共查询到20条相似文献，搜索用时 406 毫秒
1.
武汉大气能见度与PM2.5浓度及相对湿度关系的非线性分析及能见度预报 总被引：1，自引：0，他引：1
武汉作为中部地区高湿度代表城市,大气污染严重,霾天气多发,但有关该地区大气能见度与PM2.5浓度及相对湿度(RH)的定量关系尚不明确。利用2014年9月—2015年3月武汉地区逐时能见度、相对湿度及颗粒物质量浓度观测数据,研究分析了武汉大气能见度与PM2.5浓度及相对湿度的关系,并进行能见度非线性预报初探,得到以下结论:武汉霾时数发生比例高,霾的发生和加重是能见度降低的主要原因;能见度降低伴随大量细粒子产生和累积,这是武汉大气能见度恶化的重要诱因。细颗粒物浓度与相对湿度共同影响和制约大气能见度变化,高湿高浓度时能见度显著下降,湿情景下(RH≥40%),能见度恶化主要是由湿度增高诱使细颗粒物粒径吸湿增长导致其散射效率增大造成的。当RH >90%时,能见度随湿度升高成线性递减,相对湿度每升高1%,武汉平均能见度降低0.568 km。而干情景下(RH2.5质量浓度升高。在城市大气细粒子污染背景下,能见度与相对湿度成非线性关系,这主要与PM2.5对能见度的影响及吸湿性颗粒物的散射效率变化有关。PM2.5浓度与能见度成幂函数非线性关系,80%≤RH2.5浓度对能见度的影响敏感阈值是随着湿度升高而减小的,干情景下能见度10 km对应的PM2.5浓度阈值为70 μg/m3,湿情景下该阈值为18—55 μg/m3。当PM2.5质量浓度低于约40 μg/m3时,继续降低PM2.5可显著提高武汉大气能见度。预报试验表明,基于神经网络方法建立大气能见度非线性预报模型是可行的,预报能见度相关系数为0.86,均方根误差为1.9 km,能见度≤10 km的TS评分为0.92。网络模型具有较高预报性能,对霾的判别有较高准确性,为衔接区域环境气象数值预报模式,建立大气能见度精细化动力统计模型提供参考依据。 相似文献
2.
利用2016年10月—2019年9月太原地区逐时能见度、相对湿度及颗粒物质量浓度等观测数据,研究分析了大气能见度与相对湿度及PM_(2.5)质量浓度的关系,采用神经网络方法,构建了能见度与相对湿度及颗粒物质量浓度的非线性模型,并利用2019年10月—12月气象小时数据对该模型进行了检验。结果表明:(1)太原不同季节能见度日变化特征明显,春夏秋季能见度在06时左右最低,冬季在09时左右最低;从空间分布上看,太原地区能见度南北差异明显,北部能见度高于南部。(2)细颗粒物质量浓度与相对湿度对大气能见度变化都有明显影响。PM_(2.5)质量浓度与能见度之间存在幂函数非线性关系,在40%≤相对湿度60%的区段内相关性最强,PM_(2.5)质量浓度与10 km能见度对应的阈值随相对湿度升高而减小,范围为5～103μg/m~3。(3)采用神经网络方法构建能见度与相对湿度及颗粒物质量浓度的关系模型,相关系数为0.81。利用太原地区2019年10—12月逐时气象观测数据对模型进行检验,均方根误差为5.29 km,平均绝对百分误差为31.45%,轻微级霾情况下模拟能见度TS评分为0.86,误差呈现正态分布,误差小于4 km的比例达72.99%。该模型对研究太原地区能见度具有较高的参考价值。 相似文献
3.
基于相对湿度、能见度等气象数据,分析气溶胶吸湿增长特性,有助于了解气溶胶对大气环境和区域气候的影响。利用南京地区2016年1—12月、2017年2—12月、2018年1—8月和12月相对湿度和能见度等数据,通过非线性拟合研究气溶胶吸湿增长因子(f(RH))与相对湿度(RH)之间的关系。结果表明,吸湿增长因子在RH值较低(<80%)时,增长率较小;当RH值较高(>80%)时,增长率迅速增大。吸湿增长因子随着月RH值变化而表现出较大差异。此外,当南京地区盛行西风时,高能见度出现的时次较多。f(RH)与PM2.5/PM10成正比,PM2.5/PM10值越高,对应的气溶胶光学吸湿增长因子往往会越高。 相似文献
4.
《气象与环境学报》2017,(1)
利用2014年本溪市大气颗粒物质量浓度监测资料和风速、气温、相对湿度、气压等常规地面气象要素观测资料,分析了本溪地区大气颗粒物质量浓度的月、季变化特征及其与气象要素的相关性。结果表明:2014年7月和10月本溪市大气颗粒物质量浓度较高,5月和9月大气颗粒物质量浓度较低,6月和11月大气颗粒物质量浓度比值较高。夏季PM10质量浓度较低,平均浓度为115.1μg·m~(-3);冬季PM_(2.5)和PM_(1.0)质量浓度较高,平均浓度分别为99.5μg·m~(-3)和86.1μg·m~(-3)。春季和冬季平均风速与大气颗粒物质量浓度的相关性最好,夏季和冬季相对湿度与大气颗粒物质量浓度的相关性最好。当ρ(PM_(2.5))≥200.0μg·m~(-3)时,ρ(PM_(2.5))与平均气温呈显著的正相关关系,相关系数为0.5288,ρ(PM_(2.5))与相对湿度的相关系数也高达0.6981,高温、高湿和小风等气象条件是本溪地区大气颗粒物高质量浓度事件发生的有利气象条件。 相似文献
5.
利用西安泾河和长安的气象观测资料、陕西秦岭大气科学试验基地气溶胶粒子谱观测资料及西安市环境保护局颗粒物质量浓度观测资料,分析了气象条件对关中颗粒物粒径谱的影响,结果表明:关中特殊的地形影响和严重的颗粒物污染是霾易发的主要原因;混合层高度与PM_(2.5)质量浓度具有较明显的负相关关系,秋、冬季混合层高度高有利于颗粒物污染的扩散。不同方向上风速变化对颗粒物浓度的影响体现了西北气流对关中颗粒物污染的扩散作用和偏东气流对颗粒物污染的输送。高相对湿度有利于稳定层结的维持和污染物集聚,当相对湿度≤80%时,粒径在150nm～1.0μm的粒子的数浓度,随着相对湿度的增大明显增加,对降低能见度、形成雾-霾有重要作用。不同粒径段粒子的数浓度随相对湿度的变化不同,对能见度的影响也不同;相对湿度越大,湿度对降低能见度的贡献越大。 相似文献
6.
武汉作为中部地区高湿度代表城市,大气污染严重,霾天气多发,但有关该地区大气能见度与PM2.5浓度及相对湿度(RH)的定量关系尚不明确。利用2014年9月—2015年3月武汉地区逐时能见度、相对湿度及颗粒物质量浓度观测数据,研究分析了武汉大气能见度与PM2.5浓度及相对湿度的关系,并进行能见度非线性预报初探,得到以下结论:武汉霾时数发生比例高,霾的发生和加重是能见度降低的主要原因;能见度降低伴随大量细粒子产生和累积,这是武汉大气能见度恶化的重要诱因。细颗粒物浓度与相对湿度共同影响和制约大气能见度变化,高湿高浓度时能见度显著下降,湿情景下(RH≥40%),能见度恶化主要是由湿度增高诱使细颗粒物粒径吸湿增长导致其散射效率增大造成的。当RH >90%时,能见度随湿度升高成线性递减,相对湿度每升高1%,武汉平均能见度降低0.568 km。而干情景下(RH<40%),能见度迅速降低的关键因素是PM2.5质量浓度升高。在城市大气细粒子污染背景下,能见度与相对湿度成非线性关系,这主要与PM2.5对能见度的影响及吸湿性颗粒物的散射效率变化有关。PM2.5浓度与能见度成幂函数非线性关系,80%≤RH<90%湿度区段下相关性最强。PM2.5浓度对能见度的影响敏感阈值是随着湿度升高而减小的,干情景下能见度10 km对应的PM2.5浓度阈值为70 μg/m3,湿情景下该阈值为18—55 μg/m3。当PM2.5质量浓度低于约40 μg/m3时,继续降低PM2.5可显著提高武汉大气能见度。预报试验表明,基于神经网络方法建立大气能见度非线性预报模型是可行的,预报能见度相关系数为0.86,均方根误差为1.9 km,能见度≤10 km的TS评分为0.92。网络模型具有较高预报性能,对霾的判别有较高准确性,为衔接区域环境气象数值预报模式,建立大气能见度精细化动力统计模型提供参考依据。 相似文献
7.
为分析延安市能见度与相对湿度、气溶胶质量浓度的关系,利用2016年延安大气成分站PM_(2.5)、PM_(10)和国家基本气象站相对湿度、能见度观测资料,对能见度与相对湿度、PM_(2.5)和PM_(10)的关系进行分析。结果表明:全年能见度与相对湿度的线性相关系数最高,与PM_(10)次之;随相对湿度的增大,能见度明显降低。相对湿度<50%时,能见度与PM_(2.5)的非线性相关性高于与PM_(10)的相关性;相对湿度>50%时,能见度与PM_(10)的非线性相关性则较PM_(2.5)好。相较于线性拟合方法,能见度与相对湿度的非线性拟合公式能更好地表现二者的关系。利用相对湿度、PM_(2.5)和PM_(10)观测数据对能见度做多元非线性拟合,检验结果表明,计算得出的拟合公式能较好地模拟延安市能见度的变化规律。 相似文献
8.
《干旱气象》2016,(6)
利用浙江宁波7个县(市)区的能见度、雾、霾、风速、相对湿度等气象资料和细颗粒物PM_(2.5)浓度数据,运用统计分析、后向轨迹模拟及聚类分析等方法研究了宁波地区能见度的时空分布特征及其影响因素。结果表明:1980—2013年,宁波地区能见度总体呈由西北到东南逐渐转好的空间分布特征,且中南部呈逐年下降态势,而北部则呈上升趋势,这与风速和相对湿度减少有关,但不同区域其主要影响因子存在差异。能见度和PM_(2.5)浓度均有明显的季节和日变化特征,且二者呈明显反位相,相关系数为-0.532,其中冬季PM_(2.5)浓度最高,能见度最低,夏季反之;13:00—17:00为PM_(2.5)浓度谷值、能见度峰值,01:00—08:00为PM_(2.5)浓度峰值、能见度谷值。气团输送轨迹分析表明,宁波地区共有来自5个方位的6类轨迹气团,其中西北方向的轨迹4对该区PM_(2.5)浓度影响最大,偏东方向的轨迹6对PM_(2.5)浓度影响最小,能见度最好,而对能见度影响最大的是来自西北方向的轨迹2和偏西方向的轨迹3。 相似文献
9.
《干旱气象》2016,(4)
利用1980—2013年石家庄地区12个气象台站能见度资料,结合相对湿度和PM_(2.5)、PM_(10)浓度数据,分析了石家庄地区能见度的时空分布特征,通过研究能见度与相对湿度和PM_(2.5)、PM_(10)浓度的关系,建立大气能见度的多元非线性预报模型。结果表明:(1)1980年以来石家庄地区年平均能见度以-1.0 km·(10 a)~(-1)的速率呈下降趋势,夏季下降趋势最明显,春季下降趋势最小;(2)1998年前后石家庄地区能见度变化较大,1999—2013年平均能见度较1980—1998年下降了15.3%,且空间变化也较明显,1998年之前分别在中北部和中南部存在2个高值中心,在市区和赵县存在2个低值中心,1998年之后则呈由东向西逐渐递减的分布形势;(3)能见度与相对湿度存在显著的指数函数关系,而与PM_(2.5)和PM_(10)浓度均呈幂函数关系。据此建立的能见度与相对湿度和PM_(2.5)、PM_(10)浓度的多元非线性拟合模型能较好地反映能见度的变化规律,并对能见度具有一定的预报能力。 相似文献
10.
根据杭州1994—2017年24时次观测的大气能见度及同期地面气象要素(风速、气温、降水量和相对湿度等)、2013—2017年PM_(2.5)监测数据,探讨杭州市大气能见度的特征以及相对湿度、PM_(2.5)对能见度的影响。统计分析表明,杭州大气能见度的年、季、日变化特征明显,在经历2003—2014年低能见度天气多发后,2016—2017年能见度明显转好,特别是2017年均能见度达到11.6 km,为1994年以来最高值;一年之中,冬季能见度较低,夏季能见度较高;一日之中,早晨07:00能见度最差,午后15:00最好。能见度的转好与PM_(2.5)关系密切,当PM_(2.5)质量浓度在50μg·m^(-3)以下,每降低5μg·m^(-3)可以使能见度显著增加。 相似文献
11.
长时间序列空气质量数据和气象数据分析济南大气污染与气象条件关系的研究相对较少。利用2010-2016年济南市环境空气质量监测数据、气象再分析和观测数据,分析了济南市PM_(2.5)污染特征、PM_(2.5)浓度与2 m温度(T)、2 m相对湿度(RH)、10 m高度U和V风速(U和V)、10 m风速(WS)、K指数(K)、A指数(A)和边界层高度(BLH)的相关性、天气类型对PM_(2.5)浓度的影响,并基于逐步回归分析方法构建统计模型,利用解释方差量化气象条件对PM_(2.5)浓度变化的影响。分析发现,济南PM_(2.5)浓度存在显著的季节变化和年际变化特征,年均PM_(2.5)浓度呈下降趋势;近地面PM_(2.5)浓度与T、RH、K和A显著正相关,与WS和BLH显著负相关,U和V与PM_(2.5)浓度相关性不显著(p0. 05);不同天气类型对应的PM_(2.5)浓度均值存在显著差异;基于回归模型分析发现气象条件可以解释10%～40%的PM_(2.5)浓度逐日变化,气象条件的影响有明显的季节变化。 相似文献
12.
为探讨大连市大气能见度特征及其影响因子,揭示低能见度天气成因,利用2010—2012年大连地区大气能见度与地面气象要素(相对湿度、风速、气温、气压)日均值的统计资料,分析了大连地区大气能见度与气象要素的相关性。进一步结合PM_(10)质量浓度的变化特征,分析了两次低能见度事件中的天气成因。结果表明:2010—2012年大连地区年均能见度分别约为13.5 km、13.2 km和13.9 km,高能见度事件多出现在10月—次年2月,低能见度事件多出现在每年6—8月,大连地区低能见度事件每年7月较多,1月较少,2010—2012年大连地区低能见度事件分别出现169、157 d和163 d;2010—2012年PM_(10)质量浓度分别为57.8μg·m~(-3)、67.4μg·m~(-3)和65.9μg·m~(-3),PM_(10)质量浓度高值多出现在每年的4—5月和9—12月,PM_(10)质量浓度低值多出现在1—2月;大气能见度和相对湿度和气温的相关性较好,随着相对湿度的增加,能见度与PM_(10)质量浓度的相关性逐渐减小,当相对湿度大于90%时,能见度与PM_(10)质量浓度相关系数减小至-0.23;两次低能见度事件过程中,2011年10月31日一次辐射平流雾过程中的水汽输送来自西南风气流,2012年4月28日一次浮尘事件过程中的沙尘来自西北方向的沙源。该研究可为空气质量预报提供科学依据参考。 相似文献
13.
《湖北气象》2016,(3)
基于2013年武汉市环境监测数据和气象要素资料,分析该市空气质量状况与气象条件的关系。结果表明,武汉市全年平均空气质量指数(AQI)为135,良和轻度污染所占比例分别为35%和30%。雾天、霾天、晴天、雨天四种天气条件下,6种污染物(SO_2、NO_2、CO、O_3、PM_(2.5)和PM_(10))浓度值基本上为雾天最高、霾天次之、晴天再次之、雨天最低,雾天00—08时污染物浓度明显高于其他天气条件;PM_(2.5)浓度与降水量的相关性较差,中雨量级时,降水对污染物的清除作用显著,PM_(2.5)浓度下降明显,当日降水量小于1 mm时,PM_(2.5)浓度略有上升,平均上升1.3μg·m~(-3)左右,这与微量降水的大气增湿作用有关;PM_(2.5)浓度变化与相对湿度(RH)和风速的关系较明显,其相关系数分别为0.87和-0.72,当RH70%且每增加10%时,PM_(2.5)浓度增加10μg·m~(-3)左右;静风和风速很大时,污染物浓度相对较高,东南风影响下PM_(2.5)浓度在四季均较高,而秋、冬季在西北风影响下PM_(2.5)浓度最高;PM_(2.5)浓度主要增长阶段以正变温、负变压为主。 相似文献
14.
为清楚认识降水对能见度及PM_(2.5)浓度的影响,以杭州为例,采用2014—2015年逐分钟气象观测资料,对比分析了不同降水条件下能见度及PM_(2.5)浓度的分布特征,建立了不同强度降水影响能见度及PM_(2.5)浓度的定量关系。研究结果表明降水量大小及持续时间对能见度与PM_(2.5)浓度有明显作用,不仅持续稳定的降水过程能够造成持续的低能见度,突发性强降水更能造成能见度大幅降低;降水与能见度之间关系符合幂函数分布特征,能见度随降水量增加从快速下降过渡到慢速下降,中间存在一个拐点。降水对PM_(2.5)的清除作用受降水量及降水前PM_(2.5)浓度大小共同作用,降水对PM_(2.5)的清除作用在降水较小并持续时,会造成PM_(2.5)浓度的缓慢下降;而强降水过程对PM_(2.5)的清除作用十分明显,降水量、PM_(2.5)浓度、能见度三者之间表现出基本一致的同步变化。基于降水量与降水前PM_(2.5)浓度两个因子,采用非线性拟合方案构建了降水影响PM_(2.5)浓度的定量统计模型,拟合结果与实况较为吻合,说明模型抓住了降水情景下影响PM_(2.5)浓度变化的关键因子。最后针对研究中存在的不足和未来值得进一步发掘的科学问题进行了讨论。 相似文献
15.
《气象与环境学报》2018,(5)
利用2014—2016年宁波市镇海地区逐时气象观测资料和大气成分监测资料,对宁波地区霾天气的变化特征进行统计分析。结果表明:2014—2016年宁波地区霾天气小时出现频率为28.8%,湿霾出现频率为61.0%。近3 a宁波地区霾天气小时出现频率呈下降趋势,秋冬季(11月至翌年1月)霾天气小时出现频率较高,夏季(6—8月)霾天气小时出现频率较低;从日变化来看,霾天气小时出现频率峰值集中出现在上午09时和夜间20—23时。宁波地区重度霾的PM_(2.5)、PM_(10)颗粒物浓度为轻微霾的2.13倍和1.92倍,干霾颗粒物浓度高于湿霾,宁波地区霾天气的颗粒物组成较稳定,PM_(2.5)/PM_(10)比重为0.7左右。宁波地区颗粒物浓度与风速和降水量的相关性较好,春季和夏季风速与PM_(2.5)浓度的相关性较高,秋季和冬季风速与PM_(10)浓度的相关性较高;降水与PM_(10)浓度的相关性高于PM_(2.5)浓度。静稳天气时地面风速小易造成细颗粒物浓度的积累增长,冬季西北偏北风和东北风是影响宁波地区PM_(2.5)浓度变化的重要输送路径,当风向为西北风时,冬季和春季PM_(10)浓度增加明显。 相似文献
16.
利用无人机搭载气象及环境监测设备于2020年7月29—31日在太原进行飞行试验,对不同高度层颗粒物和气象要素进行观测,得到PM_(2.5)三维分布及其随时间的变化特征,并通过气象要素、天气形势和后向轨迹分析得到污染累积和消散成因以及外地传输作用影响。结果表明:PM_(2.5)浓度的垂直分布差异显著,下午大部分时次满足"下高上低"规律,上午边界层垂直混合和颗粒物吸湿增长可能导致"下低上高"的情况;逆温层对大气垂直混合有明显抑制作用;29日为污染物积累过程,30日和31日白天均为消散过程;副热带高压带来的小风、高湿环境是29日颗粒物逐渐累积的原因,30日槽前对流发展和较大的风速有利于颗粒物浓度下降,31日相对湿度较低、对流发展旺盛使PM_(2.5)浓度快速下降;试验期间气流主要来自东南方向,太原市PM_(2.5)本地积累占主导地位,外地传输更多来自于本省晋中、长治等邻近城市。 相似文献
17.
《气象与环境学报》2016,(6)
利用2013—2014年银川地区大气颗粒物质量浓度和同期气象要素的观测资料,分析了银川地区大气颗粒物浓度的分布特征及其与气象条件的关系。结果表明:2013—2014年银川地区PM_(10)、PM_(2.5)、PM1年平均浓度分别为167.3μg·m-3、67.2μg·m-3和45.0μg·m-3,年平均PM_(2.5)/PM_(10)、PM1/PM_(10)、PM1/PM_(2.5)分别为45.0%、32.0%和65.0%;PM_(10)浓度3月最高,8月最低,PM_(2.5)和PM1最高浓度均出现在1月,PM_(2.5)最低浓度出现在8月,PM1最低浓度出现5月;3—5月为PM_(2.5)/PM_(10)、PM1/PM_(10)和PM1/PM_(2.5)最低的3个月。不同天气类型PM_(10)浓度由高至低依次为浮尘/扬沙典型天气平均霾晴天雾,不同天气类型PM_(2.5)浓度由高至低依次为扬沙/浮尘霾典型天气平均晴天雾,不同天气类型PM1浓度由高至低依次为霾典型天气平均雾晴天浮尘/扬沙。风速与PM_(10)浓度呈正相关关系,风速与PM_(2.5)和PM1浓度均呈负相关关系;PM_(10)浓度在偏西北风时较高,PM_(2.5)和PM1浓度在偏西南风与偏东北风时较高;气温与PM_(10)、PM_(2.5)、PM1浓度均呈显著的负相关关系;相对湿度与PM_(10)浓度呈显著的负相关关系,相对湿度与PM1浓度呈显著的正相关关系,相对湿度与PM_(2.5)相关性较弱;气压对PM_(10)浓度变化的影响较小,气压与PM_(2.5)、PM1浓度呈正相关关系;降水对PM_(10)的清除作用最强,对PM_(2.5)的清除作用次之,对PM1基本无清除作用。 相似文献
18.
通过对2015年1—12月上海崇明岛崇南地区颗粒物(PM_(2.5)、PM_(10))浓度的连续监测,研究了PM_(2.5)、PM_(10)在不同季节的动态变化特征及与其他因子(SO_2、NO_2、O_3)的相关性,分析了风向风速和降雨对颗粒物浓度的影响。结果表明:崇明岛PM_(2.5)和PM_(10)浓度的季节变化明显,呈现冬季的春季的秋季的夏季的的特征,冬季PM_(2.5)和PM_(10)小时浓度均值分别为0.058 mg/m~3和0.085 mg/m~3,夏季PM_(2.5)和PM_(10)均值分别为0.034 mg/m~3和0.054 mg/m~3。PM_(2.5)和PM_(10)浓度分别与SO_2浓度和NO_2浓度显著正相关,与O_3显著负相关。全年来看,在西南风向时PM_(2.5)和PM_(10)浓度较高,这主要受该方向上游吴淞工业区、宝钢、石洞口电厂、罗店工业区等工业排放影响;从高浓度颗粒物(PM_(2.5)质量浓度≥0.115 mg/m~3)来向看,北和西北风向时出现高浓度颗粒物的频率最高,这主要是受到我国北方采暖季大气颗粒物输送过程对崇明岛区域的脉冲式污染影响所致;PM_(2.5)、PM_(10)实时浓度与相应的风速呈显著负相关。降雨量大于5 mm或持续3 h及以上的连续降雨对大气颗粒物起到显著的湿清除作用,降雨后PM_(2.5)和PM_(10)质量浓度分别降低了68.0%和66.9%,降雨时和雨后PM_(2.5)浓度为0.025～0.033 mg/m~3,均低于我国环境空气PM_(2.5)的一级浓度限值。 相似文献
19.
《大气和海洋科学快报》2021,(2)
华北平原大气污染与低能见度状况一直是人们关切的问题.本文通过分析2014-2017年PM_(2.5)化学成分的浓度和消光效果,研究了华北平原典型城市保定市的大气污染特征.结果表明,PM_(2.5)分的年均浓度显示下降趋势,水溶性无机离子,碳质气溶胶和金属元素分别减少了11μg m~(-3),23μg m_(-3)和1796 ng m_(-3).NH_4~+,NO_3~-和SO_4~(2-)是PM_(2.5)污染的主要污染物,三者之和占总离子浓度的82.9%.基于IMPROVE方程对细颗粒物进行重构,在观测期间PM_(2.5)质量浓度平均为93±69μg m~(-3),春季,夏季,秋季和冬季的消光系数分别为373.8±233.6 M m~(-1)±,405.3±300.1 M m~(-1),554.3±378.2 M m~(-1)和1005.2±750.3 M m~(-1).硫酸铵,硝酸铵和有机物对消光的贡献最大,不同季节下占比达55%～77%.通过PM_(2.5)组分进行重构,利用IMPROVE算法计算得到Rbsca,用能见度测量值转换得到Vbsca,二者具有较高的相关性(r2=0.84);但存在Vbsca的高值被低估,Vbsca的低值被高估的现象;特别是当Rbsca 1123 M m~(-1)(对应能见度约小于2.0 km)时,Vbsca的值被低估了17.6%.高浓度PM_(2.5)和高湿度对IMPROVE算法结果有显著的影响. 相似文献
20.
《气象与环境科学》2020,(1)
为深入了解晋城市颗粒物浓度时空分布特征,对晋城市2017年12月至2018年5月国控点、小型站和微型站PM_(2.5)及PM_(10)小时浓度数据进行收集整理,并进行空间插值分析和时间变化趋势分析及与气象监测数据的相关分析。结果表明:颗粒物浓度在冬、春季节具有明显差异,冬季PM_(10)与PM_(2.5)高值区主要位于东北部及东南小部分区域,春季PM_(10)高值区位于城区南部区域,PM_(2.5)高值区主要集中于城区。晋城市城区和郊区PM_(10)与PM_(2.5)月均浓度整体呈单峰型变化,PM_(10)在4月份最高(157.54±5.67μg·m~(-3)),PM_(2.5)在1月份最高(94.08±2.25μg·m~(-3))。冬季PM_(2.5)/PM_(10)平均为0.57,春季平均为0.45。颗粒物小时浓度的变化呈现单峰单谷的型式,冬季PM_(10)与PM_(2.5)小时平均浓度最高值均出现在10时,春季均出现在09时。监测期间晋城市PM_(10)与PM_(2.5)的小时浓度值与相对湿度有较高的正相关性(p0.01),与风速、风向有较高的负相关性(p0.01),与温度和气压的相关性较低。冬季,东北至正南风向时,PM_(10)与PM_(2.5)的浓度普遍高于西北风向时的浓度,对晋城冬、春季国控点颗粒物浓度贡献率最高的风向风速为东南偏南风向,风速在1 m/s以内。 相似文献