北京市臭氧污染跳变型特征及影响因素分析

基于2016~2022年北京市环境监测和气象观测数据,结合后向轨迹聚类和潜在源区贡献分析北京市臭氧（O₃）污染特征、气象影响和潜在源区.结果表明,2016~2022年北京市共发生41次具有跳变特征的O₃污染过程,平均为5.9次·a^-1,发生时间集中在5~7月,跳变当日（OJD2）较跳变前一日（OJD1）的ρ（O₃-8h）平均值偏高78.3%,峰值浓度偏高78.9%,OJD2区域O₃浓度高值带呈现由南向北推进的特征.北京市跳变O₃污染发生主要原因可归纳为不利气象条件导致的本地积累叠加区域传输影响.跳变型O₃污染发生时具有偏南风频率增加、温度上升、气压降低和降水减少的特征,偏南风频率增加为O₃及其前体物的传输提供条件,在本地高温作用下快速发生光化学反应,叠加降水较少,综合推高OJD2的O₃浓度水平.聚类分析得到6条气团输送路径,OJD2来自偏北方向的气团减少11.2%,来自偏南和偏东方向气团增加6.7%和4.4%,气团以短距离传输为主,偏南和偏东方向对应的O₃浓度较高,对北京污染贡献较大.潜在源区分析揭示OJD2的O₃污染的主要潜在源区是京津冀中南部和东部,贡献了82.6%污染轨迹.跳变型O₃污染区域输送贡献明显,需要加强京津冀区域联防联控．     

长江源区各拉丹冬峰雪冰中微粒季节变化及其环境意义

分析了长江源区各拉丹冬峰冰川区不同海拔采集的3个雪坑SP1、SP2和SP3样品中δ18O、不溶微粒数量浓度及主要离子浓度,以探讨本研究区域雪冰微粒含量变化及其来源.结果显示,不同粒径微粒含量变化趋势一致,3个雪坑中细微粒含量分别占总微粒的88%、78%、86%.中微粒分别占10%、19%、11%;不同粒径微粒数量浓度之间的相关系数均达0.9以上(置信度可达99%),具有良好的相关性.雪冰中不溶微粒浓度同Ca2 、Mg2 、SO2-4一样,具有明显的季节波动.非季风期微粒浓度要高于季风期2～4倍.3个雪坑非季风期微粒通量分别占一个年层雪冰中微粒总通量的73.6%、92.3%、97%,即初春季节沙尘暴对于各拉丹冬雪冰中微粒沉降贡献远大于夏.秋季节.结合NCAR/NCEP再分析资料.应用HYSPLIT-4模式模拟的不同季节5 d后向气团轨迹图表明,各拉丹冬峰冰川I区雪冰中不溶性微粒可能来源于中亚、南亚和青藏高原本身,其中影响最大的可能是青藏高原自身的沙尘源区,同时冰川区裸露基岩对雪冰中不溶微粒含量亦有贡献.     

2014年河北中南部两次重霾天气成因分析

利用河北省环保局环境监测站提供的污染物浓度数据及常规气象观测数据、NCEP再分析资料,结合HYSPLIT4.9后向轨迹模式,对2014年10月上旬发生在河北省的2次大范围的重霾天气特征和成因进行综合分析.结果表明,这2次重污染天气过程PM_2.5地面浓度最大值出现在邢台,为507μg/m³,水平能见度不足1km.均压场的分布和较为平稳的高空形势为2次霾天气提供了有利的气象背景.高湿,静小风以及较低的混合层高度不利于污染物扩散,是导致这两次重污染天气持续的主要原因.结合卫星火点及污染物来源分析表明,河北南部及周边省份的秸秆燃烧加重了第2次过程的污染,污染气团的输送对区域性重霾天气产生重要影响.     

秋季南通近海大气气溶胶水溶性离子粒径分布特征

2012年10~11月在南通近海设立观测点,利用Anderson分级采样器采集大气气溶胶样品,用离子色谱仪(Metrohm IC)分析其中10种水溶性离子组成.结果表明,南通秋季近海PM10和PM2.1中水溶性离子浓度分别为59.70,45.96mg/m3.PM2.1中主要离子质量浓度排列依次为SO42->NO3->NH4+>Ca2+. SO42-,NO3-和NH4+占PM10中离子浓度的80%以上,二次离子为近海区域气溶胶的主要成分.SO42,NH4+和NO3-均表现出单峰型分布,峰值区间均为0.43~1.1mm,Ca2+,Na+和Cl-表现为双峰型.Ca2+高浓度峰值出现4.7~5.8mm粒径段内;Na+和Cl-峰值出现在0.43~1.1mm和3.3~5.8mm内,但最大峰值浓度区间不一致.PM10中nss-SO42-/SO42-比值均高于90%,陆地源对近海硫酸盐的影响显著.nss-SO42-/NO3-的比值在<2.1μm的粒径段内均大于1,表明该区域固定源是大气细粒子中离子的重要贡献源,但移动源对粗粒子的影响值得重视.个例分析显示,稳定的天气系统,高污染排放内陆地区的污染物传输,是造成10月27日的严重污染过程的主要原因.     

近3年西双版纳州勐腊县大气污染基本特征及污染原因分析

对西双版纳州生态环境局勐腊分局2017年8月-2020年8月逐日空气质量数据的分析表明,2-4月是勐腊县空气质量指数（Air Quality Index,AQI）频繁达到二级及以上的时段,空气质量分指数（Individual Air Quality Index,IAQI）能够达到二级及以上标准的污染物为PM_2.5、PM₁₀、O₃、SO₂中的一种或几种,PM_2.5、PM₁₀污染较为严重,PM_2.5对空气质量的影响最大,可使空气质量达到重度污染,混合污染出现比例远大于单一污染.2019、2020年3-4月勐腊县轻度及以上连续污染日数超过5 d的5次过程中,4次污染过程的主要潜在源区在勐腊上风方向老挝西北部及泰国与其相邻的区域,权重潜在源贡献因子（Weight Potential Source Contribution Function,WPSCF）大于0.6的区域与同年3、4月泰国西北部、老挝西北部的火点密集区有较好的对应关系,4次污染过程与老挝西北部及泰国与其相邻区域的生物质燃烧关系密切;1次污染过程的主要潜在源区主要在当地,当地建筑施工、交通运输、生物质燃烧和餐饮行业细颗粒物的排放会导致勐腊县空气质量出现明显下降.为验证勐腊县连续污染过程受到了周边国家烧荒的影响,利用逐日气溶胶光学厚度（Aerosol Optical Thickness,AOT）对2020年3月23-4月9日的污染过程进行了个例分析,发现AOT大值区位于勐腊上风方向,高浓度污染物持续稳定地向勐腊传输导致勐腊出现持续重污染.     

辽宁省背景地区降水化学特征及其与大气传输的关系

为了解辽宁省背景地区降水化学特征及其与大气传输的关系,于2007年2月─2008年1月在辽中县水文监测站进行了降水化学特征观测,测量项目包括降水pH,电导率和离子浓度. 观测期间降水pH为3.4～7.3,降水量加权平均值为4.6,整体呈酸性. 降水中主要阴离子为SO₄2-和NO₃-,浓度分别为154.3和53.4 μeq/L,二者占阴离子总量的76.8%; 主要阳离子为NH₄+和Ca2+,浓度分别为124.6和89.2 μeq/L,占阳离子总量的70.6%. 利用后向气流轨迹分析了降水气团来源对降水化学的影响,结果表明:在辽宁省及周边地区的局地气团影响下,降水中离子浓度最高;而在起源于东亚地区,经朝鲜半岛到达的南-东南气团影响下,降水次数虽最多,但离子浓度最低.      

南京冬季典型霾天气过程多元对比分析

选取2017～2020南京地区冬季3个典型霾天气过程,综合分析了霾天气过程中污染物、气象要素以及边界层条件等影响机制与特征变化.结果表明,3次过程中,AQI指数峰值分别为304(严重污染)、227(重度污染)与176(中度污染),且与PM2.5、PM10浓度变化基本趋于一致,PM25与PM10比值基本都大于0.7;污染...     

太原市秋冬季大气污染特征和输送路径及潜在源区分析

采用环境空气质量指数(AQI)统计分析了2014～2018年太原市全年及秋冬季污染特征,并采用HYSPLIT后向轨迹模型计算了2014～2017年秋冬季逐时后向轨迹,结合太原市AQI,通过聚类分析、潜在源贡献因子和浓度权重轨迹方法对影响太原市的污染物输送路径和潜在源区进行了分析.结果表明,太原市污染状况不容乐观,太原市2014～2018年全年优良天数波动较大,尤其近两年从64%下降到不足50%;然而秋冬季优良天数稳步上升,2018年超过50%,空气质量有好转趋势.污染类型可能发生变化,全年及秋冬季PM_(2.5)为首要污染物的污染天数下降显著,PM_(10)为首要污染物的天数上升明显.聚类分析2014～2017年秋冬季太原的后向轨迹,53%的气团来自偏西方向,21%来自西北方向,12%来自西南方向,14%来自偏东方向,其中西南方向轨迹是外来污染物输送进入太原的主要轨迹,对太原空气质量有显著影响.PSCF和CWT分析表明,影响太原空气质量的重要潜在源区主要位于汾渭平原的陕西汉中、西安和山西的吕梁、临汾等地.建立汾渭平原及其周边区域联防联控机制对控制区域污染有着重要意义.     

基于地理标记照片的入境游客空间特征与移动轨迹——以南京市为例

随着互联网与社交媒体的兴起,用户分享内容中的地理标记数据成为旅游流研究的重要对象。以南京入境旅游流空间特征为研究对象,以2010—2018年Flickr平台内南京地理标记照片为基础,利用DBSCAN算法、ArcGIS 10.2等方法与技术探究南京入境旅游热点区域、游客移动轨迹特征及模式。研究结果显示：（1）南京入境游客访问峰值出现在3-6月及10月,以一日游为主。（2）南京AOI空间分布差异明显,历史城区是南京入境旅游最热门区域,其AOI分布与旅游景区、商业购物等相关产业空间高度重合;中心城区的AOI分布数量次之,钟山风景区是其热度核心,深受热衷历史文化的游客追捧;郊区的AOI分布数量最少,基本与当地旅游景区相吻合。（3）单日游和多日游的游客移动轨迹网具有显著差异性,分别体现在网络范围、网络体系、旅游对流及转移差值4个方面。（4）南京入境游客移动轨迹模式可划分为区域内部移动轨迹模式和区域间移动轨迹模式。根据上述研究结果,分别针对历史城区、中心城区及郊区提出相应的发展建议。     

重庆市O3污染日的大气环流分型与传输特征

通过分析重庆市主城区2015~2019年O₃浓度和气象要素观测数据,发现主城区O₃超标日数、超标日O₃中位值和90百分位浓度值均呈现逐年升高趋势,O₃与温度成正相关、与相对湿度成负相关,高O₃浓度对应每日最高温度区间为35℃以上以及相对湿度区间70%以下.采用T-mode主成分分析法(PCT)对2015~2019年的4~9月850hPa低层位势高度场和风场进行分型,总结出重庆市O₃污染期间主要有8种天气类型,其中有利于出现高浓度O₃现象的天气类型分别是低压西北侧型(T1)、低压后部型(T4)和高压西侧(T3),对应O₃平均超标率分别为34.6%、17.0%和14.2%.利用HYSPLIT4模型后向轨迹聚类方法和潜在源贡献算法(PSCF),计算得到O₃污染日的气团主要以中短距离输送为主,主要传输轨迹来自北、东北、南以及西南四个方向,从2015~2019年,主要污染来源有一个明显的从北转南的趋势,O₃污染的潜在源贡献分析结果与全市工业源NO_x、VOCs排放量空间分布的一致性较高.