共查询到20条相似文献，搜索用时 31 毫秒
1.
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
2.
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
3.
利用2015年1月至2017年12月中国环境监测总站全国城市空气质量实时发布平台中公布的克拉玛依5个监测点数据和同时期克拉玛依国家基本气象站的观测数据,分别研究了克拉玛依市4个行政区的PM2.5浓度的时空变化特征以及气象条件对克拉玛依PM2.5浓度变化的影响。结果表明：从月份上看,克拉玛依每年的1月、2月、12月PM2.5浓度最高,3月、11月PM2.5浓度较高,其中,独山子每年2月的PM2.5浓度均最高,2016年2月独山子PM2.5平均浓度最高,达到134 μg·m-3,超过国家一级标准值的2.8倍,属于中度污染,从季节上看,克拉玛依四季PM2.5浓度变化呈现波峰波谷变化趋势,表现为冬季最高,春季次之,夏季、秋季各区变化不一的特点,采暖期的PM2.5浓度高于非采暖期的PM2.5浓度;克拉玛依PM2.5浓度在空间上的总体分布为：独山子区>白碱滩区>克拉玛依区>乌尔禾区;从风向、风速、气温、气压和相对湿度等气象要素与PM2.5浓度的相关性来看,气压、相对湿度与PM2.5浓度呈显著正相关,气温、风速、风向与PM2.5浓度呈负相关,其中气温、风向与PM2.5浓度呈显著负相关。 相似文献
4.
利用2021年11月16—20日青岛、平度、黄岛、胶州站的能见度等气象数据和邻近环境监测站PM2.5浓度及水溶性离子浓度等观测数据,分析了雾—霾过程中能见度的动态变化特征及其影响因素。结果表明：2021年11月16—20日青岛整个雾霾过程大致经历了轻雾→干霾→湿霾→干霾→湿霾→干霾→湿霾→轻雾的转换,地理位置差异导致内陆站点未经历轻雾阶段且霾阶段开始时间较沿海站提前8 h。雾、霾过程大气层结稳定且有一定的湿度条件,地面风速≤2 m·s-1,垂直运动速度0.0～0.5 Pa·s-1。偏东风携带的大量水汽、>80%的湿度层变化是干霾、湿霾转化的重要因素。能见度随PM2.5浓度、相对湿度的增加而逐渐下降,相对湿度增大时能见度与PM2.5浓度的相关性减小,湿霾较干霾阶段PM2.5浓度升高14.1%,能见度下降47.4%,霾转化为雾后能见度降低7.6%。在干霾阶段能见度的变化主要受PM2.5浓度的影响;在湿霾阶段能见度受PM2.... 相似文献
5.
本文利用2017年彭州市大气污染物(SO2、NO2、O3、CO、PM10、PM2.5)小时浓度数据并结合地面气象观测资料,统计分析了该地区大气污染物浓度的演变规律及影响因素。结果表明:该地区细粒子(PM10和PM2.5)污染较为严重,O3次之,其它污染物浓度水平则低于国家新二级标准限值。观测期间,各污染物浓度表现出明显的日变化与季节变化,其中SO2、O3呈单峰型日变化,NO2、CO和细粒子则呈双峰型日变化;污染物浓度的季节变化基本表现为冬高夏低、春秋次之的变化特征(O3为夏高冬低),并且固态污染物(PM10、PM2.5)与气态污染物(NO2、CO)之间有显著的相关性。在污染物浓度与气象要素相关性分析中表明,湿度对于污染物浓度的影响整体上要弱于温度和风速,除了O3与温度、风速呈正相关外,其它污染物与两者均呈负相关。除此以外,风向对于当地各种大气污染物的积累与清除也有直接的影响。 相似文献
6.
基于上海地区2012—2016年逐日PM2.5、PM10、CO、O3、SO2、NO2的分指数（individual air quality index,IAQI）数据以及同期气象要素（风速、降水量、气温、相对湿度、总云量、低云量）、逆温数据和高空大气环流数据,分析了上海地区空气质量指数的时间变化特征和气候要素对空气质量的影响,并选取PM2.5和O3污染天气过程及其邻近的非污染天气过程,对比分析高空大气环流形势的差异。结果表明：上海地区出现PM2.5、PM10和NO2污染天气在冬季最多,分别为31.4 d、10.0 d和14.8 d,而O3污染天气在夏季最多（18.8 d）。风速和低云量是影响PM2.5污染的重要气象因素,最大相关系数分别为-0.313和-0.261,O3污染则与气温和日照时数密切相关,最大相关系数分别为0.449和0.363,PM2.5、O3污染的发生也与前一日以及当日出现逆等温天气存在较好的相关性。在PM2.5污染天气过程,上海位于槽后高压前部,850 hPa有较强西北风,而非PM2.5污染天气过程中上海位于高压后部,低层850 hPa为东南风。在O3污染天气和非污染天气过程,中国东部长波射出辐射（Outgoing Longwave Radiation,OLR）分别为正、负距平,副热带高压控制下上海晴热少云,易引起O3污染,反之上海上空云系多,不容易出现污染。 相似文献
7.
利用2014—2017年汕头市PM2.5的日浓度资料、以及汕头市国家基准气象观测站的同期地面气象资料,重点分析了汕头市PM2.5浓度的变化特征以及风、混合层厚度、降水等气象条件对PM2.5浓度的影响,同时探讨了污染物浓度变化的成因。在此基础上,根据汕头市的气候特点,采用BP （Back-Propagation）人工神经网络方法针对汛期和非汛期分别建立了PM2.5质量浓度预报模型。结果表明：与多数内陆城市不同,汕头市PM2.5浓度日变化为单峰型,这与汕头地处沿海受海陆风影响有关;PM2.5浓度日峰值出现在08时左右,除早高峰污染物排放增加的因素外,与早晨时段的低风速环境有关;PM2.5日均浓度随着风速的增大呈现减小趋势,PM2.5日均浓度与08时混合层厚度显著相关（相关系数为-0.143）;汕头市非汛期PM2.5浓度比汛期高,这与汕头市的亚热带季风气候特征有关,汛期各量级降水（暴雨以上除外）对PM2.5的清除效果无明显差别,而非汛期降水对PM2.5浓度有明显清除作用;BP人工神经网络模型的预报效果表明,汛期和非汛期的PM2.5级别命中率TS分别为100%和90.3%,准确指数分别为87.7%和89.9%,总体预报效果良好。不同时期预报模型出现正误差的数量和程度均大于负误差,汛期预报模型在有强降水发生时误差较大,而非汛期预报模型在有冷空气入侵时误差较大。 相似文献
8.
利用2016年12月至2017年5月海南省3个地级市（三沙市永兴岛、三亚、海口）监测的PM2.5、PM10数据,对比分析其污染特征。结果表明：相较于海口、三亚,永兴岛空气质量最好,细粒子污染程度最轻且PM2.5、PM10质量浓度日变化最平稳,其主要原因是人类生产活动对空气质量的影响不大。进一步通过分析3个站点的PM2.5质量浓度与近地面气象要素（相对湿度、月总降水量、能见度）发现,永兴岛PM2.5质量浓度与能见度整体呈负相关,永兴岛在不同风速、风向上的PM2.5质量浓度最小,三亚次之,海口最大。永兴岛PM2.5的大值区主要出现在东北风向上,其他方向上的气流则相对比较清洁,且在静风或者微风条件下,永兴岛的初始PM2.5质量浓度比较低。通过每天逐6 h的72 h后向轨迹分析发现,冬季、夏季风影响期间,永兴岛分别受来源于西太平洋、南海的海洋性气流影响,这与永兴岛的空气质量有直接关系。 相似文献
9.
利用2013~2017年贵阳市10个国控空气质量监测站点PM2.5逐时监测数据,分析了贵阳市大气污染物污染水平及其时空分布特征。结果表明:(1)贵阳市PM2.5年均浓度为36.14 ug·m-3,基本处于国家空气质量二级标准范围内,污染程度较轻;(2)贵阳市PM2.5浓度冬季浓度为一年中最高,最高值出现在12月,夏季浓度最低,最小值出现在7月;(3)气象要素对PM2.5浓度的影响是显著的,尤其是在分季节的情况下,气象要素对PM2.5的影响差异较大。PM2.5浓度与太阳辐射、日照时数、气压呈显著正相关,与降水、相对湿度、风速、气温呈显著负相关。太阳辐射夏季对PM2.5影响最大,日照时数春季对PM2.5的影响最大,气温在夏、秋季与PM2.5浓度呈显著负相关。春季降水对PM2.5的相关性更为显著,风速对夏、冬季与PM2.5浓度具有显著负相关性。 相似文献
10.
选用太原市近地面O3、PM2.5、气象要素、天气形势、NCEP再分析资料、颗粒物激光雷达等资料,结合后向轨迹模式,对2019年8月19—20日太原市一次典型O3和PM2.5污染天气过程特征及成因进行分析。结果表明：此次污染过程O3浓度早于PM2.5浓度达到峰值,19日O3浓度较大且持续时间长,20日PM2.5浓度增大,但O3浓度明显减小。河套倒槽前小风、高温的稳定层结为19日O3和PM2.5的积累提供了有利条件,边界层高度降低和偏东气流输送导致19日日落后O3和PM2.5浓度增大,其后倒槽过境时的地面上升运动、边界层发展使近地面O3和PM2.5污染得到一定缓解,20日冷锋过境后的边界层高度降低及高湿环境为PM2.5在近地层迅速积累提供了有利... 相似文献
11.
2009年秋冬季天津低能见度天气下气溶胶污染特征 总被引：8，自引：0，他引：8
为研究天津城区秋、冬季雾霾等低能见度天气下气溶胶污染特征,采用2009年10—12月的大气能见度及相关气象和环境监测数据,并结合一次典型雾霾事件分析PM10和PM2.5质量浓度演化过程及其垂直分布特征。结果表明,低能见度天气占秋、冬季观测时长的一半以上,其中以霾天气为主;典型低能见度过程分析显示,霾日近地层内PM2.5分布均匀,表现出显著的区域污染特征;雾日气溶胶质量浓度先升高后下降,系气溶胶粒子吸湿性增长与导致可溶性组份溶出的湿清除协同作用,低层PM2.5质量浓度显著高于较高层,其垂直分布差异与相对湿度的垂直变化和逆温层高度有关。 相似文献
12.
利用2014—2017年哈尔滨市常规气象资料、大气污染物浓度监测资料、气象再分析资料(ECMWF和NCEP),对比分析哈尔滨地区供暖前和供暖期PM2.5、PM10、CO、SO2和NO2这5种主要大气污染物的时间序列和日变化特征,并结合气象资料分析污染成因。结果表明：供暖期,5种主要大气污染物浓度明显升高,且维持在较高水平。从日平均浓度变化看,SO2浓度受供暖影响最大。PM2.5、PM10、CO和NO2在11月上旬均出现峰值或较大值,PM2.5与PM10变化趋势一致,同源性较高。从日变化时次分布来看,PM2.5、PM10、NO2、SO2、CO均呈双峰分布,各大气污染物变化规律不完全一致。供暖期燃煤释放的大气污染物与不利于污染扩散的天气条件共同导致哈尔滨地区空气污染加重,在秸秆焚烧和供暖... 相似文献
13.
利用2013-2019年银川市主要污染物浓度数据,分析了近年来银川市主要污染物浓度变化特征,并运用主成分分析法对主要污染物之间的关系进行研究。结果表明：近年来银川市主要污染物浓度除O3逐年呈上升趋势外,其他均呈下降趋势;市区站O3浓度较郊区背景站低,其他污染物市区较郊区背景站高;市区站PM10和PM2.5浓度超国家二级标准;除O3浓度夏季高,冬季低外,其他污染物冬季高,夏季低;CO、NO2、PM10、PM2.5浓度呈"双峰型"日变化特征,O3和SO2呈"单峰型"日变化特征。银川市主要污染物NO2浓度与CO和O3相关性显著,PM10和PM2.5之间相关性显著;污染物第一主成分是NO2、CO和O3,方差贡献率达到50%以上,加之银川市O3浓度逐年呈升高趋势,表明近年来银川市大气光化学污染增加。 相似文献
14.
利用德阳2014—2021年气象观测数据和大气颗粒污染物数据,分析了PM2.5和PM10浓度变化特征及其与气象要素相关性,并以2017年1月25—28日PM2.5污染过程为案例,开展了污染过程的气象条件和后向轨迹分析。结果表明：(1)2014—2021年德阳PM2.5和PM10浓度呈下降趋势,二者浓度的日最大值、最小值分别出现在11时、17时,月均浓度都表现出“夏低冬高”的特征。(2)德阳四季PM2.5和PM10日均浓度均与降水量及地面风速呈显著负相关关系,而与相对湿度、气温、气压的相关性则存在季节差异。(3)地面均压场、气压梯度小、风力微弱的静稳天气条件以及上游污染物的输入是导致此次重污染形成和加重的主要因素。 相似文献
15.
银川大气污染物浓度变化特征及其与气象条件的关系 总被引：1，自引：0，他引：1
利用2013年银川地区6个监测点污染物质量浓度和同期气象要素数据,对区域内污染物浓度变化特征及其与气象条件的关系进行分析。结果表明：银川市区PM10年均值超标0.7倍,PM2.5年均值超标0.4倍,SO2和NO2也有一定程度超标,CO和O3未超标|1、2、11月和12月为SO2、NO2、PM10、PM2.5、CO质量浓度较高月,O3浓度最高月为5月,次高月为10月|9:00-12:00和21:00-00:00是SO2、NO2、PM10、PM2.5和CO质量浓度较高的两个时段,O3浓度一般于15:00达到最大;6类污染物普遍表现出季节性的准7 d周期和全年性的准30 d周期|空气质量状况良的频率是56 %,轻度污染26 %,优仅为12%;首要污染物以PM10、PM2.5和SO2为主|风速与SO2、NO2和CO具有良好的负相关关系,与O3则呈显著正相关关系,风速对PM10和PM2.5影响较复杂,当风速小于某一值时,有利于PM10和PM2.5扩散,当风速达到一定程度后,又会导致PM10和PM2.5浓度的增加|降水对污染物有较好的冲刷作用,且对SO2的清除作用最明显,对O3的清洁作用最弱。 相似文献
16.
选用2003—2004年初PM2.5连续观测资料，统计分析了北京地区PM2.5的特征、PM2.5与PM10以及PM2.5与地面气象要素的相互关系。结果表明:四季中夏季PM2.5浓度最低，冬、春两季浓度较高。PM2.5与PM10比值平均为0.55，非采暖期两者比值为0.52，采暖期两者比值为0.62；夏季该比值主要分布在0.3~0.6之间，春、秋两季该比值分布在0.3~0.8之间，冬季采暖期该比值分布在0.4~0.9之间。PM2.5与PM10比值日变化与气象条件日变化、人们日常生活习惯密切相关，沙尘天气和交通运输高峰期扬起地面粗颗粒物会导致PM2.5在PM10中的比例下降，而冬季取暖以及夏季光化学反应则会引起PM2.5的比例升高。PM2.5的浓度与地面气象要素中本站气压、相对湿度和风速有很好的的相关性，与气温的相关性较差。SO42-，NO3-和NH4+为北京地区PM2.5中主要离子。PMF源解析方法确定了北京地区5类细粒子污染源，分别是:土壤尘、煤燃烧、交通运输、海洋气溶胶以及钢铁工业。 相似文献
17.
利用西安市2016—2021年逐小时PM2.5浓度监测数据和气象观测数据,基于极端梯度提升机器学习算法模型(extreme Gradient Boosting, XGBoost),选择气象因子和时间因子作为特征变量,对西安市逐小时PM2.5浓度进行预报试验。结果表明：西安市PM2.5浓度与平均气温和能见度显著负相关,冬季PM2.5浓度与相对湿度和露点温度显著正相关,偏东风更易诱发重污染天气。西安市12月底至翌年1月初空气污染频发,但PM2.5浓度总体逐年降低。冬季PM2.5浓度的双峰形日变化最明显,最高值分别出现在凌晨和11时。西安市PM2.5浓度变化存在“周末效应”。模型能够较为真实地反映PM2.5浓度量级和演变趋势的变化,预报值与实况值之间的决定系数为0.77、平均绝对误差为12.79μg·m-3、均方根误差为18.68μg·m-3。模型秋冬季表现较为稳定,预报效果... 相似文献
18.
利用2016—2018年常州市区环境空气细颗粒物数据,结合同期地面气象资料,分析了常州市区PM2.5以及气象因素的变化特征,并统计分析气象因素对PM2.5浓度的影响。结果表明：常州市区PM2.5、降水量、相对湿度和气温等具有明显季节性,呈夏季较高冬季较低,而气压夏季较低冬季较高的特征。相对湿度与PM2.5呈正相关,即随着相对湿度的增加PM2.5超标率和平均浓度均增加;降水对PM2.5具有一定的清除作用,清除率与降水前PM2.5浓度、降水量、降水强度有关,降水量、降水强度越大,则降水清除效果越好,而降水前PM2.5浓度较小,则清除率不明显;常州市区偏西风时PM2.5的超标率和平均浓度较其他风向较高;风速对常州市区PM2.5的影响呈负相关,即风速越大PM2.5超标率和平均浓度均减小;常州市区地面天气形势可以分为两种类型,第一种类型表现为气压较低气温较高,PM2.5超标率以及平均浓度相对较低,而第二种类型表现为气压较高气温较低,PM2.5超标率以及平均浓度相对较高。 相似文献
19.
基于经验公式分析了天津市2013-2017年大气自净能力,以及PM2.5和PM10质量浓度的时空分布特征,并探讨了大气自净能力与大气颗粒物PM2.5质量浓度的关系,以期更好的理解大气环境对污染物浓度变化的影响。结果表明：时间变化上,天津市大气自净能力在午后13-14时最大,夜间最低,一年之中在采暖季（10月至翌年3月）要小于非采暖季,与之相反,天津市PM2.5和PM10质量浓度在采暖季均高于非采暖季。2017年相对于2013年,大气自净能力增加了5%,而PM2.5质量浓度下降了34%,PM10质量浓度则减少了47%。空间分布上,大气自净能力各季节均表现为沿海高于内陆,城区低于郊区的分布,天津市的PM2.5和PM10质量浓度的高值也主要集中在中南部地区,尤其是城区。大气自净能力与颗粒物浓度的分布在空间分布上有着一定的对应关系。分析表明,天津市大气自净能力日均值与PM2.5质量浓度日均值呈负相关,两者的相关系数为-0.34,在采暖季,相关系数有所提高。通过大气自净能力与PM2.5质量浓度变化的分析可知,重污染事件大多数发生在低大气自净能力时。 相似文献
20.
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