持续鞍型场导致的西安市PM2.5重污染过程分析

为了解鞍型场对西安市PM_2.5重污染过程的影响.以西安市2016年2月6—14日重污染过程ρ（PM_2.5）及气象要素的小时变化为研究对象,综合分析了此次重污染过程特征、天气型以及气象要素变化.结果表明:①西安市此次重污染过程可分为污染上升阶段（6—7日）、污染维持阶段（8—11日）及污染减轻阶段（12—14日）,3个阶段分别处于均压场、鞍型场、高压前部等天气型的影响下.②此次鞍型场发生时,天气持续静稳,气压梯度力小,且西安市处于气流的辐合地带,导致污染物的形成和积累,ρ（PM_2.5）最高值达198 μg/m3.③在鞍型场的控制下,西安市日均气温维持在偏高的水平（最高达7.2℃）,相对湿度呈上升的趋势,最高达86.5%;而风速和能见度则波动下降,平均风速和能见度最低值分别为0.8 m/s和0.5 km.高温、高湿、小风的气象条件有利于污染物的吸湿增长从而导致PM_2.5重污染.④受鞍型场的影响,西安市边界层高度较低,最低时只有55 m,且逆温层较厚,强度较大,最大值达3.8℃/（100 m）,极低的边界层高度和较厚的逆温层削弱了污染物的垂直扩散能力,污染物被抑制在近地面,形成较严重的污染.研究显示,鞍型场天气型导致的均压场、暖湿、静风、低边界层及强逆温层是此次西安市PM_2.5重污染过程的重要原因.      

中国东部冷锋推进中的PM2.5三维结构变化特征

利用观测资料和中尺度天气-化学模式（WRF-Chem）对一次冷锋南下天气过程导致的我国东部大范围空气污染开展研究,强调了冷锋过境前后的边界层结构及其对PM_2.5三维结构和变化的影响.观测发现,地面重污染区域位于冷锋前部均压场或等压线稀疏区域,在冷锋由北向南快速移动过程中,途经各站点PM_2.5浓度峰值伴随锋前而至.WRF-Chem模式可以较好地模拟中国东部地面和高空气象要素以及PM_2.5浓度的时空变化.模拟结果表明,处于该移动冷锋天气系统相同位置的沿途各站点的边界层结构以及PM_2.5垂直廓线表现出相似的特征.即:当冷锋开始入侵时,锋前污染物从地面被抬升到高空,PM_2.5浓度的增加和高空风速的增大导致高空PM_2.5通量增大,且PM_2.5浓度高值区随着高度升高向暖气团一侧倾斜.夜间冷锋过境引发边界层内对流性不稳定增加,边界层高度可达1 km以上,打破了边界层昼夜演变特征.本研究表明,垂直观测和精细模拟的结合可以有效地解释天气过程对空气污染的...     

上海地区PM2.5-O3复合污染特征及气象成因分析

统计分析了上海地区2013~2017年PM_2.5-O₃复合污染事件及与气象条件的关系.结果表明,近5a上海PM_2.5-O₃复合污染天气占O₃总污染天气33.4%,仅出现在3~10月,呈逐年减少的趋势;PM_2.5-O₃复合污染时的O₃峰值浓度和平均浓度较单O₃污染时高,维持时间较单O₃污染时长,主要气象原因是地面辐合和较低的边界层高度;PM_2.5-O₃复合污染的天气形势往往与弱气压场有关,可以分为低压底部和前部、高压顶部和后部、均压场5种天气类型,其中均压场出现次数最多,占比53%;复合污染对气象因子的阈值要求更为严格,并且阈值区间总体向有利于PM_2.5浓度上升的方向偏移;当温度介于27.9~34℃,湿度介于43%~58%,风速介于2.1~3.3m/s,混合层高度介于1122~1599m,并且存在辐合时,最有利于PM_2.5-O₃复合污染发生.     

不同天气型下武汉城市圈PM2.5污染及大气层结特征分析

利用2015—2019年PM_2.5和气象要素观测资料、NCEP和ERA5再分析资料,分析不同天气型下武汉城市圈PM_2.5区域污染时空分布、天气尺度环流和大气层结特征.结果表明,城市圈污染以武汉为中心,多为轻度-中度污染,西部重于东部.造成武汉城市圈区域污染增长的天气形势包括4类,分别为冷高压底前部型、高压后部型、均压场型和低压倒槽型.4类污染天气型均有较低的混合层高度和地表通风系数,且边界层存在弱下沉运动和逆温,抑制污染垂直扩散.但气象要素影响PM_2.5污染的机理各异：冷高压底前部型主要为大气压梯度引导偏北大风带来污染物远程输送,边界层冷平流导致低温、锋面逆温和浅薄高湿层(65%～80%),强输入性污染配合吸湿性累积增长造成严重污染,逆温厚度对PM_2.5增幅作用明显;低压倒槽型东南风输入污染弱,但高温、低压引起气流辐合导致本地污染汇积,边界层暖平流带来平流逆温和深厚湿层(1000～750 hPa),逆温层底高偏低、厚度偏厚,促进污染物在近地面吸湿增长;高压后部和均压场型均为浅薄湿层(1000～975...     

中山市2000~2014年霾天气特征及气象影响因子

利用中山市2000~2014年气象资料及2013~2014年环境监测站资料,分析中山市霾特征及气象影响因子,结果表明,中山市霾日数年际变化明显,最少为11d,出现在2005年;最多为134d,出现在2008年.霾天气主要发生在秋冬季节,霾日数最多的月份是1月,平均为10.5d.霾日PM_2.5的平均浓度是非霾日的2.26倍,PM_2.5是霾天气的重要污染物.中山市霾日典型天气形势有7种:大陆高压型、海上高压型、均压场型、冷锋前部型、台风外围下沉气流型、槽前脊后型、低压槽型.其中以大陆高压型占比例最高,为52.03%,冷锋前部型造成的能见度最低.气流轨迹聚类分析表明,影响中山的气流轨迹有7类,主要来源于东北方向的大陆和偏东方向的沿海;在东北方向气流轨迹影响下,污染物浓度较高;在东部沿海的气流轨迹下,能见度较低,表明中山市的霾天气受区域传输影响显著.     

2015—2021年广州市臭氧和PM2.5复合污染特征及天气分型研究

利用广州市2015—2021年的地面观测资料和ERA5再分析数据集,统计了臭氧和PM_2.5的时间分布特征及两者同时出现高值(“双高”过程)的气象成因,并进一步用自组织神经网络(SOM)研究了高浓度臭氧和PM_2.5(浓度大于年第85分位数)对应的客观天气型.结果表明,2015—2021年,广州市臭氧浓度呈逐年上升趋势,而PM_2.5浓度则呈逐年下降趋势,臭氧逐渐取代PM_2.5成为首要污染物.“双高”日主要集中在春季和秋季,且秋季占比超过50%.当温度为20～30℃,湿度为30%～50%时,“双高”日出现的概率达到30%以上.基于天气分型方法,本研究发现在所有“双高”污染过程中,主要天气分型依次为：高压底后部型、变性高压脊型、副高+台风外围型、冷锋前部型;秋季发生“双高”污染时,天气分型依次为：副高+台风外围型和副高+弱冷高压脊型.     

广西PM2.5时空分布特征及污染天气类型

研究区域ρ（PM_2.5）的时空分布特征和污染天气类型的关系是开展大气污染防治和空气质量预报预警的关键支撑技术之一.基于2015—2016年广西14个城市环境空气质量日监测数据和相关气象资料,分析了2015—2016年广西空气质量概况和污染的基本特征,采用EOF（经验正交函数）分析和后向轨迹聚类分析方法表征了广西ρ（PM_2.5）时空分布模态,统计了广西两年间24次区域范围（3个及以上连片城市）大气轻度及以上污染过程,分析了不同污染过程的天气类型和空气质量变化特点.结果表明:PM_2.5是广西大气污染首要污染物,ρ（PM_2.5）年均值呈北高南低的区域特征,月际变化基本呈正V字型分布;EOF分析和后向轨迹聚类分析显示,广西ρ（PM_2.5）的时空结构主要有3种模态,其方差贡献率分别为78.9%、5.7%和3.7%,基本反映了广西ρ（PM_2.5）变化的时空模态的主要特征,桂林和玉林两年间的后向轨迹聚类很好地解释了第二和第三模态的南北浓度和东西浓度异常反相位分布特征;广西14个城市两年间PM_2.5区域性污染天气类型主要有10种,其中污染天气类型中占比较大的是弱冷高压脊型（24.4%）、均压场型（20.2%）、高压后部型（16.1%）和高压后部配合西南暖低压型（8.5%）,是引发广西大范围大气污染的典型天气类型.研究显示,广西大气污染具有地域性、季节性和南北输送特征,污染过程的天气形势变化具有一定规律性.      

江苏可吸入颗粒物爆发式增长污染特征分析

文章利用环境监测资料、FNL资料、GDAS1资料对2014-2019年江苏省可吸入颗粒物爆发式增长污染过程(EGIPM)的特征及成因进行分析。结果表明：(1)江苏省EGIPM的发生与气象条件和人为活动有很大关系。时间上呈逐年下降趋势，空间分布上复杂多变，无一致性规律。当空气质量为轻度污染及以下时，可吸入颗粒物更易出现爆发式增长。(2)首要污染物为PM_2.5的EGIPM，其污染日持续时间长于首要污染物为PM₁₀的过程。可吸入颗粒物增长速度PMRR₁₀明显高于PMRR_2.5。(3)造成EGIPM的4种地面天气形势分别为高压控制型、低压辐合型、冷锋南下型和均压场型。均压场型出现的频率最高，冷锋南下型影响范围最广。(4)不同首要污染物来源不同，PM_2.5主要来自中低层近距离输送，PM₁₀主要来自高空远距离沙尘输送。     

初冬一次冷锋输送过程对中国东部霾天气的影响

利用常规地面气象资料、NCEP/NCAR再分析资料以及全国PM_2.5浓度数据,并结合后向轨迹、空气污染输送指数和传输通量分析,针对2019年12月10~11日一次冷锋输送造成我国中东部地区出现的大范围霾天气过程进行了分析.结果表明：（1）霾期间高空500hPa以经向环流为主,伴随着高空低压槽引导地面冷锋向东南方向移动,污染物浓度大值区也依次由华北地区移至黄淮、江淮地区.（2）冷锋过境前,华北至长江三角洲区域PM_2.5浓度均有明显增涨;北京以偏南方向的污染物输入为主,济南以西北和偏东方向输入为主,南京则主要是偏北和偏西方向的输入.（3）冷锋过境时,冷空气迅速将北京站的污染物清除;而济南站则受高压底部偏东风回流的影响,PM_2.5浓度维持在50μg/m³左右;冷锋推进至南京站时西北风已较小,对污染物的清除作用不明显.以江苏省为例,整个过程中,江苏本地污染物贡献占25.8%,江苏以外的污染物贡献占74.2%,以输送为主.（4）冷锋过境后,3站的边界层结构也略有不同,北京站的逆温层迅速被打破;济南站由于受海上暖湿平流影响,近地面由等温层变成逆温层;而南京站的近地面则由逆温层变为等温层.本研究揭示了在冷锋南下过程中,上游污染物对下游地区的影响,以及南北方站点表现出不同的污染物变化和清除特征.     

南京主要大气污染物季节变化及相关气象分析

为研究南京主要大气复合污染物PM_2.5、PM₁₀和O₃四季变化特征及其气象影响因子,利用2013年1月～2015年2月国控点环境监测数据对浓度特征进行统计分析,再利用WRF模式模拟的精细大气边界层气象场,分析气象要素与各污染物的相关性,并建立统计模型.结果表明：PM₁₀、PM_2.5冬高夏低,冬季日均值分别为160.6μg/m³和98.0μg/m³;日变化特征四季基本一致,但秋冬季最强,夏季最弱,且冬季上午峰值比其余三季延后1～2h.各季大气可吸入颗粒物中细粒子占主导,PM_2.5/PM₁₀年均值为0.59;首要污染物为PM_2.5、PM₁₀、O₃的年频率分别为51.5%、26.6%和13.5%,PM_2.5主导四季AQI的变化,尤其是在重污染的情况下,首要污染物为PM_2.5占96%.O₃浓度春末夏初高、秋末冬初低,日变化为单峰式;O₃与边界层高度呈显著正相关,四季相关系数分别为0.500、0.572、0.326、0.323.四季PM₁₀、PM_2.5、O₃_8h_max日值逐步回归方程拟合度为40%～65%.     

宁夏典型工业城市2020年1月重污染过程特征及成因

2020年1月宁夏回族自治区典型工业城市石嘴山市出现了长时间、高强度PM_2.5污染天气.为揭示多因素综合作用对重污染天气的影响,在分析逐日空气质量指数（AQI）和常规污染物浓度变化特征的基础上,选取重点污染时段（2020年1月1—17日）为研究对象,基于环境空气质量数据、加密自动气象观测数据及NCEP再分析资料,采用统计分析、污染特征雷达图、气流后向轨迹聚类及天气诊断相结合的方法对重污染过程特征和成因进行分析.结果表明:①2020年1月1日、3日石嘴山市重污染天气主要受燃煤、工业（钢铁、焦化）和机动车等高强度污染排放影响,PM_2.5主要来自一次源;9日重污染天气PM_2.5受二次颗粒物生成影响显著,本地扬尘也有贡献,ρ（PM_2.5）和AQI均达峰值,分别为216 μg/m3和266;其他时段重污染天气由污染物累积和混合造成.②乌海市及其周边污染气团跨区域传输是促使石嘴山市出现高强度PM_2.5污染天气的另一重要因素,当巴彦淖尔市—乌海市—石嘴山市为一致偏北气流、风速小于2 m/s时,易使乌海市及其周边污染气团向南扩散,石嘴山市ρ（PM_2.5）出现短时间爆发增长.③持续高湿静稳气象条件使污染天气长时间维持并加重,当欧亚大陆中高纬度500 hPa盛行纬向弱西风气流、近地面石嘴山市处在蒙古弱高压底部均压场、风向为弱偏北风或偏东风时,易形成持续性PM_2.5污染天气;当风速减至0.7 m/s、相对湿度增至78%时,污染加重.研究显示,此次持续PM_2.5重污染过程是本地高强度污染排放、二次颗粒物生成、区域传输与不利气象条件等因素综合影响和相互叠加的结果;当出现静稳、高湿等不利气象条件时,应加强对各类污染物排放的管控力度,同时充分利用石嘴山市及其周边加密自动气象观测资料,研判污染发展趋势和传输特征,及时开展与乌海市及其周边地区的大气污染联防联控.      

厦门市冬季PM2.5污染情境识别及其与气象条件的关系

为研究厦门市冬季不同PM_2.5污染情境与气象条件和气团轨迹路径特征的关系,结合PM_2.5观测数据,使用AGAGE（Advanced Global Atmospheric Gases Experiment）统计方法识别2014—2018年冬季厦门市PM_2.5观测值、基线值和污染值情境,通过气象数据统计和气团后向轨迹聚类对不同PM_2.5污染情境下气象条件和气团轨迹路径特征进行探究.结果表明:①厦门市冬季不同PM_2.5污染情境下,ρ（PM_2.5）及PM_2.5污染值情境时长占比均呈波动中下降的趋势,具体表现为冬季PM_2.5观测值、污染值和基线值情境下,ρ（PM_2.5）平均值分别从2014年的42.2、90.7、16.4 μg/m3降至2018年的26.3、56.9、8.8 μg/m3,冬季PM_2.5污染值情境时长占比从2014年的10.2%降至2018年的3.0%.②冬季PM_2.5污染值情境下气象要素呈低风速、低气压、高温度、高相对湿度的特征.③冬季到达厦门市的气团轨迹路径中,局地路径由于大气条件稳定易累积形成PM_2.5污染;偏北路径和西北路径易从临近省份携带污染物输入导致PM_2.5污染,属于重要的外源污染输入路径;沿海路径和偏西路径均属于清洁路径,但沿海路径易在福建省北部与偏北路径重合形成污染输入,加强了偏北路径的污染物输送能力.研究显示,近年来厦门市冬季PM_2.5污染有明显减弱趋势,但不利的气象条件和外来污染输入仍会造成PM_2.5污染的发生.      

沈阳市一次PM2.5污染天气过程成因分析

利用气象与环境监测数据,对沈阳市2015—2018年PM_2.5的污染事件、浓度变化特征和污染物相关性进行分析;并利用WRF-Chem模式、HYSPLIT模型,从气象要素、高空环流形势和污染传输特征等方面对沈阳市2018年一次污染天气过程进行分析。结果表明:PM_2.5月浓度变化呈冬季>春季>秋季>夏季的“V”形特征,日浓度变化呈“双峰”特征。相关性分析显示,气温(-0.3666)和相对湿度(-0.1158)是影响PM_2.5浓度主要的气象因子,PM₁₀(0.9964)和NO₂(0.7242)是影响PM_2.5浓度的主要污染物。2018年1月26—28日沈阳地区出现了一次持续重污染过程,在重污染开始过程中,高空环流平直,浅槽前暖平流占主导地位,地面为弱高压均压场控制,地面风速以静小风为主,风场辐合,气象条件有利于污染物积聚。在重污染发展的过程中,地面相对湿度增大有利于颗粒物吸湿增长,贴地和高空逆温层厚度较大,污染加剧。在重污染减弱的过程中,逆温层消失,大气层结稳定,垂直扩散条件变好。“静稳”气象条件下本地污染物以及外部传输的积累是导致沈阳市此次重污染过程的主要原因。     

河北省边界层气象要素与PM2.5关系的统计特征

为了研究河北省边界层气象要素与PM_2.5的关系,综合利用常规气象探测资料、逐小时地面自动站气象观测资料、环境监测站逐小时AQI及ρ(PM_2.5)资料等进行了统计分析.结果表明:①冬季海平面气压低于1 030 hPa、24 h变压为-3.0~-2.0 hPa、地面相对湿度高于60%、露点温度高于-10 ℃时发生全省性重污染天气的可能性较大;而海平面气压高于1 040 hPa、24 h变压在4.0 hPa以上、地面相对湿度低于40%、露点温度低于-10 ℃时,有利于清洁天气的出现.清洁天气下边界层的盛行风向多与冷空气活动有关;污染天气下盛行风向有区域性差别,边界层小风(<3.0 m/s)的风速频率高于90%. ②过程雨量达到中雨及以上量级的降水对PM_2.5具有较明显的清除作用,中雨量级降水对PM_2.5清除速率约为2 h,但优良空气质量持续时间短,平均为15 h;大雨及以上量级的降水对PM_2.5清除率达67.8%,并且优良空气质量可以持续27 h. ③与降水相比,风对PM_2.5的清除作用更为显著.较强偏南风对空气质量有一定改善,但优良空气质量仅持续16 h;大于3.0 m/s的系统性偏北风对PM_2.5清除率高达85.1%,优良空气质量持续长达32 h,空气质量的改善最为彻底.研究显示,PM_2.5与边界层气象要素关系紧密,不同级别的风和降水对PM_2.5的清除程度存在显著差异.      

我国中东部地区2015—2020年夏半年PM2.5和臭氧复合污染气象特征分析

为了解我国夏半年大气复合污染特征及其与气象条件的关系,基于2015—2020年夏半年(4—10月)空气质量监测、常规气象观测等资料,结合统计学方法与主观经验开展对比分析. 结果表明:分析时段内我国大气污染呈单污染比例升高、臭氧(O₃)与PM_2.5污染“双高”污染事件减少的特征,中东部大部分地区O₃超标日数增加、PM_2.5超标日数减少的“跷跷板”效应十分明显. 通过对污染过程的分析发现,区域O₃污染持续性特征明显,其中京津冀及周边地区持续时间超过10 d的O₃污染过程共有6次,最长持续时间为15 d. 与之相比,复合污染过程表现出离散性(区域污染过程少)、间歇性(持续性过程少)的特征. 区域O₃污染过程发生时的气象条件一般为最高温度较高、风速较小、混合层高度较低,但东北地区在大气扩散条件较好的情况下仍会出现区域O₃污染. 通过对地面天气分型的分析发现,均压场型和低压控制型为O₃污染出现时最主要的两种地面天气形势,高压控制型下出现O₃污染的概率相对较低,京津冀及周边地区在倒槽控制下也有一定概率的O₃污染出现. 研究显示,我国中东部地区夏半年O₃污染影响显著,关注不同地区O₃污染与气象条件之间的相关性对于大气复合污染防控有一定积极意义.      

2015年冬季京津冀两次重污染天气过程气象成因

为了分析京津冀地区2015年11月27日~12月1日和12月19日~25日这2次重污染过程,从环流形势、大气稳定度条件、动力条件、水汽条件、近地层风场输送等几个方面对重污染天气的形成机制展开分析,结果表明：这2次重污染天气过程均属于静稳型,津京冀各地重度以上污染时长均超过50%.在大范围静稳形势存在时,过程一期间边界层内的垂直扩散条件较过程二偏弱,过程一期间地面辐合线位置偏北且维持不动,过程二期间辐合线位置偏南且略微南北摆动,导致了2次过程重污染区域和污染增长速率的不同.对北京而言,过程一前期降雪融化提供了有利水汽条件,弱偏南风有利于污染物和水汽的输送,混合层高度持续异常偏低（京津冀平均混合层高度339m）、过程期间伴随弱下沉运动（0~2Pa/s）、多层逆温（且厚度大）造成日变化不明显,地面辐合线在北京中部维持等多重因素,使得污染浓度极高,北京地区PM_2.5峰值浓度达593mg/m³.过程二前期采取了减排措施,能见度和PM_2.5日变化大、污染发展较过程一前期平缓;后期不利气象条件叠加污染排放,导致了PM_2.5爆发式增长,其中邢台PM_2.5峰值浓度达70mg/m³,增长率超过7.2mg/（m³·h）.     

南京冬季典型霾天气过程多元对比分析

选取2017～2020南京地区冬季3个典型霾天气过程,综合分析了霾天气过程中污染物、气象要素以及边界层条件等影响机制与特征变化.结果表明,3次过程中,AQI指数峰值分别为304(严重污染)、227(重度污染)与176(中度污染),且与PM2.5、PM10浓度变化基本趋于一致,PM25与PM10比值基本都大于0.7;污染...