山东省O3时空分布及影响因素分析

为认识山东省环境空气中O3的污染现状,基于2015～2019年国省控环境空气自动监测站的O3监测数据、2019～2020年4～9月气象代表站的气象数据及邻近环境空气站的O3监测数据,探究了山东省O3时空分布特征及与气象因素的关系.结果表明,山东省O3污染日益突出,年均ρ(O3-8h)(90百分位)和ρ(Ox)(O3 与NO2之和)升高速率分别为7.6μg·(m3·a)-1和7.0μg·(m3·a)-1,年均ρ(PM2.5)、ρ(CO)(95百分位数)和ρ(NO2)均逐步下降,下降速率均小于ρ(O3)上升速率.03污染呈现夏季高冬季低的"M型"或"倒V型"月变化特征,在6月或9月达到峰值,且污染月呈提前出现趋势.山东省年均ρ(O3-8h)(90百分位)呈现"内陆高,沿海低"的特点,并有区域均匀性发展趋势.相关性分析表明,山东省ρ(O3-8h)总体与日最高温度呈正相关,与相对湿度、气压和风速呈负相关,其中日 最高温度和相对湿度是O3-8h主控气象因子,气象因素对不同城市O3-8h超标率的影响具有显著差异.     

合肥市O3污染时空变化特征及影响因素分析

为掌握合肥市大气环境中O_3的时空变化特征及其影响因素,对合肥市2013—2015年空气质量监测数据和气象参数进行系统的分析.结果表明,合肥市O_3污染在夏、秋季节有逐渐加重的趋势,尤其是城市中心区域,呈显著的季节特征和日单峰性;O_3易在风速小于3.3 m·s-1、相对湿度介于50%~60%、地面气压低于1020 h Pa和日平均气温介于25~28℃的气象条件下出现浓度峰值;合肥市O_3浓度与NO2和VOCs分别存在显著的负相关和正相关关系,其中,烯烃、烷烃、芳香烃和炔烃对O_3生成潜势(OFP)的贡献值依次增大.O_3浓度可通过前一日O_3浓度、相对湿度、平均气温、PM2.5、当日8:00风速、平均气压及NO2等参数建立良好的统计预报模型,非标准化可决系数R2高达0.559.     

重庆市黔江区春季大气污染物浓度变化与气象因素关系研究

分析了2015年重庆市黔江城区2个自动监测站点PM10,SO2,NO2,O3日均值和小时均值,结合同期气象因素,对污染物浓度与气象因素进行分析.表明,PM10、SO2、NO2和O3春季平均值呈显著差异,PM10超标6天,SO2,NO2,O3污染水平较低,未超标;PM10、SO2和NO2呈现早晚双峰型,O3呈典型单峰型;风速与SO2和NO2浓度呈负相关,与O3浓度则呈正相关关系,风速较小时,利于PM10浓度降低,当风速达到一定程度,会导致PM10浓度升高;污染物浓度和相对湿度呈明显负相关;降水对大气污染物有削减作用.     

太湖藻型湖区CH4、CO2排放特征及其影响因素分析

为明确太湖藻型湖区温室气体CH_4、CO_2排放特征及其影响因素,本研究利用便携式温室气体分析仪改进的静态箱法,对太湖梅梁湾春、夏季的CH_4、CO_2通量进行观测,并分析其影响要素.主要结果为:观测地点春、夏季CH_4、CO_2通量具有明显日变化动态.春季,CH_4通量白天大于夜间,夏季夜间大于白天;春、夏季,CO_2吸收通量均白天大于夜间.梅梁湾藻型湖区春、夏季为CH_4源,且CH_4释放通量在夏季明显高于春季,春、夏季的平均通量分别为4.047 nmol·(m~2·s)~(-1)和40.779 nmol·(m~2·s)~(-1);该区域春、夏季为CO_2汇,且春季CO_2吸收大于夏季,春、夏季的平均通量分别为-0.160μmol·(m~2·s)~(-1)和-0.033μmol·(m~2·s)~(-1).在小时尺度上,CH_4释放通量与气温和水温呈显著正相关(r=0.20,P0.01;r=0.34,P0.01),当风速6 m·s-1时,与风速呈显著正相关(r=0.71,P0.01);CO_2吸收通量与气温和风速呈显著正相关(r=0.14,P0.01;r=0.33,P0.05),与气压和太阳辐射呈显著负相关(r=-0.41,P0.01;r=-0.35,P0.01);CO_2释放通量与风速呈显著正相关(r=0.40,P0.05),与太阳辐射呈显著负相关(r=-0.35,P0.01).在日尺度上,CH_4释放通量与水温和气温呈显著正相关(r=0.83,P0.01;r=0.78,P0.01).     

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.     

基于GAM的鞍山气象条件对PM2.5和SO2的影响研究

以辽宁鞍山市2019年小时气象数据、大气污染物小时数据为基础,基于广义可加模型(GAM),在考虑城市大气污染本底值、月份等混杂因素的情况下构建响应关系模型。引入相对危险度(RR)概念计算定量关系,分析气象因子(风速、温度、相对湿度)的改变对PM_2.5与SO₂的影响。结果表明：三类气象因子对PM_2.5的影响均存在阈值效应;风速的影响百分率最高,在低于4 m/s范围内变化时,每单位增量引起PM_2.5浓度的相对改变量为-7.63%;温度的增加使PM_2.5浓度呈U形变化,其阈值为10℃,温度在两个阈值区间引起的PM_2.5浓度相对改变量分别为-0.56%与0.6%;除干燥天气或降雨时,相对湿度的增加多导致城市PM_2.5浓度的升高;当响应变量为SO₂时,风速、温度、相对湿度三类气象因子每单位减小量对应的SO₂浓度相对改变量分别为-0.91%、-0.43%和0.98%。     

厦门秋季近郊近地面CO2浓度变化特征研究

利用CO2监测仪在厦门近郊中国科学院城市环境研究所超级监测站进行了秋季CO2数据采集,并结合监测站气象要素和气体污染物监测,分析了近地面CO2浓度变化特征、风速风向对其变化特征的影响以及CO2与部分气体污染物的相互关系.结果表明,厦门近郊秋季近地面CO2浓度主要集中分布在375～415μmol.mol-1范围内,约占70.87%;近地面大气CO2日变化曲线呈单峰型结构,CO2浓度日变化范围375.74～418.18μmol.mol-1,日平均最高值出现在黎明前后(408.54μmol.mol-1),最小值出现在午后附近(379.14μmol.mol-1),夜晚(18:00～05:00,北京时间)平均浓度(400.87±4.05)μmol.mol-1高于白天(06:00～17:00)平均浓度(388.86±9.40)μmol.mol-1;风速日变化曲线与CO2呈现完全相反的变化趋势,夜晚时段(22:00～04:00)风速波动范围在1.0～1.5 m.s-1时,对应的CO2浓度变化平稳,基本稳定在(400.72±2.12)μmol.mol-1.白天时段(09:00～18:00)风速变化范围在2.0～2.5 m.s-1时,对应的CO2浓度变化范围较大为379.14～394.83μmol.mol-1;用指数函数模型估测到该站点区域CO2背景浓度为386.84μmol.mol-1;观测期间该站点主要风向为东北偏东,统计该方向上CO2浓度与风速的相关关系,得出CO2浓度与风速呈极显著负相关(r=-0.67),相关系数高于所有方向统计的CO2浓度与风速的相关系数(r=-0.41,P<0.01),不同风向上CO2浓度贡献来源不同;此外,CO2浓度与温度、辐射量呈负相关(r=-0.541/-0.515,P<0.01),与湿度呈正相关(r=0.66,P<0.01);与其它大气气体污染物相比CO2与CO、NO的相关程度较高(r=0.469/0.436,P<0.01),与SO2相关程度较弱(r=0.126,P<0.01),经分析推测监测站点区域CO2排放源部分来自机动车排放,而燃煤排放贡献较小.     

基于数值模拟与资料同化探究长三角地区冬季PM2.5污染过程的气象影响

细颗粒物(PM_2.5)累积主导着长三角地区冬季空气污染,其中,气象要素具有重要的作用.本文结合WRF-Chem模式和WRF-FDDA技术,针对2019年1月12—16日发生在长三角地区的一次典型PM_2.5污染过程进行数值模拟分析.通过敏感性试验,量化分析地面气象因素（温度、风速、相对湿度）对该地区PM_2.5浓度的影响,并利用对自动气象站观测资料的四维资料同化试验,探究气象场改进对PM_2.5模拟的改善.模拟结果表明,长三角地区PM_2.5污染受气象条件影响程度较为显著,PM_2.5浓度与风速和温度呈显著负相关,与相对湿度呈正相关.水平风速减少40%、温度增加3℃、相对湿度增加20%分别造成了+4.68%、-2.82%与+2.2%的PM_2.5浓度变化.而同化气象资料显著地改善了模拟的气象场精度,其均方根误差（RMSE）统计项中相对湿度减小9.68%,温度减小1.02℃,风速减小0.35 m·s^-1,这也使得PM_...     

遵义市PM10和PM2.5污染水平时间分布及其与气象条件的关系研究

对遵义市2014年1月1日-12月31日大气颗粒物在线监测数据分析结果表明,全年PM10和PM2.5质量浓度的变化幅度较大,但变化趋势相似,且具有较好的相关性,其中冬季>春季>秋季>夏季;日变化呈双峰特征分布,夜间峰值比中午峰值大,且夜间PM2.5浓度呈区域性变化特征.选取日平均气温、相对湿度及风速等气象因子,利用Spearman秩相关分析表明遵义市全年PM10和PM2.5质量浓度与气温、相对湿度及风速等气象条件均呈负相关.     

渭南市区冬春季PM2.5和PM10时间分布特征及与气象因素的关系

为研究渭南市区2014?—?2016年的冬春季雾霾天气的特点,选取覆盖渭南市区的4个监测站点,分析渭南市区PM_(10)和PM_(2.5)污染时间分布特征;同时选取日平均气温、相对湿度、风等气象因素,用线性回归分析法分析各个气象因素同大气中PM_(10)和PM_(2.5)的相互关系。研究发现:三年来冬季PM_(10)和PM_(2.5)的日变化的峰值主要出现在12月—?次年1月;春季PM_(10)和PM_(2.5)的逐日变化的峰值主要出现在3月;日内的周期变化趋势呈多次波动。渭南市区冬春PM_(10)和PM_(2.5)的质量浓度与风速、气温呈负相关,与相对湿度呈正相关,为雾霾的形成创造了条件,在冬季温度较高的情况下以及相对湿度较大的情况下应加强防范。在冬季12月—?次年1月和春季3月应注意雾霾的防范和治理,燃煤企业要安装脱硫脱硝装置,居民日常生活中尽量减少生物燃料的燃烧,同时政府应根据污染物排放量征税,用制度保护环境。     

天津城市大气污染物浓度垂直分布特征

利用2007年10月10日~2008年9月30日天津边界层气象观测塔得到的PM2.5质量浓度、O3和NO2体积分数等梯度资料,对比分析了不同高度上各污染物数据统计特征,并对各污染物数据的时间变化特征及垂直分布进行了讨论.结果表明,天津市PM2.5污染严重,且易发生光化学污染事件.各高度层PM2.5浓度在12、1和2月份存在较大差异,其他月份差异较小;O3体积分数均表现出夏季高冬季低的典型特征;NO2体积分数在220m高度处变化较为复杂且全年波动较大,120m处变化平稳,40m处则表现出春夏季高、秋冬季低的特点.PM2.5体积分数和NO2体积分数日变化均呈现双峰型,峰值的出现与早晚出行高峰以及边界层的变化有关,且污染物出现峰值的时间由低到高存在2~3h的延迟.O3体积分数与太阳辐射强度关系密切,各层均在14：00前后达到最大,而夜间的还原反应使各层臭氧体积分数下降.40m和120m处NO2体积分数变化较为一致,全天波动很小,而220m处波动较大,昼夜差异明显.     

Characteristics of volatile organic compounds, NO2, and effects on ozone formation at a site with high ozone level in Chengdu

Chengdu is a megacity in the southwest of China with high ozone (O₃) mixing ratio. Observation of volatile organic compounds (VOCs), NO₂ and O₃ with high temporal resolution was conducted in Chengdu to investigate the chemical processes and causes of high O₃ levels. The hourly mixing ratios of VOCs, NO₂, and O₃ were monitored by an online system from 28 August to 7 October, 2016. According to meteorological conditions, Chengdu, with relative warm weather and low wind speed, is favorable to O₃ formation. Part of the O₃ in Chengdu may be transported from the downtown area. In O₃ episodes, the average mixing ratios of NO₂ and O₃ were 20.20?ppbv and 47.95?ppbv, respectively. In non-O₃ episodes, the average mixing ratios of NO₂ and O₃ were 16.38?ppbv and 35.15?ppbv, respectively. The average mixing ratio of total VOCs (TVOCs) was 40.29?ppbv in non-O₃ episodes, which was lower than that in O₃ episodes (53.19?ppbv). Alkenes comprised 51.7% of the total O₃ formation potential (OFP) in Chengdu, followed by aromatics which accounted for 24.2%. Ethylene, trans-pentene, propene, and BTEX (benzene, ethylbenzene, toluene, m/p-xylene, o-xylene) were also major contributors to the OFP in Chengdu. In O₃ episodes, intensive secondary formations were observed during the campaign. Oxygenated VOCs (OVOCs), such as acetone, Methylethylketone (MEK), and Methylvinylketone (MVK) were abundant. Isoprene rapidly converted to MVK and Methacrolein (MACR) during O₃ episodes. Acetone was mainly the oxidant of C3-C5 hydrocarbons.     

北京市夏季O3、 NOx等污染物“周末效应”研究

采用了2000-06-25~2000-07-07以及2000-07-26~2000-08-22在北京325 m气象塔观测平台观测到的O3、NOx(NO和NO2)、CO和SO2数据,分析了周末与工作日O3、NOx、NO、NO2、CO和SO2浓度变化的差异及成因.结果表明,除SO2之外,O3、NOx、NO、NO2和CO的周末浓度与对应工作日浓度相关性显著,均通过了显著性水平α=0.05的t检验,相关系数(R)依次为0.99、0.61、0.56、0.80和0.61.交通高峰时段(06:00~08:00)NOx和CO的周末浓度明显低于工作日浓度,该时段NOx和CO的周末浓度与工作日浓度的平均偏差分别为-28%和-9%.O3周末浓度与工作日浓度的回归系数为1.25±0.02.此外,周末O3的最大小时浓度值与最大8 h平均浓度值分别比工作日高23%和26%,表现出十分明显的"周末效应".     

MM5/WRF气象场模拟差异对CMAQ空气质量预报效果的影响

评估了为公共多尺度空气质量模式(CMAQ)提供气象输入场的第五代NCAR/Penn State中尺度 (MM5) 模式与天气研究和预报(WRF)模式模拟的多种气象要素的准确性;比较了2个模式提供的气象场对华北地区SO₂和NO₂源同化反演效果及其质量浓度预报的差异;分析了相对湿度和边界层高的变化对ρ(SO₂),ρ(NO₂)预报的影响及其物理机制.结果表明:WRF模式模拟的各气象要素准确性优于MM5模式,其中MM5模式对相对湿度和边界层高度的模拟值与实测值的偏差较明显,而WRF模式的模拟值与实测值较接近;相对湿度和边界层高度参数是影响CMAQ空气质量预报的关键气象要素,这2个参数的变化对ρ(SO₂)和ρ(NO₂)的预报有显著影响,因此,对2个参数的改进可显著减小预报误差;ρ(SO₂)模拟误差减小的主要原因是垂直输送和质量调整过程对ρ(SO₂)的贡献减小;而ρ(NO₂)模拟误差减小的主要原因是化学反应过程对ρ(NO₂)的贡献明显减小.      

济南秋季大气PM_(2.5)中水溶性离子的在线观测

2008年9月29日—10月15日使用大气细颗粒物快速捕集系统实时、在线分析了济南秋季PM2.5中水溶性离子的质量浓度,并结合气象资料和部分前体物(SO2,NOx和O3)浓度进行了相关分析.结果表明:济南秋季燃煤污染严重,SO42-,NO3-和NH4+是大气PM2.5中水溶性离子的主要组分,三者质量浓度之和占总水溶性离子(TW SI)质量浓度的90%以上;SO42-污染物主要受远距离传输的影响,NO3-和NH4+污染物主要受局地源的影响;SO42-和NO3-的昼夜形成机理不同,它们的形成过程主要受相对湿度、温度和O3浓度的影响.周边地区生物质燃烧导致了济南重污染天气的产生,降水对污染物的清除作用较强.对比土壤和海盐中各种离子的质量浓度比可知,济南秋季PM2.5中的K+受生物质燃烧的影响较大,C l-主要来源于海盐和生物质燃烧,Na+主要来源于海盐.     

天津重污染期间大气污染物浓度垂直分布特征

利用天津气象局255 m铁塔垂直4层观测平台(高度分别为3、40、120和220 m),对各层大气中的NO_x、O₃、SO₂浓度(均以φ计)和PM_2.5浓度(以ρ计)进行了连续观测,结合同步气象要素分析了2010年10月3—11日天津发生的一次重污染事件.结果表明:在此次重污染事件期间,一次及二次污染物浓度的垂直梯度变化差异显著,φ(NO)、φ(NO₂)和ρ(PM_2.5)随高度上升而降低,φ(NO)在3～120和120～220 m的递减率分别为58.0%和8.5%,ρ(PM_2.5)在3～220 m递减率为13.0%;而φ(O₃)和φ(SO₂)平均值却随高度的上升而增加,其中φ(O₃)在3～40、40～120和120～220 m的增长率分别为108.0%、19.1%和56.4%,φ(SO₂)在3～220 m的增长率为25.0%. NO_x主要来源于局地近地面污染源的排放;SO₂主要来源于高架点源的排放,O₃则来源于局地光化学过程积累;PM_2.5受局地排放源和光化学过程的双重影响,垂直梯度变化最不显著. 不利于扩散的气象条件使以局地排放为主的污染物积累升高及其伴随的光化学反应造成了天津此次重污染事件.      

Investigation of air pollution concentration in Kathmandu valley during winter season

The monthly concentrations of NO2, NOx, SO2 and O3 measured by a passive sampler from February 2003 to January 2004 showed that the air pollution during the winter season in Kathmandu valley was higher than the summer season. The O3 level was found the highest during April, May and June due to strong radiation. The hourly concentrations of NO2, NOx, O3 and suspended particulate matter（SPM） were also measured by automatic instruments on December 2003. Temperature at the height of 60 m and 400 m at Raniban Mountain in the northwest of Kathmandu valley was measured on February 2001 in the winter season and the average potential temperature gradient was estimated from observed temperature. Wind speed was also measured at the department of hydrology, airport section, from 18 February to 6 March 2001. It was found that the stable layer and the calm condition in the atmosphere strongly affected the appearance of the maximum concentrations of NO2 and SPM in the morning, and that the unstable layer and the windy condition in the atmosphere was considerably relevant to the decrease of air pollution concentrations at daytime. The emission amounts of NOx, HCs and total suspended particle（TSP） from transport sector in 2003 were estimated from the increasing rate of vehicles on the basis of the emission amounts in 1993 to be 3751 t/a, 30570 t/a and 1317 t/a, respectively. The diurnal concentrations in 2003 calculated by the two-layers box model reproduced the characteristics of air pollution in Kathmandu valley such as the maximum value of O3 and its time, the maximum value of NO in the morning, and the decrease of NO and NO2 at daytime. The comparison with the concentrations in 1993 calculated suggested that the main cause of air pollution was the emission from transport sector.     

理化因素对脱氮硫杆菌自养反硝化的影响

从连续运行的UASB反应器厌氧污泥中分离得到一株脱氮硫杆菌T.d.a,采用分批摇床试验,采用脱氮硫杆菌标准培养基,以硫代硫酸钠为硫源,研究pH值、温度、氮源(NO3--N,NH4+-N)、能源(S2O32-)、碳源(HCO3-)、葡萄糖、无机盐(P, Mg2+, Fe2+)对该菌株自养反硝化的影响.结果表明,在pH6.5~8.0,温度20~35℃的范围内,T.d.a对NO3--N均有较高的去除速率,其最佳反硝化pH值为7.04,温度为27.40℃.T.d.a对554mg/L的NO3--N对T.d.a有一定的抑制作用;T.d.a反硝化所需NH4+-N的限制浓度为2.62mg/L;S2O32-浓度对T.d.a反硝化的影响主要取决于其与NO3-的比例关系,在NO3-过量的情况下,NO3--N去除率与加入的S2O32-量成近似的正比关系.T.d.a以HCO3-作为无机碳源时其限制浓度为29.05mg/L;0~2000mg/L的葡萄糖对NO3--N去除率没有明显影响.P和Mg2+的限制浓度分别为0.034,0.059mg/L,Fe2+的限制浓度低于0.058mg/L.     

铜的大气腐蚀研究

综述了各种因素对铜大气腐蚀的影响,其中介绍了单一气体SO2、NOx、O3及混合气体协同作用对铜大气腐蚀的影响。在铜腐蚀中,SO2 NO2的协同效应只有在一个相对高的湿度(90%)下才发生。SO2 O3的协同效应要强于SO2 NO2的协同效应,这可以解释为什么铜在富含O3的乡村环境中有高的腐蚀率。重点阐述了硫酸铵微粒的影响,在硫酸铵的临界相对湿度(CRH)时,铜的腐蚀率和机制变化很显著;同时介绍了铜的几种腐蚀产物及其形成机制。简述了研究铜大气腐蚀的常用实验方法和几种表征手段,并展望了铜大气腐蚀的研究趋势。     

北京奥运会期间奥运村站空气质量的观测与研究

为了跟踪研究北京2008年奥运会期间奥运村大气污染物浓度的变化,2008年6月1日─9月30日,利用符合国际标准的在线观测仪器,对奥运村站大气中主要污染物进行加强观测. 结果表明:奥运会期间奥运村站大气中φ(NO₂),φ(SO₂),ρ(PM_2.5)和ρ(PM₁₀₎分别比奥运会前(7月1日─8月7日)下降了11.2%,46.7%,57.0%和50.0%;比残奥会后时段(9月20─30日)分别下降了41.7%,31.8%,21.6%和28.6%;与2007年同期相比,奥运会时段的φ(NO₂),φ(O₃),ρ(PM_2.5)和ρ(PM₁₀₎分别下降了38.8%,37.2%,42.1%和68.0%;残奥会时段分别下降了17.8%,27.5%,44.0%和64.1%. 除对污染源严格的控制措施取得了良好的效果外,有利的天气过程也是奥运会期间北京空气质量全面达标的重要原因.