济南市空气质量状况与气象条件关系分析

利用济南市空气污染指数资料和气象资料,分析空气质量状况与气象条件的关系规律,建立起空气污染指数与气象要素间的季节性回归方程,并筛选济南市近年来的空气质量重污染过程,分析污染过程时对应的天气形势特征,为济南市的空气污染指数预报和环境保护工作中的污染潜势预报提供参考。     

成都市夏季近地面臭氧污染气象特征

利用2016年7月成都市8个环境监测站点的臭氧、NO_2的监测资料以及成都市国家基准气象站和基本气象站的观测资料,对成都市夏季臭氧、NO_2浓度和气象要素的日变化特征和臭氧污染过程进行了分析。研究结果表明:成都市臭氧污染受综合气象条件和NO_2浓度的影响,高温、低湿、强辐射有利于臭氧大量生成,NO_2浓度高低决定了臭氧浓度的峰值大小;在污染期间,大气边界层高度远高于本地平均水平,数值约为平均水平的2～3倍;成都市臭氧污染的主要影响因子存在地区差异,成都市区的臭氧主要来自于自身的光化学反应,而灵岩寺地区的臭氧来自于VOCs和大气水平输送。     

厦门市空气质量臭氧预报和评估系统

为了评价和预测厦门市区空气中臭氧的污染水平,运用2006～2009年的监测数据对臭氧的污染成因及其变化规律进行研究。通过风向、风速、气温、湿度等气象因子对臭氧浓度影响的分析,进而运用多元线性回归法建立厦门市臭氧预报及评估系统。     

气象因子对臭氧的影响及其在空气质量预报中的应用

为提高重庆市臭氧(O_3)预报准确率,利用2013—2015年5—10月O_3监测数据和气象数据,通过主成分分析、逐步回归分析等方法,确定了影响重庆O_3浓度的主要气象因素为最高温度、温差、太阳辐射、降水量、相对湿度、水气压和压差;通过基于O_3污染水平相似的主要气象控制因子筛选和最优组合的预报结果优化方法,提高了O_3预报准确率,使2016年5—8月O_3的AQI类别预报准确率由57.7%增至72.4%,O_3超标的预报准确率由38%增至46%。     

我国典型南方城市臭氧污染特征

分析了我国典型南方城市的臭氧污染特征,选取我国4个有代表性的南方重点城市武汉、宁波、中山和南宁的2013—2015年监测数据,使用EXCEL、ORIGIN和MATLAB等统计软件开展研究,结果表明:我国南方典型城市的臭氧质量浓度分布有明显时间变化特征,超标时间跨度大,部分南方城市与氮氧化物存在较明显负相关性,相关系数高于-0.6;受城市所在不同地理位置、气象因素、大气扩散条件及可能的不同本地排放污染源构成等因素影响,4个城市的近3年臭氧浓度月均值、超标情况和年内峰值均存在一定差异和分组相似性;与部分气象因素也表现出显著相关性。     

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。     

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。     

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。     

长沙地区O3污染潜势广义可加模型的季节分异性

基于长沙市2016—2019年臭氧（O₃）浓度的逐时监测资料以及该时段同时次的气象观测数据，首先利用相关性分析和方差膨胀因子相结合的方法排除了相对湿度、太阳辐射、气温、风速、气压之间存在多重共线性问题，进而构建了春、夏、秋、冬四季O₃日最大8 h滑动平均质量浓度（O₃-8 h）与上述气象因子的广义可加模型（GAMs），分析了O₃污染潜势GAMs模型的季节分异特征。结果表明：①春、夏、秋、冬四季O₃与相对湿度、太阳辐射、气温、风速、气压各变量之间多呈现出非线性关系（自由度大于1）。②春、夏、秋、冬四季多变量GAMs模型方差解释率（IRV）分别为80.7%、60.2%、83.0%、81.4%，调整判定系数R²分别为0.795、0.564、0.819、0.795，即不同季节气象因子在GAMs模型中对O₃的解释能力存在显著差异，秋季最好，冬春季次之，夏季最差。③相对湿度、太阳辐射、气温是决定春、夏、秋、冬四季O₃浓度变化最重要的气象要素，但其重要性排序随季节有所变化，对应的太阳辐射的F统计值分别为140.841、36.606、14.16、46.377，相对湿度的F统计值分别为3.291、4.158、15.82、8.105，气温的F统计值分别为7.030、2.113、15.79、3.340。该结论揭示了气象因子对O₃演化影响的复杂性，并为后续O₃污染潜势的预报奠定了基础。     

最优化集成方法在城市臭氧数值预报中的应用研究

基于多模式(NAQPMS、CMAQ、CAMx、WRF-Chem)空气质量数值预报业务系统的滚动预报结果,结合站点观测资料,评估了最优化集成方法在城市臭氧数值预报中的可行性和预报效果。一年的评估结果表明:当训练期为15 d时,最优化集成方法能够得到相对较好的结果。总体而言,最优化集成方法对城市臭氧浓度变化趋势和浓度水平的预报效果明显优于单个模式,且在大部分城市优于多模式的最优预报,其预报值和观测的相关系数提高0.11以上,均方根误差降低约10μg/m~3;该方法对城市臭氧污染等级的预报能力也明显优于单个模式,特别是轻、中度污染。此外,在模拟偏差较大的城市,最优化集成方法对预报效果的改进更为显著;在模拟偏差较小的城市,该方法仍可进一步提升预报效果。     

安徽省臭氧污染特征及气象影响因素分析

基于2016—2018年安徽省68个国控环境空气质量自动监测站点的臭氧(O_3)监测数据,研究分析了安徽省O_3污染特征及其与气象因子的相关性。结果表明:安徽省O_3污染程度呈现逐年加重趋势,并有显著的季节和月度变化特征。2016—2018年,各年度单月O_3日最大8小时滑动平均质量浓度第90百分位数的最大值分别出现在9月、5月、6月。O_3日变化趋势为典型的单峰形,各年度最低值出现在晨间07:00左右,最高值则是在15:00—16:00。全省O_3浓度总体上呈现出北高南低的空间特征。温度、相对湿度与O_3浓度分别呈现显著正相关、负相关,但在不同季节存在一定差异,其中,春秋季温度与O_3浓度的相关性好于夏冬季,夏季相对湿度与O_3浓度的相关性最为显著。O_3浓度在平均风速为2.1～2.2 m/s时更易出现超标。中部和北部城市在东南风的作用下易出现O_3超标并达到O_3浓度高值,而南部地区在风向为西风时更容易出现O_3超标。     

广州市近地面臭氧时空变化及其与气象因子的关系

利用2012年1月至2016年2月广州市环境空气自动监测数据和气象观测数据,对广州市近地面臭氧的时空分布特征及其与气象因子的关系进行分析。结果表明:2012—2015年广州市臭氧日最大8 h滑动平均值的第90百分位数波动变化,年变化率依次为-14.3%、5.8%、-12.1%;广州市臭氧浓度呈现夏、秋季高,春、冬季低的显著季节变化特征;臭氧日最大8 h平均值的月均值和第90百分位数最高的月份一般分别出现在10月和7—8月;臭氧浓度的日变化曲线为单峰型,最大值一般出现在14:00或15:00;臭氧浓度随垂直高度的升高而增大,从低层(6 m点位或地面站)到中层(118 m和168 m点位)、中层到高层(488 m点位)臭氧日最大8 h滑动平均值的增长率分别为18.3%和39.1%;广州市中心城区臭氧浓度低于南北部城郊,夏、秋季高值区与夏、秋季主导风向相对应;臭氧浓度受降水、气温、相对湿度和风速等气象因子影响,臭氧浓度的超标是多种因素综合作用的结果。     

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。     

平流层臭氧深度侵入对典型城区的影响过程分析

中纬度平流层臭氧深度侵入是造成对流层至近地面臭氧浓度突增的原因之一。筛选春夏季臭氧浓度升高时段的高分辨率大气再分析数据ERA5,以位涡值的下沉趋势分析了对流层顶折叠位置及变化过程;以AIRS数据反演了臭氧浓度、一氧化碳浓度和相对湿度的垂直廓线,并估计了其分布及相关性;以近地表污染物浓度变化、HYSPLIT模型后向轨迹分析结果证实了臭氧侵入气团的运移轨迹和局地效应;通过激光雷达监测结果观测臭氧垂直浓度分布,确定了臭氧浓度最大值所处高度,判定了受影响近地点的浓度升高时刻;以边界层高度变化、气象条件分析结果及当地与周边城市地面监测数据的逐小时变化情况等综合信息,进行了区域确认和近地面影响判定。通过以上数值综合分析,对城市地区受平流层臭氧深度侵入影响的过程和具体时间进行了详细再现,可为排除非人为排放因素导致的近地表臭氧浓度增加提供回溯分析,为臭氧污染防控决策提供依据。     

海口市臭氧污染及气象条件特征

近年来,臭氧已成为许多城市环境空气的主要污染物之一。笔者分析了2020年海口市5个不同方位代表性监测站点逐小时空气质量监测数据及对应站点的气象要素监测数据。研究结果表明:海口市2020年环境空气污染程度为三级以上的天数有11d,其首要污染物均为臭氧。臭氧浓度高值时段主要出现在10-12月。浓度最大值主要出现在每日14:00-17:00,最小值出现在每日05:00-08:00。气象要素日均值与臭氧浓度相关性大小依次为最高温度＞平均温度＞相对湿度＞降水量＞日照时数＞风速。台风外围下沉气流和东北气流的共同影响是导致海口市臭氧浓度超标的主要因素,下沉气流更有利于低层大气中臭氧的堆积,同时在东北气流影响下,上游区域污染物的传输也会导致海口市臭氧浓度增加。     

2008-2016年臭氧监测试点城市的臭氧污染特征

选取臭氧试点城市北京、沈阳、上海和重庆，通过对2008-2016年臭氧监测数据进行分析研究，可以看出4个试点城市中北京的臭氧污染最严重。4个城市的臭氧污染特征均为高浓度臭氧所占比例较大，高值比较高，低浓度臭氧所占比例较小。北京、沈阳和上海的年平均臭氧浓度总体呈上升趋势。北京、上海、重庆、沈阳4个城市9年的超标天数比例分别为15.9%、7.7%、3.9%、6.5%。上海的臭氧浓度在秋季非常高。2012年的臭氧变化趋势比较异常，可能是由于2012年发生的不寻常气候条件导致。4个城市的臭氧浓度变化和气象条件的变化显著相关。     

衡水夏季典型时段VOCs污染特征及O3污染过程分析

选取臭氧（O₃）污染高发的7月为夏季典型月，采用自动观测设备，从前体物VOCs的浓度水平及O₃生成潜势（OFP），前体物、气象因素与O₃相关性等多方面研究了衡水市O₃污染影响因素，并剖析了一次典型的O₃污染过程，以期为衡水市夏季O₃污染防治提供科学参考。研究结果表明：衡水市VOCs主要组分浓度占比为烷烃 > 烯烃 > 芳香烃 > 乙炔，主要组分对总OFP的贡献为烯烃 > 芳香烃 > 烷烃 > 乙炔；O₃与前体物VOCs、NO₂存在负相关性，与温度存在正相关性；相对湿度低于48%时，O₃和相对湿度呈负相关性，相对湿度高于48%时，O₃和相对湿度呈正相关性；气团中VOCs化学组成稳定性较低，平均VOCs最大增量反应活性（MIR）较低，为4.855gO₃/gVOCs；衡水市7月2—4日重度污染过程受本地生成和区域传输叠加影响。