基于卫星遥感和气象数据的2015年徐州市PM2.5时空特征

在2015年徐州市7个地面观测站PM2.5质量浓度监测数据的基础上,结合MOD04_3K AOD产品和地面气象数据,构建了基于物理机理修正的近地面PM2.5多元回归反演模型。利用实测和遥感反演数据共同分析了徐州市PM2.5质量浓度时空变化特征。分析结果表明,在徐州中心城区PM2.5质量浓度的日变化特征表现为PM2.5浓度白天降低,夜间升高的趋势。春秋两季的峰值出现在8:00—9:00,夏季峰值出现在6:00—7:00之间,冬季峰值出现在10:00—11:00之间。PM2.5浓度的季节变化特征为冬季>春季>秋季>夏季。PM2.5浓度的空间分布格局为：徐州市区及铜山中心区、新沂市及新沂与邳州边界为PM2.5高浓度的主要区域,与徐州的城镇会格局相似。     

晋安区大气污染物浓度变化分析

利用2016年1月1日~12月31日福州市晋安区五个空气质量监测站点CO、SO_2、NO_2、O_3、PM_(2.5)、PM_(10)的监测数据,分析了晋安区大气污染物的污染水平及时间分布情况。结果表明,晋安区空气质量基本处于国家一、二级标准内,首要污染物为PM10,按污染物浓度日均值分布情况分析,O_3浓度在14时前后出现峰值,其余污染物浓度日变化主峰值均出现在9时前后,次峰值出现在18时前后。     

兰州市环境空气质量变化趋势分析研究

利用2014—2017年中国空气质量在线监测分析平台公布的兰州市监测数据,采用综合指数、空气质量指数和Pearson相关系数法,分析了兰州市环境空气质量变化情况及其与气象条件的关系。结果表明:2014—2017年兰州市环境空气质量变化趋势并不一致,相比于2014年,2015年环境空气质量略有好转,2016和2017年环境空气质量呈恶化状态。近4年PM10和PM_(2.5)两项污染因子污染负荷贡献率均超过55%,是兰州市环境空气质量主要的污染物;除PM10和PM_(2.5)外,其他污染因子均达到国家环境空气质量二级标准。兰州市环境空气质量有明显的季节性变化特征,整体上呈现冬春季差,夏秋季好的趋势;监测的污染因子中,除O3浓度的变化趋势为夏秋季高,春冬季低外,其他污染因子浓度均为春冬季高,夏秋季低;以PM10为首要污染物的天数在逐年降低,但O3成为首要污染物的天数在逐年增加。气温、降水和相对湿度是影响兰州市环境空气质量的主要气象因子;气温升高、降水和相对湿度的增加均有利于改善环境空气质量。     

PCA-BP模型下皖北城市群PM2.5浓度分析

为探究皖北城市群大气污染物在不同地域、不同时间下的分布规律以及影响空气中PM2.5浓度的相关变量,结合2018-2021年安徽省生态环境厅统计数据及相关地域资料,采用主成分分析(PCA)法按时间段长短及季节性变化分别选取月度数据与年度数据对空气质量的影响因子做相关性分析,对比分析不同季节下空气污染物PM2.5、PM10的浓度及其它空气污染物的变化,构建基于PCA算法的反向传播神经网络 (BP),建立PCA-BP模型并采用交叉-验证法提高模型精度,对大气中的污染物PM2.5浓度做短期预测。实验结果表明:PM2.5浓度的主要影响因子为PM10、CO、NO2、SO2;皖北地区PM2.5含量整体在冬季偏高;预测模型的精度在夏季与秋季较高,冬季较低,四季的预测精度R2分别达到0.924、0.958、0.935、0.794。     

南京市大气颗粒物污染特征及影响因素分析

利用南京市2013年12月至2014年11月PM2.5和PM10质量浓度及气象观测数据分析了大气颗粒物污染特征和影响因素。结果表明:过去一年南京市PM2.5、PM10年均值分别为0.082 0 mg/m3、0.133 3 mg/m3。季节性差异明显,污染程度顺序为:冬季春季秋季夏季。南京大气颗粒物日变化呈"双峰双谷型"特征,峰值分别出现在上午11:00和晚间23:00附近,谷值分别出现在早晨7:00和下午18:00左右。颗粒物与温度、相对湿度、风速呈一定的负相关性,与能见度、气压有一定正相关性。气象条件共同影响颗粒物质量浓度和大气污染水平。     

一次冷空气前后广州大气污染研究

以冷空气过境前后的广州市污染物数据为基础,运用Shapiro-Wilk检验、Pearson积矩和Spearman秩等方法,探讨PM2.5、PM10、SO2、NO2、O3、CO的污染特征及变化规律.结果表明,PM2.5、PM10高浓度出现在8—9时和17—18时,低浓度出现在12—13时和0—1时.PM2.5和PM10相关性显著,PM2.5/PM10=0.62⁰.83,冷空气对PM2.5和PM10都有较好的清除作用.SO2浓度在7—8时出现峰值,3时出现谷值,良好的气象条件对SO2有明显的清除作用.NO2、CO高浓度出现在9时和19时,低浓度出现在15时和3时.冷空气对NO2有一定的清除作用,对于CO浓度增大的异常情况,推断与广州以北地区燃烧生物质有关.O3浓度日变化呈现单峰特征,15时浓度最高,5时浓度最低,冷空气在夜间过境对O3浓度影响较小.O3与CO、NO2存在显著的负相关,在光化学反应时间段O3/CO=0.060.83,冷空气对PM2.5和PM10都有较好的清除作用.SO2浓度在7—8时出现峰值,3时出现谷值,良好的气象条件对SO2有明显的清除作用.NO2、CO高浓度出现在9时和19时,低浓度出现在15时和3时.冷空气对NO2有一定的清除作用,对于CO浓度增大的异常情况,推断与广州以北地区燃烧生物质有关.O3浓度日变化呈现单峰特征,15时浓度最高,5时浓度最低,冷空气在夜间过境对O3浓度影响较小.O3与CO、NO2存在显著的负相关,在光化学反应时间段O3/CO=0.06⁰.12,O3/NO2=10.12,O3/NO2=1².     

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。     

重庆中心城区空气污染特征及气象影响因素分析

根据环境空气质量监测数据和气象观测数据,对重庆中心城区2013—2020年空气污染特征及气象影响因素进行了分析.结果表明:2013—2020年影响重庆中心城区空气质量的大气污染物主要为PM2.5和O3,重度污染日首要污染物基本为PM2.5;PM2.5污染和O3污染均呈现出明显的季节差异,PM2.5超标主要出现在初春、秋...     

大气可吸入颗粒物中多环芳烃的日变化特征研究

2006年1月和4月在上海市区进行大气可吸入颗粒物PM10和PM2.5样品采集.采样时间分布为:06:30~10:00;10:30~14:00;14:30~18:00;18:30~06:00(次日).利用GC-MS对样品中PAHs进行定量分析,并对PAHs进行来源诊断.结果表明,PAHs主要来自机动车的尾气排放.PAHs的浓度呈现出明显的日变化特征:冬季PM10上PAHs的最高值出现在早上6:30~10:00,而PM2.5上PAHs的峰值则出现在中午10:30~14:00时段,春季PM10和PM2.5上PAHs的对应峰值则均出现在14:30~18:00.PAHs日变化特征的季节和粒径差异是受城市机动车尾气污染和大气光化学反应的综合影响.     

基于多元时间序列的哈尔滨市PM2.5影响因素分析

为探究哈尔滨市PM2.5与其他空气污染物和气象因子间的动态关系,基于哈尔滨市2013-2018年日值空气质量数据和气象观测数据建立PM2.5质量浓度的多元时间序列模型.利用相关性较强且平稳的空气污染物(包括SO2,NO2,PM10,CO和O3)和气象因子(平均气温、极大风速、累计降水量、日照时数和平均气压)建立PM2....     

石家庄市采暖期空气质量特征及其与气象条件的关系

为确定石家庄市采暖期易引发大气污染的气象条件,通过对石家庄市2016—2018年采暖期的空气质量逐日监测数据,以及同期气象观测资料进行研究,分析了石家庄市采暖期的空气质量变化特征,探讨了影响环境数据变化的主要气象要素,筛选并确定了PM_(10)、PM_(2.5)、AQI的污染气象指标。结果表明:石家庄市采暖期内所有天数均为非一级天,其中污染日较多,占69.58%,以PM_(2.5)为首要污染物的天数最多,其次是PM_(10);PM_(10)、PM_(2.5)、SO_2、NO_2、CO浓度与气温、变压、风速和混合层高度负相关,与相对湿度正相关(SO_2除外),O_3与气象要素的相关性和上述五种污染物相反;气象要素对大气环境影响的排序为:相对湿度风速混合层高度水汽压变压气温;确定的三种污染气象指标准确率分别是70.37%、70.37%、72.97%。     

呼和浩特市大气污染特征及气象条件影响分析

为了解呼和浩特大气污染防治效果,选取呼和浩特市2017—2022年的主要大气污染物、气象要素数据,对污染物浓度的年、月变化、浓度比值、相关性进行分析,利用后向轨迹聚类对2020年3月进行分析。分析结果表明：呼和浩特市2017—2022年空气质量为优、良的天数呈上升趋势。各污染物浓度年变化特征明显,各污染物的浓度变化趋势除O₃均呈“U”形分布。PM_2.5、PM₁₀污染是呼和浩特市大气污染主要研究对象,PM_2.5/PM₁₀的值有明显的月变化特征,5月份为全年最低值。PM_2.5和PM₁₀高度相关性,而NO₂和SO₂与PM_2.5、PM₁₀均呈现正相关性。受气象要素影响,PM_2.5和PM₁₀污染物浓度变化趋势为夏低冬高,7、8月降雨量大,有利于空气质量改善,降水可带走、稀释更多的污染物。而后向轨迹聚类分析得4条气团...     

长三角典型城市PM2.5浓度变化特征及与气象要素的关系

利用长三角地区4个典型城市南京、上海、杭州、合肥2014年4月1日~2015年3月31日的PM2.5监测数据,以及同期MICAPS地面气象要素的观测资料,对该地区PM2.5浓度的变化规律及其与气象要素的关系进行了分析和讨论。结果表明:长三角地区PM2.5浓度总达标率总体表现为夏季最高,冬季最低的态势。4个城市中,上海全年总达标率最高,杭州其次,合肥最低。上海和杭州达标率月变化特征相近,南京和合肥相近;PM2.5逐小时浓度日变化曲线呈现两峰一谷型分布,最大值均出现在早晨,最小值均出现在下午16~17时之间;月平均浓度具有明显的季节变化特征,冬季最高,夏季最低;PM2.5浓度与风速呈现显著现负相关关系,受地面风向影响明显,污染物在主导风的作用下从上游污染源扩散至下风区域;与气温呈现负相关关系;从全年来看,PM2.5浓度与相对湿度呈现负相关关系,高湿度状态更有利于降水从而增加PM2.5湿清除;各个城市PM2.5浓度与气压相关性很弱,并且未通过显著性检验,可见气压是影响PM2.5浓度变化的次要因素;降水对PM2.5清除作用明显。不同城市PM2.5的变化特征及其受气象要素的影响存在差异,主要是由不同城市的地理环境、产业布局以及污染源等因素造成的。     

2014年1月济南市空气污染气象条件分析

为研究大气环流背景及气象条件对山东中西部PM2.5污染的影响,利用气象及PM2.5浓度资料,选取济南市作为典型代表城市,诊断分析了大气环流背景及气象演变过程对2014年1月济南市PM2.5浓度的影响,建立济南静稳指数公式。结果表明：2014年1月华东北部至华北南部地面至对流层中层风速均为负距平,水平方向污染扩散能力差,偏南风异常加强了南方水汽的输送,有利于气态污染物向颗粒态转化,推高了PM2.5浓度;对流层低层东亚冬季风异常偏弱,逆温增多,垂直方向污染扩散能力差;500 hPa异常高压,抑制了东亚大槽的发展,更加有利于污染物在底层的累积。天气演变过程分析表明：地面水平方向及高空垂直方向气象条件对PM2.5浓度均有影响,地面风速偏弱（偏强）,高（低）湿度,风场辐合（辐散）时,PM2.5污染偏高（偏低）;边界层高度降低（升高）,垂直方向气流下沉（上升）,对流层中低层大气层结不稳定增强（减弱）时,PM2.5污染升高（降低）。静稳指数对于空气质量及重污染过程具有较好的预报能力。     

基于MIV-BP神经网络的公交场站污染物暴露水平测评

为了研究城市居民在公交场站污染物暴露水平下的影响程度, 分析交通、公交场站、气象条件及周边环境对污染物浓度的影响, 本文通过测量早晚高峰以及平峰期间的PM2.5浓度、CO浓度、风速、温度、车流量等10个因素, 采用平均影响值（MIV）与BP（back propagation）神经网络相结合的方法, 确定公交场站污染物暴露水平的主要影响因素, 并在此基础上建立MIV-BP神经网络测评模型。评估结果表明：公交场站PM2.5的暴露浓度与公交停靠站类型、车流量、小车流量、大车流量、风速、湿度、降雨量有关;CO的暴露浓度与瞬时停靠车辆数、公交停靠站类型、湿度、风速、温度、车流量有关;改进后的MIV-BP神经网络模型较BP神经网络具有更高的预测精度和准确度, 可有效对公交场站污染物暴露水平进行测评。     

重庆涪陵大气污染物特征及其与气象要素的关系

利用重庆涪陵2010—2014年空气质量监测数据和同期的气象资料,分析了涪陵地区大气污染物的变化情况与气象要素的相关关系.结果表明:涪陵从2010到2014年空气质量有变好趋势,迎宾大道和兴华中路的空气质量总体较好,AQI指数优良天数分别占87%和85.6%,PM_(10)为涪陵首要污染物.PM_(10),SO_2质量浓度具有周期性变化特征,从1月至12月为先降低后升高的趋势,每年较冷的12月、1月、2月PM_(10)质量浓度值较高,较热的月份质量浓度值较低.NO_2质量浓度年际间变化幅度较小.PM_(10)与气温、降水量、相对湿度、平均风速具有负相关性,与气压具有正相关,即气温越高、降雨量越大、气压越低、风速越大,PM_(10)质量浓度越低.SO_2,NO_2与气温、气压、降水量均为负相关,与相对湿度正相关.不同月份大气污染物与气象要素的相关性存在较大差异.     

基于单颗粒质谱技术的石家庄市2016年秋季空气重污染成因分析

利用单颗粒气溶胶质谱仪并综合地面空气污染监测数据、常规气象观测数据、卫星遥感火点监测资料和气流后向轨迹,分析了2016年石家庄市秋季出现的两次空气重污染过程的演变特征及主要影响因素。结果表明：机动车尾气和地面扬尘是PM_2.5的重要来源。高低空稳定的天气形势配置是两次重污染过程形成的直接原因。在这些天气形势下,湿度高、风速小、气压低、逆温层厚、混合层高度低是造成两次重污染过程的重要原因。同时东南和西南方向周边污染物的输送对重污染天气的形成发展也有一定的贡献。     

兰州市供暖期PM10浓度与气象因子分析

为研究兰州市供暖期内PM10浓度变化及其与气象因子的关系,于2007、2008年供暖期在兰州市4个典型城区,用Dust Trak Model 8530采集了303个PM10样品并收集同期3种（风速、相对湿度、气温）气象数据。运用数据统计分析方法,描述了供暖期PM10浓度的月变化和日变化趋势,同时分析了PM10日均浓度与气象因子的相关性。结果表明：（1）兰州市供暖期PM10污染十分严重,2007、2008年PM10的超标率分别为78.5%、54.5%,最大超标倍数分别达到2.27、2.81,PM10浓度日变化呈“双峰双谷”型;（2）PM10日均浓度与风速呈典型的二次函数关系,与相对湿度呈显著的负相关线性关系,而其与气温相关性不显著。     

珠江三角洲秋季典型气象条件对O3和PM10污染的影响

利用化学传输模式(CMAQ)系统对珠江三角洲(珠三角)地区2008年秋季的气象场、O₃和PM10的污染状况进行模拟, 研究典型气象条件对O₃和PM10污染的影响。结果表明2008年秋季珠三角受冷空气过程影响, 污染特征具有周期性, 冷空气过境期间空气质量良好, 冷空气过境前期和回暖期污染严重。1) 过境前期如处于冷锋前部型天气控制下, 珠三角近地面形成逆温层, 混合层高度较低, 早晨累积前日夜间生成的PM10, 造成珠三角北部和中部污染; O₃日间和PM10夜间污染区域分布在偏北风的下风向, 造成珠三角南部污染。2) 过境前期如处于高压底部型天气控制下, 将形成逆温层, 垂直输送较差, O₃和PM10沿着东北风向水平传输, 造成珠三角西南部污染。3) 回暖期通常处于变性高压脊型天气控制下, 珠三角近地面形成逆温层, 受静小风影响, 水平输送较差, 导致O₃和PM10的污染分布在珠三角西部、西北部和中部源排放区, 造成持续性局地污染。     

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。