北京市2012-2013年秋冬季大气颗粒物污染特征分析

大气颗粒物一直是影响我国城市空气质量的重要污染物,2013年1月北京市的严重灰霾污染更是带来了重大的健康危害和经济损失。为了摸清北京市颗粒物污染的特征,本文利用北京市实时发布的颗粒物污染监测数据,选取污染最为严重的2012-2013年秋冬季时段,对颗粒物的达标情况、变化趋势及其与气象因子相关性等方面进行研究。研究结果表明：1）2012年,北京市年均ρ（PM10）为109.0μg.m-3,超过了新国标二级标准限值,日均ρ（PM10）的超标天数为84天,全年超标天数比例为23.0%。2）2012年10月至2013年2月,ρ（PM10）达标天数比例为77.9%,ρ（PM2.5）的达标天数比例为51.9%。各月ρ（PM2.5）的达标天数比例均低于ρ（PM10）,某些月份二者达标天数比例差异很大。3）ρ（PM2.5）与ρ（PM10）的逐小时连续变化趋势基本相同,变化特征为＂快速积累,迅速消散,持续时间不定＂。ρ（PM2.5）与ρ（PM10）平均值24 h的变化呈双峰双谷曲线,颗粒物质量浓度夜间高于白天。4）研究期日均ρ（PM10）和ρ（PM2.5）与日均相对湿度呈显著正相关关系,与平均风速和最大风速呈显著负相关关系,ρ（PM2.5）比ρ（PM10）更易受气象条件变化影响。5）ρ（PM10）和ρ（PM2.5）日均值有着非常显著的线性相关关系。本研究得出的ρ（PM2.5）/ρ（PM10）的均值高于之前北京市及我国其他城市研究得出的数值,严重污染现象是由特殊的气象背景条件与污染物高排放共同导致的。     

基于SPEI和SPI指数的青海省东部农业区春夏气象干旱特征的评估

青海省东部农业区是青海省重要的粮食生产基地,春夏干旱直接影响着该区农业的有序发展。论文选取青海省东部农业区13个气象站点1961-2014年平均月降水和气温数据,采用泰森多边形法、SPEI和SPI指数、R/S分析等方法对比评估了该区的春夏气象干旱演变特征。研究表明：1）近54 a SPEI和SPI指数显示青海省东部农业区干旱年际变化在2000年代前基本一致,2000年代后变化趋势发生变化;SPEI指数显示2000年代后春夏旱逐渐加重,SPI指数显示2000年代后春旱逐渐缓解该区干旱,气温是导致两者产生差异的主要原因。2）该区干旱面积覆盖率与干旱年际变化规律保持一致,两种指数主要在1990年代中期前后有所不同,1990年代中期后SPEI指数显示的春夏干旱覆盖面积要比SPI指数显示的广。3）SPEI和SPI指数在2000年代后春夏干旱频率呈相反趋势,SPEI指数显示的2000年代为干旱高频期,SPI指数为干旱低频期;两种指数均显示春旱高频区由西部转向东部地区,夏旱高频区由西北转向东南地区。4）根据干旱周期及R/S分析法,未来4~6 a该区春旱加重,北部地区为春旱高发区;未来18~22 a夏旱也有所加重,西部和东部地区为夏旱高发区。5）通过对比分析发现,SPEI指数在该区的适用性较好,能为该区干旱监测提供较为科学的理论依据。     

重庆臭氧时空分布特征及其污染成因的初步分析

近年,臭氧(O₃)正逐渐取代PM_2.5成为中国首要大气污染物.因此,研究O₃的时空分布特征及污染成因对于空气污染治理与管控具有重要价值.重庆复杂的地形造成该地区O₃的污染成因具有很大的不确定性.采用2013—2020年重庆市主城区环境监测站O₃、PM_2.5、NO₂逐小时监测数据和国家气象站观测资料,分析了O₃的时空分布特征,并探究其与复杂地形、前体物、气象要素及PM_2.5的关系.结果表明:①2013—2020年臭氧日最大8 h平均浓度的第90百分位值年际变化总体呈现先减后增的趋势.发生臭氧污染月份数量增加,臭氧污染开始月份从6月提前到4月.②2019年重庆臭氧中度和重度(中重度)污染天数最多,为6 d.2013—2015年中重度污染频率由1.09%减少至0.27%,到2019年增加至1.64%,2020年降至0.81%.③重庆中重度污染期间,O₃的空间分布受山谷风环流与城市热岛效应的共同影响.白天城区站点O₃浓度高于山区站点O₃浓度,夜间山区站点O₃浓度高于城区站点O₃浓度.④城区站点的O₃与NO₂浓度呈现显著负相关,山区站点O₃与NO₂浓度的相关系数为负值,但相关性不显著.⑤重庆大部分O₃中重度污染由局地污染主导,在非高温或者高湿的情况下同样可能发生臭氧中重度污染.臭氧中重度污染发生时,风向多为西-北风.O₃浓度与气温和风速呈显著正相关,与相对湿度呈负相关.⑥重庆O₃-PM_2.5相关性城区与山区表现不一致,城区南坪站O₃-PM_2.5在暖季呈正相关关系,冷季相关性有正有负,山区缙云山站O₃-PM_2.5在暖季和冷季都呈正相关关系.     

江苏省大气复合污染特征与相关气象驱动

基于2014~2017年江苏省13个市的PM_2.5浓度和O₃_8h_max数据,探讨了其时空分布特征.在此基础上,研究了日益升高的近地层O₃浓度与气象因子的关系.结果表明：江苏省2014~2017年PM_2.5浓度整体上呈下降的趋势,年均浓度减少率为6.06μg/m³,而O₃_8h_max整体上呈上升趋势,年均浓度增长率为3.84μg/m³.总体上,PM_2.5浓度呈现冬春高、夏秋低的V型月变化特征,O₃_8h_max则基本呈现不规则的M型,在5月份达到峰值后逐渐降低,又在7~9月份保持平缓,而后又逐渐下降.空间上,江苏省PM_2.5浓度呈现"内陆高,沿海低"的状态,而O₃_8h_max却呈现"沿海高,内陆低"的状态.与气象因子的相关性表明,O₃浓度与气温和太阳辐射呈正相关关系,与相对湿度呈负相关关系,太阳辐射对O₃浓度的影响最大,其次是温度和相对湿度.当日平均气温在20~30℃、相对湿度在50%~70%、太阳辐射强度高于150w/m²时O₃浓度容易出现超标.     

基于气象相似准则的城市空气质量预报模型

为提高城市空气质量预报准确率,文章在传统BP神经网络的基础上提出了基于气象相似准则的样本优化方法,建立了三层样本筛选优化机制,确定了阀值及权重矩阵,从而建立了城市空气质量动态预报模型。将模型应用在广州8个空气质量监测站点的预报上,并与传统的BP神经网络空气质量预报模型进行了对比分析,效果良好。分析结果表明,广州8个空气质量监测站点的SO2、NO2、PM10/2.5的实测值与预报值的平均绝对误差分别为0.016 mg/m3、0.014 mg/m3、0.020 mg/m3,级别预报准确性评分分别为89.6、92.6和84.6,预报准确度综合评分达81.6,并且比传统神经网络模型具有更高的预报精度。     

常州市区2013年1月份污染状况与原因探讨研究

2013年1月份,全国大面积爆发雾霾天气,根据常州市区1月份空气质量环境监测数据和气象资料,分析了造成市区1月份空气质量下降的主要原因;气象因素往往制约着大气污染物的稀释、扩散、输送和转化过程,进而影响大气污染物的分布及污染物浓度,降水、风速、温度、相对湿度、天气形势对大气污染时空分布均会造成影响;气象因素与大气污染的特征及其相互关系研究可以为有关部门制定防治大气污染、保护城市生态环境的决策提供科学、有效的依据,更好的提高人民生活质量。     

关于我国排污许可阶段性属性特征的研究

《排污许可管理条例》的制定需要明确排污许可的属性特征。研究发现,全国人民代表大会常务委员会法制工作委员会(简称全国人大法工委)与原中华人民共和国国务院法制办公室(简称国务院法制办)在对行政许可法的解读中对排污许可的属性特征判定不同,存在争议。排污许可包括排污许可证与排污登记两种形式,这两种形式具有不同的属性特征。《排污许可管理条例》发布实施后,根据国家生态环境保护形势和实践工作需要,将分为全面实施阶段和完善深化阶段。在不同阶段,排污许可证的属性特征会发生变化,并对排污权交易产生影响。     

奥运前期与奥运期间北京市大气细颗粒物特征比较分析

利用城市生态系统研究站对北京市奥运前后(2008年6～9月)大气中细颗粒物(PM2.5)进行连续监测,获得不同阶段PM2.5日平均浓度的动态特征,分析气象因素、人为控制管理措施对颗粒物浓度的影响.结果表明,近北五环的生态中心站点(RCEES)颗粒物日均浓度平均值为0.067 mg.m-3,奥运期间的颗粒物浓度(0.060 mg.m-3)比奥运前期(0.081 mg.m-3)减少了约26%.而位于南二环市中心的教学植物园站点(JX)颗粒物浓度平均含量为0.078 mg.m-3.JX站点奥运期间的颗粒物浓度(0.069 mg.m-3)比奥运前期(0.095 mg.m-3)减少了约27%.各个阶段PM2.5的日变化都基本呈现双峰态势.第一个峰值出现在08:00～10:00左右,RCEES站点颗粒物浓度为0.068 mg.m-3,JX站点浓度值为0.089 mg.m-3;另一个峰值出现在晚20:00～22:00左右,RCEES和JX站点颗粒物浓度为0.079 mg.m-3和0.083 mg.m-3,这主要与上班交通高峰导致的尾气排放污染和道路扬尘污染等有关.研究气象参数发现奥运期间与奥运前期气象条件无显著差异,属于高温高湿风力不大的典型北京夏季天气条件.奥运期间颗粒物浓度与温度呈显著正相关(P<0.01),而与风速、相对湿度及降水相关性不显著(P>0.05).而连续多年大气污染综合治理措施和奥运空气质量保障措施的实施,产生了显著环境效益.在自然因素相差不大的条件下,人为控制因素对奥运期间颗粒物的下降起到主导作用.     

河西走廊东部沙尘日变化特征及其与气象因子的关系

沙尘天气是河西走廊东部多发的灾害天气之一.为提高河西走廊东部沙尘天气的预测、预报、预警水平,更好地预防沙尘灾害和沙尘天气对空气质量的污染.利用河西走廊东部5个气象站1960-2016年逐日沙尘（包括浮尘、扬沙及沙尘暴）资料和四季平均气温、最高气温、最低气温、平均风速、大风日、蒸发量、降水量、相对湿度等资料,运用统计学方法分析了河西走廊东部各强度沙尘日的时空分布特征以及沙尘日与气象因子的相关性.结果表明:受海拔、地形地貌以及天气系统等影响,各强度沙尘日（除浮尘外）由东北向西南呈递减趋势.年代、年各强度沙尘日呈显著减少趋势,沙尘暴、扬沙、浮尘递减率分别为-2.436、-5.277、-5.719 d/（10 a）,气候趋势系数均通过了α=0.01的显著性水平检验.年沙尘日的时间序列均存在着6~8 a的准周期变化.各强度沙尘日均为春季最多,秋季最少,且各季节沙尘日均呈显著减少趋势,递减率为春季>夏季>冬季>秋季,气候趋势系数均通过了α=0.01的显著性水平检验.各强度沙尘日月变化比较一致,高峰值出现在4月,低谷值出现在9月.气象因子对沙尘天气有一定的影响,同一季节气象因子对各强度沙尘日的影响相对一致,但不同的季节气象因子对各强度沙尘日的影响不一致.热力因子和动力因子是影响沙尘天气的主导因子,水分因子的影响较弱.研究显示,气候变暖、冷空气活动频次和强度减弱是沙尘日减少的主要原因之一,大气环流的季节性转变是沙尘天气季节性变化的主要原因.      

北京冬季疫情期间空气质量及气象影响分析

针对北京地区2020年冬季疫情防控期（1月24至2月29）的空气质量及两次持续性重污染过程进行分析,探究了该时段的大气污染特征及其气象影响.与过去5a同期相比,2020年疫情防控期间北京冷空气强度偏弱,活动频次偏少50%,气温偏高0.73℃,风速和混合层高度偏低17.8%和32.5%,相对湿度和露点温度增加60.9%和48.1%,偏北风频率减少7.5%,而偏南风和偏东风频率均增大6.0%;气象条件较历史同期明显转差;虽然降水量偏多,但整体降水强度弱、时次集中,因而颗粒物的整体清除作用有限.两次重污染过程（1月24~29日和2月8~13日）分别维持59和75h,两个过程累积阶段（1月24~25日和2月9~11日）均受区域输送影响较大,输送占比为70%和58%,分偏东和偏南两个通道.针对污染过程的源解析显示,本地污染贡献占比为67%和48%,可见在维持和加重阶段颗粒物的吸湿增长和二次生成占比增加.经分析,“高湿静稳”的不利气象背景下,大气垂直动力和水平辐合的叠加使PM_2.5和水汽在北京平原累积,将其压制在边界层内快速增长;升高的污染物也与静稳的边界层气象因子双向反馈,导致污染进一步加重.根据EMI指数计算,2020年冬季疫情防控期的气象条件约引起70.1%的PM_2.5浓度增加;而与过去5a同期相比,疫情防控期间排放的减少抵消了约53%的不利气象条件影响;两次污染过程与过去5a同期的9次过程相比,EMI分别偏大26.9%和19.7%,但PM_2.5浓度基本持平或略有降低.可见,在目前的排放基数上,即使出现特殊情况下的城市封锁,排放量的减少将削减污染浓度峰值,但仍不足以完全抵消不利气象条件的影响.