排序方式: 共有5条查询结果,搜索用时 109 毫秒
1
1.
2014年春季山东省PM2.5跨界输送研究 总被引:4,自引:2,他引:2
利用CAMx模式模拟了2014年春季(3~5月)山东省ρ(PM2.5)浓度空间分布、输送、沉降特征并建立了各市PM2.5跨界输送矩阵.结果表明,山东省ρ(PM2.5)分布呈现明显的空间差异特征,鲁西地区浓度较高,半岛地区浓度较低;垂直方向上ρ(PM2.5)主要集中在2 000 m以下.全省ρ(PM2.5)水平输送通量平均达110μg·(m2·s)-1,全省总沉降量为23.05×104t.全省近地面ρ(PM2.5)外来输送贡献率为21.08%±3.83%,各市外来输送贡献率平均为40.45%±5.96%;随着高度的升高,京津冀、背景及边界等条件对山东省ρ(PM2.5)的贡献率明显上升,分别上升了7.56%、6.18%. 相似文献
2.
根据2013-2021年长沙市城区10站点大气污染物监测数据,综合采用Daniel趋势检验和Kolmogorov-Zurbenko滤波方法,文章探讨了长沙市城区PM2.5浓度时空分布规律及气象因素、减排措施影响。结果显示:2013-2021年长沙市空气质量呈持续改善趋势,达标天数累计增加107 d,优良率累计提高了29.3个百分点;PM2.5年均浓度累计下降48.2%,除O3外的其他各项污染物浓度呈现明显的下降趋势,通过Daniel显著性检验;城区SO2、NO2、PM2.5、PM10、CO年均浓度变化速率为3.1、2.3、5.1、5.5、61.4μg/(m3·a)。空间分布上,PM2.5年均浓度的空间分布结构具有鲜明的特征,北部地区较低,中心城区和东南部地区较高,浓度梯度特征明显。与2013年相比,2021年各站点PM2.5年均浓度原始数据累计降幅在38.5%~48.0... 相似文献
3.
研究采用KZ(Kolmogorov-Zurbenko)滤波统计方法,结合数值模型情景分析技术,以CO为示踪污染物,对2013年1月-2017年12月珠江三角洲重点城市气象条件与源减排对CO浓度的影响进行了评估分析,结果显示:监测期间珠三角地区CO平均浓度为0.91 mg/m3,珠江三角洲重点城市CO浓度日变化呈现双峰型分布,早上08∶00-10∶00出现第1个峰值,下午20∶00左右出现第2个峰值;季节变化上整体呈现出冬季>春、秋季>夏季的特征;空间分布上珠三角、粤北地区浓度较高,粤东、粤西地区浓度则较低。KZ滤波统计方法显示污染源减排措施对珠江三角洲地区不同城市CO浓度贡献占比在85.79%~103.79%之间;WRF-CMAQ数值模型情景分析结果显示污染源减排措施对珠江三角洲地区不同城市CO浓度贡献占比在79%~96%之间;综合表明源减排措施对2013–2017年北京市不同点位CO浓度的改善起着主导作用。 相似文献
4.
5.
通过采用KZ(Kolmogorov Zurbenko)滤波统计方法,结合WRF/CMAQ数值模型情景分析技术,定量分析气象条件和区域传输对北京市PM2.5浓度的影响。结果显示: 2018年7月—2019年6月,北京市PM2.5平均质量浓度为46.0 μg/m3,气象条件同比偏差6.9%,外来传输平均为43.7%。从日变化上看,外来传输在早晚高峰期间明显下降,体现出本地机动车排放贡献明显上升的特点,气象条件对PM2.5浓度的影响主要表现为白天整体有利于污染物扩散,夜间气象条件转为偏不利的特征。2018年10月—2019年3月秋冬季期间,气象条件同比偏差3.3%,在气象条件较为不利和区域同比反弹的情况下,北京市PM2.5浓度持续走低,主要为源减排的效益。 相似文献
1