排序方式: 共有46条查询结果,搜索用时 15 毫秒
11.
对北京市地面监测站点的CO浓度进行分析,探讨其浓度水平、变化趋势和时空分布特征。2014年春、夏、秋、冬四季北京市CO平均浓度分别为1.06、0.87、1.34、2.17 mg/m3。CO浓度均呈双峰型变化,第一个峰值出现在07:00-09:00,主要由交通早高峰的排放引起;第二个峰值出现在23:00左右,主要受交通晚高峰排放和夜间边界层高度降低的挤压效应的共同影响。从空间分布来看,全年整体呈现南高北低的分布特征,尤其是秋、冬季较为明显,体现了工业布局和区域传输对CO的影响。从全年来看,湿度对CO浓度的影响最大。对2014年冬季北京市的一次高CO浓度分析结果表明,此次过程是由本地排放和区域传输共同造成的,气象要素中地面气压对CO浓度影响最大。 相似文献
12.
设计了火电厂实施2003版排放标准和2011版排放标准两种排放情景,运用Models-3/CMAQ模型系统分别模拟各情景到2015年的硫、氮沉降量,探讨2011版火电排放标准对我国大陆地区酸沉降的影响.研究表明,2011版火电标准能够有效改善我国的硫沉降状况,相比于实施2003版标准,2011版标准实施后至2015年我国大陆硫沉降总量降低了18.58%,年均硫沉降强度大于3.2t/km2的面积减少了86.40%;2011版火电标准对我国氮沉降状况也起到了一定的改善作用,标准实施后到2015年我国大陆氮沉降总量降低了9.28%,年均氮沉降强度大于4.0t/km2的面积减少了27.27%. 相似文献
13.
麦秸焚烧导致的北京市大气污染时空分布和化学组成特征分析 总被引:9,自引:0,他引:9
为了全面评价农田秸秆焚烧产生的污染事件,并为制定有效的管理措施提供依据,于2006年6月20日监测了西南风下北京南部农田麦秸焚烧产生的污染物向北京传输的过程.获得了SO2、CO、NOx以及可吸入颗粒物(PM10)质量浓度的数据.颗粒物的化学组分数据.数据分析结果表明,污染输送对北京市西南部地区空气质量影响最大(PM10小时浓度超过600μg·m-3),对北部山区影响较小(PM10浓度峰值在110μg·m-3).高浓度污染在市区持续时间最长.麦秸焚烧通过输送增加了PM10(尤其是PM1)、CO、NO2以及NMHC等污染物质,这使得与前一日相比污染物之间的相关关系发生了变化:SO2与其它污染物的相关性不显著,而CO与NO2、CH4与NO显著相关.因子分析进一步揭示,气象条件对污染物浓度变化具有主导作用,而由麦秸焚烧所产生的外来污染源属于次要地位.污染输送过程中,PM25中的硝酸盐类和有机碳、碳黑质量浓度增大.麦秸焚烧所输送的气态污染物和细小颗粒物对人体健康存在威胁,在不利扩散的气象条件下在大气中存留时间加长.研究结果表明,气象条件不利于污染扩散时必须禁止农田秸秆焚烧. 相似文献
14.
从天气背景场、气象要素、前体物和PM_(2.5)化学组分、气团运动轨迹以及大气氧化性等方面对北京市夏季两种不同的O_3和PM_(2.5)污染状况进行了分析.结果表明,O_3达到中度污染而PM_(2.5)浓度优良(O_3和PM_(2.5)一高一低)污染状况的天气形势场为:高空为偏西北气流,地面受高压后部控制;而O_3和PM_(2.5)同时达到中度污染(O_3和PM_(2.5)两高)的天气形势场为:高空为偏西气流,地面受低压控制.与O_3和PM_(2.5)一高一低污染状况相比,O_3和PM_(2.5)两高时的气象要素特征为:偏南风更为明显和相对湿度更高.O_3和PM_(2.5)两高时污染物浓度演变特征为,O_3和PM_(2.5)的起始浓度较高,PM_(2.5)日变化特征更为明显,而O_3平均浓度却低于O_3和PM_(2.5)一高一低的污染状况.前体物、大气氧化性以及PM_(2.5)化学组分分析的结果表明,较高的起始浓度在不利气象条件下的积累和吸湿增长以及当天较大偏南风造成的区域传输可能是造成O_3和PM_(2.5)两高污染状况中PM_(2.5)浓度达到四级中度污染的主要原因. 相似文献
15.
利用北京市2019~2021年的气象数据、PM2.5及组分浓度数据,结合常规污染物NO2浓度,分别对PM2.5及组分浓度、气象参数、NO2浓度和氮氧化率(NOR)大小的时空变化进行分析比较.结果表明:2019~2021年三年间北京市城区PM2.5浓度下降14%,但NO3-上升12%;各风向上,北京市城区PM2.5浓度大小顺序为:东北风>东风>西南风>东南风>南风>西风>北风>西北风,此外,二次无机盐组分最高浓度均出现在偏东风风向,有机物(OM)最高浓度出现在西南风;各风向年际变化上,2019~2021年,北京市PM2.5、各组分及NO2浓度在空间上均呈现高浓度“东移”特征,NO3-在东北风向上上升幅度最高,达65.7%;东北、东风及东南风风向上,相对湿度同步升高,NOR在东北、东风风向上同步升高,升高幅度达... 相似文献
16.
采用数值模拟与观测资料相结合的方式,对2014年10月北京市4次典型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分析. 结果表明,京津冀区域稳定的气象条件是形成空气重污染的主要原因,4次重污染过程大气条件均不利于污染物扩散,表现为大气层结稳定,近地层逆温(平均逆温强度为2.26 ℃/100 m)明显,风速(平均值为1.52 m/s)小,相对湿度(平均值为80.75%)大. 在4次重污染过程中8—11日污染最重,ρ(PM2.5)日均值平均为264 μg/m3,并且区域输送对北京贡献率最大,平均值为63.75%;24—25日污染程度次之,逆温最强,逆温强度达5.94 ℃/100 m;18—20日重污染中北京ρ(PM2.5)高值(>200 μg/m3)区主要集中在该市西北部地区;30—31日污染相对较轻,ρ(PM2.5)日均值最高只有154 μg/m3. 数值模拟表明,在4次典型重污染过程中,来自南方(包括河北、河南和山西西部等地)的外来污染物输送对北京PM2.5贡献较大,外来贡献率分别在42.36%~69.12%之间,同时北京本地也存在较强的二次无机盐及有机物转化过程. 相似文献
17.
结合常规污染物监测、PM2.5化学组分监测、激光雷达监测和颗粒物数浓度及粒径监测等手段,对2017年5月影响北京市的一次沙尘天气过程进行分析。结果表明:5月4日凌晨起沙尘天气开始影响北京市,延庆、官园和通州3个站点PM10峰值浓度分别为2 091、2 245、2 590 μg/m3,体现了该次沙尘天气影响程度之重。PM2.5浓度与PM10变化一致,也达到重度污染的水平。沙尘天气移动路径是沿着区域西北至东南方向。沙尘天气主体从3 km左右的高空进入北京市,随后逐渐渗透至1 km高度以及地面,且沙尘层厚度较高,覆盖了地面至3 km的高度。沙尘天气过程中OM和Ca2+组分增幅最大。在沙尘天气影响严重时间段,沙尘天气源与生物质燃烧源比例之和大于50%,最高值为67.6%。沙尘天气过程中颗粒物峰值粒径为0.965~1.037 μm。 相似文献
18.
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9~15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,此次重污染过程北京市空气质量从9日的二级跳至10日五级重度污染,11日一13日空气质量维持连续3d严重污染,14日降为重度污染,15日转为轻度污染;重污染过程期间10—14日P(PM2.5)平均值为323μg/m。,平均风速为1.47m/s,平均相对湿度为73.6%,24h变温基本为一2.72~2.68℃,24h平均变压为一3.65~2.63hPa。指出,此次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,地面风场辐合及边界层下沉运动是造成重污染的重要原因。 相似文献
19.
结合常规污染物浓度和PM_(2.5)化学组分浓度,分析了2015年春节期间烟花爆竹燃放对北京市空气质量的影响。结果表明:烟花爆竹燃放会在短时间内造成严重的大气污染,其中对SO2、PM_(2.5)和PM10的影响最为显著。除夕夜间良乡、官园和怀柔3个监测站点的PM_(2.5)质量浓度峰值分别达730.5、343.4、762.2μg/m~3,为2月17—25日和3月4—8日(观测期间)平均值的5.2、3.1、7.1倍。烟花爆竹燃放对PM_(2.5)组分中的SO_4~(2-)、K+和Cl-的影响最为显著,除夕夜间监测中心点位的SO_4~(2-)、K~+和Cl~-质量浓度峰值分别达92.2、95.6、57.4μg/m~3,为观测期间平均值的4.5、10.5、6.8倍。烟花爆竹燃放产生的气态前体物和NO_3~-、SO_4~(2-)、NH+4、OC等PM_(2.5)二次化学组分在不利的气象条件下会发生化学反应和物理积累,造成PM_(2.5)浓度升高,产生持续性的大气污染。根据各污染物与NH+4的质量浓度比推算得出,除夕、"破五"和元宵节3个时段烟花爆竹燃放对K~+、Cl~-、SO_4~(2-)、SO_2和PM_(2.5)浓度的平均贡献率分别为78.4%、61.1%、37.4%、38.7%和30.1%。 相似文献
20.
2018年11—12月北京市发生了4次以PM2.5为首要污染物的重污染天气过程,为了分析数值模型对4次重污染过程的预报能力,将CMAQ模式提前1~7 d对北京市PM2.5的小时预报结果与观测结果对比,分别从离散统计和分类统计2个方面评估CMAQ模式对4次重污染天气过程的预报效果,并简要分析了偏差产生的气象方面原因。结果表明:CMAQ模式提前1~6 d对重污染天气过程的预报显示出良好的性能,为日常业务预报提供了可借鉴的参考信息,可较好地预报出PM2.5小时浓度变化趋势和浓度水平,离散统计结果显示提前1~4 d的预报结果好于提前5~7 d,相关系数r基本大于0.8,但有一定程度的低估趋势;分类统计结果显示不同预报时效预报准确率大于70%,探测准确率高于55%,部分时段可以达到80%~90%,对人工预报起到了良好的参考作用;输入的气象场的变化及其偏差对于重污染的起始时间、持续时间及清除时间有一定的影响,对相对湿度预报偏小和风速预报偏大是造成CMAQ模式低估的一个重要原因。 相似文献