1981~2010年深圳市不同等级霾天气特征分析

利用1981~2010年深圳市地面观测及空气质量监测资料,分析深圳不同等级霾天气的长期变化特征以及大气水平能见度、空气质量与霾的关系.结果表明:深圳霾日数总体呈增多趋势,强度增强,中度以上霾增多;各等级霾日数均呈增多态势,但不同等级霾日占年总霾日的比例变化趋势不同,轻微霾所占比例下降,轻度以上霾上升; 霾天气呈现冬季>秋季>春季>夏季的季节特征,但重度霾却是夏季最多; 霾导致大气水平能见度明显下降,霾日平均能见度较非霾日低6~7km,霾等级越高,能见度下降越明显,霾日能见度日变化幅度较非霾日小;霾日SO2、NO2浓度为非霾日的1.4~1.7倍,PM10是非霾日的2.2倍,大气颗粒物污染加剧可能是深圳能见度恶化、霾天气增多的一个重要原因;针对荔香站霾日SO2浓度日变化不明显,PM10 、NO2浓度呈双峰型分布,与上下班时段吻合,说明机动车的增加也是深圳霾天气增多的主因之一;霾等级越高,空气中PM10、SO2、NO2的浓度越高,从轻微到重度霾各级之间SO2、NO2和PM10浓度增幅大都在15%~20%.     

南京地区PM2．5污染特征及其影响因素分析

文章利用2007年南京市草场门和迈皋桥采样点的PM2．5在线监测资料研究了南京地区PM2．5浓度的时空变化特征。对PM2．5质量浓度进行了月季变化、日变化特征分析。并利用同时期气象资料分析了PM2．5浓度与气象条件的关系。结果表明,南京市细颗粒物污染较严重,草场门采样点各月超标率均在55％以上,年超标率达72％;2采样点各季节霾天气下PM2.5质量浓度均大于非霾日下浓度均值,不管是霾天气还是非霾天气下,草场门采样点各季节PM2．5质量浓度均高于迈皋桥采样点（除秋季非霾天气）。2007年南京市PM2．5质量浓度呈现出春冬季节较高、夏秋季节较低的特点;日变化呈双峰分布。对PM2.5质量浓度与水平能见度的相关性研究表明,南京市大气能见度与细粒子质量浓度呈现很好的负相关性,相关系数高达0．98。草场门采样点霾天气下平均能见度水平仅5．2km,最高能见度为13km,最低为1．7km。     

西安市一次严重霾污染天气特征及气象条件分析

为了解西安市气象条件对霾污染天气的影响,利用西安市13个测点PM2.5逐时监测资料和气温(T)、风向(WD)、风速(WS)、相对湿度(RH)、气压(p)以及能见度(VIS)等地面气象观测数据,对西安市2013年12月16—26日发生的一次严重霾污染过程进行分析。结果表明:此次霾污染过程中,西安市PM2.5日均值浓度最高达744μg/m3,超过国家二级标准近10倍,能见度最低降至0.42 km,重霾污染期间PM2.5/PM10在64%~80%。分析认为高相对湿度、低风速和主导风向不明显以及大气层结稳定是造成本次霾污染天气的主要气象因素,其中大气能见度与风速和大气压呈正相关,其相关系数(r)分别为0.3162、0.3479,能见度与温度的相关系数r=0.0825,呈微弱正相关,能见度和相对湿度的相关系数r=-0.7465,呈显著负相关。细颗粒物对能见度的影响非常明显,二者之间的相关系数为-0.7290,细颗粒污的消光系数最高达9.2 km-1。     

北京地区冬春PM2.5和PM10污染水平时空分布及其与气象条件的关系

北京2012~2013年的冬春多次出现雾霾天气,可吸入颗粒物(PM10)污染严重.而PM2.5作为PM10中粒径较小的部分,在PM10中所占比重越高,污染越严重.因此,本研究选取了能够覆盖北京所有区县的30个PM2.5和PM10的质量浓度监测点,对该地区的PM2.5和PM10污染特征进行分析,确定其空间差异特征和时间性变化特征.普通克里格插值(Original Kriging)法得到的北京地区冬、春季颗粒物浓度分布图显示,颗粒物浓度从北部山区到南部地区逐渐递增,在中心城区处,西部高于东部,且局部地区存在一定的城乡差异.颗粒物浓度月变化曲线呈单峰单谷型,1月最高,4月最低;逐日变化反映了PM2.5和PM10浓度具有较好的相关性,且受气象条件影响显著;日变化呈双峰趋势.本文选取日平均气温(℃)、相对湿度(%)、风速(风级)、降水量(mm)等气象因子,利用Spearman秩相关分析研究各个气象因子对大气PM2.5和PM10浓度的影响.北京冬季PM2.5和PM10的质量浓度分别与气温、相对湿度正相关,与风速负相关,风速和相对湿度是影响污染物质量浓度分布的主要因素.     

亚青会期间南京地区气溶胶浓度变化及其与能见度的关系

为保障2014年青奥会空气质量和制定控制措施提供科学支持,利用2013年8月南京市气溶胶的观测资料,结合气象要素,分析了南京地区气溶胶浓度变化特征,并深入研究了气溶胶质量浓度与相对湿度对能见度的影响.结果表明,观测期间PM10和PM2.5质量浓度平均值分别为67.44μg·m-3和31.92μg·m-3,0.1~10μm粒径范围内的气溶胶粒子数浓度和体积浓度的平均值分别为2466.25 cm-3和19.89μm3·cm-3;对数正态分布(log-normal)拟合平均谱分布得到两个模态的中值粒径分别为0.19μm和1.12μm;局地源强是影响南京气溶胶浓度的重要因子;PM10和PM2.5质量浓度日变化略有差异,PM10浓度日变化主要受交通和边界层活动影响,PM2.5浓度日变化则主要受交通排放和光化学反应生成的二次污染物的影响;对能见度的统计分析表明,能见度随PM2.5浓度和相对湿度的增加而降低,当相对湿度小于70%时,PM2.5浓度对能见度的影响较大,当相对湿度大于70%时,相对湿度对能见度的影响较大.     

南京北郊秋冬季相对湿度及气溶胶理化特性对大气能见度的影响

为了解南京北郊秋冬季相对湿度与气溶胶理化特性对大气能见度的影响,利用2012年秋冬季气象要素资料、颗粒物浓度及其主要成分和气溶胶粒子谱分布等观测数据,分析了南京北郊大气能见度与气象要素、颗粒物污染之间的关系.结果表明,南京北郊秋冬季节平均大气能见度仅为4.76 km.颗粒物浓度与能见度存在一定的负相关关系,尤其细粒子对能见度的影响更为显著.随细粒子质量浓度和相对湿度(RH)的增大,低能见度出现的频率呈现上升趋势.能见度从5~10 km衰减到5km时,PM10和PM2.1质量浓度分别增加了7.56%和37.64%;其中SO2-4和NO-3质量浓度均有显著增加.气溶胶粒子数浓度对能见度的影响与相对湿度有关,粒径0.5~2μm的气溶胶数浓度随RH增加增长缓慢,而2~10μm范围内的粒子数浓度随RH增加而减小;结合气溶胶表面积浓度与能见度进行相关性分析,表明0.5~2μm的细粒子及相对湿度是导致南京北郊秋冬季大气能见度下降的主要因素.     

福建沿海城市霾天气特征

利用2006年1月—2010年12月福建省沿海6个城市的能见度、相对湿度、降水、天气形势和大气污染物资料,对霾天气时空变化特征、霾与天气形势的关系进行了分析.结果表明:宁德市每年霾日数最少,为12～26 d;漳州市霾日数最多,为74～118 d;而福州、厦门和泉州三市的霾日数相近.6个城市霾天气主要出现在12月—次年6月,7—11月霾的出现率极低且均以轻微霾为主,所占比例在85.5%以上;持续时间短暂的霾较多,半天和全天的霾较少.在暖区辐合、高空槽和变性冷高压3种天气形势下霾出现频率均较高,分别达到21.2%～49.5%、9.1%～42.3%、6.1%～47.5%.ρ(PM10)与能见度的相关系数最高,为-0.44～-0.33,并且各城市霾天气下的ρ(PM10)均明显高于非霾天气;ρ(SO2)除莆田市外,ρ(NO2)除漳州市外,其他城市ρ(SO2)和ρ(NO2)均为霾天气高于非霾天气.     

天津市区能见度变化规律及影响因子相关分析

通过分析2010年天津市区的实时观测数据,结果表明:能见度有明显的年际变化、月变化和日变化规律,能见度和PM2.5及相对湿度呈现典型的负相关,不同季节条件下,能见度与PM2.5的相关性明显优于PM10,秋季能见度与颗粒物的相关性明显优于其他季节。     

北京地区冬夏季持续性雾-霾发生的环境气象条件对比分析

在北京地区,除冬季供暖期外盛夏也是雾-霾天气的高发季节,与我国南方不同.使用微波辐射仪、风廓线和常规气象探测资料、NCEP再分析资料以及大气成分观测结果,通过对比分析揭示了冬、夏季持续6 d的2个雾-霾过程形成和维持机制的异同.冬季雾-霾过程出现在高空西北气流、低层多短波活动的背景下,其形成和维持的主要机制是边界层内始终有逆温层、地面弱风场、底层湿度逐渐增大.逆温层昼高夜低、湿度昼小夜大是影响PM2.5质量浓度和能见度日变化的重要环境因子.在雾-霾天气持续期间地面弱风场能够维持主要源于冷空气势力弱、常不能影响到地面.此外,入夜后地面迅速辐射降温、边界层上层有暖平流以及空气过山后下沉增温在逆温层的形成中起了关键作用.然而,对于夏季持续性雾-霾天气,气溶胶区域输送、环境大气保持对流性稳定、空气的高饱和度是其发生的重要条件.在副热带高压长时间控制下对流层低层盛行偏南风,北京的PM2.5质量浓度随着偏南风风速增大升高.对流层底层系统性偏南风与北京附近的山谷风共同构成了从北京以南气溶胶累积地向北输送的机制.夏季雾-霾过程低层没有逆温,但是北京上空一直维持超过200 J·kG-1的对流抑制能量,它同样限制了污染物的垂直扩散.夏季自由对流高度也存在昼夜变化,其对PM2.5浓度和能见度的作用与逆温层高度升降相同.因此,冬、夏个例分别代表了2种不同类型的持续性雾-霾过程,导致差异的根本原因在于大气环流型.     

南京冬季重霾天气过程与颗粒物污染特征

2013年12月1-9日利用常规气象观测资料和NCEP再分析资料,结合气态污染物和颗粒物化学组分外场观测,对2013年1月11-16日南京冬季一次持续重霾天气过程与颗粒物污染特征进行分析。结果表明,此次重霾过程,南京地面相对湿度较高且伴随静小风,近地层的水平输送条件较差,污染物不易扩散;天气环流形势稳定,地面受高压控制且处于均压场内,垂直方向存在明显逆温,为霾的形成提供有利的气象条件;大气PM10和PM2.5的小时最大浓度分别高达433μg/m3和325μg/m3,水平能见度低于1 km。PM2.5平均占PM10的72.4%,PM1平均占PM2.5的50.6%,颗粒物以细粒子为主,且PM2.5对能见度的影响随相对湿度的增加而减弱。水溶性离子SO42-、NO3-、NH4+是PM2.5中的主要成分,其占总浓度61%,同时SO2转化率(SOR)和NO2转化率(NOR)分别为0.35和0.31,表明霾天更有利于二次气溶胶转化。此外,PM2.5中无机盐的主要存在形式有(NH4)2SO4、NH4NO3以及少量NH4Cl。水溶性离子浓度与能见度呈现明显负相关性,说明PM2.5中水溶性离子对能见度的降低起主要作用。     

基于WRF-RTIM的上海地区霾预报MOS方法研究

应用基于系统辨识理论的实时迭代模式(real-time iterative model,RTIM)对WRF模式预报结果进行后处理,建立了上海地区霾天气的模式输出-统计(model output statistics,MOS)方法.首先,根据WRF模式的气象输出资料,结合大气污染观测数据,筛选出霾事件的预报因子;其次,运用系统辨识实时迭代模型,建立依据MOS预报方法的PM2.5、PM10和能见度预报模式;最后根据霾事件的判别标准,对上海2012年11月—2013年1月的霾日进行24 h和48 h预报.结果表明,PM2.5模式预报成功率为75.0%~63.9%,PM10模式预报成功率为87.5%~81.8%,能见度模式预报成功率为71.0%~74.2%,霾日预报成功率为73.7%~72.7%.分析表明,研究期间上海的气溶胶以细颗粒物为主,低能见度主要由导致霾现象的PM2.5引起.该方法能较准确地预报霾日的发生,可为我国城市大气环境业务预报提供参考依据.     

能见度与PM2.5浓度关系及其分布特征

利用相对湿度、能见度和PM_(2.5)质量浓度观测数据,针对不同相对湿度下,建立了消光系数与PM_(2.5)质量浓度之间线性关系,并分析了相关关系的全国分布特征.结果表明,我国中东部大部分地区在一定相对湿度区间内均可建立线性相关关系,而且相关性较好,相对湿度40%～90%区间内的平均相关系数高于0. 75,其中北京相关系数高达0. 9.北京、长三角和四川等地的PM_(2.5)单位质量消光效率在同等相对湿度下明显大于其他地区.不同地区湿度对能见度影响程度不同,北京等地在相对湿度大于90%时相对湿度对能见度作用大于PM_(2.5),而广州在相对湿度大于80%时相对湿度的作用明显增强.利用能见度反算北京地区PM_(2.5)浓度可知,1980～1996年,PM_(2.5)浓度年际变化不大,受采暖方式影响冬季PM_(2.5)浓度显著较高; 1997～2009年呈现缓慢下降趋势; 2010～2012年呈现上升趋势. 1980年以来,全国的PM_(2.5)浓度整体呈上升的趋势,尤其是华北地区,PM_(2.5)浓度始终高于全国其他地区.     

中山市旱季霾特征及数值模拟分析

利用观测数据、Hysplit后向轨迹模式以及WRF-CMAQ模式对中山市旱季霾特征进行模拟分析.中山市霾污染的天气形势以大陆高压型为主.当相对湿度在71%~90%时,气溶胶浓度和能见度的负相关性最显著,且当能见度减小到5 km以下时,PM_(2.5)浓度的大幅减小才能使能见度略有好转.最有可能引起中山发生霾天气的两条污染带,一条是沿中山至湖南南部,另一条是沿中山到粤东地区.WRF-CMAQ模式能较好地模拟出2014年1月份中山PM_(2.5)浓度、能见度的变化趋势以及广东省区域内灰霾的污染过程.在气溶胶质量权重及消光贡献中,硫酸盐的比重最高,在高相对湿度下,二次气溶胶的消光权重超过80%.通过中山PM_(2.5)过程分析发现,在霾过程,无冷空气时PM_(2.5)主要来自气溶胶反应、排放源和水平平流,贡献率分别为35%、15%和10%,有冷空气时水平平流的贡献最大,达37%;在清洁过程,无冷空气时气溶胶主要靠水平平流和干沉降清除,贡献率分别为-39%和-14%,有冷空气时清除以水平平流和垂直对流、扩散为主,贡献率分别为-29%和-25%,说明不同天气条件下霾的污染和清洁机制有着明显差别.     

成都市冬季相对湿度对颗粒物浓度和大气能见度的影响

利用成都市城区2015年12月的连续在线观测数据,如相对湿度（RH）、能见度、颗粒物（PM₁₀、PM_2.5和PM₁）浓度、气态污染物（SO₂和NO₂）浓度以及PM_2.5中SO₄^2-和NO₃^-浓度,探讨RH对颗粒物浓度和大气能见度的影响.结果表明,高颗粒物浓度和高RH协同作用导致低能见度事件.观测阶段,PM_2.5在PM₁₀中的平均比重为64%,表明成都市冬季细颗粒物污染严重;随着RH增加,PM_2.5/PM₁₀显著增加,表明高RH会加重细颗粒物污染.随着PM_2.5浓度增加,能见度呈幂指数下降;在相同PM_2.5浓度下,RH越高,能见度越低.当颗粒物浓度较低时,RH对能见度的影响作用较强;当颗粒物浓度较高时,大气消光主要由PM_2.5浓度控制,RH对能见度的影响减弱.当RH大于70%时,硫氧化率（SOR）和氮氧化率（NOR）的均值分别从0.27和0.11（RH小于40%）增长至0.40和0.19,表明较高RH对二次硫酸盐和硝酸盐的生成有显著的促进作用,二次硫酸盐和硝酸盐单独或协同影响空气质量.     

北京市MODIS气溶胶光学厚度与PM_(10)质量浓度的相关性分析

利用北京地区2012年1—12月NASA MODIS气溶胶光学厚度(AOD)和通过空气污染指数(API)转换得到的PM10质量浓度进行了相关性分析.结果发现,二者的直接相关程度较低,在引入季节变化的气溶胶标高且考虑了气溶胶的垂直分布后,进行标高订正,二者的相关系数有所提高;在考虑了湿度影响因子后,进行湿度订正,二者的相关系数显著提高;引入平均风速、平均气温和平均气压等气象因素,进行多元回归分析,相关系数进一步提高.证实了卫星遥感气溶胶光学厚度在经过垂直和湿度订正并考虑气象因素的情况下,可以作为监测北京地区颗粒物污染物地面分布的一个有效手段.     

城区与县区不同空气质量下碳组分污染特征对比分析

为对比城区与相邻县区不同空气质量下的碳组分污染特征,分别在成都市和仁寿县采集霾期及非霾期PM_(2.5)有效样品共计88个,确定其相应质量和各碳组分浓度[有机碳(OC)、元素碳(EC)和二次有机碳(SOC)等],并进行各碳组分之间的相关性及主成分分析.结果表明,不同空气质量下的城区污染物浓度均高于县区.OC和EC密切相关,非霾期的相关性系数较霾期大.与城区相比,霾期县区的SOC/PM_(2.5)较大,说明其受二次有机物污染更为明显;但城区非霾期二次气溶胶占比明显高于霾期,表明霾期的一次排放是城区大气污染的主要原因.燃煤、机动车排放和生物质燃烧均是两个区域PM_(2.5)的主要来源.     

北疆地区MODIS 3km气溶胶光学厚度与PM10质量浓度的相关性分析

利用2016年MODIS 3 km分辨率的气溶胶光学厚度(AOD)日产品、PM_(10)质量浓度以及相关气象数据,开展了北疆地区AOD与PM_(10)质量浓度的相关性分析.结果表明,AOD与PM_(10)质量浓度的直接相关程度较低,相关系数仅为0.294.对比分析了利用能见度数据对AOD进行垂直订正,然后再用相对湿度数据对其进行二次订正(AOD垂直-湿度订正)和利用能见度数据对AOD进行垂直订正和相对湿度数据对PM_(10)质量浓度进行订正(AOD垂直订正-PM_(10)湿度订正)两种订正方法,结果指出"AOD垂直订正-PM_(10)湿度订正"可显著提高二者之间的相关性.订正之后,北疆地区AOD与PM_(10)质量浓度的相关系数达到0.755,呈显著正相关;阿勒泰的订正效果最好,相关系数为0.837.最后,基于垂直订正后的AOD和湿度订正后PM_(10)建立两者之间的最优拟合模型,并利用新建的模型反演了北疆地区PM_(10)质量浓度.反演得到的PM_(10)质量浓度与经过湿度订正后PM_(10)呈显著正相关,相关系数为0.688;昌吉和伊宁的反演效果最好,相关系数分别为0.910和0.829.本研究结果表明MODIS 3 km AOD产品经过垂直和湿度订正后,可作为北疆地区监测PM_(10)质量浓度的一个有效手段.     

成都市一次重度灰霾期间大气PM2.5的自组织临界特性

2013年1—2月期间,四川省成都市出现大范围、长时间、高浓度的严重霾污染.本文运用频度统计分析和消除趋势波动分析方法,研究了成都市2013年1月25日—2月7日一次典型重度灰霾期间8个监测站点(草堂寺、人民公园、梁家巷、金泉两河、十里店、沙河铺、三瓦窑、灵岩寺)大气PM2.5小时平均浓度序列的时空演化规律.结果表明,各站点大气PM2.5的浓度波动并非随机,而在统计上服从典型的负幂律分布,同时均表现出很强的长期持续性特征.这些特征刻画了灰霾期间大气PM2.5浓度波动的宏观特征.将PM2.5浓度演化与沙堆崩塌进行类比,发现大气PM2.5演化具有自组织临界性复杂系统的基本特征.进一步根据自组织临界(SOC)理论,建立了大气PM2.5数值沙堆模型,模型算法考虑了此次灰霾期间成都市的气象因素和PM2.5的迁移扩散机制.通过对该模型的数值模拟,能够定量阐明此次重度灰霾期间成都市各监测站点大气PM2.5浓度时空波动宏观统计规律的产生根源.同时,深入讨论了该模型的自组织临界特征.模拟结果和实际结果的高度一致表明该模型真正阐明了导致PM2.5浓度时空波动的重要动力机制.SOC内禀机制是控制此次成都市灰霾期间大气PM2.5浓度演化的主要机制之一.本研究可为灰霾期间PM2.5的演化动力学提供新的研究方法.     

Estimation of PM10 in the traffic-related atmosphere for three road types in Beijing and Guangzhou, China

The levels of roadside PM10 in Beijing, China, were investigated in 2011 and 2012 on a seasonal basis to estimate the population exposure to particulates for three road types. The measurements of PM10 were also conducted in the southern Chinese megacity of Guangzhou for comparison purposes. The results showed that roadside PMlo in Beijing correlated strongly with the PM10 background in the urban atmosphere. The levels of PM10 in street canyons were markedly higher than those along the open roads and in crossroad areas because of limited ventilation. An elevation of PM10 was observed in April, which was possibly due to the sand storms that frequently occur in the spring. Based on these observations, roadside PM10 in Beijing could have multiple origins and was to some extent dispersion- governed. In Guangzhou, the roadside PM10 did not closely relate to the background values. The PM10 pollution was greatly affected by local traffic conditions. The simulation of PM10 for different road types was completed during the study period using the Motor Vehicle Emissions Factor Model （MOBILE6.2） as an emission model and the California Line Source Dispersion Model （CALINE4） and Operational Street Pollution Model （OSPM） as dispersion models. The MOBILE6.2/CALINE4 software package was demonstrated to be sufficient for the simulation of PM10 in the open roads and crossroad areas in both Beijing and Guangzhou, and the simulation results of roadside PM10 in the street canyons by the MOBILE6.2/OSPM package were in close agreement with those of the measurements.