成都地区污染天气分型及其污染气象特征研究

污染天气分型研究对空气质量预报、污染源总量控制等具有重要的意义。基于2013年1月~2014年12月高空及地面天气形势划分了成都市的天气类型并探讨各天气类型下的空气质量状况及其污染天气特征,以期为空气质量预报和预警提供依据。结果表明,空气污染过程中,500 hpa环流形势主要有两槽一脊型、一槽一脊型、纬向型、槽脊同位相型等,其中两槽一脊型和槽脊同位相型控制下的空气质量最差。发生空气污染时,地面环流形势可分为高压型、高压后部型、高压底部型、低压型、低压顶部型、低压前部型、低压底部型、鞍型场型、冷锋前部型和均压场型,其中高压型、高压底部型、高压后部型控制下的空气质量最差。     

道路建设对成都市热岛效应的影响

热岛效应是城市气候最显著的特征之一。土地利用方式及土地覆盖的改变,如城市化和道路建设是导致热岛现象的重要原因之一。然而目前针对道路属性（道路密度及类型）对城市热岛效应的影响研究还较缺乏。本研究运用2012年成都市不同时次（冬夏季）的遥感数据及城市道路交通专题图,运用3S技术探讨道路密度对城市热岛效应的影响以及不同类型道路对城市热岛效应的热贡献。研究表明：（1）成都市热岛效应明显,市区地表平均温度显著高于郊区且热岛强度呈现夏强（3~4℃）冬弱（2.5~3℃）、夜强昼弱的特征。日间城市热岛效应呈现多热中心的分布模式,但冬夏季热岛中心位置不同。夏季日间热中心位于城市的西南部和中东北部,最高可达32.66℃,而冬季日间城市的西南部地表温度较高且热中心主要分布于城市边界地区,地表温度超过16℃。无论冬夏,夜间城市热岛效应均呈现环状分布特征,即从城市边缘到中心,地表温度逐渐升高,夏季城乡地表温差高达4.37℃而冬季达到2.82℃。（2）成都市区道路呈现“圈层型＋辐射型”分布模式,道路密度与道路的分布有关,城市南部及西南部的道路密度高于北部区域。（3）无论冬夏,道路密度与地表温度正相关,但两者相关性呈现昼弱夜强的特征,其中夜间相关系数达到0.5左右。对热效应贡献度指数、热单元权重指数、区域热单元权重指数3个指标的分析都表明无论冬夏、无论昼夜,市区分布面积最广的三级道路对城市热岛效应的热贡献最大,其热效应贡献度指数均在95%以上,其次是二级道路,各项热效应贡献度指数为45%~80%。本研究结果将有助于未来城市建设和道路规划,并为缓解城市热岛效应提供理论支持。     

铜川市空气质量变化及重度污染的气象条件

利用2014年铜川市空气质量指数(AQI)、常规气象资料和NECP/NCAR再分析资料,分析2014年铜川市AQI与首要污染物的时间分布,并探讨典型重污染时段的气象条件。结果表明:夏季AQI小于全年均值,首要污染物以臭氧为主,秋冬AQI较高,首要污染物以PM为主。2月的环流条件不利于污染物的扩散,500 hpa位势高度与AQI的变2.5化存在一定相关性,高空条件是2月持续污染的一个重要原因。春节和元宵节期间AQI均达到重度污染等级,对此间出现的连续性空气重度污染的气象条件分析得出,在高空稳定的平直纬向西风,配合地面的弱低压这一天气形势下,相对稳定的大气层结和持续较强逆温使得污染物难以扩散进而堆积,是持续数日重度污染的重要原因。     

四川盆地大气污染物时空分布特征及气象影响因素研究

利用2015—2018年四川盆地内18个城市的6种污染物逐日质量浓度监测资料、同期的常规气象观测资料，采用插值、相关分析等方法，分析了四川盆地3个区域6种污染物的时空分布特征，探讨了各个污染物质量浓度与气象要素之间的关系.结果表明：①O₃在盆地中西部污染较重，PM_2.5和PM₁₀在德阳、成都、眉山、内江、自贡一带污染较重，在广元和巴中污染较轻，SO₂在巴中、南充、绵阳、德阳一带污染较轻，在广元和盆地中南部污染较重；②NO₂平均浓度呈先增后减的趋势，O₃呈增加趋势，而CO、PM_2.5、PM₁₀、SO₂均呈减小趋势；③CO、NO₂、PM_2.5、PM₁₀、SO₂呈"夏低冬高"的特征，O₃则相反，CO、NO₂、PM_2.5、PM₁₀均表现为"双峰双谷"型，O₃和SO₂则表现为"单峰"型；④偏东风有利于CO、NO₂、PM₁₀、PM_2.5的稀释扩散，偏北风有利于O₃、SO₂的稀释扩散；⑤6种污染物质量浓度均与气压、气温、24 h变温、24 h变压、相对湿度、10 m风速、700 hPa散度、850 hPa高度显著相关.风速、相对湿度、混合层高度、逆温层平均高度的增加有利于大多数污染物的稀释扩散.     

2017年汾渭平原东部大气颗粒物污染特征分析

高度集中的煤炭产业和繁忙的交通运输使得汾渭平原成为全国污染最严重的地区之一.利用中国环境监测总站发布的大气环境监测资料,以统计的方法分析了2017年汾渭平原东部三门峡市、运城市、渭南市、洛阳市的颗粒物质量浓度演变特征,并与北京市开展对比分析.结果表明:①2017年汾渭平原东部颗粒物污染形势较为严峻,ρ（PM_2.5）年均值范围为61~75 μg/m3,高于北京市（58 μg/m3）,ρ（PM_2.5）/ρ（PM₁₀）范围为0.47~0.57,远低于北京市的0.66,说明汾渭平原东部一次颗粒物的贡献更为显著.②与北京市相比,汾渭平原东部重污染有效时数较长,在三门峡市、运城市、渭南市和洛阳市出现PM_2.5重度及以上污染过程的时数分别占全年总时数的6.56%、8.91%、9.23%和9.10%.但由于汾渭平原东部重污染期间颗粒物质量浓度较北京市低,因此造成汾渭平原东部和北京市重度及以上污染过程中颗粒物质量浓度平均值在颗粒物质量浓度年均值中占比基本相同.③汾渭平原东部颗粒物质量浓度的周变化特征与北京市有显著区别.④重污染期间,汾渭平原东部ρ（PM_2.5）和ρ（PM₁₀）的日变化特征与ρ（SO₂）相同,均呈白天高、夜间低的特征,而北京市ρ（PM_2.5）和ρ（PM₁₀）的日变化特征与ρ（SO₂）相反,呈白天低、夜间高的特征,说明汾渭平原东部特殊的能源结构、边界层动力演变和局地环流造成高架点源对重污染期间污染物质量浓度的影响较显著.研究显示,汾渭平原东部应该加强重污染期间高架点源的管控.      

成都市PM2.5和O3复合污染特征及相互作用研究

基于2015—2020年成都市国控环境监测站点逐时大气污染物监测数据,将其分为3类站点（城区、交通、背景站点）,研究不同季节、不同污染水平下,各类站点细颗粒物（PM_2.5）和臭氧（O₃）复合污染特征及相互作用.结果表明：①成都各类站点的PM_2.5超标天数和PM_2.5年平均浓度总体呈下降趋势,背景站点浓度明显小于城区站点和交通站点;O₃年际变化趋势呈波动性,且交通站点和背景站点的变化波动强于城区站点.②各类站点PM_2.5与O₃相关性在O₃污染期（4—8月）和PM_2.5污染期（11—次年1月）均存在显著差异,且二者在不同季节甚至呈现相反的相关性,总体趋势为夏季PM_2.5-O₃的相关性趋于正相关,冬季趋于负相关.③O₃污染期,各类站点二次PM_2.5的浓度和贡献率随光化学水平的升高而增加,而一次PM_2.5日变化幅度差异不大,表现出明显的O₃和PM_2.5协同增长现象.④PM_2.5污染期,PM_2.5与O₃之间并不是简单的线性关系,不同PM_2.5污染程度下,各类站点O₃浓度变化率昼夜波动趋势基本相同,均在12：00—13：00达到峰值,在18：00达到谷值;且随着PM_2.5浓度的增加,O₃浓度变化率峰值/谷值波动范围亦随之增加.     

基于GAM模型的四川盆地臭氧时空分布特征及影响因素研究

为研究四川盆地臭氧(O_3)时空分布特征及其气象成因,对四川盆地18个城市2015—2016年国控环境监测站点和气象台站数据进行了研究分析.结果表明:2015—2016年四川盆地O_3污染愈发严重,高值污染区呈扩张态势,污染区主要位于盆地西部成都、德阳、资阳、眉山、内江一带和以广安为中心的周边区域.O_3浓度有明显的季节变化特征:夏季(110.70±41.52)μg·m~(-3)春季(95.24±41.23)μg·m~(-3)秋季(67.58±39.55)μg·m~(-3)冬季(47.17±41.15)μg·m~(-3).基于广义相加模型(GAM)分析发现O_3浓度与气压、气温、相对湿度、风速、日照时数、降水量间均呈非线性关系,其中日照时数、相对湿度以及气温对四川盆地O_3浓度影响较大,而风速、气压以及降水量对O_3浓度影响相对较小.通过构建GAM模型对四川盆地18个城市O_3污染的主导气象因子进行识别,并对2017年O_3浓度进行预测和检验,结果显示GAM模型能较为准确地预测四川盆地各城市O_3浓度的变化趋势.     

2003~2018年四川盆地气溶胶光学厚度空间分异及驱动因子

为揭示四川盆地气溶胶光学厚度（AOD）的空间分布格局并定量评估影响其时空分异的驱动因子,基于2003~2018年（16a） MODIS气溶胶产品数据,采用Mann-Kendall突变检验法,空间自相关,空间热点探测分析和地理探测器等地统计方法分析研究.结果表明：2003~2018年四川盆地AOD总体呈现下降趋势,且突变年为2015年,并依据趋势变化将2003~2018年分为6个时段.四川盆地气溶胶区域性污染特征明显,AOD高值区主要聚集在盆地中部低海拔地区,而AOD低值区则多聚集在盆地边缘高海拔地区.AOD空间分布具有显著的聚集性规律（空间正相关,Moran's I指数>0）,自2012年以来高-高值聚集区面积不断减小,且不同时段聚集区AOD年际变化与AOD值分布变化态势一致.利用主成分分析法优选出8个因子,经地理探测器分析表明,16a来盆地区域AOD时空分异主要是由于城市化和工业化发展水平不均衡引起的.2014~2015年所有驱动因子的驱动力较之前时间段出现11.2%~59.2%的减小,且社会经济因子尤为明显,与2015年为突变年的结论相一致.     

2014~2016年成都地区空气污染气象要素分型研究

为研究成都地区发生不同程度空气污染时,地面气象要素的搭配类型特征,基于成都地区2014~2016年多个逐日气象要素值(气温、气压、湿度等)和逐日AQI资料,对2014~2016年成都地区空气质量状况进行特征分析,并且通过TSI天气分型方法,并结合同期逐日空气质量资料探讨了四季不同天气类型下空气质量特征,主要结果为:(1)2014~2016年成都市总体空气质量夏秋季空气质量最佳,春季次之,冬季最差。(2)不同天气类型空气质量状况差异较大。春季3型和4型容易发生轻度污染;夏季1型和4型容易发生轻度污染;秋季3型容易出现轻度污染;冬季4型和5型天气下容易发生轻度污染以上的空气污染状况。研究为成都地区空气污染气象研究提供参考依据,也为空气污染预报提供一些借鉴意义。