共查询到18条相似文献，搜索用时 201 毫秒
1.
福州市PM2.5、PM2.5/PM10分布特征及与气象条件关系的初步分析 总被引：1，自引：0，他引：1
利用福州市PM2.5、PM10和气象资料,分析PM2.5、PM2.5/PM10的分布特征及与气象条件的关系。结果表明:福州市细粒子污染程度较轻,春季PM2.5和PM2.5/PM10值均是四季中最高的,其次是冬季,夏季最低;影响PM2.5浓度出现高值的天气系统有:暖区辐合与高空槽前、大陆高压后部和暖区降水三种系统,其中暖区降水天气形势下的PM2.5平均浓度最高,超标率为25.5%;影响PM2.5浓度出现低值的天气系统有:冷高压脊、高压底部和高空槽后,副热带高压及边缘,台风(热带辐合带)及外围系统,在后两种天气系统影响下的PM2.5平均浓度最低,超标率为0;剔除因降水、雾等低能见度个例,PM2.5浓度与能见度的相关系数为-0.626,冬春季的相关系数是夏秋季的1.4倍;PM2.5浓度与单一气象要素(如温度、相对湿度、风速等)相关性不明显,但不同季节、不同气象要素变化的组合对PM2.5浓度有直接影响。 相似文献
2.
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
3.
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PM2.5及PM10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PM10与PM2.5高值区主要位于东北部及东南小部分区域,春季PM10高值区位于城区南部区域,PM2.5高值区主要集中于城区。晋城市城区和郊区PM10与PM2.5月均浓度整体呈单峰型变化,PM10在4月份最高(157.54±5.67μg·m^-3),PM2.5在1月份最高(94.08±2.25μg·m^-3)。冬季PM2.5/PM10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PM10与PM2.5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PM10与PM2.5的小时浓度值与相对湿度有较高的正相关性(p<0.01),与风速、风向有较高的负相关性(p<0.01),与温度和气压的相关性较低。冬季,东北至正南风向时,PM10与PM2.5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
4.
利用四平中韩沙尘暴监测站颗粒物监测仪器GRIMM180观测的2011年数浓度及ρ(PM10)、ρ(PM2.5)和ρ(PM1.0)数据及台站的常规气象观测资料,分析了该地区数浓度、质量浓度的变化特征及与气象条件的相关性。结果表明,PM2.5和PM10污染存在着明显的季节性变化,季节变化特征基本一致,表现为冬季>春季>秋季>夏季,冬季最重,夏季最轻;颗粒物质量浓度日变化呈现两峰特征,ρ(PM10)、ρ(PM2.5)和ρ(PM1.0)之间有很好的相关性,ρ(PM2.5)/ρ(PM10)的平均值为65.7%,ρ(PM1.0)/ρ(PM2.5)的平均值83.9%,ρ(PM1.0)/ρ(PM10)的平均值55.2%;四平地区年主导风向为SSW,颗粒物质量浓度变化受沙尘移动路径影响较大,采暖期间供热燃煤排放对空气质量有较大程度的影响,其中大风、浮尘等天气条件下颗粒物质量浓度值呈较大突变特性。 相似文献
5.
利用北京市空气质量监测数据和气象资料,对2013年2月28日和3月9日两次沙尘污染过程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)、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)浓度及PM2.5浓度/PM10浓度比值的变化特征进行了分析,研究结果表明:(1)沙尘开始影响北京时,PM2.5与PM10浓度表现出反位相变化,PM10浓度在两次沙尘过程中2 h内分别上升50.8%与202.4%,最高达800μg m-3以上;PM2.5浓度分别下降58.3%与50.9%,直至下降至35μg m-3以下,PM2.5有明显改善现象。(2)虽然PM2.5浓度在沙尘到达前有缓升的迹象,但沙尘抵达后,PM2.5浓度持续快速下降,PM2.5浓度/PM10浓度比值由沙尘影响前的0.75以上降至0.25以下。沙尘影响前,PM2.5日均值均超过150μg m-3,北京地区处于重度污染水平。这说明沙尘来临前以人为污染为主,主要由细粒子"贡献",沙尘来临后的空气污染,主要由巨、大粒子的沙尘"贡献"。 相似文献
6.
为了监测北京奥运主场馆附近大气颗粒物的污染状况以及评估奥运污染源减排措施对北京大气颗粒物质量浓度变化的影响,利用颗粒物在线监测仪器TEOM于2007年和2008年夏季,在奥运主场馆附近的中国科学院遥感应用研究所办公楼楼顶对大气颗粒物PM10和PM2.5进行了连续同步观测。结果表明,2007年夏季监测点附近大气PM10与PM2.5质量浓度的平均值分别为153.9和71.2μg.m-3,而2008年夏季PM10与PM2.5质量浓度的平均值分别为85.2和52.8μg.m-3。与奥运前一年同时段相比,奥运时段大气PM10和PM2.5的质量浓度分别下降44.5%和25.1%。对比分析奥运前后的2次典型污染过程发现,空气相对湿度的增加和偏南气流输送的共同影响易造成大气颗粒物的累积增长,而降雨的湿清除作用和偏北气流则会使大气颗粒物浓度迅速降低。在相近的气象条件下,奥运前后的污染过程中,大气细粒子的日均增长速率分别为25.1和13.9μg.m-3.d-1,而大气粗粒子的日均增长速率分别为20.8和2.2μg.m-3.d-1,奥运时段污染累积过程中大气粗、细粒子的增长速率分别显著低于和略低于奥运前同时段污染过程中颗粒物的增长速率。污染源减排措施的实施是奥运期间大气颗粒物质量浓度降低的主要原因,从控制效果来看,奥运期间实施的污染源减排措施对大气粗粒子的控制效果明显好于大气细粒子。 相似文献
7.
采用江苏省淮安市地面5个监测站2013年1月1日2015年12月31日PM10、PM2.5、SO2、NO2、CO、O3逐日质量浓度资料及同期气象资料,统计分析了该地区大气污染季节变化特征及其与气象条件的关系;采用MODIS的光学厚度AOD (Aerosol Optical Depth)资料和火点资料分析了2013年12月发生在淮安的一次持续性大气污染事件。研究结果表明,淮安空气质量AQI指数(Air Quality Index)在春冬季较高,夏秋季较低,污染天气发生在春冬季的概率为23.6%,夏秋季的概率为13.3%。淮安地区的首要大气污染物为颗粒物污染,其中PM10、PM2.5占比分别达到25.2%、48.9%,PM10中PM2.5比率年平均为61.0%,臭氧是第2大污染物,占比为25.8%。表征大气柱气溶胶浓度的AOD的季节变化与地面颗粒物浓度截然不同,颗粒物浓度 1月和12月出现极高值,而这两个月AOD月平均值却在一年中达到极低值,AOD最高值出现在7月。另外,AQI与降水、气温、风速、相对湿度呈负相关关系,但相关程度较弱。 相似文献
8.
利用贵阳市环境监测站提供的贵阳市9个环境监测站点2013—2014年1—12月PM2.5浓度逐时资料,对2013—2014年贵阳市其PM2.5浓度分布及变化情况进行描述,结合同时段贵阳市逐时降水资料进行对比统计分析探讨降水对PM2.5浓度的影响。研究表明:贵阳市PM2.5年均浓度约为33~55μg/m3,秋冬季及初春逐月污染浓度高,夏季低,PM2.5浓度日变化呈典型的双峰值结构,早晚高峰期污染浓度都较高;有降水时的年均浓度比无降水时低近2成,雨日PM2.5浓度均低于非雨日,在有降水日,尤其在夜间及上午时段的PM2.5浓度降低较明显,与贵阳市多夜雨的降水特征相关联;与不足1mm的轻微降水相比,大于1mm的较强降水对PM2.5的清除和抑制效果显著。 相似文献
9.
通过对淳安2013年全年的大气颗粒物PM2.5和PM10资料统计分析,得出该地区PM2.5和PM10质量浓度的季节变化、日变化特征以及气象因子对其的影响。结果表明:2013年淳安PM2.5年平均浓度为国家标准的1.2倍,PM10年平均浓度优于国家标准;PM2.5和PM10均具有明显的季节变化特征,表现为冬季秋季春季夏季;并且均呈现双峰型的日变化特征,二者出现峰值的时间基本一致,PM2.5和PM10峰值出现在18:00,次峰值出现在08:00,谷值均出现在14:00,主要与边界层变化和人为活动有关;PM2.5和PM10变化存在明显的线性关系。降水对颗粒物浓度影响较大,能有效降低颗粒物质量浓度。 相似文献
10.
对济南市2013年1—12月的能见度、相对湿度、PM10及PM2.5逐时监测数据分析,结果表明：能见度、相对湿度、PM10和PM2.5浓度有明显的月变化和日变化规律。在各项污染物中,能见度与颗粒物的相关性最高,与PM10的相关系数为-0.6718,与PM2.5的相关系数为-0.7422;在气象因子中,与相对湿度的相关性最高,相关系数为-0.6501。不同季节条件下,能见度与PM2.5的相关性明显优于PM10的,冬季能见度与颗粒物的相关性明显优于其他季节的。 相似文献
11.
海口市PM_(10)、PM_(2.5)和PM_1质量浓度的变化特征分析 总被引：2，自引：0，他引：2
利用2013年在海口市气象局地面气象观测站采集的PM10、PM2.5和PM1质量浓度数据,分析了2013年可吸入颗粒物质量浓度的变化特征,并对其成因进行了初步分析。结果表明:2013年海口市PM10、PM2.5和PM1质量浓度的变化趋势基本相同,PM10、PM2.5质量浓度的超标率低,达到一级标准的概率分别为74.0%和68.8%,超过2级标准的天数分别为1和9 d,ρ(PM2.5)/ρ(PM10)与ρ(PM1)/ρ(PM2.5)的比例平均分别为78.1%和85.1%;海口PM10、PM2.5和PM1质量浓度冬季最高,夏季最低,春、秋两季处于冬夏之间;PM10、PM2.5和PM1质量浓度的日变化呈双峰现象,一个峰出现在上午,一个峰出现在夜间;颗粒物质量浓度的变化主要受到气象条件和污染物排放的影响。 相似文献
12.
Rawad Massoud Alan.L Shihadeh Mohamed Roumié Myriam Youness Jocelyne Gerard Nada Saliba Rita Zaarour Maher Abboud Wehbeh Farah Najat Aoun Saliba 《Atmospheric Research》2011,101(4):893-901
The results of the first large scale chemical characterization of PM10 and PM2.5 at three different sites in the urban city of Beirut, Lebanon, are presented. Between May 2009 and April 2010 a total of 304 PM10 and PM2.5 samples were collected by sampling every sixth day at three different sites in Beirut. Observed mass concentrations varied between 19.7 and 521.2 μg m? 3 for PM10 and between 8.4 and 72.2 μg m? 3 for PM2.5, respectively. Inorganic concentrations accounted for 29.7–35.6 μg m? 3 and 46.0–53.5 μg m? 3 of the total mass of PM10 and PM2.5, respectively. Intra-city temporal and spatial variations were assessed based on the study of three factors: correlation coefficients (R) for PM and chemical components, coefficient of divergence (CODs), and source apportionment using positive matrix factorization (PMF). Based on R and COD of PM concentrations, the three sites appear homogeneous. However, when individual elements were compared, heterogeneity among sites was found. This latter was attributed to the variability in the percent contribution of biogenic and local anthropogenic source factors such as traffic related sources and dust resuspension. Other factors included the proximity to the Mediterranean sea, the population density and the topographical structure of the city. Hence, despite its small size (20.8 km2), one PM monitoring site does not reflect an accurate PM level in Beirut. 相似文献
13.
Sharma Sudhir Kumar Karapurkar Supriya G. Shenoy Damodar M. Mandal Tuhin Kumar 《Journal of Atmospheric Chemistry》2022,79(1):67-79
This study presents the chemical composition (carbonaceous and nitrogenous components) of aerosols (PM2.5 and PM10) along with stable isotopic composition (δ13C and δ15N) collected during winter and the summer months of 2015–16 to explore the possible sources of aerosols in megacity Delhi, India. The mean concentrations (mean?±?standard deviation at 1σ) of PM2.5 and PM10 were 223?±?69 µg m?3 and 328?±?65 µg m?3, respectively during winter season whereas the mean concentrations of PM2.5 and PM10 were 147?±?22 µg m?3 and 236?±?61 µg m?3, respectively during summer season. The mean value of δ13C (range: ??26.4 to ??23.4‰) and δ15N (range: 3.3 to 14.4‰) of PM2.5 were ??25.3?±?0.5‰ and 8.9?±?2.1‰, respectively during winter season whereas the mean value of δ13C (range: ??26.7 to ??25.3‰) and δ15N (range: 2.8 to 11.5‰) of PM2.5 were ??26.1?±?0.4‰ and 6.4?±?2.5‰, respectively during the summer season. Comparison of stable C and N isotopic fingerprints of major identical sources suggested that major portion of PM2.5 and PM10 at Delhi were mainly from fossil fuel combustion (FFC), biomass burning (BB) (C-3 and C-4 type vegitation), secondary aerosols (SAs) and road dust (SD). The correlation analysis of δ13C with other C (OC, TC, OC/EC and OC/WSOC) components and δ15N with other N components (TN, NH4+ and NO3?) are also support the source identification of isotopic signatures.
相似文献14.
利用2014—2017年汕头市PM2.5的日浓度资料、以及汕头市国家基准气象观测站的同期地面气象资料,重点分析了汕头市PM2.5浓度的变化特征以及风、混合层厚度、降水等气象条件对PM2.5浓度的影响,同时探讨了污染物浓度变化的成因。在此基础上,根据汕头市的气候特点,采用BP （Back-Propagation）人工神经网络方法针对汛期和非汛期分别建立了PM2.5质量浓度预报模型。结果表明：与多数内陆城市不同,汕头市PM2.5浓度日变化为单峰型,这与汕头地处沿海受海陆风影响有关;PM2.5浓度日峰值出现在08时左右,除早高峰污染物排放增加的因素外,与早晨时段的低风速环境有关;PM2.5日均浓度随着风速的增大呈现减小趋势,PM2.5日均浓度与08时混合层厚度显著相关（相关系数为-0.143）;汕头市非汛期PM2.5浓度比汛期高,这与汕头市的亚热带季风气候特征有关,汛期各量级降水（暴雨以上除外）对PM2.5的清除效果无明显差别,而非汛期降水对PM2.5浓度有明显清除作用;BP人工神经网络模型的预报效果表明,汛期和非汛期的PM2.5级别命中率TS分别为100%和90.3%,准确指数分别为87.7%和89.9%,总体预报效果良好。不同时期预报模型出现正误差的数量和程度均大于负误差,汛期预报模型在有强降水发生时误差较大,而非汛期预报模型在有冷空气入侵时误差较大。 相似文献
15.
为研究大气气溶胶及空气中水汽与大气能见度下降的关系,利用2009年天津大气边界层观测站大气能见度资料和同期观测的相对湿度、PM10及PM2.5资料,对三者与大气能见度的关系进行了分析。结果表明：大气能见度与相对湿度线性相关系数最高,PM2.5次之;大气能见度随相对湿度的增大而明显降低。相对湿度低于60 %时,大气能见度与PM2.5的非线性相关性较好,与PM10次之,与PM10与PM2.5差值的相关性最差。相对湿度高于60 %时,大气能见度与PM10的非线性相关性较好,与PM10-PM2.5差值的相关性次之。大气能见度与相对湿度非线性相关系数高于线性相关系数。利用相对湿度、PM10及PM2.5数据计算得到了具有季节变化的非线性大气能见度拟合公式,经验证,该公式能较好地模拟天津地区的大气能见度。 相似文献
16.
A. L. Dement’eva G. S. Zhamsueva A. S. Zayakhanov V. V. Tsydypov A. A. Ayurzhanaev D. Azzayaa D. Oyunchimeg 《Russian Meteorology and Hydrology》2013,38(2):80-87
Results are presented of monitoring measurements of the mass concentration of PM10 (particles with the size of less than 10 μm) and PM2.5 (less than 2.5 μm) fine-dispersed aerosol fractions at the Sainshand and Zamyn-Üüd stations located in the Gobi Desert of Mongolia. Revealed are the annual variations of the mass concentration of PM10 and PM2.5 fine-dispersed aerosol fractions at these stations in 2008. The maximum values of monthly mean concentration during the year were observed in May in the period of dust storms. On the days with the steady calm weather, the mass concentrations of PM10 and PM2.5 varied within 5–8 μg/m3 (PM10) and 3–5 μg/m3 (PM2.5) at the Sainshand station. During the dust storms, the maximum values of concentration exceeded 1400 μg/m3 (PM10) and 380 μg/m3 (PM2.5) that is by 28 (PM10) and 15 (PM2.5) times higher than the maximum permissible concentration for the European Union. Results are given of studying the frequency and duration of dust storms in recent 20 years (1991–2010) in the Eastern Gobi Desert. 相似文献
17.
人类赖以生存的大气环境受到人类燃烧化石燃料和汽车尾气排放等人为活动的影响,其中大气中直径≤2.5μm的颗粒物(particulate matter)被称为PM2.5,由于其来源多样,生成理化过程复杂,有的PM2.5可能会因为带有毒性而引起人们的重视。全球对PM2.5的长期观测记录较少,近些年美国宇航局转发了加拿大两位科学家的研究,他们根据美国宇航局的卫星资料反演得到2001—2006年平均全球PM2.5浓度分布(图1),从图中可以看到,从中国东部到非洲北部撒哈拉沙漠是PM2.5的大值区,即包括中国东部和西北地区、印度半岛、阿拉伯半岛和非洲北部撒哈拉沙漠是PM2.5浓度大值区。这一反演结果虽然为我们提供了一个较好的参考,但是 相似文献
18.
利用2006年8月-2007年10月辽宁中部沈阳、鞍山、抚顺和本溪4城市可吸入颗粒物PM10、PM2.5、PM1及同步气象因子的监测资料,分析了可吸入颗粒物分布特征、污染水平及其与气象因子的关系。结果表明：受区域天气系统的影响,4城市PM10和PM2.5的日平均浓度变化趋势基本一致,具有区域分布特征;PM10超标率冬季为最高;PM2.5日平均浓度占PM10比例夏季和冬季最大;PM10、PM2.5和PM1之间有很好的相关性;PM10与风速、温度呈负相关,PM2.5和PM1与能见度、风速、温度呈负相关,与相对湿度成正相关。 相似文献