共查询到17条相似文献，搜索用时 125 毫秒
1.
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
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
4.
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
5.
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
6.
利用2010年9-11月鞍山大气成分监测站CE-318太阳光度计观测资料,依据气溶胶光学厚度测量原理,计算得到2010年鞍山秋季大气气溶胶光学厚度、波长指数等大气光学特性数据,通过统计分析,给出鞍山秋季气溶胶光学特性分布特征。结果表明：随着测量AOD波段的降低,AOD值逐渐增大,9月的AOD平均值最大,10月AOD平均值次之,11月AOD平均值最小。从频率分布看,2010年9月 AOD日均值集中分布在0.4-0.6之间,10月和11月AOD日均值集中分布在0.0-0.4之间,表明10-11月大气较为清洁|波长指数日均值的频率分布说明鞍山秋季大气污染物以细粒子为主。500 nm 的AOD值与波长指数成对数关系,两者在9、10月和11月的相关系数分别为0.5145、0.8412和0.2715;9月AOD与PM10、PM2.5、PM1.0质量浓度为较小负相关,10月和11月AOD与PM10、PM2.5、PM1.0质量浓度成正相关,且10、11月AOD与气溶胶细粒子相关性较为显著。AOD值与能见度在趋势上呈较小的负相关性,可能是由于高层气溶胶粒子对气溶胶光学厚度产生了主要影响。 相似文献
7.
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
8.
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
9.
利用深圳市2007年全年逐时能见度、PM2.5质量浓度和相对湿度观测数据, 在分析大气消光机理及其影响因素的基础上确立了能见度与PM2.5之间的基本模型关系, 着重讨论分析了相对湿度对颗粒物消光影响的常见修正方式, 并通过线性和非线性回归分析筛选相对湿度影响修正因子fRH的表达形式和确定模型参数, 最终建立起适合于深圳本地情况的能见度与PM2.5之间的最优统计模型 (R2=0.43, n=8024)。进一步利用能见度与PM2.5的日平均值进行了多元回归分析, 模型拟合值与实测值之间的相关系数 (R2) 高达0.73(n=350), 而且预测偏差范围小, 较好地反映了深圳市大气能见度与PM2.5之间的定量相关关系。 相似文献
10.
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
11.
利用2007年6月至2009年11月丹东市区器测能见度资料和人工观测能见度资料,分析目测能见度与器测能见度的关系,探讨不同季节中,PM_10。和PM_2．5、PM_1.0。颗粒物浓度对大气能见度的影响,研究降水强度与PM的湿清除效率关系。结果表明：在低能见度情况下,目测能见度与器测能见度的比值相对较小;能见度较差时,PM_1.0粒子比重增大,PM_1.0／PM_1.0和PM2．s／PM_1.0比值与月平均风速为负相关;天气现象日数较多的月份,其对应的月平均能见度较小;PM日平均质量浓度的改变量以及降雨量对PM的湿清除效率与降水强度相关,器测目测能见度平均值随着降水强度的增加而降低。 相似文献
12.
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
13.
选择北京市为研究地区,对2014～2017年AERONET（Aerosol Robotic Network）提供的CE-318太阳光度计440 nm波段反演的气溶胶光学厚度（AOD）进行风速订正,对订正后 AOD 日均数据与同期地面监测站PM2.5日均浓度数据做季节相关性分析并建立回归模型。又引入能见度因子并利用广义差分法构建2015～2017年北京市AOD与PM2.5浓度、能见度的三元回归模型,最后将2014年数据分为污染日和非污染日分别进行模型检验。结果表明:AOD与PM2.5浓度存在显著的线性正相关性,且存在季节性差异,夏季相关性最强、秋季次之、春季和冬季最低。引入能见度因子并消除自相关后,四季的模型相对误差均显著减小,模型拟合优度显著提高。检验结果为四季整体的平均相对误差在21%～31%范围内,与前人的结果相比拟合曲线的准确性得到了明显地提高。且模型对低PM2.5浓度日的模拟效果较好,对于高PM2.5浓度日的模拟效果较差。本研究对构建北京地区PM2.5浓度长期的历史数据具有重要的科学意义。 相似文献
14.
利用1951—2005年辽宁省沿海轻工业城市营口和重工业城市鞍山的气温、降水、云量、相对湿度及平均风速等气候资料,采用对比分析方法,分析了近55 a来2城市的各类气候变化特征及产生的原因。结果表明:近55 a来营口和鞍山平均气温呈递增趋势,降水、总云量、平均风速和相对湿度均呈递减趋势,只有低云量变化趋势不同,其中营口呈递增趋势,鞍山呈递减趋势,鞍山平均气温递增趋势及总云量、平均风速和相对湿度递减趋势均强于营口同类气候要素变化;营口和鞍山城市平均气温、相对湿度、低云量和风力气候要素特征趋势变率较大,降水和总云量趋势变率相对较小。 相似文献
15.
北京市大气细粒子的质量浓度特征研究 总被引：24，自引：2，他引：24
大气能见度的降低是当今国际上比较突出的城市环境问题。北京近年的监测结果表明 ,大气中通过消光作用使大气能见度下降的气溶胶细粒子的污染程度呈现上升趋势。从 2 0 0 1年对北京市气溶胶细粒子 (空气动力学直径小于 2 .5μm的粒子 ) 4个季节的采样监测结果分析 (有效采样天数为 50d)得出 ,北京市细粒子质量浓度年平均值已超过美国国家标准的 7倍以上。研究发现细粒子的质量浓度不仅与环境条件有关 ,而且与气象条件也有着密切的关系。文中以细粒子的观测数据为基础 ,结合当时的气象条件进行细粒子浓度与气象条件定量关系的研究 相似文献
16.
为清楚认识降水对能见度及PM_(2.5)浓度的影响,以杭州为例,采用2014—2015年逐分钟气象观测资料,对比分析了不同降水条件下能见度及PM_(2.5)浓度的分布特征,建立了不同强度降水影响能见度及PM_(2.5)浓度的定量关系。研究结果表明降水量大小及持续时间对能见度与PM_(2.5)浓度有明显作用,不仅持续稳定的降水过程能够造成持续的低能见度,突发性强降水更能造成能见度大幅降低;降水与能见度之间关系符合幂函数分布特征,能见度随降水量增加从快速下降过渡到慢速下降,中间存在一个拐点。降水对PM_(2.5)的清除作用受降水量及降水前PM_(2.5)浓度大小共同作用,降水对PM_(2.5)的清除作用在降水较小并持续时,会造成PM_(2.5)浓度的缓慢下降;而强降水过程对PM_(2.5)的清除作用十分明显,降水量、PM_(2.5)浓度、能见度三者之间表现出基本一致的同步变化。基于降水量与降水前PM_(2.5)浓度两个因子,采用非线性拟合方案构建了降水影响PM_(2.5)浓度的定量统计模型,拟合结果与实况较为吻合,说明模型抓住了降水情景下影响PM_(2.5)浓度变化的关键因子。最后针对研究中存在的不足和未来值得进一步发掘的科学问题进行了讨论。 相似文献
17.
利用2012~2020年成都市气象站观测资料和环境空气质量监测数据,研究了该地区能见度时空演变规律以及不同等级能见度下气象要素和污染物浓度的关系。结果表明:（1）成都市近9 a年平均能见度呈上升趋势。四季平均能见度由高到低依次为夏季（12.25 km）、春季（10.82 km）、秋季（9.04 km）和冬季（6.33 km）。成都市能见度日变化呈单峰型分布特征,07时能见度最低,17时能见度最高。（2）能见度空间分布特征为东高西低且北高南低,中部中心城区最低。（3）成都市3 km以下低能见度出现频率为10.92%,3~5 km、5~10 km和10~20 km能见度出现频率分别为15.92%、24.95%和22.51%。（4）能见度上升与对应的PM2.5和PM10浓度、相对湿度减少以及风速增加有关。当能见度低于1 km时,多为高湿（RH>96%）低温（T<10.6℃）和小风速（<1.0 m/s）和高浓度（PM2.5>84.8 μg/m3,PM10>129.0 μg/m3）。 相似文献