绵阳市大气污染物浓度变化特征及相关性分析

随着我国工业化、城市化和机动化的高速发展,大气环境质量越来越受民众关注,我国已建成国控—省控—市控—县控四级环境空气自动监测网络,监测项目包括SO2、NO2、CO、O3、PM2.5和PM10.基于2018年绵阳市环境空气监测数据、颗粒物化学组分及气象资料分析上述6个监测项目年均、季度、月均、日均及每日最大小时浓度变化特征,并进一步探讨污染物浓度与气象条件的相关性,结合颗粒物化学组分对产生原因进行剖析.结果表明:绵阳市冬季环境空气质量较差,夏季相对较好.Pearson相关性分析表明:SO2、NO2、CO和颗粒物(PM2.5和PM10)之间存在显著相关性,冬季PM2.5与SO2、NO2的相关系数分别为0.610和0.635,PM10与SO2、NO2的相关系数分别为0.655和0.655,颗粒物主要化学组分为硫酸盐、硝酸盐、铵盐和二次有机气溶胶,颗粒物二次转化尤为明显,冬季需重点管控颗粒物;春季和夏季O3与PM2.5、PM10呈显著正相关,需做好颗粒物和O3的协同管控.O3每日最大小时浓度多集中在13:00?—?18:00,其他污染物每日最大小时浓度多集中于08:00?—?12:00和20:00?—?24:00,同时NO2在20:00?—?24:00出现每日最大小时浓度的频次占67.1％,控制机动车等污染源排放尤为重要.     

大连市大气污染天气特征及污染成因模拟分析

利用大连市2014~2015年地面观测资料、高空地面形势场和2015年12月NCEP/NCAR再分析资料,结合WRF-CMAQ数值模式,对大连市污染天气特征和污染过程的成因进行分析研究.结果表明：2014~2015年大连市共有大气污染日数145d,占20%,大气污染天气过程35个;发生大气污染时的高空形势场主要为槽后脊前的西北气流场,占63%,槽前西南气流场次之,占21%,槽区、脊区各占6%;地面形势场主要表现为风速较小的均压场（68%）和等压线密集风速较大的非均压场（32%）两种气压场.2015年12月出现的5次污染过程中,大气层结均为稳定层结,且近地面水平风速均值较小,对污染物垂直方向和水平方向上的扩散起到抑制作用,导致空气质量恶化;模拟结果发现大连市冬季污染过程中大气气溶胶的的主要成分是硝酸盐、铵盐和硫酸盐等细颗粒物,其中硝酸盐占比最大,且污染过程的增幅最为明显,说明机动车和燃煤排放已对大连市城市污染的形成产生重要影响.     

2015~2020年海南省臭氧时空变化及其成因分析

基于2015～2020年海南省32个大气环境监测站监测数据,以及同期的常规气象观测资料,采用经验正交函数分解方法（EOF）、气候倾向率和趋势系数分析等方法,探讨了海南省O₃-8h（最大8 h平均）时空分布特征,及其与前体物和气象因子的关系.结果表明,海南省ρ（O₃-8h）呈北部和西部偏高,中部、东部和南部偏低的分布特征,最高值出现在东方市(91.5μg·m^-3). 2015～2020年共有12个市县ρ（O₃-8h）呈下降趋势,其中有6个市县达到了95%的信度检验.ρ（O₃-8h）季节变化特征明显,秋季最高,春季和冬季次之,夏季最低.秋季ρ（O₃-8h）表现为上升趋势,而其余三季为下降趋势. EOF分解的前两个特征向量场的累积方差为72.58%,能够较好地描述ρ（O₃-8h）的主要分布特征.第一模态体现了ρ（O₃-8h）变化的一致性,第二模态体现了地区性差异.ρ（O₃-8h）的变化与前体物和气...     

北京市冬季气象要素对气溶胶浓度日变化的影响

对2004年1月1—15日北京气溶胶浓度与相对湿度、气压、风速、风向等气象要素的平均日变化进行分析,结果表明:北京冬季ρ(PM₁₀₎日变化明显,受气象要素的日变化影响. ρ(PM₁₀₎与相对湿度和气压呈正相关性;风速对ρ(PM₁₀)的日变化影响明显,09:00—18:00风速和ρ(PM₁₀₎变化趋势一致,呈正相关性,其他时间则呈负相关性; 风向对粗、细粒子的数浓度影响不同,细粒子数浓度在偏东风时大,西、西南风时小,而粗粒子则相反;粗、细粒子的数浓度日变化受气象要素的影响程度不同,相对于粗粒子,细粒子数浓度更易受气象要素日变化的影响.      

北京PM10持续污染及与常规气象要素的关系

北京PM₁₀持续污染已成为重要的污染现象.选用2000年6月─2002年12月北京空气质量日报和2003年1月─2006年2月9个代表站逐日ρ(PM₁₀)监测资料,利用奥林匹克体育中心站的数据分析了2003年以来北京地区空气污染状况,总结了该站近4年的PM₁₀持续污染变化趋势,并统计其与相对湿度、温度、风速和风向等常规气象要素的相关性.结果表明:①北京近几年秋末PM₁₀持续污染有加重趋势,各站点污染具有同步性;②PM₁₀持续污染以春、秋、冬季出现次数多,概率大,相对湿度、风速和风向对其影响较大,其中相对湿度与秋、冬两季持续污染概率的相关系数分别为0.96和0.97,相关性较好.      

洛阳市大气污染特征与相关气象要素24小时变化分析

通过对洛阳市环境空气监测资料的统计,归纳出洛阳市区日内24小时环境空气污染变化特征,并结合同步气象观测资料综合分析,找出了二者之间的联系特征。引入气温日较差这一便于观测、预报的气象要素表征空气污染物垂直扩散特征,为今后进行污染预报提供了新的思路。     

珠海2019年秋季一次大气污染过程的特征、 成因及来源分析

2019年秋季在珠三角典型沿海城市珠海观测到一次中重度污染过程,本文对此次过程的污染特征、形成机制和来源进行了研究.通过 采集PM_2.5样品,分析了9种水溶性无机离子（WSIIs）、有机碳（OC）、元素碳（EC）和水溶性有机碳（WSOC）等化学组分的浓度水平和污染特征;进一步结合污染过程中的不利天气形势、72 h后向气流轨迹及PM_2.5的潜在源贡献因子（WPSCF）和浓度权重轨迹（WCWT）等方法分析了污染的形成机制和来源.结果表明,有机物（OM）是污染时期PM_2.5中增长最快的组分,其次是占WSIIs约82.46%的SO₄^2-、NO₃^-和NH₄⁺（SNA）. NO₃^-/SO₄^2-均值为0.20,表明珠海以固定源污染为主;硫氧化率（SOR）均值为0.65,氮氧化率（NOR）均值为0.08,高温高湿的气象条件可能是 造成珠海比中国其他城市SOR偏高而NOR偏低的原因.在污染时段,二次有机碳（SOC）明显增加,WSOC/SOC随污染物的升高而降低并趋近于1,因此, 污染时期的WSOC可能主要是二次生成的.副高控制型、台风外围型和高压出海型等天气形势控制着整个珠三角地区时,不利于污染物的传输和扩散,使污染加剧.后向气流轨迹分析表明,污染时期的气团轨迹主要来自于高污染的内陆地区,这可能是造成此次污染形成的重要原因和来源.WPSCF和WCWT的高值区主要集中在江西、广东等内陆地区,因此,珠海在控制本地排放的同时,也应该关注上风向临近省市的污染排放.     

南方冰冻雨雪灾害年的环流及气象要素异常的统计分析

利用NCEP/NCAR的2.5°×2.5°格点的逐日再分析资料,通过分析我国南方19个冰冻雨雪灾害年的36个冰冻雨雪天气个例的环流形势,总结了发生冰冻雨雪天气的4种天气类型:北脊南槽型、乌山脊型、横槽南支型和高纬低涡型,后两种天气类型持续时间长、影响范围广,极易造成南方严重的持续冰冻雨雪灾害;进一步分析南方持续冰雪天气的物理量场和要素场特征,结果表明,对流层低层850~700 hPa辐合中心较垂直上升速度中心提前1~2 d出现,预示低温雨雪增强;冻雨严重年份在700 hPa维持大于0℃的融化层,南支槽前的西南急流为雨雪天气提供了水汽和热量输送,这种配置利于冻雨天气的发展和维持。天气类型的建立及气象要素的统计有利于为南方冰雪灾害天气预测预警服务。     

环境空气监测子站气象仪器性能状况比对研究

气象监测是环境空气质量监测的重要组成部分,在环境空气质量精细化管理中发挥着重要作用.气象部门通常采用集中送检或现场校准的方式对气象仪器性能状况进行检查,但环保部门对监测子站气象仪器的相关性能检查还处于空白状态.结合国家环境空气质量自动监测网管理现状,研究采用现场比对方式进行气象仪器性能评估.试验过程中,温度、气压比对数...     

减排措施与气象因子对2013—2019年中国大陆地区PM2.5浓度变化的贡献

利用地面气象观测站数据计算的大气自净能力指数（Atmospheric Self-cleaning ability Index，简称ASI）和环境监测站PM_2.5实测数据，评估了中国大陆地区2014—2019年相对于2013年（"大气国十条"实施初期）污染物总体排放率的相对变化，给出了PM_2.5浓度削减量中气象条件和减排措施的相对贡献.研究结果显示，2014年全国排放率总体已下降，2017年各地区全面实现减排，较2013年全国平均减排36.11%，2019年减排幅度进一步加大，至48.50%，其中中东部地区整体减排力度大于西部和东北部地区.2015和2016年秋冬，重点区域持续性重污染频发现象的出现是不利气象条件背景与减排略有放松共同作用的结果，但持续的减排措施对于遏制空气质量的恶化起到了积极作用.2019年，京津冀、汾渭平原、长三角等9个重点区域PM_2.5浓度相较2013年明显降低，高空气质量至少一半以上的原因来源于人为减排，气象因子的贡献相对较小，仅为3%~18%，一些区域气象因子对PM_2.5的改善甚至起到负作用.2013年"大气国十条"实施以来，全国各重点区域有效的污染排放控制确实对空气质量改善起到了决定性作用.本文研发的分离气象和减排措施对PM_2.5浓度变化中相对贡献的方法，使用的定量关系简单、明确，所使用的数据客观、可靠，有利于快速估算和决策.