共查询到17条相似文献，搜索用时 125 毫秒
1.
PM2.5和O3已经成为汾渭平原城市最主要的污染物,两者之间相互影响,在暖季经常同时出现构成污染,其污染程度与气象条件密切相关。利用2015—2021年汾渭平原12个城市逐日PM2.5和O3浓度、地面气象观测数据以及ERA5高空再分析数据等资料,分析了汾渭平原PM2.5和O3的时空变化特征以及复合污染发生时PM2.5和O3的关系,并研究了局地气象条件和天气形势对复合污染的影响。结果显示,该地区年均PM2.5和日最大8小时O3浓度分别在2017年和2018年开始持续下降,复合污染日数也在2019年后开始持续下降;复合污染主要发生在3—9月,在汾渭平原东部城市出现次数较多,多出现在高温、低湿的环境下;最后利用T-PCA算法(正交主成分分析)将复合污染的天气环流形势分为4种类型,主要呈现出以高空西北气流或偏西气流、低层为暖区偏南风或微风为主的天气特征。研究结果对汾渭平原的大气... 相似文献
2.
利用2019年1—6月地面环境监测资料和PM2.5气象条件评估指数，结合滚动偏差订正方法，对汾渭平原CUACE空气质量预报产品进行了检验订正，并对气象条件和污染减排影响进行了评估。结果表明：CUACE模式对空气质量指数(AQI)、PM2.5和SO2浓度预报值较接近观测值，PM10、CO和NO2预报值小于观测值，O3预报值大于观测值；对首要污染物O3和PM2.5及重度和严重等级污染的预报的TS评分最高，漏报率和空报率最小，预报偏差最接近1；滚动偏差订正方法对改善CUACE空气质量预报效果较为明显，尤其是对PM10、O3和NO2改善最为明显；汾渭平原2019年上半年气象条件变化使PM2.5浓度较2018年同期和过去5年同期分别上升了18.26%和11.18%，减排措施使PM2.5浓度较2018年同期和过去5年... 相似文献
3.
汾渭平原因其封闭的地形条件以及煤炭为主的能源结构,大气污染问题一直存在,并于2018年被列入大气污染防控的重点区域。文章利用2015年以来PM10、PM2.5、SO2、NO2、CO、O3质量浓度的观测数据和空气质量指数（Air Quality Index,简称AQI）,分析了汾渭平原AQI及大气污染物质量浓度的时空分布特征;使用多元线性回归模型研究了气象条件对冬季PM2.5和夏季O3浓度日最大8 h滑动平均值（MDA8_O3）日变化和年际变化的影响。研究发现,汾渭平原的空气质量在2015～2017年间逐年变差,在2018～2019年有所好转,污染较重的城市为西安、渭南、咸阳、临汾、运城、三门峡、洛阳,集中在汾河平原与渭河平原交界处。汾渭平原的首要大气污染物多为PM2.5、PM10或O3,三者占比之和约90%。重污染时期主要集中在天气条件不利及污染物排放量大的冬季供暖期,但夏季O3浓度的升高趋势使得汾渭平原夏季污染情况越来越严重。影响汾渭平原冬季PM2.5浓度和夏季MDA8_O3日变化最主要的气象要素都是2 m高度气温（简称T2M）,相对贡献分别是45.5%、35.3%,都表现为正相关;第二主要的气象要素都是2 m相对湿度（简称RH2M）,相对贡献分别是41.5%（正相关）、25.4%（负相关）。影响汾渭平原冬季PM2.5浓度年际变化最主要的2个气象要素是T2M和RH2M,其相对贡献分别为43.6%、31.9%,且都呈正相关,2015～2019年汾渭平原冬季气象条件的变化会导致PM2.5浓度上升,部分削弱了人为减排导致的下降趋势（?8.3 μg m?3 a?1）。影响汾渭平原夏季MDA8_O3年际变化最主要的2个气象要素是T2M（正相关）和850 hPa风速（WS850,负相关）,其相对贡献分别为71.7%、16.3%。2015～2019年汾渭平原夏季气象条件的变化导致O3污染呈上升趋势（1.2 μg m?3 a?1）,但O3污染的总上升趋势（8.7 μg m?3 a?1）中,人为排放变化的贡献更大（7.5 μg m?3 a?1）。本研究表明,汾渭平原大气污染形势严峻,其颗粒物污染问题尚未解决,还面临着新的臭氧污染的挑战,汾渭平原内的11个地级市分属陕西、山西、河南三省管辖,三省交界处又是重污染区域,所以需要三省联合防治防控,协同改善汾渭平原的空气质量。 相似文献
4.
利用MODIS和CALIPSO卫星资料、地面空气质量监测资料和地面气象要素资料,分析了汾渭平原2018年11月26日—12月3日持续性的重空气污染过程的形成、特征及污染物的可能来源。结果表明:此次污染过程中汾渭平原以中度以上污染为主,首要污染物为PM2.5和PM10;11个代表城市在11月20日—12月7日期间AQI连续超过100的天数除吕梁外均达到或超过10 d,西安、咸阳和渭南污染持续天数和严重污染天数均最多;污染发生时,地面至3 km以内的AOD与总AOD柱的比值为81%,沙漠沙尘和污染沙尘气溶胶出现频率最高,分别为60.18%和25.72%;26日12时BT左右沙尘自西向东传输,受秦岭的阻挡作用,同时低层以偏东风或者静风为主,大气静稳,无明显冷空气活动和降水产生,静稳和高湿的天气持续以及偏东风的阻挡和传输使得该次过程以沙尘和霾混合为主。 相似文献
5.
利用MODIS资料监测京津冀地区近地面PM2.5方法研究 总被引：7，自引：0，他引：7
为建立京津冀地区冬季近地面细颗粒物浓度监测方法模型,利用气象模式资料对2013年1-3月MODIS的AOD二级深蓝算法产品进行湿度和垂直订正,与同期观测的地面细颗粒物PM2.5资料进行相关分析。结果表明：AQUA的MODIS深蓝算法AOD产品更适用于建立冬季AOD-PM2.5遥感监测模型,其R2为0.33;以气象模式资料中边界层高度代替气溶胶标高对MODIS的AOD进行垂直订正,并结合IMPROVE观测的气溶胶吸湿增长特征构建分区湿度订正方法,可以提高AOD-PM2.5模型结果的精度,建立较为理想的京津冀地区冬季遥感反演综合模型,模型结果与地面监测结果R2达0.5以上。根据建立的模型计算了2013年1-3月的京津冀地区PM2.5月平均浓度,京津冀地区1月的PM2.5浓度较高,南部大部分地区空气质量已经达到重度污染水平。 相似文献
6.
华北及周边地区PM2.5造成的污染, 近十年来引起了社会的广泛关注, 也是科学研究的重要领域。利用2003—2014年的卫星遥感MODIS AOD数据和2014—2015年的地面观测PM2.5浓度数据, 采用聚类分析、混合效应模型、EOF分解等统计分析方法, 反演了2003—2014年华北及周边地区PM2.5浓度, 分析其时空分布特征。主要结论如下:(1)卫星遥感MODIS AOD与地面观测PM2.5值有较高的相关系数, 可利用MODIS卫星遥感AOD对地面观测的PM2.5浓度进行反演; (2)华北地区PM2.5浓度呈现出明显的空间分布特征:太行山脉是污染强弱明确的分界线, 山脉东南部的污染显著高于西部, 且在地势变化的地方出现明显的突变; 河北南部、河南北部和山东西北部分区域是污染最严重的地区; (3)2004年、2009年以及2013年后都是污染浓度比较低的年份。 相似文献
7.
通过分析北京城区2007年夏季和秋季、2008年冬季和春季4个季节PM1中硫酸盐、硝酸盐、铵盐、有机物和黑碳等气溶胶化学组成,结合对我国及全球主要区域PM10中上述气溶胶组分及矿物气溶胶组成的评估,发现因受干旱区产生的沙尘和城市逸散性粉尘的共同影响,整个亚洲大陆,尤其是我国的矿物气溶胶浓度与欧美国家城市区域气溶胶总和的平均值相当或更高。我国在重视控制PM2.5等细粒子污染的同时,不应忽视对PM2.5~PM10之间粗粒子的控制力度;北京城区春、夏、秋、冬的PM1平均质量浓度分别约为94,74,66 μg·m-3和91 μg·m-3,全年平均约为81 μg·m-3,其中有机物气溶胶约占41%,硫酸盐占16%,硝酸盐占13%,铵盐占8%,黑碳和氯化物分别占11%和3%,细矿物气溶胶约贡献7%。对于PM2.5污染的控制,关键是消减PM1中主要气溶胶粒子的排放与转化,其中对有机物的控制更为重要,尽管对于北京而言进一步污染控制的难度已经很大。从科学上来说,即使我国的控制措施能百分之百实现,也很难稳定地达到欧美国家的空气质量水平,因为我国本底矿物气溶胶的浓度较高。应进一步评估各项控制措施的适用性,并制定考虑我国人群健康状况的PM2.5空气质量标准。 相似文献
8.
“一带一路”建设让古代丝绸之路的起点——西安成为世界焦点，西安的空气质量也是政府和公众关注的焦点。以2017年5月我国北方的一次强沙尘过程为例，首次利用中国科学院大气物理研究所气溶胶和大气化学模式系统IAP-AACM（Aerosol and Atmospheric Chemistry Model of the Institute of Atmospheric Physics）模拟关中地区细颗粒物（PM2.5）的时空分布，并结合地面逐小时PM2.5观测数据对沙尘气溶胶和PM2.5模拟的关系进行深入探究。结果表明:加入沙尘组分对模拟关中地区PM2.5时空变化特征作用显著，相关性可提升0.4～0.6，并且可以很好地再现强沙尘时段PM2.5浓度骤增的过程；在强沙尘时段和一般时段，沙尘组分对PM2.5的贡献分别为60%～80%和10%～30%；0.11°×0.11°高分辨率模拟有助于提升模式捕捉污染物时空变化的能力。 相似文献
9.
2013年1—3月北京及周边地区雾、霾高发,气候特征异于常年。利用2013年1—3月北京及周边地区6个地面观测站观测资料,研究PM2.5和黑碳 (BC) 的质量浓度、区域分布特征及气象要素的影响情况。结果表明:北京及周边地区PM2.5污染呈区域性高值、污染局地积累以及由南向北输送的特征。北京上甸子站在雾、霾与清洁期间BC与PM2.5质量浓度的比值分别为7.1%和10.3%,雾、霾期间低于清洁期间;而河北固城站在雾、霾与清洁期间BC与PM2.5质量浓度的比值分别为17.5%和11.9%,雾、霾期间明显高于清洁期间。二者相反的比值特征反映在清洁的下游地区雾、霾过程中二次生成的气溶胶所占比例较污染的上游地区偏高。 相似文献
10.
对FY-4A卫星的气溶胶光学厚度（AOD）产品进行检验,并根据卫星相关观测资料,通过改进后的PMRS方法,反演得到中国近地面PM2.5质量浓度网格化分布。结果表明,FY-4A卫星反演不同站点AOD与地基观测网（AERONET）观测结果吻合较好,但存在一定的低估或高估现象,相关系数区间为0.54—0.87。将细粒子比（FMF）以0.4为界进行划分,FMF＞0.4时,拟合结果较FMF≤0.4时更接近于AERONET观测结果;但FMF≤0.4时,卫星反演的AOD稳定性优于FMF＞0.4时。通过引入AOD的大小,改进FMF＞0.4时对细粒子柱状体积消光比（VEf）的估算算法,并通过改进后的PMRS方法对中国近地面PM2.5浓度进行逐时反演,其反演结果和地面观测结果相关较好,其中,乌鲁木齐、石家庄和徐州观测点的相关系数均高于0.7,但数值上仍存在高估或低估,误差结果由多种因素决定。空间分布中,卫星反演的中国2019年近地面PM2.5浓度月均值与近地面观测的结果有较好的对应关系,二者逐月演变趋势基本一致,基本可以反映出中国近地面大气细粒子的空间分布,特别是秋、冬季京津冀周边区域、汾渭平原等污染高值区均与地面观测对应较好。 相似文献
11.
利用空气质量历史监测数据、地面气象要素及激光雷达探测资料,综合分析了2019年1月10—15日长春市一次霾污染过程,探讨了污染过程中污染物和气象要素的变化特征与影响机制。结果表明：此次霾污染过程中12—13日污染最重,PM2.5和PM10质量浓度均超过150 μg·m-3,气溶胶消光最强,超过70%的PM2.5/PM10比值大于0.7,指出了细粒子对重污染事件的贡献;重污染期间近地面风速偏小、相对湿度增加、变压较小,同时低空风出现明显的风向转变,弱下沉运动与逆温以及较低的边界层共同削弱了大气的水平和垂直扩散能力,有利于污染物累积,导致霾污染。500 hPa天气形势表明长春市位于槽前脊后,850 hPa高度场为弱西风,相对湿度大;海平面气压场存在低压气旋及弱西南气流,该气流有利于将污染物输送至长春市,造成霾污染加剧;1月14—15日高空槽加深东移,850 hPa西北气流增强,近地面气压梯度力变大,污染物得到扩散,霾污染逐渐结束。 相似文献
12.
2017年12月22日至2018年1月18日利用无人机携带温、湿和颗粒物浓度探测仪对南京地区灰霾污染条件下大气边界层垂直结构开展加密观测。通过比较不同灰霾污染条件下温度、湿度和PM2.5（直径小于2.5微米的颗粒物）浓度的垂直结构差异,结合地面热通量、2米空气温度、相对湿度、风速、风向及主要大气污染物（如臭氧和PM2.5）浓度,定量评估了气溶胶辐射效应对边界层和夹卷过程的影响。分析表明,灰霾或气溶胶削弱到达地表太阳辐射,减小地表感热通量,延迟边界层发展,增加近地层大气稳定度,降低边界层高度,并加重灰霾污染。灰霾污染物在混合层顶处累积,导致PM2.5浓度最大变化出现在边界层顶部而不是近地层。气溶胶辐射效应对夹卷特征及其特征参数有重要影响。灰霾浓度升高时,夹卷区厚度增加;无量纲化夹卷速度随对流理查逊数的变化不再符合负1次方幂函数关系,与大涡模拟结果一致。本研究进一步指出,为提高重霾污染条件下天气和空气质量数值预报水平,必须考虑气溶胶辐射效应对边界层和夹卷参数化的影响。 相似文献
13.
相比冬季大范围静稳条件下的污染堆积过程,秋季气象条件更加复杂和局地化,气象条件模拟不确定性给秋季气溶胶模拟带来了更大难度,且目前研究较少考虑气象-气溶胶因素在线模拟和联合同化。使用WRF/Chem模式和格点统计差值（GSI）三维变分同化系统,2015年10月进行了为期1个月的气象-气溶胶资料联合同化及模拟试验,并基于此讨论了气象-气溶胶资料联合同化对秋季PM2.5浓度模拟的影响。结果表明,WRF/Chem模式可以模拟出秋季污染天气过程,但对华北平原和中东部地区存在高估、西北部存在低估现象;同化地面PM2.5浓度观测资料可以改进对PM2.5浓度的模拟,上述两个地区的偏差均得到订正,6 h预报偏差均降低至6 μg/m3以内;重点针对华北地区的分析表明,秋季PM2.5污染过程与特殊气象条件（湿度升高、风场辐合、区域输送）密切相关,因此在地面PM2.5观测资料同化基础上增加常规气象资料同化,能进一步提高对华北平原气象-污染过程的表达,PM2.5浓度预报相关系数从0.86提高至0.89。气象-气溶胶联合资料同化能更加准确地模拟秋季气溶胶污染过程,为更好地开展污染成因和在气象预报框架下开展气象-气溶胶相互影响研究提供了基础。 相似文献
14.
为了解广州亚运会期间华南区域大气质量状况以及气象条件对区域本底浓度值的影响,2010年11月对鼎湖山站主要污染物NOx,SO2,O3,PM10和PM2.5进行了连续在线观测。利用MICAPS,NCEP FNL资料及后向轨迹模拟对观测时段大气污染物变化特征进行了分析。结果表明:观测时期鼎湖山区域NO2,SO2和O3平均体积分数分别为 (7.2±3.1)×10-9,(8.5±3.8)×10-9和 (28.7±9.8)×10-9。PM10和PM2.5的月平均质量浓度分别达到113 μg·m-3和81 μg·m-3,PM2.5超标日数达13 d (标准为世界卫生组织第1阶段值,日平均值为75 μg·m-3)。不同时段日变化分析表明,广州亚运会期间高值时段 (定义为PM2.5质量浓度超过世界卫生组织的IT.1标准的时段) NOx和O3平均体积分数为13.2×10-9和20.9×10-9,较2009年同期分别下降了41.3%和10.7%。不利气象要素影响和污染物区域传输作用是形成珠江三角洲区域大气本底 (鼎湖山地区) 细粒子污染偏高的主要原因。 相似文献
15.
利用沈阳大气成分监测站颗粒物监测仪 (Grimm 180) 连续测得的夏季 (2006年8月)、冬季 (2006年12月和2007年1月) 可吸入颗粒物的数浓度和质量浓度数据, 分析了沈阳市可吸入颗粒物浓度日变化、谱分布及污染特征, 在此基础上结合沈阳市常规气象资料, 分析了气象要素和颗粒物污染之间的关系。结果表明:沈阳市冬、夏季部分时段可吸入颗粒物浓度存在明显的日变化和日际变化; 谱分布较好地符合Junge分布; 沈阳冬季PM10超标日数占冬季观测总天数的77%, PM2.5超标日数 (按美国EPA日均标准) 占冬季观测总天数的87%, PM10平均数浓度为6668.7个/cm3, 平均质量浓度达252.8μg/m3, 分别是夏季的3.0和2.4倍; 冬、夏季PM2.5/PM10平均质量分数分别为0.647和0.603, PM2.5占可吸入颗粒物总数量的99%以上; 浓度变化在很大程度上受到各种气象要素的影响, 与温度、风速负相关, 与湿度正相关, 降雨、降雪过程使得颗粒物浓度明显降低, 近地层逆温和雾是颗粒物增多的一个重要因素。颗粒物污染对城市能见度影响较大。 相似文献
16.
近些年京津冀地区秋、冬季大气重污染事件频发,工业生产与居民燃煤是大气灰霾污染的重要原因。河北省沙河市是京津冀地区以玻璃制造和加工为主的典型工业城市,本研究选取该城市为研究对象,主要利用2017年1月至12月国控站点的大气环境监测和气象数据,采用扩散模型、潜在源分析等手段,分析了沙河市主要污染物的时空分布特征和污染来源。主要结论有:（1）沙河市首要污染物具有明显季节特征,春季、夏季、秋冬季分别以PM10、O3、PM2.5污染为主,季节贡献率分别为43.3%、72.3%、61.5%。（2）受城市大气边界层和排放的共同影响,PM10、PM2.5、SO2、NO2和CO浓度均有剧烈的季节—日变化特征。（3）冬季东北风时PM2.5、NO2、SO2均展现出高浓度和高相关性特征,表明站点可能受东北方向玻璃企业排放影响。同时,站点可能也受城中村散煤燃烧影响。（4）沙河市冬季PM2.5浓度为143 μg m-3。冬季的一次重污染中硫氧化率SOR、氮氧化率NOR的最高值分别达0.67、0.39,气态污染物的二次转化剧烈,高湿度利于二次粒子的生成。重污染中C(NO3-)/C(SO42-)均值为1.89,推测沙河市NO2主要来自大型运输车辆和企业的共同排放。（5）本地源是沙河市PM2.5的主要潜在源区,周边几个重工业城市也有一定贡献。因此本研究建议沙河市PM2.5的治理除需加强本地污染源的削减和控制外,区域联防联控也十分重要。 相似文献
17.
利用2014~2019年冬季ERA5再分析资料、成都市PM2.5和PM10逐日浓度数据以及污染物（二氧化硫、氮氧化物、烟粉尘）年排放量数据,通过分析四川盆地近6 a气溶胶污染物的时间变化特征以及PM2.5浓度与气象条件的相关性,探讨了气象条件对四川盆地气溶胶污染的影响。结果表明:近6 a四川盆地冬季气溶胶污染物浓度和严重、重度污染天数均呈波动下降趋势,污染物浓度年际变化与污染物年排放量存在一定差异。首要污染物以PM2.5为主,PM2.5浓度与青藏高原及其下游地区气象条件的关系密切,与对流层低层、中高层气象要素的相关性存在差异,其中与青藏高原及其以北和以东地区850~500 hPa气温呈显著正相关,尤其是与易出现逆温层的四川盆地850~750 hPa温度的相关性最强。当850 hPa东北风较弱且相对湿度偏高、700 hPa西风较强且湿度偏低、500 hPa高压偏强且西风偏弱时,PM2.5浓度偏高;反之亦然。 相似文献