排序方式: 共有46条查询结果,搜索用时 15 毫秒
1.
2013年1月北京市一次空气重污染成因分析 总被引:10,自引:17,他引:10
采用数值模式与观测资料相结合的方式,对北京市2013年1月9日至15日一次空气重污染过程的大气环境背景、气象条件和形成原因进行了初步分析.结果表明,重污染过程期间10日至14日PM2.5平均值为323μg·m-3;重污染过程与当地气象条件密切相关,稳定的大气环流形势为污染的持续提供了大气环流背景,风速较小、湿度较大、边界层较低、持续逆温是造成重污染的主要原因;重污染过程中区域输送对北京PM2.5贡献率在53%~69%之间且存在明显的二次转化,区域输送起着更为重要的作用;气象条件对持续性重污染的形成和破坏起到了关键性的作用,因此需要加强对重污染预警预报研究,以有效预防和控制空气重污染. 相似文献
2.
2014年春节期间北京市空气质量分析 总被引:19,自引:5,他引:19
对2014年1月30日(除夕)13时到1月31日(初一)12时期间北京市官园、怀柔和良乡监测站的CO、SO2、NOx、PM10、PM2.5浓度及PM2.5化学组分和能见度等监测数据进行分析,探讨了污染源减排和烟花爆竹燃放对北京市空气质量的叠加影响.研究发现,烟花爆竹的集中燃放会在短时间内造成严重的大气污染,其中,对PM10、PM2.5和SO2的影响最为显著.官园、怀柔和良乡监测站在1月31日凌晨1时的PM10浓度值分别为377.8、253.2和627.0μg·m-3,分别为1、2月份平均值的2.4、2.0和3.6倍;PM2.5浓度值分别为292.0、184.7和522.4μg·m-3,分别为1、2月份平均值的2.1、1.5和3.2倍.烟花爆竹的燃放对PM2.5化学组分中的K+、SO2-4、Cl-、Mg2+和Na+等影响最大,1月31日凌晨1时这5种离子在PM2.5浓度中占的比例高达92.1%.烟花爆竹的燃放造成1月31日凌晨1时监测中心和良乡的能见度分别降至2422 m和3591 m,是1、2月份能见度均值的22.9%和32.8%.2010—2014年"春节半月"期间官园、怀柔和良乡PM10平均浓度大多低于冬季均值和年均值,2014年"春节半月"这3个监测站的PM2.5浓度相比于冬季均值分别下降了33.3%、20.6%和39.2%,表明污染源减排对空气质量的正影响非常明显. 相似文献
3.
第24届冬季奥运会将于2022年2月4—20日在我国北京市和河北省张家口市联合举办,主要会场有北京奥体中心、北京延庆县和张家口市崇礼县.为了模拟分析冬奥会空气质量情况,利用冬奥会同期(2006—2016年2月)北京市和张家口市空气质量资料及韩国气象厅天气图资料(2013—2016年2月),分析该时段重污染发生的频次,统计不利于污染物扩散的天气形势出现概率及污染传输路径,并结合嵌套网格空气质量预报模式(NAPQMS),评估不同减排方案对ρ(PM2.5)的影响.结果表明:① 2006—2016年冬奥会同期,北京奥体中心和延庆县发生重污染天气的概率分别为17%和9%,污染发生的风险频率为北京奥体中心>延庆县>张家口市,并且北京奥体中心和延庆县在2月13—16日易出现持续的重污染天气过程;② 2013—2016年2月不利于污染扩散的天气形势出现概率较为频繁,尤其在850 hPa高度和地面,不利天气形势出现的概率分别为35%和41%;地面偏南风易将在北京西南方滞留较长时间的污染气团沿太行山输送至北京;③ 冬奥会期间,若于2月2—12日及17—20日将京津冀及周边城市污染物排放量在当前的基础上减排50%、2月13—16日减排75%,将可能不出现重污染日.严格控制北京及周边地区的大气污染物排放是保障冬奥会期间空气质量的必要措施. 相似文献
4.
5.
利用在线高分辨率仪器对2013年和2014年北京市SO2-4、NO-3和NH+4(SNA)浓度进行连续观测。结果表明:NO-3浓度在夜间较高,下午较低;SO2-4浓度在后半夜至早晨较低,从上午至前半夜整体呈上升趋势;NH+4浓度日变化曲线相对平缓,在整个白天时段较低,夜间时段较高。硫氧化率(SOR)夏季最高,冬季最低;氮氧化率(NOR)季节变化相对较小。2014年整体ρ(NO-3)/ρ(SO2-4)比值明显高于2013年,表明北京市的排放源中以机动车为代表的移动源的贡献明显增大。 相似文献
6.
2014年北京市城区臭氧超标日浓度特征及与气象条件的关系 总被引:10,自引:1,他引:10
根据2014年1~12月北京市环境保护监测中心监测的O3浓度数据,综合探讨了北京市O3的时空分布及与其气象条件的关系.结果表明:2014年北京市全年O3小时平均浓度约为56.18 μg·m-3,O3超标日小时平均浓度约为148.05 μg·m-3且超标日主要集中在5~9月;超标日O3日变化呈现单峰型分布,06:00或07:00为低谷,15:00、16:00左右达到峰值;超标日O3浓度在09:00~23:00明显高于夏季同时间段浓度平均;空间分布上中心城区站点O3浓度相对较低,而城区西部植物园站点浓度最高;统计的2014年北京市O3超标日地面形势场3种类型高压类、低压类、均压类各占16%、36%、48%;超标日O3浓度与气压、湿度、能见度呈负相关关系,与风速、温度呈正相关关系; 2014年5月29日~6月1日北京市发生的一次O3重污染过程是由本地光化学污染及区域输送造成的,区域输送对北京市O3浓度有着十分重要的影响. 相似文献
7.
2013年北京市PM2.5重污染日时空分布特征研究 总被引:1,自引:2,他引:1
根据2013年北京市环境保护监测中心监测的PM2.5数据,系统分析了北京市重污染日PM2.5污染的时空分布特征,并利用克里格插值初步统计了全年和重污染日PM2.5不同浓度区间的国土面积。2013年全市PM2.5年均浓度为89.5μg/m3,重污染日平均浓度为218μg/m3,重污染日主要集中在冬季;PM2.5年均浓度呈现明显的南高北低梯度分布特征,而重污染日空间分布较均匀,南部及城六区存在明显的高污染区,平均浓度在180μg/m3以上;2013年北京市重污染日PM2.5平均浓度为150~250μg/m3,其对应的国土面积约为12 656 km2,PM2.5平均浓度在250μg/m3以上的国土面积约为883 km2,而全年无PM2.5平均浓度在150μg/m3以上所对应的国土面积。 相似文献
8.
典型沙尘回流天气过程对北京市空气质量影响的特征分析 总被引:7,自引:0,他引:7
利用不同方位监测数据和气象资料,结合后向轨迹模型和激光雷达观测结果,对2011年3月18—21日北京市空气污染过程的天气形势、沙尘输送路径、污染物浓度的变化特征进行了分析.结果表明,这次污染过程主要是由于沙尘在上游沙源地起沙后先直接输送穿过北京,然后停留在渤海湾和朝鲜半岛区域,在渤海弱高压系统作用下,沙尘又回流至北京所致,其中,沙尘回流直接造成北京市空气质量达到重度污染天气.在沙尘回流影响过程中,PM10浓度呈现青龙山-北京市区-八达岭逐步升高的变化特征,国控站点PM10小时浓度持续16 h超过350μg·m-3,最大值达到571μg·m-3.SO2、NO2与PM10的小时浓度表现为同步变化规律,沙尘回流影响时,除了沙尘粒子外,周边地区的人为排放也是一个重要因素. 相似文献
9.
基于2016~2022年北京市环境监测和气象观测数据,结合后向轨迹聚类和潜在源区贡献分析北京市臭氧(O3)污染特征、气象影响和潜在源区.结果表明,2016~2022年北京市共发生41次具有跳变特征的O3污染过程,平均为5.9次·a-1,发生时间集中在5~7月,跳变当日(OJD2)较跳变前一日(OJD1)的ρ(O3-8h)平均值偏高78.3%,峰值浓度偏高78.9%,OJD2区域O3浓度高值带呈现由南向北推进的特征.北京市跳变O3污染发生主要原因可归纳为不利气象条件导致的本地积累叠加区域传输影响.跳变型O3污染发生时具有偏南风频率增加、温度上升、气压降低和降水减少的特征,偏南风频率增加为O3及其前体物的传输提供条件,在本地高温作用下快速发生光化学反应,叠加降水较少,综合推高OJD2的O3浓度水平.聚类分析得到6条气团输送路径,OJD2来自偏北方向的气团减少11.2%,来自偏南和偏东方向气团增加6.7%和4.4%,气团以短距离传输为主,偏南和偏东方向对应的O3浓度较高,对北京污染贡献较大.潜在源区分析揭示OJD2的O3污染的主要潜在源区是京津冀中南部和东部,贡献了82.6%污染轨迹.跳变型O3污染区域输送贡献明显,需要加强京津冀区域联防联控. 相似文献
10.
为了更好地反映环境污染变化趋势,为环境管理决策提供及时、全面的环境质量信息,预防严重污染事件发生,开展城市空气质量预报研究是十分必要的.本文针对环境大数据时代下的城市空气质量预报,提出了一种基于深度学习的新方法.该方法通过模拟人类大脑的神经连接结构,将数据在原空间的特征表示转换到具有语义特征的新特征空间,自动地学习得到层次化的特征表示,从而提高预报性能.得益于这种方式,新方法与传统方法相比,不仅可以利用空气质量监测、气象监测及预报等环境大数据,充分考虑污染物的时空变化、空间分布,得到语义性的污染物变化规律,还可以基于其他空气污染预测方法的结果(如数值预报模式),自动分析其适用范围、优势劣势.因此,新方法通过模拟人脑思考过程实现更充分的大数据集成,一定程度上克服了现有方法的缺陷,应用上更加具有灵活性和可操作性.最后,通过实验证明新方法可以提高空气污染预报性能. 相似文献