南京冬季重霾天气过程与颗粒物污染特征

2013年12月1-9日利用常规气象观测资料和NCEP再分析资料,结合气态污染物和颗粒物化学组分外场观测,对2013年1月11-16日南京冬季一次持续重霾天气过程与颗粒物污染特征进行分析。结果表明,此次重霾过程,南京地面相对湿度较高且伴随静小风,近地层的水平输送条件较差,污染物不易扩散;天气环流形势稳定,地面受高压控制且处于均压场内,垂直方向存在明显逆温,为霾的形成提供有利的气象条件;大气PM10和PM2.5的小时最大浓度分别高达433μg/m3和325μg/m3,水平能见度低于1 km。PM2.5平均占PM10的72.4%,PM1平均占PM2.5的50.6%,颗粒物以细粒子为主,且PM2.5对能见度的影响随相对湿度的增加而减弱。水溶性离子SO42-、NO3-、NH4+是PM2.5中的主要成分,其占总浓度61%,同时SO2转化率(SOR)和NO2转化率(NOR)分别为0.35和0.31,表明霾天更有利于二次气溶胶转化。此外,PM2.5中无机盐的主要存在形式有(NH4)2SO4、NH4NO3以及少量NH4Cl。水溶性离子浓度与能见度呈现明显负相关性,说明PM2.5中水溶性离子对能见度的降低起主要作用。     

北京地区冬夏季持续性雾-霾发生的环境气象条件对比分析

在北京地区,除冬季供暖期外盛夏也是雾-霾天气的高发季节,与我国南方不同.使用微波辐射仪、风廓线和常规气象探测资料、NCEP再分析资料以及大气成分观测结果,通过对比分析揭示了冬、夏季持续6 d的2个雾-霾过程形成和维持机制的异同.冬季雾-霾过程出现在高空西北气流、低层多短波活动的背景下,其形成和维持的主要机制是边界层内始终有逆温层、地面弱风场、底层湿度逐渐增大.逆温层昼高夜低、湿度昼小夜大是影响PM2.5质量浓度和能见度日变化的重要环境因子.在雾-霾天气持续期间地面弱风场能够维持主要源于冷空气势力弱、常不能影响到地面.此外,入夜后地面迅速辐射降温、边界层上层有暖平流以及空气过山后下沉增温在逆温层的形成中起了关键作用.然而,对于夏季持续性雾-霾天气,气溶胶区域输送、环境大气保持对流性稳定、空气的高饱和度是其发生的重要条件.在副热带高压长时间控制下对流层低层盛行偏南风,北京的PM2.5质量浓度随着偏南风风速增大升高.对流层底层系统性偏南风与北京附近的山谷风共同构成了从北京以南气溶胶累积地向北输送的机制.夏季雾-霾过程低层没有逆温,但是北京上空一直维持超过200 J·kG-1的对流抑制能量,它同样限制了污染物的垂直扩散.夏季自由对流高度也存在昼夜变化,其对PM2.5浓度和能见度的作用与逆温层高度升降相同.因此,冬、夏个例分别代表了2种不同类型的持续性雾-霾过程,导致差异的根本原因在于大气环流型.     

基于多源资料天津一次雾-霾过程的边界层特征

为探究雾-霾过程的边界层特征,选取天津市2019年12月7~10日一次严重的雾-霾典型过程,采用常规自动气象站资料、环境小时浓度资料、以及微波辐射计、风廓线雷达、气溶胶激光雷达等多种观测资料及WRF-Chem源追踪方法对此次污染过程进行综合分析. 结果表明,此次雾-霾过程可明显分为雾生成、雾与霾交替、霾、霾消散等4个阶段;雾-霾天气与大气温度层结密切相关,伴随着逆温生成,相对湿度和液态水含量最大增长速率分别达13.44%/h和0.013g/(m³·h),呈爆发性增长,相对湿度快速增至92%,微波辐射资料可较好预报雾的生成;雾与霾交替出现阶段雾天气改变了边界层结构,雾层内大气呈中性状态,相对有利于污染物在雾区内扩散,PM_2.5高浓度主要出现在边界层400m以下,雾顶持续逆温抑制了污染物向上层大气扩散,造成雾区内污染物浓度加重,地面PM_2.5质量浓度为135~223μg/m³,维持中度-重度污染;雾-霾天气与垂直风场有较好的对应关系,雾与霾交替出现阶段存在低风速和较大风速(西南风带来充沛水汽)两种有利于雾维持的情况,雾顶逆温层以上风速为6~12m/s,雾层内为1~2m/s,雾的存在不利于近地面空气质量的改善;此次雾-霾过程天津本地源排放贡献为36.1%,区域输送贡献为63.9%,整个过程表现出明显的区域输送特征.     

1981~2010年深圳市不同等级霾天气特征分析

利用1981~2010年深圳市地面观测及空气质量监测资料,分析深圳不同等级霾天气的长期变化特征以及大气水平能见度、空气质量与霾的关系.结果表明:深圳霾日数总体呈增多趋势,强度增强,中度以上霾增多;各等级霾日数均呈增多态势,但不同等级霾日占年总霾日的比例变化趋势不同,轻微霾所占比例下降,轻度以上霾上升; 霾天气呈现冬季>秋季>春季>夏季的季节特征,但重度霾却是夏季最多; 霾导致大气水平能见度明显下降,霾日平均能见度较非霾日低6~7km,霾等级越高,能见度下降越明显,霾日能见度日变化幅度较非霾日小;霾日SO2、NO2浓度为非霾日的1.4~1.7倍,PM10是非霾日的2.2倍,大气颗粒物污染加剧可能是深圳能见度恶化、霾天气增多的一个重要原因;针对荔香站霾日SO2浓度日变化不明显,PM10 、NO2浓度呈双峰型分布,与上下班时段吻合,说明机动车的增加也是深圳霾天气增多的主因之一;霾等级越高,空气中PM10、SO2、NO2的浓度越高,从轻微到重度霾各级之间SO2、NO2和PM10浓度增幅大都在15%~20%.     

福州市PM2.5污染过程中大气边界层和区域传输研究

以福建省会福州市2013年1月空气质量变化为对象,分析大气边界层变化和周边区域污染物传输对福州市大气颗粒物PM2.5的影响.利用福州市2013年1月逐日地面和探空观测资料以及NCEP提供的2013年1月FNL分析资料,通过大气边界层要素与PM2.5浓度之间的相关性,对PM2.5污染过程的大气边界层特征进行分析;同时采用HYSPLIT后向轨迹模拟及区域风场相关矢分析对影响福州雾霾的污染物区域传输路径进行探讨.结果表明:地面气温与PM2.5浓度呈正相关,地面风速与PM2.5浓度呈负相关,近地面边界层条件有利于霾颗粒物的形成和累积.但不同于我国东部主要污染源区霾污染过程中存在大气边界层逆温,福州PM2.5污染过程中并未出现大气边界层逆温结构,这一边界层结构的垂直混合可有利于区域传输的污染物从上层大气到达近地面从而加重福州霾污染,福州是华东地区一个PM2.5污染物的主要接受区,PM2.5污染物主要以外源输送为主.2013年1月份福州市清洁日近地面风向为海洋吹向大陆的东南风,霾污染日则为大陆吹向海洋的偏北风,PM2.5污染物主要从长三角地区、苏北以及安徽河南一带通过东北和西北方向的传输路径影响福州的空气质量.     

西安市一次严重霾污染天气特征及气象条件分析

为了解西安市气象条件对霾污染天气的影响,利用西安市13个测点PM2.5逐时监测资料和气温(T)、风向(WD)、风速(WS)、相对湿度(RH)、气压(p)以及能见度(VIS)等地面气象观测数据,对西安市2013年12月16—26日发生的一次严重霾污染过程进行分析。结果表明:此次霾污染过程中,西安市PM2.5日均值浓度最高达744μg/m3,超过国家二级标准近10倍,能见度最低降至0.42 km,重霾污染期间PM2.5/PM10在64%~80%。分析认为高相对湿度、低风速和主导风向不明显以及大气层结稳定是造成本次霾污染天气的主要气象因素,其中大气能见度与风速和大气压呈正相关,其相关系数(r)分别为0.3162、0.3479,能见度与温度的相关系数r=0.0825,呈微弱正相关,能见度和相对湿度的相关系数r=-0.7465,呈显著负相关。细颗粒物对能见度的影响非常明显,二者之间的相关系数为-0.7290,细颗粒污的消光系数最高达9.2 km-1。     

长江三角洲冬季一次低能见度过程的地区差异和气象条件

采用NCEP再分析资料、MICAPS地面、高空气象资料以及国家环保部空气质量监测资料,对2014年2月20~22日长江三角洲地区一次低能见度过程地区差异和气象条件进行了分析.天气形势分析表明,长三角地面处在高压的控制下,地面风速较小,使污染物积累,有利于低能见度(雾-霾)的形成和维持.根据不同区域的雾、霾分布和日变化特征,将长江三角洲地区分为3个子区域:I区为江苏大部(雾霾混合型),II区为上海及其周边(霾类型),III区为浙江大部(雾类型),该区域白天能见度较高,夜间能见度较低的特征是由湿度因子造成的.影响I区能见度变化的主要原因是:热力原因:大气对流层低层的层结稳定;湿度原因为:空气较湿润,气溶胶粒子吸湿性增长;动力原因主要是垂直方向和水平方向的大气扩散能力弱;污染因子对能见度变化的影响较小.影响II区能见度变化的主要原因是PM2.5浓度高导致的污染,热力因子、湿度因子和动力因子对能见度的变化影响很小.影响III区能见度变化的热力原因是:大气对流层低层层结稳定、近地面存在逆温;湿度原因是因为:空气较湿润,气溶胶粒子吸湿性增长;动力原因是因为边界层高度较低导致的垂直扩散能力较差.各个区域的气象因子解释方差的计算结果表明:I区湿度因子和动力因子对能见度的影响更大,III区.湿度因子对能见度的影响更大.     

江苏省一次重霾污染天气的特征和机理分析

利用PM10, SO2,O3,NH3, NOx,CO等6种大气成分浓度数据、常规气象观测数据和天气图资料,结合HYSPLIT4后向轨迹模式,对2008年10月28~30日发生在江苏省的一次大面积重霾污染天气的特征和成因进行了综合分析.结果表明,此次重霾污染天气过程观测到的PM10, NOx,CO最大地面浓度分别达到0.553, 0.170, 2.738mg/m3,水平能见度达到1km以下.其中城市中CO和NOx浓度较郊区高,而SO2和O3则较低.该污染事件与大范围秋收秸秆集中燃烧,造成大量污染物排放有密切关系.平稳的高空环流形势、暖平流、地面高压场分布为重霾污染天气的发生、发展提供了有利的气象条件,地面表现为稳定的大气层结、静小风和低湿环境,非常不利于污染物的扩散.后向轨迹计算分析表明,造成此次重霾污染天气的气团主要来自河南中东部、苏北和安徽等重要产粮地区,长距离输送对区域霾污染产生重要影响.     

乌海市空气污染特征及其与气象要素的关系

文章利用乌海市2006-2010年污染物SO2、NO2、PM10浓度值和气象资料,分析了乌海市近5年空气污染的特征,计算了各污染物与主要气象要素的单相关系数,采用灰色关联分析方法对近5年来影响乌海市污染物浓度的气象要素进行分析。结果显示:(1)乌海市环境空气的首要污染物是可吸入颗粒物,其次是SO2。(2)2006-2010年,NO2变化不大;SO2下降幅度较大,从平均值超标1倍下降到不超标;PM10也呈下降趋势,但下降幅度稍小,5年均超标。(3)SO2一年内平均值变化幅度最大,12月浓度最大,7、8月最小,相差达3倍;PM10也是夏季最小,冬季12月最大,但3、4月份沙尘天气频发时也较大。(4)相关系数通过信度0.05检验的情况下,SO2、NO2、PM10浓度值与平均风速、平均气温、水平能见度、相对湿度、日照时数、平均总云量等具有一定的相关性。(5)用灰色关联分析法得出影响SO2和PM10的气象因素排序,平均风速是影响大气污染的主要气象因素,日照时数和总云量与污染物浓度关联较大。     

徐州市空气质量预测预报中的气象因素影响分析

利用2014年徐州市环境监测中心站SO2,NO2,PM10和PM2.5质量浓度的逐日监测资料及同期徐州市气象局的常规气象观测资料,分析了徐州市空气质量的现状及变化特征,探讨了SO2,NO2,PM10和PM2.5浓度与气象条件的关系。结果表明：徐州市空气质量以良和轻度污染为主,夏、秋季的空气质量好于冬、春季,冬季空气质量最差;较大的降水量过后,空气质量类别为优或者良,降水量较小时,污染物去除效果不明显;风速越大,越有利于污染物的扩散;雾和灰霾天气条件下,空气质量较差。     

沈阳一次雾霾天气颗粒物浓度及光学特征变化

利用2011年10月17～22日连续在线观测沈阳地区大气能见度、颗粒物质量浓度ρ(PM10)、ρ(PM2.5)、ρ(PM1.0)、以及通过太阳光度计测量数据反演得到的气溶胶光学厚度、Angstrom波长指数、气溶胶粒子谱分布数据,结合相对湿度、风速、温度等气象资料,分析了2011 年秋季沈阳一次雾霾天气过程中能见度与颗粒物质量浓度及气溶胶光学特征变化.结果表明:相对温度偏高、小风天气以及颗粒物质量浓度累积是造成沈阳能见度下降、引发雾霾天气的主要因素;雾霾期间细粒子所占比例较高,ρ(PM10)、ρ(PM2.5)、ρ(PM1.0)平均值分别为138.8、103.3、94.9μg/m3,比雾霾过程前均增加约2倍左右,PM2.5/PM10和PM1.0/PM10分别为74.7%和68.6%;当RH0.90),RH >80%时, 能见度与颗粒物浓度间的相关性减弱;雾霾期间气溶胶光学厚度明显增加,雾霾前气溶胶光学厚度和Angstrom波长指数平均值分别为0.82和0.94,雾霾期间气溶胶光学厚度和Angstrom波长指数平均值分别为1.42和1.25;雾霾天气过程中,细模态粒子的峰值浓度约是雾霾前细粒子浓度的2倍,说明沈阳地区大气污染物以细粒子为主,进而影响气溶胶光学特征发生变化.     

天津一次雾-霾天气过程的近地层温湿结构和湍流特征分析

采用地面大气能见度、PM_(2.5)质量浓度、梯度气象资料、塔上湍流观测资料等多种资料及后向轨迹方法,分析近地层温湿结构和湍流特征对2016年12月16日—21日天津地区一次严重持续雾霾天气演变过程的影响.结果表明,本次雾霾天气过程可以明显的分为霾、雾的生成和发展、雾成熟和雾霾消散等4个阶段,近地层温度、相对湿度和风的垂直分布及湍流特征对各阶段的雾-霾转化起到了重要作用.霾生成期间,偏南气流盛行,地面风速降低,RH不断增大,湍流不活跃;地面辐射降温引发了近地层内显著的强逆温,并导致RH由地面到高空逐渐增大,有利于雾的生成和发展;感热通量和潜热通量爆发式增长,导致逆温层瓦解,雾顶继续抬升,雾进入成熟阶段,湍流活动减弱;受西北气流影响,湍流活跃,高空的干冷气团向下取代地面暖湿气团,结束本次雾霾天气过程.采用近地层温湿结构和湍流特征资料,可用于雾-霾天气的演变及其转化过程精细分析.     

徐州冬季雾-霾天颗粒物粒径及气溶胶光学特性变化特征

为研究徐州冬季雾-霾天气形成过程中颗粒物粒径及气溶胶光学特性的变化特征,分析了2014年12月1日～2015年2月28日徐州大气颗粒物质量浓度（PM₁₀、PM_2.5、PM₁）、数浓度（0～1μm、1～2.5μm、2.5～10μm）和气溶胶光学特性等数据.结果表明：0～1μm粒径范围细颗粒物的大量增多是引发徐州冬季雾-霾天气的主要因素,徐州冬季地面风速小（静风或轻风天气）,较高的大气相对湿度对雾-霾的形成和维持起着重要影响作用.持续时间较长的雾霾天气,因颗粒物吸湿增长和水汽附着,1～10μm粒径范围大气颗粒物在雾霾时段易发生沉降而减少,后随相对湿度降低雾霾转为短时间的霾天气,1～10μm颗粒物数浓度大幅上升.徐州冬季500nm波段AOD_total和AOD_{fine mode}具有相同的变化趋势,雾-霾日AOD_total和AOD_{fine mode}显著高于非霾日.AOD_{fine mode}与AOD_{coarse mode}的比值雾-霾日亦明显高于非霾日,而且在雾-霾日Angstrom波长指数主要集中在1～1.6,表明徐州冬季雾-霾时段大气中细颗粒物为主控粒子.     

气象条件对上甸子地区气溶胶散射特征的影响

利用北京地区上甸子站气溶胶散射系数、PM2.5质量浓度和气象要素1 a的观测资料,研究不同天气条件下上甸子地区散射系数的变化特征,并讨论了气象条件对散射系数的影响.结果表明,散射系数在雾霾天最高608.4 Mm-1,其次为雾天500.6 Mm-1和霾天423.7 Mm-1,是一般天气散射系数的6.4～9.2倍.在各类天...     

基于精细观测资料的深圳不同季节霾及其污染特征分析

利用2010~2013年逐时霾、能见度和空气质量监测数据,分析了深圳霾天气的变化特征、霾与空气质量和气象条件的关系.结果表明:深圳市霾日数总体呈现增多增强趋势,2009年开始明显下降;霾日数呈“V”型月变化:即秋冬季多、春夏季少,秋冬季多发持续时间长、影响严重的霾过程,春夏季多发持续时间短的霾过程; 霾常伴有污染发生(35%),污染以轻度污染为主;霾时首要污染物PM2.5最多、其次O3,这说明PM2.5是造成深圳霾的主因,且深圳光化学污染严重. 霾时PM2.5、PM10 和O3季节变化明显,冬春季首要污染物以PM2.5为主(75%以上),夏秋季O3和PM2.5为主;分析还发现,风、相对湿度与霾密切相关,风速越弱,湿度越大, 越利于霾出现和发展.约80%的中重度霾出现在风速<2m/s,相对湿度70%~90%的情况下.     

三种霾日统计方法的比较分析

为了研究单次值法、日均值法、14时值法3种常用的霾日和轻雾(雾)日统计结果的异同,以环首都圈京津冀晋四省市为例进行了比较.华北地区霾日用3种方法统计的过去60余年霾日的区域分布表明,3种方法统计的霾日是单次值法>日均值法>14时值法,大致是1:0.54:0.45的关系,但区域分布趋势比较相似.典型城市霾日的长期变化趋势大都十分相似.而轻雾(雾)日的长期变化趋势表明,用单次值法统计的明显偏多,且有长期下降趋势;而用日均值法与14时值法统计的轻雾(雾)日无大差别,且没有明显的长期变化趋势,反映了年季和年代季的气候波动.从长期季节变化趋势来看,3种统计方法的结果除日数的差别外,季节分布特征比较类似.一个突出的特点是除去采暖季有较多的霾日外,在盛夏季节霾日也明显多,集中出现在6~9月,尤其是7~8月,与桑拿天同期出现,这与全国大部分城市的变化趋势完全不同.是华北地区的特有现象.用单次值法统计霾日,将包括所有的霾过程,即大范围持续时间长,且与一定天气系统与近地层扩散条件相关连的霾,及在稳定的晴朗夜间由于辐射降温,使相对湿度升高而导致能见度下降形成的霾.用日均值法,则可能更多的显示长时间大范围的霾天气过程;而使用14时法,则对早晚因湿度增加降低能见度出现的霾天气漏记,突出长时间大范围的霾天气过程.     

广州雾霾期间气溶胶水溶性离子的日变化特征及形成机制

为研究雾霾天气下SO42-、NO3-和NH4+的形成机制,2013年4月18~23日,使用6级Anderson大流量采样器采集了不同粒径段的气溶胶样品,并利用离子色谱对其中的水溶性无机离子进行了分析.结果表明,广州雾霾期间PM3和PM10中总水溶性无机离子平均浓度分别为(32.7±13.3)μg/m3和(39.4±15.7)μg/m3.SO42-、NO3-和NH4+是最主要的水溶性离子,它们在PM3和PM10中占总离子质量分数分别为76%和71%.3种离子主要集中在0.49~1.5μm的液滴模态,该模态中NH4+主要以(NH4)2SO4和NH4NO3的形式存在,而凝聚模态的NH4+则主要以(NH4)2SO4和NH4HSO4的形式存在.液滴模态的SO42-主要来自雾内或颗粒表面的液相氧化反应,NO3-主要来自夜间N2O5在颗粒表面的水解反应,NH4+主要来自NH3在颗粒上进行的非均相中和反应,而这3种离子在该模态的日变化特征则很好的反映了以上的形成机制.受太阳辐射的影响,3种离子的浓度在凝聚模态均表现为白天高于夜晚.