气象因子对北京一次重污染天气过程影响研究

文章利用空气质量和气象要素小时观测数据,详细分析了一次典型大气污染过程前后空气质量和主要气象因子的变化特征,探讨了气象因子对大气环境的影响,研究结果表明:北京地区的大气污染呈"缓慢积累、快速清除"的时间变化特点,其中积累过程可持续多天,而清除过程只需数个小时。大气本底站点和城市站点的污染物浓度变化趋势总体一致,但本底站点的浓度峰值和污染程度明显低于城市站点。在污染积累阶段,风速明显偏小,初始风向为西南风,此后逐渐转为东北风,相对湿度逐渐增加,日最大混合层厚度则有所下降;而在污染快速清除阶段,气象要素的变化则相反,风速明显增大,风向多为西北风,相对湿度显著下降,日最大混合层厚度有明显抬升。检验了污染过程前后风速、相对湿度与PM2.5质量浓度间的相关关系,其中风速与PM2.5质量浓度呈指数相关,R2达到0.621 6,相对湿度与PM2.5质量浓度呈线性相关,R2达到0.809 7,均通过了显著性水平为0.01的相关性检验,表明在大气污染过程中气象因子对大气环境的影响十分明显。     

连云港市PM_(2.5)污染特征及影响因素分析研究

主要利用连云港市环境监测中心站的大气环境自动监测平台的监测数据,对PM2.5质量浓度的变化特征以及与气象要素的关系分析。结果表明,连云港市的PM2.5质量浓度的变化特征基本上有明显的夏季与非夏季两种季节性特征。在夏季,PM2.5污染程度较轻,而在非夏季,PM2.5污染程度较重;风速与PM2.5质量浓度变化曲线几乎是负相关的。当风速大的时候,利于污染物的扩散;而风速小的时候,容易使得污染物浓度变大;PM2.5质量浓度变化曲线与温度的关系几乎呈现的是正相关性。气温的变化不总是反映空气质量的好坏情况,而逆温却易使污染物浓度升高;PM2.5质量浓度变化曲线与相对湿度的关系呈现的是正相关性;PM2.5质量浓度变化曲线与气压的关系在总体是呈负相关的。     

西安市一次严重霾污染天气特征及气象条件分析

为了解西安市气象条件对霾污染天气的影响,利用西安市13个测点PM2.5逐时监测资料和气温(T)、风向(WD)、风速(WS)、相对湿度(RH)、气压(p)以及能见度(VIS)等地面气象观测数据,对西安市2013年12月16—26日发生的一次严重霾污染过程进行分析。结果表明:此次霾污染过程中,西安市PM2.5日均值浓度最高达744μg/m3,超过国家二级标准近10倍,能见度最低降至0.42 km,重霾污染期间PM2.5/PM10在64%~80%。分析认为高相对湿度、低风速和主导风向不明显以及大气层结稳定是造成本次霾污染天气的主要气象因素,其中大气能见度与风速和大气压呈正相关,其相关系数(r)分别为0.3162、0.3479,能见度与温度的相关系数r=0.0825,呈微弱正相关,能见度和相对湿度的相关系数r=-0.7465,呈显著负相关。细颗粒物对能见度的影响非常明显,二者之间的相关系数为-0.7290,细颗粒污的消光系数最高达9.2 km-1。     

气象因子与春季重污染天气的区域性关联研究

2017年5月4日至8日京津冀及周围地区出现了一次短时间的大气重污染现象。利用污染指标AQI、各污染物浓度和主要气象要素数据,借助Excel软件、SPSS软件,运用线性回归、相关性分析法,探究了本次重污染天气形成、输送与消散过程。结果表明:重度污染天气的主要污染物为PM10、PM2.5,为沙尘型重度污染天气;大气重度污染过程历时52个小时。特点为:形成、扩散及消散迅速且影响范围广;气象因子对重污染事件过程影响显著。稳定的大气环境为大气污染物输入提供条件,风向风速等气象因子为污染物扩散提供动力;污染事件在区域上呈现出明显的时空关联性:空间方面表现为,污染地的纬度值和风力风向决定了城市发生污染时间的先后顺序且污染过程具有一致性;时间方面表现为处于风向导向地的地区发生污染的时间较早、较长,即污染过程具有延后性。     

台风影响期间石家庄秋季典型空气污染过程研究

利用PM2.5污染监测数据、气象资料和WRF模式,研究了2013年10月2日至10日石家庄地区秋季一次典型的空气污染过程,结果表明,PM2.5质量浓度的上升和下降阶段与相继出现的台风"菲特"和"丹娜丝"输送气流及其背景场有关,本次污染过程同时受台风系统背景场、副热带高压系统和大陆高压系统协同控制.石家庄PM2.5质量浓度演变分为上升、下降、再上升和下降4个阶段,浓度曲线呈现双峰特征,分别对应台风"菲特"加强、减弱、台风"丹娜丝"加强和减弱阶段.污染过程中,PM2.5日均质量浓度最高值是425μg·m-3,导致这一现象的原因是由于台风"菲特"和"丹娜丝"系统外围东南暖湿气流进入石家庄地区,高空1000、1800和2600 m处出现逆温层,下沉气流最大风速是0.2 m·s-1,覆盖并影响石家庄地区,形成稳定的大气条件,利于PM2.5污染物持续积累,造成石家庄地区PM2.5浓度达到峰值并出现重污染事件.     

福州市PM2.5污染过程中大气边界层和区域传输研究

以福建省会福州市2013年1月空气质量变化为对象,分析大气边界层变化和周边区域污染物传输对福州市大气颗粒物PM2.5的影响.利用福州市2013年1月逐日地面和探空观测资料以及NCEP提供的2013年1月FNL分析资料,通过大气边界层要素与PM2.5浓度之间的相关性,对PM2.5污染过程的大气边界层特征进行分析;同时采用HYSPLIT后向轨迹模拟及区域风场相关矢分析对影响福州雾霾的污染物区域传输路径进行探讨.结果表明:地面气温与PM2.5浓度呈正相关,地面风速与PM2.5浓度呈负相关,近地面边界层条件有利于霾颗粒物的形成和累积.但不同于我国东部主要污染源区霾污染过程中存在大气边界层逆温,福州PM2.5污染过程中并未出现大气边界层逆温结构,这一边界层结构的垂直混合可有利于区域传输的污染物从上层大气到达近地面从而加重福州霾污染,福州是华东地区一个PM2.5污染物的主要接受区,PM2.5污染物主要以外源输送为主.2013年1月份福州市清洁日近地面风向为海洋吹向大陆的东南风,霾污染日则为大陆吹向海洋的偏北风,PM2.5污染物主要从长三角地区、苏北以及安徽河南一带通过东北和西北方向的传输路径影响福州的空气质量.     

2009年8~9月成都市颗粒物污染及其与气象条件的关系

对成都市3个不同点位PM2.5和PM10进行了为期30d的连续观测,研究了大气颗粒物浓度的时空分布特征,及其与气象条件的关系.研究表明,观测期间成都市大气颗粒物PM2.5和PM10质量浓度日均值分别为66,94μg/m3,两者浓度变化范围较大,但变化趋势相同.从空间分布来看,大气颗粒物浓度均是熊猫基地>草堂寺>丽都花园,即下风向污染状况最严重,商业繁华地段次之,生活居住区最好;从时间分布来看,大气颗粒物污染最严重出现在9月17~19日,9月5~9日2个时间段,不利的气象因素和污染物的累积是造成该时间段大气颗粒物污染加重的主要原因.PM2.5与PM10质量浓度的相关性为0.93,PM2.5对PM10的贡献较大,两者质量浓度的比值达0.69.气温对大气颗粒物浓度变化没有显著影响;降水以及风速对颗粒物浓度影响较大,主要是对颗粒物的湿清除和促进扩散作用;在一定相对湿度范围内,高湿度条件容易造成大气颗粒物的较重污染.能见度与大气颗粒物浓度呈明显负相关性,且与PM2.5的相关系数大于与PM10的相关系数.     

2014年10月上旬北京市大气重污染分析

使用垂直观测、地面观测和PM2.5化学组分观测等手段,对2014年10月上旬北京市一次重污染过程进行分析.结果表明,本次大气重污染发生时北京市近地面后散射激光强度变强,气溶胶消光系数升高,说明污染物在近地面层积累.重污染期间气象要素特征为:风场弱,湿度大,地面受弱气压场控制.从PM2.5浓度变化趋势来看,这次重污染过程大体分为四个阶段:“两个台阶”型的浓度爬升阶段(P1和P2)、高浓度维持阶段(P3)和迅速清除阶段(P4).结合地面观测、遥感反演和PM2.5组分分析可发现,区域传输是导致本次重污染的诱因,其中秸秆焚烧是影响因素之一,随后区域传输和本地污染物排放共同维持并加重了重污染过程.大气氧化剂OX与PM2.5浓度、二次离子浓度均表现出显著正相关性,表明较强的大气氧化性能促进PM2.5浓度增长.     

太原市冬季PM2.5水溶性组分污染特征分析

为了探讨太原市大气阴霾天气的主要污染物PM2.5中水溶性组分的污染特征,于2011年12月~2012年1月,采用美国Thermal Anderson公司的大流量PM2.5颗粒物采样器进行了PM2.5样品采集,共获得样品56个.通过采样前后滤膜的重量变化计算PM2.5的质量浓度.并采用微波提取技术,用TOC/TN分析仪研究了水溶性TOC和水溶性TN等的污染特征.研究结果表明,太原市冬季采暖期PM2.5污染严重,并且比北京、天津、广州、南京、西安的污染水平都高.对PM2.5主要影响因素风速、相对湿度、温度和昼夜变化等的分析表明,风速大小与PM2.5的浓度大小呈负相关(r=-0.4693,α=0.05),相对湿度与PM2.5浓度呈正相关(r=0.4092,α=0.05),而温度与其浓度变化关系不明显;采样期间PM2.5浓度的昼夜变化规律不明显.水溶性TOC对PM2.5贡献较高,占PM2.5总量的13.2%~57.7%;NO3-、SO42-也与水溶性TOC有重要的相关关系.     

银川市冬季两次典型持续大气污染过程对比分析

为了探究边界层气象要素时空分布及其变化对银川市冬季持续污染天气过程污染物质量浓度变化的影响机制,利用2016年12月1日-2017年1月31日逐时空气质量以及地面和逐日定时探空气象观测数据,根据大气污染级别和过程持续时间,选取2016年12月9-21日（简称"1211过程"）和2016年12月29日-2017年1月9日（简称"1231过程"）为研究对象,采用统计和天气诊断相结合的方法,在分析比较银川市冬季两次典型持续污染过程演变特征及其与地面气象要素关系的基础上,探讨了大气环流、边界层要素变化对银川市冬季典型污染过程的可能影响机制.结果表明:①银川市冬季两次大气污染过程持续阶段,地面均以偏东或偏南风为主,风速较小,相对湿度较大,能见度较低;在污染清除阶段,地面风向转为西北或偏北风,风速较大,相对湿度较小,能见度较高.②当冬季欧亚大陆中纬度区域500 hPa高空盛行纬向气流,850 hPa高度上银川市受反气旋环流和暖温度脊控制,并且有弱暖平流从西南部向北输送时,银川市易出现静稳型持续污染天气.③冬季银川市持续大气污染过程中,ρ（PM_2.5）与风速呈负相关（R平均值为-0.326）,与相对湿度呈正相关（R平均值为0.688）,与能见度呈显著负相关（R平均值为-0.905）,与边界层高度呈较显著负相关（R平均值为-0.575）.④银川市冬季静稳型持续污染天气主要分为弱西北和平直西风气流型两种,弱西北气流型具有近地面层逆温弱,污染物积累慢,清除快的特征;平直西风气流型具有近地面层逆温强,污染物积累快,清除慢的特征.研究显示,冬季银川市上空500 hPa高度盛行纬向气流,地面主导风向为偏东或偏南风时,随着地面相对湿度增大、近地层风速减小、大气垂直上升运动减弱、边界层高度降低,大气中ρ（PM_2.5）将迅速升高,银川市易出现以PM_2.5为首要污染物的静稳型持续污染天气.      

长沙市秋冬季PM2.5及水溶性有机碳污染特征研究

该研究于2017年9月-2018年2月连续采集长沙市大气PM2.5样品,分析了PM2.5样品中水溶性有机碳(WSOC)的浓度变化及其与大气污染物的相关性,对比分析了清洁天和污染天WSOC浓度特征,并基于后向轨迹分析(HYSPLIT)和潜在源贡献因子分析(PSCF)方法探讨了秋冬季WSOC的传输路径及潜在来源贡献。结果表明,秋、冬季WSOC平均浓度分别为6.22、7.00μg/m3,WSOC与相对湿度和风速均呈显著负相关,与温度相关性不明显。WSOC与PM2.5具有显著的相关性(R=0.800),秋季WSOC与CO、O3、NO2、SO2的相关性比冬季更加显著。污染天风速小、相对湿度低,WSOC污染浓度明显高于清洁天。HYSPLIT和PSCF分析结果表明,除本地排放外,WSOC还受来自偏北及偏东方向区域污染源传输的影响。     

珠江三角洲秋季典型气溶胶污染的过程分析

为了解大气中各物理和化学过程对气溶胶浓度的贡献情况,利用Models-3/CMAQ模式系统对珠江三角洲(以下简称珠三角)秋季典型气溶胶污染进行研究.模拟时间是2012年10月,期间珠三角主要受高压系统的控制,在17日冷锋过境前后高压天气形势发生转变,风向从东北风转为偏东风.结果表明,珠三角秋季PM2.5浓度呈现西高东低的水平分布特征,随着高度的上升浓度高值中心也向西南方向偏移;受大气边界层高度的影响,陆地上PM2.5输送高度呈现白天高夜晚低的变化特征;过程分析结果表明源排放,水平输送和垂直输送是影响近地面PM2.5浓度变化的主要过程;本地污染物排放是城市中心(广州站)PM2.5浓度升高的主要原因,而在下风向位置(江门站)外来污染物的水平输送过程是PM2.5的最主要来源.     

PM2.5污染特征及污染源模拟研究

为了解深圳市坪山新区环境空气质量现状,研究运用坪山新区PM2.5浓度数据,分析该区PM2.5的污染特征及气象条件对其的影响,坪山新区PM2.5浓度呈现了明显的季节变化、月变化特征,表现为秋冬季高、夏季低、春季居中的特点;PM2.5浓度最高出现在12月,最低出现在7月.该区PM2.5浓度日间变化呈双峰分布,7:00～9:00出现短期高峰,夜间21:00～次日4:00出现长期高峰.坪山新区PM2.5超标情况多出现在秋冬季及初春.在超标日期里,区域一般温度较低、风速较小,相对湿度也较低.污染源分析模型结果表明,坪山新区PM2.5的排放强度高值区主要集中在北部和西部,南部和东部排放强度稍低.由此可见,坪山新区大气环境亟待提升,需要针对区域内大气颗粒物污染进行有效防治.     

毕节市区大气污染特征及影响因素分析

根据毕节市2015年大气污染物浓度和气象因子的监测数据,分析了毕节市区大气污染物SO_2、NO_2、PM10、PM2.5、CO及O_3浓度的月、季和年平均变化特征及其影响因素,并对大气污染物浓度之间以及大气污染物浓度与气象因子之间的相关性进行了分析。结果表明:(1)毕节市区2015年空气质量总体良好,空气质量优良天数占95.1%,主要大气污染物为PM10和PM2.5;(2)大气污染物SO_2、PM10、NO_2、PM2.5、CO的月浓度都呈"V"型单谷变化趋势,而O_3的月浓度则为单峰变化趋势;大气污染物SO_2、PM10、NO_2、PM2.5、CO浓度的季节变化为冬季最高、夏季最低,O_3浓度的季节变化则为春季最高、冬季最低,且季节之间的差异性显著(p0.05);大气污染物PM10和PM2.5的年平均浓度分别超过我国《环境空气质量标准》(GB 3095—2012)中一级标准年平均浓度限值的18.2%和112.4%,SO_2和NO_2的年平均浓度均未超过国家一级标准的年平均浓度限值;(3)大气污染物SO_2、NO_2、CO浓度与颗粒物PM10、PM2.5浓度之间两两呈极显著正相关性(p0.01),其与O_3浓度之间呈极显著负相关性(p0.01);PM2.5浓度与PM10浓度之间呈极显著正相关性,而PM2.5浓度与O_3浓度之间呈显著负相关性,多元线性回归分析得出PM2.5浓度与其他大气污染物浓度之间的拟合方程为:PM2.5=2.718+0.130SO_2+0.747PM10+0.255NO_2-0.077O_3+0.678CO;(4)气压与大气污染物SO_2、NO_2、CO、PM10浓度之间呈显著正相关性,其与O_3浓度之间呈极显著负相关性;温度除与O_3浓度之间呈极显著正相关性外,与其他大气污染物浓度之间呈显著负相关性,且其与O_3浓度的相关性系数最大(r=0.501),说明温度对O_3浓度的影响较大;相对湿度除与CO浓度之间无显著相关性外,与其他大气污染物浓度之间均呈显著性负相关性;风速与O_3浓度之间呈极显著正相关性,其与其他大气污染物浓度之间均呈极显著负相关性。     

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.     

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.     

渝北区环境空气质量现状及污染原因分析

本文采用综合污染指数法和空气质量指数法对2014年重庆市渝北区的主要空气污染物(SO2、PM10、NO2、O3、CO、PM2.5)的现状监测值进行了评价。结果表明:对照环境空气质量标准,2014年城区内SO2、NO2均符合国家空气质量二级标准,PM10、PM2.5测定值均超标。污染物浓度时空分布不均匀,冬春季浓度较夏秋季高,出现明显的季节特征;空间分布上,两路空气质量优于空港。2014年渝北区环境空气中大部分污染物浓度均低于2013年和主城平均浓度,环境空气质量综合污染指数呈现下降趋势。2014年渝北区空气质量优良天数255天,高于2013年和主城优良天数,影响渝北区空气质量的首要污染物为PM2.5,其次为PM10、O3-8h、NO2。渝北区的环境空气污染主要受城市建设、产业结构、气象条件、交通尾气的影响。     

兰州市大气重污染气象成因分析

兰州市曾经是全国乃至全世界空气污染最严重的城市之一,重度空气污染特征明显.根据兰州市环境保护局公布的大气污染数据及气象局的气象观测数据,采用时间序列法和相关统计方法对兰州市2002—2011年空气污染指数(Air Pollution Index,API)大于200的大气重污染特征进行研究,并探析了其气象学成因.结果表明,静稳型重污染发生天数约占重污染发生总天数的77%,而沙尘型重污染只占23%.静稳型重污染是兰州市最主要的大气重污染类型,它往往存在PM10、SO2和NO2三种污染物同步累积的过程,持续时间长,主要发生在冬季;而沙尘型重污染持续时间短,由于外来高浓度沙尘输送的影响,PM10浓度会急剧升高,而SO2和NO2浓度则会明显下降(SO2、NO2浓度明显低于静稳型重污染),几乎都发生在春季.对它们的成因分析表明:静稳型重污染的气象学成因主要是风速小,稳定能量大,大气环境稳定度大,不利于湍流扩散,本地源污染物持续积累造成;沙尘型重污染气象学成因主要是春季气候干燥,相对湿度低,造成大风沙尘天气,给兰州市输送大量沙尘颗粒形成大气重污染.此研究结果可为兰州市大气重污染的防治提供科学依据.     

基于精细观测资料的深圳不同季节霾及其污染特征分析

利用2010~2013年逐时霾、能见度和空气质量监测数据,分析了深圳霾天气的变化特征、霾与空气质量和气象条件的关系.结果表明:深圳市霾日数总体呈现增多增强趋势,2009年开始明显下降;霾日数呈“V”型月变化:即秋冬季多、春夏季少,秋冬季多发持续时间长、影响严重的霾过程,春夏季多发持续时间短的霾过程; 霾常伴有污染发生(35%),污染以轻度污染为主;霾时首要污染物PM2.5最多、其次O3,这说明PM2.5是造成深圳霾的主因,且深圳光化学污染严重. 霾时PM2.5、PM10 和O3季节变化明显,冬春季首要污染物以PM2.5为主(75%以上),夏秋季O3和PM2.5为主;分析还发现,风、相对湿度与霾密切相关,风速越弱,湿度越大, 越利于霾出现和发展.约80%的中重度霾出现在风速<2m/s,相对湿度70%~90%的情况下.     

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。