2013—2018年中国近地面臭氧浓度空间分布特征及其与气象因子的关系

气象因子对近地面臭氧（O₃）浓度有重要影响.为探究O₃与气象因子的关联特征以及O₃的周期性特征,利用反距离权重插值、Kolmogorov-Zurbenko滤波和多元线性回归分析了2013—2018年我国O₃和气象因子数据.结果表明:①2013—2018年中国O₃日最大8 h滑动平均值〔ρ（O₃-max-8 h）〕第90百分位数呈上升趋势,增速为2.6 μg/（m3·a）;ρ（O₃-max-8 h）高值区（≥180 μg/m3）主要分布在华北平原和长江中下游平原一带,高值区范围在华北平原地区呈扩大趋势,在长三角和珠三角地区呈缩小趋势.②ρ（O₃-max-8 h）短期和季节分量的贡献在空间上呈“互补”的分布特征.短期分量的贡献（75%）在东南沿海地区最高,在内陆大部区域较低（< 30%）;季节分量的贡献（15%）在东南沿海地区最低,在内陆大部区域较高（>60%）.③在华北平原至长三角地区一带,长期气象因子变化是ρ（O₃-max-8 h）升高的重要原因;而在华南、西南和东北区域,气象因子变化对ρ（O₃-max-8 h）的影响并不显著.④ρ（O₃-max-8 h）与温度、太阳总辐射量的相关性（r>0.86）均在四川盆地至湖北省一带最高,ρ（O₃-max-8 h）与相对湿度在中部和西部区域呈正相关（r>0.64）,ρ（O₃-max-8 h）与风速在华北平原呈强正相关（r>0.89）.研究显示,中国近地面O₃具有显著的时空分布特征,气象因子与太阳总辐射量对O₃空间分布的影响具有较大的区域差异.      

兰州市供暖期PM_(2.5)浓度监测及其预报模型

利用兰州市2007-2009年供暖期PM2.5实测数据,统计分析观测期间PM2.5的超标率、超标倍数、浓度水平以及典型天气(浮尘、沙尘暴和灰霾)下PM2.5浓度日变化特征,并结合同期气象数据,运用多元逐步回归分析的方法建立兰州市供暖期PM2.5浓度预报模型,最后对模型进行验证。结果表明:兰州市2007-2009年供暖期PM2.5污染十分严重,2007-2009年PM2.5的超标率分别为59.2%、67.9%和68.8%,最大超标倍数分别达到2.88、3.17和3.60;2007-2009年供暖全期PM2.5浓度日变化呈"双峰双谷"型,浮尘、沙尘暴和霾天气下PM2.5浓度均远高于平均值,霾天气下PM2.5日均浓度值最高;兰州市供暖期PM2.5浓度预报模型的预报值与实测值的变化趋势基本一致,但对高浓度PM2.5模拟结果较差,PM2.5预报浓度准确率和等级准确率分别为70.2%和81.8%。