共查询到18条相似文献，搜索用时 169 毫秒
1.
《内蒙古气象》2021,(2)
利用2010—2019年哈密市气象及环境数据,分析了哈密市空气的污染现状、空气质量特征及其与降水、能见度、气温、风速、日照时数等气象因子的相关关系。结果表明:哈密市首要污染物为PM10,空气质量以Ⅱ级(良)为主,近10年空气质量指数呈先增大再减小的单峰型变化,2011年空气质量最好,污染日数最少,之后轻度以上污染日数明显增多,2014年为空气质量最差年;每年AQI最高的为3月和11月,6—9月AQI变化较为平缓,空气质量最好;春季AQI最高,其次为冬季和秋季,夏季AQI最小,空气质量最好,采暖期AQI高于非采暖期,与春、冬季的变化基本一致;AQI与降水、能见度、气温均呈负相关关系,与风速、日照时数、气压呈正相关,在不同季节,相对湿度、能见度均与AQI呈负相关,春、夏、秋三个季节AQI与风速、极大风速呈正相关,冬季则呈负相关,气温、日照时数、气压在不同季节与AQI呈不同的相关性。 相似文献
2.
利用哈尔滨市2014—2016年逐日空气质量指数(AQI)数据,结合同期气象观测资料,分析了哈尔滨市空气质量的变化特征、主要污染物及与主要气象要素之间的关系。结果表明:近3 a间,哈尔滨空气质量为良级别的天数最多,占47%,达到污染级别的天数占31%,2016年空气质量最佳,优良级别的天数达到284 d,占全年78%;春夏季AQI指数较低,秋冬季AQI指数明显偏高,9月空气质量全年最佳,1月空气质量最差; PM_(2. 5)是造成哈尔滨空气污染的最主要污染物,其次是PM10、NO_2和臭氧8 h(O3-8 h); AQI与气压之间以正相关为主,秋冬季最为显著;与风速主要表现为负相关,冬季尤为显著;与气温的关系受到采暖的干扰差异较大,年尺度及秋冬季呈负相关,月尺度呈正相关;与降水日数呈负相关;与相对湿度冬季表现为显著正相关,而5—9月为负相关。 相似文献
3.
2012年环境保护部发布的《环境空气质量标准》实施后,贵阳市空气质量状况发生了变化。利用贵阳市空气质量指数和常规气象要素等资料,分析空气质量特征及其与气象要素的关系,通过多元线性逐步回归和BP神经网络方法,分季节建立空气质量指数预报模型,并同CUACE模式进行对比检验。结果表明:近3年贵阳市空气质量状况良好,优良天数增多,污染天数减少且污染天气多出现在冬季,首要污染物为PM2.5、PM10和O_3;各季相关因子不同,但主要与相对湿度和风速有关;两种模型预报效果均表现为夏季评价最高,等级TS评分超过85%,指数准确率近99%,冬季预报效果相对最差,TS评分接近或达到70%,指数准确率超过或接近80%,而春、秋季效果指标差距不大;对2015—2016年AQI的预报效果回归模型的优于CUACE模式的,TS评分和预报准确率分别相差16.2%和20.0%。 相似文献
4.
5.
利用普定国家气象观测站1971年1月1日-2022年2月28日逐日平均气压、平均气温、平均相对湿度、平均风速、降水量等气象资料以及普定县空气污染物日均浓度、空气质量指数（AQI）等资料,运用人体舒适度指数、气象要素与污染物浓度的相关性、人体舒适度与空气质量相关性分析方法,分析普定县近50a的人居环境气候条件。结果表明：普定县平均气温、平均风速以及日照时数呈增加趋势,相对湿度、降水量以及气压呈降低趋势。常年体感主要为凉（3级）～最舒适（5级）之间,全年体感无寒冷及酷热等级,且体感舒适（含凉舒适及最舒适）月份主要为4-10月,占全年58%。普定县气温上升、风速增大、气压下降的趋势有利于污染物浓度降低,空气质量好,而相对湿度降低、降水量减少的趋势不利于污染物浓度降低,影响空气质量。普定县空气质量以4-5月、7-11月为优,且其四季空气质量均为优,表明空气质量好,人体舒适度高,适宜人居。 相似文献
6.
利用2015—2016年贵港市空气自动监测站空气质量指数、首要污染物等数据及贵港国家气象观测站的常规气象观测资料(风速、湿度、气温等),分析了贵港市2015—2016年空气质量概况及相关气象因子,进而利用合成分析方法对贵港市在不同季节出现不同级别空气污染的天气形势变化进行了分析。分析结果表明:贵港市的首要污染物为PM_(2.5)和PM_(10),其中12月、1—2月为贵港市空气污染最严重的月份。各气象要素与空气质量指数相关性较强,风速、气温、降水等气象条件对贵港市的空气质量影响显著。在春、秋、冬季,冷空气南下影响贵港市,500 hPa为持续的下沉运动且850 hPa相对湿度较低及850hPa由北风转为南风且风速较小时,贵港市极易出现轻度污染以上的天气;当云南一带有南支槽活动时,贵港市易出现重度污染天气。夏季影响贵港市空气质量的主要因素则是热带气旋移动至江苏、浙江一带时,热带气旋的外围下沉气流导致贵港市出现持续下沉运动。此时,受副热带高压系统或者其他天气系统影响,850 hPa风向出现明显转折时,应考虑贵港市出现轻度污染的天气现象。 相似文献
7.
8.
基于2015—2016年湖北省环境监测数据和气象资料,分析了3种地形下空气质量指数(AQI)特征及其与气象因子的关系。结果表明:湖北省年空气质量指数时空分布特征为山区低平原高,冬季高夏季低,日高峰值襄阳出现在中午,武汉和宜昌出现在23:00—24:00;与空气质量指数关系较显著的气象因子包括相对湿度、变温、变压、风、降水等,其中降水对污染物的沉降作用跟空气质量等级有关,污染程度越重,需要清洁空气的雨量越大,轻度以上污染时,需要中雨及以上降水才会产生有效清洁,当降水为微量(1mm以下)时,AQI反而会增长;受不同地形影响,不同城市污染天气输入路径不同,襄阳为北风、武汉西北风、宜昌多弱东风扰动,且襄阳大风速出现的频数较高,而宜昌以小风为主。 相似文献
9.
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
10.
运用1988~2017年贵州省玉舍滑雪场附近30年气候资料和2015~2016年冬季滑雪场客流量资料,分析贵州高海拔地区滑雪运动与气象条件的关系,进而进行滑雪气象指数等级研究。结果表明:(1)玉舍滑雪场冬季具有少雨、低风、温度适宜的气候特点,可以开展滑雪运动。(2)玉舍的滑雪人数与气象因子风速、气温、相对湿度、降水量呈显著反相关。(3)根据玉舍滑雪场气候背景特征,分别对降水量、相对湿度、舒适度指数三个气象要素进行分级,通过实际滑雪人数分级与滑雪气象指数等级预报进行的检验表明:实际滑雪气象指数等级与指数预报等级相同(即绝对值之差为0)的准确率达26.4%,实际滑雪气象指数等级与指数预报等级绝对值之差为1的准确率达66.7%,即预报滑雪气象指数等级与实际滑雪气象指数等级之差≥1的准确率达93%。 相似文献
11.
基于2017-2019年河源市空气质量数据,分析了河源市首要污染物的年际变化特征,同时利用2019年东埔国控站点的首要污染物与气象要素进行了相关性分析,并以典型污染日为案例,分析了气象条件对污染过程的影响。结果表明：2017-2019年细颗粒物（PM2.5）污染日比重大幅度降低,以臭氧（O3）为首要污染物的污染日逐年增加,污染形式逐渐从颗粒物污染向臭氧污染发生转变。O3浓度与温度和湿度分别呈正负相关关系,高浓度O3主要出现在（20-30℃,25%-55%）阈值之间,在吹西北偏北风时O3浓度也较高。PM2.5和PM10与湿度也呈负相关关系,温度与湿度组合在（8-13℃,40%-55%）范围内时两者容易同时出现高值;在夏季PM2.5和PM10还与温度具有较强的正相关关系,这意味着高温情况下河源有出现颗粒物与O3复合污染的可能。河源市典型污染日具有风速较小局部扩散不利的特征,低温低湿条件下容易出现PM2.5污染,且主要受到区域的传输影响;而高温低湿条件下容易发生O3污染,且较高的前体物浓度容易加剧O3的本地污染。 相似文献
12.
利用2017—2019年夏季（6—8月）太原市污染物浓度和气象逐小时数据,分析了太原南部城区O3浓度及其影响因子的变化特征,通过神经网络构建了O3与其影响因子的关系模型,并进行了检验。结果表明：2017—2019年夏季太原南部城区O3浓度超标天数分别为55 d、39 d、59 d,超标主要集中在6月和7月;O3浓度日变化特征呈单峰型,每日06时前后达到最低,15时前后达到峰值。高温、强辐射、低湿、低压、西南风容易引起太原南部城区O3浓度升高,西北风有利于O3扩散;NO2、CO与O3浓度表现为负相关关系,但NO2对其影响更加显著。利用神经网络构建O3浓度与影响因子的关系模型,相关系数达0.96,均方根误差、平均绝对误差分别为8 μg·m-3、6%,TS评分为0.95,神经网络模型具有较高预报能力,可为太原地区O3预报提供参考价值。 相似文献
13.
利用成都市城区2015年12月~2019年12月污染物浓度及气象资料,对PM10、PM2.5、CO、O3、 SO2、NO2六种大气污染物浓度变化特征以及与气象要素之间的相关性进行分析。结果表明:2016~2019年成都市空气质量冬季最差,秋季最好,年内整体以良为主,重度污染和严重污染的天气较少出现,空气质量逐年变好;主要污染物浓度除O3外在冬季最高,夏季最低,春秋两季相差不大,O3浓度变化则相反;主要污染物的日变化特征也较为明显。空气质量综合指数、PM10、PM2.5、CO、NO2浓度与气温和降水存在显著负相关性,与气压存在显著正相关性,还与相对湿度呈不同程度的负相关,但与风速相关性不显著;O3浓度不仅与风速、气温和降水存在显著的正相关,还与气压呈显著的负相关,却与相对湿度的负相关性不显著。 相似文献
14.
2012—2015年北京市空气质量指数变化及其与气象要素的关系 总被引：1，自引：0，他引：1
根据2012—2015年的空气质量指数（AQI）日报数据与同时段的气象数据,采用统计方法和广义加性模型（GAM）对空气质量指数的时间变化及其与气象要素的关系进行了分析,结果表明：2012—2015年北京市空气质量整体呈现下降趋势,冬春季空气质量较差,夏秋季的较好,冬季容易产生重污染天气,春季污染天气频发。北京空气质量存在一定程度的周末效应,表现为周末空气质量较差,工作日相对较好。整体上空气质量指数与风速、日照时数、降水量、平均气温和最高气温呈负相关,与湿度呈正相关,不同季节和不同级别空气质量下的AQI与气象要素相关性差异较大。通过广义加性模型得到AQI与降水量呈线性关系而与其他气象要素均呈非线性关系,气象要素在不同数值范围内对AQI的影响趋势和程度存在显著差异。 相似文献
15.
利用2015～2019年贵州省9个城市的空气质量指数(AQI)和6种大气污染物逐日监测资料及同期气象要素观测资料,分析了贵州省各市年、季大气污染的分布特征,以及各市首要污染物出现频率的季节特征,探讨了6种大气污染物与气象要素之间的相关关系。结果表明:(1)贵州省总体空气质量较好,2015～2019年全省空气质量优良天数占全年90%以上,2018年空气质量为5年中最优;(2)AQI的空间分布呈现“北高南低”的分布特征,高值区在遵义、水城和铜仁,兴义空气质量最好;(3)6种大气污染物与平均气温、相对湿度、日平均气温、日降水量、相对湿度、平均风速呈高度显著相关;(4)贵州省的污染日主要集中出现在冬季,首要污染物主要是颗粒物(PM2.5和PM10),夏季出现污染日的情况最少,首要污染物主要是O3。 相似文献
16.
2001-2011年西宁市空气质量特征及其与气象条件的关系 总被引：2，自引：0，他引：2
利用2001-2011年西宁市城市空气质量日报资料,研究西宁市区域性污染特征,并结合气象资料对空气质量变化特征和影响因素进行了分析。结果表明：西宁市空气污染以可吸入颗粒物为主要污染物,空气质量状况以优和良居多;空气质量季节变化特征明显,春季空气质量最差,其次是冬季和秋季,夏季空气质量最好,冬春季空气质量不稳定,夏秋季空气质量较稳定; 空气质量年变化幅度大,供暖期API指数明显高于非供暖期;沙尘影响指数呈现下降趋势;从年际变化来看,空气质量已经有了明显改善;气象要素对大气污染物有制约关系,其中起主要作用气象因子为沙尘日数、降水量、相对湿度和气温; 可吸入颗粒物长距离输送是西宁市冬春季重污染现象的主要原因,来源于新疆、甘肃西北部、内蒙古中西部及本省西北部的柴达木盆地。 相似文献
17.
利用2015—2017年唐山市空气质量日空气质量指数、小时PM2.5浓度和气象数据,分析了唐山市重污染特征及PM2.5重污染生成、消散气象条件。结果表明：2015—2017年唐山市重污染天数为减少趋势,年平均重污染天数36 d。冬季发生重污染天数最多,秋季次之。重污染天气中首要污染物为PM2.5、PM10和O3,PM2.5为首要污染物占比87%,PM10占比6%,O3占比7%。小时PM2.5浓度与相对湿度、总云量、24 h变温正相关,与风速、气温、风向、1 h降水负相关。冬季相关性最好,其次是秋季和春季。90%PM2.5重污染相对湿度均为50%以上,冬季和秋季高达98%;风速大于4 m·s-1时,有0.7%的PM2.5达到重污染;降水对PM2.5有一定清除作用。升温、湿度增加和负变压有助于污染天气形成,生成过程中平均风速为1.8 m·s-1,主导风向为SW,其次是S、W。降温、湿度下降、正变压、降水有助于污染天气消散,消散过程中平均风速为3.1 m·s-1,主导风向为E,其次是NE、N。各方位3 m·s-1的风具有清除能力,偏北风具有较好清除能力,风速较其他方向风速小。 相似文献
18.
2005年12月—2006年2月在太原市区持续观测了气溶胶细粒子PM2.5, 并应用Sunset碳分析仪进行了有机碳 (organic carbon, OC) 和元素碳 (elemental carbon, EC) 的测定。结果表明:太原冬季PM2.5, OC和EC浓度均较高, 其中PM2.5日平均浓度变化范围为25.4~419.0 μg/m3, 日平均浓度为193.4±102.3 μg/m3, OC平均浓度为28.9±14.8 μg/m3, EC平均浓度为4.8±2.2 μg/m3, OC/EC平均比值是7.0±3.9, 即太原市冬季PM2.5和碳气溶胶污染严重。OC在PM 2.5中占18.6%, EC占2.9%, 这表明碳气溶胶是太原大气细粒子污染控制的关键组分。在太原市冬季, 采暖燃烧的煤是OC和EC的主要贡献源, 造成OC大大高于EC, 从而使OC/EC比值增大。各种气象条件对PM2.5, OC, EC和OC/EC比值的变化都有不同程度的影响, 特别是大雾天气、相对湿度、风速和降雪是影响碳气溶胶浓度变化的重要因素。 相似文献