2015年国庆期间我国城市空气污染特征及成因分析

本文基于我国31个省会城市283个环境监测站的实时观测数据,分析了2015年国庆期间我国城市空气污染特征,并结合MODIS/Terra数据、欧洲中期天气预报中心(ECMWF)气压场及风场数据对其成因进行了讨论。结果表明:本次区域性空气污染最先出现在华中和华东地区,但是在华北地区最为严重。不同城市的主要污染物具有显著的时空差异。除西安和乌鲁木齐以外,其他城市的颗粒物污染主要由细颗粒物主导。NO_2、CO和SO_2的变化趋势基本一致,而O_3仅在北京、天津和济南三个城市与其他污染气体同步变化;在其他城市则与NO_2和CO等呈现相反的变化趋势。由卫星影像、天气形势和风场变化分析得知:不考虑本地背景排放源的前提下,本次污染事件主要由我国秋季的秸秆燃烧和不利的气象条件共同作用造成的。     

冬季采暖期气象条件对PM2.5等空气质量要素的影响——以咸阳市为例

以汾渭平原典型城市——咸阳为研究区域,利用地面空气质量监测数据和欧洲中期天气预报中心（ECMWF）发布的第五代全球气候再分析资料数据集（ERA5）,分析了咸阳市2018—2020年3 a采暖期污染物浓度变化特征和不同污染程度下的气象条件,采用统计学方法分析各项污染物浓度与气象因素间的相关性,使用多元线性回归模型评价各气象因素对PM_2.5浓度的影响程度,使用二元Logistic回归分析气象因素对PM_2.5超标风险的影响。咸阳市采暖期首要污染物以细颗粒物（PM_2.5）和可吸入颗粒物（PM₁₀）为主,采暖期超标最多的污染物为PM_2.5,超标天数逐年递减;PM₁₀的日变化呈“双峰双谷”型,PM_2.5的谷值出现在17∶00且夜晚浓度较高。颗粒物浓度与相对湿度呈正相关,与风速、边界层高度、温度、气压呈负相关。多元线性回归预测模型显示PM_2.5浓度预测值与实测值变化趋势保持一致,预测值的波动频率比实测值大,预测准确率为51.54%;二元Logistic回归模型显示：除相对湿度外,其他气象因素对PM_2.5超标情况都是保护因素,边界层高度每增高1 m,日均浓度超标风险降低0.7%;相对湿度每升高1%,日均浓度超标风险升高5.3%;温度每升高1℃,日均浓度超标风险降低19.8%;气压每升高1 hPa,日均浓度超标风险降低9.7%。以上研究结果揭示了咸阳市采暖期主要气象因素对空气污染的影响程度,为我国北方城市今后的空气污染治理提供科学依据,为相关政策制定提供理论参考。