2001~2019年气象条件对江苏省PM2.5分布的影响

利用区域在线空气质量模式WRF-Chem模拟研究了2001～2019年气象条件对江苏省PM_2.5浓度分布的影响.在排放源不变的情况下,气象条件引起的江苏省PM_2.5年均浓度的最强正、负异常分别出现在2008和2001年,它们的异常值相对于多年平均值分别占比10.5%和-14.3%,表明气象条件对PM_2.5浓度年际变化有明显影响.经验正交函数分解的结果表明,气象条件对江苏省PM_2.5浓度的空间分布的影响具有一致性.边界层高度、温度、相对湿度、风速和降水整体上都与江苏省PM_2.5浓度呈现显著负相关关系.以上气象因子所构建的线性回归方程能较好地描述PM_2.5浓度和气象条件之间的关系,其拟合值与模拟值相关性为0.73,通过了99%的信度水平检验.     

太原市PM2.5浓度的气象特征影响分析及预报

利用2016～2020年太原市污染物浓度资料、以及国家基准气象观测站的同期地面气象资料,重点分析了太原市PM_2.5浓度的变化特征以及湿度、降水、风和混合层厚度等气象条件对PM_2.5浓度的影响,同时探讨了污染物浓度变化的成因,建立基于LSTM神经网络的PM_2.5浓度预报模型.结果表明,2016～2020年太原市区冬季出现的重污染天数最多,其中2017年冬季出现天数最多为28 d, PM_2.5浓度总体呈现出秋冬季节高,春夏季节低,周末PM_2.5浓度高于工作日浓度,PM_2.5浓度日变化大致呈现双峰型分布,分别出现在09:00左右和23:00至翌日01:00.除相对湿度和冬季气温外,其余气象要素与PM_2.5浓度在四季均表现为负相关.影响太原市区PM_2.5浓度升高的污染源主要位于其NE-ENE-E方向,西北部地区的相对不明显.汛期当达到中雨(降水量≥10 mm)以上级别的降水都对PM_2.5浓度降低有明...     

成都市雾霾期间气象要素与环境空气质量状况的对比分析

成都市2013年1月8日～ 20日期间出现了大范围的连续雾霾天气,环境空气质量持续超标.本文收集了该时间段连续5年的地面气象观测资料及环境空气质量数据,通过统计、对比等方式对其变化规律进行了初步分析,为雾霾的成因分析和大气污染控制提供参考.     

济南市春季大气颗粒物污染研究

对济南市2005年春季大气颗粒物中PM10、PM2.5和细颗粒物中的黑碳气溶胶的浓度水平、时间分布和日变化进行了观测,并结合气象资料对变化特征进行综合分析,探讨了PM10,PM2.5和黑碳的相对含量以及对能见度的影响等.研究结果表明,PM10和PM2.5平均浓度分别为242.5μg·m-3和109.4μg·m-3.与我国空气质量二级标准PM10日均值150μg·m-3和美国国家空气质量PM2.5日均标准65μg·m-3相比,超标率分别达到80.77%和84.61%,污染较严重;监测期间PM2.5/PM10的平均值为0.456.在PM2.5中,黑碳气溶胶平均质量浓度为5.39μg·m-3,占PM2.5的5.06%,日浓度变化呈双峰型.在监测时间内,污染物浓度与温度无明显的相关性;与相对湿度呈弱正相关;与风速呈明显的负相关关系.降水对PM10、PM2.5和黑碳的清除作用较为显著.PM10、PM2.5和黑碳浓度与能见度均呈负相关,相关系数(r)分别为-0.633、-0.695和-0.704,细颗粒物是影响能见度的主要因素.     

内蒙古近地面臭氧污染时空分布特征及气象条件分析

使用2018—2020年内蒙古臭氧(O₃)、气象要素观测资料和NCEP FNL资料,统计分析内蒙古近地面O₃质量浓度的时空分布特征和变化趋势,并针对全区O₃污染典型个例分析其天气形势和气象要素的影响作用。结果表明:内蒙古2018—2020年O₃质量浓度年评价值呈逐年下降趋势,2020年较2018年下降10.3%,各盟市O₃超标率也显著降低,仅赤峰市和通辽市略微上升。内蒙古O₃质量浓度高值分布在中西部偏南地区,尤其是乌海市和鄂尔多斯市;O₃超标率峰值主要出现在5—7月,周末效应存在东西部差异。O₃浓度变化和天气形势关系密切,南部暖平流和暖高压控制有利于O₃生成,西北部冷平流和冷涡发展使得O₃浓度下降;高温、低湿、微风和较高的能见度均为诱发O₃污染的重要气象条件,而西北大风通过降低温度、能见度和易于扩散的风向使得内蒙古O₃浓度降低,但同时可能会导致PM₁₀污染。     

基于特征指标的气象因子对PM2.5浓度的影响分析

以西安为研究区域,为探究气象因子对PM_2.5浓度的影响,采集2017-2019年空气质量与气象因子数据,改进k-Means聚类算法,形成严重污染、重度污染、中度污染、轻度污染共4个PM_2.5浓度与气象因子样本簇集。分析簇集数据分布,选择Spearman相关性分析方法,确定影响PM_2.5浓度的气象因子;定义PM_2.5凸显性条件,给出幅度特征FOA、浮动特征FOF和凸显特征FOH,构建三维空间,确定气象因子对PM_2.5影响的大小,进而建立气象因子对PM_2.5浓度的影响分析方法。比较多元线性回归和随机森林回归方法,结果表明:该方法提高了分析效率,且无需考虑因子选取和表达,能有效确定影响PM_2.5浓度的气象因子种类及影响程度。在低温、高湿、高压和相对静风的气象条件下,空气中颗粒物难以扩散和输送,使西安市PM_2.5浓度升高。严重污染、重度污染和中度污染中,PM_2.5浓度与相对湿度呈显著正相关,与风速、气温呈显著负相关,且影响大小依次为相对湿度>风速>气温;轻度污染中,PM_2.5浓度与相对湿度、气压呈显著正相关,与风速、气温呈显著负相关,且影响大小依次为气温>相对湿度>气压>风速。     

安阳市近地面臭氧污染特征及气象影响因素分析

基于国控环境空气质量监测站数据分析了安阳市2014～2017年不同功能分区(城市、郊区和工业)点位的臭氧(O_3)污染特征和变化规律,并研究了O_3污染的气象影响因素和潜在源分布.结果表明,2014～2017年安阳市各站点O_3年均浓度上升明显,O_3超标日的出现从2015年开始不断提前,最早在2017年4月出现;工业区点位O_3第90百分位数和平均值增长最快,年均分别增长16. 0μg·m~(-3)和13. 0μg·m~(-3),郊区点位O_3第5百分位数增长最快,年均增长13. 2μg·m~(-3);安阳市O_3月变化呈"M"型,且具有明显的空间差异;温度对O_3浓度起主导作用;气温大于23℃、相对湿度小于58%和西南偏南方向5m·s-1风速与高浓度O_3污染密切相关;不同季节O_3潜在来源差异明显,夏季主要分布在河北南部、湖北北部和沈阳北部.2017年5月首次出现O_3重污染日,工业点位O_3小时平均浓度高达405μg·m~(-3),重污染事件与西部干热气团转移导致持续高温有关.     

疫情期间“2+26”城市污染减排成效评估

为评估“2+26”城市在疫情期间的减排效果,基于NAQPMS模式和情景模拟的方法,分析了2020年1~3月及疫情前后空气质量特征,对气象、重污染应急减排措施及社会经济活动对空气质量的影响和研究的不确定性进行了分析讨论.结果表明,2020年1~3月,“2+26”城市空气质量级别优良率为59.6%,同比上升10.9%;PM₁₀、PM_2.5、SO₂、NO₂、O₃-8h-90per和CO-95per平均浓度分别为108,76,14,36,109μg/m³和2.3mg/m³.疫情期间（1月24日~3月31日） PM₁₀、NO₂、PM_2.5和CO浓度比疫情前期（1月1~23日）同比降幅明显.气象条件造成沿燕山和太行山城市PM_2.5浓度约上升1%~8%.重污染减排促使区域性污染过程减少了2次,“2+26”城市PM_2.5季度均值降低约6~26 μg/m³.受春节和疫情综合影响,机动车排放量大幅下降,但焦化、火电等重点行业实际污染排放量变化不大,散煤燃烧对空气质量的负面影响增加.     

天气条件对福州近地层臭氧分布的影响

利用2009—2010年福州市近地层臭氧连续观测资料,并结合气象资料分析不同天气型对臭氧浓度变化的影响,以及臭氧浓度与气象要素的相关性。结果表明：在高压后部、地面倒槽等6种天气型影响下,福州市臭氧浓度值较高;在低涡锋面、台风（热带辐合带）等4种天气型影响下,臭氧浓度值较低。导致福州市臭氧平均浓度值最高的天气型是台风（热带辐合带）外围,最低的是低涡锋面系统。高压后部、地面倒槽和锋前暖区等强暖性、且非常不利于污染物扩散的天气型易造成臭氧浓度超标。臭氧浓度与气象要素关系密切,与温度、日照、太阳辐射显著正相关,与云量、相对湿度、降水量显著负相关,受偏南和偏东风影响,平均风速较大时,臭氧浓度较高,在SSE方位上臭氧小时浓度超标率最高。     

Temporal variations of C2 concentration near land surface and its response to meteorological variables in Heihe River Basin, northwest China

Atmospheric CO2 concentration （CC） near land surface and meteorological variables have been measured at four sites, named Yeniugou （alpine meadow and permafrost）, Xishui （mountainous forest）, Linze （oasis edge） and Ejina （lower desert）, respectively, in Heihe River Basin, northwest China. The results showed that, the half hourly CC at night was larger than in daytime, and the daily averaged CC was the largest in winter. The averaged CC of 932 d at the Linze was about 418 ppm, was about 366 ppm in the 762 d at the Ejina. In the same period from September 23 to November 9, 2004, the averaged CC was about 625,334, 436 and 353 ppm, at Yeniugou, Xishui, Linze and Ejina, respectively. The linear relationship between daily averaged CC and air temperature T was negative, between CC and relative humidity （RH） was positive. The linear CC-atmospheric pressure （A P） relationship was negative at the Linze and Yeniugou, was positive at the Ejina. The relationship between CC and global radiation R was exponent, and soil temperature Ts was negative linear, and soil water content was complex. The correlation between CC and wind speed was not existent. Using meteorological variables together to simulate CC, could give good results.