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%。     

基于小波分析的太原市空气质量变化特征及预测

以太原市2013年1月～2016年12月份PM2.5、NO_2、SO_2等污染物逐日浓度数据为研究对象,结合太原市地面气象数据,采用相关分析、小波分析等方法对太原市空气质量AQI(air quality index)变化特征进行了研究,同时采用小波去噪和最优子集回归方法分别建立AQI的春、夏、秋、冬季预报方程。研究结果表明:1)太原市AQI均值呈现逐年降低趋势,最大值出现在冬季,具有冬强夏弱的特点,太原市主要空气污染物为PM2.5,PM10和SO_2。2)AQI与各污染物浓度因子之间存在较强的相关性,其中AQI与PM2.5和PM10的相关性最大,Spearman相关系数极显著(P0.01),并且污染物之间、污染物与气象因子之间也存在相关性。3)太原市AQI具有较明显的年际周期性振荡、30～60d的季节性周期振荡、10～20d的双周性振荡及5～7d的准双周振荡。4)将AQI前一天的历史数据作为因子引入预测模型,相比于仅以气象因素为输入的模型具有更强的拟合精度。对数据进行小波去噪后所建的最优子集回归方程比使用原始数据更优。文章所建立的"去噪气象数据+去噪历史AQI数据"模型可以较精确地实现对太原市AQI指数的短期预测。     

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.     

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.     

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.     

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;研究期间内,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.     

南京市一次大气污染事件时空演化特征及影响因素

利用数理统计和后向轨迹方法,分析江苏省南京市2015年全年空气质量指数(AQI)及1月21—27日各污染指标数据,探讨南京市大气污染时空分布特征及影响因素.研究发现:2015年南京市AQI达到污染程度的天数在瑞金路、迈皋桥最多,在玄武湖最少;AQI值在秋、冬季较高,春、夏季较低,推测南京市AQI主要受不同功能区污染排放和不同季节天气变化控制.在1月21—27日大气污染事件中, AQI在仙林大学城最高,为211.094;玄武湖最低,为168.881. PM_(10)平均浓度在奥体中心最大,为229.472,玄武湖最小,为179.932. PM_(2.5)的空间分布情况与PM_(10)类似, SO_2, NO_2和O_3浓度空间差别不大.在此期间, AQI总体呈波动上升趋势, 21日、24日、26日出现3次高峰, 25日和27日下降. PM_(10)、PM_(2.5)、NO_2浓度变化趋势与AQI呈正相关关系, O_3与AQI呈负相关关系.因此,南京市大气污染在空间上具有明显区域特征,在时间上具有累加特征,同时还受周末效应和天气作用影响;主要污染物为汽车尾气、燃煤燃气和工业废气.气团后向轨迹显示,大气污染源主要来自局地和西北地区, 25日气团方向改变,导致污染物浓度下降,推测南京市大气污染受气团带来的外地污染物及天气变化的综合影响.     

郑州市臭氧变化特征及影响因素分析

利用2017-2019年郑州市臭氧(O_3)浓度数据和气象数据资料,分析了郑州市O_3污染时间变化特征及其与前体物和气象因子之间的关系.结果表明:郑州市以O_3为首要污染物的天数逐年增加,2019年上升为148 d,约占一年总天数的40.55%,说明O_3污染越来越严重;郑州市O_3浓度具有明显的季节变化,呈现出夏季>春季>秋季>冬季的特征,6月O_3污染最为严重,3年来O_3月均浓度均超过170μg·m^(-3);O_3与NO_2、CO月浓度呈负相关关系.在O_3浓度与气象因素的相关性分析中表明,O_3浓度与温度呈显著正相关,而与气压的相关性刚好相反,与相对湿度和降水量均呈现出弱的负相关性,与风速呈现出弱的正相关性.重污染案例研究表明,在高温、低湿、低压及一定风速条件下有利于O_3的生成与累积.     

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.     

ECMWF和T639数值预报产品在兰州市空气质量预报应用中的对比

利用2013-2015年兰州市空气污染逐日监测资料,分析了兰州市6种主要空气污染物PM_(10)、PM_(2.5)、NO_2、SO_2、CO和O_3的污染特征;以2014年欧洲中期天气预报中心(ECMWF)资料与T639气象要素预报产品,结合兰州市同期污染物质量浓度监测数据,分别建立了基于最小二乘法支持向量机(LS-SVM)的6种主要空气污染物未来2d的日均质量浓度预报模型;将ECMWF和T639中2015年2月1日-10月31日的气象要素与同期污染物质量浓度监测数据分别输入各模型进行试预报检验.结果表明,以ECMWF建立的预报模型对未来2 d的PM_(10)、PM_(2.5)、NO_2、SO_2和CO的日均质量浓度的预报效果优于T639,而T639对预报O_3有一定优势.用ECMWF建立的预报模型对未来24 h的空气质量指数等级和首要污染物的预报成功率为86.14%,48 h的为82.33%;T639对应的未来24 h预报成功率为83.52%,48 h的为74.43%.两种数值预报产品均可应用于基于LS-SVM预报模型的空气质量预报,其中使用ECMWF的预报产品的释用预报效果整体上更好.     

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。     

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%.     

漳州市区2019年秋季大气臭氧污染过程分析

秋季是漳州市区臭氧(O_3)污染多发的季节,2019年9月24日-26日,漳州市区环境空气质量连续三天出现O_3轻度污染。该文通过分析9月24日-26日市区空气气象参数变化特征,O_3浓度与NO_2浓度、温度的相关性,得出结论:相对湿度低、气温高、气压高有利于O_3生成; O_3浓度与NO_2浓度呈显著负相关,该时段O_3主要来自本地生成;该时段市区还受长三角地区O_3传输的影响。     

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。     

北京市空气污染与气象条件的关系及其预报

利用北京市2015-2017年逐日、逐小时w(PM_(2.5))、w(SO_2)和w(O_3)资料,及同期NCEP/NCAR的高分辨率全球预报系统数值预报产品,计算了相关空气污染气象参数,研究了北京市空气污染物质量浓度与气象条件的关系.采用逐步回归方法,建立了北京市空气污染物w(PM_(2.5))、w(SO_2)和w(O_3)的预报方程,并对预报结果进行了检验.结果表明,稳定能量和涡度与w(PM_(2.5))、w(SO_2)以正相关为主,与w(O_3)以负相关为主.低层平均风速和边界层厚度与w(PM_(2.5))、w(SO_2)以负相关为主,与w(O_3)以正相关为主.地面露点温度与w(PM_(2.5))、w(SO_2)和w(O_3)以正相关为主;在优选空气污染气象参数的基础上,利用逐小时空气污染物质量浓度资料和逐步回归方法,筛选了最佳预报因子,建立了北京市逐3 h的0～72 h短期精细化空气污染物质量浓度预报模型,能够拟合w(PM_(2.5))、w(SO_2)和w(O_3)随边界层气象条件的变化趋势.     

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...     

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.     

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.     

九江市重污染天气形势特征及污染源分析

利用九江市环境保护监测站的日均AQI值和首要污染物等监测资料、常规地面、高空气象观测资料,对2014-2016年15个重度以上污染日进行天气形势分析并分型,利用HYSPLIT后向轨迹模型污染天气气团轨迹进行模拟。得到九江市重度以上污染天气的天气形势:高压型、高压后部型、高压底部型、低压型。地面有弱冷空气输送,或地面均压场、850～700 hPa有显著的暖平流输送形成暖盖的静稳天气形势有利于出现重污染天气。根据污染源分为3类:外部输入型、混合型(外部输入加本地堆积型)和本地堆积型。15个个例中有7个的重污染天气个例是由于前期有弱冷空气扩散南下,携带污染物从华北、长三角到本地。混合型为前期48-72 h有污染物的输送,配合稳定的天气形势,污染物在近24 h内堆积,形成的污染天气。本地污染型3个个例造成污染的主要原因并不是适宜的天气形势,而是人为活动造成的。     

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).