南通市大气污染物浓度变化特征及其与气象因素的关系

为了厘清南通市大气污染浓度的变化情况以及与气象因素之间存在的关系,分析南通市大气污染物潜在的输送来源。文章利用南通市2018年全年大气污染物资料和同期气象观测要素资料,对SO2、NO2、CO、O3、PM10、PM2.5污染物的时、日、月、季浓度变化规律及其与气象因素之间的关系进行分析,并结合南通市2次重污染天气过程,使用后向轨迹模式HYSPLIT4分析南通市大气污染物的主要来源。结果表明：SO2、NO2、CO、PM10和PM2.5浓度均呈现夏季最低,其次是秋季,冬、春季浓度最高,O3浓度呈现明显春、夏季高于秋、冬季。SO2、NO2、CO、O3年平均排放量均较低。一天当中不同时间段,气象因素影响情况不同导致污染物的浓度不同。O3浓度变化跟NO2浓度变化呈明显负相关性。O3污染最高的天气,一般是气压较低,能见度较好的晴朗天气。而研究发现,PM2.5在气温较低、湿度高、气压高、日降水量较小、能见度低且风速较小的气象条件下,污染浓度更容易升高。NO2在低温高湿,气压高且风速较小的气象条件下时跟容易堆积。NO2、CO、O3与6种常规气象要素均存在显著相关性。O3跟气象要素之间相关性关系正好与其他5种污染物相反(湿度除外)。通过两次重污染天气过程的后向轨迹分析,南通市大气污染物来源既有西北和偏北气流的长距离输送,也有偏西和偏南气流的区域性源。     

贵州六盘水市PM2.5时空分布特征与植被覆盖相关性分析

以2017年PM2.5污染较为严重的贵州六盘水市为研究对象,分析PM2.5的月变化与季变变,探讨PM2.5污染来源与各个因子之间的关系。通过PM2.5与平均气温的相关性分析、PM2.5与平均植被指数的相关性分析,以月、季为时间尺度对六盘水市5的监测点(PM2.5)进行浓度变化分析。得出时间上六盘水市大气中PM2.5浓度变化具有季节性,季平均气温与季平均PM2.5呈负相关,各监测点(PM2.5)在冬季最高,各监测点平均PM2.5浓度达到55.16μg/m_³,夏季最低为22.59μg/m_³。季PM2.5浓度变化与季平均植被指数呈现负相关,植被覆盖的变化对大气PM2.5浓度变化有显著影响,在土地利用类型中耕地与领地的植被指数变化最大,土地利用类型当中的耕地与林地对大气中PM2.5浓度变化有显著影响。     

天津蓟县夏季PM_(2.5)污染特征及影响因素

为探究天津蓟县大气细颗粒物(PM2.5)污染特征及气象因素对它的影响,搜集了2013年蓟县PM2.5质量浓度变化资料,对PM2.5污染情况进行了详细分析;并针对夏季典型天气,对PM2.5质量浓度进行监测,结合同步气象数据,运用线性回归及相关性分析方法研究PM2.5质量浓度与气象因素关系.结果表明:蓟县PM2.5质量浓度呈现明显冬高夏低特征,夏季污染超标率达45%,其日变化呈明显双峰型;PM2.5质量浓度受温度、相对湿度、风速、风向、降雨影响显著,与气压无显著关系,能见度随PM2.5质量浓度增大呈现e指数衰减规律.研究结果可为当前的京津冀区域大气污染协同防控提供一定的科学参考.     

铜陵市空气污染物浓度日变化特征的观测分析

选择位于长江南岸的铜陵市为研究区域,利用2007~2010年空气污染物浓度监测数据与气象要素观测资料,分析二氧化硫(SO2)、二氧化氮(NO2)和可吸入颗粒物(PM10)浓度的日变化特征及其与气象要素之间的关系.结果表明,铜陵市空气污染物浓度和气象要素的日变化主要有"单峰单谷型"和"双峰双谷型"两种,SO2和PM10的日变化规律空间差异不显著,NO2的日变化存在明显空间差异.主要污染源附近的监测点,浓度日变化规律与气压、相对湿度和气温3个要素日变化之间存在相关性,而与风速、降水的日变化规律无关.周边无污染物排放的监测点,浓度日变化规律不仅与气压、相对湿度和气温日变化存在显著相关,还与风速呈反向相关关系.对于周边虽有部分污染源,但不是区域内的主要污染源的监测点,浓度日变化与气象要素之间无统一的相关性.     

基于CMAQ-ISAM模型的长三角典型城市PM2.5来源解析

大气细颗粒物(PM_2.5)是影响长三角地区空气质量的关键污染物．近年来随着各项环保举措的实施,PM_2.5的来源特征也发生了变化,为了制定切实有效的PM_2.5治理方案,考察PM_2.5的主要来源及其贡献至关重要．本研究使用CMAQ-ISAM模型,定量分析了2018年长三角内4个典型城市(上海、杭州、南京和合肥)PM_2.5的主要来源．表明了上述4个城市PM_2.5的最主要来源:冬季为长三角外的远距离传输(38.5%~52.6%);秋季为各城市的本地排放(43.0%~50.9%);在春季和夏季,本地排放是上海、杭州和合肥PM_2.5的主要来源(春季37.1%~53.3%,夏季44.1%~64.7%),而南京则是周边区域传输 (春季38.5%,夏季46.3%)．针对冬季不同时期的来源解析表明,相较于清洁时期,4个城市在污染时期来自周边区域传输的贡献占比增大,上海、杭州、南京和合肥的增大幅度分别为10.0%、1.5%、8.1%和4.9%,因此开展长三角大气污染区域联防联控具有重要意义．      

京津冀区域颗粒物污染特征研究

京津冀区域是我国环境空气污染频发的重点区域之一.基于中国空气质量在线监测分析平台实时发布的2019年京津冀区域六个典型城市的颗粒物质量浓度数据,分析京津冀区域颗粒物污染特征.结果表明：京津冀区域日均PM2.5质量浓度小于等于60 μg/m3 天数占全年的68.49%-80.00%;PM10质量浓度小于等于140 μg/m3 天数占全年的75.14%-93.70%;京津冀区域颗粒物质量浓度的月分布呈“V”型规律,颗粒物质量浓度冬季最高,秋季和春季次之,夏季最低;颗粒物质量浓度日变化呈双峰型且与人为活动作息时间保持良好的一致性;应用皮尔逊相关分析法探讨不同城市间颗粒物的相关性,总结为东南和西南两条典型的显著相关路径;应用线性回归方法评估PM2.5与PM10的相关性,同一城市的PM2.5与PM10显著相关;应用空间差异率方法分析京津冀区域不同城市间颗粒物质量浓度的差异程度,石家庄和其他城市间的颗粒物空间差异率最高;天津与唐山的PM2.5空间差异最低,其COD值为0.14;天津和廊坊的PM10的空间差异最小,其COD值为0.14.     

银川市大气细颗粒物(PM_(2.5))污染现状及影响因素分析

依据2013年银川市城市环境空气质量大气细颗粒物(PM2.5)的监测数据,对银川市环境空气中PM2.5的污染现状、变化趋势及与气象因子关联性进行了系统分析.结果表明,银川市PM2.5的质量浓度变化呈现明显的采暖季和非采暖季2种典型的季节性特征,非采暖季PM2.5的质量浓度与气压呈显著的正相关,与气温、能见度呈显著的负相关,采暖季PM2.5的质量浓度与风向、相对湿度呈显著的正相关,与风速、气温、能见度呈显著的负相关.     

银川市PM10污染特征分析

通过银川市2015年空气污染物质量浓度值分析,结果表明,PM10和PM2.5的浓度变化具有明显的季节特征和区域特征。PM10质量浓度春季高于夏季,秋季最低,PM10月均质量浓度变化均为1月份最大,9月份最小;PM10分指数等级冬季最差,PM10分指数等级秋季好于夏季;4#监测点各个季节PM10浓度均表现为最高。     

2015年北京、上海和拉萨PM2.5浓度日变化和日际变化分析

分析2015年北京、上海和拉萨3个城市PM_2.5浓度的时间序列, 讨论PM_2.5浓度的季节变化以及各城市PM_2.5浓度日际变化与日变化的相对重要性。从长期来看, 3个城市冬季PM_2.5浓度普遍大于夏季; 从短期来看, 北京和上海PM_2.5浓度主要呈现日际变化, 天气系统的影响远大于日变化。北京冬季PM_2.5浓度在一定程度上也呈现日变化, 但在夏季不明显; 上海在冬季和夏季都不呈现日变化; 拉萨的情况则相反, 当地的天气系统比较稳定, 日际变化不明显,PM_2.5浓度主要受日变化影响,PM_2.5浓度的日变化呈现明显的“双峰”现象。     

南昌一次持续雾霾天气成因分析

使用2013年冬季的1次雾霾持续过程的气象观测数据、L波段雷达观测数据和Grimm180颗粒物检测仪观测数据进行相关性分析,结果表明:南昌地区1月下旬PM10、PM2.5、PM1.0与风速呈明显的负相关关系,即风速越大,颗粒物浓度越小;地面风向为E时,南昌出现霾的次数最多;PM10、PM2.5、PM1.0与能见度呈现明显的负相关性,即气溶胶颗粒物的浓度增加时,能见度明显降低;在未降水日PM10、PM2.5、PM1.0与相对湿度呈明显的正相关性;当产生降水时,降水对PM10、PM2.5、PM1.0的清除作用显著,PM10、PM2.5、PM1.0与相对湿度呈负相关性。     

长三角科创圈区域科技创新治理

 探索了长三角科创圈区域科技创新治理的路径。分析表明，以上海为龙头，南京、杭州、合肥等城市为骨干，加快打造长三角科创圈，共同构建技术转移服务机制、科技金融服务机制、创新资源共享机制、科技园区合作机制、创新环境保障机制等，有利于更好地形成科创产业深度融合的创新共同体治理机制、更快提升长三角创新治理能力，为中国区域创新一体化率先探索可行路径。     

泛长江三角洲城市群2005年～2015年旅游经济网络特征与效应演化研究

以泛长三角41个城市为例,用旅游经济引力模型和网络模型分析2005年、2010年、2015年泛长三角旅游经济网络结构特征演化.研究发现：1) 泛长三角旅游经济联系量不断增长,上海等城市占比缩小,垄断地位减弱,旅游联系日趋紧密,整体上呈现平衡发展的趋势;2) 网络呈现东部密集,西部稀疏,中间密集,南北稀疏的不均衡格局,边缘城市孤岛状态逐渐消退,网络整体性与网络密度趋高;3) 核心—边缘区节点城市发展稳定、联系越发紧密、互动性增强,核心区成员数量增加,网络发展渐趋平衡,核心区带动作用增强,“涓滴效应”日益显著;4) 节点网络中心性隐喻了长三角城市定位呈阶梯状格局,细分为5个角色群体以定位各节点城市的地位与属性.其中上海节点中心性各项指标处于绝对优势地位,上海、杭州、苏州、南京共同扮演着旅游核心角色.     

长三角区域科技创新资源空间差异及创新效应

 科技创新资源是区域开展创新活动的基石,在区域经济发展中占有举足轻重的地位。以长三角区域41个城市为研究对象,基于全局和局部自相关等方法,重点分析了2000—2018年长三角区域研发经费、研发人员、企业等科技创新资源的空间分布及动态演变特征,并运用多元回归模型分析了科技创新资源对区域创新能力的影响。研究发现,长三角区域科技创新资源总体较为丰富,大致呈现出合肥-南京-苏州-上海-杭州-宁波等城市构成的Z形空间格局,空间差异在2000—2018年呈现出不断缩小的态势,科技创新资源对区域创新能力均具有显著的促进作用,随着科技创新资源空间分布的越来越均衡,区域创新能力也相应呈现出越来越高的趋势。提出了促进长三角区域创新发展的对策建议。     

长三角城市群冬季一次重污染天气过程分析

利用NCEP/NCAR和FNL再分析资料,并结合长三角城市群地面气象观测数据,探讨了2014年1月18—25日长三角城市群一次重污染天气过程的气象成因以及污染物路径分析。结果表明,污染期间随着相对湿度和PM2.5浓度的升高,大气能见度明显降低。2014年1月影响我国的东亚冬季风势力偏弱,导致重污染期间冷空气活动偏弱;此外,垂直方向上出现逆温,限制垂直运动的发生、发展。上述因素有利于长三角地区污染物在近地面层堆积,导致重污染天气的发生发展。污染物从温度高的地方向温度低的地方扩散。低空气温低时,不易形成对流,促使污染物在长三角地区堆积。HYSPILT模式模拟显示污染物主要来自山西、河北一带,以平流和弱辐散的方式向长三角地区输送。大气化学模式WRF-Chem可较好地模拟出PM2.5浓度的变化过程,可用作长三角城市群重污染天气预报的业务模式。     

中原城市群重点城市首要污染物日变化特征及成因分析

中原城市群重点城市是我国大气污染较为严重的区域之一。利用2017年河南省各地市环保局国控站点和地面监测站提供的首要污染物浓度和气象要素24h连续监测数据,分析得到2017年首要污染物占比和首要污染物浓度的日变化特征,采用相关分析法和主成分回归分析法得到各首要污染物之间的相关性及气象因子对首要污染物的影响。结果表明,2017年中原城市群重点城市首要污染物主要由PM2.5、PM10和O3组成;一天中,PM2.5呈双峰变化,主峰值出现在8:00-9:00,次峰值出现在22:00,谷值出现在下午16:00;PM10小时浓度呈三峰变化,主峰值出现在9:00,次峰值出现在1:00和21:00左右,主谷值出现在15:00,次谷值出现在0:00和5:00;O3小时浓度呈单峰变化,峰值出现在15:00,谷值出现在7:00左右;PM2.5在低温、高压、中等偏高的湿度、较弱风的条件下利于积累,PM10在低温、高压、中等偏高的湿度、较弱风的条件下易于积累,O3在高温、低压、中等偏低的湿度、强风的条件下易于生成与积累;对PM2.5、PM10浓度影响最大的两个气象因子是气温和气压,对O3浓度影响最大的两个气象因子是风速和气温。     

南京地区PM2.5和PM10浓度分布特征及与相关气象条件的关系

利用2014年12月至2015年5月南京市PM_(2.5)和PM_(10)的质量浓度以及天气观测数据,研究南京市颗粒物浓度空间、时间分布特征及其与相关气象因子的关系。研究表明PM_(2.5)和PM_(10)同季节内高度线性相关,时间分布具有明显的季节性差异;PM_(2.5)与风速呈负相关关系,与降雨清除量呈正相关关系;相对湿度达到75%左右时污染最严重。研究首次将其他污染气体和相关气象因子结合起来,用逐步回归法建立PM_(2.5)预测模型,能较好地拟合冬春两季PM_(2.5)变化趋势,较准确地反映南京市PM_(2.5)的污染特征,具有一定的理论和实用价值。     

一体化视角下长三角世界级机场群发展现状及优化措施

 分析了长三角机场群的发展现状,提出当前长三角机场群面临密度偏低、机场群与城市群空间匹配失衡、协同分工尚未形成、零和思维依然存在等问题,从机场密度、等级体系、功能协同和区域管治等4个方面介绍了欧美成熟世界级机场群的发展状况和建设经验,对长三角建设世界级机场群提出4点建议：一是建设上海大都会区机场群先行,提升环沪机场密度;二是以主要都市圈为抓手,分步有序建设长三角机场群;三是实施差异化定位,打造功能协同的都市圈机场群;四是设置跨行政区机场群管治机构,促进跨区协调。     

宜昌市城区PM_(2.5)污染形成灰霾天气的规律研究

2012年选取与气象站点相邻的一个环境空气质量测点对PM2.5进行了研究性监测,测点距地面23m,全年PM2.5质量浓度在19~284μg/m3之间,年均质量浓度为89μg/m3,月均质量浓度最高的为1月.系统分析全年PM2.5监测质量浓度与相邻气象测点灰霾、能见度观测数据之间的关系,得到以下结论:宜昌市城区PM2.5污染质量浓度与灰霾观测值相关性不强,但与能见度的观测值显著相关;全年能见度降低受PM2.5污染的影响具有季节性,2、5~6三个月与7~9三个月及4、10~11三个月,这3组月份内的PM2.5与能见度之间的回归曲线基本一致,全年中3月份影响最大,而1月份最小,主要与气温、风速、降雨因素有关.     

Spatial and Temporal Variability of PM_(2.5) Concentration in China

PM_(2.5) has become an increasing public concern recently because of its visibility reduction and severe health risks. For the whole year of 2013, hourly PM_(2.5) data of 496 monitoring sites scattered in 74 cities of China are collected to analyze temporal and spatial variability of PM_(2.5) concentration. Different temporal scales(seasonal variation, monthly variation and daily variation) and spatial scales(urban versus rural, typical areas and national scale) are discussed. Results show that PM_(2.5) concentration changes significantly in both long-term and short-term scales. An apparent bimodal pattern exists in daily variation of PM_(2.5) concentration and the daytime peak appears around 10:00 am while the lowest concentration appears around 16:00 pm. Spatial autocorrelation analysis and Ordinary Kriging are used to characterize spatial variability. Moran's I of PM_(2.5) concentration in three typical regions, the Beijing-Tianjin-Hebei region, the Yangtze River Delta region and the Pearl River Delta region, is 0.906, 0.693, 0.746, respectively, which indicates that PM_(2.5) is strong spatial correlated. Spatial distribution of annual PM_(2.5) concentration simulated by Ordinary Kriging shows that 7.94 million km2(83%) areas fail in meeting the requirement of China's National Ambient Air Quality Standards Level-2(35 mg/m3) and there are at least three concentrated highly polluted areas across the country.