共查询到20条相似文献,搜索用时 46 毫秒
1.
邯郸市黑碳气溶胶浓度变化及影响因素分析 总被引:2,自引:0,他引:2
根据2013年3月—2017年2月邯郸市河北工程大学站点的黑碳气溶胶、PM2.5、大气污染物的小时浓度数据及常规气象数据,对邯郸市黑碳浓度的时间变化特征及影响因素进行分析.结果表明,4年来邯郸市黑碳浓度呈逐年下降的趋势:与2013年相比,2014—2016年黑碳气溶胶浓度分别下降了5%、16%、24%;邯郸市黑碳气溶胶浓度的季节变化趋势基本一致且季节变化特征明显,冬季黑碳气溶胶浓度最高,秋季次之,春夏两季最低,其中,冬季平均浓度分别是春、夏、秋季的2.07、2.77、1.49倍;其日变化呈单峰单谷状,且4个季节的日变化趋势相同,峰值均出现在6:00—8:00,谷值均出现在14:00—15:00.黑碳与PM2.5的相关系数r为0.860,相关性显著,说明黑碳气溶胶和PM2.5的来源大部分是一致的;风速和风向对黑碳气溶胶浓度也有影响,黑碳气溶胶浓度随风速增加而降低;4个季节高频风向为南-西南方向,且该风向下黑碳气溶胶浓度均较高,冬季南-西南风向下的黑碳浓度最高;应用后向轨迹对研究时段内4段重污染期间的气流轨迹进行模拟发现,邯郸市黑碳气溶胶浓度较高的主要原因是本地源排放和近距离传输,远距离传输贡献较小. 相似文献
2.
3.
南京北郊黑碳气溶胶污染特征及影响因素分析 总被引:2,自引:4,他引:2
利用2015年1~10月黑碳小时平均质量浓度、PM2.5浓度、污染气体及常规气象观测资料,对南京北郊黑碳气溶胶的时间序列演变特征、污染特征及其影响因子进行了分析.结果表明,观测期间南京北郊黑碳浓度均值为(2 524±1 754)ng·m~(-3).黑碳浓度具有明显的季节变化,冬季最高,平均值达到(3 468±2 455)ng·m~(-3),春季平均值最低,为(2 142±1 240)ng·m~(-3);其日变化也具有明显的双峰结构,峰值出现在上午07:00~08:00和夜间21:00~22:00.黑碳气溶胶与NOx的相关性较好,说明黑碳浓度受机动车尾气排放的影响较大;但观测期间ΔBC/ΔCO比值较低,表明生物质燃烧可能是黑碳气溶胶的又一个重要来源.黑碳浓度随风速增加呈下降趋势,所有季节中小于2 000 ng·m~(-3)的低黑碳浓度主要集中在正西风及相邻风向上,秋冬季大于6 000 ng·m~(-3)的高黑碳浓度则多出现在偏东风下.灰霾和重度霾天气下的黑碳浓度平均值呈较高水平,是非霾天气下的2~2.3倍. 相似文献
4.
5.
6.
黑碳(BC)作为最重要的吸收性气溶胶,可影响青藏高原地区的辐射、云和地表积雪等,进而影响全球季风环流及降水.本研究于2017年7月5日至9月5日在青藏高原东缘理塘县使用黑碳仪AE-33测量了BC浓度数据,结合黑碳仪模型、PSCF和CWT潜在来源模型,分析了BC的污染特征、潜在来源及其影响区域.结果表明,理塘ρ(BC)为0.4~4 699.8 ng·m-3,平均值为816.4ng·m-3,占PM2.5的质量分数为5.96%.理塘ρ(BC液态燃料)和ρ(BC固态燃料)的平均值分别为486.1ng·m-3和398.5ng·m-3,BC液态燃料的贡献率C为0.51.ρ(BC)主要分布在0~2 000 ng·m-3,可占总观测期间的92.5%. BC、BC液态燃料和BC固态燃料的日变化为双峰型分布,峰值分别出现在08:00和20:00,早高峰主要与交通源和含... 相似文献
7.
黑碳气溶胶是大气气溶胶的重要组分,其对从可见光到红外波段范围内的太阳辐射都具有强烈的吸收作用,对区域气候有较大影响。利用区域气候模式RegCM3,加入自主编制的黑碳排放清单,以2013年为基准年,模拟研究了2030年基准排放情景(BB)、政策排放情景(EE)、政策能源排放情景(EB)和政策控制排放情景(BE)下排放的黑碳气溶胶对大气层顶太阳辐射量的影响,分析不同情景下黑碳气溶胶排放引起的气候效应。结果表明:4种情景黑碳排放量排序为BB>EB>BE>EE;BB下2030年全国的气温及降水量分布与2013年基本一致,变化不明显;EB和BE二者排放量基本一致,但是减排侧重点不同,引起的气候效应稍有差异,但差别不大;而EE下减排力度达到最大,排放量减至98万t,其引起的气温和降水量的变化相比于其他3种情景较为明显,在黑碳减排的同时,升温效应减少,降温效应突出。对比BE和EB下的排放量发现,工业部门在BE下的减排量较大,民用部门在EB下的减排量较大,表明排放控制措施在工业部门可以发挥较大的作用,民用部门的减排中能源结构调整措施较为重要。 相似文献
8.
利用7波段黑碳仪(AE-33)于2017年12月1日至2018年11月30日在成都测量黑碳(BC)质量浓度,获得了成都地区BC浓度变化特征,并基于黑碳仪模型和后向轨迹模型对BC排放来源和潜在源区进行了分析.结果表明,成都地区BC浓度冬季最大(8.18μg·m-3),其次为春季(5.11μg·m-3)和秋季(3.91μg·m-3),夏季最小(3.28μg·m-3),年平均浓度(标准差)为5.26(4.67)μg·m-3.各季节BC浓度日变化受边界层和交通排放高峰的影响呈现出早晚双峰结构.黑碳来源解析结果表明,液体燃料(如交通排放)对BC质量浓度的贡献在各季节均占主要地位,其中夏季最高,冬季最低.受交通早晚高峰的影响,液体燃料对BC的贡献在各季节均呈现早晚峰值,夜间固体燃料排放贡献有所增加.潜在源贡献分析(PSCF)和浓度轨迹权重分析(CWT)的结果表明,成都各季节BC的潜在源区受到气团来源的影响稍有差异,但主要以成都周边及以东至重庆局地区域(川渝城市群)的影响为主,该区域对成都B... 相似文献
9.
不同季节气象条件对北京城区高黑碳浓度变化的影响 总被引:2,自引:0,他引:2
利用2013年至2015年北京城区黑碳气溶胶(下文统称为"BC")和PM2.5观测资料,结合地面气象观测资料、ECMWF边界层高度再分析资料和FNL/NCEP不同高度风速再分析资料,讨论了BC质量浓度及其在PM_(2.5)质量浓度中所占比例(下文统称"黑碳占比")的季节、月、日变化特征,并通过计算北京城区BC浓度与不同高度风速的相关矢量,分析了气象条件和外来输送对北京城区BC浓度变化的影响.结果发现:研究时段内北京城区BC浓度平均值为(4.77±4.49)μg·m~(-3);黑碳占比为8.23%±5.47%.BC浓度和黑碳占比在春、夏季低,秋、冬季高,其日变化特征在4个季节均为"白天低夜间高"的单峰型特征.随着PM_(2.5)浓度的升高,BC浓度增大,黑碳占比减小.当北京地区风向为东北、东北偏东、东南和西南偏西(主风向)时,BC浓度与风速和边界层高度均呈反向变化,即随风速和边界层高度的增大而减小.另外不同季节BC浓度随风速变化的临界值及其变化速率不同.冬季高BC浓度时段,北京城区BC浓度在低层大气的关键影响区分别位于河北南部与山东交界地区以及河北西北部与山西内蒙交界地区;高空关键影响区主要位于北京以西的河北西部、山西北部和内蒙古地区. 相似文献
10.
利用兰州大学半干旱气候与环境观测站(SACOL)2010年9月至2011年8月的黑碳气溶胶观测资料,分析了兰州市区和郊区黑碳气溶胶的浓度变化特征.结果表明:市区的年平均黑碳浓度要远大于郊区.日变化都呈明显的双峰结构,最大值出现在08:00~10:00,最小值出现在16:00左右;对于月最大频数浓度的年变化,市区和郊区均是5月黑碳浓度最小,其值分别为1143和932ng/m3,1月黑碳浓度最大,分别为10230和5063ng/m3;市区的周变化较郊区明显;沙尘条件下黑碳气溶胶浓度值低于当月的日均值. 相似文献
11.
于2013年夏季,对西安城区10个大气监测点进行了地面大气中O3及其前体物(NOx、CO)连续在线观测,观测结果分析表明:夏季O3小时浓度平均值范围为39.03~93.06μg/m3,且其浓度呈现由东北至西南方向逐渐升高的空间分布特征。O3小时浓度分布呈明显的单峰形式,15:00左右达到峰值;NOx、CO浓度呈较明显的双峰分布,CO较NOx的浓度波动较为平缓。O3日均浓度与温度、太阳辐射呈正相关,而与相对湿度呈负相关关系,且受温度、太阳辐射的影响更加显著。 相似文献
12.
13.
针对建设项目环境影响评价领域中无组织面源源强核算的难点,提出了一个基于CALPUFF模型浓度反推无组织面源源强的方法。以多个无组织面源构成的园区为案例,选取园区排放的典型污染物SO2,核算并验证基于该方法得到的无组织面源源强。研究结果表明:该案例园区污染物排放对周围环境影响较大,符合区域污染物超标的实际情况。对于动态变化的无组织面源,采用CALPUFF模型利用浓度反推法,核算出的分级源强可定量描述无组织面源源强的变化范围;得到的平均源强更具普适性和代表性,它可量化多个无组织不定常面源对周边环境污染影响的一般情形。因此,基于CALPUFF浓度反推核算无组织面源源强是可行并且合理的。 相似文献
14.
15.
N2 O在对流层中是长寿命的痕量温室气体 ;在平流层 ,它是破坏O3层主要痕量气体之一NO的生成源。本文主要综述了N2 O的大气浓度演变、大气寿命、对温室效应的贡献、大气化学等 ,着重探讨了可能存在的N2 O大气生成和消耗过程 相似文献
16.
生态环境规划与建设是干旱区城市实现区域与城市可持续发展的重要保证,本文以位于腾格里沙漠东部边缘的巴彦浩特为例进行干旱区城市生态环境规划研究。在对巴彦浩特生态环境现状分析的基础上,提出了生态环境保护的目标及原则。运用生态学原理,分析了巴彦浩特城市生态环境规划的主要内容及范围,并提出了实施巴彦浩特生态环境规划的措施及要求。 相似文献
17.
18.
19.
20.
根据西安市雁塔区小寨环境空气监测点2011年7月31日起400 d的SO224小时平均浓度监测数据时间序列建立BP人工神经网络(ANN)预测模型,并用接下来100 d的数据对模型的仿真性能进行检验,从而验证了BP人工神经网络模型预测环境空气SO224小时平均浓度的可行性与准确度。经反复调试,最终选用2-3-1的网络结构并以trainbr作为训练算法,经34次迭代网络收敛,耗时7 s,预测结果相对于实际监测数据的平均绝对百分比误差为0.082,模型显示出良好的预测性能。预测结果表明,结构设定合理、训练算法选用适宜的BP人工神经网络模型能较好地反映SO2浓度的动态变化规律,具有可行性。 相似文献