气象因素对广州市大气中二噁英污染特征的影响

采用高分辨气相色谱/高分辨质谱仪测定了广州市环境空气中2,3,7,8-PCDD/Fs的含量,并对其来源进行初步分析.重点研究了广州市大气二噁英浓度的空间和季节分布特征,分析其毒性当量浓度变化与气象因素的相关性,并利用美国空气资源实验室的拉格朗日混合单粒子轨道模型对气流轨迹进行模拟,为了解广州市大气二噁英污染状况提供重要的基础数据.结果表明,工业区的二噁英浓度高于其他功能区;大气二噁英毒性当量浓度最高值出现在春季;风向和风速、温度和气压、相对湿度、降水等气象因素都会对大气二噁英的污染程度产生影响,温度、风速与大气二噁英浓度呈负相关,但相关性不明显;经过气团后向轨迹分析,秋季气流轨迹主要往西北地区延伸,冬季大气团运移较慢,主要来自内陆地区,春夏季节气流主要经过东南沿海或海面到达广州.     

杭州灰霾天气超细颗粒浓度分布特征

利用快速迁移率粒径谱仪(FMPS)对杭州2013年12月6～11日连续灰霾天气和灰霾消退过程超细颗粒进行监测,分析颗粒物浓度变化和粒径谱分布特征及其与气象的相关性.结果表明,颗粒物日变化特征为夜晚数浓度较高,凌晨数浓度开始降低,08:00和18:00上下班高峰期出现一个小峰值,体现出明显的交通源峰值,表明交通排放对大气污染影响较大.灰霾天气下颗粒物最高数浓度达到8.0×104cm-3.粒径谱呈双峰分布,峰值粒径分别为15 nm和100 nm,粒径在100 nm附近的粒子占大多数,粒子以爱根核模态和积聚模态为主,平均数量中位径CMD(count medium diameter)为85.89 nm.而在灰霾消退过程,颗粒物数浓度降低,峰值粒径向小粒径演变,粒径在100 nm附近的粒子逐渐减少,核模态粒子增多,大于积聚模态,平均CMD为58.64 nm.气象因素中能见度和风力与数浓度主要呈负相关,相关系数R分别为-0.225和-0.229,相对湿度与数浓度正相关,相关系数R为0.271,冬季大气比较稳定,水平温度与数浓度的相关性较小.研究灰霾天气数浓度分布和气象因素的综合影响对其形成机制及控制有重要意义.     

云南大气降水中δ18O与气象要素及水汽来源之间的关系

根据云南昆明、腾冲、蒙自三个地区在2009 年1 月至2011 年12 月3 a 间收集的大气降水以及相关气象要素资料,结合欧洲中期数值预报中心以及NCEP/NCAR提供的再分析资料,研究了天气尺度下三个地区大气降水中δ¹⁸O与降水量、温度、水汽压等气象要素之间的关系,并分析了δ¹⁸O与高空各气压层（800、700、500、300 hPa）风速的相关关系。结果表明：在天气尺度下,三个地区大气降水中δ¹⁸O与降水量、温度、水汽压均存在显著的负相关,表明三个地区大气降水中δ¹⁸O的变化具有显著的降水量效应、反温度效应以及湿度效应;同时,高空各气压层风速与δ¹⁸O之间存在正相关关系,表明高空风速也是影响大气降水中δ¹⁸O变化的一个重要因素。通过拉格朗日后向轨迹模型HYSPLIT 4.8 追踪三个地区水汽输送轨迹发现,三个地区大气降水的水汽来源基本一致,表明三地处在同一条水汽通道上。在湿季降水期间（5-9 月）,水汽主要来源于孟加拉湾、阿拉伯海以及南海等海域,降水中δ¹⁸O偏低;而在干季降水期间（10 月-翌年4月）,水汽主要来源于西风带携带的内陆水汽以及局地水汽再循环,降水中δ¹⁸O偏高。     

贵阳市大气颗粒物(PM2.5)污染特征及气象参数的影响

运用连续颗粒物采样仪(URG Model 2000-01J)对贵阳市城区大气颗粒物PM2.5进行了连续3个月(9~11月)的采集与分析,探讨了PM2.5的浓度分布特征、气象条件的影响。结果显示,贵阳市大气颗粒物PM2.5的平均质量浓度为53±27μg/m3,变化范围为3.7~186μg/m3;初步推断大气颗粒物PM2.5的污染来源主要是燃料燃烧、生物质燃烧、汽车尾气等人为源;相对湿度、风速、风向、温度等气象条件是影响大气颗粒物浓度及分布的重要因素。     

不同季节气象条件对北京城区高黑碳浓度变化的影响

利用2013年至2015年北京城区黑碳气溶胶(下文统称为"BC")和PM2.5观测资料,结合地面气象观测资料、ECMWF边界层高度再分析资料和FNL/NCEP不同高度风速再分析资料,讨论了BC质量浓度及其在PM_(2.5)质量浓度中所占比例(下文统称"黑碳占比")的季节、月、日变化特征,并通过计算北京城区BC浓度与不同高度风速的相关矢量,分析了气象条件和外来输送对北京城区BC浓度变化的影响.结果发现:研究时段内北京城区BC浓度平均值为(4.77±4.49)μg·m~(-3);黑碳占比为8.23%±5.47%.BC浓度和黑碳占比在春、夏季低,秋、冬季高,其日变化特征在4个季节均为"白天低夜间高"的单峰型特征.随着PM_(2.5)浓度的升高,BC浓度增大,黑碳占比减小.当北京地区风向为东北、东北偏东、东南和西南偏西(主风向)时,BC浓度与风速和边界层高度均呈反向变化,即随风速和边界层高度的增大而减小.另外不同季节BC浓度随风速变化的临界值及其变化速率不同.冬季高BC浓度时段,北京城区BC浓度在低层大气的关键影响区分别位于河北南部与山东交界地区以及河北西北部与山西内蒙交界地区;高空关键影响区主要位于北京以西的河北西部、山西北部和内蒙古地区.     

2013年京津冀重污染特征及其气象条件分析

2013年中国东部地区多次发生持续的重霾污染事件.为探究其气象条件与重污染事件的关系,本文使用欧洲中心2013年东亚地区的逐日气象数据和北京、天津、石家庄的逐时PM_2.5浓度数据以及2013年MICAPS观测数据,分析了重污染事件对应的天气形势,并使用NAQMPS针对2013年1月的重污染事件进行情景模拟.研究结果表明：1北京、天津和石家庄地区PM_2.5浓度,夏秋季节日变化不显著,秋冬季节白天低夜间高;3地PM_2.5浓度均表现为12-1月浓度最高,7月最低;.2500 hPa平直西风气流,850 hPa弱暖平流,地面处于弱高压后部或高压底部高低空配置下的天气系统,对应着重污染事件的高发期;3源强不变的情况下,京津冀地区由弱高压前部控制转为弱高压控制时,地面温度升高0~5℃,相对湿度增加30%~50%,风速下降2~3 m·s^-1,PM_2.5浓度变化可达300 μg·m^-3.     

G20峰会期间杭州地区空气质量特征及气象条件分析

利用空气质量和气象要素的监测资料与再分析资料,分析了2016年G20峰会期间(2016年8月10日—9月20日)杭州及周边地区空气质量演变及区域特征,探讨了气象条件对G20峰会期间杭州空气质量的影响.结果表明:G20峰会管控期间,由于机动车排放大幅度降低,杭州NO_2浓度较管控前有所下降,对比周边城市降幅居于首位;而由于不利气象条件的影响,PM_(2.5)、PM_(10)、SO_2、CO和O_3浓度比管控前有不同程度的增长,但增幅相比周边城市较小,说明管控措施对杭州空气质量有一定的改善效果.9月7日管控措施结束后污染反弹现象明显.气象条件对杭州的空气质量有重要影响:在管控前,杭州晴热高温天气有利于O3的生成,偏东风相对洁净,污染传输较少;在管控期,杭州虽受到静稳天气和外来污染传输的影响,但得益于减排应急管控措施的有效实施,NO_2浓度下降幅度最大,其他污染物的增幅也较周边城市偏小;在管控后,气象条件不利于污染物的垂直扩散,受静稳天气和污染源恢复常态的影响,PM_(2.5)、PM_(10)、NO_2、SO_2和CO出现了整个研究时段的最大值,而台风"莫兰蒂"使得杭州PM_(2.5)、PM_(10)和O_3浓度出现了整个研究时段的最低值.     

苏州城市化进程对降雨特征影响分析

城市化的发展过程中,城市下垫面的改变以及人类的生产生活共同作用使大气边界层的特性发生变化,从而影响了城市地区的降雨。位于太湖流域平原水网地区的苏州城市化发展迅速。在分析了苏州城市化发展进程的特点及1953~2000年降雨时间序列特征基础上,采用同时期城区（苏州站）与郊区（望亭站）雨量横向对比、城市化发展不同时期同一站雨量纵向对比的方法,研究了城市化对该地区降雨量、降雨年内分配、降雨发生次数等的影响。通过研究发现：城市化对年雨量、汛期雨量和最大日雨量都有不同程度的增加作用,其中对最大日雨量的影响最显著;受城市化影响,降雨年内分配有集中的趋势;城市化使不同类型降雨发生次数均增加,其中对暴雨发生次数的影响最大。     

嘉善前体物与气象因子对臭氧生成的影响及臭氧潜在源区分析

利用2017年嘉善善西超级站臭氧（O₃）及其前体物（NO_x和VOCs）以及气象因子（温度、湿度、风速）逐小时数据,分析了2017年全年NO_x和O₃的变化特征以及春季（4—5月）、夏季（7—8月）NO_x和气象因子对O₃生成的影响,利用O₃生成潜势（OFP）评估了VOCs大气化学反应活性,并通过潜在源区贡献（PSCF）和浓度权重轨迹（CWT）方法分析了嘉善春、夏季O₃潜在源区贡献特征。研究发现：O₃日变化特征为单峰结构,NO_x为弱双峰结构。O₃浓度在3—9月较高,春、夏季O₃浓度峰值分别出现在15：00和14：00,春、夏季的NO_x、O₃日变化与2017年全年日变化趋势基本一致。NO_x对O₃存在滴定作用,且低湿高温有利于O₃浓度的升高。春、夏季O₃生成潜势贡献均表现为烯烃 > 芳香烃 > 烷烃,由于烯烃光化学活性较高,夏季烯烃浓度升高导致其贡献较春季增长约18.1个百分点,且夏季VOCs平均最大O₃增量反应活性高于春季。PSCF和CWT分析结果表明,嘉善春季的潜在源区主要为本地、西南方向和东南方向,夏季的潜在源区主要为本地、西北方向、西南方向以及东南方向。     

Assessing Respiratory Morbidity Through Pollution Status and Meteorological Conditions for Delhi

The study focuses on assessing the status of respiratory morbidity in Delhi over a four years period from 2000–2003. An attempt was made to investigate the role of important pollutants (SO₂, NO₂, SPM and RSPM) and various meteorological factors (temperature minimum & maximum, relative humidity at 0830 and 1730 hrs. and wind speed) in being responsible for respiratory admissions on account of COPD, asthma and emphysema. The study showed that winter months had greater exposure risk as pollutants often get trapped in the lower layers of atmosphere resulting in high concentrations. Statistical analysis revealed that two pollutants have significant positive correlation with the number of COPD cases viz., SPM (r = 0.474; p < 0.01) and RSPM (r = 0.353; p < 0.05), while a meteorological factor temperature (minimum) has a significant negative correlation (r = −0.318; p < 0.05) with COPD. Stepwise multiple regression analysis was performed for COPD as dependent variable and R² value of 0.33 was obtained indicating that SPM and RH(1730) were able to explain 33 percent variability in COPD. The partial correlation of SPM and RH(1730) on COPD was higher than any other combination and therefore they can be regarded as important contributing variables on COPD.