不同城市人为及气象因素对空气质量的影响

空气质量的变化受人为排放与气象因素的双重影响,但这2个因素的相对贡献并不明确。该研究采用随机森林方法,分析了2020年中国武汉市、南京市和石家庄市人为因素和气象因素对6种大气污染物浓度的影响。与没有封控的情境相比,封控时期人为活动减少导致污染物排放的降低,使1-2月大气中PM_2.5、PM₁₀、NO₂、CO和SO₂的浓度降低27%以上,在4月解除了各个城市封控行动后,各污染物浓度逐渐回升。相反,在封控时期3市O₃浓度上升23%～29%。同时,基于2020年实际气象数据和2015-2019年的平均气象数据运用随机森林模型预测结果的对比分析表明,仅冬季石家庄和南京的气象条件不利于污染物的扩散,对除O₃外各污染物产生一定影响,总体而言气象因素对于3市全年污染物浓度的影响并不大。     

气压对西安市城区空气质量的影响

以西安市城区2014年1月1日至2015年12月31日空气质量监测数据和气象资料为基础,分析了气压对空气质量的影响及其空气污染特征。结果表明:AQI及各污染物浓度变化很好的拟合二次函数,且拐点横坐标均在7月前后。相关性分析表明:平均海平面大气压与SO_2、CO、NO_2、O_3呈现为显著正相关性,与AQI、PM_(2.5)、PM_(10)呈现为显著负相关。平均海平面大气压P对各污染物的影响在夏季最为强烈,而在春季和冬季最弱;P对O_3的形成存在较明显的影响。各污染物浓度和气象因素之间存在明显的共线性,PM_(10)主成分回归模型通过了显著性检验、拟合优度很好且无多重共线性。     

气象因素对成都中心城区近地面臭氧的影响

文章对2019年成都市中心城区大气臭氧自动连续监测数据及同步气象数据进行研究分析,结果表明成都臭氧浓度呈现春、夏>秋、冬的特点,由以8月浓度最高。日变化呈现"单峰型",早上08:00-09:00出现最低值,下午浓度较高,峰值浓度出现在16:00-17:00。O3浓度与气温、边界层、风速呈正相关,与相对湿度、降水量呈负相关。当成都中心城区O3浓度出现超标时,气温变化范围为28.5³7.1℃,相对湿度变化范围为34%⁶3.6%,风速变化范围为0.5².5 m/s,边界层高度的范围为770¹ 967 m,主要为无降水天气和偏南风控制。气流以短距离传输即局地传输为主导,受本地污染源影响明显,导致成都O3浓度较高的气流主要来自其东北和偏南方向,受达州、德阳、绵阳、资阳和眉山等城市影响较大。     

气象因素对乌鲁木齐市PM_(2.5)浓度影响分析

基于乌鲁木齐市大气污染物数据,对乌鲁木齐市2016年空气质量变化做趋势分析。利用乌鲁木齐市2016年同期气象要素,通过相关分析和主成分分析方法探讨了气象要素对PM_(2.5)浓度的影响。结果表明:1)PM_(2.5)、PM_(10)、SO_2、NO_2、CO的浓度全年变化趋势与空气质量指数(AQI)的变化趋势基本一致,O_3的浓度变化趋势与AQI变化趋势完全相反;2)PM_(2.5)浓度与CO、气压和相对湿度呈显著正相关,降水量、风速、气温和水气压与PM_(2.5)浓度呈显著负相关。     

徐州市空气质量预测预报中的气象因素影响分析

利用2014年徐州市环境监测中心站SO2,NO2,PM10和PM2.5质量浓度的逐日监测资料及同期徐州市气象局的常规气象观测资料,分析了徐州市空气质量的现状及变化特征,探讨了SO2,NO2,PM10和PM2.5浓度与气象条件的关系。结果表明：徐州市空气质量以良和轻度污染为主,夏、秋季的空气质量好于冬、春季,冬季空气质量最差;较大的降水量过后,空气质量类别为优或者良,降水量较小时,污染物去除效果不明显;风速越大,越有利于污染物的扩散;雾和灰霾天气条件下,空气质量较差。     

京津冀空气质量分布特征及气象影响因素分析

对京津冀地区空气质量分布特征及影响因素的研究已比较丰富,但对气象因素的影响分析往往通过简单的相关性分析。文章通过分析京津冀地区2019-2020年各市空气质量数据的基础上,得出近几年该地区空气质量都得到了明显的提升,在冬季空气质量相对较差,而春夏及初秋空气质量相对较好;京津冀地区呈现出北部区域空气质量较好,南部地区空气质量较差的现象,但各市空气质量整体较好;回归模型得出气温和风速对AQI指数有着显著的负向影响,相对湿度和气压对AQI指数有着显著的正向影响。最终本文还针对京津冀地区空气质量的治理提出了相应的建议。     

流动源对齐齐哈尔市城区空气质量影响的研究

本文以现场监测数据为基础，以汽车排放的氮氧化物为研究对象，运用多元线性回归理论，研究了机动车数量对城区氮氧化物浓度的影响程度及城区主要街道氮氧化物浓度的扩散模式，对主要街道氮氧化物浓度进行了预测，并提出了治理建议。     

交通与气象因子对空气质量的影响研究

目前中国存在经济生态发展不平衡,不可持续发展问题突出,多阶段、多领域、多类型生态环境问题交织。基于国家政策宏观调控下,展开交通与气象因子对空气质量的影响的深度研究。根据空气质量实时变化的数据,提出影响城市空气质量因素猜想,基于Lasso回归模型,对实证进行分析,经过BOOTSTRAP模型二次验证后,对空气质量影响较为显著的因素有:车流数量、风速、地面上层与下层温差。最后通过针对性提出绿色道路设计、互联网+新能源汽车、实时排污预警系统构建、城市空间合理布局四个方面,实现空气质量水平提升。     

广州城区低空逆温及其对空气质量影响分析

研究了广州城区的低空逆温特征,并分析其对空气质量的影响,发现广州城区全年均有低空逆温出现,低空逆温平均时长为4.4 h,干季低空逆温出现天数和平均时长均高湿季约50%,干季低空逆温使温度垂直递减率更小。低空逆温呈现一强一弱的双峰型日变化特征,干季双峰型更为明显,峰值主要集中在午后前后和清晨,湿季低空逆温出现高峰的时间早于干季,且出现的频次更为集中在夜间。干季出现逆温时对大气扩散条件影响更大,污染物浓度更容易累积。广州市AQI超标时有超过50%的天数同时出现了低空逆温,其中干季NO_2和PM_(2.5)浓度变化对低空逆温更为敏感,干季出现低空逆温时,NO_2和PM_(2.5)浓度显著上升。     

2017年厦门金砖会晤期间气象因素与管控措施对空气质量的影响

2017年厦门金砖会晤期间采取了大气污染临时管控措施,使AQI小时值和日均值均达到了双优的预期目标.本文根据管控措施实施的前、中、后阶段,厦门及周边城市大气污染物浓度的变化,对气象因素和人为因素的影响分别进行分析.结果发现,气态污染物对临时管控措施的敏感性最强,SO₂和NO₂的降幅（39.9%和25.6%）明显高于PM_2.5和PM₁₀的降幅（5.5%和4.8%）,台风外围带来的大风和降水可显著改变大气污染物的周期性变化规律.大气PM_2.5组成及SO₂/NO₂、SO₄^2-/NO₃^-、OC/EC和WSOC/OC等比值变化显示机动车（尤其是柴油货车）是本地区大气污染物的重要来源.控制变量分析显示,厦门金砖会晤期间气象因素对颗粒物和NO₂削减的贡献更大（20.3%）,而临时管控措施对SO₂的削减效果更明显（23.2%）,且有一半以上（51%~64%）的大气污染物来自外来源输送.     

乌鲁木齐市空气质量监测网络优化探讨

近年来,随着乌鲁木齐市经济的高速发展、城市建设规模的不断扩大、城市功能区和产业结构布局的不断优化、调整,乌鲁木齐市在城市环境、城市建成区规模和人口数量、分布等方面都有了很大变化,原有的空气质量监测点位已不能继续满足城市环境空气监测的技术要求。本文对乌鲁木齐市现有环境空气监测网络现状进行分析,指出了空气质量监测网络存在的问题,提出了空气质量监测网络优化新方案,并给出构建区域性空气质量监测网络的建议。     

谈双鸭山市气象特征及地形特征对空气质量的影响

双鸭山市采暖期污染较重是因为采暖期燃煤量大、低矮分散的面源多的缘故，同时气象因素及地形特征对空气质量的影响也起着相当大的作用，采用2005年空气质量监测数据，进行双鸭山市气象特征及地形特征对空气质量影响分析，得出空气较稳定的取暖期和具有山风、谷风、局地环流的地形特征是形成双鸭山市空气污染的主要原因之一，并针对地形特征及气象特征对双鸭山市空气质量的影响提出空气污染治理措施。     

气溶胶直接气候效应对天津气象和空气质量的影响

基于在线大气化学模式WRF/chem,发挥其在线模式的优势,假设是否考虑气溶胶直接气候效应2种情况,模拟2015年全年天津地区气象场和空气质量的演变,并与观测实况比较,定量剖析天气-气溶胶-天气-空气质量之间的相互关系.结果表明:2015年气溶胶直接气候效应导致天津地面太阳辐射下降27.42W/m~2,气温下降0.21℃,风速减少1.1%,相对湿度增加1.4%,边界层高度下降6.3%,气象条件向不利于大气污染扩散方向转变,由于上述作用的存在,2015年PM_(2.5)质量浓度增加3μg/m~3,PM_(10)增加5.5μg/m~3,SO_2增加1.2μg/m~3,同时由于气溶胶影响光化学条件导致的O_3质量浓度减少1.4μg/m~3.气溶胶直接气候效应形成天气-气溶胶-天气-气溶胶之间的循环作用并不是线性的,重污染天气显著强于清洁日和平均条件,从而导致重污染天气空气质量的进一步恶化.     

谈双鸭山市气象特征及地形特征对空气质量的影响

双鸭山市采暖期污染较重是因为采暖期燃煤量大、低矮分散的面源多的缘故,同时气象因素及地形特征对空气质量的影响也起着相当大的作用,采用2005年空气质量监测数据,进行双鸭山市气象特征及地形特征对空气质量影响分析,得出空气较稳定的取暖期和具有山风、谷风、局地环流的地形特征是形成双鸭山市空气污染的主要原因之一,并针对地形特征及气象特征对双鸭山市空气质量的影响提出空气污染治理措施.     

WEPS模型下天津郊区风蚀尘对城区空气质量的影响

为了模拟天津市郊区地表风蚀起尘对城区空气质量影响,以美国风蚀预报系统(WEPS)为基础,并对其进行二次开发,本地化风文件、其他气象要素文件、土壤文件以及管理文件.循环计算每个起尘地块不同季节的蠕移质+跃移质平均损失量、悬移质平均损失量及PM10平均损失量.结果表明,2009年冬季,单位地块的起尘量与总起尘量均大于其他季节;冬季,指向中心城区蠕移+跃移量、悬浮量及PM10各区总起尘量较其他季节大.春季,总起尘量来自东方向最大;夏季,来自西方向最大;秋季,来自西方向最大;冬季,来自北方向最大.一年中,来自北方向的PM10最多,达9.67×104t,而冬季占81.7%.可见,位于城区北面的郊区尤其在冬季对城区空气质量的影响最大.     

2001-2010年武汉市气象环境对空气质量影响分析

文章以武汉市为例,利用2001-2010年武汉市空气污染物和气象参数资料,运用统计分析方法,进行相关分析、回归分析,初步探讨空气污染物PM10、SO2、NO2指数和与之有关的气象参数,如气温、气压、湿度、降水量、风速之间的关系,并建立气候因子对空气污染物的多元线性回归方程。以SO2为例,对2009、2010年空气质量进行预测。结果表明,武汉市2001-2010年空气质量与气象环境具有较为显著的相关性且利用回归方程预测结果与实际基本吻合。     

浙江省空气质量及主要气象因子的影响分析

利用浙江省环保厅发布的2004年9月以来的空气质量监测数据(API/AQI)和浙江省气象局2005年以来的逐时气象要素数据,分析浙江省近年的空气质量及其空间分布特征、与主要气象因子的相关性。结果表明:浙江省近年空气质量总体稳定,年际变化不大,但偶有区域性空气污染事件发生;春节效应明显,而星期效应较弱;区域上,浙北空气质量最差,浙中次之,沿海较好,浙西南山区更好,最佳为海岛舟山地区。主要污染物在监测API时期为PM10,2012年10月起改为监测AQI后,首要污染物为PM2.5取代,且臭氧(O3)作为首要污染物的比率凸显,AQI指数值比同期API高近15~30。进一步分析空气质量与(雾)霾、降水、连晴天数、风向风速等气象因子的相关性,发现适量降水和中等风速有利空气净化,连晴使空气污染加重;各地除舟山海岛地区外,空气质量与(雾)霾天气的出现比率较为一致。     

人为排放及气象因素对空气质量影响的定量分析——以疫情期间邢台市为例

选择河北省邢台市作为研究对象,将2020疫情作为一个极限管控措施下的极限减排实验情景,把2021疫情作为未来常态化疫情防控实验分析情景.与疫情前期对比,两次疫情期间臭氧浓度均有提升且2021疫情时期颗粒物浓度同样有提高,2020疫情时期其他污染物浓度均有不同程度的改善,而与2019历史同期相比,两次疫情期间臭氧浓度同样有升高现象,除此以外,2021疫情时期污染物改善较好.利用长短期记忆网络（LSTM）算法和空气质量预报模式系统（WRF-CMAQ）量化了两次疫情时期气象因素对于污染物浓度变化的影响,根据空气质量模拟法反推了不同污染物受人为影响的浓度变化.实验结果表明,LSTM算法在两次疫情期间的模拟均显示人为影响对污染物产生了负影响（降低了污染物浓度）且在总变化影响中占比较高,而CMAQ模式模拟结果中的气象因素影响占比远高于LSTM算法.CMAQ模式在两次疫情模拟中表现出了不同的结果,在2020疫情中人为影响占据了主导,而在2021疫情中,相比较2020疫情时期,除NO₂外,人类活动对其他污染物的影响均为正值（促进了污染物浓度升高）.     

北京冬季疫情期间空气质量及气象影响分析

针对北京地区2020年冬季疫情防控期(1月24至2月29)的空气质量及两次持续性重污染过程进行分析,探究了该时段的大气污染特征及其气象影响.与过去5a同期相比,2020年疫情防控期间北京冷空气强度偏弱,活动频次偏少50％,气温偏高0.73℃,风速和混合层高度偏低17.8％和32.5％,湘对湿度和露点温度增加60.9％和...     

影响南宁市空气质量的天气因素分析

对南宁市2003年的空气污染指数(API)与天气因素(天气类型、气象因子)的相关性进行了详细分析。结果表明,高压脊在冬春季对API影响较大;低压槽、副热带高压在夏秋季对API影响较大。湿度、云量与API呈相反走势,而温度则与API相关性不大。