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.     

长三角秋冬季典型区域霾天气特征及对比

为总结出霾天气发生时的相关影响因子、特征共性,选取长三角地区8个主要城市,2016~2019年秋冬季发生的7次典型霾天气过程,对比分析了3次霾天气过程中AQI、PM_2.5浓度、气象要素、天气形势、边界层特征的变化以及污染物来源.结果表明：不利的气象条件及高低空配置的静稳天气型导致霾天气的形成.3次过程AQI指数峰值分别为247、306及272,与PM_2.5浓度变化趋于一致.PM_2.5浓度和能见度呈明显负相关关系,且污染过程发生时能见度普遍偏低,2、3次过程能见度谷值均低于50m.高相对湿度、稳定的气温及静风与霾过程的形成有着紧密的联系.总体上混合层高度与AQI呈现负相关关系,混合层高度较低抑制垂直对流,从而使污染物在低空区域性积聚,3次污染过程混合层高度最低值均小于100m.逆温层的出现利于霾污染过程中污染物的累积,近地层的贴地逆温将污染物集聚在地表,第1次过程贴地逆温强度高达8.2℃;脱地逆温导致污染物在边界层内堆积并抑制其扩散,均易导致高浓度污染发生,第2次过程脱地逆温为主,强度高达4.8℃.气溶胶类型多为沙尘、大陆型污染物、污染型沙尘及烟粒.污染发生通常受局地排放、区域输送及长距离输送的共同影响,气团携带的因人为产生的细粒子也是造成污染的主要原因之一.     

基于星地同步观测的华北平原中部背景地区冬季霾污染过程

利用地基观测结果和多源卫星遥感观测,结合气象数据及HYSPLIT4后向轨迹模式,对华北平原中部背景地区(河南省郑州市中牟县东南郊)冬季霾事件的污染物特征和形成过程进行分析.综合观测时间为2014年12月13日~2015年1月16日,共有5次霾过程,占观测总天数的82%.地面监测结果显示,不同的污染过程污染物浓度变化曲线相似,O₃浓度在清洁天浓度较高;NO_x、SO₂、PM₁₀、PM_2.5呈较强正相关性,NO_x、SO₂与 PM₁₀相关系数0.64、0.57,与PM_2.5相关系数0.56、0.45;近地面污染物以细粒子污染物为主,其中又以气态污染物二次生成的细粒子为主.AMPLE地基激光雷达和CALIPSO数据表明,华北平原霾层中上部受浮尘影响,以粗粒子污染物为主.气象探空数据表明该地区冬季大气对流层稳定利于霾的维持,假相当位温垂直差、K指数、露点差与能见度相关系数分别为0.52、0.56和 0.38.分析近地面风速风向对霾过程的影响表明,该地区冬季以南方向静小风为主,风速与能见度相关系数为0.32 ,PM₁受东北方向污染源影响,PM_1~2.5及PM_2.5~10受西北方向污染源影响;结合高空风场分析,霾过程1受西北浮尘影响,霾过程5受南来水汽影响.通过后向轨迹分析,该地区冬季的低空污染传输主要来自东北和西北方向,其中东北方向区域传输来自河北与山东,占来源比例的14%,近距离污染传输主要来自站点以西的郑州、洛阳,约占来源比例的33%.     

西安一次霾重污染过程大气环境特征及气象条件影响分析

利用西安区域8个气象站点的气象观测资料及西安市13个环境质量监测站点的空气污染物浓度监测资料,对2013年12月16—25日西安地区一次长时间重污染霾天气过程的污染特征及成因进行了分析.结果表明此次霾重污染天气过程主要是一次在不利气象条件下形成的高浓度颗粒物污染事件,其中有54.6%的霾属于干霾,其余属于湿霾.气压场偏弱,气压梯度力小,风速小,弱冷空气形成的下冷上暖的稳定性层结等天气形势有利于霾重污染的形成与维持;弱的降温与相对湿度增大叠加,有利于气溶胶吸湿增长而加重霾的强度.关中盆地特有的喇叭口地形通风不畅,造成外来输送与当地排放的大量污染物堆积,为此次长时间霾发生提供了增强条件.低的混合层厚度抑制了垂直方向上的对流输送,严重削弱了大气垂直扩散能力,造成了大气中各类污染物浓度的大量积聚,是造成此次霾重污染过程的重要原因之一.城市污染加重热岛效应、热岛效应反过来通过热岛环流改变城市污染物传播扩散规律并加重污染,二者相互作用、互为增强条件.     

2015年10月南京霾污染过程分析

为探讨南京秋季霾污染过程发生的主要影响因素,利用南京信息工程大学太阳光度计观测霾污染发生天气下AOD（aerosol optical depth,气溶胶光学厚度）数据,计算AE_440-1020（?ngstr?m Exponent,波长指数）以及a₂（光谱曲率）,结合CALIPSO（Cloud-Aerosol Lidar and Infrared Pathfinder Satellite Observations）卫星气溶胶组分分析以及MODIS（Moderate Resolution Imaging Spectroradiometer）火点数据,对2015年10月南京霾污染过程进行分析.结果表明:2015年10月出现的两次霾污染过程期间南京地区AE_440-1020均高于1.0并且a₂呈负值,其中10月16日AQI达到峰值（201）,AOD₅₀₀达1.51,AE_440-1020达1.37,a₂达-0.77;这两次较为严重的霾污染过程均主要由人为因素（工业污染、城市建设、生物质燃烧、汽车尾气排放等）产生的细粒子所致.后向轨迹分析发现,2015年10月16日南京地区霾污染天气发生的主要原因是区域型污染,同时受长距离输送影响,大量携带人为因素产生的细粒子以及少量沙尘等污染物的空气团途经内蒙古、山东等地到达南京,加剧了当日的污染程度;2015年10月23日南京地区霾污染天气的发生则主要受长距离输送影响,同时也受到区域型污染影响,加剧了当日的污染程度.研究显示,在稳定的气象条件下,较高的相对湿度、较低的地表风速、低混合层高度以及贴地逆温的出现是诱发霾污染天气产生的有利气象条件.      

贝加尔湖高压分裂过程对绥化市重污染的影响

为探究贝加尔湖高压分裂过程对绥化市2020年1月份持续性重污染事件的影响,以WRF中尺度气象预报数据及气象观测数据为分析基础,分析了2020年1月9~21日的天气形势及气象要素变化,并结合污染物浓度观测数据及PM_2.5组分观测数据（13~21日）,分析了该过程中污染物浓度变化及化学组分特征.结果表明：此次污染过程由贝加尔湖分裂高压引起的持续性静稳天气造成,11~20日期间,空气质量指数AQI变化范围为182~329,其中有9d污染状况为重度及以上污染;重污染期间,地面风速最低下降至0.5m/s左右,能见度下降至1km左右,且出现逆温层,大气扩散条件差;持续性静稳天气导致大气氧化性增强,氧化剂浓度（ρ（NO₂）+ρ（O₃））约94~118 μg/m³,相对湿度约为94%,ρ（SO₄^2-）、ρ（NH₄⁺）最大日增量达28.59、11.32μg/m³,增长速度相比于14日分别增加了1264%、1270%,高湿高氧化性的大气环境显著促进了二次无机盐的生成.贝加尔湖高压分裂过程导致持续性静稳天气,加之污染物的本地排放与积累,增加了大气氧化性,进而形成绥化市持续性重污染天气.     

青岛冬季霾-沙尘重污染过程PM1理化特征及来源分析

对2018年11月21日~12月2日期间青岛市大气PM₁的质量浓度、化学组分和数浓度进行连续观测,结合国控站点监测数据和气象条件,分析青岛市秋末冬初一次典型霾-沙尘重污染过程的特征及污染物来源.结果表明：本次污染过程可分为霾前（11月21~23日）、霾期（11月24~25日）、霾-沙尘叠加期（11月26日）、沙尘期（11月27~29日）、沙尘后（11月30日~12月2日）5个发展阶段,观测期间PM₁质量浓度为（40±20）μg/m³,霾期PM₁为沙尘期的2.03倍.冷锋锋前以人为污染物气团为主,锋后以冷干沙尘气团为主,并在长距离传输中保持干燥,受沙尘传输过程中经过区域的影响较小,导致沙尘阶段PM_2.5和PM₁₀错峰12h出现.霾期PM₁中SO₄^2-、NO₃^-质量浓度比霾前分别升高73%、111%,SOR、NOR分别升高28%、67%,表明霾期NO₃^-的二次转化明显升高.PM₁中NH₄⁺主要以（NH₄）₂SO₄和NH₄NO₃形式存在,为富氨条件.本次沙尘事件气团传输过程中途经山西、河北、山东西北部等污染物高强度排放区域,前锋到达青岛时,携带的人为污染物占主导,导致沙尘期PM₁中OC、EC占比为霾期的1.73、1.53倍.霾期SOC/OC值为0.43,略低于沙尘期,表明霾期SOC生成受到抑制.     

重庆市一次重霾污染过程的特征及成因分析

2014年12月28日-2015年1月5日重庆市发生了一次大范围、持续性的重霾污染天气。文章利用常规污染物数据和MODIS遥感数据,结合HYSPLIT轨迹模式对此次污染进行分析。研究表明,此次重霾污染时段首要污染物PM_(2.5),主要以人为源排放为主。同时近地面不利于污染物扩散的气象条件以及大范围秸秆集中燃烧是本次持续性重污染的主要原因。     

2018年春节期间京津冀地区污染过程分析

为了解2018年春节期间京津冀地区空气污染情况,利用近地面污染物浓度数据、激光雷达组网观测数据,结合WRF气象要素、颗粒物输送通量和HYSPLIT气团轨迹综合分析污染过程.结果表明,春节期间出现3次污染过程.春节前一次污染过程,各站点PM_2.5浓度均未超过200μg/m³;除夕夜,廊坊站点PM_2.5峰值浓度达到504μg/m³,是清洁天气的26倍;年初二~初五,各站点PM_2.5始终高于120μg/m³,且污染主要聚集在500m高度以下,北京地区存在高空传输,800m处最大输送通量达939μg/（m³·s）,此次重污染过程为一次典型的区域累积和传输过程.京津冀地区处于严格管控状态时,燃放烟花爆竹期间PM_2.5峰值浓度可达无燃放时PM_2.5峰值的3.2倍.为防止春节期间重污染现象的发生,需对静稳天气下燃放烟花炮竹采取预防对策.     

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.     

广西PM2.5时空分布特征及污染天气类型

研究区域ρ（PM_2.5）的时空分布特征和污染天气类型的关系是开展大气污染防治和空气质量预报预警的关键支撑技术之一.基于2015—2016年广西14个城市环境空气质量日监测数据和相关气象资料,分析了2015—2016年广西空气质量概况和污染的基本特征,采用EOF（经验正交函数）分析和后向轨迹聚类分析方法表征了广西ρ（PM_2.5）时空分布模态,统计了广西两年间24次区域范围（3个及以上连片城市）大气轻度及以上污染过程,分析了不同污染过程的天气类型和空气质量变化特点.结果表明:PM_2.5是广西大气污染首要污染物,ρ（PM_2.5）年均值呈北高南低的区域特征,月际变化基本呈正V字型分布;EOF分析和后向轨迹聚类分析显示,广西ρ（PM_2.5）的时空结构主要有3种模态,其方差贡献率分别为78.9%、5.7%和3.7%,基本反映了广西ρ（PM_2.5）变化的时空模态的主要特征,桂林和玉林两年间的后向轨迹聚类很好地解释了第二和第三模态的南北浓度和东西浓度异常反相位分布特征;广西14个城市两年间PM_2.5区域性污染天气类型主要有10种,其中污染天气类型中占比较大的是弱冷高压脊型（24.4%）、均压场型（20.2%）、高压后部型（16.1%）和高压后部配合西南暖低压型（8.5%）,是引发广西大范围大气污染的典型天气类型.研究显示,广西大气污染具有地域性、季节性和南北输送特征,污染过程的天气形势变化具有一定规律性.      

2014~2017年北京城区霾污染态势及潜在来源

统计分析2014~2017年北京城区霾污染发生情况,利用HYSPLIT模式对4年内气流来向进行聚类计算,识别区域内的主要污染传输通道和潜在污染源区分布及变化.结果显示,研究期间北京市城区空气质量状况整体呈改善趋势,灰霾时发生率从2014年的50.6%降至2017年33.7%,灰霾日数由165d降至78d,每年10月到次年采暖结束的3月灰霾发生较为集中.不同强度霾发生频率逐年下降,秋、冬季灰霾发生频率及污染强度均逐步降低.冀东南平原区、太行山东麓以及燕山南麓沿线为京津冀地区的3条主要污染传输通道,传输高度均在近地1000m内,期间通道轨迹对应北京城区PM_2.5平均达124.1μg/m³,其出现频率在2014~2017年逐年减小,并且各年当中同类轨迹所对应的北京PM_2.5均呈逐年下降趋势.北京城区PM_2.5的主要潜在源区从华北平原和渤海天津港区域逐渐缩小至冀中南和鲁西北地区,且传输通道区域污染贡献率逐年降低,有利的天气形势和人为的区域减排是近年空气质量改善的2大主因.     

郑州市两次典型大气重污染过程成因分析

于2017年11月21~29日利用在线金属分析仪及气象仪器在郑州大学站点进行连续观测,识别郑州市秋冬季节典型灰霾重污染爆发的成因.结果表明：观测期间采样点大气PM_2.5中As,Mn,Fe,Cu和Zn等元素浓度相比其他城市较高;基于气象数据统计分析可知,来自郑州市东北方向污染气团的传输,以及低风速、高湿度的静稳天气造成的本地排放污染物积聚是这两次重污染形成的主要气象因素;同时,利用正矩阵因子分解法（PMF）定量解析出观测期间主要贡献源：扬尘源（36.8%）,机动车源（27.6%）,工业源（21.0%）和燃烧源（14.6%）.其中,扬尘源在清洁天的贡献占比较高,而重污染期间机动车源和燃烧源的贡献显著增大.     

一次大范围持续性灰霾天气的形成机理分析研究

针对一次持续性灰霾天气,以处于核心污染区域的江苏省镇江市的空气污染状况为研究对象,对大气污染整体水平、各污染物的浓度状况及其相关性的分析,并结合气象参数中的风速、相对湿度、大气能见度,初步揭示此次镇江市持续性灰霾产生的主要原因是城市中汽车尾气的大量排放和持续性静稳气象条件的存在,指出当污染物排放总量超过了区域环境容量时,在适当气象条件下就会形成灰霾天气。     

基于风廓线雷达对成都地区典型持续性重污染天气的研究

基于风廓线雷达数据、大气污染数据及气象数据对2017年12月17日—2018年1月3日成都地区的一次持续性重污染天气过程进行研究,并对两次污染物浓度爆发式增长阶段的污染原因及污染物来源进行了分析.结果表明:①在这次重污染天气过程中,风廓线雷达高精度的风场资料(包括水平风速、风向、垂直风速、大气折射率结构常数C■)配合其他气象要素在分析两个污染阶段污染物的累积及扩散、输送中可以发挥重要的作用,即当成都地区水平风场风速较小且风向多变时,此时受静稳型天气控制,污染物浓度会快速累积增长,而当出现较强的东北风时,可能会有沙尘污染物的输入,应注意沙尘天气的提前预警.垂直风场中垂直速度和大气折射率结构常数C■的变化往往影响着污染物浓度的变化,由于风廓线雷达具有较高的时间分辨率,因此,对污染天气过程的变化有一定的指示意义.②结合局地环流指数和边界层通风量,重新定义了一种适合成都地区风场特征的通风指数:有效通风量(EVI),从而表明第一阶段污染的主要原因是成都地区由静稳型天气控制,边界层内风场对污染物的稀释扩散能力差,导致污染物累积.③通过后向轨迹模拟并结合PM_(2.5)浓度数据进行聚类分析,认为第二阶段污染主要是东北方向携带有大量沙尘污染物的气团输送到成都地区导致的,与源于西北地区沙尘天气的沙尘输送密切相关.     

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。     

南京冬季典型霾天气过程多元对比分析

选取2017～2020南京地区冬季3个典型霾天气过程,综合分析了霾天气过程中污染物、气象要素以及边界层条件等影响机制与特征变化.结果表明,3次过程中,AQI指数峰值分别为304(严重污染)、227(重度污染)与176(中度污染),且与PM2.5、PM10浓度变化基本趋于一致,PM25与PM10比值基本都大于0.7;污染...     

2018年沈阳市一次空气重污染过程分析

采用数值模拟与观测资料相结合的方式,对沈阳市2018年1—3月发生的1次重污染过程的气象条件、天气形势和潜在来源进行初步分析。结果表明:重污染过程与当地的气象条件密切相关,沈阳市重污染期间的PM_2.5和PM₁₀浓度与风速和气温呈负相关,与气压和相对湿度呈正相关。中度、重度及以上污染主要集中于相对湿度为50%~70%条件下;重污染主要在高压、高湿、低风速、近地层逆温的天气形势下,污染物不易扩散。高空若有暖平流、受槽前脊后暖平流的影响也会导致区域空气质量下降。潜在来源分析表明,沈阳市的气团共有4条运输路线,其中来自内蒙古的轨迹携带了大量的PM₁₀;属于簇团2（34.72%）的内蒙古自治区中东部,属于簇团3（21.94%）的河北省以及属于簇团4（13.06%）的吉林省西部地区对沈阳市的污染贡献比较高。