南京冬季大气气溶胶粒子谱分布及其对能见度的影响

2009年11～12月采用宽范围气溶胶粒径谱仪(WPS)、 自动气象站和能见度仪等高分辨率仪器对南京北郊气溶胶粒子的谱分布特征与气象因子的关系及其对大气能见度的影响进行研究.结果表明，数浓度谱呈双峰分布，主峰集中在0.04～0.1 μm；质量浓度谱的2个主峰位于0.5～0.7 μm和 2.7 μm左右；表面积谱的2个主峰分别位于0.1～0.5 μm和0.5～0.9 μm之间.气溶胶浓度存在明显的日变化和日际变化，日变化主要与人类活动及大气边界层状况有关，而日际变化主要受降水、 风、 相对湿度等气象条件的影响；粒子数浓度分布受相对湿度(RH)的影响较显著，当RH<54%时，随着RH增大，直径<1 μm的粒子数浓度增加，而直径>1 μm的粒子数浓度几乎无变化，当相对湿度>54%时，随着RH增大，0.01～0.2 μm和2.7～10 μm范围内粒子数浓度降低，0.5～1.5 μm之间的粒子数浓度明显增加；雨、 雾、 晴和灰霾天气状态下气溶胶粒子谱分布各异，雨天各尺度档数浓度与晴天相比都有减少，雾天0.01～0.3 μm和2.7～10 μm范围的气溶胶粒子数浓度比晴天低，而0.3～2.7 μm之间的粒子数浓度高于晴天，降雨和浓雾对粗粒子的清除作用依次比核模态和积聚态粒子大；灰霾天气溶胶粒子谱的峰值略向大粒径方向偏移，0.03～0.1 μm之间的粒子数浓度比晴天低，而0.1～2.7 μm范围内粒子数浓度高于晴天；根据Mie理论，对能见度和不同粒径段气溶胶粒子的表面积浓度进行相关性分析，发现0.1～2 μm之间的粒子表面积浓度与能见度相关性较好，是导致南京地区能见度降低的主要因素.  

长江三角洲地区城市臭氧污染特征与影响因素分析

为研究长三角地区城市O₃污染特征及其影响因素,对长三角地区25个城市2013年国家环境监测点位和国家气象台数据进行了统计分析.结果表明:除淮安外,其余24个城市均存在不同程度的O₃日超标现象,超标率在1.6%~15.1%之间,平均为5.8%,低于珠三角地区(8.9%)和京津冀地区(9.7%).5—8月是长三角地区O₃污染最为严重的月份,而这一时期颗粒物污染相对较轻,因此,O₃与颗粒物污染在时间上呈相反的态势.从空间分布看,长三角地区O₃污染呈现较为明显的连片分布特征,上海及周边城市O₃污染较重.机动车数量影响城市O₃污染:各城市民用汽车保有量与各城市NO₂年均浓度、O₃超标天数有显著的相关性,相关系数分别为0.672和0.564;每日O₃小时浓度高峰值与车流量高峰基本吻合.高温、长时间日照容易出现O₃浓度的高值;随着相对湿度、风速的增加,O₃超标频率和浓度均值都表现为先升后降的规律.  

夏季城市大气O3浓度影响因素及其相关关系

利用2003年夏季济南市区近地面大气O₃、相关前体物和气象因素等观测数据,研究了O₃浓度的分布特征及时间变化规律,分析了7月份O₃与NO、NO₂和CO等前体物及太阳辐射和气温气象条件的相关性.结果表明,济南市区夏季O₃污染比较严重,观测期间各污染物O₃、NO、NO₂、NO_x和CO浓度都相对较高,昼间O₃与各前体物的浓度呈较好的负相关关系,与太阳辐射具有非常明显的相关性,而与气温的相关性不明显.根据以上分析结果,利用回归分析方法,建立了昼间O₃浓度与前体物、气象因子之间的相关模式,结果表明O₃浓度的计算值与观测值符合性较好.  

2008奥运和后奥运时段北京大气颗粒物质量浓度和数浓度比对研究

为探索奥运和后奥运时段北京地区大气颗粒物质量浓度和数浓度变化规律及其主要影响因素，于2008-08-08～2008-10-07期间，在中国科学院大气物理研究所325 m气象观测塔附近的办公楼楼顶使用微量振荡天平（TEOM）和空气动力学粒谱仪（APS）在线实时测量颗粒物质量浓度和数浓度，同时结合地面气象资料和HYSPLIT轨迹模式对颗粒物的来源和传输过程进行了探讨. 结果表明，奥运期间北京大气颗粒物粗细粒子质量浓度（PM_2.5～10和PM_2.5）平均值分别为（23.1±1.6） μg·m^-3和（55.5±7.3）μg·m^-3，比非奥运时期分别降低18.2%和16.0%，比非源控制时期分别降低22.3%和18.0%；而奥运期间粗细粒子数浓度（PN_2.5～10和PN_0.5～2.5）平均值分别为（15±1）个·cm^-3和（3138±567）个·cm^-3，比非奥运时期分别降低23.4%和27.5%，比非源控制时期分别降低29.5%和34.3%. 观测期间风速、相对湿度和前1 d的降水与颗粒物质量浓度和数浓度存在显著线性关系，逐步回归分析结果显示，风速和相对湿度可以解释细粒子质量浓度和数浓度变化的42%和53%，而风速和前1 d的降雨则可以解释粗粒子质量浓度和数浓度变化的21%和39%；观测期间北京大气颗粒物主要受保定、石家庄等偏南地区输送的影响，偏南弱气流使北京大气细粒子质量浓度和数浓度迅速增加，而偏北强气流使区域大气粗细粒子得到彻底清除，体现了北京地区大气粗粒子受局地排放控制而细粒子受区域污染输送的特征. 对比观测期间颗粒物累积清除的2次典型过程发现，气象因素影响颗粒物浓度值波动，而局地源排放减少和区域输送减弱则使颗粒物粗细粒子浓度显著降低，北京及周边省（市、区）协同减排是保障奥运期间优质空气质量的主要原因.  

天津滨海新区秋冬季大气污染特征分析

 为了解天津滨海新区大气污染物浓度水平和污染来源,2009年9月1日~2010年2月28日对NOx、CO、SO2、O3、PM2.5、PM10进行了连续在线观测,并同步观测了气象要素.结果表明,秋冬季上述污染物最高日均值(秋冬平均值±标准差,O3为日小时均值最大值)分别达到300.7(65.4±52.9)×10-9、7.278(1.324±1.169)×10-6、53(13±12)×10-9、95(28±21)×10-9(体积分数)和287.4(62.3±53.6)μg/m3、1421.4(161.9±136) μg/m3. NOx和SO2秋季低于冬季,O3和PM10反之. CO和PM10相对国家二级标准超标率为2%和38%,PM2.5相对WHO标准(75μg/m3)超标率为31%.季节统计日变化显示CO和NOx为早晚双峰型,SO2为中午的单峰型,O3为午后单峰型,且秋季日变化振幅远大于冬季, PM10为早晚双峰型,但冬季比秋季晚出峰2~3h.除冬季PM10,大气污染物浓度49%~74%的逐日变化由气象要素影响.滨海新区大气污染受局地排放和外源输送共同影响,西南方向气流易造成污染物积累,其次是东北方向,而东和东南气流最有利于污染物扩散;各污染物具体表现为NOx主要受局地源控制;SO2主要受外来输送影响;CO和PM2.5同时受本地源和外来源的共同影响;PM10秋季表现为本地源污染,而冬季为本地源和外来源的共同影响.  

太湖藻源性“湖泛”形成机制的气象因素分析

将蓝藻水华引发的太湖水域黑臭水团现象称为藻源性“湖泛”，并将其形成过程分为藻源形成、厌氧反应产物“泛”起、黑臭水团聚积3个阶段.针对2007年5月和2008年5月2次藻源性“湖泛”形成过程中气象要素演变的共同特征，结合水动力模型研究发现，适宜的气象条件提供了必要的热力与动力环境，是诱发“湖泛”形成的必要因素之一.第1阶段持续3 d以上高温、微风、风向基本一致的气象条件，有利于藻华在湖岸局部地区大量聚集、死亡、下沉、腐烂，发生厌氧反应，构成“湖泛”发生的物质基础；第2阶段冷空气过境，气温迅速降低、风速短时增大、持续1 d以上时间风向偏转接近180°，有利于厌氧反应产物“泛”至水表，形成黑臭水团，构成“湖泛”形成的触发机制；第3阶段持续高温、微风，有利于黑臭水团在水面较长时间存在，构成“湖泛”形成的维持机制.基于气象因素的可预报性，此研究为实现太湖“湖泛”的早期预警与防治提供了理论依据.  

近地面臭氧污染过程和相关气象因子的分析

为了了解Ｏ＿３的污染过程，进行了包括全天２４ｈＯ＿３浓度和气象参数的观测。分析了高浓度Ｏ＿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Ｏ＿３的有利条件。从Ｏ＿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Ｏ＿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Ｏ＿３浓度增大，使Ｏ＿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Ｏ＿３出现次峰。  

沈大高速公路沿线气象因子特征研究

选用沈大高速公路沿线 7个气象台站 195 5～ 1995年的累年气象要素值 ,通过对影响高速公路运行和车辆尾气污染物排放、扩散相关的气象因子分析 ,为今后的高速公路建设和沈大高速公路管理 ,提供较科学的依据。  

北京地区大气颗粒物污染的风向因素研究

 2005年9月~2006年9月在北京市北部、中部、南部3个点位采集了大气总悬浮颗粒物(TSP)样品,并采用电感耦合等离子体光谱、质谱技术测定了29种无机元素.基于大气浓度数据和气象观测资料,研究了925hPa时不同风向对北京市TSP浓度及Al、Fe、Ca、S、Se、Pb、Zn等特征元素空间分布及来源的影响.结果表明,TSP及Al、Fe等地壳来源元素在东北、西北、西南3种风向下,3点位的平均浓度变化不大,表现出明显的顺东北风递增的特征;Pb、Zn等冶炼排放元素的3点位平均浓度以西南风时为高,并表现出明显的顺西南风递减的特征.Pb、Zn等重金属元素主要来源于北京南部以远地区有色冶金企业排放的大气传输;而地壳元素主要来自北京本地排放源的贡献.  

大连市空气污染预测预报统计方法的研究

通过分析大连市的大气污染因子与气象因子的关系 ,利用统计学中多元回归的方法 ,建立了大连空气污染预测预报方程。