冬季山谷风和海陆风对京津冀地区大气污染分布的影响

为了弄清冬季山谷风、海陆风对京津冀地区大气污染时空分布的影响,利用2016年12月地面加密自动气象站逐时观测数据和中国环境监测总站发布的逐时PM2.5浓度数据,计算平均风矢量场和平均PM2.5浓度场,分析山谷风、海陆风变化规律及其对PM2.5浓度分布的影响,得出:在山谷风日,中午至下午谷风将位于河北太行山东部地区的污染物向北输送。傍晚以后,在北京西部、北部,以及河北太行山山前出现的山风与偏南风构成“人字形”辐合线,辐合线的汇聚作用使北京地区、廊坊,以及保定、石家庄、邢台等地大气污染加重。在海陆风日,下午-前半夜,河北中东部沿海地区出现东南向海风,深入内陆到达天津东南部地区,海风前缘区域大气污染加重;通过对大气所铁塔0~325m风向风速与PM2.5浓度时间变化关系分析,以及利用Cressman法插值得到的地面风向风速和PM2.5浓度二维格点场,分析北京地区重霾污染过程中近地层山谷风和海陆风对大气污染形成的影响,得出:中午至下午,谷风将大气污染物向北京输送。傍晚以后,大气污染物在山风与偏南风形成的辐合线附近汇聚,在北京地区及以南地区形成PM2.5高污染区。凌晨至早晨北京被山风控制,大气污染物被吹离北京、滞留在北京以南至天津西北地区。冬季,山谷风的输送和汇聚作用使大气污染物以日为周期不断循环和累积,对北京地区至北京以南地区、河北太行山东部地区的大气重污染形成起重要作用。     

冬季山谷风和海陆风对京津冀地区大气污染分布的影响

为了弄清冬季山谷风、海陆风对京津冀地区大气污染时空分布的影响,利用2016年12月地面加密自动气象站逐时观测数据和中国环境监测总站发布的逐时PM_(2.5)浓度数据,计算平均风矢量场和平均PM_(2.5)浓度场,分析山谷风、海陆风变化规律及其对PM_(2.5)浓度分布的影响.结果表明,在山谷风日,中午至下午谷风将位于河北太行山东部地区的污染物向北输送.傍晚以后,在北京西部、北部,以及河北太行山山前出现的山风与偏南风构成"人字形"辐合线,辐合线的汇聚作用使北京地区、廊坊,以及保定、石家庄、邢台等地大气污染加重.在海陆风日,下午至前半夜,河北中东部沿海地区出现东南向海风,深入内陆到达天津东南部地区,海风前缘区域大气污染加重;通过对中国科学院大气物理研究所铁塔0～325 m风向风速与PM_(2.5)浓度时间变化关系分析,以及利用Cressman法插值得到的地面风向风速和PM_(2.5)浓度二维格点场,分析北京地区重霾污染过程中近地层山谷风和海陆风对大气污染形成的影响:中午至下午,谷风将大气污染物向北京输送.傍晚以后,大气污染物在山风与偏南风形成的辐合线附近汇聚,在北京地区及以南地区形成PM_(2.5)高污染区.凌晨至早晨北京被山风控制,大气污染物被吹离北京、滞留在北京以南至天津西北地区.冬季,山谷风的输送和汇聚作用使大气污染物以日为周期不断循环和累积,对北京地区至北京以南地区、河北太行山东部地区的大气重污染形成起重要作用.     

贵阳市秋、冬季PM_(2.5)中碳组分污染特征及来源分析

为研究贵阳市大气细粒子PM2.5中有机碳(OC)和元素碳(EC)的污染特征,于2013年10月14日至2013年12月25日,采集2个监测点位秋季和冬季的PM2.5样品,检测分析PM2.5中有机碳(OC)、元素碳(EC)的质量浓度。结果表明,秋季PM2.5中OC的平均浓度为14.9μg/m3,EC的平均浓度为2.31μg/m3;冬季PM2.5中OC的平均浓度为26.2μg/m3,EC的平均浓度为7.53μg/m3,呈冬季高、秋季低的季节变化特征。秋、冬季PM2.5中OC/EC的值均大于2,表明存在二次有机碳(SOC)的贡献;秋季SOC的值为6.89μg/m3,冬季SOC的值为8.29μg/m3。通过计算PM2.5中8个碳组分丰度,初步判断PM2.5中秋季碳的主要来源是汽车尾气、道路扬尘和生物质燃烧,冬季碳的主要来源是汽车尾气、燃煤尘和道路扬尘。     

延庆地区山谷风对PM2.5浓度的影响

基于2015~2019年北京生态环境监测和气象数据, 分析了延庆地区山谷风对PM_2.5浓度的影响, 揭示了含山谷风环流污染过程(事件1)与未有山谷风污染过程(事件2)初始阶段的异同及其气象影响机制.结果表明, 延庆持续性污染过程集中在9月~次年3月, 共计63次, 其中27次(43%)伴随1d或多天的山谷风日, 39d山谷风中有32d(82%)出现在污染过程的初始阶段, 18%出现在峰值阶段; 36次过程未出现山谷风日.山谷风日逐时PM_2.5浓度大于非山谷风日4.5~15.4μg/m³, 全日差值最大时段为谷风阶段(15:00~19:00)均大于13μg/m³, 山谷风日存在SSE-ESE风频中心0.59%, 15:00~16:00风速3.3m/s左右, 非山谷风日风频中心在WSW-SW和SE-ESE, 最大值为0.41%, 风速较山谷风日小.事件1和2初始阶段PM_2.5浓度变化关键期为15:00~19:00, 事件1风向E-SSE风速2~4m/s, PM_2.5增长速率大于事件2, 与露点变化趋势基本一致, 23:00事件1PM_2.5浓度显著高于事件2 20μg/m³左右, 污染过程发展初期出现的山谷风环流谷风阶段的偏东南风形成气溶胶和绝对水汽的区域传输, 对PM_2.5浓度的升高有正贡献.平原空气污染过程(延庆未出现)特殊污染型占比20%, 该类污染型白天风频中心分布分散, NNW-WNW、SW-SSW和ENE-NNE均有0.7%左右的风频中心, 未出现S-ESE的风频.     

降水和风对大气PM2.5、PM10的清除作用分析

对合肥2015—2017年的降水、风和PM_(2.5)、PM_(10)浓度观测数据统计研究发现,降水对PM_(2.5)、PM_(10)有一定的清除作用,尤其在秋冬季节.秋冬季节小雨、中雨分别导致PM_(2.5)和PM_(10)浓度降低23.1%、40.4%和32.0%、63.7%.雨日PM_(2.5)/PM_(10)比例上升8.4%,表明降水对PM_(10)清除作用更显著.降水前后PM_(2.5)浓度变化与降水前PM_(2.5)浓度、降水强度、降水时长密切相关.当降水强度大于4 mm·h~(-1)或PM_(2.5)初始浓度高于115μg·m~(-3)时,降水对PM_(2.5)产生明显清除作用;而降水强度小于1 mm·h~(-1)或PM_(2.5)初始浓度低于115μg·m~(-3)时由于吸湿增长作用极易造成PM_(2.5)浓度反弹升高;且持续3 h以上雨强介于1～4 mm·h~(-1)的降水也对PM_(2.5)产生清除作用.降水前后PM_(10)浓度变化与初始浓度密切相关,而与雨强相关性较弱.当PM_(10)初始浓度大于50μg·m~(-3),降水就对PM_(10)产生明显清除作用,且PM_(10)初始浓度越高,降水后PM_(10)浓度下降越多.风速大于2 m·s~(-1)可显著降低PM_(2.5)浓度,因此,当风速大于4 m·s~(-1)时合肥较少出现中度及以上污染,但易造成地面起尘,使PM_(10)浓度不降反升.合肥冬季严重污染主要出现在西北风向,夏季中度以上污染天气较少,主要出现在风速低于3 m·s~(-1)的东南风向.     

北京地区不同时段平均PM2.5浓度与MODIS气溶胶光学厚度相关性分析

利用2014年北京市12个空气质量监测站的逐小时PM_(2.5)地面观测资料,以及Terra和Aqua卫星的MODIS气溶胶光学厚度(AOD)产品,在时间和空间数据匹配的基础上,研究了PM_(2.5)的5 h(10:00—14:00)和24 h(0:00—23:00)两种时段平均浓度及两颗卫星平均AOD的时空分布特征,并建立了AOD与不同时段平均PM_(2.5)浓度之间的回归模型.结果表明:PM_(2.5)的5 h平均浓度和24 h平均浓度值均在城区高、郊区低,最低值位于定陵站;匹配后逐时PM_(2.5)浓度的日变化呈"双峰型",最低值出现在下午,但北京西北部郊区的定陵和昌平镇站因局地山谷风环流和外部排放源的影响,其"双峰型"波动趋势较城区站偏弱,最低值出现在上午;AOD的空间分布特征与PM_(2.5)浓度分布一致,但在郊区由于污染水平分布不均,卫星采集的样本可能来自于周围的清洁大气,导致AOD的最小值在郊区站点明显低于城区站点;两颗卫星平均的AOD与5h PM_(2.5)平均浓度的决定系数高于AOD与24 h PM_(2.5)平均浓度的决定系数;AOD与PM_(2.5)的相关系数在城区高于郊区,郊区排放源分布不均和强的局地系统性环流是造成其相关系数低的重要原因.     

北京市冬季雾霾天人体呼吸高度PM2.5变化特征对气象因素的响应

依据实测北京冬季人体呼吸高度PM_(2.5)质量浓度、湿度、风速、风向、温度数据,利用相关性分析、非线性回归分析、统计分析,分别探讨轻中度空气污染天、一次重污染过程,气象因子对PM_(2.5)质量浓度生成、变化的影响.结果表明:1轻中度污染天,若温度较低、日平均风速较小,湿度大时,湿度是影响PM_(2.5)质量浓度变化的决定性因素;而温度、风速、湿度均较大时,PM_(2.5)质量浓度变化受三者共同作用;当风速、湿度、温度均较小时,PM_(2.5)质量浓度变化主要受前两者影响.这反映出,人体呼吸高度的PM_(2.5)质量浓度变化对气象因子微小变化响应极为敏感.2一次空气质量从良到重度污染的过程中,PM_(2.5)质量浓度积累主要是由于空气湍流较弱、加之湿度大导致的,此外白天西北风、东北风较大,但持续时间短,而夜间东南风、西南风风速较小,持续时间长,也有利于污染物的累积.3短时微小量降雪使温度降低、空气湿度增加,不仅不能降低PM_(2.5)质量浓度,反而使其上升了72%,造成颗粒物浓度的跃升现象.4短时风速较大,风速达到2.0 m·s~(-1),持续2 h,虽然在一定程度上降低局地PM_(2.5)质量浓度,但并不能彻底改变空气质量状况.只有当风速大于3.5 m·s~(-1),且持续4 h以上,才能够迅速地扩散空气中的细颗粒物,空气质量由重度污染转变为优.     

南太湖地区湖州市大气PM_(2.5)中多环芳烃的研究——污染现状和人体暴露健康风险评价

运用智能综合大气采样仪采集了南太湖地区湖州市大气PM 10和PM 2.5样品,采用高效液相色谱检测了该样品中16种多环芳烃化合物,通过苯并(a)芘(Ba P)致癌等效浓度、人群终身超额致癌风险和预期寿命损失等指标,评价湖州市大气PM2.5中多环芳烃的人群健康风险。结果表明:全市大气PM 2.5中多环芳烃全年总平均浓度为11.59 ng/m 3,季平均浓度范围在4.775~23.98 ng/m3之间,季节之间呈现一定的变化,冬季秋季春季夏季;全市大气PM 2.5中多环芳烃的苯并(a)芘总致癌等效浓度(TEQ)年均值为1.138 ng/m3,污染所致的成人和儿童的终身超额致癌风险分别为8.7×10-6和6.0×10-6,成人的预期寿命损失为44.5 min。     

奥运时段北京及近周边区域空气污染观测与比对分析

为研究奥运时段北京与近周边区域空气质量的相互影响,评价区域污染源协同减排对奥运时段北京空气质量的作用,寻求北京空气污染预警的有效途径,2008-06-01～2008-10-03在北京奥运村以及近周边的河北涿州、廊坊、香河、燕郊进行了空气污染联网观测.结果表明,夏秋季节北京和近周边首要污染物均为颗粒物,北京和周边可吸入颗粒物(PM10)平均质量浓度分别为(114±66)μg/m3和(128±59)μg/m3;细粒子(PM2.5)质量浓度则分别为(77±47)μg/m3和(81±51)μg/m3;臭氧质量浓度小时最大值的平均分别为(164±52)μg/m3和(165±55)μg/m3;NOx分别为(58±23)μg/m3和(25±14)μg/m3.相对于6月,奥运会时段(8月8日～8月24日)北京地区PM10、PM2.5、O3、NOx的浓度分别下降69%、62%、18%和41%,残奥会时段(9月6日～9月17日)PM10、PM2.5、O3、NOx的浓度分别下降56%、49%、17%和16%.北京大气中细粒子浓度受周边影响严重,而NOx有向周边扩散的潜势,夏季臭氧则表现出区域污染的特征.结合气象要素分析表明,近周边区域联网观测,有助于北京空气质量预警研究,并可为区域协同防控空气污染提供科学支撑.     

北京城区PM_(2.5)中有机碳和元素碳的变化特征

为了了解北京城区大气细颗粒物(PM2.5)中有机碳(OC)和元素碳(EC)的浓度水平与季节变化特征,2013年5月、8月、10月和2014年1月分季节在北京城区进行了PM2.5和PM2.5中OC、EC的连续监测。在监测期间,PM2.5质量浓度平均值为86.8μg/m3,PM2.5中OC的平均浓度为15.46μg/m3,占PM2.5的17.8%;EC的平均浓度为2.88μg/m3,占PM2.5的3.3%。北京城区的PM2.5和OC、EC随季节变化明显,冬季最高,秋季大于春季,夏季最低。其中秋、冬季的OC、EC浓度的日变化有着明显的白天低、傍晚前后逐渐升高、在午夜出现峰值的特点。通过一次重污染过程分析发现,静稳、高湿的气象条件使PM2.5、OC、EC的浓度都有着显著地增加。对OC、EC相关分析显示,冬季两者的相关性最高。而且OC/EC的比值都大于2.0,说明北京存在着一定的二次污染。     

海陆风对天津市PM2.5和O3质量浓度的影响

静稳天气下局地环流往往会对污染物的传输扩散起重要作用.根据天津市地处渤海西岸,常年受到海陆风影响的特点,综合气象、环境资料及HYSPLIT模型,针对沿海、市区、城郊、山区等代表性站点,研究了海陆风对天津市ρ（PM_2.5）和ρ（O₃）的影响.结果表明:①2015年天津市海陆风天数为78 d,占全年的22%;海陆风多集中于6-9月,其中,7月海陆风日最多、2月最少.②ρ（PM_2.5）和ρ（O₃）季节性变化和空间分布特征不同.春、夏两季ρ（PM_2.5）山区最高、城郊最低;秋、冬两季ρ（PM_2.5）市区最高、山区最低.春、秋两季ρ（O₃）沿海最高、市区最低;夏季ρ（O₃）山区最高、沿海最低.③海陆风对ρ（PM_2.5）有扩散作用,对ρ（O₃）有增加作用.海陆风对沿海ρ（PM_2.5）扩散作用最为明显,致使冬、秋两季ρ（PM_2.5）分别下降20.2%和7.9%;对城郊ρ（O₃）增加作用最为明显,致使秋、夏两季ρ（O₃）分别升高39.8%和16.2%.④个例研究表明,海风向内陆推进过程中垂直方向最高可达1 000 m,受海风影响天津市ρ（PM_2.5）下降,陆风使得ρ（PM_2.5）小幅上升,海陆风总体起扩散作用;海陆风使天津市ρ（O₃）日变化出现3个峰值,日均值明显增大,其中,城郊增幅（68.2%）最大.研究显示,海陆风对天津市ρ（PM_2.5）有扩散的作用,但会增高ρ（O₃）.      

晋中盆地主要城市冬季PM2.5传输特征分析

对2017～2019年晋中盆地主要城市PM₁₀和PM_2.5逐时浓度资料进行了分析,给出了晋中市和太原市颗粒物浓度主要分布特征;此外利用PM_2.5逐时浓度资料,结合HYSPLIT后向轨迹模型,通过轨迹密度分析（TDA）、轨迹停留时间分析（RTA）和潜在源贡献因子分析（PSCF）,并对PM_2.5逐时浓度资料和对应时刻风向数据进行分析,探讨了晋中盆地主要城市冬季PM_2.5传输特征.结果表明,太原市颗粒物浓度整体水平高于晋中市,月、季变化特征类似,均呈现冬季高,夏季低的特征,最高值出现在1月.晋中市受静稳型天气形势引起的颗粒物污染较受沙尘型天气形势导致的颗粒物污染相较太原市更普遍一些;颗粒物的分布呈现出晋中市中间值较多,太原市高值偏多、低值偏少的特点,冬季为晋中盆地PM_2.5污染高发季节.晋中盆地主要城市冬季PM_2.5传输通道均可分为4类：第一类通道沿太行山横谷传输,第二类通道为偏东南方向传输通道,第一、二类均为近距离传输通道,气团会携带较多...     

邯郸市黑碳气溶胶浓度变化及影响因素分析

根据2013年3月—2017年2月邯郸市河北工程大学站点的黑碳气溶胶、PM2.5、大气污染物的小时浓度数据及常规气象数据,对邯郸市黑碳浓度的时间变化特征及影响因素进行分析.结果表明,4年来邯郸市黑碳浓度呈逐年下降的趋势:与2013年相比,2014—2016年黑碳气溶胶浓度分别下降了5%、16%、24%;邯郸市黑碳气溶胶浓度的季节变化趋势基本一致且季节变化特征明显,冬季黑碳气溶胶浓度最高,秋季次之,春夏两季最低,其中,冬季平均浓度分别是春、夏、秋季的2.07、2.77、1.49倍;其日变化呈单峰单谷状,且4个季节的日变化趋势相同,峰值均出现在6:00—8:00,谷值均出现在14:00—15:00.黑碳与PM2.5的相关系数r为0.860,相关性显著,说明黑碳气溶胶和PM2.5的来源大部分是一致的;风速和风向对黑碳气溶胶浓度也有影响,黑碳气溶胶浓度随风速增加而降低;4个季节高频风向为南-西南方向,且该风向下黑碳气溶胶浓度均较高,冬季南-西南风向下的黑碳浓度最高;应用后向轨迹对研究时段内4段重污染期间的气流轨迹进行模拟发现,邯郸市黑碳气溶胶浓度较高的主要原因是本地源排放和近距离传输,远距离传输贡献较小.     

郑州市细颗粒物时空差异及管控措施影响

为研究郑州市细颗粒物（PM_2.5）时空分布差异及秋冬季管控措施影响,于2017年秋季至2018年冬季选取5个点位采集PM_2.5样品并进行组分分析,利用正定矩阵因子分解模型（PMF）解析PM_2.5污染来源,评估郑州市秋冬季管控效果,并基于源解析结果为下一阶段秋冬季管控提供支撑.郑州市PM_2.5浓度冬季 > 秋季 > 春季 > 夏季,郑州大学（ZZU）PM_2.5浓度最高［（83.1±44.7）μg·m^-3］,高出平均浓度［（76.5±46.1）μg·m^-3］的8.7%.SO₄^2-、NO₃^-和NH₄⁺在9种水溶性离子中平均占比高达22.5%、43.6%和23.4%,受燃煤影响Cl^-两年冬季占比高于其他季节（6.7%和6.6%）.秋冬季二次有机碳（SOC）污染严重,浓度占有机碳的一半以上,2018年市监测站（JCZ）和ZZU点位SOC/OC比2017年有所下降,但其他3个点位大幅度升高,说明这些地区不同的排放基础应对管控措施的表现不尽相同.重构结果表明硫酸盐占比在夏季最高（25.0%）,硝酸盐两年秋季占比较高（23.1%和25.1%）,地壳物质春季占比最高（18.2%）,二次有机气溶胶（SOA）冬季最高（14.1%和20.5%）;JCZ和航空港（HKG）点位SOA贡献较大（16.9%和16.4%）,ZZU点位受到一次有机气溶胶和地壳物质影响较大（14.3%和12.1%）.PMF结果表明二次无机盐（37.5%）、SOA（15.4%）、交通源（14.9%）、工艺过程源（4.8%）、燃煤源（16.0%）、扬尘源（6.5%）和生物质燃烧源（2.8%）是郑州市PM_2.5的主要污染源,SOA和燃煤源在冬季贡献最大,扬尘源和生物质燃烧源在春季和秋季贡献较大;市区点位JCZ、ZZU和临近机场的HKG受到交通源的影响高于其他点位,非市区点位新密和HKG受到生物质燃烧源的影响较大.对比两年秋冬季,2018年秋冬季SOA、交通源和工艺过程源的贡献有所升高,而二次无机盐、燃煤源和生物质燃烧源有所下降,冬季扬尘源也有所下降.结果表明秋冬季管控措施对一次源中的扬尘、燃煤和工业效果显著,同时SOA前体物挥发性有机物是进一步减排管控的方向.     

苏锡常地区PM2.5污染特征及其潜在源区分析

利用2014年12月—2015年11月苏锡常地区国控大气环境质量监测站发布的逐时数据,分析了研究区PM_(2.5)浓度的季节变化和空间分布特征,并利用HYSPLIT模型分析了大气污染物的输送路径及苏锡常地区PM_(2.5)的潜在源区.结果表明,苏锡常地区PM_(2.5)浓度日均值变化趋势基本一致,均呈现冬季高、夏季低的规律.PM_(2.5)浓度四季空间差异显著,不同监测站之间的差异较小.四季PM_(2.5)浓度与其它污染物之间相关性显著.单位面积污染物排放量与空气质量分布的空间错位,表明该地区PM_(2.5)污染与区域性污染物迁移有较大关系.苏锡常地区气流后向轨迹季节变化特征明显,冬、春、秋季的气流主要来自西北内陆地区,夏季气流以东南和西南方向输入居多.聚类分析表明,来自内陆的污染气流和来自海洋的清洁气流是苏锡常地区两种主要输送类型,外源污染气流不仅直接输送颗粒物,还贡献了大量的气态污染物.山东南部、江苏西部、安徽东部、浙江北部及江西西北地区对苏锡常冬季PM_(2.5)浓度贡献较大,春、夏、秋季的潜在源区主要分布在苏锡常本地和周边城市.     

北京地区秋冬季大气污染特征及成因分析

为了研究近两年北京地区PM2. 5污染特征及成因变化,利用常规观测资料和改进的后向轨迹模型(Traj Stat)对2016～2017年秋冬季大气重污染时段的颗粒物浓度、气象要素和气团传输路径进行了综合分析.结果表明,研究期间北京地区共发生13次持续2 d以上的重污染事件,冬季过程约占61. 5%,且污染程度和持续时间均高于秋季.地面受弱气压场控制、高湿度、静小风以及较低的混合层高度,加之北京三面环山的特殊地势是导致秋冬季静稳型污染频发的重要因素,重污染期间PM2. 5/PM10的平均比值高达0. 86.累积阶段气团主要来自于西北、偏西、西南和东南方向,其中西南和东南路径为典型污染传输通道,轨迹频率为21. 6%.此外,采用WRF-CAMx模型定量估算了2016年12月16～22日典型过程中本地和外来污染源对北京PM2. 5的贡献,结果发现不同气团输送条件下,二者的贡献差异较大.当南部气团输入时,本地贡献会显著下降,以外部区域输送为主导;若气流来自西北方向情况则相反.污染过程期间,本地贡献为16. 5%～69. 3%.     

交通与气象因子对不同粒径大气颗粒物的影响机制研究

为了研究北京市气象因子与车流量、车速等交通因子对PM2.5、PM10浓度水平的影响,在市区三环主路及居民区选取了28个采样点,采集滞尘量,PM2.5、PM10浓度、车速、车流量、温度、湿度、风速等数据.通过3个月的滞尘质量分析,得出交通源对空气质量的影响是显著的,其中三环主道路两侧采样点和远离交通源对照点滞尘均值分别为0.284 g和0.016 g.再由道路口与居民区对比实验(局部实验)得出,居民区采样点测得的PM2.5和PM10浓度均低于道路口颗粒物浓度,差值均值分别为101 074 n·(cf)-1和15 386 n·(cf)-1,同时PM2.5白天浓度一般低于夜间.最后结合最佳子集预测模型分析得出,PM2.5和PM10受到湿度和温度的影响最大,车速、车流量、风速次之,其中车速、车流量、低风速对颗粒物PM2.5的影响比对PM10的影响更为显著.     

太行山两侧污染物传输对横谷城市气溶胶的影响分析

利用2017~2019年太行山横谷城市阳泉PM₁₀和PM_2.5逐时浓度资料和对应时刻风速风向数据,结合HYSPLIT后向轨迹模型通过聚类分析、潜在源贡献因子和浓度权重轨迹方法分析了横谷城市气流输送特征及对阳泉市气溶胶的影响,并进一步探讨了太行山两侧大气污染物的交换特征.阳泉市气溶胶日变化为单峰单谷型,冬季最高值出现在10：00~11：00,其他季节多在09：00,最小值均在15：00~16：00;月际变化呈1月最高、8月最低.受横谷地形影响,地面风向以偏东风和偏西风频率最高;除小风天气外,春秋季偏西风引起的沙尘天气和冬季偏东风输送也会引起阳泉气溶胶浓度升高;后向轨迹结合污染特征显示,各季节污染轨迹占比为春季26.2%、秋季36.4%和冬季33.7%,主要分布在阳泉的西南和东南区域,冬季在东北区域也有分布;山脉两侧均存在显著的细颗粒物传输,而起源或途经太行山西侧的轨迹粗颗粒物输送亦相对较多;污染轨迹中偏西气流输送对PM₁₀超标率影响更大,偏东气流则主要影响PM_2.5的超标率.不同季节阳泉市气溶胶主要污染潜在源区存在差异,春季为西南和东南两区域;秋季为西南及偏南区域,冬季主要位于偏南和偏东方向区域,山西东南部及与河南北部交界区域是主要的污染贡献源区,太行山两侧通过井陉通道进行大气污染物的相互传输过程显著,其中东向西的PM_2.5传输影响更显著.     

北京市PM2.5时空分布特征及其与PM10关系的时空变异特征

PM_(2.5)时空分布特征及其与其它污染物的相关关系是PM_(2.5)时空统计分析的主要研究内容.然而,现有的方法直接从监测站点的角度对时空分布特征进行分析,难以有效地揭示PM_(2.5)浓度的聚集分布特征;同时,常用的地理加权回归在对PM_(2.5)与其它污染物间关系进行建模的过程中,缺乏同时考虑时间异质性与空间异质性,从而不能准确地描述依赖关系的时空变异特征.为此,首先借助于空间聚类分析技术,对北京市2014年PM_(2.5)浓度的聚集结构进行探测,在此基础上,通过聚集结构来分析PM_(2.5)季节性时空分布特征.然后,利用地理时空加权回归对北京市PM_(2.5)与PM_(10)季节平均浓度间关系进行建模,依据回归结果分析PM_(2.5)-PM_(10)间关系的时空变异特征.实验结果表明,春夏季节PM_(2.5)污染程度及空间变异程度均低于秋冬季节,各季节PM_(2.5)浓度均表现为北部浓度低、南部浓度高的空间分布特征;地理时空加权回归具有更好的拟合效果,由回归系数进一步可发现,春夏季PM_(2.5)-PM_(10)相关性低于秋冬季PM_(2.5)-PM_(10)相关性;各季节均表现为西北部PM_(2.5)-PM_(10)的相关性高于东南部PM_(2.5)-PM_(10)的相关性.