共查询到19条相似文献，搜索用时 125 毫秒
1.
秸秆焚烧对区域城市空气质量影响的模拟分析 总被引：2，自引：0，他引：2
利用融合火点排放源、人为源和生物源的WRF-Chem(Weather Research and Forecasting Model coupled with Chemistry)模式,模拟2015年9月30日08:00(北京时间)起的72 h发生在淮河流域的一次农作物秸秆大面积露天焚烧过程,研究了农作物秸秆焚烧释放的气态污染物和颗粒物对区域城市空气质量的影响。通过有无火点两组试验分析了此次秸秆焚烧对流域内河南、山东、江苏和安徽四省83座城市CO、PM10(空气动力学当量直径小于等于10μm的颗粒物,即可吸入颗粒物)、PM2.5(空气动力学当量直径小于等于2.5μm的颗粒物,即细颗粒物)和O3浓度的定量影响,结果表明:(1)融合NCAR-FINN(Fire Inventory from NCAR)火点排放资料的WRF-Chem模式较好地再现了此次秸秆焚烧及火点烟羽扩散过程。同时结合EDGAR-HTAP(Emission Database for Global Atmospheric Research on Hemispheric Transport of Air Pollution)人为源和MEGAN(Model of Emission of Gases and Aerosols from Nature)生物源的WRF-FIRE(考虑火点排放试验)对流域内城市大气污染物的模拟效果较为理想,尤其对秸秆焚烧释放的污染物CO、PM10和PM2.5和产生的二次污染物O3浓度的模拟。(2)秸秆焚烧所释放的污染物造成流域内城市一次污染物CO、PM10和PM2.5浓度的增加,火点中心和下风向城市增幅最为明显,最大小时浓度增幅达到3倍标准差。气态污染物CO和相比PM10粒径更小的PM2.5可随风扩散至更远的地区,对城市浓度影响更大。(3)此外,秸秆焚烧也使得火点中心城市和下风向城市二次污染物O3浓度增加,但小时浓度增幅极值区分布在火点下风向烟羽末端太阳光照充足的地区,最大小时浓度增幅接近3倍标准差。秸秆焚烧对区域城市空气质量的影响存在明显的空间分布差异且对城市各大气污染成分的影响也不相同。 相似文献
2.
采用卫星监测的火点燃烧排放数据,利用区域化学传输模式WRF-Chem模拟分析了2017年5月华北地区细颗粒物(PM2.5)质量浓度分布,通过生物质燃烧排放源(华北区域以秸秆燃烧为主)开关的敏感性试验定量计算了燃烧排放对北京及其周边地区PM2.5质量浓度的影响。卫星监测结果显示,2017年5月华北地区有大量的秸秆焚烧现象,对该地区空气质量造成一定影响的燃烧天数为20 d,占全月总日数的65%左右。数值模拟结果表明:该地区秸秆燃烧排放导致PM2.5浓度升高的区域集中在华北平原农作物产区,其分布位置与卫星监测的火点分布吻合。秸秆燃烧导致这些地区PM2.5浓度月平均值上升幅度普遍超过3 μg/m~3,高值区超过了11 μg/m~3,上升比例可达10%以上;此外,来自华北平原及长三角地区的燃烧排放对北京(特别是东南部地区)污染物浓度的影响是不容忽视的,其中河南、山东、天津等地的秸秆燃烧在合适风场的作用下会严重影响北京,可导致丰台及通州等地PM2.5小时浓度上升超过17 μg/m~3,上升幅度超过40%。 相似文献
3.
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
4.
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
5.
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
6.
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
7.
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
8.
秸秆焚烧导致湖北中东部一次严重霾天气过程的分析 总被引：1，自引：0，他引：1
利用地面气象要素、火点信息及污染物资料,研究了2014年6月12~13日湖北省中东部地区一次重度霾天气的成因及污染特征。结果表明:导致此次霾天气的主要原因是安徽省北部大面积秸秆焚烧所形成污染气团受偏东北气流输送的影响,12日在湖北中东部形成了两条"带状"的能见度低值区,最低能见度仅为2.1 km。秸秆焚烧污染物输送气流由北向南影响湖北,主要作用于孝感—武汉—咸宁一带,3个地区细颗粒物(PM2.5)峰值浓度均超过了600μg/m3,且武汉和孝感的PM2.5与PM10质量浓度比值在12日增加到0.76和0.77,并出现了0.96和0.93的最大值,随着污染气团的传输,其中PM2.5所占比例会出现明显下降。SO2质量浓度的变化特征不显著,NO2质量浓度在污染物质量浓度达到峰值前1~3 h达到峰值,而CO是秸秆焚烧产生的主要污染气体,其质量浓度变化与PM2.5和PM10呈正相关关系,相关系数分别为0.66和0.67。风矢量和分析表明:6月12日湖北省中东部存在明显的东北来向气流输送,污染物的输送是该时段霾天气发生的主要影响因子,而6月13日湖北省东北边界处的输送气流已经明显减弱消失,东南部风矢量和异常偏小导致的污染物堆积是该地区污染持续的主要原因。 相似文献
9.
利用高陵区2018年1月1日—2020年12月31日 PM25质量浓度监测资料、空气质量指数,分析PM25的污染特征,结合气象观测资料, 通过线性相关分析定量分析不同季节PM25质量浓度与气温、相对湿度、风向风速、降水等气象要素之间相关性。结果表明：（1）近3 a来高陵区污染天气首要污染物为PM25的累计时间远超其他污染物为首要污染物的累计时间。（2）PM25平均质量浓度月变化呈明显的“U”型特征,1月最高,2月、12月次之;季节变化规律为冬春高、夏秋低,冬季最高,夏季最低。（3）PM25质量浓度日变化呈单峰单谷特征, 23时为最大峰值,17时左右为谷值,此变化趋势与气温、风速的日变化呈相反趋势,与相对湿度日变化趋势基本一致。（4）不同季节PM25质量浓度和气象要素的相关性存在差异,PM25质量浓度与风速及降水量在各个季节均呈显著负相关,与气温整体上呈负相关,与相对湿度整体呈正相关。（5）PM25质量浓度高值主导风向为偏西北风,其次是东北风,风向偏东和西南时PM25质量浓度值相对较小。 相似文献
10.
选用咸宁市金沙区域2006年6月至2007年5月可吸入颗粒物质量浓度监测资料,分析了金沙颗粒物质量浓度时间分布特征。分析结果表明：金沙三种可吸入颗粒物PM10、PM2.5、PM1.0质量浓度变化规律基本一致,年季变化表现为秋冬大,夏春小;日变化呈双峰双谷型周期性变化,白天大于夜间,最大值出现在下午16-19时,最小值出现在清晨03-07时,除秋季外第二峰谷表现不明显。且雨雾天气PM10浓度较晴到多云低。且通过与2006年6月至2007年5月的地面气象要素资料相关分析,发现PM10质量浓度与气温、气压呈显著正相关,与降水、风速、湿度呈显著负相关。 相似文献
11.
利用多源观测资料综合分析了2015年11月沈阳地区一次PM2.5 重污染天气的气象条件、垂直风场演变、大气边界层特征以及污染物的来源。结果表明:本次重污染过程中,沈阳市区PM2.5浓度长达81h超过250μg · m^-3 ,其中峰值浓度达到1287μg · m^-3 ,重污染期间PM2.5 /PM10 的比例最高为90%。受地面倒槽和黄淮气旋影响,近地面层持续存在的逆温层、高相对湿度和弱偏北风为颗粒物吸湿增长和长时间聚集提供有利的天气条件。风廓线雷达风场资料显示在重污染期间,近地面层存在弱风速区、凌乱风场和弱下沉气流。利用风廓线雷达资料计算了边界层通风量(Ventilation Index,VI)和局地环流指数(Recirculation,R),边界层通风量VI和PM2.5 存在明显的负相关,非污染日VI是重污染日的2倍,局地环流指数R在重污染天气前大于0.9,而在污染期间部分空间R小于0.8。通过后向轨迹模式和火点监测资料分析发现,沈阳上空300m高度气团来自于生物质燃烧区域,而且沈阳地区NO2和CO浓度的变化与PM2.5一致,说明本次重污染过程也可能和生物质燃烧有关。 相似文献
12.
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
13.
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
14.
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
15.
利用2018年10月1日至2019年9月30日沈阳地区三个高度大气颗粒物浓度和气象要素逐时观测资料,分析了不同高度颗粒物浓度时间变化特征及其与气象要素的关系。结果表明：不同高度的颗粒物浓度均存在明显的季节变化,秋冬季数值明显高于春夏季。冬季,三个高度的PM2.5平均浓度为54.98±12.67 μg·m-3、63.77±15.1 μg·m-3和39.27±5.62 μg·m-3,即15 m > 1.5 m > 90 m,秋季对应高度的浓度值则为1.5 m > 15 m > 90 m,春季对应高度的浓度值1.5 m≈15 m>90 m,夏季对应高度的浓度值15 m > 90 m > 1.5 m。PM2.5、PM10和TSP浓度的日变化在秋冬季三个高度上均呈明显的双峰,春季则均为单峰,夏季15 m高度为单峰,其余两层无明显规律。月平均颗粒物浓度的变化在冬、夏半年之间存在明显差异。冬半年,1.5 m高度PM2.5、PM10和TSP以及90 m高度PM2.5月平均浓度均表现为增—减—增—减的变化特征,而15 m高度月平均PM2.5、PM10和TSP浓度以及90 m高度月平均PM10、TSP浓度均为先增后减的变化特征。冬半年和夏半年颗粒物浓度最大值分别出现在1月和6月,冬半年最低两层高度的颗粒物浓度明显高于90 m的值,夏半年各月不同高度颗粒物浓度相差不大,均远低于冬半年的浓度值。不同粒径范围的颗粒物浓度与风速和气温均呈负相关关系,且相关系数随高度增加而增加,随颗粒物粒径范围增加而变小;与相对湿度的关系较为复杂,相关系数随观测高度增加和颗粒物粒径范围的增大而有所不同。 相似文献
16.
基于GRAPES-CMAQ的中山市空气质量预报系统预报效果评估 总被引：2，自引：2，他引：2
对基于GRAPES-CMAQ模式的广东省中山市空气质量预报系统2016年的AQI等级、首要污染物、PM2.5和O3浓度预报数据进行检验评估。预报系统对中山市全年的AQI等级24小时预报TS评分为0.66, TS评分在6—7月最高。当实况AQI等级为一级, TS为0.84, 当空气质量变差时, TS明显下降, 说明模式目前对空气重污染事件的预报能力不足。模式对中山市的主要污染物O3、PM和NO2的预报TS评分分别为0.21、0.24和0.24, 其中对O3和NO2的漏报率达到0.78和0.76, 而PM的空报率高达0.71。预报系统对PM2.5的浓度预报总体略偏高, 相关系数为0.59, 但在霾污染较严重的月份中预报效果并不稳定。对O3的预报全年相关系数达到0.7, 且在O3污染较严重的7—11月, 相关系数均能达到0.5以上, 但这几个月的O3预报浓度均比实况明显偏低。从气象预报入手分析预报系统对10月2—7日中山市一次连续O3污染过程漏报的原因, 发现GRAPES模式对这段时间内整个珠三角地区日间降水的预报范围偏大, 强度偏强, 且预报的地面风速也比实况要偏大, 导致模拟O3浓度比实况明显偏低。 相似文献
17.
利用气象和环境监测资料分析2013年2月19日南京一次短时强降雪过程对各类污染源及污染物浓度的影响,并利用Pearson相关分析法分析不同污染物之间及污染物与气象要素之间的相关关系。结果表明：此次南京暴雪对面源影响最大,扬尘排放量几乎为零,流动源主要受机动车早晚高峰变化影响,工业点源受影响不大。此次暴雪过程后,南京空气质量达到优级,2013年2月19日AQI指数比18日与20日均下降35%,SO2日变化仍呈单峰型,颗粒物及NO2日变化则未呈现早晚双峰变化。PM2.5与PM10、SO2、NO2、CO呈显著正相关,相关系数分别为0.979、0.663、0.837和0.875,说明污染物来源具有一定的同源性。污染物浓度与风速、相对湿度呈显著负相关,与温度、大气压强呈显著正相关。 相似文献
18.
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
19.
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