共查询到20条相似文献，搜索用时 31 毫秒
1.
《气象与环境学报》2016,(2)
利用2014年3月至2015年2月锦州市逐日AQI、日平均污染物浓度和同期气象要素观测资料,对锦州市空气质量时空分布特征及其与气象条件的关系进行了分析.结果表明:锦州市空气质量等级为良的频率为62%,轻度污染的频率为23%,优的频率仅为6%,主要污染物为PM_(2.5)、PM_(10)、SO_2和O_3.锦州市2月和10月空气质量最差,9月空气质量最好,空气质量达优和良等级的日数占9月总日数的97%;锦州市天安街道空气质量最差,其SO_2浓度为百股街道的5倍.锦州市出现3级以上污染时的主要影响系统为地形槽、蒙古低压和弱气压场,降水对污染物具有清除作用,且对PM10的清除作用最明显;沙尘天气时空气污染明显加剧,逆温层抑制了污染物的扩散,逆温层底层高度越低,空气污染越严重.建立了AQI回归预报方程,拟合结果与实测值的变化基本一致,其中对春季AQI的拟合效果最好. 相似文献
2.
《气象与环境学报》2017,(3)
利用2013—2014年上海地区6种空气污染物小时浓度和逐日空气质量分指数(IAQI)的监测资料,统计分析了上海地区空气污染的变化特征及其气象影响因子。结果表明:2014年上海地区空气质量优良率达77.0%,空气质量总体较2013年明显好转。2013—2014年上海地区AQI具有季节性特征,表现为冬季空气质量较差、秋季空气质量较好的特征,其中12月空气质量最差。由首要污染物分布可知,上海地区最主要的污染物为PM_(2.5),其中冬季PM_(2.5)污染出现最多;O_3则为夏季的主要污染物。由污染物浓度的周循环变化可知,上海地区PM_(2.5)、PM_(10)、NO_2和O_3浓度均存在周末低于工作日的"周末效应",但PM_(10)和NO_2浓度的"周末效应"更显著。由2014年上海地区霾日与PM_(2.5)浓度的变化可知,当PM_(2.5)浓度达到轻度及以上污染时,霾天气出现的概率大幅提高,但二者并非对应的关系。天气形势对PM_(2.5)污染影响较大,基于上海地区天气形势特点可以将PM_(2.5)污染的地面形势分为7种类型,其中高压中心型和高压楔型为PM_(2.5)污染的主要天气型。由于上海地区冬季冷空气活动频繁,西北风将上游地区颗粒物输送至本地,易造成较严重的污染天气;同时在冷高压的控制下,高压中心型和高压楔型天气频繁出现,导致颗粒物不易扩散,也易造成空气污染。夏季和秋季在副热带高压的控制下,水平和垂直扩散条件均较好,不易出现PM_(2.5)污染,但由于气温较高,光照条件较好,易出现O_3污染。 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.
5.
针对2014年1月26日—2月3日重庆市主城区出现的一次严重雾霾过程,对污染物浓度、环流形势和气象要素进行综合分析。结果表明,雾霾强度变化与AQI指数、PM_(10)和PM_(2.5)浓度有比较好的对应关系,PM_(10)和PM_(2.5)是此次过程的首要污染物,SO_2和NO_2有明显的单峰型日变化,但对AQI指数的影响较小。高空持续稳定纬向环流和中低空西南暖湿气流,逆温层持续存在且低空风速小是有利于连续雾霾过程的背景条件。地面平均风速小,平均日温差小,相对湿度大于85%,能见度低使地面湍流活动弱,大气维持静稳状态,空气污染持续加重。 相似文献
6.
江苏淮安地区大气污染变化特征及其与气象条件的关系 总被引：1，自引：0，他引：1
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PM_(10)、PM_(2.5)、SO_2、NO_2、CO、O_3逐日质量浓度资料及同期气象资料,统计分析了该地区空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PM_(10)、PM_(2.5)占比分别达到25.2%、48.9%,PM_(10)中PM_(2.5)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
7.
《青海气象》2017,(1)
利用2015年德令哈市逐日空气质量数据及地面气象观测数据,分析了德令哈市空气质量指数的时空分布特征,并探讨了其与气象要素的关系。结果表明:2015年德令哈市空气质量以Ⅱ级良为主,AQI指数有比较明显的季节分布特征。春季AQI指数最高,夏秋两季空气质量偏好。首要污染物在春季4月、5月和夏季主要以臭氧为主,其余时间多以PM_(10)为主。无降水日期间首要污染物集中在PM_(10)和臭氧,而当出现降水且量级增大时,首要污染物更多的为臭氧。从相关系数分析,在不同月份空气质量指数与不同的气象要素有比较好的相关关系。日降水量在不同月份存在着正、负相关关系,这与不同季节冷空气活动所带来的不同天气现象及其他气象要素作用有一定的关联。 相似文献
8.
《气象与环境学报》2017,(1)
为了检验CUACE模式指导产品在合肥地区的预报性能,本文利用合肥地区PM_(2.5)、PM_(10)、O_3监测资料对中国气象局下发的2014年3月至2015年2月合肥地区空气质量CUACE模式指导产品的预报效果进行了检验。结果表明:2014年3月至2015年2月合肥地区CUACE模式指导产品AQI和PM2.5浓度的预报值接近实测值,PM_(10)浓度预报值略小于实测值,O_3浓度的预报值明显偏大,但O_3浓度的预报值与实测值相关性最好,AQI、PM_(2.5)浓度和PM_(10)浓度预报值与实测值之间的相关系数均为0.3—0.4。实测空气质量等级为良时,CUACE模式空气质量等级预报的TS评分最高,漏报率和空报率最小;实测首要污染物为PM_(2.5)时,CUACE模式首要污染预报TS评分最高,漏报率和空报率最小。CUACE模式的预报性能并未随预报时效的延长而降低,CUACE模式指导产品总体预报效果较好,可为合肥市空气质量预报提供指导。 相似文献
9.
本文对2016年春节期间(2月7—13日)上海市空气质量及其成因进行了分析,并与2014年和2015年同期空气质量进行对比。结果表明:2016年春节期间上海市空气质量以优良为主,仅正月初一受除夕夜烟花爆竹燃放及不利大气扩散条件的影响,为三级轻度污染;通过对春节期间气象条件、后向轨迹及全国污染分布分析可知,除夕夜上海市大气扩散条件较差,有利于污染物在本地累积,另外上游地区污染物向本地输送也是造成2016年上海市除夕夜空气污染的主要原因之一;通过对比分析上海市烟花禁燃区域内外PM_(2.5)小时浓度的变化及PM_(2.5)浓度差值的绝对值可知,烟花禁燃对污染排放具有一定的控制作用。通过对2014—2016年春节期间上海市PM_(2.5)浓度的分析可知,总体2016年春节期间细颗粒物PM_(2.5)污染明显低于2014年同期,与2015年同期相比2016年春节期间空气质量具有PM_(2.5)峰值浓度低且污染持续时间短等特点,春节期间由于停产和停工使排放源减少,因此对上海市空气质量的改善效果明显。 相似文献
10.
11.
《贵州气象》2017,(4)
利用贵阳市9个国控空气自动监测站2013年1月—2016年6月的逐日污染物监测资料,以涵盖可吸入颗粒物(PM10)、细颗粒物(PM2.5)、二氧化硫(SO2)、二氧化氮(NO2)、一氧化碳(CO)、臭氧(O3)6种污染物的空气质量指数(Air Quality Index,AQI)来作为表征空气质量的特性值,用统计分析方法来对贵阳市空气质量特征进行分析研究。结果表明:(1)贵阳市总体空气质量较好,首要污染物以PM2.5和PM10为主,而又以PM2.5居多。(2)贵阳市月平均AQI值在1月最高,7月最低。6种污染物中,O3总体呈波动型分布,峰值分别出现在5月和10月,11月为全年最低值。除O3外,其余各污染物均呈现以7月为低谷,12月—次年1月为高峰的分布特征。(3)四季中,AQI值分布为冬季春季秋季夏季。各污染物中,除O3外,其余浓度均表现为冬高夏低,而O3浓度则为春高冬低。 相似文献
12.
《内蒙古气象》2018,(2)
文章对呼和浩特市2015年冬季(2015年11月—2016年1月)空气质量指导预报从单时次预报、逐日预报、过程预报3个方面进行了检验分析。检验分析表明:(1)单时次(08时)PM_(2.5)、PM_(10)等要素浓度预报偏差在可接受范围内,其中PM_(2.5)、PM_(10)、CO、NO_2、O_3、SO_2冬季平均绝对误差分别为52.99、68.21、1.25、17.89、26.93、23.76ug·m~(-3),且PM_(2.5)与PM_(10)误差变化趋势较为一致,其相关系数为0.91;单时次(08时)AQI预报准确率为72.94%。(2)逐日AQI检验误差65.41,AQI预报准确率为64%。(3)空气质量污染过程预报较为滞后,其中单峰型污染过程波峰预报时间滞后48~60h;双峰型污染过程中第一个波峰预报时间滞后60h左右,而第二个波峰滞后1d左右;持续性污染过程中波峰预报时间滞后约36h。 相似文献
13.
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
14.
《气象与环境学报》2017,(3)
利用2012年10月至2015年5月浙江省11个地市逐日和逐时AQI监测资料,对浙江省各地AQI200的61次重度空气污染过程的发生时间、持续时间及各重度污染过程AQI的时间变化特征进行了分析,并结合天气形势场探讨重度空气污染过程的时空变化特征。结果表明:2012年10月至2015年5月浙江省各地重度空气污染和严重空气污染过程主要发生在冬季(12月至翌年1月),主要污染物为PM_(2.5);重度空气污染时数呈西北部地区多、东南部地区少的空间分布,地区间差异显著。浙江省重度空气污染过程可以分为同步变化型、南北输送型和区域累积型3种类型,南北输送型又可以分为移动输送和扩散输送,其中移动输送表现为局域移动和片区移动两种形式;区域累积型污染易发展为严重污染,且持续时间较长。 相似文献
15.
通过重庆城区2013—2016年空气质量指数AQI与气象要素的相关分析,引入表征大气温湿状态的物理量总温度、比湿、近地层风速、24h变压及大气低层总温度差,构建新的空气污染气象条件指数IBAM(Index Between Air pollution and Meteorology)。应用2013年4月1日至2016年12月31日欧洲中心预报产品计算重庆地区历史IBAM指数,通过K均值聚类分析,引入极端天气事件概念确定空气污染气象条件阈值,建立预报模型。利用IBAM指数与滞后1天AQI建立拟合曲线方程,计算出AQI预报值,计算预报准确率,经过2017年1月1日至2018年9月1日样本检验,72h内预报准确率在70%左右。通过误差分析发现:当气象条件为大气污染物浓度主要影响因素且在大气污染源变化不明显时,预报误差较小;而当大气污染源变化明显时,预报误差较大。该预报方法已在重庆市气象台业务应用,对预防和处理重污染事件,改善重庆地区空气质量有较好参考价值。 相似文献
16.
O_3和PM_(2.5)是影响长三角地区空气质量的主要污染物。利用2016年33个城市大气环境监测站6项污染物的小时浓度及4个省会城市的气象数据进行统计分析,研究了该地区O_3和PM_(2.5)浓度的时空分布特征及其影响因素。结果表明:长三角地区O_3年平均浓度为50～73μg·m~(-3),平均为61μg·m~(-3);除芜湖和宣城外,其余31城市均存在不同程度的超标状况,超标率为0.34%～18.86%,平均为5.68%。O_3在5月和9月达到浓度高值;四季O_3日变化均呈单峰型,峰值出现在15∶00,夏季O_3峰值浓度最高值为157μg·m~(-3)。O_3浓度沿海城市整体高于内陆城市;夏季宿迁—淮安—滁州片区O_3污染较重。O_3与NO_2、CO显著负相关,且与NO_2相关性较强;O_3与气温、日照时数显著正相关,与相对湿度、降水呈负相关。PM_(2.5)年平均浓度在25～62μg·m~(-3)范围内,平均为49μg·m~(-3);各城市均出现PM_(2.5)超标,滁州PM_(2.5)超标率最大,为23.91%。PM_(2.5)在3月和12、1月达到浓度峰值;其日变化呈双峰型,09∶00—10∶00和22∶00—23∶00达到峰值。冬季徐州PM_(2.5)浓度最高,为102μg·m~(-3)。PM_(2.5)与NO_2、CO、SO_2、PM_(10)显著正相关,与气温、风速、降水负相关。 相似文献
17.
《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
18.
《贵州气象》2015,(6)
选取贵阳市环保站2013年3月—2014年2月共12个月的主要污染物(PM_(10)、PM_(2.5)和O_3)浓度的小时均值进行分析,发现PM_(10)和PM_(2.5)在20时—次日08时较容易出现日最大值,O_3在12—18时较容易出现日最大值,PM_(10)和PM_(2.5)污染物浓度的月平均,以夏季最低,冬春两季最高,这可能与贵阳市冬春两季的采暖有一定的关系。而O_3浓度的月平均值以冬夏两季较低,春秋两季较高,但整体变化幅度不大。分析以上3种污染物和气象要素的相关性发现,湿度对污染物浓度较大,呈负相关。运用逐步回归方法分别建立PM_(10)、PM_(2.5)和O_3的预报方程,其中PM_(10)的预报方程预报等级的准确率为67.81%,订正后准确率为70.55%;PM_(2.5)的预报方程准确率为65.75%,订正后准确率为71.23%,故业务对PM_(10)和PM_(2.5)的预报中可以参考订正值。O_3的预报方程准确率为70.55%,订正后准确率为68.49%,业务中预报O_3可以直接参考预报值。 相似文献
19.
华中区域空气质量数值预报系统评估及气溶胶辐射效应的模拟研究 总被引：2，自引：2，他引：0
基于多种检验指标对2015年6月至2016年2月华中区域空气质量数值预报系统的6种污染物(PM_(10),PM_(2.5),SO_2,NO_2,CO,O_3)和AQI指数的预报结果进行检验评估,在确保模拟效果的基础上,通过敏感性试验研究区域气溶胶对地面气象要素的影响,结果表明:华中区域空气质量数值预报系统对湖北省6种污染物和AQI具有稳定且较好的预报效果。存在03预报较实况偏高,预报误差较大的问题,后期将通过误差订正来减小误差。对比CUACE模式预报效果表明,24～48 h的预报效果区域模式优于CUACE,72 h两个模式预报效果相当。气溶胶对地面气象要素具有一定的影响,对2015年1月9-12日的模拟过程而言,气溶胶的总辐射效应使地表接收太阳辐射减少7.740 W·m~(-2),2 m气温降低0.162℃,行星边界层高度降低16.457 m,相对湿度增加0.557%,10 m风速减小0.011 m·s~(-1),其中直接效应和间接效应各有一部分贡献,气溶胶对白天地面气象要素的影响比夜间大。由于区域接受太阳辐射减小、气温降低、行星边界层高度降低、风速降低、湿度增加有利于气溶胶吸湿增长等条件不利于污染物扩散,污染物浓度不断累积升高又促使气象条件的上述变化,由此产生了气象条件与大气污染之间的双向反馈作用。 相似文献
20.
淮河流域秸秆焚烧关键期主要大气污染物浓度时空分布特征 总被引：2，自引：0，他引：2
基于2015年6月淮河流域卫星遥感监测火点信息、环境空气质量监测数据和常规气象观测资料,利用ANUSPLIN和ArcGISKriging方法对气象要素和主要大气污染物浓度空间栅格化,分析了秸秆焚烧关键期内AQI和主要污染物浓度的时空变化特征及其与气温、相对湿度、风速等气象要素的相关关系。结果表明:秸秆焚烧关键期内,淮河流域城市AQI、PM10与PM2.5浓度均明显升高,且与卫星监测火点具有一定时空响应关系。在时间变化上,AQI、PM10与PM2.5浓度6月上中旬呈波动上升,6月下旬趋于回落;在空间分布方面,AQI、PM10与PM2.5浓度三者分布形态相似,总体上呈现"南低北高、两高一低"分布特征;期间AQI、PM10与PM2.5浓度与气温呈显著正相关,与相对湿度呈显著负相关,与风速的相关性不显著。 相似文献