| 南京江北2014-2016年PM2.5质量浓度分布特征及气象和传输影响因素分析 |
| |
| 引用本文： | 卢文,王红磊,朱彬,施双双,康晖.南京江北2014-2016年PM2.5质量浓度分布特征及气象和传输影响因素分析[J].环境科学学报,2019,39(4):1039-1048. |
| |
| 作者姓名： | 卢文 王红磊 朱彬 施双双 康晖 |
| |
| 作者单位： | 南京信息工程大学气象灾害预报预警与评估协同创新中心, 中国气象局气溶胶-云-降水重点开放实验室, 南京 210044,1. 南京信息工程大学气象灾害预报预警与评估协同创新中心, 中国气象局气溶胶-云-降水重点开放实验室, 南京 210044;2. 上海市大气颗粒物污染防治重点实验室, 上海 200000,南京信息工程大学气象灾害预报预警与评估协同创新中心, 中国气象局气溶胶-云-降水重点开放实验室, 南京 210044,南京信息工程大学气象灾害预报预警与评估协同创新中心, 中国气象局气溶胶-云-降水重点开放实验室, 南京 210044,南京信息工程大学气象灾害预报预警与评估协同创新中心, 中国气象局气溶胶-云-降水重点开放实验室, 南京 210044 |
| |
| 基金项目： | 国家重点研发计划项目（No.2016YFA0602003）；国家自然科学基金（No.41590873，41805096，41705118）；江苏省高等学校自然科学研究项目（No.18KJB170011）；上海市大气颗粒物污染防治重点实验室开放课题（No.FDLAP18006） |
| |
| 摘 要： | 利用2014-2016年南京江北地区PM2.5质量浓度和气象要素的小时数据，并结合HYSPLIT模式后向轨迹聚类分析和PSCF法分析了PM2.5质量浓度的污染特征及其主要影响因素和主要来源特征.结果表明：2014-2016年PM2.5质量浓度呈逐年下降趋势，下降幅度约为17.40%，由2014年的62.1 μg·m-3下降至2016年的51.2 μg·m-3，能见度由2014年的5.8 km上升至2016年6.6 km.PM2.5质量浓度存在显著的月变化和季节变化特征，1月浓度最高，可达93.0 μg·m-3；8月浓度最低，仅为38.8 μg·m-3；冬季浓度最高，可达76.8 μg·m-3，夏季浓度最低，仅为47.1 μg·m-3.不同季节日变化均为单峰型分布.气象要素对PM2.5质量浓度的影响较大，不同相对湿度下能见度和PM2.5质量浓度具有较好的拟合关系.霾和非霾天PM2.5质量浓度的阈值为15 μg·m-3.不同季节的主导气团不同，春季主导气团为偏北气流和偏东气流，占比分别为43.50%和30.80%；夏季主导气团以东部气流为主，占比约为68.22%；秋季和冬季主导气团为来自北方的气流，总占比分别为83.52%和100%；偏北内陆气团PM2.5质量浓度较大，偏东海洋性气团PM2.5质量浓度较低.PM2.5质量浓度潜在源区春冬季潜在源区范围较大，夏秋季潜在源区范围较小，季节变化显著.春季潜在来源主要分布在安徽、江西北部、江苏南部和浙江北部等地区，夏秋季分布在安徽东部、浙江北部和江苏南部等地区，冬季分布在安徽、河南东部，山东和江苏等地区.
|
| 关 键 词： | PM2.5质量浓度 时间变化 气象要素 后向轨迹 PSCF |
| 收稿时间： | 2018/9/13 0:00:00 |
| 修稿时间： | 2018/12/11 0:00:00 |
Distribution characteristics of PM2.5 mass concentration and their impacting factors including meteorology and transmission in North Suburb of Nanjing during 2014 to 2016 |
| |
| LU Wen,WANG Honglei,ZHU Bin,SHI Shuangshuang and KANG Hui.Distribution characteristics of PM2.5 mass concentration and their impacting factors including meteorology and transmission in North Suburb of Nanjing during 2014 to 2016[J].Acta Scientiae Circumstantiae,2019,39(4):1039-1048. |
| |
| Authors: | LU Wen WANG Honglei ZHU Bin SHI Shuangshuang and KANG Hui |
| |
| Institution: | Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters, Key Laboratory for Aerosol-Cloud-Precipitation of China Meteorological Administration, Nanjing University of Information Science and Technology, Nanjing 210044,1. Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters, Key Laboratory for Aerosol-Cloud-Precipitation of China Meteorological Administration, Nanjing University of Information Science and Technology, Nanjing 210044;2. Shanghai Key Laboratory of Atmospheric Particle Pollution Prevention(LAP3), Shanghai 200000,Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters, Key Laboratory for Aerosol-Cloud-Precipitation of China Meteorological Administration, Nanjing University of Information Science and Technology, Nanjing 210044,Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters, Key Laboratory for Aerosol-Cloud-Precipitation of China Meteorological Administration, Nanjing University of Information Science and Technology, Nanjing 210044 and Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters, Key Laboratory for Aerosol-Cloud-Precipitation of China Meteorological Administration, Nanjing University of Information Science and Technology, Nanjing 210044 |
| |
| Abstract: | |
| |
| Keywords: | PM2 5 mass concentration temporal variation meteorological elements back trajectory PSCF |
|
| 点击此处可从《环境科学学报》浏览原始摘要信息 |
| 点击此处可从《环境科学学报》下载免费的PDF全文 |
|
