共查询到20条相似文献，搜索用时 15 毫秒
1.
利用2005-2007年杭州市区大气O3连续监测资料, 分析了O3浓度变化特征, 在此基础上结合气象观测资料, 分析了大气O3与天气系统间的关系, 建立了O3与气象要素间的多元回归方程。结果表明: 2007年O3平均浓度和最大小时浓度分别为44 μg.m-3和348 μg.m-3, 比上一年增加20%左右, 超标现象也越来越严重; O3浓度有明显的季节变化, 夏季高、冬季低; 大气O3浓度超标主要出现在高压后部和高压控制等天气类型。在紫外线强度较强时O3浓度也高, 二者呈显著正相关; 对O3与各种气象因子进行多元回归分析表明: O3主要受到温度、相对湿度、日照等因素影响。 相似文献
2.
为研究贵港市O3(臭氧)污染特征及其与气象要素的关系,对2015—2019年贵港市国家空气自动监测站和同期贵港国家气象观测站逐日、逐时气象资料进行了研究和分析。结果表明:近5a来贵港市O3污染日趋严重;O3污染存在明显的季节变化,秋>夏>春>冬;O3浓度日变化特征呈单峰型,8:00出现谷值,15:00—16:00出现峰值;O3浓度变化与气温、日照时数呈正相关,与相对湿度负相关,当日照时数大于8h、相对湿度40%~70%时易出现高浓度O3;不同季节出现O3浓度高值时的风向不尽相同。 相似文献
3.
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
4.
利用2015—2019年辽宁城市逐小时地面O3浓度观测数据,结合各城市逐小时气象要素观测数据,分析了辽宁地区近5 a的O3污染状况及影响O3的相关气象条件。结果表明：除环辽东湾部分城市O3浓度呈下降趋势外,辽宁地区其他城市的O3浓度均呈明显的上升趋势,O3正取代PM2.5成为影响辽宁地区的首要大气污染物。O3浓度具有夏季高、冬季低,下午高、早晨低的时间分布特征。除受污染排放源直接影响外,高温、高湿、强辐射、小风和地面低气压都有利于O3的局地生成;在亚洲夏季风的影响下,上游地区（如京津冀地区）的污染气团会随大气环流向东北地区输送,对辽宁地区夏季O3污染产生重要影响。 相似文献
5.
利用GOME (Global Ozone Monitoring Experiment, 全球臭氧监测实验) 1996年1月—2002年12月NO2对流层柱浓度月平均卫星遥感资料以及根据北京市2001年1月1日—2002年12月31日NO2污染指数数据计算出的地面NO2日均质量浓度值, 分析了北京市城市大气NO2污染变化的季节变化特征以及年际变化, 并将2001年1月—2002年12月北京上空GOME NO2对流层柱浓度月平均值变化与北京市地面NO2日均质量浓度月平均值变化进行了比较, 结果表明两者随时间的变化趋势具有较好的一致性, 据此可以利用GOME NO2对流层柱浓度月平均卫星遥感资料来分析特定区域大气NO2的季节变化和年际变化。 相似文献
6.
利用2016—2019年唐山市逐时O3浓度和气象数据,分析了O3污染特征及其与气象条件的关系。结果表明: 2016年唐山市O3超标天数为53 d,2017—2019年O3超标天数每年在70 d以上,污染程度偏重。O3月平均浓度值呈双峰型分布,6月O3平均浓度值最大,达112.26 μg·m-3,9月次之。O3浓度超标日分布在3—10月,夏季超标天数最多,其他依次为春季、秋季,具有明显的季节变化特征。O3日均浓度为15:00最大,日变化呈单峰型分布。O3浓度与温度、风速正相关,与相对湿度负相关。气温高是导致O3浓度超标的重要因素,日最高温度超过25 ℃时要考虑O3浓度出现超标现象。相对湿度在50%左右及60%—80%时,O3浓度超标率均大于30%,在60%—70%时O3-8h浓度平均值达到最大。夏秋季O3浓度超标率高与地面小风、较低的混合层高度有关。当日均风速1＜V≤4 m·s-1时,O3浓度超标率较高。容易产生中度以上O3污染的天气形势场为500 hPa高空受西北气流或高压脊影响,850 hPa有西南或偏南气流经过,地面大多处在高压后部、低压前部或低压辐合区内。 相似文献
7.
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
8.
探究京津冀及周边地区大气细颗粒物（PM2.5）和臭氧（O3）短期暴露对人群因病就诊的急性影响及其季节性差异,为区域性大气污染的协同治理提供流行病学证据。收集2013年1月1日—2018年12月31日京津冀及周边地区共14个城市100家医院门诊的日就诊量,以及大气PM2.5和O3日均浓度和气象因子数据,基于时间序列研究设计,采用二阶段统计分析策略（广义相加模型联合meta分析）,在控制气象因子和时间趋势等混杂因素的基础上构建双污染物模型,分析大气PM2.5和O3短期暴露对人群因病就诊的影响。研究期间,大气PM2.5和O3日均浓度平均分别为 72.2±56.8 μg/m3和 58.2±36.9 μg/m3,医院门诊就诊量达6257万人 · 次。双污染物模型结果显示,移动平均滞后0—1 d的PM2.5和O3暴露浓度每升高10 μg/m3,医院门诊就诊量分别增加0.25%（95%置信区间（95%CI）:0.20%—0.29%）和0.15%（95%CI:0.07%—0.22%）;拟合季节分层模型发现,冷季PM2.5暴露对门诊就诊量的急性影响较强,而O3相关效应则呈现出暖季较强的特征。京津冀及周边地区大气PM2.5和O3短期暴露均增大人群因病就诊的风险,提示应采取积极措施协同治理大气PM2.5和O3复合污染,同时重视污染物冷、暖季风险的差异。 相似文献
9.
利用2017年9月至2019年9月秦皇岛市环境监测站污染物浓度资料以及秦皇岛市国家基本气象站和浮标站的气象数据,统计分析了秦皇岛市O3污染特征以及气象因子和海风对秦皇岛市O3污染的影响。结果表明：秦皇岛市O3污染月变化特征表现为以5—6月和9月最为严重,10—12月和1—2月则无O3超标天气出现。O3污染的日变化特征表现为单峰型分布,午后O3浓度最高而清晨O3浓度最低。有利于秦皇岛市出现O3污染的气象条件为太阳辐射强度850—950 W·m-2、日最高气温高于32℃、无降水和相对湿度50%—60%、受SW和SSW风影响。秦皇岛市海风以6—8月最多,出现频率达50%以上,海风多在上午08—10时开始出现,午后12—15时达到最大,傍晚以后减弱结束;5—6月和8—9月有海风日的O3-8h平均浓度均高于无海风日,且5月、6月和9月有海风日的O3-8h月平均浓度高达155—166 μg·m-3,海陆风环流对秦皇岛市的O3污染有加重的影响。 相似文献
10.
利用改进的Bigg型混合云室于2011年5-11月在辽宁省气象局抚顺大气成分站对近地层大气冰核浓度进行了测量。根据测量结果,分析冰核浓度日际变化和季节变化特征,讨论了风、气压、气温和湿度以及天气状况等气象要素对大气冰核浓度的影响。结果表明：观测期间,抚顺市大气冰核浓度平均为30个·L-1（-20 ℃时）;冰核浓度随活化温度的降低呈指数式增加;气象因子对冰核浓度有一定的影响,不同季节影响的程度不同。 相似文献
11.
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
12.
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
13.
利用2014年夏季成都市3个国控环境监测站（金泉两河,君平街和梁家巷）O3、NO2及PM2.5逐时观测数据,结合国家基准站温江站的气温、湿度、风速、风向、太阳辐照度、降雨等地面气象要素观测资料,分析O3的日、月变化及空间分布特征;探究前体物及气象因子对O3浓度的影响。结果表明：成都市O3-8 h平均浓度为104.4 μg·m-3,O3超标率为2.8%—15.3%。O3浓度6月最高,8月最低;呈现明显的“单峰型”日变化特征,午后15：00达到峰值。O3与NO2呈现负相关,相关系数为-0.5;与PM2.5无显著相关性。高温、低湿、强太阳辐射有利于O3的形成;风速为2.5—3.0 m·s-1,风向为南风时,O3浓度相对较高。 相似文献
14.
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
15.
利用臭氧探空资料,分析了西太平洋地区香港(Hong Kong)、那霸(Naha)和札幌(Sapporo)三个站点2000~2010年期间大气边界层内臭氧(O3)的季节分布和年变化趋势。结果表明,三个站点O3的季节分布存在明显的差异。其中,那霸和香港大气边界层内O3季节平均呈双峰值分布,其峰值分别出现在春季和秋季;而札幌站为单峰分布,峰值出现在春季。造成季节分布差异的主要原因包括人为污染源和自然因素如气象条件。另外,三个站点大气边界层内O3均呈上升趋势。其中札幌、那霸上升最快,分别达0.80 ppb a-1和0.77 ppb a-1。(ppb表示10-9,下同)香港的年际增长较不明显,但秋季增长却非常明显,高达1.21 ppb a-1。结合GOME (Global Ozone Monitoring Experiment) 和SCIAMACHY (Scanning Imaging Absorption Spectro Meter for Atmospheric Chartography)卫星反演的NO2数据发现,过去10年中国京津唐和东北地区的对流层内NO2柱总量增加极为迅速。这些O3前体物通过远距离输送是导致札幌、那霸O3浓度增加的主要原因之一。珠江三角洲人为污染源的增加及偏北气流的影响,是导致香港地区秋季O3增加的主要原因。 相似文献
16.
基于2014—2020年潮州市区空气质量监测数据和气象观测数据,应用统计分析、聚类分析等方法,分析了O3浓度的时间变化特征,及其与NOx浓度、气象因子的关系。结果表明：潮州市区O3污染有改善趋势,但是浓度下降速度较缓慢;呈双峰型的月变化特征,主峰在10月份;污染强度呈春季高于秋季的趋势;日变化呈单峰变化,07时出现最低值,随后迅速上升,最大值出现在午后15时,之后浓度又逐渐降低。NO2、NOx浓度与O3浓度变化呈反位相关系,早晨峰值比O3浓度低谷时间推迟1 h;下午低谷比O3的峰值提前1 h。潮州市区在最高气温>25℃、无降水、光照充足(>8 h)、相对湿度<80%、风速为1.5～2.0 m/s,吹偏西风和偏东风时发生O3污染的几率较大。O3超标出现在中午到上半夜,中度以上污染出现在下午。上午时段日出后的日照及积温是影响O3浓度增长的主要气象因子,到下午时段,日出后的日照和... 相似文献
17.
利用华中区域代表性站点金沙国家大气本底站2007—2018年的PM2.5、PM10颗粒物质量浓度数据,2019年3月—2019年6月反应性气体数据,对华中区域空气质量进行整体评价,并分析了颗粒物浓度的变化特征及其影响因素。结果表明,反应性气体CO、SO2、NO、NO2质量浓度其日平均最大值、平均值均达到一级标准,O3日平均值超标率为10.6%,PM2.5超标率为18%,PM10超标率为17%。从颗粒物质量浓度多年变化来看,2007—2013年金沙站大气颗粒物质量浓度属于上升趋势,2013年至今质量浓度呈现下降趋势,风向风速也在一定程度上影响颗粒物的来源。 相似文献
18.
利用2015-2019年太行山南麓(即山西省晋城市)O3浓度和中国太阳总辐射资料,分析了该地区O3浓度的时空变化特征,及其与风、相对湿度、降水、雾霾、气温、太阳总辐射等气象因子的关系。结果表明：O3浓度呈逐年增加趋势,夏季浓度明显高于冬季,月变化为单峰型,峰值出现在6月,谷值出现在1月,日变化白天高于夜间;O3浓度的空间分布有明显的地域差异,呈现中部和南部高,东西部和北部低的特征,表现出与气候倾向率一致的特性。风速对O3浓度影响明显,风速小于1.5 m·s-1时,O3浓度升高速度快,大于2.5 m·s-1时,O3浓度迅速减小;O3浓度与相对湿度为负相关,峰值出现在相对湿度为30%-70%的区域;不同量级降水对O3浓度的影响差异较大,中雨时O3浓度较低,其他量级较高;无降水日O3浓度明显大于有降水日。有雾霾时O3浓度明显低于无雾霾天气;O3浓度与气温具有明显正相关,与太阳总辐射也呈正相关,但是相关性低于O3浓度与气温的相关性。 相似文献
19.
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
20.
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