2015—2019年保定市O3变化及其周边源区分析

利用保定市2015—2019年近地面O₃和气象观测数据,统计分析了该地区O₃变化特征及其与地面气温、相对湿度、风速和风向的关系,并确定了O₃的周边源区.结果表明,2015—2019年保定市O₃污染呈加重趋势,O₃污染超标天数从2015年的63 d增加至2019年的95 d.由于秋冬季昼夜温差较大,导致其O₃日变化相对扰动高于春夏季节.O₃浓度与近地面气温呈非线性正相关关系,随相对湿度（RH）的增加呈阶段性的先增后减的变化趋势,其中当RH为40%~50%时,O₃浓度及其污染超标率均达到最大.此外,风场对O₃分布有重要影响,盛行偏南风时易发生O₃重污染,表明影响该地区O₃污染源区主要位于保定南部.潜在源贡献因子分析方法（PSCF）和浓度权重轨迹分析法（CWT）的分析结果表明,保定市春夏O₃源区分布范围最大,其中贡献高值区主要分布在保定以南的河南东部、山东西部,周边源区对保定市O₃污染具有重要影响作用.     

城市污染地区与高山清洁地区新粒子生成事件特征分析

在中国复合型污染的大气环境背景下,新粒子生成（New Particle Formation,NPF）是大气颗粒物的重要来源之一,直接影响到空气质量、云物理过程、全球辐射平衡及人类的生产生活.本文通过分析城市污染地区和高山清洁地区新粒子生成天和非新粒子生成天的特征差异, 研究新粒子生成事件的关键影响因素.利用2016年3月12日—4月6日北京的观测资料和2012年9月23日—10月28日黄山的观测资料,分别代表城市污染地区和高山清洁地区进行研究,同时,结合同期气态前体物浓度和气象要素进行详尽的分析.结果表明,观测期间,北京发生新粒子生成事件的频率为42.3%,黄山发生新粒子生成事件的频率为25%,北京的新粒子生成速率J₃和J₁₀、增长速率GR_3~10和GR_10~25及凝结汇分别为3.30~51.39 cm^-3·s^-1和3.37~35.21 cm^-3·s^-1、0.10~2.89 nm·h^-1和1.84~11.16 nm·h^-1及0.030~0.054 s^-1,黄山的新粒子生成速率J₁₀、增长速率GR_10~25及凝结汇分别为0.31~4.32 cm^-3·s^-1、2.95~10.65 nm·h^-1及0.0014~0.040 s^-1,主要受到气态前体物浓度、气象要素和背景颗粒物浓度的 影响.气态硫酸H₂SO₄浓度是北京城市新粒子生成事件发生的限制因素,而非决定因素;黄山新粒子生成天的SO₂浓度是非新粒子生成天的2倍,是黄山新粒子生成事件的主要影响因素.在降水和大风天气后,北京和黄山大气中颗粒物质量浓度较低、太阳辐射强、相对湿度低的静稳条件下有利于新粒子生成事件的发生,此外,高山清洁地区的气态前体物浓度在大风天气后由于跨界输送的影响会显著上升.     

2018-2019年兰州市近地面臭氧浓度变化特征及其影响因素分析

选取兰州市城区4个环境空气质量国控站点2018-2019年的监测数据和兰州市气象站同期的观测资料,分析了兰州市O₃浓度的时空分布特征,并探讨了气象因素和相关污染物对ρ(O₃-8 h)的影响。结果表明:1)兰州市城区各站点ρ(O₃-8 h)的月变化和ρ(O₃)小时值的日变化均呈单峰型,ρ(O₃-8 h)高值出现在4-8月,ρ(O₃)小时峰值出现在15:00左右;2)相关污染物与ρ(O₃-8 h)均呈负相关,ρ(O₃-8 h)随ρ(NO₂)、ρ(CO)、ρ(PM_2.5)的增加而降低;3)高温、低湿的环境有利于兰州市城区O₃的生成,而特殊的地形条件导致在一定风速下,O₃更容易积累;4)分别建立了相关污染物和气象因子的多元线性回归方程,发现在当前气象条件和相关污染物排放现状下,气象因子对兰州市O₃的影响比相关污染物的影响更为重要。     

京津冀地区城市臭氧污染趋势及原因探讨

采用Kolmogorov-Zurbenko（KZ）滤波分析了2013~2018年京津冀地区13个城市的臭氧最大日8h滑动平均（O₃-8h）序列,评估污染趋势并探讨原因.KZ滤波分离出的O₃-8h短期、季节和长期等3个分量分别占原始序列总方差的32.7%、63.9%和3.4%,各分量之间相互独立;以滤除了中短期过程影响的长期分量进行比较,京津冀地区远高于柏林、巴黎和伦敦等欧洲城市,与美国洛杉矶20世纪90年代初和最近4年状况相当,普遍低于上海和南京等长三角主要城市.但是,2013~2018年京津冀地区各城市臭氧污染加剧显著,长期分量升高速率达2.31~7.12 μg·（m³·a）^-1,均值为4.97 μg·（m³·a）^-1,快于长三角地区.拟合结果提示,臭氧浓度升高受气象条件影响不大（贡献比均值约为9.6%）,主要由大气污染排放变化造成（90.4%）,将该排放变化拆分为PM_2.5下降和臭氧前体物排放变化两项,其贡献比均值分别是27.3%和63.1%,其中北京-廊坊-天津城市带PM_2.5下降对臭氧升高贡献较大,分别为50.8%、32.5%和36.7%,衡水则达到48.6%.PM_2.5浓度降低已成为北京、衡水等地臭氧升高的最关键因素,这意味着需进一步减少前体物排放,以抵消PM_2.5降低导致臭氧增加的反作用.需要指出,该结果尚待实验和模型模拟验证.     

鄂尔多斯市夏秋季气溶胶新粒子生成过程影响因素分析

利用宽范围粒径谱仪于2019年8月16至10月4日在鄂尔多斯市观测了10 nm~10 μm气溶胶粒径分布,结合PM（PM_2.5和PM₁₀）、污染气体、气象数据和HYSPLIT模式,分析了新粒子生成（NPF）特征及其主要影响因素.结果表明,观测期间一共出现19次NPF过程,占总观测期间的37.5%.NPF过程中对不同模态气溶胶数浓度日变化的影响不同.NPF使得核模态和爱根核模态气溶胶数浓度急剧增加,但是对积聚模态和粗模态气溶胶数浓度的影响较小.NPF发生时往往温度较高,风速较大,总辐照度较高,RH较低.NPF天PM_2.5、PM₁₀、CO和NO₂的浓度较低,O₃和SO₂浓度较高.40.0%的偏北气团和29.6%的偏南气团可观测到NPF过程.不同气团类型NPF过程中气象要素存在显著差异.南部气团类型NPF过程中风速最小,平均为（2.4±1.5）m·s^-1;RH最高,平均为（48.8±10.8）%;北部气团类型NPF过程中风速最大,平均为（4.2±1.9）m·s^-1;总辐照度最高,平均为（664.5±255.6）W·m^-2;西部气团类型NPF过程中RH最低,平均为（29.8±12.7）%.不同气团类型NPF过程中新粒子的生成速率相差不大,为1.5~1.8cm^-3·s^-1.南部气团类型NPF过程中增长速率最大,为（12.7±13.6）nm·h^-1,是北部气团类型和西部气团类型的1.2倍和1.4倍.     

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.     

洛阳市大气污染特征与相关气象要素24小时变化分析

通过对洛阳市环境空气监测资料的统计,归纳出洛阳市区日内24小时环境空气污染变化特征,并结合同步气象观测资料综合分析,找出了二者之间的联系特征。引入气温日较差这一便于观测、预报的气象要素表征空气污染物垂直扩散特征,为今后进行污染预报提供了新的思路。     

南疆地区AOD时空分布特征及气象影响因素分析

为探究南疆地区大气气溶胶光学厚度的时空分布特征及气象因素对其的影响,采用MODIS MCD19A2数据集2010-2019年的气溶胶数据,分析南疆地区近10 a来AOD时空分布特征及气象因素对AOD的影响.结果表明:①空间分布上,AOD高值区分布在海拔较低的盆地地区,呈现中间高四周低的分布特征.空间分布季节性差异明显,...     

宁波市秋冬季大气能见度特征及影响因素分析

针对宁波市大气能见度的观测研究表明,宁波市秋冬季大气能见度均值为11.6 km,霾日发生率为31.6%,霾日的能见度均值为6.6 km,且PM_(2.5)质量浓度在100~120μg/m3范围内的频率最高。能见度随着PM_(2.5)浓度增大呈指数下降,且相同的PM_(2.5)浓度情况下,相对湿度越大,能见度越低。能见度为10 km的临界点上,PM_(2.5)质量浓度值对应为67.5μg/m3。不同相对湿度时,能见度为10 km对应的PM_(2.5)质量浓度临界值不同。通过建立能见度回归方程发现,低相对湿度(RH≤30%)时,PM_(2.5)对能见度的影响权重最大;高相对湿度(RH60%)时,相对湿度的权重最大;RH低于60%时,RH的权重随着PM_(2.5)浓度的增加而增大;而RH高于60%时,RH的权重随着PM_(2.5)浓度的增加而减小。分析结果可为宁波市灰霾防治和采取合适的管控措施提高能见度提供一定参考。     

乌海市空气污染特征及其与气象要素的关系

文章利用乌海市2006-2010年污染物SO2、NO2、PM10浓度值和气象资料,分析了乌海市近5年空气污染的特征,计算了各污染物与主要气象要素的单相关系数,采用灰色关联分析方法对近5年来影响乌海市污染物浓度的气象要素进行分析。结果显示:(1)乌海市环境空气的首要污染物是可吸入颗粒物,其次是SO2。(2)2006-2010年,NO2变化不大;SO2下降幅度较大,从平均值超标1倍下降到不超标;PM10也呈下降趋势,但下降幅度稍小,5年均超标。(3)SO2一年内平均值变化幅度最大,12月浓度最大,7、8月最小,相差达3倍;PM10也是夏季最小,冬季12月最大,但3、4月份沙尘天气频发时也较大。(4)相关系数通过信度0.05检验的情况下,SO2、NO2、PM10浓度值与平均风速、平均气温、水平能见度、相对湿度、日照时数、平均总云量等具有一定的相关性。(5)用灰色关联分析法得出影响SO2和PM10的气象因素排序,平均风速是影响大气污染的主要气象因素,日照时数和总云量与污染物浓度关联较大。