黄石市大气PM10和PM2.5质量浓度特征研究

利用2015年黄石市5个监测站点可吸入颗粒物(PM10)和细颗粒物(PM2.5)的在线监测数据和风向、风速、气温、气压等常规地面气象要素观测资料,分析了黄石市大气PM10和PM2.5的质量浓度水平分布特征及其与气象参数的关系。结果表明:2015年黄石市5个监测站点大气PM10和PM2.5年均浓度范围分别为95.8—108.6μg·m^-3和64.3—68.9μg·m^-3,均超过国家二级标准;季均质量浓度呈现显著的冬季高夏季低的变化规律,冬季PM10和PM2.5的质量浓度分别为(143.9±62.2)μg·m^-3和(95.5±44.5)μg·m^-3,夏季PM10和PM2.5的质量浓度分别为(75.2±24.0)μg·m^-3和(50.7±17.3)μg·m^-3。5个监测站中,下陆区、西塞山区和铁山区的PM10和PM2.5颗粒物污染较为严重;各站点大气PM10和PM2.5质量浓度显著相关。大气颗粒物浓度与气象因素的分析显示,黄石市大气颗粒物浓度与气温呈显著的负相关关系,与气压呈正相关关系,与风速和相对湿度的相关性不显著,受风向影响变化较大。     

晋城市冬、春季PM2.5和PM10污染水平时空分布及其与气象因子的关系

为深入了解晋城市颗粒物浓度时空分布特征,对晋城市2017年12月至2018年5月国控点、小型站和微型站PM2.5及PM10小时浓度数据进行收集整理,并进行空间插值分析和时间变化趋势分析及与气象监测数据的相关分析。结果表明:颗粒物浓度在冬、春季节具有明显差异,冬季PM10与PM2.5高值区主要位于东北部及东南小部分区域,春季PM10高值区位于城区南部区域,PM2.5高值区主要集中于城区。晋城市城区和郊区PM10与PM2.5月均浓度整体呈单峰型变化,PM10在4月份最高(157.54±5.67μg·m^-3),PM2.5在1月份最高(94.08±2.25μg·m^-3)。冬季PM2.5/PM10平均为0.57,春季平均为0.45。颗粒物小时浓度的变化呈现单峰单谷的型式,冬季PM10与PM2.5小时平均浓度最高值均出现在10时,春季均出现在09时。监测期间晋城市PM10与PM2.5的小时浓度值与相对湿度有较高的正相关性(p<0.01),与风速、风向有较高的负相关性(p<0.01),与温度和气压的相关性较低。冬季,东北至正南风向时,PM10与PM2.5的浓度普遍高于西北风向时的浓度,对晋城冬、春季国控点颗粒物浓度贡献率最高的风向风速为东南偏南风向,风速在1 m/s以内。     

2014年2月北京PM2.5污染过程及天气形势分析

2014年2月19—27日,北京出现了重度污染及以上水平的霾天气,严重危害着人们的身体健康。以北京该段持续污染过程为研究对象,基于同期气象数据与PM2.5 观测数据,利用SPSS统计软件分析了PM2.5浓度与气象因子间的相关性,探究区域周边城市PM2.5 污染变化特征及其与地面天气形势之间的关系。研究结果表明,在一定的气象条件下,PM2.5 浓度与风速、相对湿度分别呈显著的负相关、正相关,与气压呈负相关,与气温无显著相关关系。同时,比较该时段北京市与周边区域7个城市的PM2.5 浓度变化趋势及后向轨迹分析,发现北京市与周边城市在相似的气象背景条件下,污染过程具有区域性特征。华北地区处于地面高压均压场控制时,地面风速小,逆温层明显,大气层结稳定,区域扩散条件差,弱偏南气流主导时间长,受局地源积累和区域输送的影响,污染物浓度累积上升,可形成持续霾天气。     

一次PM2.5化学污染过程的实况及气象要素影响分析

在收集NARR资料、ARB资料、Caltech站观测数据3类气象资料的基础上,对一次化学污染过程中PM2.5站点分布和时间演变特征进行分析,同时按照地理位置分布将13个观测站点分类,分析气象要素场对PM25区域分布形成和扩散的影响,并找出PM25与气象要素演变的相关性.结果表明:各类观测站的PM2.5浓度值主要以“单峰型”日变化特征为主,其中以城区站的特征最为显著,通常在早上09:00左右达到峰值,平均峰值质量浓度为56.6 μg/m3,而在下午18:00左右为谷值,平均谷值质量浓度为18 μ/一m3,风场、行星边界层高度、地面温度场和湿度场在PM2.5平均的峰值、谷值时段有明显差别;排放源和气象场的日变化规律是决定城区站PM2.5峰谷时段的主要因素;城区站、郊区站地面PM2.5质量浓度值与风速、行星边界层高度、地面温度呈现明显的负相关,与地面气压、相对湿度呈明显的正相关;山区站PM2.5质量浓度值与温度呈弱负相关、与相对湿度呈正相关,其它气象要素相关不明显.     

福州市PM2.5、PM2.5/PM10分布特征及与气象条件关系的初步分析

利用福州市PM2.5、PM10和气象资料,分析PM2.5、PM2.5/PM10的分布特征及与气象条件的关系。结果表明:福州市细粒子污染程度较轻,春季PM2.5和PM2.5/PM10值均是四季中最高的,其次是冬季,夏季最低;影响PM2.5浓度出现高值的天气系统有:暖区辐合与高空槽前、大陆高压后部和暖区降水三种系统,其中暖区降水天气形势下的PM2.5平均浓度最高,超标率为25.5%;影响PM2.5浓度出现低值的天气系统有:冷高压脊、高压底部和高空槽后,副热带高压及边缘,台风(热带辐合带)及外围系统,在后两种天气系统影响下的PM2.5平均浓度最低,超标率为0;剔除因降水、雾等低能见度个例,PM2.5浓度与能见度的相关系数为-0.626,冬春季的相关系数是夏秋季的1.4倍;PM2.5浓度与单一气象要素(如温度、相对湿度、风速等)相关性不明显,但不同季节、不同气象要素变化的组合对PM2.5浓度有直接影响。      

日照市区PM10污染物特征及其与气象要素的关系

对2002年1月1日～2002年12月31日日照市环境监测中心提供的PM10（可吸入颗粒物）日平均浓度资料和对应时段的日照市地面气象资料做了深入的分析，揭示了污染物PM10变化特征及其随气象要素的变化规律。同时分析了主要污染物PM10与地面风速、风向间的相关关系，发现日照市大于等于3级的PM10污染日均出现在1-4月，地面风速对污染物PM10浓度有一定影响，当地面风速超过5m／s时，3级及以上污染日很少出现，当地面风速超过6．5m／s时，随着风速的提高，污染物浓度呈下降趋势。污染物浓度呈明显的季节变化，冬、春季节明显高于夏、秋季节。     

金沙区域可吸入颗粒物浓度及其与气象因子的相关分析

选用咸宁市金沙区域2006年6月至2007年5月可吸入颗粒物质量浓度监测资料,分析了金沙颗粒物质量浓度时间分布特征。分析结果表明：金沙三种可吸入颗粒物PM10、PM2.5、PM1.0质量浓度变化规律基本一致,年季变化表现为秋冬大,夏春小;日变化呈双峰双谷型周期性变化,白天大于夜间,最大值出现在下午16-19时,最小值出现在清晨03-07时,除秋季外第二峰谷表现不明显。且雨雾天气PM10浓度较晴到多云低。且通过与2006年6月至2007年5月的地面气象要素资料相关分析,发现PM10质量浓度与气温、气压呈显著正相关,与降水、风速、湿度呈显著负相关。     

沈阳冬夏季可吸入颗粒物浓度及尺度谱分布特征

利用沈阳大气成分监测站颗粒物监测仪 (Grimm 180) 连续测得的夏季 (2006年8月)、冬季 (2006年12月和2007年1月) 可吸入颗粒物的数浓度和质量浓度数据, 分析了沈阳市可吸入颗粒物浓度日变化、谱分布及污染特征, 在此基础上结合沈阳市常规气象资料, 分析了气象要素和颗粒物污染之间的关系。结果表明:沈阳市冬、夏季部分时段可吸入颗粒物浓度存在明显的日变化和日际变化; 谱分布较好地符合Junge分布; 沈阳冬季PM₁₀超标日数占冬季观测总天数的77%, PM_2.5超标日数 (按美国EPA日均标准) 占冬季观测总天数的87%, PM₁₀平均数浓度为6668.7个/cm3, 平均质量浓度达252.8μg/m3, 分别是夏季的3.0和2.4倍; 冬、夏季PM_2.5/PM₁₀平均质量分数分别为0.647和0.603, PM_2.5占可吸入颗粒物总数量的99%以上; 浓度变化在很大程度上受到各种气象要素的影响, 与温度、风速负相关, 与湿度正相关, 降雨、降雪过程使得颗粒物浓度明显降低, 近地层逆温和雾是颗粒物增多的一个重要因素。颗粒物污染对城市能见度影响较大。     

丹东市大气颗粒物质量浓度变化特征及其与气象要素的关系

利用2008-2017年大气颗粒物质量浓度资料和逐日地面气象观测资料,统计分析了丹东市大气颗粒物质量浓度时间变化特征及其与气象要素的关系。结果表明:2008-2017年丹东市大气颗粒物质量浓度年际变化具有一定的波动性,其中2015-2017年大气颗粒物污染状况持续改善明显;质量浓度月和季节变化特征明显,1月和12月最高、7月最低,冬季最高、夏季最低,非汛期显著高于汛期,供暖期显著高于非供暖期;非汛期大气颗粒物质量浓度超标日相较达标日,气温和能见度偏低,降水偏少,风速偏小;非汛期PM2.5、PM1质量浓度与相对湿度呈显著正相关,与风速呈显著负相关,汛期PM2.5、PM1质量浓度与风速呈显著负相关;PM2.5、PM1质量浓度春、秋、冬季与风速的负相关性最显著,冬季与相对湿度的正相关性也十分显著。     

新乡市大气污染特征与气象因子相关性分析

利用新乡市2015—2016年大气环境质量监测数据和同步常规气象观测数据,分析首要污染物质量浓度变化特征及其与气象因子的相关性,结果表明：PM10和PM25质量浓度冬高夏低,峰值出现在1月或12月,谷值出现在8月;而O3则是夏高冬低,峰值出现在6月,谷值出现在1月或12月。三种首要污染物质量浓度在大多数月份都与海平面气压呈负相关,与24小时变温（ΔT24）呈正相关;PM10和PM25质量浓度多数月份都与10 min风速呈负相关;PM25质量浓度大多数月份与相对湿度呈正相关,与24小时变压（ΔP24）呈负相关;PM10质量浓度与相对湿度在冬季呈正相关,夏季呈负相关,与ΔP24在春季呈正相关,在秋、冬季多呈负相关;而O3质量浓度在所有月份与温度、10 min风速都呈正相关,与相对湿度都呈负相关。     

2015—2017年唐山市PM2.5重污染生消气象条件分析

利用2015—2017年唐山市空气质量日空气质量指数、小时PM_2.5浓度和气象数据,分析了唐山市重污染特征及PM_2.5重污染生成、消散气象条件。结果表明：2015—2017年唐山市重污染天数为减少趋势,年平均重污染天数36 d。冬季发生重污染天数最多,秋季次之。重污染天气中首要污染物为PM_2.5、PM₁₀和O₃,PM_2.5为首要污染物占比87%,PM₁₀占比6%,O₃占比7%。小时PM_2.5浓度与相对湿度、总云量、24 h变温正相关,与风速、气温、风向、1 h降水负相关。冬季相关性最好,其次是秋季和春季。90%PM_2.5重污染相对湿度均为50%以上,冬季和秋季高达98%;风速大于4 m·s^-1时,有0.7%的PM_2.5达到重污染;降水对PM_2.5有一定清除作用。升温、湿度增加和负变压有助于污染天气形成,生成过程中平均风速为1.8 m·s^-1,主导风向为SW,其次是S、W。降温、湿度下降、正变压、降水有助于污染天气消散,消散过程中平均风速为3.1 m·s^-1,主导风向为E,其次是NE、N。各方位3 m·s^-1的风具有清除能力,偏北风具有较好清除能力,风速较其他方向风速小。     

三明市PM10浓度突变及影响因子

利用2004—2007年三明市主要大气污染物PM10的监测值及气象因子(气压、风速、温度、湿度、降水、蒸发量)观测资料,以及同期08:00 850 hPa天气图资料,定量分析了PM10的突变特征以及突变与气象因子的相关关系。结果表明:PM10突变事件有明显的季节性特征,冬、春季节发生突变的概率较大;当地面气象要素场出现气压下降、风速减小、相对湿度下降、降水量减小而温度上升、蒸发量加大的配置时,PM10易发生正突变,当出现气压上升、风速加大、相对湿度上升、降水量增加而温度下降、蒸发量减小的配置时,PM10易发生负突变;当受大陆高压后部、暖区辐合系统影响时,PM10发生正突变的概率较高,受大陆高压前部、切变线系统影响时,PM10发生负突变的概率较高。     

桂林城区大气能见度与颗粒物浓度和气象因子关系研究

利用2015年1月至2017年6月桂林国家基本气象站能见度、相对湿度、气温、气压、降水等气象要素和PM₁₀、PM_2.5、PM_1.0颗粒物质量浓度资料,分析桂林城区大气能见度与颗粒物浓度和气象因子之间关系。结果表明：桂林城区大气能见度和PM₁₀、PM_2.5、PM_1.0呈对数关系,相关系数分别为-0.341、-0.461、-0.509,颗粒物对大气能见度影响在相对湿度为60%—70%时最为显著。在各气象因子中,大气能见度与风速的相关性最好,其次为相对湿度,与风速呈二次函数关系,与相对湿度呈幂指数关系,与温度相关性较小,与气压在秋冬季节呈正相关,相关系数冬季可达0.301,但在春、夏季节相关性不显著;利用颗粒物浓度和气象要素建立8种大气能见度非线性统计回归模型,比较后发现利用PM_1.0、风速、相对湿度、气温等因子建立的不同季节大气能见度拟合公式在实际检验中效果最优,能较好地模拟桂林地区大气能见度的变化。     

海口市PM_(10)、PM_(2.5)和PM_1质量浓度的变化特征分析

利用2013年在海口市气象局地面气象观测站采集的PM10、PM2.5和PM1质量浓度数据,分析了2013年可吸入颗粒物质量浓度的变化特征,并对其成因进行了初步分析。结果表明:2013年海口市PM10、PM2.5和PM1质量浓度的变化趋势基本相同,PM10、PM2.5质量浓度的超标率低,达到一级标准的概率分别为74.0%和68.8%,超过2级标准的天数分别为1和9 d,ρ(PM2.5)/ρ(PM10)与ρ(PM1)/ρ(PM2.5)的比例平均分别为78.1%和85.1%;海口PM10、PM2.5和PM1质量浓度冬季最高,夏季最低,春、秋两季处于冬夏之间;PM10、PM2.5和PM1质量浓度的日变化呈双峰现象,一个峰出现在上午,一个峰出现在夜间;颗粒物质量浓度的变化主要受到气象条件和污染物排放的影响。     

华北背景地区大气能见度变化特征及影响因素分析

基于1980~2014年上甸子国家级地面气象台站人工观测的大气水平能见度数据和大气成分站资料,采用Mann-Kendall趋势分析及突变检验法对大气能见度进行分析,并结合气象和污染要素进行相关性检验,以了解华北背景地区大气能见度的变化趋势及其影响因素。结果表明:上甸子地区年均能见度呈下降趋势,能见度最大和最小变率出现在夏季和春季,分别为3.4 km（10 a）-1和1.7 km（10 a）-1;冬季能见度（38.1 km）最高,秋季（36.2 km）次之,春季（32.8 km）和夏季（31.4 km）较低;突变分析表明上甸子地区的年均能见度未出现明显突变。能见度受各类气象因子的综合影响。根据Person相关和偏相关的统计结果,能见度与相对湿度和风速均呈明显负相关;与气压呈明显的正相关;而与气温的相关系数时正时负,表明气温对能见度的影响具有两面性。能见度下降的主要原因为大气污染,能见度随着大气细颗粒物增加呈幂指数降低（决定系数R2=0.98,显著性水平p < 0.01）;能见度为10 km时对应的细颗粒物（PM2.5）的边界浓度为74 μg/m3;在现行的国家环境空气质量标准二级标准（75μg/m3）下,可以使华北背景地区保持较高的大气能见度（≥ 10 km）。     

空气质量多模式系统在广州应用及对PM10预报效果评估

介绍了广州空气质量多模式系统并评估其对2010年9月广州市的气象要素和PM10日均浓度的24 h的预报效果.评估结果表明：模式系统较好地预测了气象要素的变化,但高估了风速;各空气质量模式能合理预测广州PM10浓度的时空变化,预报效果均处于可接受范围内(平均分数偏差MFB小于±60%且平均分数误差MFE小于75%),部分模式可达到优秀水平(MFB小于±30%且MFE小于50%),但同时各模式在郊区均预测偏高而在市区偏低;总体上,模式在广州郊区的PM10预报效果优于市区.模式间对比表明,在本次业务预报实践中,不存在最优的单模式,同一模式对不同的统计指标、不同的站点,其预报效果可能存在差异,基于算术平均集成各模式结果未能获得最优的预报效果.优化排放源空间分布并引进更好的集成预报方法(如权重平均、神经网络、多元回归等)是未来改进广州空气质量多模式系统预报效果的可能途径.     

北京地区气溶胶PM2.5粒子浓度的相关因子及其估算模型

文中运用统计分析和气象统计预报的方法 ,使用北京白石桥小区的污染物观测资料和同期北京地区的气象观测资料 ,对影响大气污染的气象因子进行了综合分析 ,并分别建立了气溶胶PM 2 .5粒子浓度与气体污染物、气象要素场的两类统计相关拟合模型。发现气溶胶PM2 .5粒子浓度与气体污染物浓度存在不同程度的相关性 ,且与气象条件亦存在显著的相关关系 ,此类时空变化及其量化估算模型具有一定实际应用价值。通过确定气象要素场和气溶胶浓度的关系可进一步研究不同地区的污染物输送和污染源扩散影响的问题。     

吐鲁番市颗粒物浓度变化特征及与气象要素的关系

依据吐鲁番市2015年3月—2016年2月的PM_(10)、PM_(2.5)和气象资料,利用统计分析,探讨吐鲁番市PM_(10)和PM_(2.5)浓度的变化特征及其与气象要素的关系。结果表明:冬季PM2.5与PM10浓度的平均值最高(106 ug/m3、184 ug/m~3),春季次之(63 ug/m~3、163 ug/m~3),夏季最低(33 ug/m~3、95ug/m~3),且冬季二者浓度的平均值比夏季分别高大约69%、48%。11月至次年2月,每个月中PM_(2.5)和PM_(10)的污染程度在轻度污染以上的天数相比其它月份较多。PM_(10)与PM_(2.5)的日变化曲线特征呈现"双峰双谷"的特点;PM_(2.5)与PM_(10)的比值在冬季达到了60%~80%,这说明吐鲁番冬季主要以PM2.5污染为主;PM_(2.5)和PM_(10)与能见度之间存在极其显著的相关性,相关系数分别为-0.904、-0.792,与单一气象要素(如相对湿度、风速、温度等)的相关性不明显,但不同气象要素的共同作用对其有显著影响。