郑州市大气能见度变化特征及与空气污染的关系

根据郑州市19802007年能见度及同期地面气象要素(风速、温度、气压和相对湿度)观测资料和2006年、2007年空气污染物(SO2、NO2、PM10)监测数据,分析了郑州市大气能见度的变化特征以及大气能见度与气象要素和空气污染之间的关系.分析表明,大气能见度呈逐年下降趋势.一年之中,能见度最小值出现在121月及78月,最大值出现在56月;一日之中,08时能见度最差,14时最好.能见度与温度、风速呈正相关,与气压、湿度呈负相关,与空气污染物质量呈负相关.     

广州市空气污染影响因子与预报建模

利用广州市环境监测站2007-2009年的空气污染指数(API)及同期地面气象要素(大气能见度、10 min平均风速、最大风速、气温、绝对湿度、相对湿度、露点温度、气压、24 h降水量)观测资料和空气污染物(PM10、SO2、NO2)监测数据,分析广州市空气污染指数(API)与气象要素及空气污染物之间的联系,挑选相关因子,用多元回归法和径向基神经网络进行API建模,并对2009年1--4月和9-12月进行试报,结果表明:后者预测效果比前者优异,可作为广州市空气污染预报的参考手段.     

北京地区大气能见度变化规律及影响因子统计分析

1990～ 2 0 0 0年北京地区大气能见度的统计分析表明 ,大气能见度有明显的年际变化、季节变化和日变化特征。冬、春、秋三季及全年日平均年际变化表现为 2 0世纪 90年代中期能见度较好 ,前期和末期能见度较差 ,2 0 0 0年能见度迅速好转 ;夏季能见度年际变化在 1997年以前与其他季节相反 ,1995年能见度最差。大气能见度与同期地面气象条件和主要污染物浓度的相关性比较表明 ,春、夏、秋三季以空气湿度、PM10 和风速为主要影响因子 ,冬季以PM10 、SO2 、空气湿度和风速为主要影响因子。能见度与相对湿度和空气污染物浓度呈反相关 ,与风速的相关性较为复杂 (有时呈正相关 ,有时呈反相关 ) ;高湿度 (相对湿度 f≥ 80 % )、小风速 (地面风速u≤ 2m·s-1)和雾是造成低能见度的主要气象条件 ;污染物浓度对能见度的影响以冬季最为明显 ,秋季次之 ,夏季最差     

南阳市大气能见度变化趋势及影响因子分析

利用南阳市1995-2005年大气能见度和地面气象要素的观测资料及南阳市环境检测站提供的近3 a空气污染物监测数据,统计分析了近10 a南阳市大气能见度变化特征及其与气象要素和空气污染物的关系,结果表明:南阳市能见度年际变化呈缓慢波动上升趋势,夏秋季节2001年之后呈波动下降趋势;冬季能见度最低,春季最高;能见度月变化呈双峰型,第一个峰值在5月份,第二个峰值在9月份;一日之中,08时能见度最差,14时最好.能见度与同期气象要素及污染物浓度的相关分析表明,能见度与相对湿度、空气污染物PM10浓度呈显著性负相关,与NO2、SO2浓度负相关性较弱,与风速和气压呈弱的正相关,与温度的相关性较为复杂,雾是影响能见度的主要天气现象之一.     

南京SO2、NO2和PM10变化特征及其与气象条件的关系

利用南京市2002—2006年大气监测资料,分析了南京市大气中SO2、NO2、PM10年变化趋势及月季规律,评价了南京市空气质量状况。结果表明:5a来,SO2质量浓度呈显著上升趋势,NO2质量浓度缓慢上升,PM10质量浓度明显下降;南京市首要污染物是PM10,SO2、NO2污染较轻;3种污染物质量浓度均以夏季最低。进一步研究不同气象条件下污染物质量浓度发现,污染物质量浓度与风速反相关,且东南风时浓度最高;降水对污染物有清除作用;雾、霾天气下污染加剧;气象能见度与PM10、NO2的质量浓度反相关;污染物有明显的"周末效应",周末质量浓度值较低。     

南京SO_2、NO_2和PM_(10)变化特征及其与气象条件的关系

利用南京市2002—2006年大气监测资料,分析了南京市大气中SO2、NO2、PM10年变化趋势及月季规律,评价了南京市空气质量状况。结果表明:5a来,SO2质量浓度呈显著上升趋势,NO2质量浓度缓慢上升,PM10质量浓度明显下降;南京市首要污染物是PM10,SO2、NO2污染较轻;3种污染物质量浓度均以夏季最低。进一步研究不同气象条件下污染物质量浓度发现,污染物质量浓度与风速反相关,且东南风时浓度最高;降水对污染物有清除作用;雾、霾天气下污染加剧;气象能见度与PM10、NO2的质量浓度反相关;污染物有明显的"周末效应",周末质量浓度值较低。     

2005—2017年白云机场能见度变化特征及其与影响因子关系研究

利用广州白云机场2005-2017年的大气能见度、相对湿度、风速、气温等要素的逐时观测资料,结合花都花东站2012-2017年PM2.5浓度的逐时观测数据,分析了近年来白云机场能见度的变化特征,探究了能见度与气象要素、大气污染物之间的关系。结果表明:2005-2017年白云机场能见度呈逐年增大趋势,低能见度出现次数总体呈减少趋势。2-4月是机场低能见度时期,7月能见度最大。能见度日变化显著,最低能见度通常出现在清晨,午后明显好转。白云机场能见度与相对湿度、PM2.5浓度呈负相关关系,与风速、气温成正相关关系,其中PM2.5浓度对能见度的影响最明显。当相对湿度小于80%时,能见度下降得较为缓慢;而当相对湿度超过80%时,能见度急剧降低。相对湿度越大,出现低能见度所需的PM2.5浓度值就越小。地面风速在0~4 m·s-1时,相对湿度越大,能见度随风速的增长趋势越显著。     

广州市空气污染的变化特征及预报

利用2002年11月-2004年9月广州市空气污染指数（API）和PM10、NO2、SO2等污染物逐日浓度资料，采用小波分析、相关分析等方法对广州市空气污染的变化特征及与同期地面气象要素的关系进行了分析。并采用最优子集回归方法分别建立冬、夏季API指数及污染物浓度的预报方程。结果表明。PM10是广州市的主要污染物。其次为NO2、SO2。除SO2外，广州市API指数、NO2、PM10等污染物浓度具有冬半年（11-4月）偏高，夏半年（5-10月）偏低的变化规律。API指数及各种污染物浓度均具有明显的年周期振荡及5-7天的准单周、10-20天准双周、30-60天左右的季节内振荡，且30-60天的季节内振荡在冬半年较强而在夏半年较弱。冬半年API指数和PM10、NO2、SO2浓度与气压、风速、降水呈稳定负相关，与温度、相对湿度等呈稳定的正相关，而夏半年主要与风速、降水具有较好且稳定的负相关。增加前一天的污染物浓度作为预报因子后，所建的最优子集回归方程比单选用气象因子要稳定。具有较强的预测能力。     

德州能见度与PM2.5、PM10和相对湿度的关系

为研究德州大气能见度与水汽和气溶胶的关系,利用2013年逐小时能见度、相对湿度、PM2.5和PM10浓度资料,对三者与能见度的关系进行分析。结果表明：能见度与相对湿度的线性相关最好,与PM2.5浓度的相关性次之;随着相对湿度、PM2.5和PM10浓度的增加,能见度明显降低。大气能见度与相对湿度、PM2.5和PM10浓度非线性相关系数明显高于线性相关系数。利用PM2.5和PM10浓度和相对湿度数据计算得到了非线性大气能见度拟合公式,经验证,该公式能较好地模拟德州大气能见度。     

天津冬季大气能见度与空气污染的相互关系

为探求天津冬季大气能见度特征与空气污染的相互关系,于2008年12月至2009年1月连续观测大气能见度和空气污染物浓度(PM10、PM2.5质量浓度,O_3、NO_2和SO_2体积浓度),并结合相对湿度进行相关分析。结果表明:天津冬季大气能见度平均值为11.59 km,日变化呈明显的单峰特征,其变化特征受到空气污染物,尤其是气溶胶质量浓度及相对湿度变化共同影响;观测期内霾的发生频率接近50%;采用非线性回归方程拟合能见度与气溶胶质量浓度相互关系显示,PM2.5质量浓度对水平能见度的贡献大于PM10质量浓度,并且高湿情况下,能见度与气溶胶质量浓度相关性更好。     

辽宁中部城市群大气污染分布及与气象因子的相关分析

根据2002年辽宁省中部城市群（沈阳、鞍山、本溪、抚顺、辽阳）的主要大气污染物（TSP、PM10、SO2、NOx）的监测值及气象因子（能见度、风速、温度、湿度、降水、总云量和低云量）的观测资料，分析了辽宁中部城市群大气污染的现状、污染程度及污染物与气象因子的相关关系。结果表明：城市群的主要大气污染物是TSP、PM10和SO2冬季是城市群大气污染最重的季节，夏季大气污染最轻；城市群大气污染最重的城市是本溪，其次是鞍山、沈阳、抚顺、辽阳；污染物与能见度、温度的相关性非常显著，平原城市的污染物与气象因子的相关性较山区城市好。     

盖州市大气能见度与气象条件相关分析

利用2011—2012年盖州市大气能见度和地面气象要素(相对湿度、风速、气温、气压)的观测资料,分析了盖州地区大气能见度月和日的变化特征及大气能见度与气象要素的相关性。结果表明:盖州市大气高能见度事件多出现在3月和10月,低能见度事件多出现在6—8月;夏季能见度最低,14时能见度最大,20时能见度比08时略小。大气能见度与相对湿度相关性最大,与风速和气温相关性次之,与气压相关性最差;当相对湿度80.0%时,能见度最低值为10.4±3.2km,大气能见度与气压、气温、相对湿度的相关系数分别为-0.52、0.51和-0.52;其中较高的气温、较大的相对湿度、较小的风速及较低的气压是盖州地区低能见度(10km)事件发生的主要气象条件。     

2003广西主要城市空气质量评价及空气污染物浓度与气象条件关系

从南宁、桂林、北海三城市空气质量自动监测站监测到二氧化硫(SO2),二氧化氮(NO2),可吸入颗粒物(PM10)的日均浓度数据计算的空气污染指数API得出:2003年三城市空气质量状况整体为 级"优"或 级"良",达到了国家环境保护总局对城市环境规定的标准,特别是桂林市的空气质量最好。对各种污染物月平均浓度值与地面气象要素关系进行相关分析,发现相关性非常好,其中与气压呈正相关,与气温、水汽压、相对湿度、降雨量、风速、0厘米地温等要素呈反相关。各种污染物日平均浓度值与地面风速相关也非常好。     

天津武清能见度特征分析

利用2006年8～9月的野外观测资料,分析了天津武清区晴天能见度的变化特征,并分析了能见度与细粒子（PM2．5）、大气污染物和大气相对湿度（RH）的相关性。结果表明：观测期内大气平均能见度为6．3km,低于4km的时间段占50％;日变化表现为日出前（北京时间5时）能见度最低,约为2．6km,下午15时最高,约为11．1km;不同大气相对湿度下能见度与大气中细颗粒物浓度相关性不同;污染气体浓度与能见度呈反相关关系,φ（SO2）、φ（NO2）、φ（NO）、φ（NH3）和φ（CO）越高,能见度越低。     

春节燃放烟花爆竹对西安空气质量的影响

利用西安泾河站气象观测资料和西安空气质量指数、污染物质量浓度等,对2014—2016年春节期间西安市空气污染特征和气象条件的影响进行分析。结果表明:除夕夜间大量燃放烟花爆竹导致PM10和PM2.5质量浓度短时内骤增,但对SO2和NO2质量浓度影响不显著,春节期间空气污染主要是由细颗粒物(PM2.5)造成。气象条件对空气质量有明显影响。在静稳天气下风速小,湍流弱,贴地逆温持续存在,大气扩散能力差,春节期间烟花爆竹集中燃放,强污染源和大气扩散能力差是春节期间出现空气重污染的主要原因;而冷空气来临时,大气相对湿度降低,风速增大,湍流增强,大气扩散能力增强,加上降水的沉降作用,是空气质量改善的主要气象原因。     

南京大气能见度变化规律及影响因子分析

利用累积百分率法、Ridit中值分析法、"非常好"能见度出现频率法以及平均能见度年际和季节变化法,对1980—2005年南京大气能见度年际变化趋势进行分析,发现1980—1984年能见度呈上升趋势,1985年以后则在波动中呈明显下降趋势。26 a中,日均大气能见度最小值为0.55 km,最大值为29.25 km,平均值为8.59 km。大气能见度具有明显的日变化和季节变化特征,一日之中,14时最好,08时最差;一年之中,冬季能见度最低,夏季最高。能见度与相对湿度呈负相关,与风速呈正相关,与温度和气压的相关性相对较小。PM10是影响南京地区大气能见度的首要污染物,通过对能见度与PM10平均质量浓度进行曲线拟合发现,二者呈负相关,复相关系数在秋季最高,夏季最低。由统计预报方程可知,空气污染和气象条件协同作用对能见度的影响在春季、秋季、冬季较为明显,夏季则相对较差。     

十个代表城市空气污染指数与能见度和相对湿度的关系

影响能见度的不仅仅是大气污染物,雾也是一个重要因素。因此,用能见度反映空气质量,需要考虑水汽的作用。在已有的研究结果基础上,构造空气污染指数(API)与能见度和空气相对湿度的数学关系。依据全国10个代表城市2001—2012年逐日API资料和同期08:00(北京时)地面气象资料,运用线性回归方法,确定公式中的待定系数,从而建立利用能见度和相对湿度估算API的统计方程。结果表明:(1)当空气相对湿度小于78%时,能见度主要受空气污染物浓度影响;当空气相对湿度大于96%时,能见度主要受空气湿度影响;当空气相对湿度介于78%~96%时,能见度受空气污染物浓度和空气湿度共同影响;(2)除拉萨和兰州外,其余城市API与能见度和相对湿度的相关程度都通过了α=0.000 01的显著性水平,并且相关程度冬半年好于夏半年;(3)API与能见度和相对湿度拟合关系中的参数b0和b,除拉萨、乌鲁木齐和兰州以外,其余城市的变化幅度都比较小;(4)回代检验表明,除个别月份外,绝对误差和相对误差都相对较小,说明API与能见度和空气湿度的数学关系式可以拟合API。     

基于BP人工神经网络的鹰潭市PM2.5和PM10浓度预测模型

利用2015—2019年鹰潭市5个大气成分监测站数据和气象站地面观测数据,运用主成分分析法,提取气象要素、气体污染物对PM2.5和PM10浓度影响的主要成分,调整BP人工神经网络的隐藏层个数和隐藏层节点数,构建基于BP人工神经网络的鹰潭市PM2.5和PM10浓度预测模型。结果表明：1） 气象要素中,共提取3个影响PM2.5、PM10浓度的主成分,分别为相对湿度、降水,气温、气压和风速,其中湿度、气温、风速与PM2.5、PM10浓度显著相关。2） 气体污染物中,共提取2个主成分,分别为SO2、NO2和O3,其中NO2、SO2与PM2.5、PM10浓度显著相关。3） 所建立的PM2.5、PM10浓度逐小时预测模型在20 h内预测性能良好,预测准确率分别为88%、86%,逐日预测模型在5 d内的预测性能良好,预测准确率分别为94%、92%,准确率较高,具有良好的预报性能。     

沈阳空气质量时空变化

利用2000年3月至2002年4月20日沈阳市区5个大气自动监测子站的SO2、NO2和PM10资料分析了沈阳城市空气污染平均状况、时空分布特点及其与气象条件的关系，得出：（1）沈阳城市空气主要污染物年平均日值温度NO2达国家空气质量要求标准，空气质量状况属于良好范畴，而SO2和PM10超标，属于轻度污染；PM10为沈阳城市首要污染物；（2）沈阳城市空气污染冬季最重，其次是春季，夏季最轻；一天中08时和19时左右污染严重，15时和02时左右污染较轻；（3）近市中心区点（太原街，中街一带）空气污染相对重些，各区点空气污染状况差异冬季更为明显；（4）影响沈阳城市空气污染浓度变化的主要气象因子是温度、风速和风向。     

2014-2017年揭阳市空气污染变化特征及与风速关系

基于2014-2017年的揭阳市4个环境监测站(东兴、西马、新兴和渔湖)的空气污染物(SO2、NO2、O3、PM10)数据和逐日平均风速资料,利用区域空气质量指数(RAQI)对揭阳市的空气污染特征及与风速的关系进行分析,结果表明:揭阳市的RAQI呈现逐年下降趋势,同时RAQI表现出明显的季节变化,在冬半年揭阳市的RAQI较大,空气污染较为严重,在夏半年的RAQI较小,空气质量较好;此外,揭阳市的RAQI主要是由于臭氧影响,其对于空气质量的贡献约有40%,PM10的影响次之,SO2的影响最小;揭阳市的空气质量与风速呈现为显著的负相关关系,当风速越强,空气质量越好,反之亦然。当风速强度约为0.19~0.29 m/s时,揭阳市容易出现空气污染情况,当风速>1.84 m/s时,无污染出现。