共查询到16条相似文献，搜索用时 312 毫秒
1.
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
2.
《干旱气象》2020,(4)
基于呼和浩特市1981—2018年地面气象观测资料、2014—2018年的空气污染观测数据和1992—2013年夜间灯光指数,计算呼和浩特市大气自净能力指数ASI,分析大气自净能力与空气质量的关系,探讨近38 a呼和浩特市大气自净能力变化特征及其影响因素。结果表明:ASI与空气质量指数AQI呈幂函数的负相关关系,ASI越小,越容易出现空气污染。呼和浩特市年平均ASI呈显著下降趋势,特别是21世纪之后下降明显。风速、混合层高度对ASI的作用更大,而降水的作用较小。冷空气日数与ASI正相关关系显著,21世纪以后冷空气活动的明显偏弱对大气自净能力减弱造成一定影响;夜间灯光指数及夜间灯光区域面积均与通风量呈显著的负相关关系,大气自净能力的变化在一定程度上受到城市化进程的影响,特别是21世纪以后影响较大。 相似文献
3.
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
4.
文雯 《沙漠与绿洲气象(新疆气象)》2019,13(1):21-28
为了分析空气质量状况及其与大气水汽的关系,基于四川盆地西部的成都市近年来污染天气频发的现状,利用2015年成都市环境监测中心提供的环境空气质量指数资料和温江国家基准气候站提供的大气水汽探空资料,首先分析了成都空气质量变化特征,进一步结合成都L波段探空水汽数据,初步研究了成都空气质量与大气水汽的关系。结果表明：2015年成都单日空气质量指数（AQI）最高值为309,达到严重污染级别;AQI年分布特征是冬季最高,夏季最低;首要污染物最多的是PM2.5。春、夏季,大气可降水量（PWV）与臭氧质量浓度在5—8月呈显著负相关;秋、冬季,PWV与PM2.5及PM10质量浓度在1月、10—11月呈显著正相关,其中水汽对PM2.5浓度影响较大的时段出现在1月和10月。 相似文献
5.
利用郑州市主城区1961—2020年气象观测资料和2014—2018年空气质量监测数据,分析了郑州主城区大气自净能力指数的长期变化趋势与影响因子以及2014—2018年主城区大气自净能力与PM_(2.5)的关系。结果表明:郑州主城区大气自净能力指数30 a气候均值为4.42 t·(d·km^(2))^(-1),春季大气自净能力最强,为5.20 t·(d·km^(2))^(-1);秋季大气自净能力最弱,为3.88 t·(d·km^(2))^(-1),不利于对大气污染物的清除。1961—2020年郑州主城区大气自净能力呈显著的减弱趋势,其中1969年最强为6.85 t·(d·km^(2))^(-1),2020年最弱为3.06 t·(d·km^(2))^(-1)。影响因子中,1961—1980年混合层厚度与大气自净能力指数呈正相关;日平均风速≥2.5 m·s^(-1)的日数和小风日数与大气自净能力分别呈正、负显著相关;大气自净能力指数与降水日数显著相关,2015年后偏强降水日数的增加对大气自净能力在同时期的增强有一定影响。此外,研究还表明主城区大气自净能力和PM_(2.5)浓度存在显著的负相关,说明大气自净能力强时,对应的PM_(2.5)浓度低,环境空气质量趋好。 相似文献
6.
基于华北区域80个国家地面气象观测站资料,采用大气自净能力指数(ASI)分析了1961—2017年华北区域大气自净能力的气候分布特征及长期变率;用MK和MT法及Morlet小波对ASI进行了突变检验和能量谱分析;结合ASI的REOF空间载荷场分布特征,将华北区域进行分区,并研究了气象要素与华北区域及各分区的可能联系;对于大气自净能力较低的Ⅳ区,选择近年污染相对严重的部分城市（石家庄、保定和唐山）,对比了ASI与污染气象条件及不同级别AQI天数占比情况。结果表明:年、季尺度的大气自净能力在京津冀和山西大部、内蒙古东北部等区域呈现出较低的气候值,在内蒙古中部等其他地区呈现出相对较高的气候值,大气自净能力在季节尺度上呈现出从春季到冬季逐渐下降的变化趋势;区域变暖背景下,冬季风环流减弱,天气过程频率和强度减弱,地面风速随之降低,导致ASI降低;研究区域的ASI与混合层高度、地表通风系数、良和轻度级别天数占比均呈现出同相月变化,而与静稳天气指数、重度和严重级别天数占比呈现出反相月变化规律。根据风速和气温对大气自净能力的影响规律,推测未来大气自净能力很可能进一步降低,因此建议地方政府进行适当的大气污染减排和区域产业升级,有利于控制未来的空气污染形势。 相似文献
7.
《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
8.
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
9.
利用2007—2017年乌鲁木齐市L波段探空雷达和地面常规观测数据,以Holzworth干绝热曲线原理,估算该地逐日最大边界层高度,并计算对应的边界层平均风速和通风量等数据。同时,应用2015—2017年空气污染指数(AQI),探讨空气质量与大气边界层参数的关系。结果表明:乌鲁木齐市日最大边界层年均高度为1415 m,总体上呈下降趋势,平均降幅为5. 9 m·a-1。时间序列上,日最大边界层高度分布呈明显周期性。逐月数据呈"抛物线"状,1月平均高度最低(336 m),6月平均高度最高(2400 m)。冬季边界层平均风速最小,为2. 6 m·s-1,春季和夏季最大,均为5. 6 m·s-1。一年中,1月平均通风量最小,为977. 0 m^2·s-1,5月平均通风量最大,为14835. 9 m^2·s-1,4—9月为平均通风量大值期,平均通风量为13282. 3 m^2·s-1。大气污染物在风速弱、边界层高度低和通风量小条件下的累积,易造成中度以上污染。冬季,乌鲁木齐常处于蒙古高压后部或底部,为造成冬季污染严重的重要原因之一。 相似文献
10.
基于银川高空站2008～2017年的L波段秒级数据和地面观测数据,利用干绝热法计算银川2008～2017年逐时大气混合层高度,分析其变化特征,同时利用银川6种污染物的质量浓度和AQI指数,分析大气混合层高度与空气污染物的关系。结果表明:银川市的大气混合层高度（MLH）大部时间在600 m以下,占比为68%;银川MLH具有明显的单峰型日变化特征,07:00（北京时间,下同）最低,16:00最高;各月MLH值在282～936 m,4～6月MLH值最高,12月MLH值最低;季节变化方面,春季最高,夏季次之,冬季最低;年变化方面,2012年MLH平均值最高为621 m,2015年最低为566 m;银川市6种污染物除O3外,其余5种污染物的质量浓度与MLH值都为负相关,O3与MLH值的相关性最好;四季中,冬季污染物浓度与MLH值的相关性最好,夏季最差,秋季好于春季;银川MLH值与AQI指数呈负相关。 相似文献
11.
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
12.
基于1961-2010年安徽省气象台站的定时观测资料,采用国标法计算安徽省近50年大气稳定度、混合层厚度和大气环境容量系数,并结合合肥市空气质量逐日观测数据初步分析了大气环境容量系数对空气质量的影响。结果表明：安徽省大气稳定度以中性类居多,稳定类其次;近50年来,中性类稳定度呈明显下降趋势,不稳定类和稳定类呈显著上升;不稳定类和稳定类有明显的季节差异,中性类不明显。年平均混合层厚度显著下降;春季混合层厚度在2000年左右发生转折,夏、秋、冬三季下降趋势显著;春、夏季混合层厚度高于秋、冬季,冬季最低,春季最高。安徽省大气环境容量系数以沿淮中部、大别山区南部和沿江中西部最大,淮北大部、大别山区北部和江南南部最小,各地均呈现一致的显著下降趋势,并具有明显的年代际变化特征。年内大气环境容量系数呈"双峰型"分布,秋、冬季为低值时段,大气对污染物容纳能力较差,不利于扩散和清除,空气质量较差。总的来看,1961-2010年安徽省大气稳定度显著增加,混合层厚度较明显下降、风速快速减弱是全省大气环境容量系数变小、大气自净能力减弱的最主要原因。 相似文献
13.
利用常规气象数据、颗粒物观测数据、全球大气同化系统GDAS数据、NCEP再分析资料、ERA5再分析资料等,结合数理统计、轨迹聚类、天气学分析等方法对2015—2019年秋冬季漯河重污染特征、污染输送及潜在源区分布进行分析,并通过一次典型重污染个例进行证明。结果表明:近5 a秋冬季漯河重污染过程发生频次高、持续时间长、污染程度重,AQI、PM_(2.5)变化趋势不明显,PM_(10)浓度下降趋势明显,PM_(2.5)/PM_(10)比值逐年递增,以PM_(2.5)重污染为主。秋冬季漯河主要有6种气团输送路径,东北路、偏东路轨迹短、移速慢且高度低,近距离近地层污染输送特征明显,为重要重污染通道;西北路远距离下沉沉降输送和西南轨迹近距离输送下的AQI均值及重污染概率较低,对漯河重污染贡献不高。漯河潜在源区来源复杂、范围广、强度大,其污染潜在源主要分布在河南中东部、尤其是东北部,对应东北路径、偏东路径等气团轨迹。重污染时地面偏北风是其主导风,尤其是2—4 m·s^(-1)之间偏北到东北风最为显著。两次跨区域输送表明,北路或东北路近地层输送是AQI峰值维持发展的重要原因。 相似文献
14.
利用山东22个基本（准）气象站小时气象观测资料,采用A值法计算了山东1961—2017年逐日大气自净能力指数（the atmospheric self-purification capacity index,ASPC）,分析了其气候空间分布特征和时间演变规律,利用MK检验（Mann-Kendall检验）和MT检验（Moving-t,滑动t检验）方法对历年ASPC进行了突变检验。结果表明：平均ASPC气候倾向率减小趋势极显著(P<0.01),除章丘和威海外,其他各地ASPC减小趋势均极显著(P<0.01);春季各月ASPC较大,历年各月ASPC随时间明显减小;年和四季ASPC空间分布基本一致,半岛地区较大,鲁南等内陆地区相对较小;年和春、夏、秋、冬季ASPC突变年份分别出现在2003年和2006年、2003年、2003年、2005年。济南、青岛地区ASPC分别从1999年、1993年开始显著减小,低ASPC日数历年变化大致与ASPC变化相反;济南和青岛历年各月ASPC变化差异明显。 相似文献
15.
基于2013—2018年大连中心城区O_(3)监测数据和气象数据,分析了该区O_(3)污染时空变化特征及气象要素对O_(3)污染的影响。结果表明:2013—2018年大连中心城区O_(3)已经逐渐成为最主要的大气污染物之一。O_(3)年平均浓度由2013年的66.66μg·m^(-3)上升至2018年的101.62μg·m^(-3)。秋季和夏季是大连O_(3)浓度较高的季节,其次是冬季和春季。O_(3)最高浓度月份主要为5月、6月及9月。O_(3)浓度日变化呈明显的单峰状,从上午08时开始增加,在下午14—16时达到最高,白天浓度高于夜晚。O_(3)污染物在2013—2017年从大连中心城区的西南向东北扩散。大连中心城区O_(3)与其他5种大气污染物均存在不同程度的负相关,与气温呈显著正相关,与相对湿度、气压及风速相关性较差。有利于大连O_(3)污染天气的气象条件主要为高气温(>30℃)、低湿度(≤80%)、低风速(1.5—2.0 m·s^(-1))、北风风向和长日照时间。高污染日的出现可能是受高温天气与本地逐渐增加的排放物共同影响。 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