2019年郑州冬、春季重污染期间PM2.5污染特征分析

为研究郑州冬、春季重度污染期间细颗粒物的组分特征、污染来源、气象影响因素及外来传输影响,基于本地超级站污染监测数据及相关气象要素监测数据对重污染时段进行分析,并对本地污染成因进行探讨.结果表明,2019年1—3月郑州共有426 h达到重度及以上污染水平,首要污染物均为PM_2.5.重污染时段碳组分(OC+EC)共占PM_2.5的14.6%,OC与EC存在显著相关性,1、2、3月的r值分别为0.72、0.89和0.91,且二者比值多介于2～4之间,表明机动车和燃煤排放是碳组分的主要来源;水溶性离子浓度排序为NO₃^->NH₄⁺>SO₄^2->Cl^->K⁺>Ca²⁺>Mg²⁺>Na⁺,SNA(SO₄^2-、NO₃...     

广州城区冬季黑碳气溶胶污染特征及其来源初探

于2007年12月至2008年2月利用黑碳(Aethalometer)和气体在线现测仪(Thermo 42i型二氧化硫、43i型氮氧化物争49i型臭氧分析仪)和MAWS自动气象站获得了大气细粒子中每5分钟黑碳气溶胶(BC)浓度,每1小时SO2、NO2、NO和O3浓度和风速、风向等气象因子观测数据.结果发现,黑碳日均值浓度值为10.5±7.7 μg/m3,浓度变化范围为2.7～34.8 μg/m3.非降雨期BC有相对明显的两个峰值和一个谷值;降雨期BC昼间呈单调上升,夜间呈单调降低.通过对BC与气体污染物相关性分析并结合城市污染源分布,发现BC的最主要来源是工业燃煤和机动车尾气排放.     

农业气象灾害对辽宁省粮食产量的影响

为更好适应气候变化,保障粮食安全,借助辽宁省1987-2016年间旱灾、水灾、风雹和冷冻等历史灾害数据及主要粮食作物产量数据,选取受灾率、灾害强度指数等指标,利用灰色关联分析1987-1993、1994-2004、2005-2016年3个阶段作物产量与不同灾害类型之间的相关性,探究区域内多时段多种农业气象灾害对多种作物产量的影响。结果表明:①气象灾害对辽宁省粮食生产具有重大影响,研究时段内受灾范围和受灾强度对粮食产量的影响整体呈现下降趋势,关联系数多降至0.7以下。②从受灾范围分析,风雹是辽宁省粮食生产的重大气象灾害因素,近年来水灾对粮食生产危害有所上升。③从灾害强度分析,4种气象灾害对粮食生产的危害程度整体呈下降趋势,但对小麦的危害在不断上升。④总体而言,辽宁省受灾范围对粮食产量影响程度要略大于受灾强度。     

2015年2月天津市大气颗粒物数浓度变化及其与气象条件的关系

2015年2月16—28日,采用APS-3321空气动力学粒径谱仪在天津市环境监测中心站连续监测0.5~10 μm间不同粒径大气颗粒物数浓度,并同步记录气象参数,研究了大气颗粒物的数浓度变化和粒径分布特征,运用Spearman统计分析方法初步探讨了气象因素对大气颗粒物数浓度的影响。结果表明,该地区大气颗粒物5 min平均数浓度为285 个·cm-3,其中0.5~1.0 μm粒径颗粒物对总粒子数浓度贡献较大,约占96.7%。观测期间共出现颗粒物数浓度显著增高的9个污染事件,不同粒径中污染事件颗粒物数浓度最大值的主导气象因素不同：对于0.5~1.0 μm,其与相对湿度呈明显的正相关性;对于1.0~2.5 μm,其与气象因素无明显相关性;对于2.5~10 μm,其与相对湿度呈明显负相关性、与风速呈明显正相关性。颗粒物数浓度受气象条件影响较大,其中相对湿度影响最为显著,当相对湿度小于70%时,颗粒物数浓度随着湿度的增加而增加;当相对湿度大于70%时,颗粒物数浓度随着湿度的增加而减少。此外,烟花爆竹燃放对颗粒物数浓度短暂上升贡献突出,主要集中在0.5~1.0 μm粒径的亚微米颗粒物。     

宜都市PM2.5与O3季节性分布特征及潜在源区分析

为了解宜都市PM_2.5与O₃的污染特征及潜在来源,利用宜都市2020年3月至2022年2月在线监测数据及气象数据,对宜都市PM_2.5与O₃质量浓度变化特征、气象影响因素及潜在源区进行了分析,结果表明:宜都市PM_2.5质量浓度冬高夏低,日变化呈双峰特征,O₃质量浓度夏高冬低,日变化呈单峰特征。高湿、静稳的气象条件以及较强偏北风作用下的区域污染传输对PM_2.5污染有重要影响,高温以及中湿度对O₃污染过程有重要作用。春、夏、秋季偏南方向气流轨迹占主导,且携带较高的污染物浓度,冬季来自湖北东北及西南方向的气流占比较高且携带的PM_2.5浓度较高;宜都市PM_2.5、O₃的潜在源区具有季节性差异,总体来看,主要分布在河南南部、湖北东部及湖南的北部区域。     

滁州市一次持续性臭氧污染过程气象与传输特征分析

2019年6月8日至17日,安徽省滁州市发生一次持续性臭氧(O₃)污染过程,O₃浓度值超过国家二级标准浓度限值3%~45%。基于滁州市老年大学监测站点空气质量数据、滁州市气象站及全球资料同化系统(GDAS)气象数据,运用HYSPLIT后向轨迹模型、潜在源贡献因子(PSCF)和浓度权重轨迹(CWT)分析方法,研究污染发生时段的气象和区域传输特征。结果表明:①在此次O₃污染过程中,日最高温度的变化范围为25.5~34.7 ℃,风速整体小于4 m/s,风向以偏东风为主,午后的相对湿度在40%左右。在该时段内,滁州市基本处于均压场的控制之中,且受到锋面气旋外围下沉气流的影响,大气层结稳定。②O₃污染发生期间,滁州市主要受东南方向气流的影响,但来自山东省、安徽省北部和江苏省北部的气流的影响也不容忽视。6月9日夜间至10日上午的O₃浓度异常高值,与9日下午的气压异常低值及9日夜间的大气边界层高度异常高值密切相关。上述气压及大气边界层高度异常值的出现使得上风向高浓度O₃被输送至滁州。③此次污染过程的潜在贡献源区主要分布于安徽省东南部、江苏省中西部和浙江省北部等地。上述区域的加权潜在源贡献因子(WPSCF)值大于0.4,加权浓度权重轨迹(WCWT)值超过了100 μg/m³。今后,滁州市在O₃污染防控工作中应加强与上述区域的联防联控。     

减排措施与气象因子对2013—2019年中国大陆地区PM2.5浓度变化的贡献

利用地面气象观测站数据计算的大气自净能力指数(Atmospheric Self-cleaning ability Index,简称ASI)和环境监测站PM_2.5实测数据,评估了中国大陆地区2014—2019年相对于2013年("大气国十条"实施初期)污染物总体排放率的相对变化,给出了PM_2.5浓度削减量中气象条件和减排措施的相对贡献.研究结果显示,2014年全国排放率总体已下降,2017年各地区全面实现减排,较2013年全国平均减排36.11%,2019年减排幅度进一步加大,至48.50%,其中中东部地区整体减排力度大于西部和东北部地区.2015和2016年秋冬,重点区域持续性重污染频发现象的出现是不利气象条件背景与减排略有放松共同作用的结果,但持续的减排措施对于遏制空气质量的恶化起到了积极作用.2019年,京津冀、汾渭平原、长三角等9个重点区域PM_2.5浓度相较2013年明显降低,高空气质量至少一半以上的原因来源于人为减排,气象因子的贡献相对较小,仅为3%～18%,一些区域气象因子对PM_2.5的改...     

安全复杂学的学科基础理论研究:为安全科学新高地奠基

为填补安全复杂学学科基础理论的空白和构建安全复杂学,运用历史分析法、推理法、归纳法、理论建模法和预测法等开展理论研究,预测未来安全科学研究的热点问题,提出判断安全复杂问题的4种途径,给出安全复杂性研究需要遵循的8条基本原则,创建安全复杂学的5个核心概念和基于安全系统学的9个基础定义,归纳出安全复杂性研究的9类典型方法,...     

西沙永兴岛黑碳浓度特征初探

2012年5月6—9日利用黑碳仪获得了西沙永兴岛小时黑碳浓度数据。结果显示,西沙永兴岛黑碳小时浓度值变化范围为0.1~2.9 μg/m³,平均浓度为0.6 μg/m³,80.5%的小时浓度数据集中在0.2~0.7 μg/m³;黑碳浓度与风速、降水密切相关,风速大于2.5 m/s有利于黑碳扩散,降水对黑碳冲刷作用明显;黑碳浓度与背景区域的瓦里关黑碳浓度相近,高于背景区域的南极中山站,明显低于国内的多个城市及郊区的黑碳浓度。     

气象因素对泉州臭氧的影响

利用泉州城区2017年全年连续观测的O_3和气象要素资料,统计了臭氧浓度的分布特征,分析了气象要素对O_3质量浓度的影响,对比了O_3超标日和非超标日的气象要素特征。结果表明:(1)泉州市O_3质量浓度月变化呈双峰形,春季最高,夏季最低;日变化呈单峰形,最大值出现在13:00—14:00,最小值出现在06:00—07:00,上下游站O_3浓度存在明显传输效应。(2)泉州O_3质量浓度与相对湿度呈负相关,其相关性最高;与风速呈正相关,其相关系数最低,且存在明显区位性差异;与气温的相关性比较复杂,既有正相关,也有负相关。(3)各站点O_3小时质量浓度超标时,均对应2个气象要素区间值。(4)对比污染日非污染日发现,污染日相对湿度较低(50%～60%),非污染日较高(70%～80%);污染日温度略低于非污染日;污染日风向总体为西南偏南,非污染日风向为西南-东南。