天津冬季雾霾天气下颗粒物质量浓度分布与光学特性

年1—2月连续在线观测天津ρ(PM_2.5)、ρ(PM₁₀)、大气能见度、σ_sp(气溶胶散射系数)、σ_ap(气溶胶吸收系数)和AOD(大气光学厚度),结合气象资料,分析天津城区雾霾天气下的颗粒物质量浓度分布与光学特性. 结果表明:在为期52d的观测期间,发生雾日8d、轻雾日1d、霾日29d,雾霾日占观测时长的73%;霾日ρ(PM_2.5)/ρ(PM₁₀)为0.65,SSA(单次散射反照率)为0.95,MSE(气溶胶质量散射系数)为3.30m2/g,均高于非雾霾日,表明雾霾日下细粒子的散射作用是大气消光的主要贡献者;雾霾日的σ_sp和σ_ap均高于非雾霾日,随着霾等级增强,σ_sp和σ_ap逐渐增大,重度霾天气的σ_sp和σ_ap与中度霾天气相当,分析高RH可能是造成能见度进一步降低的主要因素;雾霾天气下AOD_500nm和波长指数均显著高于非雾霾天气,表明雾霾天气下气溶胶浓度远高于非雾霾天气,并且细粒子占主导地位.      

基于环境模式PM2.5的渤海及其西岸能见度预报技术优化研究

基于2019年12月1日—2020年11月30日渤海及其西岸地区能见度观测和数值模拟,研究了该区域海岸陆能见度演变特征及其预报方法,并通过引入PM_2.5浓度及建立相应的消光方程,提升该地区能见度预报准确率.结果表明：渤海及其西岸地区海岸陆能见度演变特征存在差异,就年平均能见度而言,海上（含港口）高于陆地,并且前者的能见度日变化较后者更趋平缓,低能见度（<3 km）天气陆地主要出现在0:00—8:00,海上（含港口）则全天均有可能出现,海上（含港口）0～500 m低能见度天气多于陆地,500～3000 m低能见度天气少于陆地.渤海及其西岸地区能见度预报需要考虑气溶胶消光的影响,欧洲数值模式（ECMWF）和天津气象台主观能见度预报产品,在该区域预报与实况的相关系数为0.2～0.3,相对误差为40%～50%.引入天津环境模式PM_2.5浓度预报,基于ECMWF相对湿度和环境模式液态水含量,通过消光方程可以较好地改进预报该区域能见度的效果,其产品陆地和港口能见度预报与实况的相关系数分别为在0.8和0.5以上,相对误差分别为20%和40%左右,小于...     

相对湿度和PM2.5浓度对乌鲁木齐市冬季能见度的影响

基于2016~2017年冬季乌鲁木齐市城区PM_2.5和气象要素观测数据,采用线性和非线性回归、变量分类分析等统计方法,研究了大气能见度与相对湿度（RH）、PM_2.5浓度的定量关系.结果表明：乌鲁木齐市冬季能见度日变化呈单峰形分布,中午13：00前后和夜晚20：00前后能见度分别达到最高和最低.相对湿度增加、PM_2.5污染加重都会造成冬季大气能见度明显降低,但低能见度天气的主要影响因素是PM_2.5污染.在RH < 90%时PM_2.5累积及其吸湿增长对能见度变化起控制作用,特别是70%￡RH < 90%时,PM_2.5浓度对大气能见度影响最大.RH³90%时相对湿度成为决定因素.在PM_2.5污染逐渐加重的过程中,相对湿度对能见度的影响在减弱.能见度增加与PM_2.5浓度降低之间存在非线性响应.在PM_2.5污染由严重减轻至中度污染级别过程中,能见度改善并不明显.只有把PM_2.5浓度控制在115μg/m³以下（轻度污染或优良级别）,PM_2.5浓度降低,能见度才开始出现显著提高.但冬季要达到较高能见度水平（8km）,PM_2.5浓度需要继续严控至39μg/m³以下.本文对乌鲁木齐市冬季大气污染治理具有重要指导意义.     

多机器学习模型下逐小时PM2.5预测及对比分析

为了能及时、准确的估算出PM_2.5浓度及污染等级,分别构建了K最邻近模型（KNN）、BP神经网络模型（BPNN）、支持向量机回归模型（SVR）、高斯过程回归模型（GPR）、XGBoost模型和随机森林模型（RF）6个PM_2.5浓度预测模型,选取江西省赣州市为实验区域,采用2017~2018年逐小时气象站数据、PM_2.5浓度数据和Merra-2再分析数据开展PM_2.5预测实验.结果表明,缺少污染物观测数据时,利用能见度和气象因子等数据也能较好的预测PM_2.5浓度.在PM_2.5浓度预测精度方面,XGBoost模型最高,随机森林模型次之,高斯过程回归模型最差.6个模型的预测精度总体呈现冬季最高,秋季和春季次之,夏季最低.XGBoost模型的PM_2.5污染等级预测准确率高于其他模型,综合准确率达87.6%,并且XGBoost模型具有训练时间短,占用内存小等优点.XGBoost模型的变量重要性结果表明,能见度变量的重要性最高,相对湿度和时间变量次之.本研究可为环境部门准确预测、预报PM_2.5浓度提供参考.     

南京冬季气溶胶消光特性及霾天气低能见度特征

利用2015年1月气溶胶散射和吸收系数、PM_2.5质量浓度、大气能见度以及常规气象观测数据,分析了南京冬季大气气溶胶散射系数与吸收系数的变化特征,给出了散射系数与吸收系数对大气消光的贡献,以及能见度与PM_2.5质量浓度和相对湿度的关系.结果表明,观测期间南京大气气溶胶的散射系数和吸收系数分别为(423.4±265.3) Mm^-1和(24.5±14.3) Mm^-1,对大气消光的贡献分别为89.2%和5.2%,表明大气消光主要贡献来自于气溶胶的散射.散射系数与PM_2.5相关性较好(R²=0.91),能见度随PM_2.5质量浓度呈指数下降,也与相对湿度保持一定负相关性.能见度均值为4.3km,且连续出现能见度不足2km的低能见度天气,霾天气下消光系数和PM_2.5质量浓度大幅超过非霾天气,最高值分别达到1471.2Mm^-1和358 μg/m³,霾天气下能见度的降低来自颗粒物与相对湿度的共同影响.     

2007~2016年北京天气分型与霾日的关联

采用COST733软件将北京地区2007~2016年的大气环流总体分为T1~T9种类型,研究其与霾日的关联性,并结合PM_2.5和臭氧地面观测,分析不同天气型对应的污染特征及气象参数分布规律.2007~2016年霾日发生概率21.5%,T4和T9型下霾日最多,T5和T8型最不利于霾日发生.9类天气型下霾日变化具有阶段性,2007~2012年（阶段一）霾日少且年际差异小,2013~2016年（阶段二）霾日增多.对9类天气型下霾日PM_2.5及臭氧变化进行分析,T1、T3、T4和T9型霾日多出现在秋冬季,PM_2.5日变化为逐时增加态势,4类天气型在第一阶段的白天有浓度波动增长形成的小峰值,但第二阶段减弱消失.大部分天气型的霾日,阶段二的PM_2.5浓度较阶段一降低,T7和T9型表现为增加,增幅分别为23.7%和3.9%.所有天气型霾日的臭氧日变化均为单峰型,峰值出现在下午,臭氧日均浓度最高为T8型.此外,阶段二与阶段一相比,T3、T5和T6型臭氧平均浓度增加,其中T5型增幅达到49.8%.将霾日与近地面气象要素关联分析,平均气温、风向、风速可以较好的解释臭氧浓度变化,而PM_2.5的变化特征不仅与气象要素相关,在一定程度上也体现了污染排放及区域联动减排的贡献,需两者结合才能更好探究PM_2.5浓度整体特征及细节变化.     

1981~2010年深圳市不同等级霾天气特征分析

利用1981~2010年深圳市地面观测及空气质量监测资料,分析深圳不同等级霾天气的长期变化特征以及大气水平能见度、空气质量与霾的关系.结果表明:深圳霾日数总体呈增多趋势,强度增强,中度以上霾增多;各等级霾日数均呈增多态势,但不同等级霾日占年总霾日的比例变化趋势不同,轻微霾所占比例下降,轻度以上霾上升; 霾天气呈现冬季>秋季>春季>夏季的季节特征,但重度霾却是夏季最多; 霾导致大气水平能见度明显下降,霾日平均能见度较非霾日低6~7km,霾等级越高,能见度下降越明显,霾日能见度日变化幅度较非霾日小;霾日SO2、NO2浓度为非霾日的1.4~1.7倍,PM10是非霾日的2.2倍,大气颗粒物污染加剧可能是深圳能见度恶化、霾天气增多的一个重要原因;针对荔香站霾日SO2浓度日变化不明显,PM10 、NO2浓度呈双峰型分布,与上下班时段吻合,说明机动车的增加也是深圳霾天气增多的主因之一;霾等级越高,空气中PM10、SO2、NO2的浓度越高,从轻微到重度霾各级之间SO2、NO2和PM10浓度增幅大都在15%~20%.     

基于WRF-RTIM的上海地区霾预报MOS方法研究

应用基于系统辨识理论的实时迭代模式(real-time iterative model,RTIM)对WRF模式预报结果进行后处理,建立了上海地区霾天气的模式输出-统计(model output statistics,MOS)方法.首先,根据WRF模式的气象输出资料,结合大气污染观测数据,筛选出霾事件的预报因子;其次,运用系统辨识实时迭代模型,建立依据MOS预报方法的PM2.5、PM10和能见度预报模式;最后根据霾事件的判别标准,对上海2012年11月—2013年1月的霾日进行24 h和48 h预报.结果表明,PM2.5模式预报成功率为75.0%~63.9%,PM10模式预报成功率为87.5%~81.8%,能见度模式预报成功率为71.0%~74.2%,霾日预报成功率为73.7%~72.7%.分析表明,研究期间上海的气溶胶以细颗粒物为主,低能见度主要由导致霾现象的PM2.5引起.该方法能较准确地预报霾日的发生,可为我国城市大气环境业务预报提供参考依据.     

长三角地区PM2.5区域性污染时空变化特征

为定量分析长三角地区PM_2.5区域性污染的变化特征,建立适用于长三角地区的PM_2.5区域污染划分标准,基于2015—2020年长三角地区41个城市日均ρ(PM_2.5)开展区域污染变化趋势研究,并针对长三角PM_2.5重度区域污染开展了时空变化以及网络特征分析. 结果表明:①2015—2020年长三角三省一市年均ρ(PM_2.5)降幅均在25%以上,城市ρ(PM_2.5)分布呈北高南低的特征,南北城市之间ρ(PM_2.5)差异较大,ρ(PM_2.5)最高值与最低值相差35~46 μg/m3. ②2015—2020年长三角PM_2.5区域污染天数比例为16.9%~35.9%,以轻度污染为主,不同年份中度和重度污染天数比例差异较大,且主要出现在秋冬季,轻度、中度和重度污染天数均呈波动下降趋势. ③与2015年相比,2019年和2020年PM_2.5区域污染天数分别减少了38和69 d,且PM_2.5重度区域污染持续天数和重度及以上污染城市数量均呈减少趋势. ④PM_2.5重度区域污染日,长三角城市之间表现出较强的污染关联性,并可划分为4个子群. 以连云港市为代表的子群1位于长三角地区北部,PM_2.5污染相对较重,受长三角区域内输送影响较小,但对区域内其他城市有一定的输送影响;以宁波市为代表的子群2和以南京市为代表的子群4受长三角区域内输送影响较大,并指示了东路沿海和中路两条污染传输通道;以安庆市为代表的子群3位于内陆地区,污染独立性相对较强,受长三角区域内输送影响较小,同时对长三角其他城市影响也较小. 研究显示,长三角地区PM_2.5污染改善显著,但重度区域污染尚未消除,中北部城市的联防联控将对改善PM_2.5区域污染起积极作用.      

基于BP神经网络的污染物浓度多模式集成预报

基于中国气象局雾-霾数值预报系统CUACE、北京区域环境气象数值预报系统BREMPS和华东区域大气环境数值预报系统WRF-Chem三个环境气象模式预报产品,利用BP神经网络方法建立多模式集成预报模型.首先通过实验得到BP神经网络的训练函数、隐含层节点数和训练样本长度分别为贝叶斯归一化训练函数trainbr、10和50.随后选取北京、天津和石家庄站点的预报结果检验该模型的预报性能.结果表明：（1）相对于单模式,BP神经网络集成预报的3~72h逐3h污染物浓度和观测之间的归一化平均偏差从-100%~200%降低到-20%~20%,污染物浓度和观测的均方根误差比各单模式降低15%以上,相关系数从0.1~0.8提升到0.3~0.85之间,说明其预报结果优于各单模式.（2）2016年AQI等级评估表明,集成模型预报的北京轻度和中度污染的TS评分分别比CUACE提高22%和10%,在天津重度污染的空报率和漏报率分别降低31%和25%.（3）2016年12月份的重污染过程评估发现,集成模型预报的PM_2.5浓度的演变趋势和实况基本相符.     

南京冬季典型霾天气过程多元对比分析

选取2017～2020南京地区冬季3个典型霾天气过程,综合分析了霾天气过程中污染物、气象要素以及边界层条件等影响机制与特征变化.结果表明,3次过程中,AQI指数峰值分别为304(严重污染)、227(重度污染)与176(中度污染),且与PM2.5、PM10浓度变化基本趋于一致,PM25与PM10比值基本都大于0.7;污染...     

天津大气稳定度和逆温特征对PM2.5污染的影响

利用气象铁塔资料分析了逆温频率和强度,采用温差-风速法计算了天津地区大气稳定度,探讨了其相互关系及对PM_2.5浓度月均值和超标日的影响,并对一次重污染过程中大气稳定度和逆温分布特征进行了分析.结果表明,2015年9月~2017年8月A,B,C,D,E和F类大气稳定度发生频率依次为6.7%,11.4%,22.4%,46.1%,11.1%和2.2%,秋冬季节稳定类天气（E,F类）较多,全年白天各时段均以不稳定类大气为主,夜间大气稳定度以中性为主,秋冬季夜间稳定类高达30%~40%.观测期内冬季逆温频率最高,5：00~8：00和21：00~23：00超过90%,冬季逆温强度也最高.随着稳定类大气层结日数的增多,PM_2.5月均值和污染日数均有所增大,同时逐月PM_2.5均值、污染日发生频率均与逆温发生频率呈正相关关系.2016年12月16~21日的一次重污染天气过程显示,PM_2.5受到大气稳定度和逆温发展的影响,霾形成、雾-霾交替和消散等阶段大气稳定度和逆温特征具有显著的不同.大气持续趋于稳定及逆温强度的逐渐增大,对污染生成和维持起了非常重要的作用,污染过程中大气稳定度和逆温特征的精细化分析有助于提升重污染天气预报预警水平.     

河北省边界层气象要素与PM2.5关系的统计特征

为了研究河北省边界层气象要素与PM_2.5的关系,综合利用常规气象探测资料、逐小时地面自动站气象观测资料、环境监测站逐小时AQI及ρ(PM_2.5)资料等进行了统计分析.结果表明:①冬季海平面气压低于1 030 hPa、24 h变压为-3.0~-2.0 hPa、地面相对湿度高于60%、露点温度高于-10 ℃时发生全省性重污染天气的可能性较大;而海平面气压高于1 040 hPa、24 h变压在4.0 hPa以上、地面相对湿度低于40%、露点温度低于-10 ℃时,有利于清洁天气的出现.清洁天气下边界层的盛行风向多与冷空气活动有关;污染天气下盛行风向有区域性差别,边界层小风(<3.0 m/s)的风速频率高于90%. ②过程雨量达到中雨及以上量级的降水对PM_2.5具有较明显的清除作用,中雨量级降水对PM_2.5清除速率约为2 h,但优良空气质量持续时间短,平均为15 h;大雨及以上量级的降水对PM_2.5清除率达67.8%,并且优良空气质量可以持续27 h. ③与降水相比,风对PM_2.5的清除作用更为显著.较强偏南风对空气质量有一定改善,但优良空气质量仅持续16 h;大于3.0 m/s的系统性偏北风对PM_2.5清除率高达85.1%,优良空气质量持续长达32 h,空气质量的改善最为彻底.研究显示,PM_2.5与边界层气象要素关系紧密,不同级别的风和降水对PM_2.5的清除程度存在显著差异.      

长三角秋冬季典型区域霾天气特征及对比

为总结出霾天气发生时的相关影响因子、特征共性,选取长三角地区8个主要城市,2016~2019年秋冬季发生的7次典型霾天气过程,对比分析了3次霾天气过程中AQI、PM_2.5浓度、气象要素、天气形势、边界层特征的变化以及污染物来源.结果表明：不利的气象条件及高低空配置的静稳天气型导致霾天气的形成.3次过程AQI指数峰值分别为247、306及272,与PM_2.5浓度变化趋于一致.PM_2.5浓度和能见度呈明显负相关关系,且污染过程发生时能见度普遍偏低,2、3次过程能见度谷值均低于50m.高相对湿度、稳定的气温及静风与霾过程的形成有着紧密的联系.总体上混合层高度与AQI呈现负相关关系,混合层高度较低抑制垂直对流,从而使污染物在低空区域性积聚,3次污染过程混合层高度最低值均小于100m.逆温层的出现利于霾污染过程中污染物的累积,近地层的贴地逆温将污染物集聚在地表,第1次过程贴地逆温强度高达8.2℃;脱地逆温导致污染物在边界层内堆积并抑制其扩散,均易导致高浓度污染发生,第2次过程脱地逆温为主,强度高达4.8℃.气溶胶类型多为沙尘、大陆型污染物、污染型沙尘及烟粒.污染发生通常受局地排放、区域输送及长距离输送的共同影响,气团携带的因人为产生的细粒子也是造成污染的主要原因之一.     

基于精细观测资料的深圳不同季节霾及其污染特征分析

利用2010~2013年逐时霾、能见度和空气质量监测数据,分析了深圳霾天气的变化特征、霾与空气质量和气象条件的关系.结果表明:深圳市霾日数总体呈现增多增强趋势,2009年开始明显下降;霾日数呈“V”型月变化:即秋冬季多、春夏季少,秋冬季多发持续时间长、影响严重的霾过程,春夏季多发持续时间短的霾过程; 霾常伴有污染发生(35%),污染以轻度污染为主;霾时首要污染物PM2.5最多、其次O3,这说明PM2.5是造成深圳霾的主因,且深圳光化学污染严重. 霾时PM2.5、PM10 和O3季节变化明显,冬春季首要污染物以PM2.5为主(75%以上),夏秋季O3和PM2.5为主;分析还发现,风、相对湿度与霾密切相关,风速越弱,湿度越大, 越利于霾出现和发展.约80%的中重度霾出现在风速<2m/s,相对湿度70%~90%的情况下.     

2014~2017年北京城区霾污染态势及潜在来源

统计分析2014~2017年北京城区霾污染发生情况,利用HYSPLIT模式对4年内气流来向进行聚类计算,识别区域内的主要污染传输通道和潜在污染源区分布及变化.结果显示,研究期间北京市城区空气质量状况整体呈改善趋势,灰霾时发生率从2014年的50.6%降至2017年33.7%,灰霾日数由165d降至78d,每年10月到次年采暖结束的3月灰霾发生较为集中.不同强度霾发生频率逐年下降,秋、冬季灰霾发生频率及污染强度均逐步降低.冀东南平原区、太行山东麓以及燕山南麓沿线为京津冀地区的3条主要污染传输通道,传输高度均在近地1000m内,期间通道轨迹对应北京城区PM_2.5平均达124.1μg/m³,其出现频率在2014~2017年逐年减小,并且各年当中同类轨迹所对应的北京PM_2.5均呈逐年下降趋势.北京城区PM_2.5的主要潜在源区从华北平原和渤海天津港区域逐渐缩小至冀中南和鲁西北地区,且传输通道区域污染贡献率逐年降低,有利的天气形势和人为的区域减排是近年空气质量改善的2大主因.     

中山市2000~2014年霾天气特征及气象影响因子

利用中山市2000~2014年气象资料及2013~2014年环境监测站资料,分析中山市霾特征及气象影响因子,结果表明,中山市霾日数年际变化明显,最少为11d,出现在2005年;最多为134d,出现在2008年.霾天气主要发生在秋冬季节,霾日数最多的月份是1月,平均为10.5d.霾日PM_2.5的平均浓度是非霾日的2.26倍,PM_2.5是霾天气的重要污染物.中山市霾日典型天气形势有7种:大陆高压型、海上高压型、均压场型、冷锋前部型、台风外围下沉气流型、槽前脊后型、低压槽型.其中以大陆高压型占比例最高,为52.03%,冷锋前部型造成的能见度最低.气流轨迹聚类分析表明,影响中山的气流轨迹有7类,主要来源于东北方向的大陆和偏东方向的沿海;在东北方向气流轨迹影响下,污染物浓度较高;在东部沿海的气流轨迹下,能见度较低,表明中山市的霾天气受区域传输影响显著.