2006年春季石家庄市沙尘天气与PM_(10)污染

文章应用气象资料和环境监测逐时资料,对2006年春季石家庄市出现的沙尘天气过程中PM10浓度变化,及其与污染源、天气形势、风、周边环境等的关系进行分析。结果表明,沙尘天气的首要污染物均是PM10,PM10的变化曲线呈正态分布,春季中度及以上污染日均出现在污染日当日或次日。造成石家庄沙尘天气污染源分本地型、外来型以及两者共同影响型三种。本地型沙尘污染强度取决于风速大小及强风持续时间,PM10浓度变化与风速呈正相关。而外来型污染多发生在地面弱气压场,PM10浓度变化与风速呈反相关。文章总结出沙尘天气污染预警的几个必要条件,可供实际的空气质量预警参考。     

2008年春季呼和浩特沙尘天气与TSP和PM_(10)污染的关系

利用TSP和PM10逐时监测数据,对2008年春季呼和浩特市TSP和PM10浓度的变化及其在沙尘天气过程中的相关性进行了分析,结果表明:(1)2008年春季TSP和PM10浓度值多高于国家环境空气质量二级标准,沙尘天气是影响空气环境质量的主要诱因。(2)TSP和PM10浓度在沙尘暴发生当日及前后几天均会有不同程度的增加,且以沙尘天气发生当日浓度最大。TSP和PM10浓度3月份最低,4月份次之,5月份最高。(3)不同沙尘天气过程中,TSP和PM10浓度相差明显,且TSP与PM10/TSP值随沙尘天气强度的增加而增大,PM10在不同沙尘天气过程中均为主要组成成分。(4)沙尘天气过程中TSP与PM10呈线性相关。     

我国西北典型大城市大气可吸入颗粒物浓度分布特征

我国西北地区冬季寒冷、春季多风沙天气,空气中的可吸入颗粒物(PM10)浓度较高,利用兰州、西宁、乌鲁木齐、银川、呼和浩特等城市2000年6月～2007年12月每日浓度最高的大气主要污染物(SO2,NO2,PM10)浓度资料,研究了5个省会城市PM10分布特征。结果表明,五个城市PM10污染都较严重,PM10为主要污染物的日数每月平均超过20天。五个城市的季节分布特征类似,冬春季浓度较高,平均值都达到了国家二级污染标准,夏秋季相对低一些。其中,兰州和乌鲁木齐冬季浓度值远高于其他城市。五个城市均属煤烟沙尘型污染,但煤烟和沙尘的影响程度有所不同。     

库尔勒市大气颗粒物污染特征与影响因素分析

针对库尔勒市PM 10、PM 2.5年均浓度超标现象,基于市区3个环境监测站2013—2017年的逐时观测数据,分析PM 10、PM 2.5污染特征、成因及其主要影响因素。结果表明:①2013—2017年库尔勒市PM 10年均浓度变化较大且无明显趋势,PM 2.5年均浓度整体呈下降趋势;②季节尺度上,库尔勒市PM 10在每年2—5月呈现高浓度,PM 2.5高浓度期则为10月至翌年5月;③城郊的开发区站PM 10浓度最高,老城区的州政府站PM 2.5浓度最高,在PM 10和PM 2.5的高浓度期空间差异尤其显著;④PM 10与风速显著正相关,来自塔克拉玛干沙漠的风蚀沙尘颗粒物是库尔勒地区颗粒污染物的主要来源;⑤库尔勒市PM 10主要为外源输入,PM 2.5则以城市内源为主,相对湿度、风速、风向、温度等气象条件是影响大气颗粒物浓度及分布的重要因素。     

阿克苏市空气质量PM_(2.5)浓度变化研究与对策

近年来随着雾霾天气的频发和空气环境质量的不断下降,有关PM_(2.5)的研究逐渐成为研究的重点和热点。本研究利用阿克苏市2014年PM_(2.5)连续在线监测数据,对PM_(2.5)的污染现状和季节变化、月变化、日变化、昼夜变化规律进行探讨和分析。结果表明,阿克苏市PM_(2.5)质量浓度平均值春季最高,其次为冬季,夏季最低。春季沙尘天气和冬季采暖燃烧源是PM_(2.5)质量浓度增加的主要原因;阿克苏市PM_(2.5)质量浓度日均值为14.96~282.84μg/m3,年平均值为77.85μg/m3,是国家二级标准的1.04倍;阿克苏市PM_(2.5)质量浓度春季白天高于夜间,夏季和冬季白天低于夜间。     

2010年春季沙尘天气对北京市空气质量的影响及其天气类型分析

利用2010年3-5月北京市市区以及北京西北部、西部和东部3个不同方位边界的空气质量自动监测站监测数据,结合气象资料和激光雷达观测数据,分析了春季外来沙尘对北京市空气质量的影响。研究结果表明:2010年春季北京市出现15次外来沙尘天气,外来沙尘输送对北京市空气质量的影响天数为21 d,直接造成15 d空气质量超标,最严重的一次API指数达到最大值500。沙尘的天气形势特征以及输送路径的不同,对北京市空气质量的影响有明显差异。当低压中心过境时,沙尘天气影响最重,颗粒物浓度显著上升,气态污染物迅速下降,沙尘呈现自西北向东南输送的特征;低压底部过境与低压中心过境类似,但是沙尘强度略弱;除此之外,沙尘回流也可以直接造成北京市空气质量超标,颗粒物浓度和气态污染物浓度均表现出上升的变化趋势。     

2001年～2008年及奥运会期间天津市大气污染特征分析

根据天津市大气质量监测数据,对2001年～2008年及奥运会期间天津市大气污染特征和主要大气污染物的变化规律进行了分析。结果表明,2001年～2008年天津市的PM10、SO2和NO2污染总体呈下降趋势,但质量浓度仍相对较高。2008年8月奥运会期间天津市PM10和SO2质量浓度达到国家空气质量二级标准,NO2质量浓度达到国家空气质量一级标准,空气质量良好。天津市PM10污染相对稳定,SO2和NO2的污染分布呈现明显的季节性,时间上表现为冬强夏弱。气象条件对污染物浓度影响明显,沙尘、大雾等天气可使污染物浓度急剧升高。     

佛山市高明区环境空气污染物变化分析

根据佛山市高明区2007—2012年环境空气监测数据资料,分析该区近6年来空气污染物的变化趋势和影响因素。结果表明,2007—2012年该区空气污染呈现由单一型污染向复合型污染转变,综合污染指数总体上升,污染物以SO2、PM10为主。SO2、NO2浓度呈逐年增长,PM10则呈平稳状态。三者污染浓度最高值均在每年第4季度出现。该区的SO2浓度主要受工业污染源影响;NO2也受工业影响显著,与机动车数量呈正相关;PM10与烟粉尘排放量呈正相关,与降水量呈负相关。因此,改善该区环境空气应着重从控制工业污染源、扬尘污染、机动车排气污染3大方面开展工作。     

青海高原一次沙尘重污染天气成因分析

利用常规观测的卫星云图资料、地面资料、探空资料、地面污染物监测数据,结合拉格朗日粒子扩散模型(LPDM)污染源溯源方法,对2018年2月青海高原一次沙尘重污染天气的主要成因以及沙尘传输特征进行了分析。结果表明:此次重污染天气受高空低槽东移影响,在300~700 hPa形成了强烈的辐散下沉,槽后的高空急流随之东移。在其东移过程中,受高空急流动量下传及偏北气流中的冷空气共同作用,青海东部出现了大风沙尘天气。边界层中逆温层的存在是此次污染天气持续的重要原因之一,加之未出现明显降水,不利于大气污染物的扩散。通过运用LPDM对此次污染天气的运动轨迹进行分析来看,气团影响的模拟高度层距离地面100 m,气团层趋势一致。研究区地处青藏高原,海拔较高,0~100 m高度的气团足迹可以反映出PM 10污染气团的输送路径。同时,0~100 m是主要的人为源排放空间,也是对人类活动影响较大的区域。气团足迹与PM 10浓度的变化趋势一致,即青海东部沙尘污染主要是由河西走廊沙尘倒灌进入青海东部导致,这与天气学分析结果一致。     

太原市2013年环境空气质量变化特征分析

为全面了解太原市的环境空气质量状况及污染物的时间变化规律,本文选取太原市8个站点2013年1月至12月六种主要污染物(SO2、NO2、PM10、CO、O3、PM2.5)为期一年的监测数据,评价该市2013年环境空气质量的总体情况,研究各污染物在不同时间尺度的变化特征及相互之间的关系。结果表明,2013年太原市环境空气质量以良和轻度污染为主,首要污染物主要为PM2.5和PM10;SO2、NO2、PM10、CO和PM2.5的小时变化规律较为一致,都呈现"双峰型"的变化特征,O3则呈显著的"单峰型"变化规律;上述六种污染物具有明显的季节变化特征,SO2的浓度峰值主要集中在供暖期,NO2和O3—8h浓度在夏季要高于其他季节,PM10的浓度峰值出现在春季(3月)和秋季(10月),CO的浓度峰值集中在11月和12月,PM2.5的浓度峰值主要集中在冬季;相关性分析结果表明,SO2、NO2、PM10、CO、PM2.5浓度日均值在全年各时段均具有很好的正相关性,化石燃料的燃烧可能是上述污染物质的共同来源。     

外来沙尘输送对北京市空气质量影响的预报预警技术初步研究

利用多方位监测数据和气象资料,分析了2010—2011年春季外来沙尘输送对北京市空气质量指数的影响,提出外来沙尘对北京市空气质量级别影响的预报判据。此外,基于NAQPMS模型的沙尘模块,开展数值预报研究,并对北京市2010年3月一次沙尘天气污染过程进行数值模拟试验,结果表明,模拟的PM10浓度值与实测值有较好的一致性。通过判别预报和数值模拟两种预报技术的开展,可以预报沙尘输送影响的空气质量级别、沙尘分布和演变规律,为进一步开展空气质量预报预警和防控沙尘工作打下了很好的科学基础。     

洞庭湖区一次重度空气污染过程成因分析

利用AQI和PM_(2. 5)质量浓度、地面气象要素、NCEP、ERSST_V3、GBL等资料,对2016年12月29日至2017年1月5日洞庭湖区一次重度空气污染过程成因进行了分析。结果表明,静稳天气形势下的累积效应和本地持续升温、降压、增湿、小风导致污染物浓度不断增加。本地风速与雨量对污染物浓度产生显著影响。降温前风速明显加大,有利于污染物快速扩散。湿度增加有利于污染物吸湿性增长,但高湿易引起降水有利于污染物的湿清除。此次重度空气污染过程中大气稳定度为中性或稳定,14:00混合层高度逐渐降低且重度空气污染日降至100 m以下。污染物空间分布与主导风向和污染通道密切相关。气流后向轨迹分析表明,洞庭湖区各地气流来源和影响路径差异明显,且存在大范围区域性同步污染现象。北方外来污染源是洞庭湖区重要的污染面源,本地工业污染排放点源和地理条件也是洞庭湖区空气污染物空间分布差异的重要因素。     

成渝地区一次区域重污染过程来源解析及减排效果研究

基于嵌套网格空气质量预报模式(NAQPMS)及耦合的污染来源追踪模块模拟2017年12月16日至2018年1月3日成渝地区一次区域重污染过程,定量解析成渝地区主要城市PM2.5来源,评估过程中应急减排的成效。结果表明,天气静稳和风向辐合是造成此次重污染过程的重要因素,污染峰值阶段,成渝地区多个城市PM2.5日均质量浓度超过150μg/m3,达到重度污染级别。污染过程中,成都市PM2.5本地排放的贡献率为42%,眉山和德阳贡献率将近30%;重庆市PM2.5本地排放的贡献率为60%,外来输送以湖北、湖南和其他地区为主,贡献率为24%,成都和重庆市的工业源和交通源的贡献最大。区域联防联控应急减排对成渝各城市空气质量改善效果显著,成渝地区PM2.5浓度降低率为5%~11%,对于未实施应急预警方案的地区(如眉山市)受周边城市减排影响,浓度降低可达6%。     

Spatial variability of air pollutants in the city of Taranto, Italy and its potential impact on exposure assessment

Epidemiological studies typically use monitored air pollution data from a single station or as averaged data from several stations to estimate population exposure. In industrialized urban areas, this approach may present critical issues due to the spatial complexities of air pollutants which are emitted by different sources. This study focused on the city of Taranto, which is one of the most highly industrialized cities in southern Italy. Epidemiological studies have revealed several critical situations in this area, in terms of mortality excess and short-term health effects of air pollution. The aims of this paper are to study the variability of air pollutants in the city of Taranto and to interpret the results in relation to the applicability of the data in assessing population exposure. Meteorological and pollution data (SO2, NO2, PM10), measured simultaneously and continuously during the period 2006–2010 in five air quality stations, were analyzed. Relative and absolute spatial concentration variations were investigated by means of statistical indexes. Results show significant differences among stations. The highest correlation between stations was observed for PM10 concentrations, while critical values were found for NO2. The worst values were observed for the SO2 series. The high values of 90th percentile of differences between pairs of monitoring sites for the three pollutants index suggest that mean concentrations differ by large amounts from site to site. The overall analysis supports the hypothesis that various parts of the city are differently affected by the different emission sources, depending on meteorological conditions. In particular, analysis revealed that the influence of the industrial site may be primarily identified with the series of SO2 data which exhibit higher mean concentration values and positive correlations with wind intensity when the monitoring station is downwind from the industrial site. Results suggest evaluating the population exposure to air pollutants in industrialized cities by taking into account the possible zones of influence of different emission sources. More research is needed to identify an indicator, which ought to be a synthesis of several pollutants, and take into account the meteorological variables.     

2015—2017年江苏省秋、冬季空气质量状况

采用2015—2017年秋、冬季江苏省环境空气质量监测数据,从空气质量优良(达标)率、首要污染物、主要污染物浓度分析空气质量现状及特点。结果表明,江苏省秋、冬季空气质量优良(达标)率在60%左右,其中沿海地区空气质量达标率最高(71.1%),西北地区达标率最差(52.2%)。污染日的首要污染物主要为PM 2.5,占比高达91.5%。ρ(PM2.5)/ρ(PM 10)存在地区差异,江苏西北地区扬尘源贡献较大,江苏南部地区的二次颗粒物贡献更明显。ρ(NO2)/ρ(SO2)逐年持续升高,表明大气污染类型从燃煤性污染转变为复合型污染。     

Particulate Matter Over A Seven Year Period in Urban and Rural Areas Within, Proximal and Far from Mining and Power Station Operations in Greece

Lignite mining operations and lignite-fired power stations result in major particulate pollution (fly ash and fugitive dust) problems in the areas surrounding these activities. The problem is more complicated, especially, for urban areas located not far from these activities, due to additional contribution from the urban pollution sources. Knowledge of the distribution of airborne particulate matter into size fraction has become an increasing area of focus when examining the effects of particulate pollution. On the other hand, airborne particle concentration measurements are useful in order to assess the air pollution levels based on national and international air quality standards. These measurements are also necessary for developing air pollutants control strategies or for evaluating the effectiveness of these strategies, especially, for long periods. In this study an attempt is made in order to investigate the particle size distribution of fly ash and fugitive dust in a heavy industrialized (mining and power stations operations) area with complex terrain in the northwestern part of Greece. Parallel total suspended particulates (TSP) and particulate matter with an aerodynamic diameter less than 10 μm (PM10) concentrations are analyzed. These measurements gathered from thirteen monitoring stations located in the greater area of interest. Spatial, temporal variation and trend are analyzed over the last seven years. Furthermore, the geographical variation of PM10 – TSP correlation and PM10/TSP ratio are investigated and compared to those in the literature. The analysis has indicated that a complex system of sources and meteorological conditions modulate the particulate pollution of the examined area.     

海口市臭氧污染特征

基于2013—2015年海口市4个空气质量自动监测站点数据,结合气象资料,分析了海口市O_3的污染特征。结果表明:海口市O_3总体优良,优良天数比例为99.4%,污染天数均为轻度污染;在良和污染天数中,O_3作为首要污染物的天数占40%,超过其他5项污染物占比。海口市10月O_3浓度最高。O_3月均浓度与温度呈负相关关系,同时与风向有密切关系:5—8月气温较高,以南风为主,O_3浓度较低;1月北风频率较高,易受外来污染传输作用,O_3浓度相对较高。O_3超标日以东北风为主,日变化并未呈现单峰型特征,12:00—22:00时段O_3浓度在10%范围内小幅变化。台风外围型和北方冷高压底部型是造成海口市O_3超标的2类典型天气形势。