2015～2021年京津冀及周边地区PM2.5和臭氧复合污染时空特征分析

为了解京津冀及周边地区“2+26”城市PM_2.5和O₃复合污染时空分布特征,利用ArcGIS和SPSS软件对2015～2021年京津冀及周边地区“2+26”城市空气质量数据和气象数据进行关联性分析.结果表明：(1) 2015～2021年PM_2.5污染持续减缓,污染集中在区域中南部;O₃污染呈波动上升趋势,空间分布呈现“西南低,东北高”的格局.季节变化来看,PM_2.5浓度主要为：冬季>春季≈秋季>夏季,O₃-8h浓度为：夏季>春季>秋季>冬季.(2)“2+26”城市PM_2.5超标天数持续下降,O₃超标天数波动上升,复合污染日下降趋势显著;PM_2.5和O₃污染在夏季呈强正相关,相关系数最高达0.52,冬季呈强负相关.(3)对比典型城市臭氧污染时期与复合污染时期气象条件,复合污染发生的温度区间集中在23.7～26.5℃、湿度48%～65%和S～S...     

2015～2020年中国城市PM2.5-O3复合污染时空演变特征

基于2015～2020年中国333个城市PM_2.5和O₃浓度监测数据,利用空间聚类、趋势分析和地理重力模型等方法,定量分析我国主要城市的PM_2.5-O₃复合污染特征和时空演变格局.结果表明：(1) PM_2.5和O₃浓度存在协同变化规律,当ρ(PM_2.5＿mean)≤85μg·m^-3时,ρ(PM_2.5＿mean)和ρ(O₃＿perc90)存在同步增长的现象;当ρ(PM_2.5＿mean)处于国家Ⅱ级限值(35±10)μg·m^-3时,ρ(O₃＿perc90)平均值的峰值增速最快;当ρ(PM_2.5＿mean)>85μg·m^-3时,ρ(O₃＿perc90)平均值出现显著下降趋势.(2)我国城市PM_2.5和O₃     

2018—2021年京津冀及周边地区“2+26”城市PM2.5与O3污染特征及气象影响

为了解《打赢蓝天保卫战三年行动计划》期间(2018—2020年)以及之后(2021年)我国重点污染区域空气质量情况,并区分排放源控制与气象条件的贡献,本文利用逐小时监测的PM_2.5、O₃浓度以及气象要素数据,研究了2018—2021年京津冀及周边地区“2+26”城市PM_2.5与O₃污染特征,结合KZ (Kolmogorove Zurbenko)滤波方法定量分析了排放源与气象条件对PM_2.5与O₃浓度长期趋势的贡献. 结果表明:①2018—2021年“2+26”城市PM_2.5浓度年均值与O₃-8 h-90th浓度(O₃日最大8 h平均浓度的第90百分位数)均呈逐年下降趋势. 2018—2021年PM_2.5浓度年均值分别为60、57、51和45 μg/m3,河北省南部、河南省与山东省南部PM_2.5浓度年均值均较高;O₃-8 h-90th浓度分别为198、195、179和171 μg/m3,2018年保定市、石家庄市、聊城市与晋城市的O₃-8 h-90th浓度(>210 μg/m3)均较高,而2021年太原市O₃-8 h-90th浓度(192 μg/m3)较高. ②PM_2.5与O₃-8 h浓度(O₃日最大8 h平均浓度)的长期分量在大部分城市受气象条件影响较为明显. 受气象条件影响的PM_2.5浓度长期分量在2018—2020年无明显趋势,在2021年呈下降趋势;受排放源影响的PM_2.5浓度长期分量在2018—2020年呈下降趋势,在2021年无明显趋势. 受气象条件影响的O₃-8 h浓度长期分量在2018—2020年呈下降趋势,在2021年呈上升趋势;受排放源影响的O₃-8 h浓度长期分量在2018年呈下降趋势,在2019—2021年无明显趋势. ③11个气象因子中,温度和相对湿度对PM_2.5与O₃-8 h浓度变化的影响较大,当温度与相对湿度均比前一天升高时,更有利于PM_2.5与O₃-8 h浓度的同时升高. 研究显示,“2+26”城市PM_2.5与O₃污染受气象条件影响显著,温度与相对湿度的变化对判定PM_2.5与O₃-8 h浓度同时升高的现象有一定积极意义.      

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.      

近年山东德州PM2.5和O3相互作用的季节变化及其机理分析

为全面认识减排过程中华北平原城市大气复合型污染变化特征,本文利用最近6年(2017—2022)山东省德州市环境-气象监测资料,分析关键大气复合污染物PM_2.5和O₃的季节特征及其相互作用,探究东亚季风气候背景下冬夏季PM_2.5和O₃的相互作用机理.德州市近6年城市环境PM_2.5和O₃超标率分别为20.22%和23.56%,O₃污染凸显.环境大气PM_2.5和O₃在夏季表现为显著正相关,相关系数高达0.53(p<0.01),而冬季则呈显著负相关,相关系数为-0.30 (p<0.01),两者具有明显“夏正冬负”的相反季节变化特征.环境气象机理分析表明,夏季高温及强太阳辐射的气象条件促进光化学反应生成O₃,加大大气氧化性的增强二次颗粒物生成,导致PM_2.5浓度升高;冬季低温及弱太阳辐射气象背景下,高浓度PM_2.5的局地累积...     

北京市PM2.5-O3复合污染数值响应解析

为分析PM_2.5-O₃复合污染数值响应关系,基于2015～2020年北京市空气质量数据、气象资料和新冠疫情数据,分析PM_2.5-O₃复合污染事件在多尺度下的变化趋势.同时提出一种复合污染指数,在广义相加模型下分析数值响应趋势,并进一步引入分布滞后非线性模型,分别解析复合污染指数、复合污染事件和影响因素间的滞后响应关系.结果表明,北京市PM_2.5-O₃复合污染事件逐年减少,具有明显的季节效应、星期效应和节假日效应.复合污染指数与降雨量无明显相关性,与O₃和空气温度呈线性正相关,与其余解释变量均为非线性相关.同时大气污染物和气象条件对复合污染指数有明显滞后效应,滞后影响主要集中在1～3 d.高值的PM_2.5、 PM₁₀、 O₃、 SO₂和空气温度明显增加复合污染风险,中值段的CO(1～6 mg·m^-3)、 NO₂     

2014—2020年河南省PM2.5-O3复合污染特征及气象成因分析

为了解河南省PM_2.5-O₃复合污染特征及气象成因,本文基于2014—2020年河南省18个地级市的空气质量国控点数据及常规地面气象观测数据,对河南省PM_2.5-O₃的复合污染时空特征及关键气象因子影响进行分析.结果表明：(1)在空间分布上,PM_2.5-O₃复合污染天数呈由河南省中北部向周围逐渐减少的特点,而O₃单污染和PM_2.5单污染高发区均主要集中于豫北地区.(2)在时间特征上,2014—2020年PM_2.5-O₃复合污染天数呈先增加后减少的特征,最多为12 d (2014年),2016—2017年未出现复合污染;PM_2.5单污染和O₃单污染天数均呈“M”型变化趋势,PM_2.5单污染天数的2个峰值分别出现在2015年和2019年,分别为174和93 d,O₃单污染天数的2个峰值分...     

山东省环境空气中PM2.5与O3的复合污染特征与时空变化趋势

山东省PM_2.5-O₃复合污染特征突出,空间差异性明显,本文基于2016—2020年国控和省控环境空气自动监测站监测数据以及同期各气象代表站气象监测数据,分析PM_2.5和O₃时空分布的变化特征,初步探究其与气象因子及前体物的关系. 结果表明:①2016—2020年山东省空气质量逐步改善,优良天数比例上升了7.1%,重污染天数比例下降了3.5%. 除O₃年评价值上升9.6%以外,SO₂、PM₁₀、PM_2.5、CO和NO₂的浓度均下降,降幅依次为61.3%、29.8%、28.6%、26.3%和11.4%. 各市PM_2.5年评价值均下降(范围为18.4%~34.9%);除德州市外,其他15市O₃年评价值均上升,滨州市的升幅(30.8%)最大. 1月PM_2.5平均浓度最高,呈现先下降后上升的年变化趋势,6月O₃平均浓度最高,且逐年上升. ②山东省PM_2.5和O₃均呈现内陆地区高于沿海地区的分布特征,PM_2.5浓度在西部内陆地区较高,O₃浓度在中北部内陆地区较高,PM_2.5-O₃复合污染特征在中西部地区较明显. 统计期间共计出现PM_2.5-O₃复合污染日224 d,分布在2—11月,出现天数逐年减少. ③为探究PM_2.5-O₃复合污染的影响因素及气象特征,进行相关性分析及气象因子阈值筛查,结果表明,PM_2.5日均浓度和O₃_8 h (臭氧日最大8小时滑动平均值)与其主要前体物和气象因子均呈现相反的相关关系,且对不同因子的响应有一定区域性差异. 当气温为14.9~24.1 ℃、相对湿度为55.5%~75.1%、风速为0.6~2.9 m/s、气压为992.8~1 018.8 hPa时PM_2.5-O₃复合污染易于发生,该条件下大部分城市的气温、相对湿度和气压平均值介于PM_2.5和O₃污染单独发生时的对应因子平均值,但平均风速小于PM_2.5和O₃污染单独发生的平均风速. 研究显示,“十三五”期间山东省PM_2.5浓度波动下降,O₃浓度波动上升,二者的协同关系日趋明显,气象因素对PM_2.5和O₃的生成和累积有一定影响.      

包头市大气污染特征及其影响因素

为了解包头市大气污染特征,利用包头市2014年ρ（PM₁₀）、ρ（PM_2.5）、ρ（SO₂）、ρ（NO₂）、ρ（CO）和ρ（O₃）环境空气自动监测数据,结合气象参数,分析了包头市大气污染特征及其影响因素.结果表明:① 包头市春季大气污染以PM₁₀为主,夏季以O₃为主,秋冬两季PM₁₀和PM_2.5均有不同程度污染. ② ρ（PM₁₀）、ρ（PM_2.5）、ρ（SO₂）、ρ（NO₂）的24 h平均值和ρ（O₃）日最大8 h平均值分别有153、76、10、6和3 d超出GB 3095-2012《环境空气质量标准》二级标准限值,ρ（CO）24 h平均值全年达标. ρ（PM₁₀）、ρ（PM_2.5）和ρ（NO₂）年均值分别为GB 3095-2012二级标准限值的2.2、1.6和1.2倍,ρ（SO₂）年均值达标. ③ PM_2.5/PM₁₀（质量浓度比）四季分布为冬季（0.45）>秋季（0.39）>夏季（0.36）>春季（0.27）,年均值为0.37,粗颗粒污染特征明显. ④ SO₂/NO₂（质量浓度比）四季分布为冬季（1.76）>春季（1.15）>秋季（0.82）>夏季（0.75）,年均值为1.12,并且取暖季明显高于非取暖季,说明冬季燃煤取暖对包头市空气质量有重要影响. ⑤ 包头市的严重污染主要有沙尘型和煤烟型2种. ⑥ 系统聚类分析表明,扬尘引起的PM₁₀对包头市环境空气质量有重要的影响,以SO₂和CO为排放特征的燃煤对PM_2.5有较大的贡献.      

江苏PM2.5-O3复合污染特征及气象条件分析

基于2013～2020年江苏13个城市的大气污染和气象观测数据,分析了江苏PM_2.5-O₃复合污染物的分布特征及其与气象条件的关系.结果表明:江苏复合污染物以轻度污染组合为主,南部多于北部,东南部最多,主要在4～10月,下午至傍晚最高,且该时段O₃平均浓度高于单一O₃污染;复合污染在O₃超标中平均占比15.7%,2014年高达65.8%,且在2015年后明显下降;PM_2.5和O₃二者在暖季O₃污染期正相关,PM_2.5污染期为弱相关或负相关;复合污染气象条件更为严格,气温、相对湿度、风速和逆温条件均介于单一O₃和单一PM_2.5污染之间,且多在4m/s以下和ENE—S区间,与单一O₃污染相比,气温和风速略低,相对湿度和逆温强度略高;出现复合污染的主要地面形势为均压场和低压(底)前部,其次是入海高压后部和高压底部;通过后向轨迹聚类分...     

北京PM10持续污染及与常规气象要素的关系

北京PM₁₀持续污染已成为重要的污染现象.选用2000年6月─2002年12月北京空气质量日报和2003年1月─2006年2月9个代表站逐日ρ(PM₁₀)监测资料,利用奥林匹克体育中心站的数据分析了2003年以来北京地区空气污染状况,总结了该站近4年的PM₁₀持续污染变化趋势,并统计其与相对湿度、温度、风速和风向等常规气象要素的相关性.结果表明:①北京近几年秋末PM₁₀持续污染有加重趋势,各站点污染具有同步性;②PM₁₀持续污染以春、秋、冬季出现次数多,概率大,相对湿度、风速和风向对其影响较大,其中相对湿度与秋、冬两季持续污染概率的相关系数分别为0.96和0.97,相关性较好.      

天津市PM2.5-O3复合污染特征及气象影响分析

为了解天津市PM_2.5-O₃复合污染特征及气象成因,基于2013～2019年高时间分辨率的PM_2.5、 O₃和气象观测数据,对天津市PM_2.5-O₃复合污染特征、污染物浓度分布以及关键气象因子进行分析.结果表明,2013～2019年,天津市复合污染日94 d,总体呈现下降趋势,前期（2013～2015年）下降明显,由2013年的23 d降至2015年的11 d,下降52.2%;后期（2016～2019年）波动式上升,由2016年的12 d升至2019年的14 d,上升16.7%.复合污染日主要出现在每年的3～9月,年际变化较大,2013～2016年在6～8月出现较多,2017～2019年在4月和9月出现较多.小时ρ(PM_2.5)在75～85μg·m^-3时,小时ρ（O₃）存在峰值区(301～326μg·m^-3).在所有O₃污染中,PM_2.5...     

贵阳市大气颗粒物(PM2.5)污染特征及气象参数的影响

运用连续颗粒物采样仪(URG Model 2000-01J)对贵阳市城区大气颗粒物PM2.5进行了连续3个月(9~11月)的采集与分析,探讨了PM2.5的浓度分布特征、气象条件的影响。结果显示,贵阳市大气颗粒物PM2.5的平均质量浓度为53±27μg/m3,变化范围为3.7~186μg/m3;初步推断大气颗粒物PM2.5的污染来源主要是燃料燃烧、生物质燃烧、汽车尾气等人为源;相对湿度、风速、风向、温度等气象条件是影响大气颗粒物浓度及分布的重要因素。     

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.      

2001~2019年气象条件对江苏省PM2.5分布的影响

利用区域在线空气质量模式WRF-Chem模拟研究了2001～2019年气象条件对江苏省PM_2.5浓度分布的影响.在排放源不变的情况下,气象条件引起的江苏省PM_2.5年均浓度的最强正、负异常分别出现在2008和2001年,它们的异常值相对于多年平均值分别占比10.5%和-14.3%,表明气象条件对PM_2.5浓度年际变化有明显影响.经验正交函数分解的结果表明,气象条件对江苏省PM_2.5浓度的空间分布的影响具有一致性.边界层高度、温度、相对湿度、风速和降水整体上都与江苏省PM_2.5浓度呈现显著负相关关系.以上气象因子所构建的线性回归方程能较好地描述PM_2.5浓度和气象条件之间的关系,其拟合值与模拟值相关性为0.73,通过了99%的信度水平检验.     

太原市PM2.5浓度的气象特征影响分析及预报

利用2016～2020年太原市污染物浓度资料、以及国家基准气象观测站的同期地面气象资料,重点分析了太原市PM_2.5浓度的变化特征以及湿度、降水、风和混合层厚度等气象条件对PM_2.5浓度的影响,同时探讨了污染物浓度变化的成因,建立基于LSTM神经网络的PM_2.5浓度预报模型.结果表明,2016～2020年太原市区冬季出现的重污染天数最多,其中2017年冬季出现天数最多为28 d, PM_2.5浓度总体呈现出秋冬季节高,春夏季节低,周末PM_2.5浓度高于工作日浓度,PM_2.5浓度日变化大致呈现双峰型分布,分别出现在09:00左右和23:00至翌日01:00.除相对湿度和冬季气温外,其余气象要素与PM_2.5浓度在四季均表现为负相关.影响太原市区PM_2.5浓度升高的污染源主要位于其NE-ENE-E方向,西北部地区的相对不明显.汛期当达到中雨(降水量≥10 mm)以上级别的降水都对PM_2.5浓度降低有明...     

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.      

北京市冬季雾霾天人体呼吸高度PM2.5变化特征对气象因素的响应

依据实测北京冬季人体呼吸高度PM_(2.5)质量浓度、湿度、风速、风向、温度数据,利用相关性分析、非线性回归分析、统计分析,分别探讨轻中度空气污染天、一次重污染过程,气象因子对PM_(2.5)质量浓度生成、变化的影响.结果表明:1轻中度污染天,若温度较低、日平均风速较小,湿度大时,湿度是影响PM_(2.5)质量浓度变化的决定性因素;而温度、风速、湿度均较大时,PM_(2.5)质量浓度变化受三者共同作用;当风速、湿度、温度均较小时,PM_(2.5)质量浓度变化主要受前两者影响.这反映出,人体呼吸高度的PM_(2.5)质量浓度变化对气象因子微小变化响应极为敏感.2一次空气质量从良到重度污染的过程中,PM_(2.5)质量浓度积累主要是由于空气湍流较弱、加之湿度大导致的,此外白天西北风、东北风较大,但持续时间短,而夜间东南风、西南风风速较小,持续时间长,也有利于污染物的累积.3短时微小量降雪使温度降低、空气湿度增加,不仅不能降低PM_(2.5)质量浓度,反而使其上升了72%,造成颗粒物浓度的跃升现象.4短时风速较大,风速达到2.0 m·s~(-1),持续2 h,虽然在一定程度上降低局地PM_(2.5)质量浓度,但并不能彻底改变空气质量状况.只有当风速大于3.5 m·s~(-1),且持续4 h以上,才能够迅速地扩散空气中的细颗粒物,空气质量由重度污染转变为优.     

北京地区冬春PM2.5和PM10污染水平时空分布及其与气象条件的关系

北京2012~2013年的冬春多次出现雾霾天气,可吸入颗粒物(PM10)污染严重.而PM2.5作为PM10中粒径较小的部分,在PM10中所占比重越高,污染越严重.因此,本研究选取了能够覆盖北京所有区县的30个PM2.5和PM10的质量浓度监测点,对该地区的PM2.5和PM10污染特征进行分析,确定其空间差异特征和时间性变化特征.普通克里格插值(Original Kriging)法得到的北京地区冬、春季颗粒物浓度分布图显示,颗粒物浓度从北部山区到南部地区逐渐递增,在中心城区处,西部高于东部,且局部地区存在一定的城乡差异.颗粒物浓度月变化曲线呈单峰单谷型,1月最高,4月最低;逐日变化反映了PM2.5和PM10浓度具有较好的相关性,且受气象条件影响显著;日变化呈双峰趋势.本文选取日平均气温(℃)、相对湿度(%)、风速(风级)、降水量(mm)等气象因子,利用Spearman秩相关分析研究各个气象因子对大气PM2.5和PM10浓度的影响.北京冬季PM2.5和PM10的质量浓度分别与气温、相对湿度正相关,与风速负相关,风速和相对湿度是影响污染物质量浓度分布的主要因素.     

哈尔滨近地面O3浓度特征

伴随着经济发展和城镇化进程的加速,很多城市的臭氧浓度存在超标问题.本文选取2014—2017年哈尔滨城区污染数据及气象要素数据,对哈尔滨近地面层O_3时空分布特征及其与气象要素的关系进行了分析,结果表明:哈尔滨O_3日内单峰分布,最高值出现在下午14:00,最低值在清晨7:00.空间分布东南部最高,其次是南部,城中区较低.日间周末的近地面O_3浓度较高,而夜间工作日的O_3浓度较高.哈尔滨O_3浓度与平均气温正相关,与相对湿度负相关,与低于37 W·m~(-2)的紫外辐射正相关.