气象因素对泉州臭氧的影响

利用泉州城区2017年全年连续观测的O_3和气象要素资料,统计了臭氧浓度的分布特征,分析了气象要素对O_3质量浓度的影响,对比了O_3超标日和非超标日的气象要素特征。结果表明:(1)泉州市O_3质量浓度月变化呈双峰形,春季最高,夏季最低;日变化呈单峰形,最大值出现在13:00—14:00,最小值出现在06:00—07:00,上下游站O_3浓度存在明显传输效应。(2)泉州O_3质量浓度与相对湿度呈负相关,其相关性最高;与风速呈正相关,其相关系数最低,且存在明显区位性差异;与气温的相关性比较复杂,既有正相关,也有负相关。(3)各站点O_3小时质量浓度超标时,均对应2个气象要素区间值。(4)对比污染日非污染日发现,污染日相对湿度较低(50%～60%),非污染日较高(70%～80%);污染日温度略低于非污染日;污染日风向总体为西南偏南,非污染日风向为西南-东南。     

银川市臭氧污染特征及其气象条件诊断分析

利用2017年银川市区O_3监测数据和同期气象资料,分析O_3污染时间变化特征,在对高浓度O_3污染发生时段典型气象特征诊断分析的基础上,初步总结银川市O_3污染气象要素预警指标和典型环流特征。结果表明:银川市近地面O_3浓度春夏季高、秋冬季低,其月浓度峰值一般出现在夏季6月或7月;O_3浓度白天高、夜间低,日O_3浓度峰值一般出现在14:00—18:00之间;当14:00地面紫外辐射30 W/m~2、气温高于28℃、相对湿度低于40%、风向为偏东或偏南风时发生高浓度O_3污染的概率较高;500 hPa大陆高压脊前西北气流型和地面热低压底部东南气流型是银川市发生O_3污染的典型环流特征。     

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。     

京津冀地区臭氧污染特征与来源分析

2013—2014年京津冀地区13个城市O_3日最大8 h平均值第90百分位数平均为155~162μg/m3,京津冀地区已成为全国O_3污染最严重的地区之一,京津冀地区O_3污染程度有所加重。京津冀地区夏季O_3浓度高,冬季浓度低,O_3质量浓度较高的月份集中在5—9月,12月—次年1月浓度最低。在O_3污染较重的夏季,每日6:00~7:00,O_3质量浓度最低,15:00~16:00 O_3浓度最高。在空间分布上郊区点位的O_3质量浓度往往高于主城区点位。京津冀区域夏季O_3小时浓度和NO2浓度呈高度负相关关系,和其他污染物无明显的相关性。O_3质量浓度和气温呈显著的正相关关系,和大气相对湿度呈显著的负相关关系。京津冀区域O_3的主要来源为NOX和VOC等一次污染物在日光照射下发生光化学反应而产生,控制O_3前体物的源排放,尤其是控制好VOC的排放是控制O_3污染的有效途径。     

2015年2月广西典型空气重污染过程及成因分析

基于环境空气质量监测数据和气象观测数据，分析2015年2月5日—14日广西典型空气重污染过程及形成原因。结果表明：重污染期间PM2.5平均质量浓度为118 μg/m3，超标0.57倍，日均质量浓度超标率为92.1%；与2014年1月重污染过程相比，此次污染过程持续时间减短、极端污染天气有所缓解、PM2.5为首要污染物的比例增大。气象条件和气流后向轨迹分析表明，大气层结稳定、近地层逆温明显、风速小、相对湿度大等静稳天气是此次污染过程形成的重要原因，广西本地排放污染物及区域污染传输相叠加是造成重污染的根本原因。     

台州市区臭氧污染特征及来源解析

利用台州市区2013—2017年O_3监测数据分析其污染特征,并采用CMAQ模型研究各类污染源对O_3的贡献率。结果表明:台州市区O_3年均浓度稳定,月均浓度4—10月较高,日小时浓度呈单峰型,峰值出现在13:00左右;在温度较高、相对湿度50%～80%、风速1.0 m/s～3.0 m/s、风向为偏东时O_3浓度相对较高,易出现超标现象;本地排放源是O_3形成的主要来源,各季节贡献率略有差异,分别为春季(72.28%)、夏季(69.95%)、秋季(69.24%)、冬季(66.28%);工艺过程源、道路移动源和居民生活源是O_(3 )形成的3大来源,贡献率分别为26.32%、12.89%和9.91%。     

天津市臭氧污染特征与影响因素分析

2013—2015年,天津市臭氧(O_3)浓度整体呈下降趋势,污染状况略低于京津冀区域的其他城市。O_3浓度春、夏季高,冬季低,高值主要集中在5—9月,浓度从早上06:00开始升高,至中午14:00达到峰值。污染主要集中在中心城区、西部和北部地区,东部、南部和西南部地区污染相对较轻。O_3浓度在温度303 K以上、相对湿度70%以下或西南风为主导时较高。VOCs/NOx比值低于8,O_3的生成处于VOCs控制区。芳香烃类和烯烃类对天津市O_3生成贡献最大,其中,乙烯和甲苯为O_3生成潜势贡献最大的物种,其次为间/对二甲苯、丙烯、邻二甲苯、异戊二烯、反-2-丁烯、乙苯等,通过控制汽车尾气、化工行业及溶剂使用等对O_3生成潜势贡献大的VOCs排放源可有效控制天津市O_3污染。     

一种评估烟花爆竹燃放对大气PM2.5影响的新方法

基于北京市空气质量自动监测系统2013年2月常规污染物监测数据,提出了定量估算烟花爆竹燃放对大气PM2.5影响的污染物相对比值(PM2.5/CO)法。利用该方法研究表明,2013年北京除夕烟花爆竹燃放使PM2.5单站1小时平均浓度最大增加709μg/m3(石景山古城监测点);全市24小时平均浓度增加88μg/m3,达到159μg/m3,空气质量由良好升级为重度污染。元宵节夜间烟花爆竹燃放使PM2.5单站1小时平均浓度最大增加469μg/m3(海淀万柳监测点),全市24小时平均浓度增加54μg/m3。除夕夜、元宵夜全市平均烟花爆竹PM2.5浓度超过75μg/m3的时间分别为5、7 h,达到峰值后半衰期分别为0.9、1.7 h。城区烟花爆竹PM2.5浓度高于郊区,并可导致下风向郊区的PM2.5浓度显著增加。除夕、元宵节北京市区烟花爆竹排放PM2.5总量分别约为1.91×105kg、1.17×105kg。     

三亚市臭氧污染特征、输送路径及潜在源区分析

基于2015-2019年三亚市空气质量自动监测数据和气象观测资料,结合后向轨迹聚类与潜在源区分析等方法,分析了三亚市O₃污染特征。结果表明:2015-2019年三亚市O₃浓度总体优良,优良天数比例为97.9%(标准状态),超标天均为轻度污染,多发生在秋冬季。O₃浓度与平均相对湿度、气温和降水量呈负相关关系,与平均风速呈正相关关系,同时与风向密切相关。6-8月气温较高,主导风向为偏南风,O₃及其前体物以本地排放为主,O₃浓度较低;秋冬季盛行东北风,易受到来自内陆的污染传输影响,O₃浓度相对较高。当日最高气温为20~30℃、日均相对湿度为65%~85%、日均风速为3~8 m/s、主导风向为东北风时,三亚市发生O₃超标的概率较高。台风外围和冷高压南下是导致三亚市O₃超标的2种典型天气形势。经聚类分析得到,2019年2个污染过程气团输送路径均来自东北方向,潜在源区分析WPSCF与WCWT的高值区一致性较好,均表明珠三角地区是三亚市重要的O₃污染潜在源区,需要加强与珠三角地区O₃污染的联防联控。     

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。     

常州城区秋冬季黑炭气溶胶的浓度变化特征

根据常州市2012年9月-2013年1月的黑炭气溶胶（Black Carbon，以下简称BC）在线监测数据及常规气象资料，分析了BC在秋冬季不同时间段的变化特征及气象要素对BC的影响。结果表明，常州秋冬季BC平均值为5．17（1．48～17．02）μg／m^3，主要集中在1．00斗μg／m^3～7．50μg／m^3，冬季较高于秋季，小时均值最大值达33．87μg／m^3；BC本底值为3．50μg／m^3；1月份BC日均值变化幅度最大，发生高污染的频率最高。Bc的日变化具有明显的双峰结构，一天中最大浓度多出现在上午06：00-09：00，特殊天气条件下，BC小时值存在不同的分布情况；BC在不同风向的输送条件下有明显的不同，偏东北方向过来的气团易造成BC高污染。     

北京市2013年1月一次空气重污染过程分析

采用数值模式与观测资料相结合的方式，对北京市2013年1月9～15日一次空气重污染过程的大气环境背景、气象条件和形成原因进行了初步分析。结果表明，此次重污染过程北京市空气质量从9日的二级跳至10日五级重度污染，11日一13日空气质量维持连续3d严重污染，14日降为重度污染，15日转为轻度污染；重污染过程期间10—14日P（PM2.5）平均值为323μg／m。，平均风速为1．47m／s，平均相对湿度为73．6％，24h变温基本为一2．72～2．68℃，24h平均变压为一3．65～2．63hPa。指出，此次重污染过程与当地气象条件密切相关，稳定的大气环流形势为污染的持续提供了大气环流背景，风速较小、湿度较大、边界层较低、持续逆温是造成重污染的主要原因，地面风场辐合及边界层下沉运动是造成重污染的重要原因。     

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。     

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。     

Seasonal Variations of PM10 and TSP in Residential and Industrial Sites in an Urban Area of Kolkata, India

The objective of the study is to investigate seasonal and spatial variations of PM₁₀ (particulate matter with aerodynamic diameter less than or equal to 10 μm) and TSP (total suspended particulate matter) of an Indian Metropolis with high pollution and population density from November 2003 to November 2004. Ambient concentration measurements of PM₁₀ and TSP were carried out at two monitoring sites of an urban region of Kolkata. Monitoring sites have been selected based on the dominant activities of the area. Meteorological parameters such as wind speed, wind direction, rainfall, temperature and relative humidity were also collected simultaneously during the sampling period from Indian Meteorological Department, Kolkata. The 24 h average concentrations of PM₁₀ and TSP were found in the range 68.2–280.6 μg/m³ and 139.3–580.3 μg/m³ for residential (Kasba) area, while 62.4–401.2 μg/m³ and 125.7–732.1 μg/m³ for industrial (Cossipore) area, respectively. Winter concentrations of particulate pollutants were higher than other seasons, irrespective of the monitoring sites. It indicates a longer residence time of particulates in the atmosphere during winter due to low winds and low mixing height. Spread of air pollution sources and non-uniform mixing conditions in an urban area often result in spatial variation of pollutant concentrations. The higher particulate pollution at industrial area may be attributed due to resuspension of road dust, soil dust, automobile traffic and nearby industrial emissions. Particle size analysis result shows that PM₁₀ is about 52% of TSP at residential area and 54% at industrial area.     

基于EOF/SVD的2018年湖北省臭氧特征及其高值与气象要素关系研究

基于湖北省2018年4-10月臭氧、温度和相对湿度逐小时监测数据以及50 m风场逐小时再分析数据,采用经验正交函数(EOF)和奇异值分解(SVD)方法,分析了2018年湖北省臭氧特征及其高值与气象要素关系。结果表明:湖北省臭氧日最大8 h浓度距平呈现以武汉为正值中心、自鄂东向鄂西递减的主要空间分布型;15:00臭氧与温度呈现较好的正相关关系,以随州、襄阳及其周边最为明显;与14:00相对湿度呈现很好的负相关关系,以孝感、随州、荆门及其周边最为明显;襄阳西部和十堰北部地区15:00 50 m风场的纬向分量对本地臭氧高值有一定影响,武汉北部、黄冈北部以及孝感东部等地15:00 50 m风场的经向分量对本地臭氧高值影响较大。     

基于气象条件的太湖湖泛预警研究

2007年5月与2008年5月太湖水域产生的湖泛主要是由蓝藻水华引发的,但是蓝藻水华单纯地在湖湾或岸边浅水区大量堆积并不一定引发湖泛。研究发现,2007年5月与2008年5月的湖泛现象存在相同的触发机制:3d以上时间维持高温(平均气温大于20℃),微风(平均风速小于4m/s),风向基本一致(风向平均绝对偏差小于20°);其后,冷空气过境使得风速短时增大,风向调转180°左右,气温迅速降低,并且这种气象条件持续1d以上。在此研究基础上,给出了切实可行的太湖湖泛预警方案。     

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。