太原市城区SO2扩散分布规律研究

采用CALPUFF空气质量模型,对2006年太原市城区大气污染源排放SO2的传输及转化过程进行数值模拟.借助于地理信息系统软件和其它工具软件,结合实际监测结果详细分析了太原市城区范围内的SO2浓度分布特点及其对各关心点的浓度贡献.结果表明:太原市1、4两月大气污染物整体向东南方向扩散,7月由市中心向四周均匀扩散,10月向东北方向扩散;太原市7月份最不利于污染物扩散,其次为1月份;相比之下,4、10两月污染物扩散能力强.从空间分布来说,太原市SO2污染总体呈现东部重于西部,北部重于南部的态势;高值区主要分布在北部太钢工业区、西部煤化工工业区和东部工商混合区.太原市污染源排放对各关心点的SO2浓度贡献值呈现1、7月高,4、10月低的趋势,贡献值较大的关心点由高到低依次为涧河、坞城、桃园、尖草坪.     

基于车载颗粒物激光雷达的合肥市典型污染过程立体监测

2018年2月7日至11日,受不利气象条件影响,合肥市及周边地区出现了一次大气污染过程,市辖区均出现不同程度污染.选取4个固定观测点进行全天候环境组网监测,同时安排1辆"大气环境污染移动监测车"进行全天候走航观测,实时监测合肥市区污染物空间分布、立体空间传输及空间沉降与扩散状态.本次合肥市环境组网监测使用了RaySound系列便携式高能高频激光雷达,采用了固定垂直监测、平面扫描监测和移动走航监测"地空天三位一体"的模式,获得了垂直空间边界层特征,污染物容量和污染物输入等特征,分析了城区空间颗粒分布情况,得出了精准污染来源和走势,验证了激光雷达监测污染源排放的可行性以及准确性.     

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。     

信阳城区气温和降水量与主要污染物之间关系分析

以2014—2017年信阳城区逐日气象要素(最高气温、最低气温、均温和降水量)和环境空气自动监测系统逐日数据(SO_2,NO_2,PM_(10),PM_(2.5),CO,O_3污染物浓度和AQI)为研究对象,采用统计分析和Pearson相关系数法,分析气温和降水量与主要污染物之间关系.结果表明:(1)2014—2017年信阳城区空气质量以优良为主,重度、严重污染的日数较少.(2)日气温(最低、平均和最高)和日降水量与主要污染物SO_2,NO_2,PM_(10),PM_(2.5),CO浓度和AQI呈显著的负相关,与O_3呈显著的正相关,说明气温愈高、降水量愈多,空气质量愈好,即夏季空气质量优于冬季.通过统计2014—2017年逐日空气质量,四季空气质量从夏季、秋季、春季和冬季依次由好转差.(3)相较于非雨日,雨日主要污染物浓度明显降低;降水过程中或者降水之后,大气主要污染物浓度显著下降,共同说明降水量对主要污染物具有显著淋洗作用,尤其是颗粒物PM_(10)和PM_(2.5).     

哈尔滨市大气SO_2质量浓度分布特征模拟研究

采用CALPUFF空气质量模型,对2013年哈尔滨市1月和7月SO2质量浓度进行模拟,表征哈尔滨市采暖期和非采暖期的SO2质量浓度分布特征.SO2质量浓度监测值与模拟值的对比分析表明,二者变化趋势基本一致,且经统计分析可知:二者的相关系数可达到0.7,说明模型基本可以反映出模拟区域内气象条件的影响.SO2模拟结果表明:哈尔滨市采暖期SO2平均质量浓度高于非采暖期,大约是非采暖期的8~9倍,主要是由于采暖期燃煤量增加,排放出大量的SO2;气象条件不利,排放的污染物难以扩散;外来源输送与本地源叠加,加重了污染.采暖期市区质量浓度是其他区县质量浓度的3~4倍,而非采暖期各区县质量浓度相差不大.此外,污染物扩散方向与风向一致,且质量浓度分布受到地形的影响.     

兰州城区空气污染预报的动力统计模型

从空气污染扩散方程出发 ,经过简化推导 ,得出污染预报动力统计模型的数学形式 .在模型中既考虑了气象条件的作用 ,又考虑了污染排放量和起报日的污染浓度 ,与以往的空气污染预报统计模型相比 ,所依据的物理基础更可信一些 .利用兰州城区 1988～ 1992年 3种主要空气污染物 SO2 ,CO,NOx 浓度资料和同期兰州气象站的地面气象要素、低空气象参数及天气图 ,通过逐步回归 ,确定了主要污染物 SO2 ,CO,NOx 浓度 2 4 h变率的预报方程 .拟合与试报表明 ,本方案在预报技巧上有一定的提高 ,技巧得分可达 0 .0 5～ 0 .89.     

兰州大气污染物浓度与局地气候环境因子的关系

利用2000年12月10～l7日在兰州市城区的大气边界层观测资料以及同期的污染物浓度监测资料、自动气象站观测资料和常规气象站辐射观测资料等，通过山谷内市区污染物浓度变化与山谷外对照点的比较，研究了兰州市城区污染物浓度的变化特征；分析了对应时期兰州市山谷气候环境因子和特征参数的变化。结果发现，大气中污染物对太阳辐射的吸收增温与白天大气逆温层之间有明显的正反馈机制，而且这种反馈机制在白天大气逆温层的形成和发展过程中起主导作用；讨论了兰州市山谷大气污染物浓度与大气逆温、水平风速、Froude数和边界层稳定度参数之间的简单关系。     

滇东地区城市空气污染变化特征及其与气象条件的关系

基于滇东城市曲靖2014-2018年2个国控空气质量监测点的逐日空气质量指数和6种空气污染物(SO_2、NO_2、PM_(10)、PM_(2.5)、CO和O_3)逐小时浓度资料以及同期气象要素数据,统计分析了曲靖主城区空气污染变化特征及气象因子对污染物浓度分布的影响.结果表明:①2014至2018年,曲靖主城区空气质量优良率为97%-99.7%,污染日数呈逐年减少趋势,首要污染物以PM_(10)、PM_(2.5)和O_3为主.②曲靖主城区空气质量呈现出夏秋季节较好、冬春季节较差的季节性特征.③6种污染物浓度各自表现出不同的季节性变化和日变化特征.气象条件影响着曲靖主城区污染物的扩散、迁移和转变.④风速与SO_2、NO_2、CO和PM_(2.5)浓度具有较好的负相关关系;与O_3浓度呈正相关关系;风速对PM_(10)影响较复杂,当风速小于2 m/s时有利于PM_(10)扩散,当风速超过2 m/s时反而导致PM_(10)浓度增加.⑤地面盛行西北风和东南风时,SO_2、NO_2、CO、PM_(10)和PM_(2.5)浓度较高;地面盛行西南风时,O_3浓度达到最高值.⑥降水对6种污染物具有显著冲刷清洁作用.⑦温度与O_3浓度呈显著性正相关关系,与NO_2、CO、PM_(10)和PM_(2.5)浓度呈显著性负相关关系;与SO_2浓度关系不显著.⑧相对湿度与O_3、PM_(10)和PM_(2.5) 3种首要污染物浓度呈显著性负相关关系;与SO_2、NO_2和CO 3种非首要污染物浓度的关系不显著.     

北京市大气静稳型重污染的印痕分析

2004年10月1-10日,北京出现了一次典型的大气静稳型重污染过程.利用印痕(footprint)分析方法,结合主要污染物 PM10 的逐时浓度监测数据,对这次静稳型重污染过程及其影响源地进行分析.结果表明:1) 重污染过程中PM10浓度的日变化特征有明显改变,下午和晚上出现高浓度;2) 北京地区PM10浓度的水平分布总体呈"南高北低"形势;3) 重污染发展阶段伴随着印痕分布区域不断朝偏西南方向延伸的过程,延伸区域达100～200 Km ,反映西南方向源区对这次重污染的明显贡献.     

九江市PM_(2.5)时间变化特征及其与气象要素的关系

利用2014年-2015年九江市环境监测站污染物浓度监测资料以及常规的气象观测资料,统计分析近两年九江市PM_(2.5)浓度的时间变化特征及其与气象要素的关系。结果表明:1)2014-2015年年九江市年平均污染日数为68 d,其中首要污染物为PM_(2.5)的天数占64%,重度污染日的首要污染物均为PM_(2.5);2)PM_(2.5)日变化表现为白天扩散晚上堆积,PM_(2.5)的月平均峰值主要出现在10月至次年1月以及5月底至6月初;3)秋冬季的污染主要由污染物水平输送造成,其次出现在不利于污染物扩散的稳定大气层结条件下。春夏交替期的污染主要由秸秆燃烧造成;4)PM_(2.5)浓度与能见度、温度风速、降水量呈显著负相关,而且弱降水有利于污染的加剧,高相对湿度更有利于出现重污染天气。     

广西城市环境空气质量变化趋势分析

根据2005～2009年广西14个设区市的环境空气监测数据,统计和分析了主要污染物浓度以及环境空气综合污染指数和污染负荷系数的年际变化特征及趋势,探讨影响空气质量的主要因素.结果表明,广西城市环境空气质量保持良好的水平,二氧化硫和可吸入颗粒物浓度总体上呈现下降的趋势,二氧化氮的污染程度虽然比较小,但是其浓度却逐年上升....     

Localized 3D-structural features of dynamic-chemical processes of urban air pollution in Beijing winter

The Beijing City Air Pollution Observation Field Experiment (BECAPEX) is described with emphases on the “point-surface” research approach and composite analysis. The analysis results of measurements from four observation sites across the Beijing urban area from January to March indicate that the overall impact of urban emission sources in the heating season is significant, and the staggered impact of urban emission sources has different features at observation sites over different parts of Beijing in both heating and non-heating seasons. The pollutants NOx, SO2 and CO in the urban boundary layer have the in-phase variation features over a large area. 03 concentrations at different sites have the same variation trend but its change is reversed phases with above pollutants. The pollutants over the urban area in heating and non-heating seasons also have the synchronous variation trend. The comprehensive sounding of BECAPEX indicates that pollutants and aerosol verticalprofiles are closely correlated to the vertical structure of the large-scale inversion layer in the urban boundary layer over the urban area. The localized 3D-structural features of local urban polluting processes associated with the peripheral areas are discussed with a “point-surface” comprehensive sounding technique.     

北海市城区大气污染物变化特征与地区生产总值的关系

利用北海市2002～2012年中NO2,SO2和PM10浓度的监测数据,分析城区大气污染物的月变化、季节变化、年变化、空间分布以及地区生产总值（GDP）增长对污染物浓度的影响.结果表明：北海城区大气环境质量整体状况较优,主要污染物NO2,SO2和PM10污染物浓度具有明显的时空变化,污染物在时间上呈冬高夏低的季节性变化,并受季风、降水湿沉降的影响明显;在空间上,污染物呈南高北低的区域性变化,市区及近郊高于远郊.污染物浓度和GDP增长关系明显,GDP增长幅度较污染物增长幅度大,两者之间存在着显著线性相关关系.北海市第一产业（农林牧渔业）和第三产业（服务业）对污染物排放量贡献大于第二产业（工业及建筑业）.     

北京地区大气中尺度扩散模态和时间特征分析

用随机游走大气扩散模式和1981年的历史气象观测资料,研究北京地区中尺度扩散的历史背景状态.由示踪物从北京城区连续排放条件的模拟结果,分析各季平均浓度的空间分布和示踪物在模式区域输送扩散的时间尺度.结果表明,冬季示踪物偏南、夏季偏西北的输送明显;春季扩散影响范围最小、秋季最大.示踪物从200km×200km模式区域输出的平均时间(去除时间)明显分为冬春季和夏秋季两组,前者较小,平均在20h以下,后者较大,平均约30h.不同去除时间出现的频率分布是非对称的,在长去除时间一侧,出现频率下降缓慢,显示污染物有在该区域内长时间滞留的可能.     

泸州市城区空气质量时空变化分析

为了掌握泸州市城区近年空气质量时空变化,对泸州市城区2004-2009年空气质量监测数据进行系统分析。结果表明,近年来泸州市城区空气质量总体良好,平均空气污染指数为80,空气质量优良率在72.33%以上。空气质量有逐步好转的趋势,SO2和PM10年平均浓度明显下降,分别从0.110 mg/m3、0.120 mg/m3下降到0.058 mg/m3、0.070 mg/m3;NO2略有上升,从0.029 mg/m3上升到0.040 mg/m3。污染物浓度时空分布不均,SO2与PM10夏季浓度较低,冬季较高,NO2浓度季节性变化不明显;兰田宪桥、小市上码头污染物浓度总体上高于忠山环监站。     

“9·3”阅兵期间协同减排措施对北京市大气PM2.5质量浓度及其来源影响的数值模拟

本文利用嵌套网格空气质量预报模式系统(NAQPMS),模拟研究了“9·3”阅兵期间北京市及周边地区主要气象要素和大气细颗粒物(PM2.5)质量浓度的时空变化特征,结合污染物源解析的方法,定量分析了基准和减排情景下各周边源地对北京市近地面层PM2.5质量浓度的贡献.结果表明:1)NAQPMS模式系统能较好地模拟北京市PM2.5质量浓度的时空变化特征;2)协同减排控制措施有效降低了首都地区PM2.5质量浓度,阅兵活动当天PM2.5质量浓度削减率高达31%;一次PM2.5排放量大,下风向特别是风场辐合区等污染物易累积的地区减排后的削减程度大;3)阅兵活动期间,北京市PM2.5质量浓度最主要的贡献来源于本地排放,日平均贡献率最高达48.6%,河北东南部、中部及河南等地是其主要的外来源地,日平均贡献率最高分别为21.1%、17.6%和16.4%;4)相比于基准情景,减排情景下北京及周边减排力度较大的源地贡献率显著降低,其中北京降幅最大,达2.2%.      

芜湖市环境空气质量时空变化特征分析

以芜湖市2003- 2009年环境空气的三项主要污染物SO2、NO2和PM10的监测数据为基础,运用环境空气质量标准、上海大气质量指数和空气污染指数API,对芜湖市区以及芜湖县、繁昌县、南陵县的环境空气质量进行评价.并结合各地产业结构特点,对空气污染的年际变化特征、地域分布特征进行分析,进而对各区域环境空气污染的原因进行探究.针对芜湖市环境空气存在的主要问题,提出合理的意见和建议,以期为城市环境综合整治、环境规划与管理提供参考.     

镇江市区空气污染状况分析

2008年以来,镇江市区环境大面积整治,重点污染企业逐步搬离市区,集中进入工业园区,城市环境逐步改善。分析多次环境整治后镇江市区空气中二氧化硫（SO2）、二氧化氮（NO2）、颗粒物（PM2．5和PM10）等主要污染指标的最终结果,为政府改善城市环境提供帮助。     

北京大气污染区域分布及变化趋势研究

本文利用2000-2005年北京市8个国控点PM10、SO2、CO、NO2和NOX等污染物浓度数据,分析了北京各区域大气污染分布与季节变化特征,以及近几年大气污染变化趋势.方法以主成分分析为主,辅以时间序列分析.分析结果显示：北京大气污染存在明显的时空差异,第一、二主分量可以很好地表征城市大气污染属性,所有污染物对第一主分量贡献都为正值,能够清楚区分大气污染程度,以及城市与区域背景的异同,第二主分量可以区分城市污染的源排放特征.基于此标准,全市范围内大气污染划分为燃煤型、机动车排放型、过渡型以及环境背景等四种污染类型.     

Foreshowing of the Western Pacific tropical cyclone track to PM10 air pollution episode in the Beijing area

By utilizing the air quality monitoring data and the NCEP reanalysis data, the relationship between the PM10 air pollution episode and synoptic situation is analyzed in the Beijing area. It is interesting to find that PM10 air pollution episode in and around the Beijing area is correlated with the Western Pacific tropical cyclone track to some extent, namely when a tropical cyclone lands southward to the Changjiang River, PM10 air pollution episode is not easy to take place generally in the Beijing area; but when a tropical cyclone moves northward and finally lands at the Korea Peninsula or the Japanese mainland, and under this condition the Beijing area is generally controlled by weak high or weak low for several days, PM10 air pollution episode often takes place in one day or several days. Above findings indicate that predicting the Western Pacific tropical cyclone track can foretell whether or not PM10 air pollution episode takes place in the Beijing area, which can offer a technique for urban air quality prediction and air pollution source management in the Beijing area. Supported by Knowledge Innovation Project of the Chinese Academy of Sciences (Grant No. KZCZ2-YW-219) and Frontier Research of IAP of Chinese Academy of Sciences (Grant No. 8-070204)