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。     

京津冀区域重污染天气过程数值预报评估新方法

利用区域空气质量监测数据、空气质量模式数值预报产品及天气图资料,建立了一种适用于区域重污染天气过程预报的评估方法,将其用于评估NAQPMS模式系统对2013年和2014年京津冀地区静稳型、沙尘型和特殊型3类重污染天气过程的预报能力,并探讨了重污染天气过程早报、晚报及漏报的可能气象条件原因,以提高预报准确率.结果表明:数值模式系统提前3 d预报重污染天气过程的预报准确率可达57%,秋冬季预报效果好于其他季节,静稳型预报效果好于沙尘型和特殊型.对模式AQI预报结果统计发现,当预报AQI值达到150以上时,实际发生重污染天气过程的概率较大,如定义AQI等于150作为重污染天气预警临界值,模式预报准确率可提高至70%以上.天气系统对污染过程预报有重要影响,WRF气象模式对中低层天气系统位置及强度预报偏差是导致静稳型污染过程早报和晚报的一个重要原因.     

基于天气背景天津地区重污染天气特征分析

以天津地区长序列观测PM_(2.5)质量浓度资料为依托,基于天气背景对2014—2016年天津地区重污染天气特征进行分析,并以此为基础评估天津环境气象数值模式(WRF/Chem)在不同天气条件下的模拟效果.结果显示:2009—2016年天津地区重污染天气为341 d,约占全部天数的11.7%,重污染天气主要出现在每年的10月—次年3月,约占全年的82%,重污染天气出现的地面形势主要为锋前低压区、低压槽前、均压场和高压后,4类天气类型占所有重污染天气的73%.同一天气背景下,PM_(2.5)质量浓度模拟值与实况值之间的误差有相似之处,低压槽天气时细颗粒污染浓度模拟明显偏低;冷锋前低压区、华北地形槽和低压过程模拟值略有偏低;高压前和高压底天气模拟值略微偏高;数值模式天津地区重污染TS(Threat score)评分为0.68,漏报与低压槽辐合线模拟位置偏差、冷空气受污染反馈作用影响、小尺度闭合低压区未准确模拟3个因素密切相关;空报主要与冷空气过程影响时间模拟偏差、高压中心位置偏差及其输送通道建立时间影响密切相关.     

2014年2月下旬京津冀持续重污染过程的静稳天气及传输条件分析

利用常规气象观测资料、空气质量监测资料、再分析资料和数值模式资料,分析了2014年2月20-26日京津冀地区持续重污染天气过程的环流背景、气象要素特征、静稳天气条件和传输条件.结果表明：2月20-26日,亚洲东部受弱高压脊控制,京津冀及周边地区位于地面高压后部,等压线较为稀疏,气压梯度小,造成地面风速较小;与此同时,混合层高度低,通风系数小和逆温存在,构成重污染天气出现和维持的气象条件,均不利于大气中污染物和水汽的垂直和水平扩散.静稳天气指数对于重污染天气有一定的指示意义,高静稳天气指数通常对应高PM_2.5浓度,且二者变化趋势一致性高;2月20-26日静稳天气指数总体上大于2014年1-3月其他几次污染过程,且在高位长时间维持,造成此次污染过程更严重.此外,传输条件也是京津冀重污染天气的主要成因：地面高压西侧的偏南或偏东气流有助于污染物和水汽向京津冀地区输送和聚集,使能见度进一步降低、污染物浓度进一步升高.     

2015年冬季京津冀两次重污染天气过程气象成因

为了分析京津冀地区2015年11月27日~12月1日和12月19日~25日这2次重污染过程,从环流形势、大气稳定度条件、动力条件、水汽条件、近地层风场输送等几个方面对重污染天气的形成机制展开分析,结果表明：这2次重污染天气过程均属于静稳型,津京冀各地重度以上污染时长均超过50%.在大范围静稳形势存在时,过程一期间边界层内的垂直扩散条件较过程二偏弱,过程一期间地面辐合线位置偏北且维持不动,过程二期间辐合线位置偏南且略微南北摆动,导致了2次过程重污染区域和污染增长速率的不同.对北京而言,过程一前期降雪融化提供了有利水汽条件,弱偏南风有利于污染物和水汽的输送,混合层高度持续异常偏低（京津冀平均混合层高度339m）、过程期间伴随弱下沉运动（0~2Pa/s）、多层逆温（且厚度大）造成日变化不明显,地面辐合线在北京中部维持等多重因素,使得污染浓度极高,北京地区PM_2.5峰值浓度达593mg/m³.过程二前期采取了减排措施,能见度和PM_2.5日变化大、污染发展较过程一前期平缓;后期不利气象条件叠加污染排放,导致了PM_2.5爆发式增长,其中邢台PM_2.5峰值浓度达70mg/m³,增长率超过7.2mg/（m³·h）.     

基于PCT方法的京津冀冬季PM2.5重污染天气型分析

T模态斜交主成分分析法（PCT）分析的天气过程时间尺度越长,该算法的优势越明显,天气分型结果也更完整,可信度越高.利用京津冀地区2014年冬季-2019年冬季（每年12月-翌年2月）的环境监测资料,以区域平均PM_2.5日均值大于150 μg·m^-3为标准,筛选出72个京津冀地区PM_2.5重污染日,采用ERA5提供的0.25°×0.25°气象再分析资料,应用PCT算法将72个PM_2.5重污染日海平面气压场客观地分为高压前部型、锋前低压型、高压后部型、均压场型和弱低压型5种类型,分别占总PM_2.5重污染天数的34.72%、20.83%、16.67%、16.67%和11.11%.另外,对2017年2月12-16日京津冀地区PM_2.5重污染过程的分析表明,重污染天气过程中随着逐日天气型的演变,污染物浓度特征、近地面风场和大气污染物污染传输路径均发生相应变化.     

京津冀重污染大气污染物输送路径分析

基于HYSPLIT模型,模拟2014年2月19日至2月27日京津冀空气重污染气团24 h后向轨迹。结果表明,京津冀区域重污染期间1000 m高空存在西南输送通道,京津冀三地24 h气团源地分别为河北南部、山东聊城或河北邯郸、山西东南或河南北部。重污染期间,近地层100 m处风速气流表现为西南-南风,风速3 m/s时,空气质量会达到五级重度污染及以上水平;近地层100m处气流也可能是较强的东南风,能缓解区域空气染污程度。重污染清除过程中高空表现为下沉气流,且100 m处风速10 m/s。京津冀地区空气质量指数(AQI)与近地层100 m高空风速有显著相关性,相关系数为0.804,可根据低空风速预测空气重污染。     

京津冀地区雾霾污染生态补偿标准研究

以京津冀地区雾霾污染作为研究对象,采用京津冀地区2006—2015年雾霾污染的空间面板数据,引入大气污染物减排成本模型,比较了京津冀各地区雾霾污染治理成本高低;继而基于机会成本法,核算了京津冀地区雾霾污染生态补偿标准.结果表明:河北省雾霾治理成本显著低于北京市和天津市,由河北省承担更多的雾霾污染治理任务,能使京津冀地区雾霾污染治理成本达到最小化;在京津冀地区联合治理雾霾污染过程中,河北省因限制工业增长对其经济发展带来负面影响,因此,北京市和天津市应给予河北省相应的生态补偿.最后依据研究结论提出完善区域联防联控机制的政策建议,如成立跨区域联合治理机构,健全雾霾污染生态补偿立法,设立雾霾污染生态补偿专项基金等,以此来促进京津冀地区雾霾污染生态补偿方案顺利实施.     

雾霾天气PM_(2.5)中元素特征分析

随着近年来城市污染的严重,雾霾天气在城市中越来越常见。雾霾带给我们的不仅仅是大气的可见度大幅度降低,而且也会对我们的呼吸道健康造成很严重的损伤。实际上雾霾天气的起因除了空气污染还有部分气象因素,雾霾天气发生时,大气中的颗粒物特别是细颗粒物的浓度大幅度增加,这就是我们见不到太阳的原因。本文从PM2.5的雾霾天气中的元素特征入手,简单分析一下可能造成城区的雾霾天气的原因,为未来能够有效解决城市雾霾问题铺路。     

攀枝花煤矿区周围农田重金属污染特征及风险分析

本研究以四川省攀枝花市几大煤矿区周围农田为研究对象,采集表层煤矿区附近的24个农田土壤表层样,利用三酸消解法提取并测定土壤样品中Ni、Cu、Zn、As、Cd、Pb六种重金属元素的总量,同时利用0.1 mol/L氯化钙和0.5 mol/L磷酸二氢钾浸提并测定Ni、Cu、Zn、Cd、Pb、As有效态含量。采用内梅罗综合污染指数法、地累积指数法和生态风险指数法分析研究区农田重金属污染状况及其环境风险。结果表明所有煤矿区周边农田土壤中Ni、Cu、Zn、As、Cd、Pb的平均含量高于四川省土壤背景值,其中部分点位As、Cd和Zn超过国家农田土壤重金属风险管控标准,点位超标率分别为8.3%、41.7%和25%;Cd和Pb具有较高生物有效性,生物有效性系数分别为35.29%和20.10%;相关性分析结果表明Cd、Zn、As和Pb两两间存在互为显著相关,农田中这四种元素主要来源于煤矿开采和加工。三种评价结果均表明煤矿区附近农田中Cd处于显著污染水平,是农田土壤污染风险的主要贡献因子;花山矿区周围的农田是四大矿区中重金属污染最为严重的,需引起相关部门重视或采取一定的土壤污染风险管控措施。     

铅锌矿区土壤重金属污染特征及污染风险评价

为研究铅锌矿区土壤重金属的环境污染特征并评价其风险,以湖南某铅锌矿区土壤为研究对象,利用X射线衍射谱(X-ray diffraction,XRD)分析土壤矿物组成,在微波消解土壤样品后采用电感耦合等离子体质谱法（ICP-MS）检测重金属浓度,利用欧洲共同体修正（BCR）法分析土壤中重金属赋存形态;最后开展了土壤重金属污染潜在环境风险评价。结果表明：矿区土壤成分主要包括石英、长石、高岭石、蒙脱石等;土壤重金属污染水平由大到小为Zn＞Pb＞Ni＞Cd＞Cu＞Cr＞As;土壤重金属中以残渣态存在所占比例最高的元素是Ni,酸可提取态比例最高的是Zn;土壤重金属的污染指数及潜在生态风险指数整体偏高,单因子污染指数最高的元素是Cd,内梅罗综合污染指数为1 472.98;环境风险系数最高的重金属元素为Cd,环境风险综合指数（RI）高达25 380.63,超过高生态风险阈值211.51倍。     

吉林省有效应对重污染天气的实策分析

本文介绍了吉林省如何突出把握建立完善的应急预案体系、构建高效的预警监测体系、严格落实管控措施、实施"冬病夏治"、推动全民参与五个关键环节,以科学有效地应对重污染天气,有效回应群众对环境质量改善的诉求,最大程度保障群众身体健康,以为其他地方应对重污染天气提供参考。     

北京地区一次重污染过程的大尺度天气型分析

对北京2000年11月的一次PM₁₀重污染过程进行分析,以期进行造成PM₁₀质量浓度增量的天气型诊断.结果表明:最不利于污染扩散的气象形势对应着PM₁₀质量浓度增量最大,而不一定是PM₁₀质量浓度达到最高的环境背景场;PM₁₀质量浓度的峰值是逐步累积而成的.提出定义PM₁₀质量浓度从谷值逐日累积到峰值而后重新下降到谷值的状态为一次环境污染过程.根据环境过程与天气型的诊断分析结果认为,PM₁₀质量浓度变化与天气形势演变有较好的对应关系.PM₁₀质量浓度在上升、达到峰值和下降阶段对应的天气形势分别为持续数日的大陆高压均压场、相继出现的低压均压区及锋后的高气压梯度场,其中持续存在的大陆高压均压场是造成重污染浓度累积的主要背景场.      

沈阳地区一次颗粒物重污染天气过程的气象成因分析

为探究沈阳地区重污染天气成因,文章利用地面、高空气象观测资料、风廓线雷达资料、NECP再分析资料以及大气污染物监测资料,对2019年3月1～6日沈阳地区出现的一次持续性重污染天气过程,探讨了大气污染物质量浓度、地面气象要素变化特征、大气环流配置与外来输送等特征.结果表明,均压场、地面风场弱及辐合、高温高湿是本次重污染天...     

安宁草铺地区环境污染特征分析研究

将安宁草铺辖区磷化工企业污染物对周边大气环境、土壤环境、植物、农作物以及食物链的污染影响进行深入的分析研究,揭示其污染特征、水平、规律,为以磷化工为主的区域污染防治提供参考。     

贵州省典型铅锌矿区土壤重金属污染特征及来源解析

以贵州省丹寨县兴仁镇某典型铅锌矿区为研究对象,测试了土壤中Pb、Zn、Mn、Cu、Cd、Hg、As的含量,分析其空间分布特征,应用内梅罗综合污染指数法(P_N)和地累积指数法(I_geo)开展生态风险评价,并用主成分分析法(PCA)和正定矩阵因子分解法(PMF)对土壤重金属来源进行解析。结果表明,研究区土壤中Pb、Zn、Mn、Cu、Cd、Hg和As的平均含量分别是贵州省土壤重金属元素背景值的0.69、1.51、0.89、0.99、0.21、15.36、0.36倍,其中,Cu平均含量与背景值接近,Zn、Hg平均含量均超过背景值,存在不同程度的富集。Pb、Zn、Mn和Cd在尾矿堆积区含量较高,Cu、Hg和As含量较高的区域分别为尾矿堆积区下游村寨、尾矿堆积区农田和尾矿河流区下游河流分支口。Pb、Zn、Cd、Hg和As为强变异(CV>0.30),空间异质性强,可能受人为来源控制。内梅罗综合污染指数法和地累积指数法评价发现,研究区土壤Hg处于较高生态风险等级,是生态风险的主要贡献因子。相关性分析表明,铅锌矿区土壤存在一定程度的Pb、Zn、Cd复合污...     

京津冀PM2.5时空分布特征及其污染风险因素

为分析京津冀及其周边区域2013年典型污染事件中PM_2.5的时空分布特征及污染风险因素,根据国家城市环境空气质量实时发布数据和京津冀地区地理国情信息监测成果,采用空间数据挖掘方法对PM_2.5污染的热点区域进行了划分;并采用地理探测器定量分析了PM_2.5污染风险因子及其影响程度. 结果表明:在选取的京津冀6个城市中,在PM_2.5污染事件统计上存在保定—廊坊—北京—天津—承德—张家口的污染顺序. PM_2.5污染在空间上呈河南省(山东省)—河北省—北京市(天津市)一线的带状分布特征,在单次污染事件中,城市间的PM_2.5污染存在空间运移关系. 空间热点探测表明,京津冀及其周边区域主要分为5个热点聚集区,其中3个高值区分布在北京市、天津市、河北省和山东省的中部,面积分别为5.31×104、10.26×104、5.04×104 km2. 在8个污染风险因子中,污染企业总数(影响力为0.97,下同)、降水量(0.93)、地形坡度(0.89)对PM_2.5污染的影响显著高于其他风险因子;其他风险因子影响力排序依次为人口数量(0.60)、降水量大于0.1 mm的降水日数(0.57)、地表覆盖类型(0.52)、年均相对湿度(0.51)、年均风速(0.33),但风险因子间相比没有显著性差异. 研究显示,京津冀地区PM_2.5污染的主要因素是污染物排放,其次,气象要素中的年降水量和自然地理环境中的地形坡度也是影响PM_2.5污染特征的重要风险因子.      

天津冬季雾霾天气下颗粒物质量浓度分布与光学特性

年1—2月连续在线观测天津ρ(PM_2.5)、ρ(PM₁₀)、大气能见度、σ_sp(气溶胶散射系数)、σ_ap(气溶胶吸收系数)和AOD(大气光学厚度),结合气象资料,分析天津城区雾霾天气下的颗粒物质量浓度分布与光学特性. 结果表明:在为期52d的观测期间,发生雾日8d、轻雾日1d、霾日29d,雾霾日占观测时长的73%;霾日ρ(PM_2.5)/ρ(PM₁₀)为0.65,SSA(单次散射反照率)为0.95,MSE(气溶胶质量散射系数)为3.30m2/g,均高于非雾霾日,表明雾霾日下细粒子的散射作用是大气消光的主要贡献者;雾霾日的σ_sp和σ_ap均高于非雾霾日,随着霾等级增强,σ_sp和σ_ap逐渐增大,重度霾天气的σ_sp和σ_ap与中度霾天气相当,分析高RH可能是造成能见度进一步降低的主要因素;雾霾天气下AOD_500nm和波长指数均显著高于非雾霾天气,表明雾霾天气下气溶胶浓度远高于非雾霾天气,并且细粒子占主导地位.