排序方式: 共有46条查询结果,搜索用时 453 毫秒
11.
对北京市地面监测站点的CO浓度进行分析,探讨其浓度水平、变化趋势和时空分布特征。2014年春、夏、秋、冬四季北京市CO平均浓度分别为1.06、0.87、1.34、2.17 mg/m3。CO浓度均呈双峰型变化,第一个峰值出现在07:00-09:00,主要由交通早高峰的排放引起;第二个峰值出现在23:00左右,主要受交通晚高峰排放和夜间边界层高度降低的挤压效应的共同影响。从空间分布来看,全年整体呈现南高北低的分布特征,尤其是秋、冬季较为明显,体现了工业布局和区域传输对CO的影响。从全年来看,湿度对CO浓度的影响最大。对2014年冬季北京市的一次高CO浓度分析结果表明,此次过程是由本地排放和区域传输共同造成的,气象要素中地面气压对CO浓度影响最大。 相似文献
12.
2013年北京市PM2.5重污染日时空分布特征研究 总被引:3,自引:2,他引:1
根据2013年北京市环境保护监测中心监测的PM2.5数据,系统分析了北京市重污染日PM2.5污染的时空分布特征,并利用克里格插值初步统计了全年和重污染日PM2.5不同浓度区间的国土面积。2013年全市PM2.5年均浓度为89.5μg/m3,重污染日平均浓度为218μg/m3,重污染日主要集中在冬季;PM2.5年均浓度呈现明显的南高北低梯度分布特征,而重污染日空间分布较均匀,南部及城六区存在明显的高污染区,平均浓度在180μg/m3以上;2013年北京市重污染日PM2.5平均浓度为150~250μg/m3,其对应的国土面积约为12 656 km2,PM2.5平均浓度在250μg/m3以上的国土面积约为883 km2,而全年无PM2.5平均浓度在150μg/m3以上所对应的国土面积。 相似文献
13.
利用北京市2019~2021年的气象数据、PM2.5及组分浓度数据,结合常规污染物NO2浓度,分别对PM2.5及组分浓度、气象参数、NO2浓度和氮氧化率(NOR)大小的时空变化进行分析比较.结果表明:2019~2021年三年间北京市城区PM2.5浓度下降14%,但NO3-上升12%;各风向上,北京市城区PM2.5浓度大小顺序为:东北风>东风>西南风>东南风>南风>西风>北风>西北风,此外,二次无机盐组分最高浓度均出现在偏东风风向,有机物(OM)最高浓度出现在西南风;各风向年际变化上,2019~2021年,北京市PM2.5、各组分及NO2浓度在空间上均呈现高浓度“东移”特征,NO3-在东北风向上上升幅度最高,达65.7%;东北、东风及东南风风向上,相对湿度同步升高,NOR在东北、东风风向上同步升高,升高幅度达... 相似文献
14.
北京市夏季不同O3和PM2.5污染状况研究 总被引:3,自引:3,他引:0
从天气背景场、气象要素、前体物和PM_(2.5)化学组分、气团运动轨迹以及大气氧化性等方面对北京市夏季两种不同的O_3和PM_(2.5)污染状况进行了分析.结果表明,O_3达到中度污染而PM_(2.5)浓度优良(O_3和PM_(2.5)一高一低)污染状况的天气形势场为:高空为偏西北气流,地面受高压后部控制;而O_3和PM_(2.5)同时达到中度污染(O_3和PM_(2.5)两高)的天气形势场为:高空为偏西气流,地面受低压控制.与O_3和PM_(2.5)一高一低污染状况相比,O_3和PM_(2.5)两高时的气象要素特征为:偏南风更为明显和相对湿度更高.O_3和PM_(2.5)两高时污染物浓度演变特征为,O_3和PM_(2.5)的起始浓度较高,PM_(2.5)日变化特征更为明显,而O_3平均浓度却低于O_3和PM_(2.5)一高一低的污染状况.前体物、大气氧化性以及PM_(2.5)化学组分分析的结果表明,较高的起始浓度在不利气象条件下的积累和吸湿增长以及当天较大偏南风造成的区域传输可能是造成O_3和PM_(2.5)两高污染状况中PM_(2.5)浓度达到四级中度污染的主要原因. 相似文献
15.
麦秸焚烧导致的北京市大气污染时空分布和化学组成特征分析 总被引:9,自引:0,他引:9
为了全面评价农田秸秆焚烧产生的污染事件,并为制定有效的管理措施提供依据,于2006年6月20日监测了西南风下北京南部农田麦秸焚烧产生的污染物向北京传输的过程.获得了SO2、CO、NOx以及可吸入颗粒物(PM10)质量浓度的数据.颗粒物的化学组分数据.数据分析结果表明,污染输送对北京市西南部地区空气质量影响最大(PM10小时浓度超过600μg·m-3),对北部山区影响较小(PM10浓度峰值在110μg·m-3).高浓度污染在市区持续时间最长.麦秸焚烧通过输送增加了PM10(尤其是PM1)、CO、NO2以及NMHC等污染物质,这使得与前一日相比污染物之间的相关关系发生了变化:SO2与其它污染物的相关性不显著,而CO与NO2、CH4与NO显著相关.因子分析进一步揭示,气象条件对污染物浓度变化具有主导作用,而由麦秸焚烧所产生的外来污染源属于次要地位.污染输送过程中,PM25中的硝酸盐类和有机碳、碳黑质量浓度增大.麦秸焚烧所输送的气态污染物和细小颗粒物对人体健康存在威胁,在不利扩散的气象条件下在大气中存留时间加长.研究结果表明,气象条件不利于污染扩散时必须禁止农田秸秆焚烧. 相似文献
16.
2013~2014年北京市NO2时空分布研究 总被引:2,自引:0,他引:2
根据2013~2014年北京市NO2监测数据,对比分析了全年及重污染日NO2时空分布特征.结果表明:2013年NO2平均浓度为56μg/m3,2014年北京市NO2年均浓度为56.7μg/m3.年均及重污染日NO2月均浓度均呈波浪型分布,日变化呈双峰型分布;空间分布上北部及西部山区NO2浓度明显低于中心城区及南部地区. NO2浓度与PM2.5、CO、NO呈正相关关系,与O3、OX无明显相关性;全年NO2光解速率峰值平均在0.105/min左右,重污染日光解速率峰值平均在0.026/min左右;全年及重污染期间,氮氧化速率分别为0.142±0.061、0.190±0.036;高浓度NO2既有利于O3生成,又对重污染的形成起到了促进作用;重污染日特定条件下北京市NO2的两种转化机制以转化为NO3-过程为主导.经计算2000~2014年北京市机动车的保有量与NO2浓度的相关系数R为-0.84,机动车NOx排放量对北京市NO2浓度的变化有显著的影响. 相似文献
17.
2014年10月上旬北京市大气重污染分析 总被引:4,自引:0,他引:4
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. 相似文献
18.
采用数值模拟与观测资料相结合的方式,对2014年10月北京市4次典型空气重污染过程的大气环境背景、气象条件和形成原因进行了分析. 结果表明,京津冀区域稳定的气象条件是形成空气重污染的主要原因,4次重污染过程大气条件均不利于污染物扩散,表现为大气层结稳定,近地层逆温(平均逆温强度为2.26 ℃/100 m)明显,风速(平均值为1.52 m/s)小,相对湿度(平均值为80.75%)大. 在4次重污染过程中8—11日污染最重,ρ(PM2.5)日均值平均为264 μg/m3,并且区域输送对北京贡献率最大,平均值为63.75%;24—25日污染程度次之,逆温最强,逆温强度达5.94 ℃/100 m;18—20日重污染中北京ρ(PM2.5)高值(>200 μg/m3)区主要集中在该市西北部地区;30—31日污染相对较轻,ρ(PM2.5)日均值最高只有154 μg/m3. 数值模拟表明,在4次典型重污染过程中,来自南方(包括河北、河南和山西西部等地)的外来污染物输送对北京PM2.5贡献较大,外来贡献率分别在42.36%~69.12%之间,同时北京本地也存在较强的二次无机盐及有机物转化过程. 相似文献
19.
2018年11—12月北京市发生了4次以PM2.5为首要污染物的重污染天气过程,为了分析数值模型对4次重污染过程的预报能力,将CMAQ模式提前1~7 d对北京市PM2.5的小时预报结果与观测结果对比,分别从离散统计和分类统计2个方面评估CMAQ模式对4次重污染天气过程的预报效果,并简要分析了偏差产生的气象方面原因。结果表明:CMAQ模式提前1~6 d对重污染天气过程的预报显示出良好的性能,为日常业务预报提供了可借鉴的参考信息,可较好地预报出PM2.5小时浓度变化趋势和浓度水平,离散统计结果显示提前1~4 d的预报结果好于提前5~7 d,相关系数r基本大于0.8,但有一定程度的低估趋势;分类统计结果显示不同预报时效预报准确率大于70%,探测准确率高于55%,部分时段可以达到80%~90%,对人工预报起到了良好的参考作用;输入的气象场的变化及其偏差对于重污染的起始时间、持续时间及清除时间有一定的影响,对相对湿度预报偏小和风速预报偏大是造成CMAQ模式低估的一个重要原因。 相似文献
20.
对北京市远郊百花山(海拔1300 m)2007—2017年大气常规6项污染物数据进行了分析,并与代表市区的国控站点均值数据进行了比较。研究发现,百花山SO2、CO、PM2.5浓度为国控站点浓度的35.5%~35.7%,NO2、PM 10、O 3浓度分别为国控站点浓度的14.0%、41.5%、185.5%。11年间,百花山6项常规污染物浓度逐年降低。2013—2017年,百花山PM2.5浓度年均降速为11.4%,低于国控站点13.3%的年均改善水平。百花山和国控站点在污染物季节变化趋势上基本一致,秋季颗粒物浓度差异最大,春季差异最小。百花山6项污染物的日变化峰谷比值为1.21~1.44,其差异小于国控站点。各项污染物浓度在18:00出现峰值,认为主要受城区远距离传输影响。2013—2017年,百花山共出现5个PM2.5重污染天,5级以上重污染小时数为442 h,国控站点有2%的重污染小时与百花山同步。 相似文献