时污染最重.(3)L_(eq(A))随高度增加而增大,最高点(116 m)处的噪声比地面高约4 dB.晴朗和阴天条件下,噪声差别不大;在大风天气条件下,高层建筑顶层的噪声污染较重.     

北京市2012-2013年秋冬季大气颗粒物污染特征分析

大气颗粒物一直是影响我国城市空气质量的重要污染物,2013年1月北京市的严重灰霾污染更是带来了重大的健康危害和经济损失。为了摸清北京市颗粒物污染的特征,本文利用北京市实时发布的颗粒物污染监测数据,选取污染最为严重的2012-2013年秋冬季时段,对颗粒物的达标情况、变化趋势及其与气象因子相关性等方面进行研究。研究结果表明：1）2012年,北京市年均ρ（PM10）为109.0μg.m-3,超过了新国标二级标准限值,日均ρ（PM10）的超标天数为84天,全年超标天数比例为23.0%。2）2012年10月至2013年2月,ρ（PM10）达标天数比例为77.9%,ρ（PM2.5）的达标天数比例为51.9%。各月ρ（PM2.5）的达标天数比例均低于ρ（PM10）,某些月份二者达标天数比例差异很大。3）ρ（PM2.5）与ρ（PM10）的逐小时连续变化趋势基本相同,变化特征为＂快速积累,迅速消散,持续时间不定＂。ρ（PM2.5）与ρ（PM10）平均值24 h的变化呈双峰双谷曲线,颗粒物质量浓度夜间高于白天。4）研究期日均ρ（PM10）和ρ（PM2.5）与日均相对湿度呈显著正相关关系,与平均风速和最大风速呈显著负相关关系,ρ（PM2.5）比ρ（PM10）更易受气象条件变化影响。5）ρ（PM10）和ρ（PM2.5）日均值有着非常显著的线性相关关系。本研究得出的ρ（PM2.5）/ρ（PM10）的均值高于之前北京市及我国其他城市研究得出的数值,严重污染现象是由特殊的气象背景条件与污染物高排放共同导致的。     

市政工程施工地周边颗粒污染物扩散特征

为了解市政施工对周边大气环境的影响,通过测定TSP、PM10、PM2.5、PM1等指标,研究了施工工地附近颗粒污染物随天气条件、气象要素、距施工点距离的变化规律,结果表明：（1）粒径较大的颗粒物质量浓度受气象要素的影响较明显,大风和晴天的ρ（TSP）、ρ（PM10）远高于阴雨天;随风速增大,ρ（TSP）、ρ（PM10）、ρ（PM2.5）显著升高。（2）小粒径颗粒物（PM1）受天气条件的影响不明显,湿度、风速变化对PM1影响较小。（3）距离施工工地越远,4种颗粒物质量浓度越低,其中ρ（TSP）、ρ（PM10）、ρ（PM2.5）随距离下降较快。（4）不同施工阶段颗粒物污质量浓度异较大,挖槽阶段颗粒物污染要高于结构装修阶段。     

Canopy-wake dynamics and wind sheltering effects on Earth surface fluxes

The atmospheric boundary layer adjustment at the abrupt transition from a canopy (forest) to a flat surface (land or water) is investigated in a wind tunnel experiment. Detailed measurements examining the effect of canopy turbulence on flow separation, reduced surface shear stress and wake recovery are compared to data for the classical case of a solid backward-facing step. Results provide new insights into the interpretation for flux estimation by eddy-covariance and flux gradient methods and for the assessment of surface boundary conditions in turbulence models of the atmospheric boundary layer in complex landscapes and over water bodies affected by canopy wakes. The wind tunnel results indicate that the wake of a forest canopy strongly affects surface momentum flux within a distance of 35–100 times the step or canopy height, and mean turbulence quantities require distances of at least 100 times the canopy height to adjust to the new surface. The near-surface mixing length in the wake exhibits characteristic length scales of canopy flows at the canopy edge, of the flow separation in the near wake and adjusts to surface layer scaling in the far wake. Components of the momentum budget are examined individually to determine the impact of the canopy wake. The results demonstrate why a constant flux layer does not form until far downwind in the wake. An empirical model for surface shear stress distribution from a forest canopy to a clearing or lake is proposed.