邯郸市大气复合污染特征的监测研究

利用邯郸市4个大气环境监测站点的PM2.5、PM10、O3等在线连续观测数据,对2013年全年的PM2.5、PM10、O3的浓度水平、变化规律和PM2.5/PM10的变化情况进行了分析,并从地形、气象、污染物排放及冬、夏季逐时PM2.5、O3和各类气体污染物浓度之间的关系等方面进行了研究.结果表明:12013年PM2.5、PM10的年均浓度分别为139和238μg·m-3,分别是国家二级标准的4.0倍和3.4倍.PM2.5、PM10日均浓度超过标准的天数均在280 d左右,全年3/4以上天数均超标.其颗粒物污染程度甚至超过北京、天津、长三角和珠三角等超大城市或城市群,属于严重超载的红色预警地区.整个采暖期PM2.5、PM10平均浓度分别为209和322.1μg·m-3,为非采暖期平均浓度的2倍和1.6倍;同时,采暖期PM2.5/PM10平均值为63%,高出非采暖期10%,采暖期细颗粒物污染问题特征明显.22013年O3日最大8小时平均浓度的最大值为238μg·m-3,是国家二级标准的1.5倍,超标天数为53 d,超标率为14.5%;最大时均浓度为288μg·m-3,是国家二级标准的1.4倍,超标小时数为148h,占全年有效数据的1.7%;与北方城市相比,其污染程度超过北京、天津等,略低于洛阳污染水平.3邯郸市大气复合污染的形成,除了区域大气环流与特殊地形叠加影响外,还主要归因于相对较高的人为源大气污染物排放,因此,要想走出复合污染的困局,减排是硬道理,解决灰霾污染需开展颗粒物、NOx、SO2等污染物的协同控制.     

长江三角洲地区大气O3和PM10的区域污染特征模拟

以TRACE-P污染源资料及上海市地方排放清单为基础,采用Models-3/CMAQ环境空气质量模型和中尺度气象模式MM5,模拟研究了2001-01和2001-07长三角近地面二次污染物O3及PM 10的浓度分布及输送状况,并以上海市国控点2001年冬、夏季各10 d的小时监测数据对模型进行了验证.验证结果显示,Models-3/CMAQ对O3和PM10的模拟结果与监测值的相关系数分别为0.77和0.52;一致性指数分别达到0.81和0.99.模型对O3小时最高浓度的估算偏低27%,标准偏差为-3.1%;对PM10小时平均浓度的估算偏低10%,标准偏差为46%.模型已具备再现和模拟长三角大气污染输送过程的能力,且误差落在可接受的范围之内.模拟结果显示,2001-07长三角区域16个主要城市中,有14个城市O3小时最大浓度超过国家二级标准,高浓度O3可覆盖苏南和浙北广大区域.2001-01泰州、扬州、南京、镇江、常州等城市受本地排放源和北部大气污染输送的影响显著,大气PM10日均浓度超过PM10国家二级标准.长三角地区环境空气质量与污染类型受大气污染传输与化学转化的影响十分明显.夏季太阳辐射较强时,南部城市排放的污染物常以二次污染物的形式影响下风向城市;太阳辐射较弱的情况下,则以一次污染物输送为主的形式影响周边地区.冬季长三角区域颗粒物污染总体水平较高,这与我国北方地区排放的颗粒物在西北风作用下向长三角输送造成的影响密切相关.长三角地区的大气污染已逐渐从局地转为区域问题.     

中国城市O_3浓度时空变化特征及驱动因素

基于2015~2017年O3浓度监测数据,采用克里金插值、空间自相关分析、热点分析和地理探测器等方法,研究了中国城市O3浓度的时空变化特征及驱动因素。结果表明:(1)2015~2017年中国城市O3污染逐年加重,年评价指标超标城市由74个增加到121个,平均超标天数比例由5.2%上升到8.1%。(2)O3污染主要发生在4~9月,超标天数占全年总超标天数的87.5%~95.3%。5~7月O3浓度上升最快、污染最严重,超标天数比例由2015年的10.6%上升到2017年的20.5%,2017年83.0%的中度污染和91.0%的重度污染发生在5~7月。(3)华北平原O3浓度的持续上升,已将京津冀和长三角地区O3高污染区连成一片,形成了包括环渤海地区、中原城市群、长三角城市群、山西、关中地区和内蒙古中部集中连片的O3高污染区,是我国O3污染最严重的区域。珠三角、成渝城市群和华东地区南部O3浓度上升也较快,成渝城市群的核心城市已初步形成我国新的O3污染中心。(4)O3浓度空间集聚性逐年增强,年度热点主要分布在华北平原和长江中下游地区,冷点主要分布于东北、西南及华南地区。(5)地理探测器分析表明,气象、工业化、城市化因素和O3前体物排放量因子对O3浓度分布均有显著驱动作用,但不同地区O3浓度的驱动因素存在差别,同一因子在不同季节的驱动作用也不尽相同。     

中国城市O3浓度时空变化特征及驱动因素

基于2015～2017年O_3浓度监测数据,采用克里金插值、空间自相关分析、热点分析和地理探测器等方法,研究了中国城市O_3浓度的时空变化特征及驱动因素.结果表明:①2015～2017年中国城市O_3污染逐年加重,年评价指标超标城市由74个增加到121个,平均超标天数比例由5. 2%上升到8. 1%.②O_3污染主要发生在4～9月,超标天数占全年总超标天数的87. 5%～95. 3%. 5～7月O_3浓度上升最快、污染最严重,超标天数比例由2015年的10. 6%上升到2017年的20. 5%,2017年83. 0%的中度污染和91. 0%的重度污染发生在5～7月.③华北平原O_3浓度的持续上升,已将京津冀和长三角地区O_3高污染区连成一片,形成了包括环渤海地区、中原城市群、长三角城市群、山西、关中地区和内蒙古中部集中连片的O_3高污染区,是我国O_3污染最严重的区域.珠三角、成渝城市群和华东地区南部O_3浓度上升也较快,成渝城市群的核心城市已初步形成我国新的O_3污染中心.④O_3浓度空间集聚性逐年增强,年度热点主要分布在华北平原和长江中下游地区,冷点主要分布于东北、西南及华南地区.⑤地理探测器分析表明,气象、工业化、城市化因素和O_3前体物排放量因子对O_3浓度分布均有显著驱动作用,但不同地区O_3浓度的驱动因素存在差别,同一因子在不同季节的驱动作用也不尽相同.     

成渝城市群臭氧污染特征及影响因素分析

为研究成渝城市群O_3污染特征及其影响因素,对成渝城市群15个城市2015—2016年国控环境监测站点和国家气象台站数据进行了研究.结果表明,研究区域15个城市均存在不同程度的O_3超标现象.2015—2016年成渝城市群O_3污染形势愈发严峻,春末及夏季污染最为严重,且在7月达到O_3浓度峰值(118μg·m~(-3)),O_3污染空间分布呈片状,以资阳为中心的遂宁、眉山、成都等城市为O_3污染较为严重的区域.颗粒物、NO_2及CO均与O_3有显著相关性,其中,颗粒物与O_3浓度在冬季呈负相关,在夏季则表现为正相关.太阳辐射、气温、相对湿度及流场均是影响O_3浓度的重要因子,强辐射、高温及低湿易形成较高浓度的O_3,相对湿度对O_3浓度的影响呈先升后降的关系.     

2015年12月气流轨迹对长三角区域细颗粒物浓度和分布的影响

2015年12月中国长三角区域经历了4次高浓度、大范围、长时间的颗粒物污染.本研究基于HYSPLIT后向轨迹模式结合GDAS（Global Data Assimilation System,全球资料同化系统）气象数据和长三角区域15个主要城市的PM_2.5质量浓度数据,利用轨迹聚类、潜在源贡献因子法（Potential Source Contribution Function,PSCF）和浓度权重轨迹法（Concentration-Weighted Trajectory,CWT）分析了2015年12月长三角区域主要气流轨迹方向和重污染过程中细颗粒物的潜在来源分布,探讨了不同污染过程的气象特征和影响气团分布.结果表明,2015年12月长三角区域主要受到来自西北和北方气流影响（B、C、D类）,其出现概率分别为39.5%、20.0%和25.8%;西方内陆（A类）出现概率最低,仅为14.7%.西北内陆方向长距离输送（B类）对长三角区域空气质量影响较大,在此类气团主导下,长三角区域颗粒物（PM_2.5、PM₁₀）质量浓度和气态污染物（SO₂、NO₂、CO）质量浓度平均值分别为90.9、135.1、32.4、54.4和1200 μg·m^-3,且粗颗粒物比重较其它3类聚类高;经过东北海面气团（C类）携带的颗粒物浓度也较高,且PM_2.5/PM₁₀比值最高,可能是其水汽含量较高加剧了污染物的二次生成.PSCF和CWT分析结果表明,污染过程1（12月5-8日）期间,长三角区域PM_2.5浓度主要受内蒙东部、京津冀、山东和江苏东部等地影响;污染过程2（12月10-11日）和污染过程3（12月13-15日）期间,京津冀地区对长三角区域PM_2.5浓度的贡献都较低,污染过程2的主要潜在源区较为集中,主要为内蒙东部、辽宁、山东东部、江苏和上海;而污染过程3的潜在源区较广,内蒙西南地区、甘肃、山西、陕西、河南、河北南部、山东、安徽北部等地及长三角本地对区域PM_2.5浓度均有重要贡献;污染过程4（12月20-27日）持续时间最长,相较前3次污染过程,京津冀地区和西南地区对长三角区域PM_2.5浓度的贡献相对增加.总体来说,2015年12月4次污染过程期间长三角区域PM_2.5污染的潜在贡献源主要集中在华北和华东（长三角）地区,区域性污染和长距离输送对冬季长三角区域空气质量有重要影响.     

长三角淳安地区二次颗粒物污染形成机制

二次组分是长三角区域PM_(2.5)颗粒物的主要组成部分,研究二次细颗粒物污染特征以及形成机制对污染控制至关重要.本文揭示了长三角背景地区颗粒物的有机与无机组分的构成,实现了对二次有机气溶胶(SOA)总量的核算;并进一步结合气溶胶热力学模型,模拟颗粒物的理化性质,深入探讨颗粒相的水含量与酸碱度对二次污染物形成的影响.结果表明,长三角背景区域细颗粒的年平均浓度为33μg·m~(-3),主要成分为硫酸盐、硝酸盐、铵盐和有机物,其平均贡献分别为19%、15%、12%和19%.颗粒相中的硝酸盐主要为局地生成,其质量浓度主要受到温度与颗粒相铵盐浓度的影响;硫酸盐的生成受到区域传输与局地生成的耦合作用的影响.气溶胶热力学模型模拟的结果显示,长三角背景地区颗粒物总体呈现强酸性,其酸度受季节影响不大,但显著受到了颗粒相水含量的影响;颗粒相水含量对春季SOA生成的促进作用较夏季更为显著;夏季SOA在PM_(2.5)中质量浓度占比高达40%,其形成主要受到大气氧化性的影响.     

灰霾试点城市PM2.5浓度特征及其影响因素分析

利用2011年PM2.5监测数据分析了灰霾试点城市PM2.5浓度特征,结果表明:灰霾试点城市PM2.5日超标比例范围为3.3%～42.9%,年均浓度超标严重;灰霾日PM2.5浓度和PM2.5/PM10较非灰霾日分别升高80.0%和4.1%。分析了北京总站点位在12月3-13日污染过程中颗粒物浓度变化特征,结果表明:颗粒物浓度升高和气象条件差是导致能见度降低的两大重要因素,OC/EC变化范围是3.6～11.4,存在严重的二次污染;粒子数浓度与能见度呈现负相关,污染日不同粒径段的粒子数浓度均高于清洁日,91.8%的粒子在1μm以下;地面气象条件和天气形势明显影响PM2.5浓度。     

冬季采暖期气象条件对PM2.5等空气质量要素的影响——以咸阳市为例

以汾渭平原典型城市——咸阳为研究区域,利用地面空气质量监测数据和欧洲中期天气预报中心（ECMWF）发布的第五代全球气候再分析资料数据集（ERA5）,分析了咸阳市2018—2020年3 a采暖期污染物浓度变化特征和不同污染程度下的气象条件,采用统计学方法分析各项污染物浓度与气象因素间的相关性,使用多元线性回归模型评价各气象因素对PM_2.5浓度的影响程度,使用二元Logistic回归分析气象因素对PM_2.5超标风险的影响。咸阳市采暖期首要污染物以细颗粒物（PM_2.5）和可吸入颗粒物（PM₁₀）为主,采暖期超标最多的污染物为PM_2.5,超标天数逐年递减;PM₁₀的日变化呈“双峰双谷”型,PM_2.5的谷值出现在17∶00且夜晚浓度较高。颗粒物浓度与相对湿度呈正相关,与风速、边界层高度、温度、气压呈负相关。多元线性回归预测模型显示PM_2.5浓度预测值与实测值变化趋势保持一致,预测值的波动频率比实测值大,预测准确率为51.54%;二元Logistic回归模型显示：除相对湿度外,其他气象因素对PM_2.5超标情况都是保护因素,边界层高度每增高1 m,日均浓度超标风险降低0.7%;相对湿度每升高1%,日均浓度超标风险升高5.3%;温度每升高1℃,日均浓度超标风险降低19.8%;气压每升高1 hPa,日均浓度超标风险降低9.7%。以上研究结果揭示了咸阳市采暖期主要气象因素对空气污染的影响程度,为我国北方城市今后的空气污染治理提供科学依据,为相关政策制定提供理论参考。     

长三角地区2015年大气重污染特征及其影响因素

基于2015年长三角地区129个环境空气质量监测站的空气质量指数（AQI）及主要大气污染物浓度数据,结合气象资料和HYSPLIT后向轨迹模式,探究长三角地区大气重污染的时间变化和空间集聚特征,并深入分析气象条件和区域传输对重污染过程发生和维持的影响.结果表明,2015年长三角地区各城市平均出现AQI超过200的重污染天气共8 d,重污染频率为2.01%,PM_2.5作为首要污染物出现频次最多.从时间变化看,重污染主要分布在1月和12月;从空间分布看,北部地区重污染相比南部地区更为严重,徐州和常州市出现频率最高.选取典型重污染过程1月9—11日（纬向扩散型）、1月24—26日（经向扩散型）和12月20—26日（两种模式相结合的重污染天气）进行成因分析,发现长三角地区重污染天气主要受到西北风向、低风速、高湿度和逆温层的影响,导致大气污染物积累且不易扩散.基于HYSPLIT的大气传输轨迹及频率分布表明,来自西北方向的气流对江苏北部地区的污染输送特征有着显著影响.     

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.     

安徽省PM2.5时空分布特征及关键影响因素识别研究

基于2015年安徽省67个空气质量监测子站的PM_(2.5)浓度数据,分析PM_(2.5)的时空分布特征;运用BP神经网络改进DEMATEL模型,探讨影响PM_(2.5)浓度的关键因素及因子间的关联性.结果表明:(1)2015年安徽省PM_(2.5)平均浓度为52.03μg·m~(-3),总体呈现秋冬高、春夏低的季节性规律;PM_(2.5)浓度日变化总体呈双峰分布,冬季PM_(2.5)浓度昼夜变化剧烈,全年、春季和秋季变化趋势大致相同,夏季相对平缓;(2)安徽省PM_(2.5)浓度整体上由东向西、由中部向南北两侧呈递减趋势,浓度值由高到低依次为:江淮丘陵、长江中下游平原、淮北平原和皖南山区;(3)指标体系中,人口城镇化率、年平均气温、单位GDP电耗、工业废气治理设施数等4个指标因子属于强驱动因素,对PM_(2.5)浓度降低起着根本性推动作用;(4)年降水总量、房屋施工面积、O_3浓度等3个指标因子属于强特征因素,是降低PM_(2.5)浓度最直接的因素.结论表明,运用BP-DEMATEL模型能有效识别关键影响因素,有助于为PM_(2.5)综合治理提供参考.     

气象条件对2009-2018年天津地区PM2.5质量浓度的影响

采用PM_2.5质量浓度长期连续观测资料,结合地面气象资料和后向轨迹方法,分析2009-2018年天津地区PM_2.5质量浓度的长期变化趋势,并探讨气象条件对其浓度变化的影响.结果表明,2013年受不利天气影响,PM_2.5质量浓度达到近10 a来的峰值,其后逐年下降,2018年年均值降至52 μg·m^-3,与优良天气和重污染及以上天气发生频率的年际变化趋势一致.相关性分析和主成分分析都表明相对湿度、风速和混合层厚度是影响天津地区,尤其是冬季PM_2.5浓度的主要气象影响因素.不同季节下随着相对湿度增高,地面风速减小,混合层厚度降低,均有PM_2.5污染加重的趋势,其中冬季差异最大,与该季节气象因素剧烈多变、静稳天气和寒潮交替发生有关.后向轨迹的聚类分析结果表明,途经天津偏南区域的短距离近地气流下PM_2.5质量浓度较高,与该气流下易形成静稳天气有关,春季西北方向的长距离轨迹对应较高浓度的PM_2.5则与沙尘天气有关.     

河北省边界层气象要素与PM2.5关系的统计特征

为了研究河北省边界层气象要素与PM_2.5的关系,综合利用常规气象探测资料、逐小时地面自动站气象观测资料、环境监测站逐小时AQI及ρ(PM_2.5)资料等进行了统计分析.结果表明:①冬季海平面气压低于1 030 hPa、24 h变压为-3.0~-2.0 hPa、地面相对湿度高于60%、露点温度高于-10 ℃时发生全省性重污染天气的可能性较大;而海平面气压高于1 040 hPa、24 h变压在4.0 hPa以上、地面相对湿度低于40%、露点温度低于-10 ℃时,有利于清洁天气的出现.清洁天气下边界层的盛行风向多与冷空气活动有关;污染天气下盛行风向有区域性差别,边界层小风(<3.0 m/s)的风速频率高于90%. ②过程雨量达到中雨及以上量级的降水对PM_2.5具有较明显的清除作用,中雨量级降水对PM_2.5清除速率约为2 h,但优良空气质量持续时间短,平均为15 h;大雨及以上量级的降水对PM_2.5清除率达67.8%,并且优良空气质量可以持续27 h. ③与降水相比,风对PM_2.5的清除作用更为显著.较强偏南风对空气质量有一定改善,但优良空气质量仅持续16 h;大于3.0 m/s的系统性偏北风对PM_2.5清除率高达85.1%,优良空气质量持续长达32 h,空气质量的改善最为彻底.研究显示,PM_2.5与边界层气象要素关系紧密,不同级别的风和降水对PM_2.5的清除程度存在显著差异.      

三峡水库澎溪河水-气界面CO_2与CH_4通量特征及影响因素初探

澎溪河流域是三峡水库典型支流,对水库区域碳循环及区域化学风化的影响非常重要。2016年5月—2017年2月对澎溪河流域水-气界面CO_2与CH_4通量特征进行监测与分析,采用顶空平衡法结合模型估算法计算表层水体CO_2与CH_4的分压以及水-气界面的交换通量,并运用spearman相关分析法分析了二氧化碳和甲烷的分压和排放通量与其他环境变量之间的相关性。研究发现:澎溪河是温室气体排放"源",表层水体p(CO_2)平均值为(1807.635±315.605)μatm(1μatm=0.101325 Pa,下同),表层水体p(CH_4)平均值为(218.7725±127.9425)μatm;CO_2扩散通量平均值为(32.53±3.86) mmol?m~(-2)?d~(-1),水-气界面CH_4扩散通量平均值为(0.208±0.143) mmol?m~(-2)?d~(-1),通量与分压趋势基本保持一致。通过与世界上典型河流温室气体扩散通量对比,得出澎溪河流域CO_2通量释放量为中等水平,而CH_4扩散通量较小,且CH_4通量与p(CH_4)、水温、pH值显著正相关,而水-气界面CO_2扩散通量与p(CO_2)显著正相关,与DO、pH值、叶绿素a(Chl-a)显著负相关。     

基于地理探测器的广州市大气PM2.5浓度驱动因素分析

PM_2.5变化的驱动因素是大气PM_2.5研究的重要内容.为了揭示PM_2.5污染的特点及其驱动影响因子,以广州市为例,采用地理探测器方法探测自然因素（包括平均降水量、平均温度、平均气压、平均相对湿度、平均风速、植被指数）与社会经济因素（包括人口密度、国内生产总值、工业总产值、人均公园绿地面积、公交车辆数、电力消费量）对2015年广州市ρ（PM_2.5）变化的影响机制与差异.结果表明:①基于因子探测分析发现,对ρ（PM_2.5）变化影响最大的前三位驱动因素分别为植被指数、公交车辆数与电力消费量,对应的因子影响程度指标值分别为0.51、0.46、0.40.②基于生态探测分析发现,植被指数与其他自然因素（如平均温度、平均降水量、平均气压等）对ρ（PM_2.5）空间分布的影响均存在显著差异,与所有社会经济因素对ρ（PM_2.5）空间分布的影响均不存在显著差异;除植被指数外,公交车辆数与其他自然因素及社会经济因素对ρ（PM_2.5）空间分布的影响均存在显著差异.③基于交互探测分析发现,所有影响因素（包括自然因素与社会经济因素）对ρ（PM_2.5）变化的交互作用均大于单一影响因素的独自作用,其中平均降水量与平均气压交互作用后对ρ（PM_2.5）变化的影响最大.研究显示,自然因素（尤其是植被指数、平均降水量）及自然因素与人为活动（如交通出行、电力消费等）交互效应对广州市ρ（PM_2.5）的变化起决定性作用.      

大气PM2.5对大鼠心肌细胞的毒性作用

为评估大气PM_2.5及其不同组分对心肌细胞H9C2的毒性作用,探讨PM_2.5对心血管系统产生毒性作用的关键组分,将前期采集并制备的PM_2.5完全颗粒物、PM_2.5水溶性组分、PM_2.5脂溶性组分和PM_2.5单纯颗粒物以不同质量浓度对H9C2细胞染毒.用MTS法在染毒6、10、24、48、72 h后测定细胞活力;根据细胞活力测定结果,选用较低染毒浓度（10 μg/mL）,用相关试剂盒测定染毒24 h后胞内和上清液中LDH（乳酸脱氢酶）和SOD（超氧化物歧化酶）活力,ELISA及RT-qPCR法测定炎性因子IL-6和TNF-α表达量,AP位点计数法测定细胞DNA损伤情况.结果表明:颗粒物成分（PM_2.5完全颗粒物和PM_2.5单纯颗粒物）对H9C2细胞表现出强烈的生长抑制作用,50 μg/mL及以上染毒浓度组在染毒时间≥ 24 h时细胞可能已经全部死亡,而可溶性成分（PM_2.5水溶性组分和PM_2.5脂溶性组分）对H9C2细胞生长表现为极弱或无生长抑制作用,仅400 μg/mL的PM_2.5脂溶性组分始终对细胞生长表现出抑制作用;各组分样本都在一定程度上造成了H9C2细胞损伤,降低了胞内LDH和SOD活性;PM_2.5完全颗粒物和PM_2.5脂溶性组分在造成炎性损伤方面的作用较为明显.研究显示,颗粒物组分对H9C2细胞致死作用显著,相对而言,PM_2.5完全颗粒物表现出的毒性作用最强且最全面.      

杭州市臭氧污染特征及影响因素分析

为研究杭州市夏季臭氧(O_3)污染特征及其影响因素,统计分析了2013—2016年杭州市O_3监测数据与杭州市气象数据,并结合AIRS卫星O_3数据探讨了台风天气系统对杭州市近地面O_3浓度的影响.结果表明:2013—2016年,杭州市O_3污染逐年加重,O_3浓度高值持续时间延长.O_3浓度与太阳辐射、温度相关,每年5月和8月太阳辐射强、温度高,O_3污染最严重;全天O_3浓度呈单峰日变化,峰值出现在午后(~14:00)太阳辐射较强、温度最高时.杭州市在日降水为0且12:00—15:00太阳辐射通量均值高于200 W·m~(-2)天气条件下,风向为东、东北或东南风且风速低于3 m·s~(-1)时,O_3浓度相对较高,易出现超标情况.台风天气系统对杭州市近地面O_3浓度有明显影响,以2014年10号台风"麦德姆"为例,台风外围系统影响到杭州时,偏东气流可将杭州以东地区高浓度O_3输送到杭州,同时下沉气流导致污染物在近地层积聚不易扩散,造成近地层O_3浓度升高.     

天津市PM2.5-O3复合污染特征及气象影响分析

为了解天津市PM_2.5-O₃复合污染特征及气象成因,基于2013～2019年高时间分辨率的PM_2.5、 O₃和气象观测数据,对天津市PM_2.5-O₃复合污染特征、污染物浓度分布以及关键气象因子进行分析.结果表明,2013～2019年,天津市复合污染日94 d,总体呈现下降趋势,前期（2013～2015年）下降明显,由2013年的23 d降至2015年的11 d,下降52.2%;后期（2016～2019年）波动式上升,由2016年的12 d升至2019年的14 d,上升16.7%.复合污染日主要出现在每年的3～9月,年际变化较大,2013～2016年在6～8月出现较多,2017～2019年在4月和9月出现较多.小时ρ(PM_2.5)在75～85μg·m^-3时,小时ρ（O₃）存在峰值区(301～326μg·m^-3).在所有O₃污染中,PM_2.5...     

2013～2020年天津市PM2.5-O3污染变化趋势和影响因素分析

基于2013～2020年高时空分辨率的PM_2.5和O₃在线监测数据以及气象观测数据,利用KZ(Kolmogorov-Zurbenko)滤波耦合逐步回归等技术,对天津市PM_2.5和O₃浓度变化趋势、相互关系和影响因素进行了分析.结果表明,与2013年相比,2020年天津市PM_2.5浓度下降50.0%,O₃浓度上升25.8%.从月际变化来看,与2013～2017年相比,2018～2020年天津市PM_2.5浓度月际间差异逐渐缩小,O₃浓度从4月开始出现明显上升,污染发生时间节点提前.O₃与PM_2.5的相关性呈现明显的季节性分布特征,冬季整体呈负相关,夏季正相关且相关性比其他季节高.不同季节O₃与PM_2.5之间的拟合斜率与相关性系数整体呈正比例关系,拟合斜率与相关性系数的比值逐年升高说明PM_2.5对O_3...