2015—2019年保定市O3变化及其周边源区分析

利用保定市2015—2019年近地面O₃和气象观测数据,统计分析了该地区O₃变化特征及其与地面气温、相对湿度、风速和风向的关系,并确定了O₃的周边源区.结果表明,2015—2019年保定市O₃污染呈加重趋势,O₃污染超标天数从2015年的63 d增加至2019年的95 d.由于秋冬季昼夜温差较大,导致其O₃日变化相对扰动高于春夏季节.O₃浓度与近地面气温呈非线性正相关关系,随相对湿度(RH)的增加呈阶段性的先增后减的变化趋势,其中当RH为40%～50%时,O₃浓度及其污染超标率均达到最大.此外,风场对O₃分布有重要影响,盛行偏南风时易发生O₃重污染,表明影响该地区O₃污染源区主要位于保定南部.潜在源贡献因子分析方法(PSCF)和浓度权重轨迹分析法(CWT)的分析结果表明,保定市春夏O₃源区分布范围最大,其中贡献高值区主要分布在...     

西安市黑碳气溶胶浓度特征及与气象因素和常规污染物相关性

利用西安市环境监测站超级站2013年9月1日—2015年5月31日黑碳气溶胶(BC)的监测数据,研究空气中BC浓度特征及其与气象因素和常规污染物相关性。结果表明:BC小时平均浓度均值在春季、夏季和冬季的变化趋势呈"W"型,秋季呈"V"型,且冬季的第一个最低值和峰值比春季和夏季的分别延迟1 h和2~3 h,且20:00~次日6:00秋季BC小时平均浓度均值高于当年冬季。BC浓度在秋季和冬季较高,夏季较低。冬季BC/PM_(2.5)基本最低,秋季BC/PM_(2.5)相对最高。BC日平均浓度与气温、降水和风速的日平均值为极负显著相关,且风速小于1.0 m/s时,其与风速呈最显著的负相关。除O_3外,BC日平均浓度与其他常规空气污染物浓度呈显著相关,表明其同源性很强,且受机动车尾气排放的影响更大。     

青藏高原典型城市拉萨市近地面臭氧污染特征

拉萨市作为青藏高原典型城市,环境空气质量相对较好,但臭氧污染近年来有所凸显。对拉萨市臭氧的现状与污染特征进行分析基础上,探讨臭氧污染的影响因素。结果表明:拉萨市臭氧污染表现出"来得早,去得快"的特征,与内地城市相比,拉萨市臭氧质量浓度在3月即可达到全年平均值(2015年为105μg/m~3),而9月以后将低于全年平均值,并在春末夏初达到峰值;由于青藏高原海拔高,紫外线强,相对内陆地区臭氧均值偏高,2015年拉萨市臭氧年均值比北京市和成都市分别高出7.7%、29.0%,其小时浓度变化呈中午高、早晚低的特征;拉萨市臭氧的浓度变化受空气湿度、日照时间和日均气温的影响;生物质燃料的跨界传输可能也对青藏高原地区臭氧的来源产生一定影响。     

我国典型南方城市臭氧污染特征

分析了我国典型南方城市的臭氧污染特征,选取我国4个有代表性的南方重点城市武汉、宁波、中山和南宁的2013—2015年监测数据,使用EXCEL、ORIGIN和MATLAB等统计软件开展研究,结果表明:我国南方典型城市的臭氧质量浓度分布有明显时间变化特征,超标时间跨度大,部分南方城市与氮氧化物存在较明显负相关性,相关系数高于-0.6;受城市所在不同地理位置、气象因素、大气扩散条件及可能的不同本地排放污染源构成等因素影响,4个城市的近3年臭氧浓度月均值、超标情况和年内峰值均存在一定差异和分组相似性;与部分气象因素也表现出显著相关性。     

气象因子对臭氧的影响及其在空气质量预报中的应用

为提高重庆市臭氧(O_3)预报准确率,利用2013—2015年5—10月O_3监测数据和气象数据,通过主成分分析、逐步回归分析等方法,确定了影响重庆O_3浓度的主要气象因素为最高温度、温差、太阳辐射、降水量、相对湿度、水气压和压差;通过基于O_3污染水平相似的主要气象控制因子筛选和最优组合的预报结果优化方法,提高了O_3预报准确率,使2016年5—8月O_3的AQI类别预报准确率由57.7%增至72.4%,O_3超标的预报准确率由38%增至46%。     

秸秆焚烧对哈尔滨市灰霾天气的影响

2015年11月1—4日,哈尔滨市及周边地区发生了连续的灰霾天气,颗粒物浓度急剧升高。污染发生时,监测仪器均布设在哈尔滨市区上风向30 km处(哈尔滨市双城区)并开展了连续96 h的监测分析。综合利用气象观测资料,3D可视激光雷达监测资料及地面空气污染监测资料分析了灰霾天气发生的气象条件和污染边界层特征,根据哈尔滨市双城区大气污染物排放源谱库对主要成分进行来源解析,结合颗粒物质量浓度和气象条件研究了秸秆焚烧对灰霾天气的影响。结果表明,灰霾天气持续期间,夜间生物质燃烧源成为该地区颗粒物的第二大源;秸秆焚烧产生的大气污染物,由于地面长时间静风,污染边界层降低等原因,致使本地污染物累积、不易扩散,加剧了本次污染。     

兰州市气象要素对大气质量影响力的模拟分析

为了弄清气象要素对大气质量的影响以及大气污染反弹的原因,通过对兰州市冬春之际气象要素对大气质量影响力的模拟分析,建立了气象要素与大气质量间的模拟模型,并应用该模型对兰州市大气污染指数进行预测分析。结果表明,该模型计算精度高,预测结果真实可信,方法可行性好,可用来模拟分析兰州市冬春之际空气污染的成因和动态变化。     

苏州市区灰霾现象形成的气象条件分析

随着社会和经济的快速发展,灰霾现象的发生有逐渐上升趋势,严重影响城市形象和群众的身心健康。苏州市的灰霾现象发生频率1—2月最高,7—8月最低。通过寻找形成灰霾现象的主要气象控制因子,有助于判别不同气象条件在灰霾天气形成中的作用。采用基于因子分析的主成分提取方法,将6个气象因子观测资料整合为3个主成分,并逐一揭示4个典型季节各主成分的支配因子在灰霾天气形成中的作用。结果表明,热量条件是影响1—2月、4—5月和7—8月霾日形成的主要气象条件。动力条件是10—11月霾日形成的主要气象条件,水分条件影响相对较弱,仅起辅助作用。     

华东森林及高山背景区域SO2、NOx、CO本底特征

国家大气背景监测福建武夷山站是中国华东区域背景站点之一,可代表华东森林及高山区域背景状况。为了解该区域的大气背景状况,评估区域污染现状以及污染物输送在区域污染中的作用,选取福建武夷山背景站2011年3月至2012年2月主要气体污染物（SO₂、NO_x、CO）为期1年的监测数据,研究各污染物在不同时间尺度的浓度变化特征和相关关系,以及与气象因子的相关关系,并利用后向轨迹模式探讨区域输送对华东森林及高山背景区域各气体污染物质量浓度的影响。结果表明,武夷山背景点监测期间SO₂、NO_x、CO的平均质量浓度分别为3.9、5.1、409.8 μg/m³,且具有明显的季节变化特征,春、冬季明显高于夏、秋季;三者日变化幅度均很小,呈现出单谷型分布型态,说明武夷山背景点受人为活动的影响很小,主要受气象条件影响;相关性分析结果显示,SO₂与NO_x浓度相关性较好,与湿度有较好的负相关,与风速在冬季具有一定的正相关,NO_x与CO浓度在秋季和冬季的相关性较好,且二者与温度的负相关性较好。后向轨迹分析结果表明,SO₂全年最大浓度峰值主要来自北方采暖季燃煤排放的远距离输送影响,NO_x、CO全年最大值则源于生物质燃烧的远距离输送影响。     

北京地区冬季典型PM2.5重污染案例分析

对2013年1月10—14日发生的持续性PM2.5重污染过程从污染过程演变、气象条件影响、与气态污染物关系、区域污染背景、PM2.5浓度空间分布演变及其与地面风场的关系、PM2.5组分特征等多个方面进行全面的分析,较为完整地还原了该次重污染案例的形成原因以及主要影响因素。主要结论包括:该次重污染过程是稳定气象条件下导致的局地污染物积累,再叠加华北区域性污染的影响共同造成,其中10、12日北京地区PM2.5浓度的快速增长反映了周边污染传输的显著影响;逆温不但造成污染物难以扩散,且不同的逆温类型对PM2.5浓度水平有显著影响,同时还发现逆温的破坏导致近地面高浓度污染物向上扩散,造成百花山出现峰值高污染浓度现象;NO2与PM2.5浓度水平的高相关性反映交通污染二次转化对PM2.5浓度水平的影响,在较高湿度条件下,SO2浓度水平对湿度敏感且表现为负相关性;该次污染过程中OM、SO2-4、NO-3、NH+4等组分在PM2.5质量浓度中的占比超过70%,说明燃煤、机动车等仍是北京地区最主要的污染来源,同时SO2-4占比最高也说明区域污染传输对该次重污染的显著贡献。