2009年8~9月成都市颗粒物污染及其与气象条件的关系

对成都市3个不同点位PM2.5和PM10进行了为期30d的连续观测,研究了大气颗粒物浓度的时空分布特征,及其与气象条件的关系.研究表明,观测期间成都市大气颗粒物PM2.5和PM10质量浓度日均值分别为66,94μg/m3,两者浓度变化范围较大,但变化趋势相同.从空间分布来看,大气颗粒物浓度均是熊猫基地>草堂寺>丽都花园,即下风向污染状况最严重,商业繁华地段次之,生活居住区最好;从时间分布来看,大气颗粒物污染最严重出现在9月17~19日,9月5~9日2个时间段,不利的气象因素和污染物的累积是造成该时间段大气颗粒物污染加重的主要原因.PM2.5与PM10质量浓度的相关性为0.93,PM2.5对PM10的贡献较大,两者质量浓度的比值达0.69.气温对大气颗粒物浓度变化没有显著影响;降水以及风速对颗粒物浓度影响较大,主要是对颗粒物的湿清除和促进扩散作用;在一定相对湿度范围内,高湿度条件容易造成大气颗粒物的较重污染.能见度与大气颗粒物浓度呈明显负相关性,且与PM2.5的相关系数大于与PM10的相关系数.     

苏州城区能见度与颗粒物浓度和气象要素的相关分析

利用苏州市2009年9月─2010年5月的颗粒物(包括黑碳,PM_2.5和PM₁₀)质量浓度、能见度、相对湿度、风速、风向、气温等观测资料,分析了苏州城区能见度与颗粒物质量浓度及气象要素的相关关系.结果表明:ρ(黑碳),ρ(PM_2.5)和ρ(PM₁₀₎与能见度的r(相关系数)分别为-0.465,-0.359和-0.238,这3种颗粒物中,能见度与ρ(黑碳)的相关性最显著.当相对湿度≤60%时,ρ(黑碳),ρ(PM_2.5)和ρ(PM₁₀₎与能见度的r分别为-0.675,-0.411和-0.364.相对湿度较低时,颗粒物与能见度相关性较好.能见度与温度、风速的r分别为0.132和0.188,与相对湿度的r为-0.632.用颗粒物质量浓度和气象要素建立的能见度多元线性回归模型效果不好,在该模型基础上用ρ(黑碳),ρ(PM₁₀₎和相对湿度建立了能见度的多元二次回归模型,R(复相关系数)达到0.865,R2(复决定系数)达到0.749.      

气象条件对河北廊坊城市空气质量的影响

气象条件是影响大气污染的重要因子.利用2013年3月—2014年2月廊坊颗粒物质量浓度监测资料、自动气象站观测资料和欧洲中期天气预报中心再分析资料,采用多种统计方法分析气象与污染的关系,量化天气形势和局地气象条件对城市颗粒物质量浓度变化的贡献.结果表明:天气形势是决定局地气象要素和城市空气质量的重要因子.当廊坊位于高压中心或高压后部时,大气层结稳定,易造成重污染;当廊坊位于高压前部(气压梯度较大)时,大气层结不稳定,易于污染物输送和扩散.利用客观天气分型结合污染物质量浓度统计分析方法,可以量化天气形势对城市空气质量的影响.在局地气象要素中,能见度与ρ(PM_2.5)、ρ(PM₁₀)相关性最高(相关系数分别为-0.75和-0.53,下同),其次依次为风速(-0.45和-0.31)、相对湿度(0.41和0.25)和温度(-0.15和-0.06).通过污染物浓度与局地风场关系分析发现,廊坊颗粒物质量浓度受天津市、河北省南部区域输送的影响明显,受北京区域输送的影响相对较弱.研究显示,气象条件可以解释廊坊ρ(PM_2.5)和ρ(PM₁₀)日均值变化的56%和49%,其在冬季对颗粒物质量浓度影响最为显著,春秋季次之,夏季影响最小.      

邯郸市大气PM_(2.5)成分空间分布研究

为研究邯郸市2015年PM_(2.5)的污染状况,采用河北工程大学监测站全年PM_(2.5)浓度和气象在线监测数据以及4个代表月4个站点离线采样成分数据,分析了PM_(2.5)的浓度水平与气象要素的关系以及其化学组分特征。结果表明:PM_(2.5)的年均浓度为91.14μg/m~3,最高达到706.56μg/m~3;不同相对湿度条件下,PM_(2.5)浓度对邯郸地区能见度有较大影响。此外,邯郸静风频率较大,全年东南风风速较小,PM_(2.5)污染相对更加严重;PM_(2.5)中主要化学成分为SO_4~(2-)、NO_3~-和NH_4~+、OC和EC,4个站点采样无显著差异性。     

北京地区大气温湿廓线对气溶胶垂直分布的影响

目的分析北京地区大气温湿廓线对气溶胶垂直分布的影响。方法利用北京地区2017年9月至2018年8月每日两次(08时和20时)的气象探空、地面PM_(2.5)浓度和气溶胶激光雷达消光系数资料,分析不同污染条件下大气温湿廓线与气溶胶消光系数廓线的关系。结果地面PM_(2.5)浓度和210m气溶胶消光系数的相关系数达到0.77。春季、秋季和冬季污染条件下的近地面消光系数约是清洁条件下的5倍,夏季污染条件下的近地面消光系数约是清洁条件下的3倍。相比清洁条件下,污染条件下各季节的大气温度垂直递减率偏小,并且低层大气相对湿度偏大。结论大气温度廓线代表大气层结稳定性,影响气溶胶的扩散高度,而相对湿度廓线与气溶胶吸湿增长密切相关,两者对气溶胶消光系数的垂直分布都有重要影响。     

上海市青浦区PM_（10）污染状况及其与气象要素的关系

利用2006-2010年上海市青浦区PM10和同期地面气象要素的监测资料,定量分析PM10的季节变化规律以及PM10与降雨量、大气湿度和风速之间的关系。分析结果表明：PM10浓度在夏季处于低值,冬季处于高值;5mm/d以上的降雨对PM10有显著的清除作用,且春夏季降雨的清除作用大于秋冬季节。PM10浓度与大气湿度基本呈负相关关系。风速在一定范围内有利于PM10的扩散但不至造成扬尘,春夏季节的适宜风速是1.5～3.5m/s,冬季的适宜风速是1.5～2.5m/s。     

连云港市PM_(2.5)污染特征及影响因素分析研究

主要利用连云港市环境监测中心站的大气环境自动监测平台的监测数据,对PM2.5质量浓度的变化特征以及与气象要素的关系分析。结果表明,连云港市的PM2.5质量浓度的变化特征基本上有明显的夏季与非夏季两种季节性特征。在夏季,PM2.5污染程度较轻,而在非夏季,PM2.5污染程度较重;风速与PM2.5质量浓度变化曲线几乎是负相关的。当风速大的时候,利于污染物的扩散;而风速小的时候,容易使得污染物浓度变大;PM2.5质量浓度变化曲线与温度的关系几乎呈现的是正相关性。气温的变化不总是反映空气质量的好坏情况,而逆温却易使污染物浓度升高;PM2.5质量浓度变化曲线与相对湿度的关系呈现的是正相关性;PM2.5质量浓度变化曲线与气压的关系在总体是呈负相关的。     

2017年京津冀地区PM2.5污染特征及潜在来源分析

京津冀及周边地区大气污染问题突出,秋、冬季重污染天气频发。为探讨该地区PM_2.5污染来源,分析其污染状况和气象因素的关系,利用2017年京津冀地区空气质量监测站的气象资料如气压、风速、相对湿度、温度、降水量等,结合ArcGIS软件空间插值法、SPSS 21.0的Pearson相关性分析等方法,采用拉格朗日混合型的扩散模型HYSPLIT后向轨迹聚类分析方法,探讨北京地区主要气团传输轨迹,结合GDAS气象资料计算潜在源贡献因子。结果表明:1）2017年京津冀地区ρ（PM_2.5）年均为64.4μg/m3,比2016年下降11.5%,全年达标天数占比为74.2%。2）京津冀地区PM_2.5与气压、相对湿度呈正相关,其中气压与PM_2.5相关性最高;与风速、日照时长、温度、降水量呈负相关,其中日照时长与PM_2.5相关性最高。冬季比其他季节影响更为显著。3）从时间尺度看,冬季污染最严重,秋、春季稍好,夏季PM_2.5优、良级占92.4%;其中,1月平均ρ（PM_2.5）最高。4）从空间范围看,整体上京津冀地区呈现南高北低,南北差异相对明显,其中其北部承德、张家口、秦皇岛地区ρ（PM_2.5）最低,石家庄、邯郸PM_2.5污染较严重。5）源解析结果表明,冬季北京地区主要受本地污染源影响,在春、秋季节受周边区域源贡献因子PSCF值>0.4,河北、山东、河南等地对北京PM_2.5的污染有一定的源贡献。     

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.     

广州亚运期间鹤山大气颗粒物及碳组分的分析

2010年11月广州亚运会期间,在鹤山连续测量了PM10、PM2.5及PM2.5中有机碳(OC)、元素碳(EC)的质量浓度,结合气象数据综合分析了该地区上述各种污染物的污染特征。研究结果表明:鹤山大气颗粒物以PM2.5为主,PM10和PM2.5具有较好的相关性(R2=0.72),其中PM2.5污染较严重;与国内外其他城市相比,鹤山OC、EC质量浓度处于中等偏高水平;OC和EC质量浓度的相关性较差(相关系数R2=0.32),OC/EC质量浓度比值远大于2,说明鹤山大气OC、EC来源较复杂,同时存在严重的二次污染;估算的二次有机碳(SOC)占OC总质量的66.5%。各种气象因素中,风速对污染物的质量浓度影响最大,秸秆燃烧等人类活动对其也有显著影响。     

Quantitative relationship between visibility and mass concentration of PM2.5 in Beijing

The pollution of particulate matter less than 2.5μm （PM2.5） is a serious environmental problem in Beijing. The annual average concentration of PM2.5 in 2001 from seasonal monitor results was more than 6 times that of the U,S, national ambient air quality standards proposed by U.S. EPA. The major contributors to mass of PM2.5 were organics, crustal elements and sulfate. The chemical composition of PM2.5 varied largely with season, but was similar at different monitor stations in the same season. The fine particles （PM2.5） cause atmospheric visibility deterioration through light extinction, The mass concentrations of PM2.5 were anti-correlated to the visibility, the best fits between atmospheric visibility and the mass concentrations of PM2.5 were somehow different： power in spring, exponential in summer, logarithmic in autumn, power or exponential in winter. As in each season the meteorological parameters such as air temperature and relative humidity change from day to day, probably the reason of above correlations between PM2.5 and visibility obtained at different seasons come from the differences in chemical compositions of PM2.5.     

上海市青浦区PM_(10)污染与气象要素的关系

利用2006年-2010年上海市青浦区PM10和同期地面气象要素的监测资料,定量分析PM10的季节变化规律以及PM10与降雨量、大气湿度和风速之间的关系。分析结果表明:PM10浓度在夏季处于低值,冬季处于高值;5 mm/d以上的降雨对PM10有显著的清除作用,且春夏季降雨的清除作用大于秋冬季节。PM10浓度与大气湿度基本呈负相关关系。风速在一定范围内有利于PM10的扩散但不至造成扬尘,春季的适宜风速是1.5～3.5m/s,冬季的适宜风速是1.5～2.5 m/s。     

2008奥运和后奥运时段北京大气颗粒物质量浓度和数浓度比对研究

为探索奥运和后奥运时段北京地区大气颗粒物质量浓度和数浓度变化规律及其主要影响因素,于2008-08-08～2008-10-07期间,在中国科学院大气物理研究所325 m气象观测塔附近的办公楼楼顶使用微量振荡天平（TEOM）和空气动力学粒谱仪（APS）在线实时测量颗粒物质量浓度和数浓度,同时结合地面气象资料和HYSPLIT轨迹模式对颗粒物的来源和传输过程进行了探讨. 结果表明,奥运期间北京大气颗粒物粗细粒子质量浓度（PM_2.5～10和PM_2.5）平均值分别为（23.1±1.6） μg·m^-3和（55.5±7.3）μg·m^-3,比非奥运时期分别降低18.2%和16.0%,比非源控制时期分别降低22.3%和18.0%;而奥运期间粗细粒子数浓度（PN_2.5～10和PN_0.5～2.5）平均值分别为（15±1）个·cm^-3和（3138±567）个·cm^-3,比非奥运时期分别降低23.4%和27.5%,比非源控制时期分别降低29.5%和34.3%. 观测期间风速、相对湿度和前1 d的降水与颗粒物质量浓度和数浓度存在显著线性关系,逐步回归分析结果显示,风速和相对湿度可以解释细粒子质量浓度和数浓度变化的42%和53%,而风速和前1 d的降雨则可以解释粗粒子质量浓度和数浓度变化的21%和39%;观测期间北京大气颗粒物主要受保定、石家庄等偏南地区输送的影响,偏南弱气流使北京大气细粒子质量浓度和数浓度迅速增加,而偏北强气流使区域大气粗细粒子得到彻底清除,体现了北京地区大气粗粒子受局地排放控制而细粒子受区域污染输送的特征. 对比观测期间颗粒物累积清除的2次典型过程发现,气象因素影响颗粒物浓度值波动,而局地源排放减少和区域输送减弱则使颗粒物粗细粒子浓度显著降低,北京及周边省（市、区）协同减排是保障奥运期间优质空气质量的主要原因.     

兰州市大气PM10健康影响效应的可预报性探讨

使用质粒DNA评价法研究了兰州市大气PM₁₀对质粒DNA的氧化性损伤能力及其与ρ(PM₁₀₎、采样期间的风速、相对湿度等气象要素之间的关系.结果表明:兰州市大部分PM₁₀对质粒DNA的氧化性损伤能力与ρ(PM₁₀₎呈正相关.兰州市PM₁₀全样对质粒DNA的氧化性损伤能力与采样期间的相对湿度和平均风速分别呈正相关和负相关,相关系数分别为0.531和-0.673.通过分析PM₁₀对质粒DNA的氧化性损伤原因可知,PM₁₀对人体健康的影响效应可用便于预报的ρ(PM₁₀₎、气象要素(相对湿度和风速等)等进行表征,即其可能具有可预报性.      

遵义市PM10和PM2.5污染水平时间分布及其与气象条件的关系研究

对遵义市2014年1月1日-12月31日大气颗粒物在线监测数据分析结果表明,全年PM10和PM2.5质量浓度的变化幅度较大,但变化趋势相似,且具有较好的相关性,其中冬季>春季>秋季>夏季;日变化呈双峰特征分布,夜间峰值比中午峰值大,且夜间PM2.5浓度呈区域性变化特征.选取日平均气温、相对湿度及风速等气象因子,利用Spearman秩相关分析表明遵义市全年PM10和PM2.5质量浓度与气温、相对湿度及风速等气象条件均呈负相关.     

2014年10月上旬北京市大气重污染分析

使用垂直观测、地面观测和PM2.5化学组分观测等手段,对2014年10月上旬北京市一次重污染过程进行分析.结果表明,本次大气重污染发生时北京市近地面后散射激光强度变强,气溶胶消光系数升高,说明污染物在近地面层积累.重污染期间气象要素特征为:风场弱,湿度大,地面受弱气压场控制.从PM2.5浓度变化趋势来看,这次重污染过程大体分为四个阶段:“两个台阶”型的浓度爬升阶段(P1和P2)、高浓度维持阶段(P3)和迅速清除阶段(P4).结合地面观测、遥感反演和PM2.5组分分析可发现,区域传输是导致本次重污染的诱因,其中秸秆焚烧是影响因素之一,随后区域传输和本地污染物排放共同维持并加重了重污染过程.大气氧化剂OX与PM2.5浓度、二次离子浓度均表现出显著正相关性,表明较强的大气氧化性能促进PM2.5浓度增长.     

北京市2009年8月大气颗粒物污染特征

为研究2008年8月北京奥运会1a之后北京市大气颗粒物的污染特征,于2009年8月对北京市大气颗粒物PM10、PM2.5样品进行采集,测量其质量浓度并对其中的水溶性离子组分进行分析.研究发现2009年8月北京市大气颗粒物PM10、PM2.5质量浓度日均值分别为176.9μg/m3和102.5μg/m3.PM10质量浓度比2008年观测值上升了180%,比2007年降低了10%; PM2.5质量浓度比2008年观测值上升了126%,比2007年上升了31%.水溶性离子是大气颗粒物的重要组分,分别占PM10和PM2.5质量浓度的43%和61%.对比发现,污染天气条件下PM2.5/PM10和NO3-/SO42-比值升高,移动源是北京地区主要的污染物来源.风向风速和降水等天气条件对颗粒物质量浓度有很大影响,其中0.5~1.0m/s的东南风条件下大气颗粒物污染最为严重.     

南京市霾天气与主要气象条件的相关分析

利用天气学原理,分析研究2012~2014年南京市霾天气的主要地面天气形势、气象要素以及PM2.5与PM10浓度的相互关系.结果表明,2012~2014年南京市霾天气以轻度和轻微霾为主,且冬季最多,夏季最少;相对湿度在50%~80%之间有利于霾的发生,尤其是70%≤RH<80%时;有87.6%的霾发生在风速≤4m/s的情况下,并且主要来自东北偏东到东南风向区域.最利于南京霾天气形成的主要天气形势是均压场、高压控制和高压后部,而低压槽、副高控制和台风影响时霾发生较少.PM2.5在PM10中所占比例与霾强度呈正比.通过对南京市气象条件与霾的关系,及后向轨迹HYSPLIT4模式的聚类分析显示,结合南京市霾天气时的风向统计,影响南京霾发生的污染源主要有本地源、南京市东南地区的近距离污染源和华北地区的远距离污染源.     

北京春季强沙尘过程前后的激光雷达观测

利用激光雷达、PM_2.5和地面气象要素等综合观测资料,分析了北京地区2012年3月30—31日的强沙尘过程前后的天气形势和PM_2.5的污染特征,反演了雷达探测期间得到的消光系数,探讨了沙尘过程中气溶胶的时空分布特征及输送特征. 结果表明:沙尘过境时,地面风速最大达到6m/s,沙尘沉降时ρ(PM_2.5)增至289μg/m3,相对湿度和能见度明显降低,大气低层逆温和近地面风速等气象条件对沙尘影响地面的时间和程度起到了重要作用;沙尘层雷达反演的气溶胶消光系数最大为0.96km-1,偏振比最大为0.4,近地面消光系数变化与地面ρ(PM_2.5)变化规律吻合较好,其探测可以精确反映不同天气形势下气溶胶的垂直结构和时空变化信息;高空输送至北京的沙尘以粗颗粒物为主,细粒子主要来源于本地及周边地区细粒子源;西北方向的内蒙及外蒙地区沙尘输送是导致此次北京强沙尘过程的主要原因.      

自贡市大气颗粒物污染特征及来源解析

利用自贡市大气监测数据、同期气象数据以及颗粒物源解析在线监测资料,对颗粒物污染的特征及成因进行研究.结果表明:颗粒物年均浓度受浮尘天气影响明显,季均浓度呈冬高夏低变化,月均浓度呈"U"字形变化,日均浓度呈双峰型变化;颗粒物与降水、温度、气压、风速存在相关性,与相对湿度无相关性,PM10、CO、NO2、SO2、O3浓度对PM2.5浓度变化影响显著;PM2.5主要成分为元素碳、有机碳、富钾颗粒等,主要来源为机动车尾气、燃煤、工业工艺源等.