信阳市城区空气质量指数变化及其与气象要素的关系

以2014-2017年信阳市逐月空气质量指数(AQI)监测数据及同时段的气象数据为研究对象,采用统计分析、Pearson相关系数法和广义加性模型(GAM),对信阳市城区空气质量指数变化特征及其与气象要素的关系进行分析.结果表明:(1)2014—2017年信阳市城区AQI年际波动较大,空气质量有明显变好的趋势;研究期间,信阳市城区有27个月(56.25%)空气质量属于良,19个月(39.58%)属于轻度污染,2个月(4.17%)属于中度和重度污染;AQI变化受季节影响明显,空气质量状况优劣程度依次为夏季春季秋季冬季.(2)从整体水平来看,AQI与气压呈正相关关系,与气温、平均水汽压、日照时数和风速呈负相关关系;在不同季节和不同等级空气条件下,气象要素对AQI的影响差异较大.(3)由广义加性模型可以看出,AQI与降水量呈线性关系,与平均气温、平均水汽压、日照时数和平均风速等气象要素为非线性关系,气象要素对AQI的影响一般存在阈值.     

北京市空气质量指数与气象条件的关系及其对呼吸系统疾病的滞后影响

依据北京市2009年1月1日-2011年12月31日的逐日空气质量指数(AQI)与同时段常规地面气象观测数据,区分污染日与非污染日(以轻微污染下界为分界)、不同季节研究了AQI与气象要素的关系;应用分布滞后非线性模型与广义相加模型,在调整气温、相对湿度、风速等混杂效应的基础上,定量计算了AQI对呼吸系统急诊人数的影响及滞后效应.结果表明,研究时段北京AQI的年际波动并不明显,冬季中、重度污染易发;秋季空气优良率最低;春季易发生轻微污染.污染日AQI与平均气压、最高气压显著正相关,与气温、相对湿度负相关;非污染日,AQI与气压、平均/最大风速和日照时数负相关,而与气温、相对湿度、降水量正相关.就诊当天与滞后1 d的AQI对呼吸系统疾病的影响最显著,且危险度(RR)随污染物质量浓度的增大以接近线性形态增大.AQI指数每增加10,北京市呼吸系统急诊就诊人数的RR为0.22%,其95%置信区间为0.104%~0.342%.     

山西省城市空气质量指数地理特征及其与气象要素的关系

以山西省11个地级市2014年空气质量日报数据和部分气象站点同期的地面气象数据为基础,基于地理信息系统软件surfer运用克里格插值法绘制出2014年山西省空气质量指数(AQI)的时空分布特征,然后将AQI与5个地面气象要素进行相关分析,得出它们在不同时内的相关关系.结果显示:2014年1~2月全省AQI值普遍较高,空气污染较重;3~6月AQI值逐渐降低;7~9月AQI值维持在较低范围内,空气质量优良;10~12月AQI值再度升高.在研究时段内,AQI值和平均本站气压呈显著负相关关系,和平均气温、平均水汽压呈显著正相关关系,风速对于AQI值的影响具有双重性,平均相对湿度和AQI值相关性较弱.     

信阳市中心城区空气质量的时间变化特征

以《环境空气质量指数(AQI)技术规定(试行)》和信阳市中心城区2015-2017年的空气质量指数(AQI)日均值为依据,计算出每年的AQI月均值,分析该城区空气质量的年际、年内变化特征及其影响因素.结果表明,该城区空气质量逐年改善,年内空气质量季节变化明显:夏季良好、较稳定;冬季污染天数多于其他季节,总体表现为轻污染;春、秋季在良好和轻污染级别之间震荡.多云、阴、小雨、小雪及雨夹雪,风力≤2级、无持续方向,特别是冬季北风、偏北风等天气条件下,易发生空气污染,城市地貌阻碍空气扩散.进一步表明在防控大气污染方面,该城区应关注天气和季节变化、重视城市规划和城市设计.     

近60年来叶尔羌河平原绿洲气候变化特征分析

文章利用巴楚和莎车地面气象站实测数据,运用EXCEL、SPSS22.0统计软件,分析叶尔羌河平原绿洲近63年来各气象要素时空分布规律。结果表明:(1)气温、降水量、水汽压呈现增加趋势,日照时数、相对湿度、平均风速呈现减少趋势。气温增温趋势通过99%置信度检验,降水量、水汽压增加趋势通过95%置信度检验,日照时数、平均风速减少趋势通过99%置信度检验,相对湿度减少趋势通过95%置信度检验。(2)自80年代起各气象要素开始发生显著性变化。80年代降水量的增湿量约为60年代的7倍,90年代日照时数的减少量约为70年代的10倍、水汽压的贡献度最大为53Pa、平均风速的减少量最大为0.4m/s,21世纪初气温的增温量是60年代的6倍、相对湿度的减少量约为70年代的20倍。(3)各气象要素季节变化不一致。气温秋、春季增加趋势显著,降水秋、夏季增湿趋势显著,日照时数、水汽压在冬、秋季变化趋势最明显,相对湿度和平均风速分别在春、冬季和春、夏季减少趋势显著。(4)各气象要素空间分布不一致。气温、降水量、平均风速表现出北部大于南部;日照时数、相对湿度、水汽压表现出南部大于北部。     

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).     

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%。     

日照市空气质量变化特征及其与气象条件的关系

根据日照市2015年3月至2016年2月的空气质量日报数据以及同期气象数据,研究了该市空气质量特征及其与气象条件的关系.结果表明:日照市空气质量以II级良为主,占全年总天数的58%.PM2.5、O3和PM10为该市主要污染物;空气质量具有明显的季节特征,冬季空气质量最差,AQI的平均值为132.8,并且中度污染、重度污染和严重污染在冬季多次出现,夏季空气质量最好,AQI值为78.4;降水、风速、湿度和温度对于空气质量影响显著,大部分情况下,AQI指数与降水、风速、湿度呈负相关,与气压、气温存在正相关关系.     

商丘市气象要素对空气质量的影响

利用商丘市环境监测站2015—2016年逐日空气质量监测数据,对空气质量总体状况、首要污染物变化特征等进行了分析,并利用商丘市多年逐日气象资料分析了气象要素对空气质量的影响.结果表明:商丘近两年占主导的首要污染物为PM2.5,出现频率为56%,空气质量优和良总体比率占51.6%,重度污染和严重污染总体比率为6.7%,连续3 d以上的重污染天气出现在11月到次年2月,AQI指数与平均气温、平均风速、降水量呈显著负相关,空气质量等级愈大,气象要素值愈小,降水频率愈高,空气质量愈好,降水量、降水日数、平均风速和大风日数的变化对空气质量有显著影响.     

海口市空气质量的特征及其与气象条件的关系

根据海口市2013—2014年空气污染物的监测数据及气象资料,研究了该市的空气质量特征及其与气象要素的关系.结果表明:海口市空气质量优良率为95%;PM_(2.5),PM_(10),O_3是该市的主要污染物,年均质量浓度分别为25.29μg·m~(-3),44.48μg·m~(-3),77.15μg·m~(-3);该市的空气质量随季节变化的特征明显,春、夏、秋、冬四季的AQI值分别为42,35,54,65;污染物的"周末效应"与北京、深圳等国内其他城市不同,表现为:周末浓度大于工作日浓度;旅游黄金周期间污染物均有不同程度增加;污染物日变化特征明显;SO_2,PM_(2.5)表现出一定的区域污染特征;NO_2,PM_(10),CO和O_3表现出一定的局部污染特征;降水、风速、风向、温度、湿度对空气质量的影响显著,在多数情况下AQI与降水、风速、温度、湿度等存在负相关,而与气压存在正相关;对典型污染过程的分析表明:PM_(2.5)受扩散条件、本地排放及外地输送共同影响,O_3浓度与蒸发量、相对湿度及风速等指标有明显关系.     

章丘区空气污染特征及气象因素相关分析

利用济南市章丘区2016年3月至2017年2月空气污染指数(AQI)和6种污染物(PM_(10)、PM_(2.5)、NO_2、SO_2、CO、O_3)数据,结合章丘区气象因子(温度、湿度、风速),运用统计分析、相关分析等方法,对该地区污染特征变化及与气象因子的相关性进行了研究.结果表明:章丘区主要污染物有PM_(10)、PM_(2.5)、O_3三项,分别占全年总天数的46%、44%、10%;章丘区全年空气质量较好的时间段集中在夏秋季节,冬春季节空气质量较差,但O_3变化趋势与总体趋势相反;全年温度变化成抛物线状,相对湿度变化不大,春旱现象明显,全年风速起伏变化较小,冬季风速较小;AQI与温度相关系数为-0.329,P0.01,具有显著的负相关性;AQI与湿度相关系数为0.150,P0.01,具有比较显著的正相关性;AQI与风速相关系数为-0.051,P0.01,相关性不显著.     

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AQI的九江市空气质量统计预报方法

利用九江市2014—2017年气象观测站常规观测的气象资料和九江市环境监测站污染物日平均浓度资料、AQI日均值和首要污染物等观测要素,通过统计学方法对不同季节内地面气象要素和AQI做相关性分析,并选取相关性好的因子分别做回归分析并建立预报方程,结果表明:1)相对于全年回归预报方程,不同季节的气象要素与AQI的相关程度不同,不同季节的回归方程对AQI指数的预报准确率高; 2)由于污染物的累积特征,前一天的AQI与当天AQI相关系数高达0.66,在回归的过程中,前一天的AQI值做为最重要的一项参数; 3)春季、夏季由于降水比较明显,且由O_3造成的污染日数相对较多,而高温和日照对O_3有显著的相关,所以AQI的预报能力较强;秋冬季由于外来输送污染严重和PM_(2.5)首污的日数增加,气象要素的相关性较低,预报能力也随之降低。     

气象条件变化对石家庄市空气质量的影响

为了确定气象条件对石家庄市空气质量的影响,通过对2014-2018年的逐日空气质量和气象数据、以及1981-2018年的月均气象统计资料进行研究,分析了石家庄市的空气质量变化特征,探讨了气象要素与空气质量的关系,初步确定了利于污染物稀释扩散的气象条件。结果表明:①11月-次年2月是石家庄市污染最重的四个月,空气质量普遍达到中度及以上污染;②PM_(2.5)是影响重污染期空气质量最多的污染物;③相对湿度和水汽压低、风速大、混合层高度高的气象条件利于污染物的稀释扩散,明显降水对污染物也有清除作用,可以提高空气质量;④近年来石家庄的城市"热岛"、"干岛"、"浑浊岛"效应凸显,尤其重污染期的"浑浊岛"效应最为明显。     

2014—2018年济南市区大气重污染特征及气象影响因子分析

分析了2014—2018年济南市区大气重污染特征及其类型,并识别了各类大气重污染的主要气象影响因子.结果显示:(1)重污染主要发生在冬季,秋季和春季次之,夏季最少.(2)济南市区大气重污染主要为积累型和复合型.(3)5项气象要素中,相对湿度对空气质量影响最大,风速和日照时数次之,气温和气压影响较小.(4)积累型和沙尘型...     

河南省不同地域空气质量特征及其与气象要素的关系研究

基于2014—2016年逐小时安阳、郑州和南阳市空气质量六要素质量浓度及常规地面气象资料,分析了空气质量总体特征及气象要素对主要污染物浓度的影响,结果表明:2014—2016年,河南省空气质量南部好于中、北部,主要表现为南阳的优良天数最多,安阳、郑州的较少.2014—2016年河南省空气质量逐年提高,安阳、郑州和南阳市平均优良天数分别为153、165、178 d,呈逐步增多趋势.河南省夏季污染类型正由煤烟型向油烟型转变,冬季仍以煤烟型为主.夏季空气污染物中PM_(2.5)、PM_(10)污染水平逐年下降,O_38 h污染水平急剧上升,而冬季主要以PM_(2.5)和PM_(10)为主.O_3与气温和风速呈正相关,与气压、降水量和相对湿度呈负相关,相关系数最高的为气温,最低为风速.而PM_(2.5)和PM_(10)与气象要素的相关性与O_3相反.3个城市O_3重污染条件下基本都是以SE风向为主,而PM_(2.5)和PM_(10)重污染条件下多以偏N风和E风向为主.     

南昌市主要空气污染物浓度及其与风力风向关系研究

对2016年南昌市PM_(2.5)、PM_(10)、NO_2等主要空气污染物随时间变化特征进行了统计分析,并运用广义可加模型探究了它们与风力、风向的关系,并在风力风速一定时重点探讨了它们之间的内在联系。研究表明,2016年南昌市空气质量较好,PM_(2.5)、PM_(10)、NO_2浓度达到国家二级标准的天数超过80%,AQI指数级别为优良的天数达到317天。从季节差异来看,秋冬季时空气质量较差,春夏季的情况相对较好。从空气污染随风力、风向变化的关系来看,AQI指数在盛行东北风时随风速增加;风向为偏东且高风速时,PM_(2.5)、PM_(10)、NO_2浓度相对较高;风向风速一定时三种污染物之间呈正相关,且PM_(2.5)与PM_(10)相关性较高;PM_(2.5)/PM_(10)超过国际标准的天数有93天,并且当风向为西北、北、东北且风速高时比值较高。     

河南省供暖期大气污染特征及预测分析——以郑州市为例

近年来河南省大气污染问题引起社会的广泛关注,但有关供暖期间大气污染方面的研究相对较少.以郑州市为例,分析郑州市供暖期间大气颗粒物的浓度变化并进行预测,对提高当地空气质量具有重要意义.基于2014-2016年郑州市空气质量监测数据和同期气象数据,利用SPSS相关分析和BP神经网络模型,分析郑州市供暖期间PM2.5、PM10的超标情况、日变化特征,探究气象要素对PM2.5和PM10的影响,最后预测AQI指数的变化.结果表明:2014年供暖期郑州市空气质量相对较差,PM2.5和PM10平均质量浓度超标率最高;2015年供暖期郑州市空气质量相对较好,PM2.5和PM10平均浓度变化幅度较大;2014-2016年供暖期间郑州市PM2.5和PM10浓度具有明显的日变化特征,呈现双峰型变化;2014-2016年供暖期郑州市PM2.5、PM10与日均气温相关性不显著,与日均风速呈显著负相关,与日均相对湿度呈显著正相关;当供暖期郑州市主导风向为正西风时,污染天气出现频率较低;利用BP神经网络预测2016年AQI的精度较高,预测值与实测值相关系数为0.85.     

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.     

近66年信阳地区日照时数变化特征及其相关因素分析

利用1951-2016年河南省信阳地区气象站逐月日照时数资料,运用线性回归分析、距平值分析等方法分析了年、季、月日照时数的变化特征,对日照时数变化与部分气候因素、细颗粒物浓度变化进行相关分析.结果表明:1951-2016年信阳地区年日照时数整体以119.66 h/10a速度下降,呈显著下降趋势;年日照时数异常减少的年份为2009年和2012年,2009年年日照时数异常主要受冬季日照时数变化的影响,2012年年日照时数异常主要受春季和冬季日照时数变化的影响;近5年,信阳地区日照时数月变化与细颗粒物浓度月变化呈显著负相关;日照时数较多的月份,细颗粒物浓度相对较小;1951-1971年,水汽压、湿度对日照时数影响比较明显,水汽对太阳辐射的散射、折射及吸收作用直接影响日照时数的变化;2005-2016年,平均风速与日照时数呈显著正相关,平均风速越大,越有利于污染物扩散.