京津冀区域臭氧污染趋势及时空分布特征

为研究京津冀区域的臭氧(O_3)污染情况及其时空分布特征,对2013—2015年京津冀区域13个城市80个国家环境空气监测点位的监测数据进行了统计分析。结果表明:2013—2015年,京津冀区域O_3污染状况整体呈加重趋势,其中2014年污染状况最为严重。13个城市中O_3污染最严重的城市为北京和衡水,连续3年均超标,且处于上升态势中。区域内不同城市O_3污染趋势并不相同。京津冀区域O_3浓度变化呈明显的季节变化特征,春末和夏季的O_3污染最严重。O_3-8 h(臭氧日最大8 h均值)年均值的高值区主要分布在北京中北部、承德和衡水等,2013—2015年第90百分位O_3-8 h的高值区均集中分布在北京。O_3的浓度峰值时间要晚于NOx2~5 h。O_3在春、夏季呈单峰分布,白天15:00左右出现最大值,在秋、冬季浓度较低,全天波动不大。     

内蒙古近地面臭氧污染时空分布特征及气象条件分析

使用2018—2020年内蒙古臭氧(O₃)、气象要素观测资料和NCEP FNL资料,统计分析内蒙古近地面O₃质量浓度的时空分布特征和变化趋势,并针对全区O₃污染典型个例分析其天气形势和气象要素的影响作用。结果表明:内蒙古2018—2020年O₃质量浓度年评价值呈逐年下降趋势,2020年较2018年下降10.3%,各盟市O₃超标率也显著降低,仅赤峰市和通辽市略微上升。内蒙古O₃质量浓度高值分布在中西部偏南地区,尤其是乌海市和鄂尔多斯市;O₃超标率峰值主要出现在5—7月,周末效应存在东西部差异。O₃浓度变化和天气形势关系密切,南部暖平流和暖高压控制有利于O₃生成,西北部冷平流和冷涡发展使得O₃浓度下降;高温、低湿、微风和较高的能见度均为诱发O₃污染的重要气象条件,而西北大风通过降低温度、能见度和易于扩散的风向使得内蒙古O₃浓度降低,但同时可能会导致PM₁₀污染。     

沈阳地区臭氧污染日时空变化特征及天气分型研究

利用2013-2019年沈阳地区11个国控监测站近地层臭氧(O3)浓度监测数据和地面气象观测资料,分析了沈阳地区O3污染日的O3浓度时空分布规律,并对造成O3污染日的天气系统进行了主观分型.结果表明:自2013年以来,以O3为首要污染物的天数逐年增加,2017年达到研究期内的最高值,但2018-2019年略有下降.O3...     

上海市臭氧污染时空分布及影响因素

分析2006—2016年上海市的监测数据发现,臭氧(O_3)浓度存在逐年上升趋势,污染持续时间有所增加,但除水平风速有下降趋势外,其他相关气象因素的年际变化趋势并不显著。空间分析结果表明,上海市O_3超标主要集中在西南部郊区,但市区O_3超标潜势不容忽视。O_3污染高发季节的污染玫瑰图分析发现,上海市南部地区是影响上海市O_3污染的关键区域;对于NO_2减排的影响分析发现,尽管上海市O_3平均浓度总体处于上升趋势,但在NO_2下降幅度最为明显的内环市区和北部郊区,O_3上升幅度低于NO_2下降幅度较小的内外环区域和西部郊区,表明上海市的O_3污染控制仍需持续推进NOx的减排,并同步推进VOCs的减排。     

济南市夏季甲醛时空分布特征及对臭氧污染的影响

基于Sentinel-5P卫星遥感数据,分析济南市2019—2021年夏季甲醛浓度的时空分布特征及对臭氧污染的影响。结果表明：研究期间夏季甲醛平均柱浓度呈逐年下降趋势,2020年同比降幅最大为24%;甲醛浓度高值区域主要分布在人口密集的市区及工业聚集的章丘区、济阳区和商河县,呈现由城市中心向外扩散的趋势;甲醛浓度受周边城市的影响,形成一条东西向的区域化污染带;甲醛对臭氧的影响主要表现在臭氧污染轻度或污染初期,而氮氧化物的排放进一步加重臭氧污染。     

河源市2014—2017年空气污染特征及天气类型分析

利用2014—2017年河源城区环境空气自动监测站数据和气象数据,对期间出现的污染天气过程进行统计,对影响污染的天气类型进行分类。结果表明,2014—2017年,河源城区累计出现污染天气65d,超标污染物主要为PM2.5和O3,O3超标比例逐年上升成为达标率首要影响因子。PM2.5易污染天气型中冷高压出海占比最多(38.2%),其次为冷锋前(17.7%)和均压场(14.8%);O3易污染天气型中副高控制占比最多(31.0%),其次为副高叠加台风外围(24.1%)和冷高压出海(13.8%)及均压场(13.8%)。河源城区低程度污染(AQI值101~110)占比较大。     

大连市臭氧污染特征及典型污染日成因

通过对大连市区10个空气监测子站的监测数据进行分析,探讨了大连市臭氧污染的时空分布、气象条件对臭氧污染的影响,对臭氧污染日进行了归类分析。结果表明,大连市臭氧污染主要出现在4—10月。在强紫外辐射、高温、低湿、低压和低风速的气象条件下,监测点位的臭氧浓度较高。臭氧污染日的日变化分为单峰型、双峰型和夜间持续升高型3种类型。通过对2015年的一次高浓度臭氧污染过程的气象条件、污染物浓度和污染气团轨迹进行分析,发现臭氧浓度在夜间持续升高现象与区域输送密切相关。     

滁州市臭氧污染特征及一次连续臭氧污染过程分析

利用滁州市环境空气质量监测数据和气象观测数据,分析了滁州市O₃污染基本特征,并着重分析了一次连续O₃污染过程中气象因素、VOCs以及其他污染物对于O₃浓度的影响。结果表明:滁州市环境空气污染类型正由\"PM_2.5型\"向\"PM_2.5和O₃混合型\"转变,O₃污染程度呈现加重趋势,污染持续时间有所拉长。9月4—9日一次连续O₃污染过程中O₃呈单峰状;受到光化学生成和区域传输共同影响,峰值时气温大多在30℃以上,相对湿度较小,风速大多处于小风区(WS≤1 m/s),也有部分处于风速较大区域(WS>3 m/s);VOCs/NO_x比值法和O₃/NO_x比值法均反映此次连续O₃污染为VOCs控制;体积分数较大的VOCs物种主要为烷烃,其中单个体积分数最大的物种是乙烷;烯烃是对O₃生成贡献最大的关键活性组分,对O₃生成潜势的贡献为53.5%,控制1-戊烯、反2-戊烯、异戊二烯、间/对二甲苯等物种可以有效控制光化学生成对此次O₃污染过程的影响。     

洛阳市老城区环境空气中臭氧污染特征及相关气象要素分析

本文利用洛阳市老城区豫西宾馆空气质量自动监测点的监测数据,对2012-01~12该区域大气中臭氧污染浓度的连续监测结果及同步气象资料进行了分析。结果表明,洛阳市老城区环境空气中臭氧污染主要表现为臭氧日最大8小时平均浓度污染,全年超过GB3095-2012《环境空气质量标准》中二级标准(0.160mg/m3)的频率为21%。臭氧浓度具有明显的日变化及季节变化特征;由于臭氧污染的季节特点,导致全年污染天数显著增加。通过分析发现气温、风速、降水、太阳紫外线辐射等气象因素对臭氧浓度变化均具有一定影响,臭氧污染气象特征表现为晴朗、高温、低风速的午后时段会出现臭氧的高浓度污染。     

石家庄臭氧时空分布特征及潜在源分析

基于2020—2021年石家庄市261个环境空气质量自动监测站监测数据,利用反距离加权插值法、空间自相关法以及后向轨迹模型,分析研究区臭氧超标率、时空分布特征、内部聚集状态与来源。结果表明:与2020年相比,2021年石家庄各县(市、区)臭氧超标率均有不同程度的下降,其中行唐县下降幅度最大。臭氧浓度月变化呈倒“V”形,夏季浓度最高,其次是春季和秋季,冬季最低。研究区臭氧空间分布呈中西部高、东部低的特征。2020年,研究区臭氧超标严重,中西部区域多数点位超过了190 μg/m³,其余点位超过了160 μg/m³;2021年,除个别监测点位臭氧浓度高于190 μg/m³外,研究区中西部地区臭氧浓度出现下降,东部地区多数点位臭氧浓度低于160 μg/m³。后向轨迹分析结果显示,臭氧污染气团主要源于位于研究区东北方向的保定、正南方向的邢台以及西北方向的忻州。臭氧在污染气团传输过程中不断积累,导致其浓度偏高。潜在污染源范围与浓度权重轨迹范围基本一致,潜在源区的污染贡献相对较小。通过对2020年与2021年石家庄市臭氧浓度变化进行分析可知,研究区臭氧污染正在逐渐减轻,臭氧污染管控工作的重点应放在夏季,同时应注重对研究区正南方向和东北方向城市的污染传输加强管控。     

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。     

天水市紫外吸收性气溶胶时空动态的遥感监测

采用OMI传感器的气溶胶产品,分析了2006—2015年中国西部城市天水市对流层紫外吸收性气溶胶的时空分布特征。结果表明:空间上,十年间天水市的吸收性气溶胶表现出从中部向周围依次减弱的南北向带状分布规律;季节变化呈现出秋冬季高于春夏季的规律;时间上,吸收性气溶胶指数(AI)从2006年的0.075增至2015年的0.506,年均值为0.28,年均增长率为57.5%;十年间出现2次阶段性增长和2次阶段性减小;AI年际变化与天水市地方总产值相关性为0.902,第一产业对其影响最大,第三产业影响最小。     

南京青奥会空气质量监测保障的经验与思考

从空气质量保障目标、监测网络、预测预报、信息发布、科研课题等角度,对比分析了南京青奥会、北京奥运会、上海世博会、广州亚运会等4大赛事/活动的空气质量监测保障体系,总结了南京青奥会在空气流动监测车布设、空气质量专家会商与信息发布等方面的经验得失,并提出了改善建议。     

江苏省春季臭氧污染特征分析

对2018—2020年春季江苏省臭氧(O3)污染特征进行了分析.结果表明,江苏省ρ(O3)均超过二级标准限值,分别超出5.6％,11.3％和8.8％,沿江区域ρ(O3)略高于苏北区域;ρ(O3-1 h)日变化呈\"单峰型\",峰值呈逐年上升趋势,非污染日苏北区域ρ(O3-1 h)均高于沿江区域,主要时间段体现在夜间至次日早...     

江苏省空气质量预报与实测结果比对研究

选取2015年1—8月江苏地区NAQPMS、CMAQ、CAMx、WRF-Chem 4个模式预报结果与实测值进行比对分析,结果表明,标准化分数偏差(MFB)为-0.066 5~0.201 1,标准化分数误差(MFE)最大值为0.381 8,均在理想范围内,其中CAMx预报效果相对较好,WRF-Chem有一定误差。4个模式相比,NAQPMS对于PM_(10)的模拟性能较好,各模式对PM_(2.5)模拟性能相近,CMAQ和CAMx对O_3模拟较好,WRF-Chem对CO模拟较好,各模式对SO_2和NO_2的模拟都需进一步优化。     

阜新市大气污染特征及气象因子影响分析

利用2016—2020年阜新市大气污染物浓度和空气质量指数,分析其空气质量变化特征及其与气象因子的相关性。结果表明：2016—2020年阜新市细颗粒物（PM_2.5）和可吸入颗粒物（PM₁₀）污染日数逐年减少,臭氧（O₃）污染加剧。与2016年相比,2020年重度以上污染天数比例减少0.3%,优良天数比例下降5.2%。阜新市空气质量秋季最好,夏季首要污染物为O₃,秋、冬季污染物以PM_2.5 和PM₁₀为主。皮尔森（Pearson）相关性分析结果表明,PM_2.5 与风速呈负相关（-0.055）,冬季PM_2.5 与气压呈负相关,相关系数最大,为-0.260;反之,相对湿度在冬季与PM_2.5 呈显著正相关,相关系数最大（0.553）。与PM_2.5 不同,气温是影响O₃质量浓度的主要气象因子,春季O₃与气温呈正相关,相关系数最大,为0.635。降雨日污染物浓度随降雨量增大呈不同程度地减小,污染物浓度在小雨量级达到最高。研究结果对于研究阜新市大气污染状况和气象条件的相互关系具有重要意义,同时,风速、气温、气压和相对湿度等关键气象因子及其阈值变化能够为本地环境预报提供科学参考。     

天津市基于新标准的空气质量预报模型效果评估

利用2015年环境空气质量监测数据,对天津市OPAQ空气质量统计预报模型预测效果进行验证评估。结果表明,模型对天津市AQI和PM_(2.5)、PM_(10)、O_3、NO——2的预测结果与实测结果具有较好的趋势一致性,且预测时间越临近,拟合度越好,24 h预报的相关系数r全部达到0.8以上。对PM_(2.5)的预报性能明显优于PM_(10)、O_3和NO_2,PM_(2.5)平均值预测略呈正偏差,但重污染预测值偏低约15%;O_3和NO_2预测值呈明显负偏差,O_3峰值预测不足,NO_2预测值整体偏低,均以24 h预报趋势性最好,但负偏差最为突出。     

广州市污染季节空气质量预报效果评估及误差分析

基于广州市2016年第四季度空气质量实测及预报数据,对广州市污染季节空气质量预报效果进行了评估,结果表明,2016年第四季度广州市空气质量级别预报准确率83.7%、AQI范围预报准确率67.4%、首要污染物预报准确率67.2%、综合考核评分87.4分、相关系数0.78,预报效果总体良好,预报准确率在优良级别时相对较高,而在轻度污染以上级别时相对较低。预报误差分析表明,气象预报精细化程度不足、模式预报不确定性等客观因素,预报员缺乏对污染过程物理化学机制的深入理解等主观因素共同导致了预报的误差。     

沿海地区中小城市环境空气质量预报模式的研究与应用

根据两年来的实际工作经验,探讨了沿海地区气象因素对环境空气质量的影响,并结合沿海地区气候特征及污染现状对影响环境空气质量的因素进行了研究分析,建立了适合于沿海地区中小城市环境空气质量预报模式,其预报准确率高。对沿海地区中小城市今后开展空气质量预报工作具有一定的指导意义。     

长三角区域环境空气质量预测预警体系建设的思考

世博会期间长三角区域空气质量自动监测网络和数据共享平台的成功搭建和有效运行,为探索长三角区域空气质量预测预警长期合作模式提供了宝贵的经验和启示。需要建立全方位区域空气质量监测网络和数据资源共享系统、源排放清单、开发区域多模式集合预报系统,构建区域多层面运作机制和会商制度,建设一批专业技术和复合型人才队伍。区域不同层面有效的管理体制机制的保障是区域环境空气质量预测预警体系的基础支撑。