银川市大气逆温对环境空气污染浓度的影响

通过对银川市2013~2015年逐日探空观测资料及同期银川市六个监测站点的污染物浓度逐时监测数据,对银川市低空温度层的特征进行了分析,并结合统计数据,分析了逆温层的特征及其与四种主要空气污染物(SO_2、NO_2、PM_(10)、PM_(2.5))浓度之间的关系。结果表明,银川市主城区在全年各季中均有逆温层存在,冬半年逆温发生的频率高于夏半年;逆温层厚度冬季较厚、夏季较薄,逆温强度冬季最强、夏季最弱。通过污染物浓度与逆温特性的相关分析,发现四种主要空气污染物的浓度与逆温层存在相关性,其中,空气污染物的浓度与逆温层厚度呈正相关,与逆温层强度呈正相关。这说明银川市低空大气逆温层结状况是影响当地空气污染程度的主要因素之一。     

银川市低空逆温特征及其对雾、霾的影响

根据2011—2015年国家气候基准站逐日08时和20时探空观测资料,能见度、相对湿度以及雾、霾观测资料及银川市环境监测站的PM10质量浓度数据,用数理统计及其相关分析方法,研究银川市低空逆温特征及其对雾、霾的影响.结果表明,银川市四季均有逆温出现,秋冬季节逆温的出现频率最高、厚度最厚、强度最强,08时较20时逆温的出现频率更大、厚度更厚、强度更强,悬浮逆温底高更低,雾、霾天气与逆温的季节变化特征一致;银川市四季低空逆温的厚度、强度和持续性均与PM10的质量浓度呈正相关关系,且在秋冬季节最显著;逆温持续时间越长,雾、霾现象越严重,逆温层越厚,强度越强,空气质量等级为优或良的概率越低,而为轻度、中度及重度污染的概率越高.低空逆温是影响银川市雾、霾天气的主要污染气象条件之一.     

2016年夏季淮安市大气污染特征及成因分析

根据淮安市2016年6-8月的大气环境监测数据,研究了淮安夏季大气污染特征、成因及应对措施。结果表明：2016年夏季淮安PM_2.5、PM₁₀、SO₂、CO、O₃日最大8 h和NO₂的平均浓度分别为38、68、13、847、138和18 μg m_-3,环境空气质量达标率达到67%,首要污染物为O₃和PM。O₃呈现单峰型日变化特征,PM则呈现三峰型。观测期间受偏东和偏南方向气流影响,O₃污染可能是高空高浓度臭氧混合到地面导致,且同时伴随着高浓度的PM污染。盛行风向城市和排放源区污染控制,可以有效降低城市大气污染物浓度。     

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。     

兰州市区低空大气温度层结构特征及其与空气污染的关系

利用1988－1992年兰州市气象站逐日08h（北京时，下同）常规气象探空观测资料及同期兰州市环境监测站空气污染物浓度监测资料，统计分析了市区低空大气温度层结变化特征及其与3种主要空气污染物（SO2，CO和NOx）浓度之间的关系，结果表明：兰州市区低空大气温度层结全年以弱稳定为主，一年四季皆有逆温层存在；在冬季，逆温层性频率最高（95．8％），贴地逆温层厚度最厚（平均740m）、强度最强（平均0．53℃／100m），脱地逆温层底相对高度最低（平均935m）；同时，贴地大气层结温度递减度与空气污染物浓度呈显著反相关，由此表明，兰州市区低空大气温度层结状况是影响该市空气污染程度的重要因素之一。     

2013-2018年冬季成都市9次大气重污染过程的天气形势及逆温特征

利用2013年1月-2018年12月成都地区气象探空资料、空气质量指数(AQI)和欧洲中期天气预报中心ERA-Interim再分析资料,研究了成都市9次大气重污染过程中的天气形势和逆温特征,结合重污染过程期间的AQI及各类污染物质量浓度变化,讨论了不同天气形势和逆温特征与空气污染的内在关系.结果表明, 9次大气重污染过程中,在低槽天气型且风向主要为西南风、南风和西风时,污染较严重.白天贴地逆温的层数、厚度和强度与气态污染物呈正相关,对流层低层逆温的发展对各类污染物的扩散有抑制作用;晚上脱地逆温层数越多,厚度与强度越大时,颗粒污染物越难扩散.逆温层数与空气污染的正相关性相对于逆温厚度和逆温强度更明显, AQI对逆温总层数和总厚度具有一定的滞后性.     

基于可视图的衡阳市大气污染物时间序列分析

为研究大气污染物时间序列的非线性特征,基于2016年1月至2017年12月衡阳市PM2.5和PM₁₀质量浓度时间序列,应用可视图方法将两组时间序列映射到复杂网络中,并研究了相应网络的拓扑性质。结果表明:PM2.5和PM₁₀浓度时间序列网络的平均聚类系数、直径、网络密度和平均路径长度等网络特征参数和统计特征参数基本相同。PM2.5浓度时间序列在局部变化趋于平缓,矩阵图中存在明显聚集现象;PM₁₀浓度时间序列存在多个局部峰值,矩阵图中表现为多个重叠的大正方形。两个时间序列网络的累积度分布都具有幂律特征,网络具有无标度特性。原时间序列具有分形序列特征,赫斯特指数均大于0.5,都是持续性时间序列,表明大气污染物浓度时间序列具有长程记忆性。     

杭州市2014年城区大气污染物浓度变化特征观测分析

为了研究杭州市城区大气污染物的浓度变化特征,本文选取了2014年杭州市环境监测中心站空气质量自动监测站的大气污染物浓度数据,并结合地面气象要素资料进行分析,结果表明,在观测期间,杭州市城区大气中的PM_2.5污染状况最严重,日平均浓度的超标率达30.7%;各污染物全年分布呈现明显的季节变化：O₃浓度呈现与该季节气温和太阳辐射强度在全年中的排列相一致的夏、秋、春和冬季依次递减的分布,NO₂则呈现冬高夏低,春秋介于两者之间的分布,SO₂浓度从高到低依次为冬季>春季>秋季>夏季,CO、PM_2.5和PM₁₀浓度都呈现出冬高夏季、春秋季变化平缓的季节变化特征;各污染物浓度日变化呈现不同变化规律：O₃和O_x浓度四季的日变化都呈单峰型分布,浓度峰值都出现在13:00～15:00,SO₂也呈现单峰型分布,在09:00～10:00左右达到峰值,于次日04:00左右达到谷值,NO₂、CO、PM_2.5和PM₁₀浓度的日变化特征类似,呈现双峰型变化,且峰值都与早晚高峰时间基本重合,冬季相对于其他季节首峰值时间推迟一小时左右;利用成对样本T检验进行比较,结果表明：NO₂浓度在17:00～次日09:00工作日均明显高于周末,而在09:00～14:00工作日略低于周末,14:00～17:00浓度基本相等,O₃浓度则在工作日的各时刻均高于周末;气象要素是大气污染物分布的重要影响因子,O₃与气温和风速呈极显著正相关关系,与湿度呈极显著负相关关系,NO₂与之相反,SO₂、CO、PM_2.5和PM₁₀与风速呈现一致的显著负相关关系外,与其他气象要素在不同季节差异性较大,SO₂和PM₁₀与相对湿度呈现极显著负相关关系,CO和PM_2.5与气温和湿度的相关性在不尽相同。     

汉中市城区空气质量特征分析及预报方法初探

利用2006—2007年汉中市城区空气污染物浓度监测资料,分析了汉中市城区空气质量特征。在此基础上,利用同期的地面、高空气象要素与空气污染物进行相关分析,建立多元线性回归预报方程。结果表明：（1）汉中市城区空气质量优良天数占77％,主要污染物为PM10;污染物浓度存在明显的季节性变化,冬季远远高于夏季;（2）冬季空气质最主要受地面气象要素影响;夏季既受地面要素影响又受高空要素影响。     

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。     

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...     

清徐县空气污染特征及其原因简析

通过对清徐县2007年空气监测数据进行分析,研究了清徐县空气污染特征。结果表明,受清徐县地理特征的影响,空气污染以PM10和SO2为主;气象条件的季节更替致使多数污染物浓度冬季较高、夏季较低,污染指数分布具有明显的季节变化特点：冬季〉春季〉秋季〉夏季。降水量、风速、逆温与污染指数日均值成正相关变化趋势,而污染物浓度的‘日变化则主要取决于社会经济活动的周期性变化。     

新乡市PM_（10）季节变化时空特征分析

应用数理统计方法分析了新乡市大气污染物PM10浓度季节变化特征。新乡市PM10浓度变化季节性明显,呈现冬季高、夏季低的趋势;人口密集、经济活跃商业区污染程度最高,文教区污染程度最低。分析表明,季节更替和人类日常活动对新乡市PM10浓度分布有一定的影响。     

兰州城市冬季大气气溶胶特征的综合观测研究

对Anderson分级采样器采集的PM10进行了谱特征的分析，研究了PM2.5在PM10中所占的比例，并从实测的大气气溶胶光学厚度资料出发，应用消光法反演了兰州城市冬季大气柱气溶胶粒子谱。结果表明：低层大气和整层大气的气溶胶粒子数密度谱分布都具有3峰型特征。兰州城市冬季的大气污染主要是由于燃煤和汽车尾气造成的，有时也可能是由于城市的风沙扬尘造成的。     

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。     

长春市PM_(10)污染特征及与气象因素的相关分析

为了研究长春市PM10污染特征以及影响PM10浓度的因素,利用长春市PM10的实时监测资料,分析长春市PM10浓度的季节变化特征和污染程度.并利用同期的气象资料,建立PM10浓度和气象因素之间的多元线性回归模型,来进行两者之间的相关分析.采用逐步回归法,建立了"最优"回归方程,分析不同季节对污染物浓度有显著影响的气象因素,从而为长春市大气污染防治和雾霾天气预测提供科学依据.结果表明,长春市PM10浓度冬季偏高、夏季偏低、春季和秋季居中,2013年全年中1、4、10月份出现了不同程度的高污染现象,日平均浓度最高值达到591μg/m3.研究发现对长春市PM10有显著影响的气象因素主要有当日平均风速和最高最低气温温差.     

Seasonal variation of the temperature profile and its characteristics within urban roughness sublayer

By using conventional micro-meteorological observation data of Beijing Yuetan Park Tower (180 m), the temperature profile of urban boundary layer (UBL), its characteristics and seasonal variation are analyzed. The main results are as follows: (1) In winter, the interdiurnal surface air temperature varia- tion at the surface is not synchronized with that of the upper levels, other than in summer and other seasons, which illuminates the impacts of Beijing’s geographical location, sky view factor and stably st...     

基于时间序列与随机森林模型的江西省空气质量影响因素分析

空气质量状况直接影响着人们的身心健康,空气污染治理一直是一个广受争论的热点问题.本文基于2015～2020年江西省各地级市主要污染物浓度和气象数据,采用时间序列与随机森林模型,深入分析江西省各地级市的空气质量状况及其影响因素,得到以下结果:(1)从整体角度来看,2015～2020年间江西省城市的空气质量一直处于优良状态...     

兰州城市八种主要空气污染物浓度分布类型及其相互关系

对兰州市１９８３年以来的几次大规模的大气污染监测试验数据，采用偏度和峰度系数法进行了分布类型检验与统计分析，揭示了８种主要空气污染物浓度的分布类型及其冬、夏两季平均浓度变化特征，找出了它们之间的相互关系。     

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。