首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 46 毫秒
1.
为研究毕节市中心城区大气环境污染现状,利用2019—2021年毕节市中心城区3个国控监测站点的6项基本污染物以及AQI监测数据,采用趋势分析法,对毕节市中心城区各污染物浓度的时空分布特征进行了分析。结果表明:(1) 2019—2021年毕节市中心城区PM2.5、PM10、SO2、CO、NO2年平均浓度整体呈下降趋势,O3年平均浓度呈上升趋势。(2) PM2.5、PM10、SO2、CO、NO2浓度月变化大致呈“U”型分布,O3浓度月变化呈倒“U”型。(3) PM2.5、PM10、SO2、CO、NO2浓度季节变化规律为冬季最高、春秋季次之、夏季最低;O3浓度季节变化特征为春>夏>秋>冬。(4) PM2.5、PM10<...  相似文献   

2.
评估国家重点生态功能区及毗邻区空气质量时空异质性,对差异性开展空气污染防治具有重要意义。该研究基于2015-2019年东北地区13个生态功能区城市和23个毗邻非生态功能区城市的AQI及6种空气污染物(PM2.5、PM10、SO2、NO2、CO、O3)浓度数据,采用空间自相关、随机森林模型等方法分析空气污染物时空差异及其驱动因素。结果表明:(1)从时间尺度来看,与2015年相比,2019年除O3在5年中波动上升且年均浓度值相对较高外,其他的污染物浓度值均呈下降趋势,生态功能区空气质量整体优于非生态功能区。其中SO2浓度下降幅度(50%)大于NO2和CO(20%),PM2.5大于PM10。PM2.5、PM10、NO2、SO2、CO季节变化特征最高值均出现在冬季,O3...  相似文献   

3.
为探究大气环境中污染物与气象要素交互作用对PM2.5浓度变化的影响特征,利用成都市2014~2020年逐日大气污染物资料以及同期的气象资料,采用广义相加模型(GAMs)分析不同影响因素对当地PM2.5浓度变化的影响效应.结果表明,单影响因素GAMs模型中,无论全年还是冬季,PM2.5浓度与平均气温(T)、相对湿度(RH)、平均风速(Wind)、降水量(Prec)、O3、NO2、SO2和CO间均呈非线性关系,其中CO、NO2、SO2T和Wind对PM2.5浓度影响较大,与全年不同的是,冬季T和O3对PM2.5浓度变化的影响效应较全年明显减弱.多影响因素的GAMs模型中,T、Wind、RH、CO、NO2、SO2和O3这7个解释变量对PM2.5浓度变化的影响均较显著,构建的全年多影响因素GAMs模型调整后的R2=0.759,方差解释率为76.42%,冬季R2=0.708,方差解释率为72.2%,无论是全年还是冬季,CO都是PM2.5浓度变化的主导影响因素.GAMs交互效应模型发现,全年弱低温(7℃左右)+高相对湿度+高浓度CO+高浓度NO2+高浓度SO2协同作用条件下有利于PM2.5浓度的生成;冬季低Wind+高RH+高浓度CO+高浓度NO2+高浓度SO2共存条件下有利于PM2.5的生成,即该条件对PM2.5浓度的生成有协同放大效应.运用GAMs模型能够对PM2.5污染的主导影响因素进行识别,并定量化分析影响因素单效应及其交互作用对PM2.5浓度变化的影响特征,对PM2.5浓度污染防控研究具有重要指示意义.  相似文献   

4.
文章系统分析攀枝花市大气污染物时间、空间、季节变化趋势,揭示大气污染物特征及气象因子关系。基于2014-2020年攀枝花市环境空气质量监测数据,采用统计学的方法分析了2014-2020年攀枝花市6种污染物(PM2.5、PM10、NO2、CO、SO2、O3-8 h)的时空变化特征;通过典型相关分析方法,研究了气象因子(气温、湿度、风速、降雨量、气压)对大气污染物浓度的影响。结果表明:从时间来看,攀枝花市PM2.5、PM10、CO、SO2近年来呈下降趋势,NO2浓度呈上升趋势,但均不显著;O3-8 h浓度呈显著上升趋势。从季节来看,PM2.5和PM10浓度表现为冬季>春季>秋季>夏季,SO2浓度四季变化不显著,NO2浓度和CO浓度大小变化顺序为冬季>秋季>春...  相似文献   

5.
为进一步了解武汉市大气污染时空分布特征,对2017—2020年武汉市主要大气污染物(PM2.5、PM10、SO2、CO、NO2和O3)进行了空间插值分析、时间变化分析以及与气象要素的相关性分析。结果表明:武汉市近4年环境空气质量达标率为72.98%。PM2.5、PM10、SO2、CO和NO2具有“冬高夏低”的“V”形特征,O3呈“夏高冬低”的变化趋势。武汉市年均质量浓度超标的大气污染物主要有PM2.5和PM10,但其年均质量浓度均呈下降趋势,而O3是年均质量浓度唯一处于上升状态的大气污染物,今后应重点关注颗粒物与臭氧污染。PM2.5、PM10、SO2、CO和NO2主要集中在武昌区、蔡甸区、青山区、江汉区、江岸区,而O<...  相似文献   

6.
基于中国168个大气污染防治重点城市2015~2020年的5种污染物浓度监测数据,利用MAKESENS模型和综合风险指数(ARI),定量分析全国与6大城市群的大气污染总健康风险的时空分布特征.结果表明:(1)中国重点城市PM2.5污染最严重,仅15%的城市PM2.5浓度6 a均值达到了国家二级标准,NO2次之,77%的城市NO2浓度6 a均值达到了国家二级标准,京津冀和汾渭平原城市群空气污染最严重,PM2.5、 SO2、 CO和NO2浓度6 a均值高于其他城市群;(2)中国重点城市PM2.5、 SO2、 CO和NO2浓度呈下降趋势,除成渝城市群外,其余地区O3浓度呈上升趋势;京津冀和汾渭平原城市群SO2浓度下降最显著;(3)中国重点城市大气污染健康风险总体呈下降趋势,2017~2018年出现急剧下降,暴露在极高风险下的人口从1...  相似文献   

7.
为研究2020年初新冠疫情严控措施对南京市空气质量的影响,选取1月25日~2月10日(疫情严控期)南京及周边省会城市空气质量监测数据,与5a同期数据进行对比,分析时空分布特征.结果表明,疫情停工期间,降水量同比下降,大气扩散条件为近5a较差水平,但除O3浓度不降反升外,其他主要污染物PM2.5、PM10、SO2、NO2和CO浓度均达近5a最低值,分别为36,44,5,22μg/m3和1.1mg/m3.通过推算疫情停工期间本地减排措施的“净环境效益”,严控使得PM2.5、PM10、SO2、NO2和CO分别下降了41.7%、45.3%、14.3%、43.5%、18.2%,O3浓度上升了4.8%.从空间上分析,南京市SO2浓度及其同比降幅在长三角省会城市内排名第1,其他污染物改善情况处于中等水平.从日变化可知,PM2.5和PM10日变化由双峰型变为单峰型,夜间未出现次峰值.O3夜间浓度明显升高,原因是交通源的大幅削减使NO对O3的滴定反应降低,而白天O3浓度峰值取决于VOCs和NOx的减排比例.  相似文献   

8.
该文基于2017-2021年泉州市6项主要污染物(PM10、PM2.5、NO2、SO2、CO和O3)监测数据及空气质量指数(AQI)数据,分析讨论了泉州大气污染的年际和季节变化特征以及常态化新冠疫情管控对泉州环境空气质量的影响,以期为泉州大气污染的进一步治理提供科学参考。结果表明,泉州2017-2021年PM10、PM2.5、NO2、SO2和CO的年均浓度整体上均呈现下降趋势,年均下降率最大的是SO2(15.8%),其次是NO2和CO(9.3%和8.1%),O3污染相对突出但浓度变化范围显著减小,泉州的整体大气污染波动趋于平稳。泉州的PM10、NO2、SO2、CO和O3污染浓度最高的季节均为春季,春季为泉州的主要污染季节。新冠疫情管控期间,...  相似文献   

9.
本文分析了2014~2015年兰州市春季沙尘天气期间颗粒污染物PM10、PM2.5及气态污染物SO2、NO2、CO和O3质量浓度的演变规律.结果表明,沙尘天气造成PM10和PM2.5浓度上升,而SO2、NO2和CO浓度表现为降低(置换型)或升高(叠加型),O3浓度受沙尘天气影响不明显.置换型的PM10和PM2.5平均质量浓度分别为1086.9和286μg/m3,SO2、NO2和CO平均质量浓度分别为16.7、41.0和1.02×103μg/m3.叠加型的PM10和PM2.5平均质量浓度分别为383.2和116.2μg/m3,SO2、NO2和CO平均质量浓度分别为24.5、49.1和1.19×103μg/m3.置换型的PM10和PM2.5平均质量浓度分别为叠加型的2.8和2.4倍,叠加型的SO2、NO2和CO平均质量浓度分别为置换型的1.47、1.2和1.17倍.置换型对应的气象条件为近地面东北方向大风、显著降温和高压,即强冷空气活动时,PM10和PM2.5浓度上升,而SO2、NO2和CO浓度显著减小,沙尘源地主要为塔克拉玛干沙漠和青藏高原北部地区,影响气流多为1500~6000m高空西北气流.叠加型则为近地面东北风向弱风,气温和气压无明显波动,即弱冷空气活动时,初期PM10和PM2.5浓度上升,同时SO2、NO2和CO浓度略下降,而后PM10和PM2.5维持高值时SO2、NO2和CO浓度亦上升,沙尘源地主要为巴丹吉林沙漠,影响气流多为1500m以下低空西北气流.  相似文献   

10.
西安市是我国承东启西、连接南北的战略性枢纽城市,但其长期受到重空气污染的影响.基于2018年11月24日-12月3日西安市及其周边7个地级市共38个环境质量监测站点的逐时数据,利用空间插值、趋势分析和相关性分析方法,研究了西安市一次重空气污染期间六大污染物(PM2.5、PM10、CO、NO2、SO2和O3)的质量浓度时空变化及彼此间的相关关系.结果表明:①IDW(inverse distance weighting,反距加权插值法)和OKri(ordinary Kriging,普通克里格插值法)均能较好地获得西安市空气污染物的时空变化情况,但IDW的插值精度优于OKri,距离指数为7的IDW可以满足西安市空气污染物时空变化模拟的要求.②研究期间,西安市首要污染物为PM2.5和PM10,二者分别是中度-重度污染及严重-"爆表"污染天气的首要贡献因子.③ρ(PM2.5)、ρ(PM10)、ρ(CO)、ρ(NO2)和ρ(SO2)均呈中部高、两边低,北部高、南部低的空间分布特点,而ρ(O3)则相反;PM2.5、PM10、O3污染程度日趋严重,NO2污染程度逐渐缓解.④ρ(PM2.5)、ρ(NO2)、ρ(CO)之间呈中等正相关,三者在时空变化上具有较高的一致性;ρ(SO2)与ρ(PM2.5)、ρ(NO2)、ρ(CO)均呈弱正相关;ρ(O3)与ρ(NO2)、ρ(CO)均呈弱负相关.受扬尘天气和特殊风向及地形共同影响,西安市PM10出现"爆表"现象,导致ρ(PM10)与其他污染物质量浓度之间的相关性不明显.研究显示,距离指数为7的IDW适合西安市空气污染情况时空变化的模拟,重污染天气条件下,西安市ρ(PM2.5)、ρ(NO2)、ρ(CO)之间具有较高的同源性,但各污染物间时空变化和相关性关系较复杂.   相似文献   

11.
采用统计学方法、Pearson相关系数法和线性回归法研究分析了2018年吉林市大气污染物SO2、NO2、PM10、PM2.5、CO和O3浓度的变化特征、污染物浓度之间的相关性以及污染物与气象因素的相关性。结果表明:1)吉林市大气环境中O3、PM10和PM2.5日均值超标率分别为1.06%、3.27%和7.14%,颗粒物、O3及其前体物质为治理重点;CO、SO2、NO2、PM10和PM2.5春、冬季污染较重,夏季污染最轻;大气环境中的污染物浓度随季节、时刻及人类活动发生周期性变化;2)PM10和PM2.5、PM2.5和CO、NO2和CO浓度之间高度相关(相关系数r均>0.8),并建立了其预测线性模型;3)污染物(O3除外)浓度与温度、风速和混合层高度呈负相关,与气压呈正相关;降水对SO2、PM10和PM2.5浓度具有一定的削减作用,降水后其浓度减少的次数占总降水次数的68.75%、84.38%和78.13%;吉林市污染最严重的颗粒物受气象因素中混合层高度、风速和降水影响较大。该研究成果可为日后吉林市开展大气污染治理、区域大气环境容量测算、空气污染潜势预报等研究提供参考。  相似文献   

12.
为了评估抗战纪念活动期间污染物减排措施对北京市空气质量的影响,利用2015年8月1日~2015年9月18日北京市大气污染物浓度数据,以及2014年同期监测数据进行对比分析.结果表明:减排期间(2015年8月20日~2015年9月3日)北京市PM2.5,SO2,NO2和CO浓度均值为17.05mg/m3,2.35mg/m3,21.04mg/m3和0.56mg/m3,对比减排前期,各污染物分别下降了71.26%,36.49%,37.92%和37.78%,减排后期,随着减排措施的取消,大气污染物反弹上升.与2014年同期相比,减排期间污染物浓度分别下降了73.59%,56.64%,52.39%和38.46%,大气质量改善效果显著.3个时段(减排期间,活动当天和2014年同期)污染物浓度日变化特征相似,整体上呈现2014年同期>减排期间>活动当天的特征.空间分布上,各站点污染物浓度均远低于2014年同期水平,其中PM2.5降幅大且空间差异较小,SO2在空间上差异最为明显,不同站点的PM2.5降幅在68.91%~77.63%之间,SO2降幅在7.43%~74.75%之间,NO2降幅在34.60%~72.28%之间,CO降幅在24.98%~63.73%之间.减排期间北京市PM2.5,SO2,NO2和CO浓度分别比周边城市均值低24.66%,81.00%,27.30%和36.36%,也从另一方面反映出减排措施的明显效果.  相似文献   

13.
我国自2013年起对重点区域逐步开展重污染天气应对工作,以削减大气重污染峰值、减缓重污染的发生和发展.为更客观地评估重污染天气应急减排措施的效果,基于环境监测数据对应急效果评估开展方法学研究,通过对洛伦兹曲线内涵的拓展,提出污染物高位累积浓度占比的概念,并以PM2.5、PM10、SO2、NO2四种污染物为研究对象,评估重污染天气应急措施减排效果,同时将评估结果与空气质量模型模拟结果进行相互辅证.结果表明:2016年和2017年秋冬季(当年10月1日-翌年3月31日)"2+26"城市PM2.5、PM10、SO2、NO2高位累积浓度占比较2015年同期均有所下降,降幅为0.43%~3.80%;PM2.5、PM10高位累积浓度占比降幅相对SO2、NO2大,其中,2016年和2017年秋冬季PM2.5高位累积浓度占比较2015年同期降幅均为2.23%,PM10高位累积浓度占比较2015年同期降幅分别为1.89%、3.80%.研究显示,应急措施在"2+26"城市范围内对PM2.5、PM10、SO2、NO2起到了较显著的重污染削峰作用,其中,应急措施对PM2.5、PM10等颗粒物重污染削峰效果优于SO2、NO2等气态污染物.   相似文献   

14.
常州市冬季大气污染特征及潜在源区分析   总被引:2,自引:0,他引:2       下载免费PDF全文
为了解常州市冬季大气污染特征,对2013—2015年常州市冬季PM2.5、PM10、SO2、NO2、CO数据进行分析,并结合HYSPLIT 4.9模式研究不同气团来源对常州市各污染物浓度的影响及潜在污染源区分布特征.结果表明,常州市冬季以PM2.5污染为主,其占冬季首要污染物的90%以上,冬季PM2.5小时浓度对应的空气质量级别以良和轻度污染出现频次最多,冬季的ρ(PM2.5)对ρ(PM2.5)年均值的贡献率高达37.4%,不完全燃烧是颗粒物的一个重要来源.冬季ρ(PM2.5)、ρ(PM10)、ρ(SO2)、ρ(NO2)和ρ(CO)的日变化均呈双峰分布,两个峰值分别出现在交通的早高峰和晚高峰附近.ρ(NO2)在晚高峰明显大于早高峰,而ρ(SO2)和ρ(CO)表现为早高峰大于晚高峰.常州市CO/NOx和SO2/NOx的分析结果表明,常州市交通源的贡献明显,点源对常州市的空气质量的影响也较大.1和6 h的ρ(PM2.5)梯度变化可判识细颗粒物的爆发性增长.冬季常州市受到西北、西和西南等地区的大陆性气流影响较大,其对应的ρ(PM2.5)、ρ(PM10)、ρ(SO2)、ρ(NO2)和ρ(CO)平均值相对较高,且对应的污染轨迹出现概率较大.偏东方向的气流由于移动速度慢,不利于污染物扩散易造成污染累积,导致ρ(PM2.5)、ρ(SO2)和ρ(NO2)相对较高.WPSCF(源区分布概率)高值区(>0.5)集中于从芜湖至上海的长江中下游区域和杭州湾区域.PM2.5、PM10、SO2、NO2和CO潜在源区存在较大差异性,NO2、SO2和CO本地化的潜在贡献较PM2.5和PM10更明显.此外,受船舶等影响海洋源区对NO2、SO2和CO的潜在贡献较大.研究显示,长三角区域的大气污染物以本地污染为主,但远距离污染输送贡献也不容忽视.   相似文献   

15.
京津冀及周边地区等重点区域已经建立具有高时空分辨率特点的空气质量监测网,但监测数据主要用于环境空气质量评价,在大气污染来源识别中应用较少.采用特征雷达图中的双重归一化算法对区域上2018~2019年秋冬季空气质量监测数据中的SO2、 NO2、 CO、 PM2.5和粗颗粒物(PM10与PM2.5的浓度差值)这5种因子进行分析,识别出偏SO2、偏NO2、偏CO、偏PM2.5、偏粗颗粒物、偏SO2-CO、偏NO2-CO和偏PM2.5-CO这8种典型污染特征.以偏SO2-CO特征为例,结合污染特征时空分布、主要污染源排放特征和PM2.5源解析,判断该特征下对空气质量影响最突出的污染源,并将该方法用于一次典型污染过程的分析.结果表明,研究时段内偏SO2-CO特征的平均占比为7.6%.(1)偏S...  相似文献   

16.
为探究云浮市颗粒物和臭氧(O3)污染特征,利用多元统计分析方法分析了云浮市2018—2020年6项环境空气污染物浓度、气象因子等监测数据,并对2020年12月25—29日冬季PM2.5和O3污染过程进行了研究. 结果表明:①PM2.5、PM10、NO2、CO月均浓度呈夏季低、冬季高的变化特征;O3-8 h第90百分位数呈夏秋季高、冬春季低的变化特征. ②PM10、PM2.5和CO小时浓度日变化呈波浪型变化特征,PM2.5、CO小时浓度最大值均出现在09:00,PM10小时浓度最大值出现在02:00. O3、SO2小时浓度日变化呈单峰型变化特征,O3、SO2小时浓度最大值分别出现在16:00、10:00. NO2小时浓度日变化呈单谷型变化特征,最小值出现在14:00. ③PM2.5-10、SO2、NO2、O3小时浓度与PM2.5小时浓度均呈正相关,说明PM2.5-10、SO2、NO2、O3与PM2.5具有一定程度的同源性. O3小时浓度与NO2、CO小时浓度呈负相关,且O3小时浓度与NO2小时浓度相关性更强. 夏秋季NO2、CO、O3、PM2.5小时浓度与气温的相关性比冬春季的更强. SO2、PM10、PM2.5、O3小时浓度均与湿度呈负相关,其中O3小时浓度与湿度的相关性最强,相关系数为?0.586. ④2020年12月25—29日云浮市城区PM2.5污染受到静稳天气影响,O3污染与28日午后太阳高温辐射以及来自珠三角地区O3污染气团的输入影响有关. 利用ART-2a对该时段采集的颗粒物进行成分分析,得到K、EC、OC、ECOC、HM、LEV、Na、SiO3这8种单颗粒物. 整个时段EC、OC、ECOC谱图中都存在明显的硫酸盐峰和硝酸盐峰. PM2.5小时浓度与硫酸盐离子、硝酸盐离子、硅酸盐离子、铵离子、氯离子的数量均呈显著正相关,二次反应和老化过程对PM2.5污染有显著影响. 研究显示,云浮市PM2.5和O3复合污染防控需要关注本地污染物变化特征和排放源影响,也需关注外来污染气团特别是来自珠三角地区污染气团输入的影响.   相似文献   

17.
文章基于陕西省2014年1月-2020年12月59个空气站的空气质量数据,对陕西省各城市PM2.5浓度及其影响因素进行分析和预测。通过绘制陕西省各城市PM2.5浓度及其变化的热度图和折线图可以发现,西安、宝鸡、咸阳以及渭南这4个城市的PM2.5浓度存在一定的同期变化性。利用全局、局部莫兰指数对陕西省各城市PM2.5浓度的空间效应进行检验,结果表明,陕西省各城市PM2.5浓度具有正向的空间自相关性,其中西安、咸阳和渭南呈现出较强的PM2.5高浓度聚集效应。考虑到地理位置对PM2.5浓度的影响,建立陕西省各城市PM2.5浓度与PM10、O3、NO2、SO2、CO浓度的空间变系数模型。通过绘制解释变量回归系数估计值的3D散点图可以发现,PM10、NO2及CO浓度等在不同的地理位置对PM  相似文献   

18.
利用机器学习模型控制气象因素影响,定量分析了疫情期间污染源减排对咸阳空气质量的影响.结果表明,与未发生疫情情景相比,疫情期间咸阳PM2.5、PM10、SO2、NO2和CO浓度分别下降19.3%、26.0%、13.4%、60.1%和9.1%,NO2降幅最大,SO2和CO降幅较小,O3浓度不降反而上升50.9%.在一次排放和二次生成前体物都下降的情况下,PM2.5降幅低于预期,O3浓度不降反升,反映出PM2.5和O3治理的复杂性,暗示了剩余污染源对咸阳空气质量影响较大,而停产限产政策(与疫情影响类似)对咸阳空气质量改善有限,未来应重点关注散煤和生物质燃烧、热力生产和供应、原油加工及石油制品制造等剩余污染源的治理.  相似文献   

19.
探讨兰州市空气污染对不同性别和年龄的儿童呼吸疾病就诊人数的影响以及季节性变化.通过收集2013~2017年兰州市空气污染物PM2.5、PM10、SO2、NO2、CO和O38h浓度数据、气象数据及3家三甲医院儿童呼吸疾病门诊资料,采用广义相加模型(GAM)控制星期几效应、气象因素、假期效应等混杂因素,分析空气污染物浓度与儿童呼吸系统疾病日门诊量的关系及滞后效应.研究期间,兰州市3家三甲医院儿童呼吸系统疾病日门诊量平均为387人次,范围1~1413人次.单污染物模型结果显示,PM2.5、NO2、SO2、CO均在累积滞后一天(lag01)时效应量达到最大值,其浓度每增加10μg/m3(CO单位为1mg/m3),儿童呼吸系统疾病就诊人次的超额危险度(ER)及95%可信区间(95% CI)分别为0.245%(95% CI:0.127%~0.363%),0.568%(95% CI:0.327%~0.808%),1.661%(95% CI:1.022%~2.302%),2.245%(95% CI:1.610%~2.883%);PM10和O38h在各滞后天数均无统计学意义.对不同性别、年龄、季节分析发现,性别分层中PM2.5对女童的影响略高于男童,NO2、SO2和CO的影响男童略高于女童;年龄分层发现PM2.5、NO2和CO的影响6~14岁组大于0~5岁组,SO2的影响0~5岁组大于6~14岁组;季节分层中PM2.5、NO2、SO2和CO对门诊量的影响只在冬季有意义,PM10和O38h在各个季节均无意义.双污染物模型结果显示,分别调整其他5种污染物后,PM10和O38h对儿童呼吸系统疾病门诊量的增加均无统计学意义;调整PM10和O38h后,其他污染物呼吸系统疾病门诊量的增加均有统计学意义.兰州空气污染物(PM2.5、NO2、SO2、CO)与呼吸系统疾病门诊量密切相关,并且SO2和CO浓度增加更易增加儿童呼吸系统疾病的发病风险.性别、年龄和季节对空气污染物和呼吸系统疾病门诊就诊人次的关系有影响.  相似文献   

20.
基于2017—2020年郑州市空气质量监测数据和同期地面气象观测资料,采用数理统计方法,分析了郑州市降水对空气质量和大气污染物浓度的影响。结果表明,有降水时的空气质量等级为优和良的频率比无降水时的频率高,且降水量级越大空气质量越好。除SO2外,郑州市其他大气污染物PM2.5、PM10、NO2、O3和CO在降水天气后浓度降低时次占比为42.97%~56.12%,其中PM10浓度降低最明显,CO最不明显。小时降水量越大,污染物浓度降低值越小,PM2.5和PM10在降雨天气后浓度降低时次占比越大,当小时降水量(R)>1 mm时,浓度降低时次占比显著高于升高时次占比,且粒径越大效果越好;SO2没有明显变化规律;NO2和CO变化不大。降水天气前大气污染物浓度越高,降水天气后浓度降低值的范围越大;同时浓度降低时次占比也越大(NO2除外)。在小时降水量较大...  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号