首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到15条相似文献,搜索用时 140 毫秒
1.
为了解福州市大气颗粒物污染状况,利用中国环境监测总站发布的实时大气环境监测资料,结合气象资料和HYSPLIT4轨迹模式,分析了2015年福州市大气颗粒物污染特征和典型污染过程.结果表明:2015年福州市ρ(PM10)、ρ(PM2.5)年均值分别为55.8和29.2μg/m3,均低于GB 3095-2012《环境空气质量标准》二级标准限值.颗粒物浓度季节性变化特征明显,表现为冬春季高、夏秋季低的变化特征. ρ(PM2.5)/ρ(PM10)为52%,普遍低于我国东部其他大中城市;日际变化明显,受混合层高度日变化和机动车排放的影响,呈双峰形态. ρ(PM2.5)/ρ(PM10)日变化趋势与ρ(PM10)日变化特征相反,即ρ(PM10)高时ρ(PM2.5)所占比例低,ρ(PM10)低时ρ(PM2.5)所占比例高,表明早晚高峰机动车排放所造成的颗粒物污染以粗颗粒物贡献为主.福州市颗粒物污染天气成因主要有"积累型"和"输送型"污染. 2015年1月5-6日发生的污染过程,是在一次静稳、高湿天气形势下,本地排放的污染物在不利于扩散的气象条件下聚集、二次转化,导致颗粒物浓度升高、能见度降低. 2015年1月17-19日的污染过程主要是北方污染物随冷空气输送南下,导致本地颗粒物浓度迅速升高、能见度迅速降低.研究显示,福州市PM10和PM2.5优良率较高,颗粒物污染主要发生于冬季,污染成因包括局地累积和区域输送.   相似文献   

2.
汾渭平原是我国空气污染最严重的区域之一,2018年被列为重点区域. 本研究针对汾渭平原11城市开展PM2.5化学组分连续观测,分析PM2.5浓度和主要化学组分的时空分布规律,并利用PMF模型解析PM2.5污染来源. 结果表明:①2018—2019年秋冬季汾渭平原11城市ρ(PM2.5)平均值为(101.4±65.4)μg/m3,是京津冀及周边地区“2+26”城市的1.1倍. 临汾市ρ(PM2.5)最高(216.8 μg/m3),是汾渭平原的2.1倍. ②2018—2019年秋冬季汾渭平原PM2.5的主要化学组分是有机物、硝酸根离子、地壳物质和硫酸根离子,其中地壳物质占比是京津冀及周边地区的1.6倍. ③受污染物排放、气象条件以及地理位置的影响,汾渭平原PM2.5中有机物、硝酸根离子、地壳物质、硫酸根离子、铵根离子和氯离子的空间分布具有明显的差异性. ④随着污染的加重,硝酸根离子、硫酸根离子和氯离子在PM2.5中的占比均逐渐增加,地壳物质、元素碳、微量元素等与一次排放相关的组分占比随污染加重逐渐减少,表明污染期间燃煤源管控仍需进一步加严,而对扬尘源和机动车等污染源的管控起到了良好的效果. ⑤重污染过程期间,相对湿度增加、风速减小是影响PM2.5浓度上升的客观因素,二次组分以及与燃煤源和生物质燃烧源有关的化学组分的增长是影响PM2.5浓度上升的重要原因,二次源和燃烧源是PM2.5的主要来源. 研究显示,汾渭平原秋冬季PM2.5污染较重,尤其需要关注燃烧源的管控.   相似文献   

3.
为研究京津冀地区典型城市大气细颗粒物及其碳质组分的时空变化特征及来源,于2016年12月28日—2017年1月22日及2017年7月1—26日,对北京市与石家庄市PM2.5(细颗粒物)及PM1(亚微米颗粒物)进行采集,使用DRI(热光碳分析仪)检测PM2.5与PM1中ρ(OC)与ρ(EC),并对其碳质组分来源进行分析.结果表明:①采样期间,冬、夏两季PM2.5与PM1中ρ(OC)均为石家庄市采样点远高于北京市采样点;冬季PM2.5与PM1中ρ(EC)均为石家庄市采样点高于北京市采样点,夏季则略有不同.②冬季污染日,北京市采样点ρ(PM2.5)与ρ(PM1)均为石家庄市采样点的1.08倍,PM2.5与PM1中的ρ(OC)分别为石家庄市采样点的1.14和1.12倍,石家庄市采样点PM2.5与PM1中ρ(EC)分别为北京市采样点的1.15和1.28倍;冬季重污染日,北京市采样点的ρ(PM2.5)与ρ(PM1)分别为石家庄市采样点的1.03和1.04倍,PM2.5和PM1中的ρ(OC)分别为石家庄市采样点的1.23和1.22倍,石家庄市采样点PM2.5和PM1中的ρ(EC)分别为北京市采样点的1.03和1.16倍.夏季污染日,石家庄市采样点ρ(PM2.5)与ρ(PM1)分别为北京市采样点的1.16和1.30倍,PM2.5与PM1中ρ(OC)分别为北京市采样点的1.64和2.71倍,两个采样点ρ(EC)相近.③冬、夏两季PM2.5与PM1中ρ(SOC)/ρ(OC)均较高,冬季北京市采样点分别为48.09%和54.29%,石家庄市采样点分别为44.98%和48.09%,夏季北京市采样点分别为48.47%和61.50%,石家庄市采样点分别为61.52%和63.55%,表明SOC更易富集于亚微米粒子中.④冬季北京市和石家庄市两个采样点PM2.5与PM1中碳质组分均主要来源于生物质燃烧、燃煤和机动车尾气;夏季北京市采样点PM2.5与PM1中碳质组分主要来源于机动车尾气,石家庄市采样点PM2.5与PM1中碳质组分主要来源于燃煤和机动车尾气.研究显示,北京市和石家庄市两个采样点大气细颗粒物及其碳质组分浓度存在时空分布和污染来源差异.   相似文献   

4.
为深入了解唐山市采暖期PM2.5污染成因与来源,采用在线监测设备于2017年12月1日-2018年1月28日连续监测了唐山市PM2.5及其水溶性离子和碳质组分(OC、EC)的质量浓度变化,并结合部分常规气体污染物及气象数据进行对比分析.结果表明:①相对湿度的增加和风速的降低促进了污染的发展.②清洁、轻中度污染和重污染时,SOR(硫氧化率)分别为0.05、0.08、0.20,NOR(氮氧化率)分别为0.05、0.12、0.26,随着污染的加重,SO2、NOx向PM2.5中SO42-、NO3-的二次转化现象更加明显.③清洁时,ρ(OC)、ρ(EC)、ρ(SO42-)和ρ(Cl-)占PM2.5化学组分(水溶性离子、碳质组分)质量浓度总和的68%,主要污染源为燃煤;清洁、轻中度污染和重污染时,ρ(NO2)/ρ(SO2)分别为0.96、1.14、1.44,ρ(NO3-)/ρ(SO42-)分别为0.94、1.57和1.75;重污染时,ρ(SO42-)、ρ(NO3-)、ρ(NH4+)三者之和占PM2.5化学组分质量浓度总和的61%,二次污染物成为主要污染源.④观测期,唐山市轻中度污染和重污染时,受经北京市、天津市等唐山市西部地区方向气团影响频率分别为61%、63%,受该方向气团影响时,ρ(NO2)/ρ(SO2)、ρ(NO3-)/ρ(SO42-)明显增大.研究显示,相较于燃煤排放物在大气污染物中的占比变化,随着污染的加重,工业工艺和机动车尾气排放产生的污染物占比明显增大,区域传输对大气污染影响不可忽略,政府有必要开展区域联防联控、停产限产和限行限号的措施.   相似文献   

5.
为了研究漯河市PM2.5和PM10及其水溶性离子变化特征,于2017年5月—2018年2月在漯河市3个采样点同步采集PM2.5和PM10样品,分别获得PM2.5和PM10有效样品191和190个.用离子色谱法分析样品中F-、Cl-、NO3-、SO42-、Na+、NH4+、K+、Mg2+、Ca2+等9种水溶性无机离子.结果表明:在采样期间,漯河市ρ(PM2.5)平均值为72.42 μg/m3,其中ρ(总无机水溶性离子)的年均值为34.76 μg/m3,占ρ(PM2.5)的46.72%;ρ(PM10)平均值为126.52 μg/m3,其中ρ(总无机水溶性离子)的年均值为46.40 μg/m3,占ρ(PM10)的35.67%.2种颗粒物水溶性离子质量浓度的季节性变化均呈冬季高、夏季低的趋势.PM2.5/PM10〔ρ(PM2.5)/ρ(PM10)〕在四季分别为0.50、0.61、0.56、0.57.采样期间漯河市PM2.5中NOR(氮氧化率)和SOR(硫氧化率)的年均值分别为0.17和0.30,PM10中NOR和SOR的年均值分别为0.22和0.34,说明颗粒物中SO42-的二次转化效率高于NO3-.PM2.5和PM10在采样期间均呈弱碱性,且碱性在夏季最强,秋季最弱.利用PMF模型分析PM2.5和PM10中水溶性离子的主要来源发现,PM2.5中水溶性离子来源主要包括生物质燃烧源、燃煤源、建筑扬尘源、工业源和二次污染源,PM10中水溶性离子来源主要包括燃煤源、建筑扬尘源、二次污染源、生物质燃烧源和工业源.研究显示,漯河市颗粒物污染中水溶性离子来源复杂,应采取多源控制的污染防治措施.   相似文献   

6.
为了评估2018年春节期间(2月15—16日)京津冀及周边地区“2+26”城市烟花禁限放措施的效果,采用浓度特征对比、ρ(PM2.5)/ρ(CO)等方法,对“2+26”城市的ρ(PM2.5)、ρ(PM10)、ρ(SO2)、ρ(NO2)进行分析,并定量估算了除夕夜烟花燃放对ρ(PM2.5)和ρ(SO2)的贡献率.结果表明:“2+26”城市烟花的集中燃放会导致ρ(PM2.5)、ρ(SO2)显著增长,出现以PM2.5为首要污染物的重污染时段,2018年12月16日03:00区域内14个城市ρ(PM2.5)达到重度及以上污染水平,呈区域性污染特征;与2017年同期(1月27—28日)相比,2018年春节期间(2月15—16日)14个城市烟花燃放对ρ(PM2.5)平均贡献量呈下降趋势,其中,淄博市、济南市、北京市降幅最大,分别下降了85.2%、74.6%和65.2%,表明烟花禁限放措施起到了显著的污染削峰作用;与城区相比,周边郊县ρ(PM2.5)显著高于城区,呈“农村包围城市”的现象,说明城区监测点位受到郊县等周边地区烟花燃放的传输影响.研究显示,虽然城区烟花禁限放措施起到了显著的削峰作用,但城区监测点位空气质量仍受到郊县等周边地区烟花燃放的传输影响,导致大气重污染的发生.   相似文献   

7.
南昌市大气颗粒物污染特征及PM2.5来源解析   总被引:1,自引:0,他引:1       下载免费PDF全文
为探讨2013年南昌市大气颗粒物的污染特征及分布状况,收集南昌市9个大气监测站点实时发布的PM10和PM2.5数据,分析了ρ(PM10)、ρ(PM2.5)和ρ(PM2.5)/ρ(PM10)的变化规律及其与气态污染物的相关性,并结合污染严重的秋季时段,采用PCA-MLR(主成分分析-多元线性回归)模型对大气PM2.5中化学组分来源进行解析.结果表明:①ρ(PM10)和ρ(PM2.5)的年均值分别为(115.4±39.1)(69.1±26.8)μg/m3,均超过GB 3095-2012《环境空气质量标准》二级标准限值,ρ(PM10)和ρ(PM2.5)的最高值分别出现在石化、省外办监测站点,最低值出现在林科所监测站点.ρ(PM10)和ρ(PM2.5)季节性变化特征明显,呈冬季>春、秋两季>夏季的趋势,全年ρ(PM10)超标天数占比为25.48%,ρ(PM2.5)超标天数占比为36.71%,各季度ρ(PM2.5)超标天数占比均高于ρ(PM10).②受人为活动和边界层高度的影响,ρ(PM2.5)和ρ(PM10)日变化呈双峰双谷形态,一个波峰出现在08:00-10:00,另一个波峰出现在20:00-22:00,并且晚间小时峰值高于早间,最低值出现在15:00.③ρ(PM2.5)/ρ(PM10)年均值为60.3%,在冬季最高达65.1%,相关性分析发现ρ(PM10)与ρ(PM2.5)存在较显著的线性关系,表明二者具有同源性.④ρ(PM10)、ρ(PM2.5)均与ρ(SO2)、ρ(NO2)、ρ(CO)呈显著正相关,并且冬季相关性高于夏、秋两季;而ρ(PM10)、ρ(PM2.5)均与ρ(O3)全年呈显著负相关,并且夏、秋两季相关性高于冬季,说明气态污染物的二次转化对ρ(PM2.5)和ρ(PM10)有较大影响.⑤南昌市秋季PM2.5的最大污染源为道路扬尘/机动车尾气混合污染源,其次分别为施工扬尘源、燃煤源、冶炼尘/生物质燃烧混合污染源,各污染源对PM2.5的贡献率分别为40.9%、35.8%、12.4%、10.9%.研究显示,南昌市PM2.5的污染程度较PM10严重,PM2.5已成为南昌市大气颗粒物污染的主要组分,PM2.5主要来源为城市扬尘和机动车尾气.   相似文献   

8.
基于实时监测和遥感反演数据,利用空间自相关分析和空间回归分析等方法,探讨了汾渭平原2015~2017年PM2.5浓度时空变化规律和影响因素,揭示了各因素的空间溢出效应.结果表明:(1)2015~2017年汾渭平原PM2.5浓度逐年上升,主要由采暖期(11月~次年3月)的快速上升引起,非采暖期(4~10月)年际变化不大.(2)PM2.5月均浓度变化曲线呈底部宽缓的U型,采暖期PM2.5污染明显高于非采暖期,超标天数占全年总超标天数比例由2015年的75.0%上升到2017年的83.4%.(3)2015~2017年,除铜川和三门峡外,各城市PM2.5浓度都有不同程度的上升.咸阳至运城间的平原地区和洛阳盆地污染最严重,已形成连片的高污染区域,且区域内城乡差异小.临汾及其上游平原地区其次,但主要分布在城镇,城乡差异较大.(4)空间回归分析表明,汾渭平原PM2.5浓度有显著的空间溢出效应.年均气温、城镇化率、能源消费指数和年均人口不仅与本地PM2.5浓度有显著的正相关,而且会加重邻近地区PM2.5污染.年降水量和地形起伏度则不仅与本地PM2.5浓度有显著的负相关,而且能降低邻近地区PM2.5浓度.风的传输作用能加重本地PM2.5污染,植被覆盖度能消减本地PM2.5浓度,但其间接效应都不显著.  相似文献   

9.
石家庄市采暖前后大气颗粒物及其碳组分特征   总被引:1,自引:0,他引:1       下载免费PDF全文
为研究石家庄市大气颗粒物、碳组分特征和污染来源,采集2016年11月1日—12月31日石家庄市大气颗粒物(PM10、PM2.5和PM1)样品,分析采暖前后PM10、PM2.5和PM1及其中OC(有机碳)、EC(元素碳)和WSOC(水溶性有机碳)浓度水平,计算颗粒物与碳组分间相关性,进行OC/EC(质量浓度之比,下同)特征比值法和8个碳组分(OC1、OC2、OC3、OC4、OPC、EC1、EC2和EC3)研究.结果表明:①采暖后ρ(PM10)和ρ(PM2.5)比采暖前分别增加了26.4%和32.1%,而采暖后ρ(PM1)比采暖前降低了12.2%.采样期间ρ(PM10)与ρ(PM2.5)显著相关,而ρ(PM1)分别与ρ(PM2.5)和ρ(PM10)相关性差.采暖后散煤燃烧造成ρ(PM10)和ρ(PM2.5)增加,区域机动车限行和工业限产/停产导致ρ(PM1)降低.②Pearson相关系数计算可知,ρ(OC)与ρ(EC)强相关;ρ(PM10)和ρ(PM2.5)分别与ρ(OC)和ρ(WSOC)强相关,而ρ(PM1)分别与ρ(OC)和ρ(WSOC)中等相关;ρ(PM10)和ρ(PM2.5)分别与ρ(EC)弱相关,ρ(PM1)与ρ(EC)中等相关.③采暖后PM10、PM2.5和PM1中ρ(OC)比采暖前分别增加了215.1%、97.2%和18.5%;采暖后PM10和PM2.5中ρ(EC)比采暖前分别增加了65.2%和5.3%,而采暖后PM1中ρ(EC)比采暖前降低了10.9%.集中供热和散煤燃烧排放了大量OC;PM10和PM2.5中EC主要来源于散煤燃烧,PM1中EC主要来源于工业排放和机动车尾气.④采暖前PM10、PM2.5和PM1中OC/EC平均值分别为4.5、4.5和4.3;采暖后PM10和PM2.5中OC/EC平均值分别为9.8和9.7,而PM1中OC/EC平均值为7.4.采暖前后SOC/OC(质量浓度之比,下同)平均值的范围为0.36~0.65,石家庄市冬季大气中SOC污染严重;⑤8个碳组分分析发现,石家庄市机动车限行导致PM1中ρ(EC1)降低,而采暖后集中供暖和散煤燃烧的增加,导致ρ(OC2)明显增加.研究显示,大气颗粒物中碳组分采暖前主要来源于机动车尾气,而采暖后主要来源于燃煤燃烧,尤其是散煤燃烧.   相似文献   

10.
邱玲  刘芳  张祥  高天 《环境科学研究》2018,31(10):1685-1694
随着城市化和工业化进程的加快,空气颗粒物污染成为城市最为严峻的环境问题之一.依据植被的横向结构、竖向结构及植被类型3个因子对宝鸡市公园绿地进行划分,并选取11种不同植被结构的绿地,在分析地点、时间、风速、温度、相对湿度、绿地面积等环境因子对绿地内空气中ρ(PM2.5)和ρ(PM10)"本底效应"影响的基础上,探究不同植被结构绿地对空气颗粒物质量浓度削减作用的差异.结果表明:①在不同监测地点和监测时段内,ρ(PM2.5)和ρ(PM10)有极显著差异,植物养护管理程度较高的城市公园绿地对空气颗粒物质量浓度削减作用较为明显,一天中空气颗粒物质量浓度呈现出早晚高、中午低的变化趋势;②风速、温度、相对湿度对ρ(PM2.5)和ρ(PM10)有极显著影响,在晴朗、无风或微风天气条件下,ρ(PM2.5)和ρ(PM10)随风速的增大、温度的减小、相对湿度的增大而增大,且ρ(PM10)变化范围大于ρ(PM2.5);③1 hm2以下绿地面积的变化对ρ(PM2.5)和ρ(PM10)无显著影响;④不同植被结构绿地内ρ(PM2.5)无显著差异,但ρ(PM10)有极显著差异,其中开敞式以灌木为主的绿地中ρ(PM10)最低,多层闭合式阔叶林中ρ(PM10)最高,其余9种植被结构绿地削减作用居中且相近.研究显示,不同植被结构的城市公园绿地对ρ(PM2.5)和ρ(PM10)的削减作用存在一定的差异且受多种环境因素的共同制约,可为优化城市绿地植被结构进而有效改善空气质量提供依据.   相似文献   

11.
近年来银川市冬季重污染过程频发,为明确银川市冬季PM2.5重污染的特征,分析其主要来源及成因,于2016年12月-2017年1月在银川市选取3个采样点开展PM2.5的样品采集与化学组分分析,利用CMB(化学质量平衡)模型对银川市冬季PM2.5进行来源解析,对比分析了重污染日与非重污染日污染特征的差异.结果表明:①银川市冬季重污染日ρ(PM2.5)[(181±33.6)μg/m3]是非重污染日的2.1倍;重污染日和非重污染日的ρ(NO3-)/ρ(SO42-)均小于1,表明燃煤仍是银川市冬季PM2.5的重要来源.银川市冬季PM2.5中ρ(SOC)为(14.4±7.34)μg/m3,约占ρ(OC)的65.2%.②与非重污染日相比,重污染日人为源无机元素As、Pb、Cd和Zn质量浓度在ρ(PM2.5)中的占比分别升高33.2%、18.4%、9.8%和2.9%,表明银川市冬季重污染主要受人为源贡献影响.③源解析结果表明,燃煤源、机动车尾气源、二次离子源和扬尘源是银川市PM2.5的主要污染源,与非重污染日相比,重污染日机动车尾气源的贡献率明显降低.研究显示,银川市冬季重污染受人为源污染物排放的影响较大,燃煤源是银川市冬季PM2.5的重要来源.   相似文献   

12.
北京市冬季典型重污染时段PM2.5污染来源模式解析   总被引:5,自引:0,他引:5       下载免费PDF全文
为了探究近年来北京市PM2.5污染区域来源规律和重污染累积过程中PM2.5的生成途径,利用第三代三维空气质量模型CAMx的颗粒物源示踪(PSAT)和过程分析(PA)技术,模拟计算了北京市2013年和2014两次冬季典型重污染时段PM2.5的源-受体关系和物理、化学过程对PM2.5的生成贡献. 结果表明:在区域来源贡献中,随着空气污染等级由优升至严重污染,外地PM2.5贡献率从42.9%升至67.4%,本地贡献率由57.1%降至32.6%,其中外地二次PM2.5贡献率从20.2%升至39.8%,为北京市重污染时段的主要贡献因子;在外地贡献中,廊坊市、山东省、天津市、唐山市的贡献率较大,分别为3.2%~4.7%、3.8%~7.5%、3.6%~5.8%、2.2%~3.2%. PA分析结果表明:在不利气象条件(持续性的逆温层结)下,南边界的输送在重污染过程中起到了重要作用,对ρ(PM2.5)增长的贡献速率可达10 μg/(m3·h). 此外,本地化学转化在重污染时段对ρ(PM2.5)爆发性增长的贡献率也可以达到40.0%,其中特殊天气条件下二次PM2.5生成贡献的显著增加是造成ρ(PM2.5)出现峰值的主要原因. 研究显示,随着污染程度的加重,北京市受区域性污染的影响逐渐加大;在重污染过程中,不利气象条件下的本地化学转化与水平输送对近地层ρ(PM2.5)峰值的出现与维持发挥了重要作用.   相似文献   

13.
韩笑颜  周颖  吕喆  王晓琦 《环境科学研究》2020,33(10):2235-2245
为探究典型重污染过程的污染特征与大气边界层结构演变规律,基于PM2.5采样数据、气象观测数据及WRF-Chem模式,以北京市和石家庄市2016年12月27日—2017年1月10日一次重污染过程为研究对象,对气象要素、PM2.5化学组分、天气背景场、边界层结构演变特征,以及大气边界层结构变化对ρ(PM2.5)及其主要化学组分的影响进行分析.结果表明:①研究期间,北京市和石家庄市ρ(PM2.5)分别为(165.63±110.89)(247.67±95.22)μg/m3,石家庄市污染程度高于北京市;高空纬向环流和地面弱高压控制的天气背景场,低于1.75 m/s的风速以及超过75%的相对湿度是造成北京市与石家庄市重污染的不利气象条件.②重污染时段北京市与石家庄市SNA(SO42-、NO3-、NH4+三者的统称)与碳质组分(OC、EC)占比之和超过76%,是PM2.5中的两大主要组分;重污染时段ρ(SNA)占比明显上升,北京市与石家庄市ρ(SNA)占比由非重污染时段的42.23%、45.93%分别升至重污染时段的58.87%、59.62%;北京市与石家庄市ρ(OC)/ρ(EC)分别为5.13、3.51,表明在重污染时段两城市存在明显的二次有机气溶胶污染.③WRF-Chem模式模拟结果表明,PM2.5污染严重时北京市与石家庄市在300~500 m处均出现明显的逆温,垂直风场主要表现为低层偏南风顺时针向上切变为偏西风,切变高度在400~1 000 m,逆温层结与明显垂直风切变的边界层特征共同抑制了污染物的湍流与扩散.④北京市与石家庄市重污染时段的PBLH(Planetary Boundary Layer Height,大气边界层高度)日均值与非重污染时段相比分别下降了202、128 m,PBLH每下降100 m,北京市与石家庄市ρ(PM2.5)分别上升18.81、29.85 μg/m3,PBLH下降是导致两城市ρ(PM2.5)快速上升的重要因素.北京市与石家庄市的PBLH与PM2.5组分质量浓度之间的相关性不同,北京市PBLH与ρ(SNA)的相关性高于与碳质组分质量浓度的相关性,石家庄市PBLH与ρ(EC)相关性最高,表明此次重污染过程中北京市PM2.5污染特征以二次形成为主,而石家庄市以一次排放为主.研究显示,北京市与石家庄市此次重污染过程与大气边界层结构变化密切相关.   相似文献   

14.
为了掌握关中地区的污染过程特征,并为关中地区预警预报提供理论支撑,利用2014—2017年关中地区五市(西安市、咸阳市、宝鸡市、渭南市、铜川市)ρ(PM2.5)数据,对该地区PM2.5污染过程的峰值质量浓度、持续时间等特征进行统计分析,并用EMD(经验模态分解法)分解海平面气压观测数据,对PM2.5污染过程的统计结果进行解释.结果表明:①关中地区ρ(PM2.5)分布在时间和空间上均具有显著的区域相关和时间同步特征.各城市的ρ(PM2.5)日均值较接近,相差范围为2~15 μg/m3.②污染过程持续时间的统计表明,冬季污染过程持续时间(11~15 d)相对较长,夏季污染过程持续时间(7~9 d)相对较短;PM2.5污染过程的峰值质量浓度分析表明,各城市中度及以上等级的污染频次差异较大,最大值出现在咸阳市,为16次,最小值出现在铜川市,为9次.③利用EMD算法对气压数据进行分解后发现,第4模态(IMF4)的震荡频率变化是关中地区各城市不同季节污染过程持续时间存在明显差异的主要原因.研究显示,单站气压的EMD模态分解可以较好地解释关中地区的污染物浓度特征.   相似文献   

15.
2007—2014年北京地区PM2.5质量浓度变化特征   总被引:1,自引:0,他引:1       下载免费PDF全文
为更好地解析北京地区ρ(PM2.5)的长期变化特征及气流轨迹聚类分析结果,对2007年8月—2014年7月在中国环境科学研究院实测的ρ(PM2.5)数据进行了统计分析,分析其年际、季节和月际变化特征;通过计算PM2.5的AQI分指数,分析了污染等级的时间变化特征;结合后向气流轨迹,对ρ(PM2.5)年际、季节变化与气团来源的关系进行了分析.结果表明:北京地区2008—2013年ρ(PM2.5)年均值分别为111.5、95.8、94.8、80.5、75.2、81.3 μg/m3,整体呈逐年下降趋势,但污染水平依然较高;ρ(PM2.5)由高到低的季节次序为秋季、冬季、春季、夏季,平均值分别为111.6、94.8、77.2、70.5 μg/m3,PM2.5重污染时段主要出现在秋冬季节,并且冬季ρ(PM2.5)近年来逐渐呈上升趋势;ρ(PM2.5)月均值呈单峰型变化,11月最高(为125.3 μg/m3),7月最低(为76.4 μg/m3);轨迹聚类分析发现,途经山西省北部和河北省南部的气流轨迹中ρ(PM2.5)较高,而来自北方及西北方向的气团相对较清洁,ρ(PM2.5)较低.北京地区近些年实施的大气污染减排措施对于控制PM2.5污染取得了一定效果,但针对秋冬季节重污染过程的控制力度仍需要加强,同时也要注意区域污染传输对北京地区ρ(PM2.5)的影响.   相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号