共查询到17条相似文献，搜索用时 187 毫秒
1.
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
2.
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
3.
利用泰安市2018—2019年降水、风和PM2.5逐小时观测数据,分析了降水和风对PM2.5浓度的影响,并对PM2.5进行了源解析。结果表明：降水对PM2.5有一定清除作用,降雨日PM2.5平均质量浓度较非降雨日平均降低约7.2%,秋冬季节最为显著。降水对PM2.5的清除率与降水强度、降水前PM2.5初始浓度及降水时间均有关。当降水强度大于4 mm·h-1时,清除率多在40%以上;当降水强度小于2 mm·h-1、初始浓度低于75 μg·m-3或降水强度小于1 mm·h-1、初始浓度在75—100 μg·m-3范围,且降水持续时间在5 h以内时容易出现PM2.5浓度反弹现象。不同风向风速对泰安地区霾粒子清除也有明显差异,西南偏西风和东北偏东风更容易造成泰安地区霾污染,重污染期间风速超过5 m·s-1偏南风和风速超过3 m·s-1偏北风均对污染物具有有效清除作用。而区域风场相关矢结果表明重污染期间PM2.5污染物主要从广西—湖南—江西一带、安徽南部及浙江北部在西南气流引导下传输至泰安地区,本地源贡献则较少。 相似文献
4.
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
5.
利用2015年1月至2017年6月桂林国家基本气象站能见度、相对湿度、气温、气压、降水等气象要素和PM10、PM2.5、PM1.0颗粒物质量浓度资料,分析桂林城区大气能见度与颗粒物浓度和气象因子之间关系。结果表明：桂林城区大气能见度和PM10、PM2.5、PM1.0呈对数关系,相关系数分别为-0.341、-0.461、-0.509,颗粒物对大气能见度影响在相对湿度为60%—70%时最为显著。在各气象因子中,大气能见度与风速的相关性最好,其次为相对湿度,与风速呈二次函数关系,与相对湿度呈幂指数关系,与温度相关性较小,与气压在秋冬季节呈正相关,相关系数冬季可达0.301,但在春、夏季节相关性不显著;利用颗粒物浓度和气象要素建立8种大气能见度非线性统计回归模型,比较后发现利用PM1.0、风速、相对湿度、气温等因子建立的不同季节大气能见度拟合公式在实际检验中效果最优,能较好地模拟桂林地区大气能见度的变化。 相似文献
6.
利用2013~2017年贵阳市10个国控空气质量监测站点PM2.5逐时监测数据,分析了贵阳市大气污染物污染水平及其时空分布特征。结果表明:(1)贵阳市PM2.5年均浓度为36.14 ug·m-3,基本处于国家空气质量二级标准范围内,污染程度较轻;(2)贵阳市PM2.5浓度冬季浓度为一年中最高,最高值出现在12月,夏季浓度最低,最小值出现在7月;(3)气象要素对PM2.5浓度的影响是显著的,尤其是在分季节的情况下,气象要素对PM2.5的影响差异较大。PM2.5浓度与太阳辐射、日照时数、气压呈显著正相关,与降水、相对湿度、风速、气温呈显著负相关。太阳辐射夏季对PM2.5影响最大,日照时数春季对PM2.5的影响最大,气温在夏、秋季与PM2.5浓度呈显著负相关。春季降水对PM2.5的相关性更为显著,风速对夏、冬季与PM2.5浓度具有显著负相关性。 相似文献
7.
利用2014年到2016年汕头市O_3的逐日浓度资料,分析了O_3污染的时间变化特征,并结合汕头市国家基准气象观测站的同期地面气象资料,分析了风、混合层厚度、降水、大气环流等气象因素对O_3污染的影响,同时探讨了影响污染物浓度变化的原因。结果表明:不同于北方多数城市夏季O_3污染严重,汕头市的O_3污染秋季(9—11月)最严重,初夏(6月)污染较小,这与汕头的地理位置和气候条件有关。O_3浓度呈单峰型日变化,午后15:00左右浓度最高,夜间浓度较低。风速对O_3既有扩散作用,又有混合作用,当日均风速为1.7 m/s时O_3的平均浓度最大;O_3日均浓度与14时混合层厚度呈显著正相关,午后混合层厚度对O_3日内峰值有很大影响;O_3平均浓度在相对湿度60%时达到最大,高相对湿度不利于O_3体积分数的积累;降水对O_3的去除效果随着降水量级的增大而增大,汛期降水的去除效果与总体去除效果基本一致,而非汛期强降水(中雨以上)去除效果更加显著;出现轻雾时O_3浓度接近平均,出现霾时O_3浓度较高,出现大雾时不利于O_3的生成;当汕头市地面为冷高压脊、850 hPa为东北风场、500 hPa为副热带高压控制时,有利于光化学反应,易造成O_3污染。 相似文献
8.
探究京津冀及周边地区大气细颗粒物（PM2.5）和臭氧（O3）短期暴露对人群因病就诊的急性影响及其季节性差异,为区域性大气污染的协同治理提供流行病学证据。收集2013年1月1日—2018年12月31日京津冀及周边地区共14个城市100家医院门诊的日就诊量,以及大气PM2.5和O3日均浓度和气象因子数据,基于时间序列研究设计,采用二阶段统计分析策略（广义相加模型联合meta分析）,在控制气象因子和时间趋势等混杂因素的基础上构建双污染物模型,分析大气PM2.5和O3短期暴露对人群因病就诊的影响。研究期间,大气PM2.5和O3日均浓度平均分别为 72.2±56.8 μg/m3和 58.2±36.9 μg/m3,医院门诊就诊量达6257万人 · 次。双污染物模型结果显示,移动平均滞后0—1 d的PM2.5和O3暴露浓度每升高10 μg/m3,医院门诊就诊量分别增加0.25%（95%置信区间（95%CI）:0.20%—0.29%）和0.15%（95%CI:0.07%—0.22%）;拟合季节分层模型发现,冷季PM2.5暴露对门诊就诊量的急性影响较强,而O3相关效应则呈现出暖季较强的特征。京津冀及周边地区大气PM2.5和O3短期暴露均增大人群因病就诊的风险,提示应采取积极措施协同治理大气PM2.5和O3复合污染,同时重视污染物冷、暖季风险的差异。 相似文献
9.
银川大气污染物浓度变化特征及其与气象条件的关系 总被引：1，自引：0，他引：1
利用2013年银川地区6个监测点污染物质量浓度和同期气象要素数据,对区域内污染物浓度变化特征及其与气象条件的关系进行分析。结果表明：银川市区PM10年均值超标0.7倍,PM2.5年均值超标0.4倍,SO2和NO2也有一定程度超标,CO和O3未超标|1、2、11月和12月为SO2、NO2、PM10、PM2.5、CO质量浓度较高月,O3浓度最高月为5月,次高月为10月|9:00-12:00和21:00-00:00是SO2、NO2、PM10、PM2.5和CO质量浓度较高的两个时段,O3浓度一般于15:00达到最大;6类污染物普遍表现出季节性的准7 d周期和全年性的准30 d周期|空气质量状况良的频率是56 %,轻度污染26 %,优仅为12%;首要污染物以PM10、PM2.5和SO2为主|风速与SO2、NO2和CO具有良好的负相关关系,与O3则呈显著正相关关系,风速对PM10和PM2.5影响较复杂,当风速小于某一值时,有利于PM10和PM2.5扩散,当风速达到一定程度后,又会导致PM10和PM2.5浓度的增加|降水对污染物有较好的冲刷作用,且对SO2的清除作用最明显,对O3的清洁作用最弱。 相似文献
10.
为了提高广州市PM2.5客观预报能力,采用主成分分析结合机器学习算法k近邻（PCA-kNN）方法,基于空气质量模式（CMAQ）预报产品、中尺度天气模式（GRAPES-MESO）预报产品和2017年上半年广州PM2.5观测实况,试验确定PCA-kNN方法的最佳参数方案,建立广州市空气质量模式PM2.5预报客观订正方法。结果表明:与CMAQ模式的PM2.5预报相比,在第1~3天预报时效上,PCA-kNN订正结果与实况的相关系数分别提高20%、15%、29%,均方根误差分别降低17%、16%、20%,平均偏差更接近0,PM2.5浓度等级TS评分接近或优于CMAQ预报,PCA-kNN订正结果优于CMAQ预报。机器学习算法PCA-kNN方法可有效改进广州市空气质量模式PM2.5预报,本研究对其他地区、其他污染物客观预报研究具有借鉴意义。 相似文献
11.
基于2014—2018年全国空气质量指数（AQI）和PM2.5质量浓度数据、美国国家环境预报中心GDAS数据和后向轨迹模式,分析研究了湖州市PM2.5浓度变化特征,并筛选出5 a内出现的8次重污染天气过程进行输送特征和潜在源分析。结果表明：湖州地区PM2.5日平均浓度频率分布呈指数分布,高频区主要集中在20—40 μg·m-3之间。污染主要出现在冬季,夏季、初秋为低浓度值,PM2.5小时平均浓度的日变化呈主副双峰型分布特征,其中主峰出现在10时,副峰出现在02时,谷值则在18时,其与NO2和SO2的变动有关。污染主要通过西北和偏东路径进行中远距离传输,其中西北路径传输对湖州地区影响较大,而偏东路径下气团经过海面,夹带的水汽与颗粒物充分混合,会加剧颗粒物的二次生成和老化过程;西南偏西路径和偏南路径对湖州空气污染也有一定贡献,但存在不确定性,个别过程中偏南路径表现为清洁通道。西北路径上的城市群是主要潜在源区,大值区主要集中在安徽中西部。 相似文献
12.
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
13.
选用2003—2004年初PM2.5连续观测资料，统计分析了北京地区PM2.5的特征、PM2.5与PM10以及PM2.5与地面气象要素的相互关系。结果表明:四季中夏季PM2.5浓度最低，冬、春两季浓度较高。PM2.5与PM10比值平均为0.55，非采暖期两者比值为0.52，采暖期两者比值为0.62；夏季该比值主要分布在0.3~0.6之间，春、秋两季该比值分布在0.3~0.8之间，冬季采暖期该比值分布在0.4~0.9之间。PM2.5与PM10比值日变化与气象条件日变化、人们日常生活习惯密切相关，沙尘天气和交通运输高峰期扬起地面粗颗粒物会导致PM2.5在PM10中的比例下降，而冬季取暖以及夏季光化学反应则会引起PM2.5的比例升高。PM2.5的浓度与地面气象要素中本站气压、相对湿度和风速有很好的的相关性，与气温的相关性较差。SO42-，NO3-和NH4+为北京地区PM2.5中主要离子。PMF源解析方法确定了北京地区5类细粒子污染源，分别是:土壤尘、煤燃烧、交通运输、海洋气溶胶以及钢铁工业。 相似文献
14.
利用多源观测资料综合分析了2015年11月沈阳地区一次PM2.5 重污染天气的气象条件、垂直风场演变、大气边界层特征以及污染物的来源。结果表明:本次重污染过程中,沈阳市区PM2.5浓度长达81h超过250μg · m^-3 ,其中峰值浓度达到1287μg · m^-3 ,重污染期间PM2.5 /PM10 的比例最高为90%。受地面倒槽和黄淮气旋影响,近地面层持续存在的逆温层、高相对湿度和弱偏北风为颗粒物吸湿增长和长时间聚集提供有利的天气条件。风廓线雷达风场资料显示在重污染期间,近地面层存在弱风速区、凌乱风场和弱下沉气流。利用风廓线雷达资料计算了边界层通风量(Ventilation Index,VI)和局地环流指数(Recirculation,R),边界层通风量VI和PM2.5 存在明显的负相关,非污染日VI是重污染日的2倍,局地环流指数R在重污染天气前大于0.9,而在污染期间部分空间R小于0.8。通过后向轨迹模式和火点监测资料分析发现,沈阳上空300m高度气团来自于生物质燃烧区域,而且沈阳地区NO2和CO浓度的变化与PM2.5一致,说明本次重污染过程也可能和生物质燃烧有关。 相似文献
15.
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
16.
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
17.
2005年12月—2006年2月在太原市区持续观测了气溶胶细粒子PM2.5, 并应用Sunset碳分析仪进行了有机碳 (organic carbon, OC) 和元素碳 (elemental carbon, EC) 的测定。结果表明:太原冬季PM2.5, OC和EC浓度均较高, 其中PM2.5日平均浓度变化范围为25.4~419.0 μg/m3, 日平均浓度为193.4±102.3 μg/m3, OC平均浓度为28.9±14.8 μg/m3, EC平均浓度为4.8±2.2 μg/m3, OC/EC平均比值是7.0±3.9, 即太原市冬季PM2.5和碳气溶胶污染严重。OC在PM 2.5中占18.6%, EC占2.9%, 这表明碳气溶胶是太原大气细粒子污染控制的关键组分。在太原市冬季, 采暖燃烧的煤是OC和EC的主要贡献源, 造成OC大大高于EC, 从而使OC/EC比值增大。各种气象条件对PM2.5, OC, EC和OC/EC比值的变化都有不同程度的影响, 特别是大雾天气、相对湿度、风速和降雪是影响碳气溶胶浓度变化的重要因素。 相似文献