共查询到19条相似文献，搜索用时 160 毫秒
1.
呼和浩特市空气污染浓度时空分布特征分析 总被引：4，自引：0，他引：4
文章利用 1995～ 2 0 0 2年呼和浩特市区空气污染物PM10 、TSP、NOx、NO2 、SO2 浓度的实际监测数据 ,统计分析了呼市地区空气污染物的时空分布特征。分析结果表明 :呼市市区主要以煤烟型污染为主 ,冬、春季比夏、秋季污染严重 ,采暖期比非采暖期污染严重 ;PM10 、NO2 、SO2 都有明显的年变化 ,SO2 的浓度值呈逐年减小趋势 ,PM10 、NO2 的浓度值在近几年是增加的 ;月变化呈单峰型 ( 1和 12月达最高值 ,7和 8月达最低值 ) ;日变化冬夏季为双峰型 ,8～ 10时出现主峰值 ,2 0～ 2 4时出现次峰值 ,春季PM10 为三峰型 ,17～ 18时为主峰值 ,1～ 3时和 8～ 11时为两个次峰值 ;大气颗粒物是呼市首要的污染物 ,居民区污染最为严重。 相似文献
2.
徐丽娜李忠胡亚男谷新波 《干旱气象》2021,39(1):112-118
利用2015—2019年呼和浩特市大气污染物质量浓度、气象要素观测及NCEP FNL 1°×1°再分析资料,分析近5 a冬季环境空气质量特征及与大气污染扩散紧密相关的气象要素和大气边界层特征,研究2019年冬季呼和浩特市大气污染频发的气象条件变化特征。结果表明:(1)呼和浩特市冬季较易出现污染天气,以PM 2.5污染为主,2019年冬季,大气污染呈现出污染物积聚难于扩散、污染长时间持续、污染天数和重污染占比均显著增高等特点。(2)2019年冬季呼和浩特市气象条件呈现出平均风速偏小、小风日数偏多、南风出现频率增多、相对湿度偏高、混合层高度偏低、通风系数较小、逆温日数较多等特征。 相似文献
3.
选用2002年太原地区6个环境监测站主要污染物逐时浓度监测资料和山西省观象台逐时的气象观测资料,系统的统计分析了太原地区主要污染物浓度的时空分布特征,其中包括SO2和可吸入颗粒物PM10平均浓度的逐月变化、采暖期和非采暖期平均浓度的逐时变化,以及主要污染物浓度与地面常规气象要素的相关性。揭示了各代表站主要污染物污染的年、日变化趋势、采暖期和非采暖期日变化的差异,并分析了春季大风天气时PM10与SO2污染浓度的变化特征。 相似文献
4.
采用气候倾向趋势法、皮尔逊相关系数法对2009—2017年聊城空气污染日数据和静稳天气的气候特征进行分析,探究聊城市空气质量状况和相关大气污染事件的发展规律。结果表明:聊城主要大气污染物中,PM10和PM2.5年平均质量浓度高于山东省平均水平和中国环境空气质量标准限值,颗粒物类污染物质量浓度明显偏高;主要污染物年平均质量浓度除PM10呈逐年小幅增加外,其他污染物质量浓度均呈下降趋势;聊城污染日数总体呈减少趋势,但是中到重度污染日数及占比有增加趋势,重度污染日数占比增加趋势最明显。2009—2011年除CO外,其他污染物作为首要污染物出现的日数明显增加;2012年之后只有PM2.5作为首要污染物出现的日数迅速增加;冬季污染最严重,夏季污染最轻;霾和雾月出现日数与月大气污染出现日数呈明显的正相关,静稳天气多发是大气污染严重的主要天气学原因。 相似文献
5.
Particulate matter trends and quantification of the spring sand-dust contribution in Hohhot,Inner Mongolia,from 2013 to 2017 
下载免费PDF全文
下载免费PDF全文 2013年9月国务院颁布了《大气污染防治行动计划》.研究其实施前后呼和浩特市大气污染物浓度变化及及原因;同时,分析了春季沙尘天气对于呼和浩特市大气环境颗粒物浓度的定量影响.结果表明:呼和浩特市大气环境质量持续改善,但大气污染物浓度仍然较高.PM2.5和PM10年均浓度分别超过国家二级标准22.9％和35.7％;2013-2017年春季PM2.5和PM10浓度降幅较大,沙尘天气对呼和浩特市PM2.5,PM10,和TSP浓度的绝对贡献范围分别在0.6-5.2μg m-3,9.0-16.9 μg m-3和 14.7-30.0 μg m-3. 相似文献
6.
7.
采暖期间区域气象条件与天津大气污染概率关系 总被引：1，自引：1，他引：0
利用2002～2005年11、12、1月冬季采暖期NCEP气象分析资料和同期日空气污染物监测资料,在开设的关键区、识别区内,分析区域污染气象特征,探讨区域气象条件对天津大气污染的影响.采暖期大气污染高发是与冬季的污染气候特征和气象条件密切相关的,区域污染环流特征、大气动力特征、热力条件对污染物的扩散、积累、输送有着重要的影响.当区域大气环流由北到西北气流向西到西南气流转换时,大气稳定度逐渐增加,区域大气扩散能力随之减弱,天津大气污染概率增大.另外,区域风速与天津污染的关系,在一定程度上反映了华北区域污染对天津污染的贡献. 相似文献
8.
通过分析山东省近6a来大气中污染物的浓度变化,发现影响山东省空气质量的主要污染物是颗粒物（PM2.5和PM10）,山东省PM2.5年平均浓度均超过国家规定的轻污染标准10%以上,PM10年平均浓度基本接近轻污染标准值,其余四种污染物（SO2、CO、O3和NO2）浓度均低于轻污染规定标准,因此山东省大气污染治理的重点是减少颗粒物。分析污染物浓度时间变化发现：11—1月山东大气污染最严重,6—9月污染较轻;济南周四污染相对最轻,周六到周一污染较重;每日15—17时是空气质量最好的时段。分析污染物浓度空间分布发现：O3浓度半岛地区较其他地区高;SO2浓度鲁中地区较高;CO浓度鲁西北和鲁中较高;NO2、PM10和PM2.5浓度分布基本一致,除半岛地区外,其他地区均维持较高污染物浓度。 相似文献
9.
针对四川盆地大气污染及其成因的特殊性,本文使用四川盆地18个城市的大气污染监测和气象观测数据以及NCEP1°×1再分析资料,对2017年12月19日～2018年1月3日四川盆地由当地过量排放和外来沙尘输送双重影响的区域性大气污染过程进行分析。结果表明：2017年12月19～28日四川盆地环流场配置不利大气污染物扩散,垂直温度层结稳定,在当地污染源持续排放下污染物浓度缓慢上升,此阶段为静稳型大气污染。之后29日冷空气过程打破前期不利污染物扩散的环流场及垂直温度层结,导致气态污染物下降明显,但伴随冷空气活动的外来沙尘使PM10浓度迅速增大,使四川盆地部分城市出现沙尘型重污染;特别是广元地区受沙尘直接影响最严重,PM10浓度是原来的4.5倍;成都市虽没有通过沙尘天气的表观判断,但对颗粒物离子浓度和化学组分都有显著影响;因此,当时PM10和CO浓度24h比值变化受沙尘输送和天气条件共同影响,在不同时段和地区都存在明显差异,初步揭示出由静稳型大气污染向沙尘型污染转换阶段的内在变化特征,具有重要科学价值。 相似文献
10.
通过对 2 0 0 0年 1月至 2 0 0 2年 1 2月北京市城市大气污染物SO2 ,PM1 0 ,NO2 的分析发现 :北京市主要污染物是SO2 和PM1 0 。SO2 污染月份主要发生在 1 1月至次年的 3月 ;PM1 03级以上的日数全年都有分布 ,但 4级和 5级的日数主要发生在春季和冬季 ;NO2 主要污染月份发生在 1 0月至次年的 3月 ;大多数污染物以 2 0 0 0年最为严重。对污染资料进行MHAT小波分析发现 ,北京市大气污染存在两个明显的周期波动 ,即 2 0～ 30天周期和准 5天周期 ,这说明北京市污染物浓度短期变化主要受到天气过程及大气低频振荡的影响 ,该文进一步计算了 2 0 0 0年污染资料与气象资料的相关关系发现 ,北京市污染物与日平均气温、日平均风速、每日 1 2 :0 0 (北京时 )温度梯度、相对湿度存在明显的相关关系 ,且不同的气象要素对不同的污染物浓度影响不同。 相似文献
11.
利用气象模式WRF和中科院大气所自主发展的大气气溶胶与大气化学模式IAP-AACM对2016年冬季内蒙古中部呼包鄂地区大气细颗粒物（PM2.5）的典型污染过程进行了模拟分析。结果表明,呼包鄂地区的空气质量变化主要受大范围天气形势影响。污染累积阶段,500 hPa高度上该区域受阻塞高压或弱高压脊前平直的偏西气流控制,地面为弱高压或均压场,风速较小,边界层高度低,污染物不易扩散,且气温和相对湿度较高,利于二次颗粒物生成;污染消散阶段,天气形势发生明显变化,550 hPa高度以下有强冷平流,地面易形成大风天气,利于污染物消散,伴随着冷空气的南下,下游地区的污染物也得到清除。呼包鄂区域PM2.5主要来源于本地排放,鄂尔多斯本地排放贡献大于60%,呼和浩特本地排放贡献大于80%,包头本地排放贡献达到90%,该区域空气质量的变化可以反映区域大气污染气象条件的变化。交叉相关分析发现,呼包鄂区域的PM2.5浓度与其下游的山西、河北、河南地区的PM2.5浓度具有高度的时间相关性,相位差在6～24小时。呼包鄂区域PM2.5污染的改善有赖于本地污染源的管控,该区域冬季空气质量变化可作为下游地区空气质量变化的前兆因子,有助于下游地区空气质量的预报预警。 相似文献
12.
2013年1月10-14日,北京平原地区出现了水平能见度在2 km以下、以PM2.5为首要污染物、空气质量持续5 d维持在重度以上污染水平的霾天气。综合分析此次霾天气过程的天气形势、北京地区常规和加密气象资料以及城郊连续观测的PM2.5浓度资料。结果表明：此霾过程期间,北京高空以平直纬向环流为主,受西北偏西气流控制,没有明显冷空气南下影响北京地区,地面多为不利于污染物扩散和稀释的弱气压场;大气层结稳定、风速小(日平均风速小于2 m·s-1)、相对湿度较大（日平均相对湿度在70 %以上）、逆温频率高强度大,边界层内污染物的水平和垂直扩散能力差;北京城区及南部的京津冀地区人类活动排放污染物强度大,在相对稳定和高湿的天气背景下,受地形和城市局地环流的影响,北京本地污染物累积和区域污染物输送以及PM2.5细粒子在高湿条件下的物理化学转化等过程共同作用造成此次北京城区及平原地区污染物浓度快速增长并持续偏高,高浓度PM2.5对大气消光有显著影响,造成低能见度和持续霾天气。 相似文献
13.
目前中国存在四个雾霾严重的地区,分别是京津冀地区、长江三角洲、珠江三角洲和川渝一带,而自贡市是四川雾霾最严重的区域,研究自贡雾霾高发原因十分必要。文章以2005～2016年自贡地面观测数据为基础,以2017年12月21日～2018年1月3日自贡持续性雾霾天气过程为例,借助空气质量数据、地面气象要素、高空观测数据,分析了地形、气象因素与环境污染之间的关系。结果表明:当自贡为偏东偏北气流时,污染物在风的输送作用下易在山前的平原地区汇聚,再加上四川盆地南部易形成气旋式流场使大气污染物难以远距离扩散输送并形成涡旋,自贡恰处于污染物滞留中心区,造成市区污染物累积浓度升高。自贡受到本身地理位置和自然气候特征的限制,气象条件先天不足,大气环境承载力低,大气自净能力不强,容易出现雾霾。 相似文献
14.
2019年1月铜仁市发生了中到重度污染过程,本文利用铜仁市城区逐时环境监测资料,高空及地面气象观测资料,分析了本次污染过程气象条件特征。结果表明,此次首要污染物为细颗粒物（PM2.5）。污染天气发生时,铜仁上空是高压脊或一致的西南气流,地面为冷高压或均压区控制,气压梯度小,风小;当转为高空槽前,地面有冷空气补充,气压梯度增大时,污染物浓度得到降低。同时风速和相对湿度大小跟污染物浓度也有一定关系,地面风速小,空气干燥时,污染物浓度增加;相反,风速增大达4m/s以上,空气相对湿度增大达90%以上,特别是明显的雨雪天气发生时,污染物浓度得到快速降低。另外,污染天气伴随有近地层逆温层持续影响,逆温层厚度越厚,且逆温强度越强,抑制了大气垂直方向的湍流交换,有利于污染物浓度累积增长。受梵净山地形阻挡作用,当近地层为弱偏东风影响时,污染物不能翻越梵净山向西扩散,会在山的东侧堆积,导致铜仁城区污染物在本地循环累积,污染浓度维持较大值。上述研究结果,可为铜仁市空气质量预报及污染防控提供新的参考依据。 相似文献
15.
利用丽水2012年9月—2014年3月主要空气污染物浓度和气象数据,分析丽水空气污染物构成及其与气象因子的相关性。分析结果表明:丽水空气质量优良率约80%,高频首要污染物依次为PM2.5、O38、PM10、NO2;各污染物浓度分布的时间、季节特征明显:早晚高峰时段污染物浓度普遍偏高,冬季—初春是一年中污染较重季节,尤其春节期间PM和SO2浓度急剧上升。各主要污染物质浓度随气象因子的变化各有特点:CO在气温较高、晴朗微风、高层层结稳定的天气条件下浓度较高;NO2在气温适中、湿度较大且无明显降水时浓度较高;SO2则在气温适中、湿度较小、晴朗微风的天气条件下浓度较高;O3则在高温干燥天气时浓度较高;PM在干燥、气温较低、连续晴朗、微风、高层层结稳定时浓度较高。 相似文献
16.
近年来,北京的大气环境问题日益受到关注。以2002年10月8—13日北京地区一次重污染过程为例,采用中国气象局的MICAPS系统和美国的HYSPLT模式,分别从污染过程产生的天气条件、污染物输送轨迹等方面分析研究此次空气污染的形成原因。结果表明：造成此次重污染过程的不利因素主要包括三个方面,一是较强的海平面高压、均压场控制导致北京地区垂直大气层结稳定,不利于污染物垂直扩散;二是北京地区三面环山,导致近地面为弱的偏南气流控制,不利于污染物水平扩散;三是近地面弱的偏南气流从江苏、山东、河北、天津等地携带了大量的污染物向北京地区输送。 相似文献
17.
18.
A Study of the Relationship between Air Pollutants and Inversion in the ABL over the City of Lanzhou
By analyzing the pollutant concentrations over the urban
area and over the rural area of the city of Lanzhou, Gansu Province, China,
the relationships between the daytime inversion intensity and the pollutant
concentration in the atmospheric boundary layer (ABL) are studied with the
consideration of wind speed and direction, potential temperature, specific
humidity profiles, pollutant concentration in the ABL, the surface
temperature, and global radiation on the ground. It was shown that the
daytime inversion is a key factor in controlling air pollution
concentration. A clear and positive feedback process between the daytime
inversion intensity and the air pollutants over the city was found through
the analysis of influences of climatic and environmental factors. The
mechanisms by which the terrain and air pollutants affect the formation of
the daytime inversion are discussed. The solar radiation as the essential
energy source to maintain the inversion is analyzed, as are various
out-forcing factors affecting the inversion and air pollutants. At last, a
physical frame of relationships of air pollution with daytime inversion and
the local and out-forcing factors over Lanzhou is built. 相似文献
19.
Lanzhou is a typical mountainous city with severe air pollution in northwestern China. This study uses hourly observational data of air pollutants at five air quality monitoring sites in Lanzhou from July to December 2015 to discuss data quality control and the representativeness of the monitoring sites(four urban sites and one suburban site). A fuzzy matrix is applied to study primary air pollutants. The results show that of the six routinely monitored pollutants,the primary pollutant is PM_10 during the study period. Based on lag correlation analysis and one-way analysis of variance, it is concluded that there are redundant observations at the four urban sites for the timely diffusion and transport of air pollutants from the same general area. The coefficient of divergence(COD) method is then used to evaluate the spatial distribution differences, and the primary air pollutant PM_10 shows differences at each site. COD can be used as a positive indicator to describe site representativeness. To evaluate the overall air pollution in the valley, correlation analysis is performed between the PM_10 concentration retrieved from aerosol optical depth satellite data and the concentration from the four urban monitoring sites. Among these, the correlation between the workers' hospital site data and the retrieval data is the highest, passing the 90% confidence level. A new representative evaluation model for air quality monitoring sites, R_s = 0.77 COD + 0.23R_(retrieval), is established by using COD and correlation coefficients between routine observations and satellite retrieval products. From this model, it can be concluded that the biological products institute site in Lanzhou is the most representative site for the evaluation of air pollution out of the four urban air quality monitoring sites from July to December 2015. 相似文献