瓦里关地区气象因子对近地面臭氧浓度影响的分析

文章给出了瓦里关地区1995－1999年近地面臭氧（O3）浓度年、季变化及日变化。分析了1999年气象因子对地面O3浓度的影响。结果表明：瓦里关地面O3浓度与云天状况、风向风速、垂直风速、气压等要素的变化比较明显。当瓦里关地区出现晴天、大风、偏NE风、下沉气流较强、地面受高压控制等天气时，为地面O3出现高浓度的天气条件。     

西宁市区大气CO_2浓度变化特征及与气象要素的关系

文章对2010年2~10月在西宁市区获得的大气CO2浓度观测资料及气象观测资料进行了分析。结果表明,西宁地区大气CO2本底浓度具有明显的季节变化,且变化幅度较大,最高值大约出现在每年的12月至次年2月,最低值出现在夏季的5~6月份;日变化也比较明显,并在四季均有明显的双峰值特征,最高值一般出现在一天之中的07:00~10:00时和19:00~22:00时,而低值一般在14:00~17:00时和00:00~03:00时时间段内出现;与气象要素的变化也比较明显,尤其与地面风向、风速及温度的变化比较明显;与瓦里关全球大气本底站大气CO2浓度的季节变化和日变化有明显的差异。     

济南城区夏季近地面臭氧浓度分析

为研究城市近地面臭氧浓度变化特征及臭氧浓度高值与气象因素的关系,于2015年夏季对济南城区近地面臭氧进行了观测与分析。结果表明:夏季大气中臭氧小时平均浓度为0.161 mg/m~3。臭氧具有明显的日变化特征,且晴天时臭氧浓度要比多云天气和阴雨时的浓度更高。高浓度臭氧的产生是多个气象因子共同作用的结果。一般晴天少云,气温较高,相对湿度较低,风速较小时,容易产生高浓度臭氧污染。     

气象要素及前体物对嘉兴市区臭氧浓度的影响

臭氧是光化学反应的重要产物，反映空气质量的重要指标之一，对空气中臭氧浓度变化规律及影响因素开展研究，对大气污染防治具有重要的意义。利用2021年嘉兴市区环境空气质量自动监测站监测结果与相关气象资料，统计了嘉兴市区近地面臭氧污染分布特征，利用Pearson相关性分析了气象要素及前体物NO₂对臭氧浓度的影响，利用最大增量反应活性系数法分析了不同VOCs组分对臭氧生成重要性评估。结果表明，2021年嘉兴市区臭氧浓度月度变化呈“M”型，超标主要出现在5～9月；日变化呈单峰型。臭氧浓度与气温为显著正相关，与相对湿度和气压均为负相关，降水有利于臭氧浓度的降低。白天当风向为西南、南或东南风，风速大于4m/s时，臭氧浓度较高。NO₂与臭氧显著负相关，VOCs中芳香烃对臭氧生成潜势最大。综合现有研究，气象要素及NO₂对嘉兴市区臭氧污染的影响不可忽略，芳香烃对嘉兴市区臭氧生成贡献显著，是臭氧污染优先治理的重要前体物。     

荆门市近60年风速风向特征分析

利用1959～2018年荆门、襄阳、武汉3个国家地面气象观测站风速风向观测资料,通过数理统计、线性分析、气候倾向率等方法,对荆门地区风向风速变化特征及变化趋势等进行气候统计分析。结果表明:荆门年平均风速为2. 9m/s,与襄阳、武汉相比均偏大,地形和地势是荆门风速偏大的主要原因;荆门、襄阳、武汉风速逐年呈整体减小趋势,但均在迁站当年出现陡升现象;荆门市风速变化与城市发展具有一定的相关性,城市快速发展时期,风速呈明显减小趋势;荆门四季主导风向均为N,N出现频次秋季最高、冬季次之,春季和夏季SSW、SW风向明显增多; 1～12月最多风向均为N,各月平均风速均大于襄阳、武汉,最大3月3. 6m/s,最小6月2. 8m/s;荆门年均大风日数为16. 5d,明显高于襄阳、武汉,大风日数整体呈减少趋势,2007年之前以4. 1d/10 a的速率减少,2008年之后以3. 3d/10 a的速率减少,大风日多出现在春季,大风风向多集中在N～NNE。荆门风速较大且有稳定的盛行风向,适宜在城市周边建设风电场;中心城区常年以北风为主,适宜建设南北方向的城市风道。     

鄂州市城区环境空气的臭氧污染特征及其防治对策

利用鄂州市城区3个环境空气质量自动监测站2015—2016年的监测数据,对空气中臭氧(O3)的污染特征进行了分析。分析结果表明:鄂州市城区空气中臭氧作为首要污染物的占比有逐年增加的趋势。臭氧浓度具有明显的日变化和季节变化规律,日变化呈单峰型且高峰段在13:00—17:00;月变化规律显示6月—9月浓度最高。日照、气温、风向和风速等因素对臭氧浓度变化均有重要影响。结合实际提出了加强产业规划、强化污染治理、加大科普宣传等防治对策。     

济南市大气中SO_2浓度变化特征研究

为研究城区近地面SO_2浓度变化特征,于2016年在山东大学对济南城市大气中SO_2浓度进行了连续监测。结果表明,济南城区SO_2年均浓度为0.049 mg/m3。SO_2存在明显的季节变化规律,浓度最高值出现在冬季1月,最低值出现在7月。SO_2在采暖季表现出明显的双峰型日变化,在非采暖季显示出单峰型日变化,这归因于非采暖季SO_2排放量远低于采暖季。风向、风速与SO_2扩散和输送密切相关,偏东方向,风速越大,SO_2浓度越高;其他方向,风速越大SO_2清除效果越好。     

廊坊市不同等级霾日气象条件异同特征分析

利用2013～2015年廊坊市气象站霾、气温、相对湿度、气压、风速、降水、日照等地面观测资料以及环保局PM2. 5资料,对各级霾的季、日气象要素特征进行了深入研究,结果表明:(1)廊坊市各级霾均有明显的季节性分布特征,轻微霾以夏季为最多,轻度、中度霾以秋季为最多,重度霾以冬季为最多;(2)重度霾的日平均气温接近相应季节的季平均值,轻微及中度霾则与季平均气温相差较大,轻度霾与季平均气温相差最大;(3)各级别霾的平均相对湿度值均高于相应季平均值,且以重度霾高出平均值为最多;(4)较低的气压利于重度霾的形成;(5)各级别霾日平均风速均小于同季平均风速,以重度霾偏小最多;(6)随着霾级别加重,日照时数明显减少;(7)各级别霾日中无降水日占比最多,表明降水可以抑制霾的形成。     

西宁市近三十多年来大气能见度变化特征分析

利用青海省西宁站1981年1月—2016年12月间各月地面能见度等资料,对比分析了该站大气能见度的日、季节及年际变化特征,并指出了两种不同观测方法之间的差异。分析表明:人工观测较仪器观测值平均高近66%;人工观测和仪器观测值日变化曲线基本一致,均表现为单峰单谷型,即为明显的正弦波型日变化特征;人工观测和仪器观测各月能见度均值同样均表现为单峰单谷型,夏初前后为全年高值时段,12月前后为全年低值时段;西宁近三十多年来能见度总体呈下降的趋势,有明显的高低值段区分;当出现天气现象特别是霾、雾、浮尘、扬沙、尘卷风、沙尘暴、雨、雪等时会降低大气的能见度;能见度受相对湿度的影响是显而易见的,两者呈明显的负相关。     

瓦里关地区大气浑浊度的观测与分析

利用瓦里关地区19949年9月－2000年9月太阳直接辐的分光观测资料,分析了该地区大气浑浊度系数的特征,并对1999年4月4次大风和扬沙过程的载尘尘量进行了估算。结果表明：（1）瓦里关地区大气浑浊系数的年平均值为0．047,波长指数平均值为4．673;大气浑浊度系数的季节变化明显,但日变化不明显。（2）大气浑浊度系数与地面风向、风速有密切关系：1999年N风时大气浑浊度系数最大,NW风次之,而SE风时大气浑浊度系数最小。≥5．0m/s的风速对大气浑浊系数的变化影响最大。（3）该地区大气相当洁净,受人类活动的影响较小,其大气浑浊度状况与同期五道染地区同属一个量级。     

2004年至2009年南极中山站的气候变化特征

利用2004年～ 2009年逐月气象资料,采用气候统计诊断分析方法,对中山站气温、气压、相对湿度、风的气候变化趋势进行研究.结果表明,中山站平均气温四季均呈下降趋势,变化幅度为-0.003℃/a～-0.46℃/a,冬季气温降幅最大,秋季降幅最小;年平均气温表现为弱的下降趋势,平均每年下降-0.003℃;年极端最高气温呈逐年下降趋势,降幅为-0.4℃/a,年极端最低气温呈逐年上升趋势,升幅为0.2℃/a;年平均气温、极昼平均气温日变化呈升温趋势,升幅分别为0.04℃/a、0.01℃/a,极夜平均气温表现为弱的降温趋势,降幅为-0.002℃/a;年平均气压、极端最高气压、极端最低气压、年平均相对湿度、年最小相对湿度均呈明显的下降趋势;平均风速具有明显的日变化规律,2004年2月～2009年11月大风日数共出现了835d,年大风日数均在100d以上;最大风速最大值为31.5m.s-1、极大风速最大值为39.1m.s-1,均出现在11月;年最多风向频率为49％～64％,以NE、E为主.     

济南市城区大气中CO_2浓度变化特征研究

为研究城市区域近地面CO_2浓度变化特征,于2016年1月—12月对济南城市大气中CO_2浓度进行了连续观测。结果表明,CO_2具有明显的日变化规律,其中春、夏、秋季存在一峰一谷的现象,而冬季只有一峰。CO_2浓度随季节变化明显,浓度最高值出现在冬季1月份,最低值出现在夏季6月份。CO_2与SO2相关性较高,说明二者都来源于燃煤贡献。CO_2浓度与风速和气温呈负相关关系,而与相对湿度呈正相关关系。     

长沙市灰霾天气与气象因子相关性研究

根据长沙市2013年PM2.5的逐日质量平均浓度、气象地面和高空观测数据,采用SPSS方法,分析了长沙市灰霾天气发生与气象因子的关系。结果表明:长沙市区的灰霾日以西北风向为主,PM2.5浓度与风速、降水呈显著负相关,与相对湿度、大气压、平均气温相关不明显。风速越小越不利于大气污染物的扩散,在没有降水的情况下,风速达到3.5m/s以上,空气质量才有好转;弱降水对污染物的浓度不会有明显的影响,降水量在5mm以下时,污染物的浓度不会有明显的下降,但强降水对空气有净化作用明显,在不同季节,不同时段,不同天气形势下降水的稀释作用不同;长沙秋冬季边界层稳定性几率高达80%以上,这种稳定层结构是长沙市区各种大气污染源不易扩散的重要因素之一。     

潍坊城区大气甲烷浓度变化特征

为研究城区近地面CH_4浓度特征,于2015年在潍坊市开展了CH_4连续观测实验,分析了地面风向、风速对CH_4浓度的影响。结果表明,2015年潍坊城区CH_4浓度均值为1.411 mg/m~3,季节变化特征表现为冬季高、夏季低,月均浓度分布在0.872~1.788 mg/m~3之间;日变化呈现出单峰型形态,凌晨高、下午低;偏西和偏南风向上,地面风速越大,CH_4浓度越高,在偏东风向上,CH_4浓度随风速增大而减小。     

四川地区气溶胶光学厚度时空分布及其与气象因子的相关性分析

应用MODIS资料和中国地面累年值月值数据集探讨了四川地区2008~2017年气溶胶光学厚度(AOD)时空分布和变化趋势,并分析了2008~2016年AOD与气象因子的相关性。结果表明:四川地区AOD在10a间整体呈先增加后减少的趋势,其中2010年为高值年,2017年为低值年,分别为0.46和0.21。月均值AOD呈双峰型分布,在2月和8月达到峰值,分别为0.44和0.32。空间分布上,东部为高值区,西部为低值区。东部地区AOD下降趋势显著,西部AOD上升趋势不显著;四川盆地AOD与温度显著正相关,与相对湿度和气压显著负相关,与风速、降水相关性较低。     

株洲市臭氧污染状况及相关气象因子分析

采用2013年1～12月空气质量自动监测数据对株洲市臭氧污染现状及相关气象因子进行分析。结果表明:监测期间全年臭氧日最大8 h平均浓度一级标准值达标率达到71.8%,全年超标率为1.6%,超标主要出现在季节变换时期。臭氧日最大8 h平均浓度的月均值变化呈"M"型,浓度高值持续时间长。日变化规律较强,且不同季节变化特征略有差别。臭氧浓度与气温有正相关性,相关系数为0.612;与湿度和云量有负相关性,且臭氧与湿度负相关性较明显,相关系数为0.731。     

近10年果洛地区雾的气候特征及成因分析

选取2004~2013年果洛6县雾的出现时间及雾日08时的各种地面观测气象资料,分析了果洛地区雾的时空分布、年际变化及成因。结果表明:果洛地区雾全都出现在凌晨至次日上午,且最低气温较前一日下降,因此果洛地区主要以辐射雾为主。近10年来果洛地区雾每年以0.185次的趋势增加,久治是雾出现最多的县,其次是甘德,班玛则没有雾。8月份是玛沁、久治雾的高频期,甘德、达日雾多出现在7~10月,玛多的雾则在11月出现最多。湿度大、温度下降、风速较小是果洛地区雾形成的重要条件。另外,果洛地区较开阔的地形更有利于雾的形成。     

川南城市群大气污染时空分布及气象因子分析

以大气环境地面监测数据及其对应的地面气象数据作为基础数据,分析了2005~2014年间川南城市群大气污染时空分布特征及与气象因子相关关系。结果表明,近10年来,川南城市群PM_(10)存在典型的双峰变化,NO_2和SO_2年平均值总体保持稳定趋势;季节上表现为冬季大气污染最严重,夏季大气污染最轻。风速对PM_(10)浓度影响较大,能见度与PM_(10)呈明显的相关性。     

攀枝花市区及盐边县城区城市臭氧污染状况研究

攀枝花市区臭氧污染负荷逐年上升,盐边县城区近年来臭氧污染负荷均高于20%,臭氧污染已成为影响城市空气质量的重要因素。对2017年1月~2020年2月攀枝花市区和盐边县城区臭氧污染物浓度时空变化规律和相关性进行了研究,并结合攀枝花各地太阳能和天气网记录的气象数据,统计了太阳辐射强度、紫外线辐射强度、日最高气温、日平均风向、季节气候等气象要素与出现臭氧污染的概率。研究表明,攀枝花市区和盐边县城区两地春、夏季较易出现臭氧污染,春季臭氧浓度持续高值时数最多,夏季臭氧浓度持续高值影响时数次之,两地臭氧污染物浓度变化有极强相关性。此外,臭氧浓度与气象条件密切关系,当紫外辐射强度大于30W/m²时,臭氧污染的几率为5%~8%,最高日气温值29℃~36℃之间时易出现臭氧污染,攀枝花市区臭氧污染受西向气流影响最重,盐边县城区臭氧污染受南向气流影响最重,盐边城区臭氧污染主要受攀枝花市区影响。根据臭氧污染物浓度时空变化规律和气象条件,开展区域臭氧前体物排放调控,将有效改善地区环境空气质量。     

成都地区2014～2020年PM10变化特征及气象条件分析

利用相关分析、逐步回归等统计方法，考察了成都地区PM₁₀的变化趋势及不同气象要素对PM₁₀变化的作用。结果表明，成都地区PM₁₀逐年递减，月际尺度上呈典型的“U”型分布。PM₁₀质量浓度的变化与最大风速、降水量及气压、日照时数、平均风速的变化负相关，与气温及相对湿度的变化正相关。不同季节影响PM₁₀变化的典型气象因子不同，冬、春季最大风速影响最大，夏、秋季平均风速影响最大。通过建立PM₁₀变化的多元回归预测模型，为成都地区PM₁₀变化的预测及管控措施的制定提供了科学依据。