共查询到14条相似文献，搜索用时 125 毫秒
1.
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
2.
利用气象与环境监测数据,结合后向轨迹和秸秆焚烧火点监测资料,从环流形势、气象要素、污染源和污染传输特征等方面,对哈尔滨2017年10月18-20日持续性重污染天气过程进行分析。结果表明：这次重污染过程连续48 h为重度或严重污染,首要颗粒物为PM2.5,PM2.5平均浓度为438 μg·m-3,局地PM2.5浓度高达1487 μg·m-3。重污染过程分为两个阶段,每个阶段主要污染物呈双峰分布。在重污染过程中,高空环流平直,浅槽前暖平流占主导地位,地面为弱低压均压场控制。地面风速小,平均风速仅为1.5 m·s-1,风速≤ 1.5 m·s-1静小风频率为71%,风场辐合,有利于污染物积聚。在重污染发展的过程中,地面相对湿度（RH）增大有利于颗粒物吸湿增长和污染加剧;在重污染减弱的过程中,PM2.5浓度减少至每阶段谷值时间比RH减小至谷值时间滞后4-5 h。在边界层内有逆温层顶高为200 m左右、逆温强度>2.0℃·（100 m）-1的贴地逆温层,层结稳定,垂直扩散条件差。污染物主要来源于秸秆焚烧,其次来源于取暖燃煤。静稳气象条件下本地污染物积累叠加远距离较高浓度的秸秆焚烧污染物输送导致哈尔滨这次重污染过程。 相似文献
3.
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
4.
利用第三代空气质量预报模式LOTOS-EUROS(Long Term Ozone Simulation-European Operational Smog)对2018年中国长三角地区细颗粒物(PM2.5)浓度的时空分布进行数值模拟,通过对比模拟结果与地面观测值,验证模式对PM2.5长期特征模拟的合理性并探讨长三角地区PM2.5的时空分布特征。结果表明：LOTOS-EUROS模式可以较好地再现中国长三角地区PM2.5浓度的时空分布特征,监测站点观测值和模拟值的整体相关系数达到0.64,可以用于长三角地区细颗粒物的模拟。长三角地区PM2.5浓度呈冬高夏低,西北高东南低的特征。冬季PM2.5浓度高值出现在长三角地区的西北部,安徽省等地区的浓度水平最大值可达到160 μg·m-3;春季和秋季PM2.5浓度的高值集中在30°N以北、120°E以西地区,浓度为40-80 μg·m-3;而夏季PM2.5浓度水平大幅度降低,大部分地区维持在20-40 μg·m-3,低值中心出现在长三角地区东南部沿海城市,低于10 μg·m-3,最低值可达5 μg·m-3。 相似文献
5.
利用2014年夏季成都市3个国控环境监测站（金泉两河,君平街和梁家巷）O3、NO2及PM2.5逐时观测数据,结合国家基准站温江站的气温、湿度、风速、风向、太阳辐照度、降雨等地面气象要素观测资料,分析O3的日、月变化及空间分布特征;探究前体物及气象因子对O3浓度的影响。结果表明：成都市O3-8 h平均浓度为104.4 μg·m-3,O3超标率为2.8%—15.3%。O3浓度6月最高,8月最低;呈现明显的“单峰型”日变化特征,午后15：00达到峰值。O3与NO2呈现负相关,相关系数为-0.5;与PM2.5无显著相关性。高温、低湿、强太阳辐射有利于O3的形成;风速为2.5—3.0 m·s-1,风向为南风时,O3浓度相对较高。 相似文献
6.
云和降水过程是大气污染物的重要清除途径,但由于降水过程和大气污染颗粒物本身的复杂性,目前降水过程对大气污染物的清除机制及影响因素有待深入研究。该文利用2014年3月—2016年7月在北京地区连续观测的PM2.5和降水数据,研究了不同降水强度对PM2.5的清除率,以及雨滴谱、风速和降水持续时间对PM2.5清除率的影响。研究表明:降水强度越大,对PM2.5清除效率越高。小雨、中雨和大雨对PM2.5清除率平均值分别为5.1%,38.5%和50.6%。小雨不但对PM2.5的清除率最低,而且对PM2.5的清除效果也存在很大差异,约50%的小雨个例中PM2.5质量浓度出现减小情况,而另外50%的小雨个例中,PM2.5质量浓度出现增加情况。在持续时间长或地面风速增大的情况下,小雨也表现出较高的清除率。在中雨和大雨情况下,PM2.5质量浓度均出现明显减小情况。但降水持续时间和风速对中雨和大雨的清除率影响较小,这是由于中雨和大雨一般在较短时间内即可清除大部分PM2.5,因此,对降水的持续时间和风速大小不敏感。 相似文献
7.
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
8.
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
9.
沈阳两次降水过程中能见度的变化特征 总被引：1，自引：0，他引：1
利用2011年7月29-31日,8月27-29日沈阳大气成分观测站的能见度资料,统计分析了能见度与降水强度、PM10、PM 2.5、PM 1.0质量浓度、风速、相对湿度等气象要素的相关性。结果表明: 7月29-31日降水过程特点为个别时间内降水量较大,8月27-29日降水过程特点为持续几个小时都有较大降水量;7月29-31日和8月27-29日降水过程中,初期降水对PM的湿清除效果较好,后期随着降水强度的增加,能见度有所降低;7月29日0时-31日23时期间内,PM质量浓度在降水过程中出现5 μg•m-3左右的低值是因为降水和较大风速的双重作用,而8月27日0时-29日23时期间内的降水过程中,风速较稳定,PM质量浓度的改变量相对较小;7月29日-31日和8月27日-29日降水过程中,平均风速与PM10、PM 2.5、PM 1.0的变化趋势均呈反相关,较高的相对湿度有利于PM质量浓度的上升;7月29-31日和8月27-29日降水过程中,能见度与PM 2.5/PM10、PM 1.0/PM10的比值变化趋势均呈明显的反相关。随着颗粒物粒径的减小,其与能见度的相关性逐渐增加。 相似文献
10.
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
11.
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
12.
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
13.
利用北京宝联站及北京上甸子大气本底站2006—2008年的7—9月PM2.5连续观测资料以及北京市观象台的探空数据、海淀气象站的风廓线雷达和降水量等资料,对北京地区夏末秋初PM2.5的质量浓度特征及其与气象要素的关系进行了统计分析。结果表明:城区站各月平均PM2.5质量浓度明显高于郊区站,高空偏南气流的输送是造成城区及本底地区出现细颗粒物污染的主要原因。从地面风速来看,城区当北风和南风分别达到2 m·s-1和3.5 m·s-1以上时能起到扩散作用;郊区在低风速的北风条件下也能起到扩散和稀释作用,而南风基本上对郊区的颗粒物无扩散作用。PM2.5质量浓度在降水前后的清除量与降水量、初始质量浓度均呈正相关关系,城区及郊区的云下清除过程更多取决于降水前污染物的浓度,降水量作用较弱。当混合层高度突破1500 m时,垂直扩散对污染物的稀释扩散效果明显。 相似文献
14.
利用2015-2019年太行山南麓(即山西省晋城市)O3浓度和中国太阳总辐射资料,分析了该地区O3浓度的时空变化特征,及其与风、相对湿度、降水、雾霾、气温、太阳总辐射等气象因子的关系。结果表明：O3浓度呈逐年增加趋势,夏季浓度明显高于冬季,月变化为单峰型,峰值出现在6月,谷值出现在1月,日变化白天高于夜间;O3浓度的空间分布有明显的地域差异,呈现中部和南部高,东西部和北部低的特征,表现出与气候倾向率一致的特性。风速对O3浓度影响明显,风速小于1.5 m·s-1时,O3浓度升高速度快,大于2.5 m·s-1时,O3浓度迅速减小;O3浓度与相对湿度为负相关,峰值出现在相对湿度为30%-70%的区域;不同量级降水对O3浓度的影响差异较大,中雨时O3浓度较低,其他量级较高;无降水日O3浓度明显大于有降水日。有雾霾时O3浓度明显低于无雾霾天气;O3浓度与气温具有明显正相关,与太阳总辐射也呈正相关,但是相关性低于O3浓度与气温的相关性。 相似文献