首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 93 毫秒
1.
为了揭示肇庆市颗粒物重污染过程的发生与发展规律,利用2013—2014年PM2.5监测数据,分析该区域两年间的空气质量整体变化情况以及PM2.5污染过程的季节变化规律,统计两年间所有颗粒物重污染过程,并根据污染过程的天气形势展开分析,运用空气质量数值模型(WRF-Chem)对冬季一次典型重污染过程进行模拟研究。结果表明,肇庆2013—2014年共发生27次PM2.5重污染过程且主要出现在秋冬季,结合气象场的分布特征,总结出四种诱发重污染过程发生的天气形势,分别是高压出海型(48%)、热带低压型(22%)、锋面影响型(19%)及冷高压控制型(11%)。在四种天气形势的影响下,肇庆整体风向以东南风和南风为主,大气处于静稳状态,导致污染物的积累并诱发重污染过程。WRF-Chem模拟结果进一步发现,不利气象条件及本地排放源是造成肇庆冬季重污染过程发生的主要原因。结合四维通量模型对肇庆边界污染物输送情况进行定量分析后发现,肇庆PM2.5以输出为主,其中硝酸盐与氨盐的输出通量较大。此外,模型还揭示了肇庆境内的主要污染物输送通道呈东南-西北走向,外地输入的污染物也通过此通道影响肇庆的空气质量   相似文献   

2.
利用贵州省安顺市2015—2019年大气污染物资料和气象资料,分析安顺市空气质量特征和主要大气污染物特征,通过TrajStat软件中HYSPLIT模型的后向轨迹模式,结合GDAS气象数据、PM2.5浓度,分析不同季节输送途径及其污染轨迹,采用潜在源贡献作用和浓度权重轨迹分析方法,分析研究期内所有PM2.5污染日(PM2.5日浓度高于75 μg·m-3)输送轨迹垂直与水平方向分布特征。结果表明: PM2.5是安顺城区主要大气污染物,冬季输送污染轨迹占比较大,输送方向主要为贵州东北方向、偏南方向; 污染日PM2.5输送路径以贵州东北方向近距离输送为主,该类轨迹基本分布在880—980 hPa高度; 潜在源高值区主要集中在贵阳整个地区、毕节织金县、黔西市、金沙县等,高贡献值区主要集中在安顺紫云县、镇宁县、毕节织金县、大方县等。  相似文献   

3.
利用空气质量历史监测数据、地面气象要素及激光雷达探测资料,综合分析了2019年1月10—15日长春市一次霾污染过程,探讨了污染过程中污染物和气象要素的变化特征与影响机制。结果表明:此次霾污染过程中12—13日污染最重,PM2.5和PM10质量浓度均超过150 μg·m-3,气溶胶消光最强,超过70%的PM2.5/PM10比值大于0.7,指出了细粒子对重污染事件的贡献;重污染期间近地面风速偏小、相对湿度增加、变压较小,同时低空风出现明显的风向转变,弱下沉运动与逆温以及较低的边界层共同削弱了大气的水平和垂直扩散能力,有利于污染物累积,导致霾污染。500 hPa天气形势表明长春市位于槽前脊后,850 hPa高度场为弱西风,相对湿度大;海平面气压场存在低压气旋及弱西南气流,该气流有利于将污染物输送至长春市,造成霾污染加剧;1月14—15日高空槽加深东移,850 hPa西北气流增强,近地面气压梯度力变大,污染物得到扩散,霾污染逐渐结束。  相似文献   

4.
近些年京津冀地区秋、冬季大气重污染事件频发,工业生产与居民燃煤是大气灰霾污染的重要原因。河北省沙河市是京津冀地区以玻璃制造和加工为主的典型工业城市,本研究选取该城市为研究对象,主要利用2017年1月至12月国控站点的大气环境监测和气象数据,采用扩散模型、潜在源分析等手段,分析了沙河市主要污染物的时空分布特征和污染来源。主要结论有:(1)沙河市首要污染物具有明显季节特征,春季、夏季、秋冬季分别以PM10、O3、PM2.5污染为主,季节贡献率分别为43.3%、72.3%、61.5%。(2)受城市大气边界层和排放的共同影响,PM10、PM2.5、SO2、NO2和CO浓度均有剧烈的季节—日变化特征。(3)冬季东北风时PM2.5、NO2、SO2均展现出高浓度和高相关性特征,表明站点可能受东北方向玻璃企业排放影响。同时,站点可能也受城中村散煤燃烧影响。(4)沙河市冬季PM2.5浓度为143 μg m-3。冬季的一次重污染中硫氧化率SOR、氮氧化率NOR的最高值分别达0.67、0.39,气态污染物的二次转化剧烈,高湿度利于二次粒子的生成。重污染中C(NO3-)/C(SO42-)均值为1.89,推测沙河市NO2主要来自大型运输车辆和企业的共同排放。(5)本地源是沙河市PM2.5的主要潜在源区,周边几个重工业城市也有一定贡献。因此本研究建议沙河市PM2.5的治理除需加强本地污染源的削减和控制外,区域联防联控也十分重要。  相似文献   

5.
利用2014~2019年冬季ERA5再分析资料、成都市PM2.5和PM10逐日浓度数据以及污染物(二氧化硫、氮氧化物、烟粉尘)年排放量数据,通过分析四川盆地近6 a气溶胶污染物的时间变化特征以及PM2.5浓度与气象条件的相关性,探讨了气象条件对四川盆地气溶胶污染的影响。结果表明:近6 a四川盆地冬季气溶胶污染物浓度和严重、重度污染天数均呈波动下降趋势,污染物浓度年际变化与污染物年排放量存在一定差异。首要污染物以PM2.5为主,PM2.5浓度与青藏高原及其下游地区气象条件的关系密切,与对流层低层、中高层气象要素的相关性存在差异,其中与青藏高原及其以北和以东地区850~500 hPa气温呈显著正相关,尤其是与易出现逆温层的四川盆地850~750 hPa温度的相关性最强。当850 hPa东北风较弱且相对湿度偏高、700 hPa西风较强且湿度偏低、500 hPa高压偏强且西风偏弱时,PM2.5浓度偏高;反之亦然。   相似文献   

6.
根据海南省环境科学研究院提供的海口站2013—2016年逐日空气污染数据,统计分析了海口市空气质量状况。综合应用高低空环流场、AQI指数结合MODIS卫星蓝光气溶胶厚度图,采用HYSPLIT轨迹聚类分析法、潜在源贡献因子法和浓度权重轨迹分析方法,重点分析了2013年12月海口空气污染的的主要输送路径,并探讨了首要污染物PM2.5和O3的潜在源区。结果表明:冬夏季风风向转换是海口发生空气污染的最主要气象原因,且首要污染物为PM2.5,其次是PM10和O3;海口市空气质量达标率在97.1%,总体较好,AQI指数呈逐年下降趋势;值得关注的是,O3呈逐年稳定上升趋势。大气污染物浓度受污染物排放和环流场共同影响,海口污染日对应的地面天气形势主要有3种类型,冷高压、变暖高压脊和台风外围下沉气流。此次污染过程中污染源是来自北方地区污染物长距离输送影响的结果。污染物个例分析中,首要污染物PM2.5潜在源区主要集中在湖南和江西的交界处、广东沿海地区、广西北部、江西和福建的交界处以及浙江中部地区,这些潜在源区气团沿着轨迹1、2和4通过长距离输送到海口。海口O3质量浓度贡献较大的区域主要集中在湖南和江西的交界处、粤西一带,主要沿着轨迹2将内陆地区的污染源输送到海口。  相似文献   

7.
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   

8.
秦卓凡  廖宏  陈磊  朱佳  钱静 《大气科学》2021,45(6):1273-1291
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   

9.
北京一次持续霾天气过程气象特征分析   总被引:6,自引:0,他引:6       下载免费PDF全文
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   

10.
利用常规高空和地面气象观测资料、湘潭市空气质量监测数据并结合HYSPLIT4后向轨迹模式对2020年10月28-31日污染天气特征及成因进行分析。结果表明此次污染过程分为3个阶段:第1阶段为北方偏二次型传输阶段,此阶段北风风力较大,在强北风的推动下华北地区污染物(PM2.5)向南传输影响湘潭;第2阶段为大气高湿静稳条件下本地源(工业源、移动源、扬尘源、生物质燃烧源)排放累积阶段,此阶段地面转均压场,整层大气湿度接近饱和并出现弱降水,气态污染物在污染过程中发生二次转化,颗粒物吸湿增长,且近地面出现逆温,不利于污染物的垂直扩散,导致边界层内的污染物不断累积,污染加重,推高了湘潭的PM2.5浓度峰值;第3阶段为污染物缓慢清除阶段,随着新一波冷空气影响湘潭地区,水平扩散条件逐步改善,且上游空气质量优良,本地污染物得到有利扩散,此次污染过程结束。  相似文献   

11.
PM2.5污染仍然是湖北省冬季大气污染的首要污染类型,且具有明显区域传输特征,重污染过程的空气污染气象条件有别于华北地区,值得关注。采用WRF/Chem不同排放情景下的模拟结果,并结合观测分析,研究了2015年12月—2016年1月湖北省PM2.5重污染过程的气象输送条件及日变化特征,从大尺度输送条件和局地边界层动力作用分析了外来污染物水平传输、悬浮聚集和向下传输的过程,并解释了该地区观测到的午后PM2.5浓度特殊峰值的气象成因。结果表明,湖北重污染爆发以区域传输为主,地面观测PM2.5极值对应10 m风速可达8—10 m/s,边界层0—1 km为较强偏北风输送,污染传输通量极值位于400 m高度附近,为重要传输通道,低空无明显逆温,重污染过程具有“非静稳”边界层气象特征。重污染形成的大尺度输送条件为,长江中下游及北部地区偏北风异常偏强,南部地区风速减缓,使污染物在中游平原堆积,鄂北边界风速越大,越有利污染输送增长。传输性污染主要来自偏北和东北方向的污染源输送,潜在源区贡献主要为途经偏北通道上的豫中、南阳盆地和关中地区,以及途经东北通道上的鲁、皖、苏等部分地区。PM2.5浓度日变化双峰结构的天气成因不同,21—24时(北京时)峰值为静稳性污染,11—14时峰值为传输性污染。污染输送受大气边界层高度影响,日出前大气边界层高度较低,层结稳定并伴有上升运行,使得低空外来输送悬浮聚集在400 m高度附近;日出后随大气边界层高度升高,静稳层结被破坏,在干沉降作用下高浓度PM2.5开始向下传输,并在午后地面形成峰值。   相似文献   

12.
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   

13.
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   

14.
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   

15.
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   

16.
近年来中国东北地区污染事件频发,为揭示该地区重污染天气分布特征,利用2014—2017年中国东北地区40个城市空气质量数据及对应的高低空天气形势资料,统计分析得到中国东北地区大气污染状况的变化特征以及区域重污染事件的天气学特征。结果表明:2015—2017年中国东北地区PM2.5和PM10年平均质量浓度呈下降趋势,其中PM2.5年平均质量浓度下降的更快,PM2.5最大值出现在辽宁和吉林中部地区约为90—100 μg·m-3,SO2年平均质量浓度较高值分布在辽宁西部地区约为50 μg·m-3,而NO2最大值出现在沈阳—长春—哈尔滨一带,约为45 μg·m-3,CO质量浓度最大值分布在东北沿海地区约为1.6 mg·m-3,相反中国东北地区O3年平均质量浓度呈上升趋势,最大值出现在沿海的大连及营口等地,约为100 μg·m-3。污染物浓度变化具有鲜明的季节变化特征,不同地区PM2.5和PM10与AQI最大值均出现在冬季,SO2冬季质量浓度最大值出现在沈阳(180 μg·m-3),NO2与CO冬季最大值出现在哈尔滨(80 μg·m-3,1.8 mg·m-3)。相反,O3最大值出现在夏季沈阳地区约为140—150 μg·m-3。重度污染级别(200 μg·m-3≤PM2.5 < 300 μg·m-3)和严重污染级别(PM2.5>300 μg·m-3)的空气质量表现出以哈尔滨为中心,向周围迅速减少,辽宁中部又略有增加的特征;中度污染(150 μg·m-3≤PM2.5 < 200 μg·m-3)的天数沈阳>哈尔滨>长春,轻度污染(100 μg·m-3≤PM2.5 < 150 μg·m-3)的天数是沈阳>长春>哈尔滨。引发中国东北地区重污染的天气形势大致可分为高压型,低压型和北高南低型3种,出现比例分别为62%、27%和11%;高压型850 hPa高压脊东移经过中国东北地区,地面处于高压南部或弱高压中心,有时在黑龙江北部或辽宁西南部连续有弱小的低压生成并快速东移过境;低压型850 hPa低压系统发展并东移经过中国东北地区,地面处于低压后弱高压中;北高南低型850 hPa和地面中国东北地区受北面高压和南面低压的共同影响。  相似文献   

17.
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   

18.
2017年12月22日至2018年1月18日利用无人机携带温、湿和颗粒物浓度探测仪对南京地区灰霾污染条件下大气边界层垂直结构开展加密观测。通过比较不同灰霾污染条件下温度、湿度和PM2.5(直径小于2.5微米的颗粒物)浓度的垂直结构差异,结合地面热通量、2米空气温度、相对湿度、风速、风向及主要大气污染物(如臭氧和PM2.5)浓度,定量评估了气溶胶辐射效应对边界层和夹卷过程的影响。分析表明,灰霾或气溶胶削弱到达地表太阳辐射,减小地表感热通量,延迟边界层发展,增加近地层大气稳定度,降低边界层高度,并加重灰霾污染。灰霾污染物在混合层顶处累积,导致PM2.5浓度最大变化出现在边界层顶部而不是近地层。气溶胶辐射效应对夹卷特征及其特征参数有重要影响。灰霾浓度升高时,夹卷区厚度增加;无量纲化夹卷速度随对流理查逊数的变化不再符合负1次方幂函数关系,与大涡模拟结果一致。本研究进一步指出,为提高重霾污染条件下天气和空气质量数值预报水平,必须考虑气溶胶辐射效应对边界层和夹卷参数化的影响。  相似文献   

19.
为评估太原青运会期间大气污染控制措施对空气质量的改善效果,对青运会会前、会期和会后三个阶段太原市6种污染物浓度的演变及气溶胶在垂直方向上的变化进行了分析。结果表明:青运会期间太原市PM10、PM2.5、CO、NO2、O3较青运会前分别下降30.5%、37.3%、20.2%、18.0%和18.6%,SO2削减程度不明显。垂直方向上,青运会期间气溶胶消光系数峰值降低24.6%,其中低湿天气下气溶胶消光系数峰值下降46%,高湿天气下峰值下降21.6%,青运会期间大气中PM2.5在PM10中的占比降低,垂直大气中气溶胶的吸湿增长能力增强。与2017和2018年同期相比,青运会期间PM10、PM2.5、CO、NO2浓度均有大幅下降,O3浓度较近两年同期无显著变化。因此,青运会期间的各项控制措施有效降低了本地颗粒物浓度。  相似文献   

20.
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   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号