2020年春节期间天津市重污染天气污染特征分析

为了解春节期间重污染天气污染特征,基于城区点位2020年1月高时间分辨率的在线监测数据,开展天津市春节期间重污染分析.结果表明：区域污染物输送叠加本地污染物排放和不利气象条件导致春节重污染的发生,重污染期间天津市平均风速为0.97 m·s^-1,平均相对湿度为70%左右,边界层高度为210 m,水平和垂直扩散条件均较差.春节重污染期间,天津市PM_2.5、SO₂、NO₂和CO平均浓度分别为219、14、46 μg·m^-3和1.9 mg·m^-3,与春节前重污染相比,春节重污染期间污染程度有所降低,尤其是NO₂浓度下降明显.PM_2.5浓度空间分布表明,天津远郊区依然存在烟花爆竹燃放情况.春节重污染期间,城区PM_2.5中主要化学组分为二次无机离子（NO₃^-、SO₄^2-和NH₄⁺）、OC、K⁺和Cl^-,平均浓度分别为96.4、22.5、9.5和8.9 μg·m^-3,在PM_2.5中占比分别为41.3%、9.7%、4.1%和3.8%.与春节前重污染相比,受移动源减少、工业企业排放降低、工地停工影响,春节重污染期间NO₃^-、SO₄^2-、NH₄⁺、EC和Ca²⁺浓度及其在PM_2.5中占比明显下降;受烟花爆竹燃放影响,OC、K⁺、Cl^-和Mg²⁺浓度及其在PM_2.5中占比均上升.与清洁天气相比,春节重污染期间PM_2.5中二次无机化学转化明显增强.PMF解析结果表明,春节重污染期间,天津市城区PM_2.5的主要来源为二次无机盐、燃煤和工业、烟花爆竹及生物质燃烧、机动车和扬尘,贡献分担率分别为40.1%、30.6%、20.6%、6.9%和1.8%.与春节前重污染相比,春节重污染期间二次无机盐、机动车和扬尘贡献率分别下降25.5%、62.9%、71.4%,燃煤和工业贡献率上升51.5%,烟花爆竹及生物质燃烧源显著上升.无论是重污染还是非重污染,常态化还是特殊时期,二次无机盐、燃煤和工业排放始终是天津市PM_2.5最主要的来源,产业结构和能源结构的调整始终是天津大气污染防治的主要方向.     

天津市夏季重污染天气过程PM2.5输送特征

利用环境监测、气象常规观测、美国国家环境预报中心(NCEP)再分析等资料,采用气溶胶激光雷达和HYSPLIT模式对2018年8月1—2日发生在天津市夏季的一次重污染天气过程进行分析。结果表明:地面弱气压场、低空逆温和偏东暖湿气流的输送为此次重污染形成提供了有利条件;气溶胶激光雷达分析表明,此次污染过程存在明显的水平输送和垂直分布特征,市区PM_2.5浓度升高除与水平输送有关,还与本地低空逆温造成的PM_2.5积累密切相关;HYSPLIT模式后向轨迹追踪研究表明,PM_2.5前期积累爬升阶段,气团主要来自偏南气流,200、500、1 000 m高度气团均有明显沉降,后期气团来向转变为较清洁的偏东暖湿气流,但同时带来大量水汽,造成天津市相对湿度的增加。此次污染过程前期是由于静稳天气形势导致PM_2.5积累,后期主要是天津市各区县之间PM_2.5的输送以及偏东暖湿气流输送水汽导致相对湿度的增加,污染进一步加重。     

长治市重污染天气特征分析

基于2016年1月至2017年2月的长治市空气质量监测数据及气象资料,本文对长治市重污染日逐月分布及其对应的天气类型和气象要素特征进行了系统分析。结果表明:该期间长治市共发生33d重污染天气,12月和1月PM2.5浓度最高;区域稳定的气象条件是形成重污染的主要原因,地面气象要素主要表现为小风(1.23 m/s),湿度较大(52.8%)的特点;高压类、低压类和均压类三种地面天气形势所占污染天数的比例分别为78.8%、9.1%和12.1%,其中500h Pa高度场为偏西气流,同时地面处于高压后部,是导致长治市发生重污染天气过程的重要原因之一。     

2020年天津市两次重污染天气污染特征分析

为了解2020年天津市两次重污染天气污染特征,基于2020年1～2月高时间分辨率的在线监测数据,对天津市2020年1月16～18日(重污染过程Ⅰ)和2020年2月9～10日(重污染过程Ⅱ)进行分析,结果表明,两次重污染过程均呈现前期区域输送和后期本地不利气象条件叠加双重影响的特点,重污染过程期间平均风速均较低,平均相对湿度接近70%,部分时段接近饱和,边界层高度低于300 m,水平和垂直扩散条件均较差.与重污染过程Ⅰ相比,重污染过程Ⅱ主要污染物浓度和污染程度均降低,尤其是NO₂浓度下降明显,重污染过程Ⅱ北部地区PM_2.5和CO浓度较高.两次重污染过程PM_2.5中化学组分浓度和占比发生明显变化,重污染过程Ⅰ二次无机离子(SO₄^2-、 NO^-₃和NH⁺₄)、 EC和Ca²⁺平均浓度较高,OC和Cl^-平均浓度略低于重污染过程Ⅱ,K⁺...     

2018年3月两会期间北京重污染过程边界层气象的演变分析

为研究北京冬季重污染过程的污染特征及成因,采用边界层风场、温/湿场和气溶胶垂直探测等雷达综合遥测手段,对2018年3月北京两会期间的一次典型重污染过程,从边界层气象要素演变进行综合研究.结果表明:①整个污染过程历时7 d,轻度以上污染时数达118 h（占污染过程总小时数的69.8%）,严重污染时数达16 h（占污染过程总小时数的9.5%）,ρ（PM_2.5）最高达333.5 μg/m3.②从气溶胶的垂直空间演变来看,重污染天气的形成,除受本地源排放积累的影响外,还存在北京南部和东部的外部污染传输.贴地或上部逆温的稳定温度层结基本上对应ρ（PM_2.5）的累积过程,其中,重污染时段逆温维持达68 h,逆温层厚度为500~1 100 m,最大平均逆温强度为0.6℃/（100 m）.大气边界层高度偏低（积累过程白天在1 000 m以下,夜间只有300~500 m）,导致污染物持续积累.整个污染过程中,高湿时段引起PM_2.5吸湿增长和转化加重了污染程度;近地层持续小风导致污染积累;西南、东或东南方向大风层（10 m/s左右）向低空下探,有利于污染的缓解;强西北风或北风作用,使污染得以清除.研究显示,污染过程与边界层气象要素的演变密切相关.      

天津大气稳定度和逆温特征对PM2.5污染的影响

利用气象铁塔资料分析了逆温频率和强度,采用温差-风速法计算了天津地区大气稳定度,探讨了其相互关系及对PM_2.5浓度月均值和超标日的影响,并对一次重污染过程中大气稳定度和逆温分布特征进行了分析.结果表明,2015年9月~2017年8月A,B,C,D,E和F类大气稳定度发生频率依次为6.7%,11.4%,22.4%,46.1%,11.1%和2.2%,秋冬季节稳定类天气（E,F类）较多,全年白天各时段均以不稳定类大气为主,夜间大气稳定度以中性为主,秋冬季夜间稳定类高达30%~40%.观测期内冬季逆温频率最高,5：00~8：00和21：00~23：00超过90%,冬季逆温强度也最高.随着稳定类大气层结日数的增多,PM_2.5月均值和污染日数均有所增大,同时逐月PM_2.5均值、污染日发生频率均与逆温发生频率呈正相关关系.2016年12月16~21日的一次重污染天气过程显示,PM_2.5受到大气稳定度和逆温发展的影响,霾形成、雾-霾交替和消散等阶段大气稳定度和逆温特征具有显著的不同.大气持续趋于稳定及逆温强度的逐渐增大,对污染生成和维持起了非常重要的作用,污染过程中大气稳定度和逆温特征的精细化分析有助于提升重污染天气预报预警水平.     

银川市一次连续PM2.5重污染天气特征分析及长期预报方法研究

利用同期多源观测资料,对2020年1月银川市持续重污染天气过程中的气象条件、扩散特征及前期环流指数特征进行了综合分析。结果表明：2020年1月持续重污染天气过程是实行新标准以来仅次于2013年1月的PM_2.5超标的重污染天气,具有持续时间长、污染等级高的特点;2020年1月气温异常偏高、风速偏小、相对湿度偏大,天气系统稳定少动且持续时间长,是造成PM_2.5异常超标的主要原因之一;1月PM_2.5月浓度值同850 hPa东太平洋信风指数、北太平洋副高北界位置指数等前期环流特征因子具有较好的相关性,建立的银川市1月PM_2.5月浓度预测模型,可提前30 d作出预报且预报结果与实际一致,可为重污染天气预警工作提供参考。     

京津冀典型城市一次重污染过程特征及边界层结构变化对其影响

为探究典型重污染过程的污染特征与大气边界层结构演变规律,基于PM_2.5采样数据、气象观测数据及WRF-Chem模式,以北京市和石家庄市2016年12月27日—2017年1月10日一次重污染过程为研究对象,对气象要素、PM_2.5化学组分、天气背景场、边界层结构演变特征,以及大气边界层结构变化对ρ(PM_2.5)及其主要化学组分的影响进行分析.结果表明:①研究期间,北京市和石家庄市ρ(PM_2.5)分别为(165.63±110.89)(247.67±95.22)μg/m3,石家庄市污染程度高于北京市;高空纬向环流和地面弱高压控制的天气背景场,低于1.75 m/s的风速以及超过75%的相对湿度是造成北京市与石家庄市重污染的不利气象条件.②重污染时段北京市与石家庄市SNA(SO₄2-、NO₃-、NH₄+三者的统称)与碳质组分(OC、EC)占比之和超过76%,是PM_2.5中的两大主要组分;重污染时段ρ(SNA)占比明显上升,北京市与石家庄市ρ(SNA)占比由非重污染时段的42.23%、45.93%分别升至重污染时段的58.87%、59.62%;北京市与石家庄市ρ(OC)/ρ(EC)分别为5.13、3.51,表明在重污染时段两城市存在明显的二次有机气溶胶污染.③WRF-Chem模式模拟结果表明,PM_2.5污染严重时北京市与石家庄市在300~500 m处均出现明显的逆温,垂直风场主要表现为低层偏南风顺时针向上切变为偏西风,切变高度在400~1 000 m,逆温层结与明显垂直风切变的边界层特征共同抑制了污染物的湍流与扩散.④北京市与石家庄市重污染时段的PBLH(Planetary Boundary Layer Height,大气边界层高度)日均值与非重污染时段相比分别下降了202、128 m,PBLH每下降100 m,北京市与石家庄市ρ(PM_2.5)分别上升18.81、29.85 μg/m3,PBLH下降是导致两城市ρ(PM_2.5)快速上升的重要因素.北京市与石家庄市的PBLH与PM_2.5组分质量浓度之间的相关性不同,北京市PBLH与ρ(SNA)的相关性高于与碳质组分质量浓度的相关性,石家庄市PBLH与ρ(EC)相关性最高,表明此次重污染过程中北京市PM_2.5污染特征以二次形成为主,而石家庄市以一次排放为主.研究显示,北京市与石家庄市此次重污染过程与大气边界层结构变化密切相关.      

2013年1月北京市一次空气重污染成因分析

采用数值模式与观测资料相结合的方式,对北京市2013年1月9日至15日一次空气重污染过程的大气环境背景、气象条件和形成原因进行了初步分析.结果表明,重污染过程期间10日至14日PM2.5平均值为323μg·m-3;重污染过程与当地气象条件密切相关,稳定的大气环流形势为污染的持续提供了大气环流背景,风速较小、湿度较大、边界层较低、持续逆温是造成重污染的主要原因;重污染过程中区域输送对北京PM2.5贡献率在53%~69%之间且存在明显的二次转化,区域输送起着更为重要的作用;气象条件对持续性重污染的形成和破坏起到了关键性的作用,因此需要加强对重污染预警预报研究,以有效预防和控制空气重污染.     

乌鲁木齐市重污染期间PM2.5污染特征与来源解析

目前有关我国城市大气重污染期间PM_2.5污染特征及其来源的研究较少,为深入了解典型城市大气重污染期间PM_2.5的污染特征与来源构成,于2013年1月19—30日在乌鲁木齐市采集PM_2.5样品,并依据相关划分标准,确定1月19—28日为重污染天气. 分析了重污染天气下ρ(PM_2.5)及主要化学组成(包括水溶性离子、无机元素和碳组分),运用统计学方法研究了重污染期间PM_2.5的污染特征,并且采用富集因子法和CMB受体模型解析了PM_2.5的来源构成.结果表明:大气重污染期间ρ(PM_2.5)严重超标,其中米东区环境保护局采样点的ρ(PM_2.5)最高,其次是铁路局、市监测站;PM_2.5化学组分以SO₄2-、TC、Si和NO₃-为主,其中二次离子占ρ(PM_2.5)的43.1%;城市扬尘、煤烟尘和二次粒子是环境空气中PM_2.5的主要污染源类,三者在乌鲁木齐市以及米东区的分担率分别为24.7%、15.6%、38.0%和20.8%、28.0%、36.2%,其中二次硫酸盐的分担率在两地更分别达到28.6%和27.0%.      

天山北坡区域大气污染特征及冬季重污染成因分析—以石河子市为例

以天山北坡典型代表城市石河子市为例,基于地面常规污染物浓度监测、气象观测、激光雷达观测及中尺度气象模型(WRF)模拟资料,综合分析了气象条件和边界层结构变化对空气质量的影响。结果表明：以石河子市为代表的天山北坡地区空气质量季节性差异显著,PM_2.5浓度在冬、夏两季相差最高达11.4倍,且冬季（12月—次年2月）大气污染发生率高达81.2%,重度及以上污染天气占59.1%。冬季污染呈连续“污染季”变化特征,在2020—2021年冬季发生的4次重污染过程中,每次重污染过程持续时间为7~27 d,间隔仅1~3 d,各过程均以PM_2.5污染为主导,PM_2.5峰值浓度为373~425 μg/m³,PM_2.5/PM₁₀均值为0.82。进入秋冬季后,地面连续低温、高湿的气象条件对PM_2.5浓度的增长有显著促进作用,以温度<−3 ℃和65%<相对湿度<92%为主要影响条件,在该条件下边界层高度的显著降低和连续强逆温引起的近地扩散条件转差,是冬“污染季”形成的根本原因。在2021年1月16—22日重污染过程期间,地面为持续低温、高湿、微/静风状态,重污染生消仅随边界层和逆温条件改变,其中污染累积时段边界层高度较清洁时段降低近5倍,逆温强度超过1.5 ℃/(100 m),后续由逆温的减退和边界层抬升带来3 d清洁天气。

     

2013—2016年天津城区大气能见度的变化特征与影响因素

采用Belfort公司生产的MODLE6000型前向散射能见度仪连续测量天津城区2013—2016年非降水期间的大气能见度,结合同期的PM_2.5浓度和相关气象资料,分析大气能见度的变化特征及其影响因素。结果表明:天津城区大气能见度平均值为11.23 km,大气能见度年均值逐年提高,这与天津地区PM_2.5浓度逐年下降有关;天津城区大气能见度季节变化明显,春季最高,夏季次之,秋季最低;大气能见度日变化存在显著的早晚高峰特征,PM_2.5浓度和相对湿度(RH)的共同作用是造成大气能见度降低的主要原因;持续72 h以上能见度小于10 km的低能见度天气事件近年来有逐年减少趋势,但持续72 h以上能见度小于5 km的低能见度天气事件仍时有发生;低能见度天气事件主要发生在秋冬季,主要与不利扩散条件等因素有关。     

一次冷锋过程中我国区域空气污染边界层特征

利用常规地面气象和探空资料、ERA-interim再分析资料、以及全国PM_2.5浓度数据,针对2015年3月7~11日一次冷空气南下的锋面天气过程中,我国华北、华东地区出现的大范围空气污染,开展了高空各层天气形势分析,以及本次过程中污染区域由北至南6个城市（北京、章丘、郑州、南阳、武汉、长沙）边界层气象要素的垂直结构及其时空演变特征的研究.结果表明：在污染前期（3月7~8日）中高纬度500hPa平直的纬向环流和地面均压场,为污染天气的发生和维持以及空气污染物的集聚提供了有利的环流场.污染中期（3月8~10日）冷空气南下,地面冷高压向华东地区移动,重污染区域随冷高压前部的弱低压场或均压场由北向南移动.伴随着天气系统移动,六个地面观测站的边界层特征在时空上表现出相似性,由北向南各站在污染期间先后出现多层逆温,风速较小,逆温层下相对湿度较大.此次多层逆温的形成是由于夜间近地面辐射冷却、冷锋移动过程中产生的锋面逆温以及边界层以上的下沉运动造成的.本研究揭示了在天气系统移动中,位于天气系统相同部位站点的边界层结构具有共同的特征,及其与空气污染的关系.     

一次冷锋过程中我国区域空气污染边界层特征

利用常规地面气象和探空资料、ERA-interim再分析资料、以及全国PM_2.5浓度数据,针对2015年3月7~11日一次冷空气南下的锋面天气过程中,我国华北、华东地区出现的大范围空气污染,开展了高空各层天气形势分析,以及本次过程中污染区域由北至南6个城市（北京、章丘、郑州、南阳、武汉、长沙）边界层气象要素的垂直结构及其时空演变特征的研究.结果表明：在污染前期（3月7~8日）中高纬度500hPa平直的纬向环流和地面均压场,为污染天气的发生和维持以及空气污染物的集聚提供了有利的环流场.污染中期（3月8~10日）冷空气南下,地面冷高压向华东地区移动,重污染区域随冷高压前部的弱低压场或均压场由北向南移动.伴随着天气系统移动,六个地面观测站的边界层特征在时空上表现出相似性,由北向南各站在污染期间先后出现多层逆温,风速较小,逆温层下相对湿度较大.此次多层逆温的形成是由于夜间近地面辐射冷却、冷锋移动过程中产生的锋面逆温以及边界层以上的下沉运动造成的.本研究揭示了在天气系统移动中,位于天气系统相同部位站点的边界层结构具有共同的特征,及其与空气污染的关系.     

常州某纺织工业园区周边PM2.5和PM10中重金属源解析及健康风险评估

以江苏省常州市典型纺织工业园区为例,在其周边区域采集PM_2.5和PM₁₀样品,通过微波消解的前处理方法,采用电感耦合等离子体质谱仪（ICP-MS）测定样品中的Sb、Co、V、Pb、Cd、As、Cu、Ni和Cr浓度,分析夏、冬两季样品中重金属浓度特征及季节变化规律,利用正定矩阵因子模型（PMF）和美国国家环境保护局（US EPA）健康风险评估模型评估其来源及健康风险。结果表明：该纺织工业园区周边夏、冬两季PM_2.5的平均浓度分别为64.41和109.29 μg/m³,PM₁₀的平均浓度分别为89.08和146.65 μg/m³,冬季PM_2.5和PM₁₀浓度水平分别是夏季的1.70和1.65倍,均呈冬季大于夏季的特征;纺织工业园区周边大气颗粒物中As出现超标现象,最大超标倍数为GB 3095—2012《环境空气质量标准》参考浓度限值的33.3倍,冬季各金属浓度水平均大于夏季;PMF模型分析表明,纺织工业园区周边区域PM_2.5和PM₁₀中各重金属的主要来源为道路扬尘和工业排放复合源,其在夏、冬季的贡献率分别为59.7%、64.2%;健康风险模型表明,暴露在冬季PM_2.5和PM₁₀中,儿童的总非致癌风险系数分别为1.13和1.20（>1.00）,存在非致癌风险,男性和女性的Cr、As致癌风险指数均超过阈值（10⁻⁶~10⁻⁴）,存在致癌风险,处于不可接受水平。

     

基于多源资料天津一次雾-霾过程的边界层特征

为探究雾-霾过程的边界层特征,选取天津市2019年12月7~10日一次严重的雾-霾典型过程,采用常规自动气象站资料、环境小时浓度资料、以及微波辐射计、风廓线雷达、气溶胶激光雷达等多种观测资料及WRF-Chem源追踪方法对此次污染过程进行综合分析. 结果表明,此次雾-霾过程可明显分为雾生成、雾与霾交替、霾、霾消散等4个阶段;雾-霾天气与大气温度层结密切相关,伴随着逆温生成,相对湿度和液态水含量最大增长速率分别达13.44%/h和0.013g/(m³·h),呈爆发性增长,相对湿度快速增至92%,微波辐射资料可较好预报雾的生成;雾与霾交替出现阶段雾天气改变了边界层结构,雾层内大气呈中性状态,相对有利于污染物在雾区内扩散,PM_2.5高浓度主要出现在边界层400m以下,雾顶持续逆温抑制了污染物向上层大气扩散,造成雾区内污染物浓度加重,地面PM_2.5质量浓度为135~223μg/m³,维持中度-重度污染;雾-霾天气与垂直风场有较好的对应关系,雾与霾交替出现阶段存在低风速和较大风速(西南风带来充沛水汽)两种有利于雾维持的情况,雾顶逆温层以上风速为6~12m/s,雾层内为1~2m/s,雾的存在不利于近地面空气质量的改善;此次雾-霾过程天津本地源排放贡献为36.1%,区域输送贡献为63.9%,整个过程表现出明显的区域输送特征.     

基于VAR模型的天津市PM2.5与其他大气污染物的关系

近年来我国多个地区遭遇严重重污染天气过程,极大影响了人们的身体健康与生活环境。在研究重污染天气的过程中,PM_2.5与其他大气污染物的关联度成了学术界研究重点。基于向量自回归模型,综合运用单位根检验、AR特征根检验、广义脉冲响应函数以及方差分解法分析了天津市2014年1月1日—2016年12月31日包含PM_2.5在内的空气质量相关数据;研究PM_2.5与其影响因素的动态关系,及其他大气污染物对PM_2.5的影响作用。结果表明:PM_2.5与其他大气污染物之间所构成的空气质量系统模型是稳定的,且SO₂、NO₂与CO浓度的增加短期内会引起PM_2.5浓度的增加,治理SO₂与NO₂对PM_2.5的影响较大;O₃浓度的增加对PM_2.5有抑制作用。因此,建议天津市将调整产业结构,加强对SO₂的治理放在首位。     

徐州市供暖期空气污染特征及来源分析

徐州市大气污染物浓度近年来下降明显,但供暖期的大气污染问题依然较为严重,研究供暖期空气污染特征及污染来源对于大气污染预警和防控具有重要作用。采用地面监测、遥感卫星监测、PM_2.5组分分析、潜在源贡献因子法(PSCF)以及浓度权重轨迹分析(CWT)等方法,对徐州市2016—2020年5个供暖期的空气污染特征进行了分析,并对供暖期PM_2.5来源进行了解析。结果表明：徐州市空气质量近年来有较大好转,但供暖期污染物浓度明显高于非供暖期。供暖对PM_2.5浓度影响较大,供暖期PM_2.5浓度较供暖前后升高40%~71%。供暖期Cl⁻、NO₃ ⁻、SO₄ ²⁻和NH₄ ⁺浓度明显高于供暖前后,说明供暖期NH₄ ⁺与NO₃ ⁻、SO₄ ²⁻、Cl⁻有高度相关性。PM_2.5来源中燃煤源、工业源贡献占比供暖期分别较供暖后高出9.9%和13.9%,供暖期间的SOR、NOR明显大于非供暖期,SO₂和NO_x的二次转化效率明显升高。轨迹分析表明,供暖期影响徐州市的潜在源区主要分布在徐州市周边及河北省,PM_2.5浓度大于75 μg/m³的主要贡献区集中在山东省、河南省、安徽省北部和河北省南部。