徐州市气象因子与空气质量和PM_（10）浓度的相关性分析

通过对徐州市空气质量及其对应的气象因子进行统计分析,得出空气质量与相对湿度、风速,降水等气象因子的关系。分析特殊气象天气出现时空气中主要污染物PM10的变化规律.得到一些初步结果,为减轻和防止污染提供参考。     

成渝城市群臭氧污染特征及影响因素分析

为研究成渝城市群O_3污染特征及其影响因素,对成渝城市群15个城市2015—2016年国控环境监测站点和国家气象台站数据进行了研究.结果表明,研究区域15个城市均存在不同程度的O_3超标现象.2015—2016年成渝城市群O_3污染形势愈发严峻,春末及夏季污染最为严重,且在7月达到O_3浓度峰值(118μg·m~(-3)),O_3污染空间分布呈片状,以资阳为中心的遂宁、眉山、成都等城市为O_3污染较为严重的区域.颗粒物、NO_2及CO均与O_3有显著相关性,其中,颗粒物与O_3浓度在冬季呈负相关,在夏季则表现为正相关.太阳辐射、气温、相对湿度及流场均是影响O_3浓度的重要因子,强辐射、高温及低湿易形成较高浓度的O_3,相对湿度对O_3浓度的影响呈先升后降的关系.     

京津冀地区城市臭氧污染趋势及原因探讨

采用Kolmogorov-Zurbenko（KZ）滤波分析了2013~2018年京津冀地区13个城市的臭氧最大日8h滑动平均（O₃-8h）序列,评估污染趋势并探讨原因.KZ滤波分离出的O₃-8h短期、季节和长期等3个分量分别占原始序列总方差的32.7%、63.9%和3.4%,各分量之间相互独立;以滤除了中短期过程影响的长期分量进行比较,京津冀地区远高于柏林、巴黎和伦敦等欧洲城市,与美国洛杉矶20世纪90年代初和最近4年状况相当,普遍低于上海和南京等长三角主要城市.但是,2013~2018年京津冀地区各城市臭氧污染加剧显著,长期分量升高速率达2.31~7.12 μg·（m³·a）^-1,均值为4.97 μg·（m³·a）^-1,快于长三角地区.拟合结果提示,臭氧浓度升高受气象条件影响不大（贡献比均值约为9.6%）,主要由大气污染排放变化造成（90.4%）,将该排放变化拆分为PM_2.5下降和臭氧前体物排放变化两项,其贡献比均值分别是27.3%和63.1%,其中北京-廊坊-天津城市带PM_2.5下降对臭氧升高贡献较大,分别为50.8%、32.5%和36.7%,衡水则达到48.6%.PM_2.5浓度降低已成为北京、衡水等地臭氧升高的最关键因素,这意味着需进一步减少前体物排放,以抵消PM_2.5降低导致臭氧增加的反作用.需要指出,该结果尚待实验和模型模拟验证.     

Dry deposition velocity of total suspended particles and meteorological influence in four locations in Guangzhou, China

Dry deposition velocity of total suspended particles (TSP) is an effective parameter that describes the speed of atmospheric particulate matter deposit to the natural surface. It is also an important indicator to the capacity of atmosphere self-depuration. However, the spatial and temporal variations in dry deposition velocity of TSP at different urban landscapes and the relationship between dry deposition velocity and the meteorological parameters are subject to large uncertainties. We concurrently investigated this relationship at four different landscapes of Guangzhou, from October to December of 2009. The result of the average dry deposition velocity is (1.49 ± 0.77), (1.44 ± 0.77), (1.13 ± 0.53) and (1.82 ± 0.82) cm/sec for urban commercial landscape, urban forest landscape, urban residential landscape and country landscape, respectively. This spatial variation can be explained by the difference of both particle size composition of TSP and meteorological parameters of sampling sites. Dry deposition velocity of TSP has a positive correlation with wind speed, and a negative correlation with temperature and relative humidity. Wind speed is the strongest factor that affects the magnitude of TSP dry deposition velocity, and the temperature is another considerable strong meteorological factor.We also find out that the relative humidity brings less impact, especially during the dry season. It is thus implied that the current global warming and urban heat island effect may lead to correlative changes in TSP dry deposition velocity, especially in the urban areas.     

重庆市主城区PM2.5时空分布特征

利用2014年6月1日至2015年5月31日重庆市主城区17个国控空气质量监测站24 h自动连续采样的PM_(2.5)浓度数据,探讨了重庆市主城区PM_(2.5)时空分布特征.结果表明:1重庆市主城区PM_(2.5)季节浓度由高到低依次为冬季(100.2μg·m~(-3))、秋季(66.1μg·m~(-3))、春季(45.9μg·m~(-3))和夏季(33.4μg·m~(-3))(P0.05).2重庆市主城区PM_(2.5)月均浓度变化呈单峰单谷型,1月PM_(2.5)月均浓度最高(P0.05),达到120.8μg·m-3.3逐日变化,国控17个空气质量监测站PM_(2.5)日均浓度曲线都呈现出尖峰和深谷交替变化的锯齿状.4重庆市主城区16个国控监测点(除缙云山对照点)PM_(2.5)浓度日变化在全年、春季、秋季和冬季都呈现明显的双峰双谷型.5PM_(2.5)与SO_2、NO_2和CO都呈显著正相关(P0.01),表明SO_2、NO_2和CO的二次转化对PM_(2.5)浓度具有显著影响.     

乌鲁木齐河源区黑碳气溶胶浓度特征及其来源分析

利用七波段黑碳仪对2016年8月—2017年7月乌鲁木齐河源区大气中黑碳气溶胶进行了实时监测,并结合同时期气象资料对该区域黑碳气溶胶浓度变化特征、影响因子和可能来源进行了分析.结果表明,观测期间乌鲁木齐河源区黑碳浓度在102～1525 ng·m~(-3)之间变化,均值为520 ng·m~(-3).春季、夏季、秋季和冬季的浓度分别为425、536、686和427 ng·m~(-3),呈秋季最高,夏季次之,冬、春季低的季节变化特点.日内变化具有明显的双峰双谷特征,在当地时间8:00—9:00(与北京时间的时差为2小时,即为北京时间10:00—11:00,下同)和16:00—19:00有两个明显的峰值,可能与当地的排放和气象因素有关.乌鲁木齐河源区黑碳的本底浓度在春季、夏季和秋季分别为253、271和290 ng·m~(-3),而冬季黑碳的本底浓度仅为162 ng·m~(-3).与其他偏远地区相比,乌鲁木齐河源区因受较多排放源影响,黑碳浓度本底值较高.黑碳气溶胶浓度与气象因素相关性显著,当风速小于2 m·s~(-1)时,黑碳的平均浓度明显偏高,当相对湿度大于55%时,黑碳浓度明显偏低.由浓度权重轨迹分析和波长吸收指数(AAE)可知,乌鲁木齐河源区的黑碳浓度,除了受本地化石燃料燃烧和生物质燃烧排放的影响以外,还可能受到中亚地区远距离传输的影响.     

典型西南工业城市柳州市核心区大气污染物时空分布与气象因素研究

为研究柳州市核心区大气污染物浓度时空变化规律与气象因素之间的关系,统计分析了2018年全年研究区内6个自动监测站点PM_(2.5)、PM_(10)、SO_2、NO_2、O_3和CO的浓度监测数据和气象站气象数据,并对28次超标日污染物来源进行了解析.结果显示:①核心区颗粒污染物污染较为严重,且以PM_(2.5)为主的细颗粒污染物仍为柳州市主要的大气污染物;各污染物月均浓度季节差异显著,除NO_2外柳州大气污染物浓度下降明显,指示柳州市多项节能减排综合整治措施成效显著;PM_(2.5)、PM_(10)、CO受早晚高峰期影响,浓度日变化均呈双峰型;NO_2在不同季节峰型不同,作为O_3前体物其浓度日变化与O_3相反,呈现"早峰午谷"的变化趋势.②通过对污染物浓度插值发现,由于核心区主要工商业区位于西部且处于主导风向下风向,故PM_(2.5)和SO_2浓度西北高、东南低,PM_(10)、NO_2和CO浓度西南高、东北低;核心区东部的山区为O_3生成带来大量前体物,使O_3浓度东南高、西北低.③由于气候特征,核心区春、夏季主要气象因素均为降水量;秋季的主要气象因素是风速,风速与污染物的负相关关系表明了风的扩散效应;冬季大部分污染物与气象因素的相关性不显著,表明人为因素对污染物的影响大于气象因素;核心区大气污染物主要来源于局地排放和区域传输,且南北主导风向对大气污染影响最大.④HYSPLIT模型结果指示柳州超标日大气污染物主要来自于珠三角地区,且陆源颗粒物浓度普遍比海洋源高,来自南部的远距离输送气流颗粒物含量最低,表明远距离输送为影响颗粒物传播的主要原因.     

城市小区气象条件与污染扩散精细预报研究

从城市小区气象条件与污染扩散精细预报的科研需求和城市大气环境应急响应的应用需求出发,利用新一代全球/区域同化预报系统、城市小区尺度气象和污染扩散模式以及城市尺度污染扩散模式,对城市小区气象条件与污染扩散进行了精细预报试验,并进一步研究了城市小区尺度气象和污染扩散的精细模拟对城市尺度污染扩散模拟的影响.初步建立了城市小区气象条件与污染扩散精细预报方法,即:气象部分由全球到小区逐级单向嵌套、污染部分由小区到城市逐级单向嵌套的方法.预报试验结果表明,这种方法是合理可行的.小区尺度精细模拟对城市尺度污染扩散模拟的影响较大,但其模拟效果还有待利用观测资料进一步验证.     

气象因素对香港地区臭氧污染的影响

基于2000~2015年香港地区的臭氧监测数据和气象数据,分析了香港的臭氧污染特征及气象因素对臭氧污染的影响.结果表明:(1)香港地区臭氧浓度呈现明显的季节变化特征,其中秋季春季冬季夏季,臭氧超标日集中在夏季和秋季,超标日发生在冬季和春季的情形极少.(2)2000~2015年香港臭氧日最大8h平均浓度(MDA8)年均浓度呈增长趋势,平均增长速率为0.77μg·(m3·a)-1,臭氧MDA8第90百分位数浓度同样呈增长趋势,增长速率为1.49μg·(m3·a)-1.(3)较高的气温是香港地区臭氧污染发生的必要条件,气温越高越容易导致更高浓度的臭氧污染.(4)绝大多数情况下,臭氧浓度与相对湿度间呈负相关关系,相对湿度越高,香港地区的臭氧MDA8平均浓度及第90百分位数浓度均会降低.(5)当香港发生臭氧污染时,盛行风往往从偏北风或偏东风转为偏西风.随着风速的增大,臭氧平均浓度变化不大,但是臭氧第90百分位数浓度会明显降低.(6)降水和云量是影响臭氧浓度的重要因素,连续多日的无雨或少雨天气是臭氧污染事件发生的必要条件,而随着云量的增加,臭氧平均浓度和第90百分位数浓度会持续降低.(7)在太阳总辐射量≤20 MJ·m-2或日照时长≤10 h的情况下,臭氧浓度与太阳辐射及日照时长呈正相关关系.然而,在太阳辐射强烈的情况下(太阳总辐射量 20 MJ·m-2或日照时长 10 h),随着太阳辐射增强或日照时长的增加地面臭氧浓度反而降低,这是因为太阳辐射强烈的情况常出现在雨后天晴的背景下,并盛行来自海洋的偏南风,使得臭氧污染不易形成.(8)香港臭氧超标日的出现往往伴随着一系列气象条件的共同改变,包括晴天少雨、辐射增强、边界层高度增加、相对湿度降低、风速变小以及气温升高等气象特征,污染结束则伴随着相反的气象变化.     

海北雷暴活动分析

利用海北6个气象站1978～2007年30a气象观测资料和2000～2007年雷灾资料,从气象要素变化分析了海北地区雷暴日数时空变化的原因,并从地理和土壤环境背景角度分析了雷暴多发和雷灾多发的原因.结果表明,海北地区雷暴次数总的趋势是减少的,各地雷暴日数不同,门源为多雷区,托勒为少雷区;雷暴出现最多方位为西北方和西南方;雷暴活动的强弱与近地层大气的不稳定有关,地气温差的高低和相对湿度的大小与海北雷暴活动关系密切;气候变化是导致海北雷暴减少的主要因素之一;雷暴日数和雷击灾害的发生与当地所处的地理位置、盛行风向、土壤背景有关.