共查询到20条相似文献，搜索用时 31 毫秒
1.
利用新乡市2015—2016年大气环境质量监测数据和同步常规气象观测数据,分析首要污染物质量浓度变化特征及其与气象因子的相关性,结果表明：PM10和PM25质量浓度冬高夏低,峰值出现在1月或12月,谷值出现在8月;而O3则是夏高冬低,峰值出现在6月,谷值出现在1月或12月。三种首要污染物质量浓度在大多数月份都与海平面气压呈负相关,与24小时变温（ΔT24）呈正相关;PM10和PM25质量浓度多数月份都与10 min风速呈负相关;PM25质量浓度大多数月份与相对湿度呈正相关,与24小时变压（ΔP24）呈负相关;PM10质量浓度与相对湿度在冬季呈正相关,夏季呈负相关,与ΔP24在春季呈正相关,在秋、冬季多呈负相关;而O3质量浓度在所有月份与温度、10 min风速都呈正相关,与相对湿度都呈负相关。 相似文献
2.
利用2017—2021年西安泾河站颗粒物监测数据和地面气象观测数据,统计分析了西安北郊PM10、PM25质量浓度的时间变化特征及其与气温、风向风速、降雨等气象要素的关系。结果表明：近5 a来西安北郊PM10、PM25质量浓度年均值分别为1175 μgm3、752 μgm3,PM10、PM25质量浓度整体呈逐年下降趋势;季节变化表现为夏季最低,冬季最高,春秋季次之;PM10、PM25质量浓度月变化分别呈现出1—8月下降而8—12月升高,1—7月下降而7—12月升高的“单谷型”结构;PM25质量浓度占PM10质量浓度的比例表现为冬季最高,春季最低,夏秋季较均匀,1月该比例最大为766%,5月最小为48%;PM10、PM25质量浓度日变化规律为上午和夜间高而下午低的双峰特征,整体表现为夜间浓度高于日间,但变化幅度小于日间;PM10、PM25质量浓度与气温呈负相关,当风速在45 m/s以下时与风速呈负相关,来自偏西北方向的污染物对颗粒物质量浓度影响较大;降雨量大时,颗粒物质量浓度相对较低,但降水对PM10、PM25的清除率均达不到100%。 相似文献
3.
文章选取2013年9月1日—11月31日呼和浩特市污染物浓度与气象要素资料,分析了PM2.5的浓度特征,并利用灰色关联度分析法,分别计算了PM2.5与其他污染物、各气象要素的综合关联度,取与PM2.5关联度较高的气象要素,根据PM2.5在其不同区间内的超标频率,得出4种易造成PM2.5污染的气象条件：1最大风速的风向为偏东方向;2最大风速〈6m·s^-1;3气温日较差小于6℃,相对湿度大于60%,日平均风速在2m·s^-1时以下;4气温日较差在12～15℃之间,日平均气温在0～10℃之间,日平均风速在5m·s^-1以下。 相似文献
4.
日照市区PM10污染物特征及其与气象要素的关系 总被引：18，自引：3，他引：18
对2002年1月1日～2002年12月31日日照市环境监测中心提供的PM10（可吸入颗粒物）日平均浓度资料和对应时段的日照市地面气象资料做了深入的分析，揭示了污染物PM10变化特征及其随气象要素的变化规律。同时分析了主要污染物PM10与地面风速、风向间的相关关系，发现日照市大于等于3级的PM10污染日均出现在1-4月，地面风速对污染物PM10浓度有一定影响，当地面风速超过5m／s时，3级及以上污染日很少出现，当地面风速超过6．5m／s时，随着风速的提高，污染物浓度呈下降趋势。污染物浓度呈明显的季节变化，冬、春季节明显高于夏、秋季节。 相似文献
5.
淮河流域秸秆焚烧关键期主要大气污染物浓度时空分布特征 总被引：2，自引：0，他引：2
基于2015年6月淮河流域卫星遥感监测火点信息、环境空气质量监测数据和常规气象观测资料,利用ANUSPLIN和ArcGISKriging方法对气象要素和主要大气污染物浓度空间栅格化,分析了秸秆焚烧关键期内AQI和主要污染物浓度的时空变化特征及其与气温、相对湿度、风速等气象要素的相关关系。结果表明:秸秆焚烧关键期内,淮河流域城市AQI、PM10与PM2.5浓度均明显升高,且与卫星监测火点具有一定时空响应关系。在时间变化上,AQI、PM10与PM2.5浓度6月上中旬呈波动上升,6月下旬趋于回落;在空间分布方面,AQI、PM10与PM2.5浓度三者分布形态相似,总体上呈现"南低北高、两高一低"分布特征;期间AQI、PM10与PM2.5浓度与气温呈显著正相关,与相对湿度呈显著负相关,与风速的相关性不显著。 相似文献
6.
利用2008-2017年大气颗粒物质量浓度资料和逐日地面气象观测资料,统计分析了丹东市大气颗粒物质量浓度时间变化特征及其与气象要素的关系。结果表明:2008-2017年丹东市大气颗粒物质量浓度年际变化具有一定的波动性,其中2015-2017年大气颗粒物污染状况持续改善明显;质量浓度月和季节变化特征明显,1月和12月最高、7月最低,冬季最高、夏季最低,非汛期显著高于汛期,供暖期显著高于非供暖期;非汛期大气颗粒物质量浓度超标日相较达标日,气温和能见度偏低,降水偏少,风速偏小;非汛期PM2.5、PM1质量浓度与相对湿度呈显著正相关,与风速呈显著负相关,汛期PM2.5、PM1质量浓度与风速呈显著负相关;PM2.5、PM1质量浓度春、秋、冬季与风速的负相关性最显著,冬季与相对湿度的正相关性也十分显著。 相似文献
7.
利用青藏高原东北部城市西宁2015—2017年O_3质量浓度和各气象要素数据(紫外辐射、最高气温等),分析近地面O_3变化特征及其影响因素,结果表明:该地区臭氧平均质量浓度呈现单峰型日变化规律。每年6—8月O_3质量浓度最大,12月至翌年2月最小。依据环境空气质量指数AQI统计分析,6—8月污染天气O_3占首要污染物总天数的72%。O_3与NO_2、CO呈极显著负相关,臭氧日最大1 h平均质量浓度与紫外辐射、日最高气温呈极显著正相关,与日平均气压、日最高气压、日最低气压呈极显著负相关,与日平均相对湿度相关性不显著。不同季节不同高度风速大小和风向频率对O_3质量浓度影响不同,500 h Pa盛行风向以WNW为主时有利于扩散。2017年青海省大部地区O_3月平均质量浓度总体呈先增加后减小变化趋势。纬度越低,海拔越高的地区,O_3质量浓度升高越早。降水量的差异对O_3质量浓度影响较小。 相似文献
8.
9.
10.
广州市空气污染的变化特征及预报 总被引：7，自引：5，他引：7
利用2002年11月-2004年9月广州市空气污染指数（API）和PM10、NO2、SO2等污染物逐日浓度资料，采用小波分析、相关分析等方法对广州市空气污染的变化特征及与同期地面气象要素的关系进行了分析。并采用最优子集回归方法分别建立冬、夏季API指数及污染物浓度的预报方程。结果表明。PM10是广州市的主要污染物。其次为NO2、SO2。除SO2外，广州市API指数、NO2、PM10等污染物浓度具有冬半年（11-4月）偏高，夏半年（5-10月）偏低的变化规律。API指数及各种污染物浓度均具有明显的年周期振荡及5-7天的准单周、10-20天准双周、30-60天左右的季节内振荡，且30-60天的季节内振荡在冬半年较强而在夏半年较弱。冬半年API指数和PM10、NO2、SO2浓度与气压、风速、降水呈稳定负相关，与温度、相对湿度等呈稳定的正相关，而夏半年主要与风速、降水具有较好且稳定的负相关。增加前一天的污染物浓度作为预报因子后，所建的最优子集回归方程比单选用气象因子要稳定。具有较强的预测能力。 相似文献
11.
12.
利用广州白云机场2005-2017年的大气能见度、相对湿度、风速、气温等要素的逐时观测资料,结合花都花东站2012-2017年PM2.5浓度的逐时观测数据,分析了近年来白云机场能见度的变化特征,探究了能见度与气象要素、大气污染物之间的关系。结果表明:2005-2017年白云机场能见度呈逐年增大趋势,低能见度出现次数总体呈减少趋势。2-4月是机场低能见度时期,7月能见度最大。能见度日变化显著,最低能见度通常出现在清晨,午后明显好转。白云机场能见度与相对湿度、PM2.5浓度呈负相关关系,与风速、气温成正相关关系,其中PM2.5浓度对能见度的影响最明显。当相对湿度小于80%时,能见度下降得较为缓慢;而当相对湿度超过80%时,能见度急剧降低。相对湿度越大,出现低能见度所需的PM2.5浓度值就越小。地面风速在0~4 m·s-1时,相对湿度越大,能见度随风速的增长趋势越显著。 相似文献
13.
郑州市大气能见度变化特征及与空气污染的关系 总被引：12，自引：4，他引：8
根据郑州市19802007年能见度及同期地面气象要素(风速、温度、气压和相对湿度)观测资料和2006年、2007年空气污染物(SO2、NO2、PM10)监测数据,分析了郑州市大气能见度的变化特征以及大气能见度与气象要素和空气污染之间的关系.分析表明,大气能见度呈逐年下降趋势.一年之中,能见度最小值出现在121月及78月,最大值出现在56月;一日之中,08时能见度最差,14时最好.能见度与温度、风速呈正相关,与气压、湿度呈负相关,与空气污染物质量呈负相关. 相似文献
14.
本文综合利用2015—2020年地面气象观测资料、欧洲中心ERA5再分析资料及大气环境监测数据，分析了汾渭平原东部运城市污染物浓度的变化特征以及与天气形势和气象要素的关系。结果表明：①2015—2020年期间运城市PM2.5、PM10、SO2、NO2、CO 5种污染物年平均浓度呈下降趋势，而O3浓度呈上升趋势；②冬季和夏季空气质量相对较差，首要污染物分别是PM2.5和O3，边界层高度的变化与近地层风向风速、污染物浓度的关系密切，冬季（夏季）PM2.5（O3）污染较重时边界层高度较低（较高），以东北风（东南风）为主，风速偏小（偏大）；③最后利用自组织映射神经网络（SOM）算法分别对冬夏925 hPa位势高度场进行天气分型并开展不同天气形势下污染物浓度与气象要素的变化对比研究，发现冬季污染时以静稳天气为主，低层弱东北风将污染物输送至运城市，而夏季O3污染较重时受热低压形势控制，利于O3前体物汇合，太阳辐射较强时O3浓度较高。 相似文献
15.
利用2017年1月1日—7月31日陕西省十地市空气质量资料和气象站地面观测资料,分析了2017年1—7月陕西省空气质量时间变化特征及影响大气环境质量的气象条件。结果表明：全省城市空气质量与2016年同期相比较差,1—3月全省首要污染物为颗粒物（PM25和PM10）,5—7月为臭氧。1—3月各市平均风速均在30 m/s以下且小风频率较高;全省冷空气活动较上年同期减少3次且强度偏弱;全省平均混合层高度与上年同期相比降低22 m。与上年同期相比,平均风速小,小风日数增多,冷空气活动次数减少且强度偏弱,混合层高度偏低,是颗粒物污染过程增多的主要因素。5—7月臭氧质量浓度与高温显著正相关,当日平均气温≥30 ℃或日最高气温≥35 ℃时,臭氧显著超标;臭氧质量浓度随日照时数增加而升高,日照时数≥6 h时,各市臭氧平均质量浓度均较高,日照时数≥10 h时臭氧超标率最高;臭氧质量浓度随日平均相对湿度的升高而降低,当相对湿度<600%时,臭氧平均质量浓度超过140 μg/m3,当相对湿度≥700%时,臭氧超标率明显降低。与上年同期相比,气温偏高,日照充足,湿度减小是造成臭氧超标日增多的主要因素。 相似文献
16.
17.
利用2015年黄石市5个监测站点可吸入颗粒物(PM10)和细颗粒物(PM2.5)的在线监测数据和风向、风速、气温、气压等常规地面气象要素观测资料,分析了黄石市大气PM10和PM2.5的质量浓度水平分布特征及其与气象参数的关系。结果表明:2015年黄石市5个监测站点大气PM10和PM2.5年均浓度范围分别为95.8—108.6μg·m^-3和64.3—68.9μg·m^-3,均超过国家二级标准;季均质量浓度呈现显著的冬季高夏季低的变化规律,冬季PM10和PM2.5的质量浓度分别为(143.9±62.2)μg·m^-3和(95.5±44.5)μg·m^-3,夏季PM10和PM2.5的质量浓度分别为(75.2±24.0)μg·m^-3和(50.7±17.3)μg·m^-3。5个监测站中,下陆区、西塞山区和铁山区的PM10和PM2.5颗粒物污染较为严重;各站点大气PM10和PM2.5质量浓度显著相关。大气颗粒物浓度与气象因素的分析显示,黄石市大气颗粒物浓度与气温呈显著的负相关关系,与气压呈正相关关系,与风速和相对湿度的相关性不显著,受风向影响变化较大。 相似文献
18.
利用2015—2019年鹰潭市5个大气成分监测站数据和气象站地面观测数据,运用主成分分析法,提取气象要素、气体污染物对PM2.5和PM10浓度影响的主要成分,调整BP人工神经网络的隐藏层个数和隐藏层节点数,构建基于BP人工神经网络的鹰潭市PM2.5和PM10浓度预测模型。结果表明：1） 气象要素中,共提取3个影响PM2.5、PM10浓度的主成分,分别为相对湿度、降水,气温、气压和风速,其中湿度、气温、风速与PM2.5、PM10浓度显著相关。2） 气体污染物中,共提取2个主成分,分别为SO2、NO2和O3,其中NO2、SO2与PM2.5、PM10浓度显著相关。3） 所建立的PM2.5、PM10浓度逐小时预测模型在20 h内预测性能良好,预测准确率分别为88%、86%,逐日预测模型在5 d内的预测性能良好,预测准确率分别为94%、92%,准确率较高,具有良好的预报性能。 相似文献
19.
对2013年河北省中南部的石家庄、保定、沧州、衡水、邢台和邯郸6个地市市区各站点逐小时PM10和PM2.5监测资料及相应气象资料分析结果表明:6个地市中邢台年污染日数最多,对应其年平均风速最小;沧州的最少,年平均风速最大。各地市各个级别污染日数不同,五、六级重污染天气均集中在10月—次年3月。首要污染物主要是PM10和PM2.5,但比例不尽相同。特殊的地理位置、污染源差异和气象条件的差异造成各地市污染日数、级别的差异。6个地市污染天气过程时段大都相同,区域性污染明显。各地市PM10和PM2.5浓度平均最大值均出现在冬季,PM10浓度平均最小值均出现在夏季,各市PM2.5浓度平均最小值出现的季节不同。6个地市PM10和PM2.5浓度值的月变化趋势相似。不同季节各地市PM10和PM2.5浓度日变化趋势不同,极值出现的时间也各不相同,极值出现的时间与气象条件和人类活动关系密切。秋、冬季各地市PM10和PM2.5浓度日较差多大于春、夏季的。各地市PM10和PM2.5浓度日均值与当地的日均气温、风速、能见度呈负相关关系,与相对湿度呈正相关关系且相关性比较显著。 相似文献
20.
采用江苏省淮安市地面5个监测站2013年1月1日2015年12月31日PM10、PM2.5、SO2、NO2、CO、O3逐日质量浓度资料及同期气象资料,统计分析了该地区大气污染季节变化特征及其与气象条件的关系;采用MODIS的光学厚度AOD (Aerosol Optical Depth)资料和火点资料分析了2013年12月发生在淮安的一次持续性大气污染事件。研究结果表明,淮安空气质量AQI指数(Air Quality Index)在春冬季较高,夏秋季较低,污染天气发生在春冬季的概率为23.6%,夏秋季的概率为13.3%。淮安地区的首要大气污染物为颗粒物污染,其中PM10、PM2.5占比分别达到25.2%、48.9%,PM10中PM2.5比率年平均为61.0%,臭氧是第2大污染物,占比为25.8%。表征大气柱气溶胶浓度的AOD的季节变化与地面颗粒物浓度截然不同,颗粒物浓度 1月和12月出现极高值,而这两个月AOD月平均值却在一年中达到极低值,AOD最高值出现在7月。另外,AQI与降水、气温、风速、相对湿度呈负相关关系,但相关程度较弱。 相似文献