PWD22能见度仪监测上海市水平能见度的试验研究

利用PWD22能见度仪监测数据,分析了上海市2008年—2009年能见度日变化规律和四季逐日变化特征,以及能见度和混合层高度(MLH,Mixed Layer Height)、空气污染指数(API)及气象要素(相对湿度、风速、温度)的相关性。结果表明,能见度一峰一谷日变化特征明显,峰值出现在14:00~16:00,谷值出现在6:00~8:00。能见度与MLH相关性显著,与温度最差。能见度和气溶胶光学厚度(AOT)线性拟合呈负相关关系,且夏季相关性最显著,冬季最差。     

合肥市颗粒物和气象条件对大气能见度的影响研究

利用2019—2021年合肥市气象参数、颗粒物浓度、颗粒物化学组分、颗粒物散射系数、颗粒物粒径谱等的逐小时观测数据,分析了合肥市大气能见度变化趋势及其影响因素。结果表明,2019—2021年,合肥市能见度呈逐年上升的总体特征,并且在季节变化上呈现为夏高冬低,在日变化上呈现为午后最高、夜间最低。相关性分析结果显示,合肥市能见度与颗粒物浓度、相对湿度均呈显著负相关关系,且能见度与相对湿度的相关程度比与颗粒物浓度的相关程度高15.5%~219.2%。相对湿度是直接影响合肥市能见度的主要因素之一,而温度、风速对能见度的间接影响作用相对较小。能见度与颗粒物特性关系研究结果表明:能见度与水溶性离子的相关程度高于与碳质组分的相关程度;当能见度处于较低水平时,能见度与PM_2.5主要组分浓度的相关性明显减弱,相对湿度、超细颗粒物占比、水溶性离子含量和碳质组分含量等因素对能见度的影响逐渐凸显;在较高PM_2.5浓度环境条件下,颗粒物散射系数的显著变化是导致能见度降低的主要原因;小粒径颗粒物对合肥市大气能见度的影响程度相对较高,应优先大幅度降低PM_1.0浓度。     

2008年1月广州颗粒物数浓度污染特征

于2008年1月利用颗粒物计数器(CPC)、颗粒物在线观测仪(TEOM1400a)、自动气象站以及现时天气现象传感器(PWV22)获得了大气颗粒物中每分钟颗粒物数浓度、每30分钟PM2.5>浓度、风速、相对湿度、降雨量等气象因子以及大气能见度.结果发现,1月份能见度低于10km的天数达到25天,其中灰霾天气有17天.灰霾天气下,颗粒物敖浓度为22032±4731个/立方厘米,PM2.5,浓度为123.1±64.5 μg/m3.非灰霾和灰霾天气下颗粒物数浓度日变化趋势总体比较接近,但在13:00～16:00时段,非灰霾天气条件下颗粒物数浓度变化比较明显,而灰霾天气条件下颗粒物数浓度变化比较平缓.现测期内颗粒物教浓度与大气能见度、相对湿度、风速呈负相关,与PM2.5质量浓度、温度呈正相关.灰霾天气下颗粒物数浓度与PM2.5浓度、相对湿度的相关性系数绝对值明显高于非灰霾天气下颗粒物数浓度与这两者的相关性系数绝对值.     

青岛市区春夏季大气能见度与颗粒物的关系

利用青岛市灰霾综合观测站2012年3月2日-2012年6月7日期间的监测数据,分析了青岛市区大气能见度与不同粒径颗粒物质量浓度的日变化特征,比较了各级别大气能见度下不同粒径颗粒物质量浓度及所占比例的相关性,研究了相对湿度对大气能见度和颗粒物质量浓度相关性的影响.结果表明,监测时段大气能见度与颗粒物质量浓度呈现较好的负相关,每天大气能见度最低值出现在早晨07:00--09:00;剔除相对湿度高于90％的前提下,PM2.5是影响大气能见度的主要因子,随着其在PM1o中所占比例上升,大气能见度级别不断下降,相关系数为-0.84;不同相对湿度区间下,PM2.5对大气能见度的影响最明显,其中,相对湿度为60％ ～ 70％,大气能见度与颗粒物质量浓度之间的相关性最好.     

昆山冬季一次持续性雾霾天气生消过程分析

选取2016年12月昆山地区出现的1次持续性雾霾天气，对其雾、霾交替过程中所表现的阶段性特征和差异性进行了分析。结果表明:（1）不同程度的雾霾持续约5d，受北方污染气团入侵及冷空气、湿度等条件影响，雾、霾轮流交替出现。（2）与能见度呈现正相关的气象因素有气压和风速；呈现负相关的有相对湿度和露点温度；气温与能见度相关性不明显。（3）颗粒物浓度变化大致可分为前、后2个阶段，当相对湿度增大到接近饱和时，颗粒物并不能无限地吸湿增大，此时颗粒物浓度对能见度的影响可能已不是主要因素。（4）气团后向轨迹分析表明，前期污染物主要来自山西、河南一带，第2次污染气团主要来自西北方向。     

广州PM2.5污染特征及影响因素分析

对广州市2008—2010年PM_2.5质量浓度、影响因素数据资料进行整理统计,通过定性分析、定量计算以及对各物理量之间的相互作用过程研究,得出PM_2.5质量浓度变化特征和各影响因素之间的关系。结果表明,PM_2.5质量浓度变化呈现夏季和非夏季2种典型的季节性特征,夏季月平均值0.049 mg/m³,主要分布在0.03～0.05 mg/m³,非夏季月均值为0.063 mg/m³,分布于0.05～0.08 mg/m³之间;夏季、非夏季PM_2.5质量浓度超标率(采用美国EPA标准)分别为70.7%、77.8%,质量标准2倍、3倍以上出现的概率都表现出明显的季节性差异;PM_2.5与温度正相关,和其他因素负相关,其中与能见度相关性最大,其次是温度、风速,与降雨量相关性最差,与气压、相对湿度相关系数季节性特征显著。     

基于天津臭氧污染特点的气象条件与天气分型研究

使用天津市2013—2019年连续污染物监测数据和气象观测数据探讨臭氧污染现状,分析气象条件对臭氧浓度的影响,对不同臭氧污染过程案例进行天气分型,统计出现臭氧污染时的污染气象特征。结果表明:天津市臭氧浓度不降反升,2017—2019年连续3年超过国家二级浓度限值,2019年以臭氧为首要污染物的重污染天约占全年的1/2。春季和秋季臭氧污染日益突出,4月臭氧浓度已明显升高。天津市臭氧日最大8 h滑动平均质量浓度(O₃-8 h)在日最高气温超过30℃、相对湿度20%~70%、西南风或东南风风速1~2.5 m/s、白天边界层高度1 400 m以下时较高。将臭氧污染天气形势分为春夏之交、盛夏高温和夏秋静稳3种类型。其中春夏之交天气型易出现臭氧与PM_2.5协同污染;盛夏高温天气型平均风速较大,日最高气温大于35℃;夏秋静稳天气型平均风速小、边界层低。     

河南省2014-2020年PM2.5浓度时空分布特征及气象成因分析

利用2014—2020年河南省18个地级城市空气质量监测资料和气象数据，运用空间自相关分析、ArcGIS制图及相关性分析等方法，从时空分布特征上揭示河南省PM_2.5污染特征，并分析其气象成因。结果表明：河南省2014—2020年PM_2.5年均浓度为40～100μg/m³,总体呈递减趋势。PM_2.5浓度季节分布特征为冬季>秋季=春季>夏季。河南省2019年和2020年PM_2.5污染空间分布存在显著自相关，污染程度严重的地区主要是中部和东北部地区。冷热点分析发现，热点城市为濮阳、安阳、济源、郑州、新乡、焦作、鹤壁，冷点城市为信阳、驻马店、周口。PM_2.5在年尺度上与气压、气温、相对湿度、风向、风速、能见度显著相关，其中，与气温相关性最高，相关系数为-0.424。当相对湿度处于90%以下时，PM_2.5浓度与相对湿度呈正相关；而在相对湿度超过90%之后，PM_2.5浓度下降至70μg/m³...     

黑龙江省环境空气污染物和气象要素的典型相关分析

通过对黑龙江省4个自然年(2016年1月1日—2019年12月31日)环境空气污染物和气象要素的分析,揭示了黑龙江省气象条件对空气污染物浓度的影响规律与特征。对PM_(2.5)、PM_(10)、SO_2、NO_2、CO和O_3等6项污染物的描述性统计和简单的相关分析显示:黑龙江省环境空气质量呈现逐年变好的趋势,非采暖期环境空气质量好于采暖期,6项污染物中除O_3呈现夏季偏高以外,其余污染物采暖期浓度均高于非采暖期。运用典型相关分析法探究环境空气污染物与温度、降水量、相对湿度、风速和气压5项气象要素之间的关系,并进行统计学检验,结果表明:环境空气污染物与气象要素之间存在显著相关,温度、风速和相对湿度对污染物具有显著影响。非采暖期大气相对湿度对PM_(10)和O_3-8h的影响显著;而在采暖期,风速对PM_(10)和PM_(2.5)的影响显著。     

宁波市秋冬季大气能见度特征及影响因素分析

针对宁波市大气能见度的观测研究表明,宁波市秋冬季大气能见度均值为11.6 km,霾日发生率为31.6%,霾日的能见度均值为6.6 km,且PM_(2.5)质量浓度在100~120μg/m3范围内的频率最高。能见度随着PM_(2.5)浓度增大呈指数下降,且相同的PM_(2.5)浓度情况下,相对湿度越大,能见度越低。能见度为10 km的临界点上,PM_(2.5)质量浓度值对应为67.5μg/m3。不同相对湿度时,能见度为10 km对应的PM_(2.5)质量浓度临界值不同。通过建立能见度回归方程发现,低相对湿度(RH≤30%)时,PM_(2.5)对能见度的影响权重最大;高相对湿度(RH60%)时,相对湿度的权重最大;RH低于60%时,RH的权重随着PM_(2.5)浓度的增加而增大;而RH高于60%时,RH的权重随着PM_(2.5)浓度的增加而减小。分析结果可为宁波市灰霾防治和采取合适的管控措施提高能见度提供一定参考。     

乌鲁木齐市可吸入颗粒物污染水平及其与气象因素的相关性分析

为了解可吸入颗粒物污染水平与气象因素之间的关系,从2008年9月—2010年2月采集乌鲁木齐市可吸入颗粒物样品,并对其随时间的变化特征及其与气象因素之间的相关性进行了统计分析。结果表明,采样时间内可吸入颗粒物中PM2.5和PM2.5-10的质量浓度的范围分别为38.2~468.7μg/m3和20.8~243.1μg/m3,平均浓度分别为134.2μg/m3和69.2μg/m3。可吸入颗粒物同时受几种气象因素的影响,其浓度与温度、能见度、风速呈负相关,与湿度呈正相关。     

成都市大气能见度变化特征及影响因子研究

利用MICAPS 2008—2011年地面观测资料,分析了成都市区大气能见度的变化特征。以2009年成都地区一次低能见度天气过程为例,分析大气能见度与各气象要素的变化关系,讨论影响成都市大气能见度变化的主要因素。结果表明:近年来伴随着霾天数的逐年下降,成都市区年平均大气能见度呈上升趋势,夏季平均值最高,春季次之,冬季最低。高湿和低风速是造成成都市低能见度现象的主要气象条件。PM2.5的浓度与成都市大气能见度呈显著负相关,PM2.5浓度的快速增长是造成大气能见度急剧降低的重要原因。有效降低PM2.5浓度,减少大气污染物排放,是改善成都市区大气能见度的有效途径。     

Mathematical models for accurate prediction of atmospheric visibility with particular reference to the seasonal and environmental patterns in Hong Kong

Atmospheric visibility impairment has gained increasing concern as it is associated with the existence of a number of aerosols as well as common air pollutants and produces unfavorable conditions for observation, dispersion, and transportation. This study analyzed the atmospheric visibility data measured in urban and suburban Hong Kong (two selected stations) with respect to time-matched mass concentrations of common air pollutants including nitrogen dioxide (NO(2)), nitrogen monoxide (NO), respirable suspended particulates (PM(10)), sulfur dioxide (SO(2)), carbon monoxide (CO), and meteorological parameters including air temperature, relative humidity, and wind speed. No significant difference in atmospheric visibility was reported between the two measurement locations (p > or = 0.6, t test); and good atmospheric visibility was observed more frequently in summer and autumn than in winter and spring (p < 0.01, t test). It was also found that atmospheric visibility increased with temperature but decreased with the concentrations of SO(2), CO, PM(10), NO, and NO(2). The results showed that atmospheric visibility was season dependent and would have significant correlations with temperature, the mass concentrations of PM(10) and NO(2), and the air pollution index API (correlation coefficients mid R: R mid R: > or = 0.7, p < or = 0.0001, t test). Mathematical expressions catering to the seasonal variations of atmospheric visibility were thus proposed. By comparison, the proposed visibility prediction models were more accurate than some existing regional models. In addition to improving visibility prediction accuracy, this study would be useful for understanding the context of low atmospheric visibility, exploring possible remedial measures, and evaluating the impact of air pollution and atmospheric visibility impairment in this region.     

The Impact of Air Pollutants and Meteorological Variables on Visibility in Delhi

A study has been made to analyze the impact of air pollutants and meteorological variables on visibility in Delhi, for the years 2003–2006. The correlation matrix of daily visibility, meteorological variables, and air pollutants concentration during the period has been studied. The matrix reflects the negative values of the correlation coefficient of visibility with respirable suspended particulate matter, suspended particulate matter, relative humidity, and, positive values with dry bulb temperature, maximum temperature, minimum temperature, and sunshine hours. The annual average visibility has been estimated as approximately 2.77 km. Furthermore, it is found to be maximum in monsoon, followed by summer, post-monsoon, and winter seasons. It is also noticeable that the visibility is always higher in rainy days when compared with that in dry days. Similarly, the annual average visibility during the weekends is found to be higher than that in the weekdays. The daily visibility has been forecasted through two statistical techniques namely, multiple linear regression (MLR) and principal component regression (PCR). The results obtained from these two techniques have been evaluated by comparing with observed data. This proves satisfactory performance of both the techniques. In addition, it reflects that the PCR performs better than the MLR technique.     

青岛市采暖期PM2．5与大气能见度的关系

利用青岛市大气综合观测站的研究性监测数据，分析了2011年采暖期PM2.5和能见度的相关性，结果表明：①能见度在≤3km时，对应的PM2.5浓度超出0．250mg／m^3，属于严重污染；②PM2.5浓度对能见度的影响存在一临界区域，当PM2.5浓度低于该临界区时能见度会随PM2.5浓度减少迅速改善，临界值大致位于PM2.5浓度为0．100mg／m^3处；③相对湿度小于85％时，能见度与PM2.5浓度呈显著负相关。其中，相对湿度在60％-70％时，能见度与PM2.5浓度之间的相关性最好，PM2.5对能见度的影响最直接。     

佛山市近地面臭氧污染特征及相关气象因子分析

利用2014年佛山市8个国控大气自动监测点位的O_3监测数据,分析了佛山市的O_3污染特征,结果表明,2014年O_3日最大8 h平均值的第90百分位数为167μg/m~3,O_3为首要污染物的超标天数为43d,占比46.7%;ρ(O_3)区域变化不大;ρ(O_3)月变化呈现"三峰型",全年高ρ(O_3)集中在6—10月份,其中7月份出现全年最高峰值;ρ(O_3)日变化呈单峰型分布,夜间浓度较低且变化平缓,14:00—16:00左右达到峰值,并存在一定的"周末效应",但并不明显;ρ(O_3)与气温呈显著正相关,与湿度、气压、雨量呈显著负相关,与风向、风速的相关性相对较弱;总体上看,高温、低湿、微风、偏南风、低压、无雨的天气条件下高ρ(O_3)更容易出现。