济南市逆温特征及与PM2.5的相关性分析

基于逐时温度廓线仪数据、PM_2.5质量浓度数据,文章探讨2011-2017年济南市逆温层参数特征以及逆温对PM_2.5质量浓度的影响,并对2013年1月10-17日一次重污染过程为例进行分析。结果表明:2011-2017年济南市近地逆温发生总频率为40.6%。从逆温出现频率的日变化情况来看,凌晨01时至早上08时,逆温频率普遍较高且变化幅度不大,小时逆温频率均在50.0%以上,峰值出现在早上06时,小时逆温频率是62.9%;下午时段逆温出现频率较低,小时逆温频率均在25%以下。不同月份的近地逆温(1 000 m以下)特征相差较大。尽管冬季逐时逆温发生频率较少,但冬季(12、1、2月)逆温层顶高偏低、逆温层厚度偏厚、逆温强度最大,逆温层层结稳定,空气污染严重。逆温对污染物质量浓度有显著影响,PM_2.5质量浓度与逆温层底高呈负相关,与逆温厚度和逆温强度均呈正相关,且均通过了α=0.01显著性水平检验。     

天津大气稳定度和逆温特征对PM2.5污染的影响

利用气象铁塔资料分析了逆温频率和强度,采用温差-风速法计算了天津地区大气稳定度,探讨了其相互关系及对PM_2.5浓度月均值和超标日的影响,并对一次重污染过程中大气稳定度和逆温分布特征进行了分析.结果表明,2015年9月~2017年8月A,B,C,D,E和F类大气稳定度发生频率依次为6.7%,11.4%,22.4%,46.1%,11.1%和2.2%,秋冬季节稳定类天气（E,F类）较多,全年白天各时段均以不稳定类大气为主,夜间大气稳定度以中性为主,秋冬季夜间稳定类高达30%~40%.观测期内冬季逆温频率最高,5：00~8：00和21：00~23：00超过90%,冬季逆温强度也最高.随着稳定类大气层结日数的增多,PM_2.5月均值和污染日数均有所增大,同时逐月PM_2.5均值、污染日发生频率均与逆温发生频率呈正相关关系.2016年12月16~21日的一次重污染天气过程显示,PM_2.5受到大气稳定度和逆温发展的影响,霾形成、雾-霾交替和消散等阶段大气稳定度和逆温特征具有显著的不同.大气持续趋于稳定及逆温强度的逐渐增大,对污染生成和维持起了非常重要的作用,污染过程中大气稳定度和逆温特征的精细化分析有助于提升重污染天气预报预警水平.     

2000~2019年中国PM2.5时空演化特征

本研究利用PM_2.5实测数据、MERRA-2 AOD与PM_2.5再分析数据、气象因子和夜间灯光等数据,基于极限梯度提升、梯度提升、随机森林模型和Stacking模型融合技术提出了PM_2.5浓度组合估算模型.在此基础上,从年、季、月尺度综合分析了2000~2019年中国PM_2.5时空变化特征.结果表明：①组合模型实现了中国2000年以来PM_2.5逐月浓度的可靠估算.②2000~2019年中国PM_2.5年均浓度呈快速增加保持稳定显著下降的趋势,2007年和2014年分别为增加到稳定和稳定到下降的转折点.PM_2.5月均浓度呈先降后升的"U"型趋势,最小值在7月,最大值在12月.③自然地理条件和人类活动奠定了中国PM_2.5浓度年度空间格局变化的基础,气象条件的逐月变化决定了PM_2.5浓度月度空间格局变化的主基调.④2000~2014年中国PM_2.5浓度的标准差椭圆中心向东移动,2014~2018年椭圆中心向西移动.1~3月椭圆中心向西移动,4~9月椭圆中心先北移后南移,9~12月椭圆中心向东移动.     

2013—2015年中国PM2.5污染状况时空变化

自2013年我国首次开展全国范围PM_2.5近地面监测以来,少有研究从全国空间尺度分析近3年全国PM_2.5污染状况时空变化的总体特征,识别PM_2.5污染加剧或缓解的空间范围,更缺乏直接对比评估国家大气污染重点防控区内外PM_2.5污染特征变化的差异.基于2013—2015年PM_2.5监测数据,综合运用时空统计分析与空间插值制图手段,揭示近3年ρ(PM_2.5)及不同等级污染天数的时空变化格局,并着重对比分析“三区十群”区域内外ρ(PM_2.5)的变化差异.结果表明,2013—2015年,全国持续监测的413个站点中有335个监测站点ρ(PM_2.5)年均值下降,其中218个站点实现连续两年年均浓度降低,74个站点ρ(PM_2.5)年均值降至符合国家二级标准;全国大部分地区ρ(PM_2.5)年超标率由50%以上降至30%以下,重度污染站点占比由88.38%降至73.77%,严重污染站点占比由65.86%降至36.35%;长三角城市群、长株潭城市群、武汉及周边城市群、陕西关中城市群PM_2.5污染呈现明显好转趋势;西藏、云贵高原以及海峡西岸城市群、珠三角城市群等沿海地区ρ(PM_2.5)一直较低,空气质量相对优良;但与此同时,京津冀城市群、山东半岛城市群及河南中部和北部地区仍是中国PM_2.5重污染区域,新疆西南部、合肥、南昌等地区逐渐形成新的PM_2.5重污染格局.      

中国PM2.5管理策略研究

文章通过对PM2.5的基本组成、来源与影响因素的分析,构建中国PM2.5全过程管理体系,建立、完善PM2.5削减和控制长效机制,进而实现中国PM2.5管理。     

北京市区春夏PM2.5和PM10浓度变化特征研究

通过对北京市2012年3月～6月PM2.5和PM10实时数据的整理和分析,结果表明,北京市区大气中细颗粒物PM2.5和可吸入颗粒物PM10浓度日变化趋势基本相同,PM2.5和PM10存在显著或极显著的正相关关系;3月～6月,PM2.5浓度随季节变化逐渐升高,PM10的浓度随季节变化先升高后减小;3月～6月PM2.5与PM10日平均浓度分别为62.77μg/m3和133.88μg/m3,分别为国家二级标准的83.69%和89.25%。     

2000~2016年中国PM2.5时空格局

本文在检验PM_2.5遥感数据可靠性的基础上,使用标准偏差分析、Hurst指数、Theil-Sen median趋势分析与Mann-Kendall检验和局部空间自相关等方法,在像元尺度上研究了2000~2016年中国PM_2.5浓度的分布格局和演变过程.结果表明：①在空间分布上,PM_2.5的浓度东部高,多年平均值为30.21μg/m³,西部低,多年平均值为4.37μg/m³,东西两侧差异巨大.西部地区和东北地区PM_2.5的浓度整体呈现增长的态势,但西部地区变化较为平缓.PM_2.5污染严重的区域分布在人口多且密集,经济较为发达的区域,如华北平原,东北平原,长江中下游平原,四川盆地等地区.②在时间序列上,以2007年为界,PM_2.5的年变化趋势可分为两个阶段,从2000~2007期间我国的PM_2.5浓度总体呈现上升趋势,年均增长0.95μg/m³,2007~2016年PM_2.5浓度呈波动下降趋势,年均下降0.15 μg/m³;③稳定性：PM_2.5浓度的稳定性在空间上差异显著,整体呈现出西部较稳定、东部不稳定的分布状态.东部极不稳定区域主要分布在四川盆地,华北平原,东北平原中部,长江中下游平原;④持续性：中国PM_2.5持续性特征以弱反持续为主,主要分布在中国东部地区,预测未来PM_2.5的变化规律与目前相反.其次弱持续性分布的区域较广,主要分布在山地、高原及高寒地区,说明这一区域未来PM_2.5变化趋势与过去的变化趋势相同,但又具有复杂性和反复性.⑤人口暴露分析：分析不同PM_2.5浓度级别上的人口百分比,发现2016年中国有52%的人口生活在PM_2.5浓度年平均值为35 μg/m³以上的环境中,还有14.38%的人暴露在PM_2.5年均浓度值为60 μg/m³以上的环境中.     

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.     

河北省边界层气象要素与PM2.5关系的统计特征

为了研究河北省边界层气象要素与PM_2.5的关系,综合利用常规气象探测资料、逐小时地面自动站气象观测资料、环境监测站逐小时AQI及ρ(PM_2.5)资料等进行了统计分析.结果表明:①冬季海平面气压低于1 030 hPa、24 h变压为-3.0~-2.0 hPa、地面相对湿度高于60%、露点温度高于-10 ℃时发生全省性重污染天气的可能性较大;而海平面气压高于1 040 hPa、24 h变压在4.0 hPa以上、地面相对湿度低于40%、露点温度低于-10 ℃时,有利于清洁天气的出现.清洁天气下边界层的盛行风向多与冷空气活动有关;污染天气下盛行风向有区域性差别,边界层小风(<3.0 m/s)的风速频率高于90%. ②过程雨量达到中雨及以上量级的降水对PM_2.5具有较明显的清除作用,中雨量级降水对PM_2.5清除速率约为2 h,但优良空气质量持续时间短,平均为15 h;大雨及以上量级的降水对PM_2.5清除率达67.8%,并且优良空气质量可以持续27 h. ③与降水相比,风对PM_2.5的清除作用更为显著.较强偏南风对空气质量有一定改善,但优良空气质量仅持续16 h;大于3.0 m/s的系统性偏北风对PM_2.5清除率高达85.1%,优良空气质量持续长达32 h,空气质量的改善最为彻底.研究显示,PM_2.5与边界层气象要素关系紧密,不同级别的风和降水对PM_2.5的清除程度存在显著差异.      

2013年1月北京市PM2.5区域来源解析

2013年1月,北京地区经历了多次严重的灰霾天气,细颗粒物污染已成为北京地区所面临的重要问题.了解和掌握北京细颗粒物的污染来源,是解决细颗粒物污染的重要途径,也是制定防治政策的重要依据.通过建立三维空气质量模型系统,对2013年1月20~24日的污染过程进行模拟,并运用PSAT技术探究北京市细颗粒物污染的区域来源.结果表明,本地源排放是北京市PM2.5的主要来源,平均贡献率为34%;河北和天津的平均贡献率分别为26%和4%;京津冀周边地区及模拟边界外的贡献分别为12%和24%.在重污染日,区域传输对北京市PM2.5的影响显著增强,是北京PM2.5污染的主要来源.PM2.5中的硝酸盐主要来自北京市周边地区的贡献,而硫酸盐和二次有机气溶胶呈现远距离传输的特性,铵盐和其他组分则主要来自北京本地的贡献.     

徐州市大气PM2.5与O3作用关系的季节变化

通过2013~2017年徐州市环境监测资料分析季风影响下主要大气复合污染物PM_2.5和O₃的相关性,并基于气象观测资料进一步探究PM_2.5和O₃相互作用机制的季节变化特征.结果表明：夏季风季节,PM_2.5和O₃呈正相关,相关系数高达0.56;冬季风季节,PM_2.5和O₃呈负相关,相关系数为-0.34,均通过了99%的置信检验,表明徐州市PM_2.5和O₃相互作用呈现相反的季节变化.夏季风季节,太阳辐射强,气温较高,大气氧化性较强,O₃主导大气氧化性,大气氧化性通过促进二次颗粒物生成使得PM_2.5浓度升高,夏季风季节以O₃对PM_2.5的促进作用主导城市大气复合污染变化;冬季风季节,太阳辐射弱,气温较低,大气氧化性较弱,高浓度的PM_2.5削弱太阳辐射抑制大气光化学,导致O₃生成率降低,冬季风季节以PM_2.5对O₃的抑制作用主导城市大气复合污染变化.     

北京市冬季重污染期间PM2.5及其组分演变特征

通过实时在线监测了2018年11月27日~2019年1月15日北京市城区PM_2.5、水溶性无机离子（Na⁺、NH₄⁺、K⁺、Mg²⁺、Ca²⁺、F^-、Cl^-、NO₂^-、NO₃^-、SO₄^2-、PO₄^3-）、碳质组分（有机碳OC、元素碳EC）的质量浓度以及气态污染物浓度和气象要素,收集整理了近20年北京市冬季PM_2.5、主要离子组分以及碳质组分浓度,分析研究了1999~2018年北京市冬季PM_2.5、离子、碳质组分的变化特征,重点探讨了监测期间清洁日与两个典型重污染事件PM_2.5及其组分的演变特征.结果表明：研究期间PM_2.5浓度为53.5μg/m³,达到近20年北京市冬季较低值,且大气主要污染源由煤烟型污染源转变为燃煤型与机动车尾气复合型污染源.监测期间,湿度高、微弱的西南风导致重污染产生,清洁日、污染事件I与污染事件II PM_2.5平均浓度分别为32.5,138.9,146.8μg/m³且不同时段PM_2.5日变化趋势存在差异.各离子浓度变化为：NO₃^- > NH₄⁺ > SO₄^2- > Cl^- > K⁺ > Ca²⁺ > Na⁺ > PO₄^3- > F^- > NO₂^-~Mg²⁺,总水溶性离子浓度为24.6μg/m³占PM_2.5总浓度的46.0%,其中SNA浓度占总离子浓度的83.7%,是离子中最主要的组分.碳质组分浓度达到近二十年北京市冬季最低值,变化为：一次有机碳POC > EC > 二次有机碳SOC,OC与EC相关系数达到0.99,一次燃烧源对污染过程有较大贡献.NH₄⁺在清洁日与污染II中富集,主要以（NH₄）₂SO₄、NH₄NO₃和NH₄Cl形式存在,在污染I中较少,仅以（NH₄）₂SO₄和NH₄NO₃存在.在污染I和II期间,SO₄^2-的形成昼夜均受相对湿度与NH₃影响;NO₃^-的形成白天受O₃与NH₃的影响,夜间受相对湿度和NH₃的影响.     

影响上海PM2.5污染不同源地和路径的数值模拟

对2014~2017年上海出现的PM_2.5中度及以上污染过程的地面形势进行分析,发现上海出现PM_2.5中度及以上污染的地面形势场主要可分为输送型、静稳型和叠加型3种类型,其中输送型是影响上海市PM_2.5中度及以上污染的主要天气形势,占比45.8%.通过选取典型个例,分析了3类污染天气型气象成因和维持机制.并利用WRF驱动FLEXPART模式,结合排放源清单,探讨不同污染天气型下影响上海的主要污染物来源：输送型污染有3条影响上海的主要污染传输通道,分别为东路（东海海面）、中路（江苏沿海）和西路（安徽-苏南）,主要时段在污染前1d;静稳型污染影响上海的潜在污染源区集中在上海及周边地区;叠加型污染既存在明显污染输送通道,也有明显的上海及周边潜在污染贡献区域.     

上海地区PM2.5-O3复合污染特征及气象成因分析

统计分析了上海地区2013~2017年PM_2.5-O₃复合污染事件及与气象条件的关系.结果表明,近5a上海PM_2.5-O₃复合污染天气占O₃总污染天气33.4%,仅出现在3~10月,呈逐年减少的趋势;PM_2.5-O₃复合污染时的O₃峰值浓度和平均浓度较单O₃污染时高,维持时间较单O₃污染时长,主要气象原因是地面辐合和较低的边界层高度;PM_2.5-O₃复合污染的天气形势往往与弱气压场有关,可以分为低压底部和前部、高压顶部和后部、均压场5种天气类型,其中均压场出现次数最多,占比53%;复合污染对气象因子的阈值要求更为严格,并且阈值区间总体向有利于PM_2.5浓度上升的方向偏移;当温度介于27.9~34℃,湿度介于43%~58%,风速介于2.1~3.3m/s,混合层高度介于1122~1599m,并且存在辐合时,最有利于PM_2.5-O₃复合污染发生.     

黑龙江省PM2．5监测现状及结果分析

近十余年来在中国的部分地区进行了PM2.5的采集和分析。以美国PM2.5的主要检测方法为例,指出在国际社会中针对PM2.5检测的重要性和普遍性,同时例举了中国PM2.5的检测方法的多样性。根据黑龙江省13个市（地）共57个环境空气自动监测站的大气监测数据结果,总结了黑龙江省PM2.5的监测现状,并详细的介绍了黑龙江省关于PM2.5检测工作的开展情况。以哈尔滨为例对市区的大气污染情况进行预测和分析;提出了黑龙江省大气PM2.5污染超标的原因,并提出切实可行的治理方案。同时指出了今后黑龙江省PM2.5监测的发展方向。     

上海早晨边界层的稳定度特征及其对PM2.5峰值浓度的影响

PM_2.5的峰值浓度一般出现在早晨,这是早晨高排放和低边界层共同作用的结果.早晨的边界层结构对PM_2.5峰值浓度及演变具有重要影响,但准确反演早晨较低的边界层高度存在很大困难.基于此,本文以上海为例,采用8：00的L波段气象探空数据,利用高分辨率的垂直风温资料计算总体理查逊数（Rf）来判定早晨边界层的稳定度.研究发现,上海早晨边界层的稳定度具有明显的季节差异,其中,11月、12月和1月基本为稳定边界层结构（SBL）,5—8月为对流边界层结构（CBL）.通过分析风温廓线发现,上海冬季早晨SBL存在明显逆温,高度约为100~200 m,平均逆温强度为2.4℃/100 m;而夏季早晨的CBL可发展至400~500 m.早晨PM_2.5峰值浓度随Rf的升高明显上升,SBL条件下的PM_2.5峰值浓度较CBL条件下偏高约20 μg·m^-3.2013—2017年上海早晨边界层的稳定度在春季和冬季呈波动上升的趋势,其中,2016和2017年的上升幅度尤其明显.2016、2017年春季的SBL频数较2013—2015年同期分别偏多12.5%、17.0%,冬季分别偏多10.8%、9.0%,而2016、2017年春季的PM_2.5浓度却分别下降11.00%、23.00%,冬季分别下降27.94%和34.38%,表明近几年上海早晨的PM_2.5排放强度明显下降.     

北京市PM_(2.5)的研究进展

PM2.5是指大气中动力学直径≤2.5μm的颗粒物,也称为可入肺颗粒物。北京的大气污染是我国在快速发展过程中出现的典型的城市大气环境问题的代表,具有明显的烟煤型污染与光化学污染相结合的复合型污染特征,北京市PM2.5的污染已经相当严重。为了进一步研究北京市PM2.5的特性,对北京市PM2.5的污染特征、化学组成、源解析方面进行探讨,并提出了相应的防治对策。     

基于VAR模型的天津市PM2.5与其他大气污染物的关系

近年来我国多个地区遭遇严重重污染天气过程,极大影响了人们的身体健康与生活环境。在研究重污染天气的过程中,PM_2.5与其他大气污染物的关联度成了学术界研究重点。基于向量自回归模型,综合运用单位根检验、AR特征根检验、广义脉冲响应函数以及方差分解法分析了天津市2014年1月1日—2016年12月31日包含PM_2.5在内的空气质量相关数据;研究PM_2.5与其影响因素的动态关系,及其他大气污染物对PM_2.5的影响作用。结果表明:PM_2.5与其他大气污染物之间所构成的空气质量系统模型是稳定的,且SO₂、NO₂与CO浓度的增加短期内会引起PM_2.5浓度的增加,治理SO₂与NO₂对PM_2.5的影响较大;O₃浓度的增加对PM_2.5有抑制作用。因此,建议天津市将调整产业结构,加强对SO₂的治理放在首位。     

2013年12月上海市PM2.5重污染过程数值模拟研究

基于2013年11月30日-12月13日上海一次PM_2.5重污染过程,利用Model-3/CMAQ模式及过程分析技术,定量评估不同时段各大气过程对上海PM_2.5浓度变化的影响.结果表明:Model-3/CMAQ模式系统能较好的模拟出实况PM_2.5的浓度变化趋势与特点.研究期间,白天源排放的增强和大气传输的影响、加上较强的气溶胶和云过程生成贡献,是造成上海PM_2.5浓度上升至重污染的主要原因.不同污染时段对PM_2.5浓度上升贡献率最大的过程均为输送,其中,西北部点位(青浦淀山湖和虹口凉城输送)的贡献率最大,且重污染时段输送的贡献率明显高于非重污染时段.