天津城区秋季PM2.5质量浓度垂直分布特征研究

为研究天津大气颗粒物的污染水平和时空分布特征,利用天津大气边界层观测铁塔(255m),分别在40m、120m、220m处设立监测点,通过监测到的PM2.5的质量浓度,结合PM10、能见度等资料来分析污染物的时空分布规律和分布特征.结果表明,天津城区PM2.5污染水平相当严重,日均质量浓度远高于美国1997年制定的65μg*m-3的排放标准.混合层厚度和稳定度的变化对PM2.5浓度变化有一定的影响,随混合层厚度的变化,不同高度PM2.5质量浓度值有所不同.23时至11时,120m浓度明显高于其它各层,11-18时,由于大气扩散能力的增强,三层污染物质量浓度开始下降,而到了18-23时,低层污染物浓度较高,各层浓度总体趋势为120m＞40m＞220m.PM2.5质量浓度的日变化与稳定度的变化较一致.气象条件和早晚出行高峰期的影响导致PM2.5的质量浓度出现峰值.PM10与PM2.5的总体变化趋势基本一致,说明污染物来源基本相同.能见度水平和细粒子污染水平呈现较好的负相关,细粒子质量浓度的高低是决定能见度好坏的主要因子.降水过程是颗粒物从大气中清除的重要机制.     

PM2.5监测及评价研究进展

综合阐述了近年来国内外PM2.5的监测方法、观测站网建设发展,以及PM2.5对人体健康、大气环境及天气、气候等方面的影响研究,并对国内外PM2.5空气质量标准差异进行了比较分析,提出了加强PM2.5监测及影响评价的建议.     

两种地面PM2.5质量浓度遥感反演方法适用性比较

为探究地面气溶胶质量浓度遥感反演模型在年际及区域尺度上的适用性,确定一种可以在区域尺度上业务运行的反演模型,基于2015-2016年河南省28个城市MODIS气溶胶光学厚度、PM_(2.5)质量浓度、地面气象观测能见度和相对湿度,分别采用半经验模型和非线性多元回归模型建立了分季节反演模型,并基于2017年观测数据对两种模型的精度进行了对比评价。结果表明:半经验模型中标高订正的AOD与经过湿度订正的PM_(2.5)质量浓度建立反演模型效果最好,四个季节反演模型决定系数R~2分别为0.3938、0.3507、0.3488及0.4212。非线性多元回归模型最优组合为AOD、气溶胶波长指数、气溶胶标高与相对湿度,四个季节反演模型决定系数R~2分别为0.4295、0.3598、0.4099和0.5616。两种反演模型验证结果均通过0.001的显著性检验,非线性多元回归模型的验证决定系数大于半经验模型的,春季和冬季非线性多元回归模型的验证斜率更接近1,而夏季和秋季半经验模型验证斜率更接近1。非线性多元回归模型建模及验证相关性更高,且可有效避免高相对湿度条件下异常值的出现,业务适用性更好。     

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。     

ACCMIP全球模式对中国地面PM2.5浓度模拟能力评估

本文利用MODIS和MISR卫星反演的地面PM2.5浓度和来自大气化学和气候模式比较计划（ACCMIP）的4个耦合了大气化学模块的气候模式（GFDL-AM3、NCAR-CAM3.5、GISS-E2-R和MIROC-CHEM）模拟的PM2.5浓度数据,评估分析了4个全球模式对中国地区地面PM2.5浓度时空变化特征的模拟能力。结果表明：4个模式集合模拟的PM2.5浓度在中国东部模拟效果较好。对比单个模式,GFDL-AM3模式对中国PM2.5浓度的空间分布型模拟效果最好。模式结果之间的一致性差异显著的地区主要出现在新疆中部和内蒙古西部地区。从整个中国地区的区域平均的时间序列来看,4个模式集合平均结果与观测结果相差不大,基本能够反映出东北、华中、华东沿海、新疆西部地区的PM2.5浓度的变化趋势。     

乌鲁木齐市PM10,PM2.5和PM1.0浓度及分布变化特征研究

利用GRIMM180气溶胶粒谱分析仪采集乌鲁木齐市PM10、PM2.5和PM1.0数据,研究表明:乌鲁木齐市气溶胶颗粒物质量浓度在进入采暖季后急剧增加,冬季颗粒物中细粒子含量最高,PM2.5/PM10可达77.6%,PM2.5/PM10,PM1.0/PM10,PM1.0/PM2.5三比值体现了颗粒物的分布特征,四季污染程度越高,细粒子含量越高。四季无降水日PM10、PM2.5、PM1.0的质量浓度和分布的日变化基本呈三峰三谷型,出现早—午—晚峰值,上午—下午—午夜后谷值,各季节峰谷值具体出现时间略有差别,由于冬季逆温层顶盖等因素的影响,冬季质量浓度和分布的日变化在此基础上多了两次波动。降水的发生对冬、春季质量浓度的影响大于夏、秋季,对不同粒径段粒子的分布影响有一定差别。     

2014年10月京津冀地区一次PM2.5污染过程的数值模拟

近年来我国东部尤其是华北地区的PM2.5污染逐年加重,引起广泛关注。本文利用WRF Chem模拟了2014年10月京津冀地区一次PM2.5重度污染过程,研究造成此次过程的天气形势、污染物的时空分布特征以及一次、二次PM2.5对总浓度的贡献率,并对污染最严重当日的PM2.5垂直分布进行详细分析。结果表明：造成本次污染过程的是弱高压控制下的静稳天气系统,地面主导风向为南风,垂直方向上有逆温层,抑制了污染物垂直方向上的扩散。发生污染时,PM2.5的高浓度主要分布在北京南部、天津北部与河北接壤的区域,二次PM2.5的贡献率大于一次PM2.5,在清洁大气中则一次PM2.5的贡献更大。垂直方向上,PM2.5中的一次颗粒物只在近地面有高浓度中心,1.2~1.6 km的上空高值区以二次生成的颗粒物为主,是由前体物上升到高空后再通过氧化反应生成的,当这部分颗粒物随着边界层落回近地面时会加重污染。随着时间的变化,污染物的分布高度和边界层高度呈明显的正相关。     

利用多源数据建立GA-BP算法模型估算PM2.5的研究

利用MODIS AOD(Aerosol Optical Depth)3 km分辨率的L2产品并辅以地面气象测量站点和环保监测站点的逐小时数据,对2017-2018年南京地面各站点进行数据匹配,分析估算PM2.5的各相关组合因子,然后利用GA-BP神经网络算法构建卫星数据辅以地面气象数据来估算PM2.5质量浓度的机器学习...     

基于无人机垂直观测的南京PM2.5污染个例研究

为了深入理解边界层内气温、相对湿度对PM2.5垂直分布和近地面污染的影响,本文使用搭载了多参数大气环境探测传感器的无人机对南京2017年12月3～4日和12月23～24日的PM2.5浓度、气温和相对湿度进行垂直观测,结合对气象数据的分析及HYSPLIT4（Hybrid Single Particle Lagrangian Integrated Trajectory version 4）轨迹计算模式的应用,对这两次PM2.5的垂直分布特征及污染过程的成因进行了分析。结果表明,PM2.5浓度和相对湿度呈明显的正相关关系,在12月23～24日的6次观测中相关系数均值达到0.96。逆温层下部,PM2.5浓度和相对湿度高且垂直差异较小;逆温层以上,PM2.5浓度和相对湿度随高度升高而迅速降低。由于大气扩散条件较差,导致PM2.5在华北平原南部不断累积,之后受到高压系统的影响分别向南和东南转移。这两次PM2.5污染过程都明显受到外部输送的影响,大气逆温对PM2.5和水汽的向上输送有明显的抑制作用,外部输送和局部逆温是导致这两次PM2.5污染的主要原因。     

气象因素对常州市区PM2.5浓度影响

利用2016—2018年常州市区环境空气细颗粒物数据,结合同期地面气象资料,分析了常州市区PM_2.5以及气象因素的变化特征,并统计分析气象因素对PM_2.5浓度的影响。结果表明：常州市区PM_2.5、降水量、相对湿度和气温等具有明显季节性,呈夏季较高冬季较低,而气压夏季较低冬季较高的特征。相对湿度与PM_2.5呈正相关,即随着相对湿度的增加PM_2.5超标率和平均浓度均增加;降水对PM_2.5具有一定的清除作用,清除率与降水前PM_2.5浓度、降水量、降水强度有关,降水量、降水强度越大,则降水清除效果越好,而降水前PM_2.5浓度较小,则清除率不明显;常州市区偏西风时PM_2.5的超标率和平均浓度较其他风向较高;风速对常州市区PM_2.5的影响呈负相关,即风速越大PM_2.5超标率和平均浓度均减小;常州市区地面天气形势可以分为两种类型,第一种类型表现为气压较低气温较高,PM_2.5超标率以及平均浓度相对较低,而第二种类型表现为气压较高气温较低,PM_2.5超标率以及平均浓度相对较高。     

天津大气能见度与相对湿度、PM10及PM2.5的关系

为研究大气气溶胶及空气中水汽与大气能见度下降的关系,利用2009年天津大气边界层观测站大气能见度资料和同期观测的相对湿度、PM₁₀及PM_2.5资料,对三者与大气能见度的关系进行了分析。结果表明：大气能见度与相对湿度线性相关系数最高,PM2.5次之;大气能见度随相对湿度的增大而明显降低。相对湿度低于60 %时,大气能见度与PM_2.5的非线性相关性较好,与PM₁₀次之,与PM₁₀与PM_2.5差值的相关性最差。相对湿度高于60 %时,大气能见度与PM₁₀的非线性相关性较好,与PM₁₀-PM_2.5差值的相关性次之。大气能见度与相对湿度非线性相关系数高于线性相关系数。利用相对湿度、PM₁₀及PM_2.5数据计算得到了具有季节变化的非线性大气能见度拟合公式,经验证,该公式能较好地模拟天津地区的大气能见度。     

Projection of PM2.5 and Ozone Concentration Changes over the Jing-Jin-Ji Region in China

Based on GISS-E2-R model simulations, the changes in PM2.5 and ozone concentrations during 2016– 35 are analyzed over the Jing-Jin-Ji region under different future emissions scenarios: 2.6, 4.5, 6.0, 8.5 Representative Concentration Pathways scenarios(RCP2.6, RCP4.5, RCP6.0, and RCP8.5), compared to the baseline periods of 1851–70(pre-industrial) and 1986–2005(present day). The results show that PM2.5 increases under all emissions scenarios, with the maximum value occurring in the southeastern part of the region under most scenarios. As for ozone, its concentration is projected to increase during 2016–35 under all emissions scenarios, compared to the baseline periods. The temporal evolutions of PM2.5 and ozone show PM2.5 reaching a peak during 2020–40, while ozone will likely increase steadily in the future.     

关于大气环境中PM2.5的研究进展

总结了国内外关于大气环境中PM_2.5的研究进展。针对目前国内大部分城市阴霾天气日益加重,国内相关部门和领域更加重视PM_2.5的监测和研究的现状,调研了国内外大气环境领域关于PM_2.5的研究情况,提出改善空气质量、加强PM_2.5研究的建议。介绍了PM_2.5的定义,指出PM_2.55对人体健康和能见度的不利影响。国内关于PM2.5的研究工作包括：分析PM_2.5和气象条件的关系;PM_2.5的观测特征以及成分和来源分析;开展PM_2.5的数值模拟。叙述了沈阳地区关于PM_2.5的研究情况,指出了改善沈阳城市大气环境的措施,包括加强PM2.5的连续监测,调整产业结构和布局,提高能源效率,发展洁净能源、减少煤炭消费,防治机动车尾气污染。     

北京地区PM2.5的成分特征及来源分析

选用2003—2004年初PM_2.5连续观测资料，统计分析了北京地区PM_2.5的特征、PM_2.5与PM₁₀以及PM_2.5与地面气象要素的相互关系。结果表明:四季中夏季PM_2.5浓度最低，冬、春两季浓度较高。PM_2.5与PM₁₀比值平均为0.55，非采暖期两者比值为0.52，采暖期两者比值为0.62；夏季该比值主要分布在0.3~0.6之间，春、秋两季该比值分布在0.3~0.8之间，冬季采暖期该比值分布在0.4~0.9之间。PM_2.5与PM₁₀比值日变化与气象条件日变化、人们日常生活习惯密切相关，沙尘天气和交通运输高峰期扬起地面粗颗粒物会导致PM_2.5在PM₁₀中的比例下降，而冬季取暖以及夏季光化学反应则会引起PM_2.5的比例升高。PM_2.5的浓度与地面气象要素中本站气压、相对湿度和风速有很好的的相关性，与气温的相关性较差。SO₄2-，NO₃-和NH₄+为北京地区PM_2.5中主要离子。PMF源解析方法确定了北京地区5类细粒子污染源，分别是:土壤尘、煤燃烧、交通运输、海洋气溶胶以及钢铁工业。     

克拉玛依市PM2.5质量浓度分布及其影响因素分析

利用2015年1月至2017年12月中国环境监测总站全国城市空气质量实时发布平台中公布的克拉玛依5个监测点数据和同时期克拉玛依国家基本气象站的观测数据,分别研究了克拉玛依市4个行政区的PM_2.5浓度的时空变化特征以及气象条件对克拉玛依PM_2.5浓度变化的影响。结果表明：从月份上看,克拉玛依每年的1月、2月、12月PM_2.5浓度最高,3月、11月PM_2.5浓度较高,其中,独山子每年2月的PM_2.5浓度均最高,2016年2月独山子PM_2.5平均浓度最高,达到134 μg·m^-3,超过国家一级标准值的2.8倍,属于中度污染,从季节上看,克拉玛依四季PM_2.5浓度变化呈现波峰波谷变化趋势,表现为冬季最高,春季次之,夏季、秋季各区变化不一的特点,采暖期的PM_2.5浓度高于非采暖期的PM_2.5浓度;克拉玛依PM_2.5浓度在空间上的总体分布为：独山子区>白碱滩区>克拉玛依区>乌尔禾区;从风向、风速、气温、气压和相对湿度等气象要素与PM_2.5浓度的相关性来看,气压、相对湿度与PM_2.5浓度呈显著正相关,气温、风速、风向与PM_2.5浓度呈负相关,其中气温、风向与PM_2.5浓度呈显著负相关。     

湖州市PM2.5浓度变化及传输特征分析

基于2014—2018年全国空气质量指数（AQI）和PM_2.5质量浓度数据、美国国家环境预报中心GDAS数据和后向轨迹模式,分析研究了湖州市PM_2.5浓度变化特征,并筛选出5 a内出现的8次重污染天气过程进行输送特征和潜在源分析。结果表明：湖州地区PM_2.5日平均浓度频率分布呈指数分布,高频区主要集中在20—40 μg·m^-3之间。污染主要出现在冬季,夏季、初秋为低浓度值,PM_2.5小时平均浓度的日变化呈主副双峰型分布特征,其中主峰出现在10时,副峰出现在02时,谷值则在18时,其与NO₂和SO₂的变动有关。污染主要通过西北和偏东路径进行中远距离传输,其中西北路径传输对湖州地区影响较大,而偏东路径下气团经过海面,夹带的水汽与颗粒物充分混合,会加剧颗粒物的二次生成和老化过程;西南偏西路径和偏南路径对湖州空气污染也有一定贡献,但存在不确定性,个别过程中偏南路径表现为清洁通道。西北路径上的城市群是主要潜在源区,大值区主要集中在安徽中西部。     

降水和风对泰安地区PM2.5浓度的影响及区域传输研究

利用泰安市2018—2019年降水、风和PM2.5逐小时观测数据,分析了降水和风对PM2.5浓度的影响,并对PM2.5进行了源解析.结果表明:降水对PM2.5有一定清除作用,降雨日PM2.5平均质量浓度较非降雨日平均降低约7.2％,秋冬季节最为显著.降水对PM2.5的清除率与降水强度、降水前PM2.5初始浓度及降水时间...