广州逐时臭氧污染气象条件指数研究及应用

利用2016—2020年近地面臭氧和气象逐时数据,基于相关性分析和概率统计方法,在分析臭氧敏感气象要素特征基础上,综合各气象因子对臭氧生成贡献大小,建立了广州逐时臭氧污染气象条件指数模型及等级标准,并进行了预报及检验.结果表明：(1)高浓度臭氧主要发生在高温低湿情况下,臭氧浓度及臭氧超标率均随着气温的升高而增加,当气温高于30℃时,臭氧浓度随温度的变化升高更为明显;臭氧浓度和超标率随着相对湿度的升高而逐渐降低,其中,当40%≤RH<50%时,臭氧浓度及超标率最高;当风速在1～2 m·s^-1时,臭氧超标率最大.(2)对所建立的广州本地化的逐时臭氧污染气象条件指数模型和分级标准进行了检验评估,结果显示,臭氧污染气象条件指数等级越高,臭氧浓度和超标率也越大,说明该指数能够较好地表征臭氧污染天气的强弱.(3)基于欧洲中心高分辨率数值预报产品,根据污染气象条件指数模型,对广州3种不同天气类型下的指数预报进行对比验证,预报效果较好,说明该指数对臭氧污染天气预报有较好的指导意义.     

环境空气质量臭氧浓度与气象条件相关性研究

臭氧监测是环境空气质量标准的新要求。连续自动监测积累大量数据,结合温度、相对湿度、能见度、风速、气压等气象要素,研究臭氧与其相关性,探讨特定条件下影响臭氧的气象条件。     

上海地区臭氧数值预报

基于WRF-Chem在线区域化学/传输模式构建了区域化学天气数值预报业务系统,评估了2013年5月1日至9月30日期间的1h和8h臭氧业务数值预报效果.结果表明:臭氧预报没有明显的系统偏差,预报偏差在0两侧基本呈对称分布;数值预报具有较高的准确性,其中8h臭氧的效果略好,不同时效预报的相关系数均在0.8上下,浓度平均偏差和偏差中值都只有1′10-9~2′10-9,臭氧达标日和污染日预报都有很高准确率和CSI/TS评分,首要污染物也较准确;不同时效的预报效果接近,48h时效略好,24h和72h相当;数值预报也存在一定不足,存在极个别显著偏高或显著偏低的情况,同时由于等级划分阈值的存在,等级预报的准确性明显低于浓度和分指数预报.综合地看,数值预报可以提供较为准确的臭氧预报,为空气质量预报预警业务提供有力的支撑,但分指数等级预报上仍需要进一步提高.     

辽宁省一次大气重度污染过程预报准确性分析

2019年春季辽宁省出现了一次长时间、大范围的空气质量重度污染过程,为进一步了解此次环境空气重度污染过程的预报情况,对CMAQ模型、REG模型和人工订正法在此次污染过程中的污染等级和AQI范围的预报准确率进行了分析。结果表明:人工订正法未来24 h跨级预报准确率最高,72 h最低;AQI范围预报中,人工订正法在未来24和72 h均值预报中准确率均为最高,48 h预报REG模型准确率最高,CMAQ模型均为最低;各预报方法在污染过程前期、后期的预报准确率均高于污染过程中期。     

CO中毒的环境气象因子分析及预测方法研究

利用2006年9月~2007年3月全国CO中毒病例资料,选取日发病人数为8人以上的CO中毒事件发生日作为样本,对CO中毒的气象条件进行了分析研究.结果表明,微风或者静风、大气层结稳定的气象条件不利于CO气体的扩散,同时,气温变幅较小、气压下降、云量多和气体湿度大也可能间接导致CO中毒事件的发生.用风速、大气稳定度、24h变温、24h变压、总云量和相对湿度作为预报因子,利用阈值加权平均的方法,初步建立了区域性CO中毒气象潜势预报模型.     

浅析忠县城区可吸入颗粒物浓度与气象条件的关系

本文利用重庆市忠县城区空气自动监测站2015年的监测数据,分析了温度、湿度、风速、气压、降雨量等气象条件与可吸入颗粒物的浓度变化关系。结果表明,可吸入颗粒物浓度与温度、降雨量呈负相关,与气压呈正相关。气压、温度和降雨量成为影响忠县城区可吸入颗粒物浓度变化的主要气象条件。     

佛山臭氧浓度预报方程的建立与应用

臭氧作为大气中的二次污染物,其形成和变化复杂,臭氧预报更是当下空气污染治理的难题之一.通过分析2014~2017年佛山地区近地面O₃浓度与高低层气象要素的关系,建立了佛山O₃浓度预报方程,并进行了检验和应用.结果表明,佛山近地面O₃的变化与高低层气象要素关系密切,气温和日照时数等气象要素与O₃浓度呈显著正相关,相对湿度、总（低）云量和风速等与其呈负相关;高浓度O₃污染发生的气象条件为小风速、晴间少云、低相对湿度、较长的日照时间和较高的温度,高浓度O₃潜势指数（HOPI）和风向指数（WDI）的定义可以较好地衡量O₃污染气象条件的好坏;综合考虑HOPI和不同高度WDI等13种气象要素,采用多指标叠套和多元逐步回归建立了佛山地区臭氧浓度预报方程;利用2018年资料检验发现,模拟值与实测值二者的相关系数R可达0.82,预报方程具有良好的拟合效果和可预报性.     

昆明市臭氧污染特征及与气象因子关系初步研究

对昆明市2014—2018年空气质量和臭氧(O3)污染特征进行了分析,并结合臭氧污染观测资料和气象条件,对昆明市臭氧浓度与气象因子相关性进行了初步研究。结果表明:昆明市空气质量总体逐渐变好,臭氧浓度整体呈上升趋势,春季和夏季臭氧污染比较明显;臭氧浓度春季高,秋冬季低,高值主要集中在3—5月;臭氧污染主要出现在3—8月,7月最高;臭氧浓度与太阳辐射、气温、大气低层温度垂直分布、风速等总体呈正相关,与气压、相对湿度总体呈负相关。     

珠三角空气质量数值预报系统的检验与订正研究

通过对珠三角空气质量预报模式的模拟结果进行检验,发现模式预报值整体偏小,特别是峰值,但变化趋势与实测一致,峰值都能较好模拟出.模式对PM10的预报准确率要高于PM2.5,从等级预报来看PM10和PM2.5的二级预报准确率要高于一级,利用MOS方法对模式预报结果进行订正,订正后颗粒物平均偏差都有一定程度的下降,颗粒物等级预报准确率PM10由64.7%提高到77.6%,PM2.5由59.9%提高至74.5%,准确率的提高明显.     

基于集合卡尔曼滤波的区域臭氧资料同化试验

基于集合卡尔曼滤波方法和嵌套网格空气质量模式系统建立了一个区域空气质量资料同化系统(RAQDAS),并利用该系统开展了京津冀地区2008年北京奥运会期间的地面臭氧观测资料同化试验,分析了同化系统订正臭氧初始场对24 h臭氧预报的影响.试验结果表明采用50个集合样本的集合卡尔曼滤波同化不仅改进了观测站点的臭氧预报,也提高了观测以外区域的臭氧预报技巧,使得臭氧预报的均方根误差平均下降了15％,并且当集合样本数减小到20时也可达到相近的预报改进效果.为了解决滤波发散问题,分别采用了放大集合离散度和扰动模式误差源两种方法.其中放大集合离散度能避免滤波发散,但没有提高臭氧预报技巧,反而导致预报误差的增加;扰动模式误差源不仅解决了滤波发散问题,也使同化导致的臭氧预报均方根误差下降比例从15％进一步提高到20％.     

临汾市臭氧污染变化特征、气象影响及输送源分析

结合2014~2020年临汾市臭氧逐小时质量浓度和同期气象数据、再分析数据以及潜在源贡献函数法（PSCF）对临汾市O₃污染时空变化特征、与气象因子的关系以及传输路径及潜在源分布开展研究.结果表明,临汾市近年来臭氧污染日益严重,O₃_8h_max年均质量浓度整体呈现上升趋势,2020年相对于2014年增加78.79%;月变化特征呈现“M”双峰型,季节变化峰值出现在夏季,而日变化受近地面大气光化学过程影响显著,呈较为明显的单峰单谷分布,峰值出现在14：00~16：00.O₃浓度与气温和日照时数呈显著线性正相关,当研究区相对湿度为40%~60%,气温高于20℃,风速区间为2~6m/s时易出现高浓度O₃污染.聚类分析表明临汾市O₃重污染天气期间以短距离输送气流为主,高O₃浓度除受到本地生成影响外,还受到省内临近城市及陕西省中部、河南省北部重工企业排放的大量NO_x和VOCs传输的影响.因此,针对临汾市O₃污染在严格控制本地污染源排放的前提下,必须加强汾渭平原地区的联防联控,才能有效缓解该区域大气污染的连片发生.     

南京城市下垫面变化对夏季臭氧浓度的影响研究

利用南京基准地面气象站1951~2010年的气象数据分析南京气象要素的长期变化,利用2007年南京草场门大气污染物监测数据探讨O3同气象要素之间关系并分析气象要素改变对污染的可能影响,结合WRF-CALGRID模式基于2008年7月的情景模拟研究1990年代以后南京城市下垫面变化对气象要素变化的贡献,并分析其对O3浓度的影响.结果显示,南京气温呈现增长趋势,平均风速、大气湿度、日照时数呈现降低趋势.气温与O3浓度呈一定的正相关关系、较小的风速和相对湿度有利于O3的生成.城市下垫面的增加使得南京城区气温增高超过1℃、风速减小0.4m/s、湿度下降0.5g/kg、混合层高度增加100m.气象要素的改变使地面NOx浓度减小,最大减小量超过6×10-9.对O3浓度的影响有增有减,南京市北部、西部增加,增加量超过2×10-9,主要受温度增加、风速减小以及NO的垂直输送影响;主城区的南部、东部O3浓度减小,减少量1×10-9~3×10-9,主要受混合层高度增加的影响.     

2014—2020年河南省PM2.5-O3复合污染特征及气象成因分析

为了解河南省PM_2.5-O₃复合污染特征及气象成因,本文基于2014—2020年河南省18个地级市的空气质量国控点数据及常规地面气象观测数据,对河南省PM_2.5-O₃的复合污染时空特征及关键气象因子影响进行分析.结果表明：(1)在空间分布上,PM_2.5-O₃复合污染天数呈由河南省中北部向周围逐渐减少的特点,而O₃单污染和PM_2.5单污染高发区均主要集中于豫北地区.(2)在时间特征上,2014—2020年PM_2.5-O₃复合污染天数呈先增加后减少的特征,最多为12 d (2014年),2016—2017年未出现复合污染;PM_2.5单污染和O₃单污染天数均呈“M”型变化趋势,PM_2.5单污染天数的2个峰值分别出现在2015年和2019年,分别为174和93 d,O₃单污染天数的2个峰值分...     

山西省城市地区近年来环境空气臭氧污染特征及来源解析

基于山西省2018—2020年国控点位O₃监测数据分析了全省O₃污染特征,分别以晋城市和太原市为典型城市,分析了温度、相对湿度和风向风速等气象因子以及前体物(NO_x和VOCs)对O₃的影响,并采用CAMx模式开展2020年6—8月山西省O₃区域和行业来源解析. 结果表明:① 山西省O₃超标天数中以O₃轻度污染为主,且中度及以上污染呈增加趋势,O₃污染集中出现在5—9月,且呈现较强的地域性特征,O₃浓度日变化呈单峰型特征. ② ρ(O_{3-1 h})(臭氧1 h平均浓度)与气温、风速均呈正相关,与相对湿度呈负相关,高温、低湿有利于O₃的生成. 风速与ρ(O_{3-1 h})呈分段式线性关系,ρ(O_{3-1 h})随着风速增大而升高,当风速大于某一阈值时,ρ(O_{3-1 h})随风速的增加而下降. 以典型城市晋城市为例,当温度在25 ℃以上、相对湿度在30%~60%之间、风速为4~5 m/s,且风向为南风和东南风时更容易出现ρ(O_{3-1 h})高值. ③ 山西省2020年6—8月O₃区域来源解析表明,各城市O₃本地源贡献较弱而传输贡献影响显著(>80%). ④ 山西省2020年6—8月O₃行业来源解析表明,各市工业源类(电力源、焦化源和其他工业源)的贡献率在50%左右,柴油交通源贡献率在20%~27%之间. 研究显示,山西省O₃污染传输贡献影响显著,联防联控势在必行,电力源、焦化源和柴油交通源对O₃生成贡献较大,亟需优先加强管控.      

持续鞍型场导致的西安市PM2.5重污染过程分析

为了解鞍型场对西安市PM_2.5重污染过程的影响.以西安市2016年2月6—14日重污染过程ρ（PM_2.5）及气象要素的小时变化为研究对象,综合分析了此次重污染过程特征、天气型以及气象要素变化.结果表明:①西安市此次重污染过程可分为污染上升阶段（6—7日）、污染维持阶段（8—11日）及污染减轻阶段（12—14日）,3个阶段分别处于均压场、鞍型场、高压前部等天气型的影响下.②此次鞍型场发生时,天气持续静稳,气压梯度力小,且西安市处于气流的辐合地带,导致污染物的形成和积累,ρ（PM_2.5）最高值达198 μg/m3.③在鞍型场的控制下,西安市日均气温维持在偏高的水平（最高达7.2℃）,相对湿度呈上升的趋势,最高达86.5%;而风速和能见度则波动下降,平均风速和能见度最低值分别为0.8 m/s和0.5 km.高温、高湿、小风的气象条件有利于污染物的吸湿增长从而导致PM_2.5重污染.④受鞍型场的影响,西安市边界层高度较低,最低时只有55 m,且逆温层较厚,强度较大,最大值达3.8℃/（100 m）,极低的边界层高度和较厚的逆温层削弱了污染物的垂直扩散能力,污染物被抑制在近地面,形成较严重的污染.研究显示,鞍型场天气型导致的均压场、暖湿、静风、低边界层及强逆温层是此次西安市PM_2.5重污染过程的重要原因.      

河南省近地表O3污染特征及其与气象因素之间的关系

Meteorological factors have an important influence on ozone (O₃) concentration. In order to explore the characteristics and causes of near-surface O₃ pollution in Henan Province, based on the datasets of ambient air quality monitoring stations and national basic ground climate stations in Henan Province from 2014 to 2020, this study examined the spatiotemporal characteristics of O₃ pollution in Henan Province and the relationship between O₃ and precursors and meteorological factors, and the potential sources of O₃ in Henan Province were also explored. The results showed that: (1) In terms of temporal characteristics, the annual average O₃ concentration of the maximum daily 8 h average (O₃-8 h) in Henan Province generally decreased from 2014 to 2020, showing an ‘M’ type temporal evolution. For seasonality of O₃-8 h concentration, it was highest in summer and decreased sequentially in spring, autumn, and winter, while both O₃-8 h concentration and the number of days exceeding the standard peaked in June. In terms of spatial characteristics, the O₃ concentration was generally lower in northern than in southern China, and lower in western than in eastern China. The areas with high concentrations were concentrated in southern Henan Province. (2) The O₃-8 h concentration was significantly negatively correlated with the precursor NO₂ and CO concentrations. (3) From the perspective of meteorological factors, O₃-8 h concentration was positively correlated with air temperature and negatively correlated with relative humidity, indicating that high temperature (≥26 ℃) and low humidity (≤40%) were favorable for the increasing of O₃-8 h concentration. Affected by the prevailing northerly winds in autumn and winter, the O₃-8 h concentration in Henan Province showed a spatial pattern of low values in the north and high values in the south in autumn and winter, and the prevailing southerly wind in summer was conducive to the formation and maintenance of O₃ in Henan Province. (4) In the summer of 2019, the main source areas of O₃ and precursors increased gradually and changed from both inside and outside the province to mainly outside the province. Affected by the boundary cities and topographic conditions, O₃ in Henan Province accumulated locally in summer. The study shows that the near-surface O₃ pollution in Henan Province has significant spatial and temporal distribution characteristics, the pollution degree is generally reduced. The precursors of O₃ and meteorological factors (temperature, relative humidity, wind) have significant effects on O₃, and O₃ transport paths and potential sources change with time in summer.      

神经网络模型在O_3浓度预测中的应用

O3是近地面大气中一种重要的二次污染物.本研究采用神经网络多层感知器（Multi-Layer Perceptron）和多元线性回归2种模型,以广州万顷沙站2006年的气象观测数据为输入,对该站O3的1 h平均峰值浓度进行提前1 d的预测,并比较了2种模型的预测效果.模型的输入参数为前1d O3的最高1h平均浓度和第二天...     

近地面臭氧污染过程和相关气象因子的分析

为了了解₃的污染过程,进行了包括全天24h₃浓度和气象参数的观测。分析了高浓度₃日的气象条件,表明高压天气形势、晴天少云、日照持续、气温升高、湿度低、温度垂直梯度和Ri数较高等是形成高浓度₃的有利条件。从₃浓度全天24h的观测结果发现,除12:00～14:00的主峰外,在0:00～4:00还有一个次峰。所有例子都表明₃浓度日变化和各气象因子有着很好的对应关系,值得注意的是,当风速和太阳辐射同步增减时,共同促使₃浓度增大,使₃在中午出现显著的峰值,当风速值出现在其他时间时,也可以使₃出现次峰。      

2013年1月河北省中南部严重污染的气象条件及成因分析

年1月河北省中南部出现了长时间、大范围的雾霾天气,大气污染严重. 利用河北省AQI(逐日空气质量指数)、气象常规观测数据及NCEP(美国国家环境预报中心)1°×1°格距再分析资料,对此次严重污染事件的气象条件、大气环境背景和形成机制进行了研究. 结果表明:①2013年1月河北省中南部地面气象要素表现异常,与历史同期相比,平均气温低1~2℃、相对湿度高15%以上、日照时数少40%以上、降水日数多但量级小. 地面风力较小且多风向、风速的辐合线,地面散度场上河北省中南部为明显的辐合区,致使水汽和污染物汇聚不易扩散,导致雾霾天气异常偏多,大气污染严重. ②边界层高湿区中丰富的水汽与污染物互为载体,强逆温层结、大气低层的干暖盖、边界层下沉运动等均使水汽和污染物存留在近地层且不易向高空扩散;同时,稳定的大气环流形势为雾霾天气和严重污染提供了有利的大气环境场. ③河北省中南部特殊的地理条件也是雾霾和污染持续的一个重要原因. 低空稳定的偏西气流越过太行山后在山麓东侧下沉,在华北平原地区易形成地面辐合线,从而加剧了近地层水汽和污染物的汇聚.