共查询到15条相似文献，搜索用时 203 毫秒
1.
基于2018年1月~2020年12月中国气象局陆面数据同化系统（CLDAS）资料，利用罗氏法计算四川省大气混合层高度，分析其时空分布特征，并结合大气环境空气质量监测数据，讨论大气混合层高度变化与空气质量的关系。结果表明:四川省大气混合层高度呈西高东低分布特征。盆地与攀西地区、川西高原大气混合层高度季节变化有显著性差异，盆地春季最高，秋季最低；川西高原和攀西地区秋季最高，夏季最低。四川省各地区大气混合层高度月、日变化趋势基本一致。四川省大气混合层高度与O3质量浓度呈显著正相关关系，与PM2.5质量浓度呈显著负相关关系。 相似文献
2.
利用2013-2019年银川市主要污染物浓度数据,分析了近年来银川市主要污染物浓度变化特征,并运用主成分分析法对主要污染物之间的关系进行研究。结果表明：近年来银川市主要污染物浓度除O3逐年呈上升趋势外,其他均呈下降趋势;市区站O3浓度较郊区背景站低,其他污染物市区较郊区背景站高;市区站PM10和PM2.5浓度超国家二级标准;除O3浓度夏季高,冬季低外,其他污染物冬季高,夏季低;CO、NO2、PM10、PM2.5浓度呈"双峰型"日变化特征,O3和SO2呈"单峰型"日变化特征。银川市主要污染物NO2浓度与CO和O3相关性显著,PM10和PM2.5之间相关性显著;污染物第一主成分是NO2、CO和O3,方差贡献率达到50%以上,加之银川市O3浓度逐年呈升高趋势,表明近年来银川市大气光化学污染增加。 相似文献
3.
随着城市的发展,大气O3的污染不容忽视。文章以呼和浩特市2016—2021年大气O3浓度为研究对象,结合同期气象数据,采用相关分析等数理统计方法,分析了呼和浩特市大气O3浓度年际、季节以及月份动态特征规律,探讨大气O3浓度与关键影响气象要素之间的关系。结果表明：呼和浩特市大气O3作为空气首要污染物的天数在逐年增加;6年间O3浓度年际变化呈下降趋势,以-0.02μg·m-3的年均速率变化;O3浓度季节变化明显,夏季最高,其次是春季、秋季、冬季;O3月平均浓度呈倒“V”形单峰变化,主要在6—8月浓度较高,12月浓度最低,O3浓度超标日主要集中在6、7月;O3浓度与气象要素呈密切关系,在非采暖期,O3-8 h浓度与日平均气温和日照时数具有正相关趋势,与日平均气压、日平均相对湿度以及平均风速具有负相关趋势,降水对大气O3 相似文献
4.
《气象与环境学报》2017,(4)
基于2001—2014年宁波市每日4个时次(02时、08时、14时、20时)的常规气象观测资料和同期宁波市环保局空气污染物(SO_2、NO_2、PM_(10))浓度的日监测数据,采用最小二乘曲线拟合法计算了2001—2014年宁波市大气混合层厚度,并分析了大气混合层厚度的时间变化特征及其与空气污染的关系。结果表明:2001—2014年宁波市年平均大气混合层厚度波动变化明显,大气混合层厚度极大值和极小值分别出现在2004年、2007年,分别为866.1 m和746.1 m。水平风速对宁波市大气混合层厚度的影响较大。春季和7月、8月宁波市大气混合层厚度较大,秋季和冬季大气混合层厚度较小,而6月大气混合层厚度最小。大气混合层厚度在中午达最大值,夜间达最小值,大气混合层位于500.0—1200.0 m高度的出现频率最高。随着大气混合层厚度增大,污染物浓度被稀释。夏季,大气混合层厚度对PM_(10)、SO_2和NO_2浓度的调节能力较强。由于输入性污染的影响,冬季PM_(10)与SO_2浓度的极大值明显高于夏季,同时大气混合层厚度的变化对PM_(10)和SO_2浓度的增减效应比夏季明显削弱,但对NO_2浓度的影响较小。另外,当大气混合层厚度位于500.0—1200.0 m高度时,在同一大气混合层厚度下,同一污染物浓度的变化范围较大。 相似文献
5.
利用成都市城区2015年12月~2019年12月污染物浓度及气象资料,对PM10、PM2.5、CO、O3、 SO2、NO2六种大气污染物浓度变化特征以及与气象要素之间的相关性进行分析。结果表明:2016~2019年成都市空气质量冬季最差,秋季最好,年内整体以良为主,重度污染和严重污染的天气较少出现,空气质量逐年变好;主要污染物浓度除O3外在冬季最高,夏季最低,春秋两季相差不大,O3浓度变化则相反;主要污染物的日变化特征也较为明显。空气质量综合指数、PM10、PM2.5、CO、NO2浓度与气温和降水存在显著负相关性,与气压存在显著正相关性,还与相对湿度呈不同程度的负相关,但与风速相关性不显著;O3浓度不仅与风速、气温和降水存在显著的正相关,还与气压呈显著的负相关,却与相对湿度的负相关性不显著。 相似文献
6.
汾渭平原因其封闭的地形条件以及煤炭为主的能源结构,大气污染问题一直存在,并于2018年被列入大气污染防控的重点区域。文章利用2015年以来PM10、PM2.5、SO2、NO2、CO、O3质量浓度的观测数据和空气质量指数（Air Quality Index,简称AQI）,分析了汾渭平原AQI及大气污染物质量浓度的时空分布特征;使用多元线性回归模型研究了气象条件对冬季PM2.5和夏季O3浓度日最大8 h滑动平均值（MDA8_O3）日变化和年际变化的影响。研究发现,汾渭平原的空气质量在2015～2017年间逐年变差,在2018～2019年有所好转,污染较重的城市为西安、渭南、咸阳、临汾、运城、三门峡、洛阳,集中在汾河平原与渭河平原交界处。汾渭平原的首要大气污染物多为PM2.5、PM10或O3,三者占比之和约90%。重污染时期主要集中在天气条件不利及污染物排放量大的冬季供暖期,但夏季O3浓度的升高趋势使得汾渭平原夏季污染情况越来越严重。影响汾渭平原冬季PM2.5浓度和夏季MDA8_O3日变化最主要的气象要素都是2 m高度气温（简称T2M）,相对贡献分别是45.5%、35.3%,都表现为正相关;第二主要的气象要素都是2 m相对湿度（简称RH2M）,相对贡献分别是41.5%（正相关）、25.4%（负相关）。影响汾渭平原冬季PM2.5浓度年际变化最主要的2个气象要素是T2M和RH2M,其相对贡献分别为43.6%、31.9%,且都呈正相关,2015～2019年汾渭平原冬季气象条件的变化会导致PM2.5浓度上升,部分削弱了人为减排导致的下降趋势（?8.3 μg m?3 a?1）。影响汾渭平原夏季MDA8_O3年际变化最主要的2个气象要素是T2M（正相关）和850 hPa风速（WS850,负相关）,其相对贡献分别为71.7%、16.3%。2015～2019年汾渭平原夏季气象条件的变化导致O3污染呈上升趋势（1.2 μg m?3 a?1）,但O3污染的总上升趋势（8.7 μg m?3 a?1）中,人为排放变化的贡献更大（7.5 μg m?3 a?1）。本研究表明,汾渭平原大气污染形势严峻,其颗粒物污染问题尚未解决,还面临着新的臭氧污染的挑战,汾渭平原内的11个地级市分属陕西、山西、河南三省管辖,三省交界处又是重污染区域,所以需要三省联合防治防控,协同改善汾渭平原的空气质量。 相似文献
7.
本文主要针对塔里木盆地西侧喀什市的大气污染问题,采用多站点、多种污染物数据,分析2015年大气污染物的时空分布规律,揭示其大气污染物的主要特征。总体来看,喀什市主要以颗粒物污染为主,即PM10、PM2.5污染严重。从季节上来看,喀什PM10 平均浓度为春季最高、秋季次之,冬季最低的特点,而PM2.5则呈现冬季最高,夏季最低的特点。如PM10平均浓度春季最高,为504.2μg/m3,这与喀什春季气候特征有关。从日变化来看,PM10的日变化曲线四季除春季外都为双峰结构,春季为多波动型;PM2.5的日变化曲线秋、冬季为双峰结构,春、夏季为波动型结构。总体来看,两类污染物浓度全天的较大值都出现在午夜1:00与下午13:00左右。从空间分布来看, PM10浓度总体上是城市北部低、东南部高的特点;PM2.5浓度四季呈现城市西北部低、南部高的特点。 相似文献
8.
大气混合层高度是影响大气扩散的主要因子之一,其对空气质量评估与污染物的存储量及分布起着重要作用。利用2014年4月至2018年3月珠三角地区香港（沿海站点）和清远（内陆站点）气象探空数据,采用干绝热曲线法估算代表大气垂直方向上大气混合能力的最大混合层高度,探讨沿海与内陆地区混合层高度的差异性,并将最大混合层高度估算值与地面观测的污染物浓度进行相关性分析。结果表明：珠三角沿海与内陆地区的混合层变化具有典型局地特征,沿海日最大混合层高度普遍低于内陆,两地平均高度分别为982 m和1198 m。区域混合层高度的空间差异性由多方面原因造成,其中温度日较差起到关键作用。由于海洋水体的气温调节作用,沿海地区温度日较差较小,因此混合层发展相对较低。珠三角地区各污染物浓度与混合层高度的相关性有较大差异,其中以CO为代表的一次污染物与混合层高度间呈显著负相关,以O3为代表的二次污染物与混合层高度间则呈显著正相关,而颗粒物作为多源性污染物（既有一次排放,又有二次生成）,其与混合层高度之间的相关性较弱。 相似文献
9.
基于2015～2018年四川盆地温江站、宜宾站、达川站和沙坪坝站的探空和地面观测资料以及同期AQI、6种主要污染物(SO2、NO2、CO、O3、PM2.5、PM10)质量浓度资料,使用逐步逼近法计算得到了四川盆地成都、宜宾、达州、重庆四城市的每日最大混合层厚度(Maximum mixing depth,MMD),并对其时间变化特征及其与各种污染物浓度之间的关系进行了分析。结果表明,四川盆地年平均MMD约1200m。季节变化明显,春夏高、秋冬低。9月至次年1月MMD相对较小。相关分析显示,剔除降水影响后,MMD与AQI、PM2.5、PM10、SO2、NO2、CO浓度均呈负相关,而与O3浓度显著正相关。在污染最为严重的冬季,MMD明显低于春夏季节。MMD越小、颗粒物浓度越高。低MMD大大压缩了近地面污染物的扩散空间,污染物在有限的空间内不断累积、浓度增大。 相似文献
10.
《干旱气象》2016,(2)
利用2013~2014年石家庄逐小时PM2.5监测浓度与地面及探空等气象观测资料,从大气的垂直扩散、水平扩散和地面局地环流等方面,探讨气象条件对PM2.5浓度的定量影响关系。结果表明:(1)石家庄PM2.5浓度具有明显的日、月和季节变化特征,早晨08时前后PM2.5浓度最高,下午16时前后浓度最低;冬季PM2.5浓度最高,夏季最低;(2)2 a共出现485 d逆温,其中10~12月出现频率最多,达82.8%~86.2%,逆温致使低层大气垂直运动受阻,不利于污染物扩散;(3)大气混合层高度与PM2.5浓度呈反相关,PM2.5浓度75μg/m3(空气质量优良),对应大气混合层高度平均为1 448 m,而PM2.5浓度≥150μg/m3(空气重污染)的混合层高度降到878 m;(4)受地形影响,石家庄地面风与边界层附近风对污染物的影响明显不同:925 h Pa西南风、地面偏东风不利于污染物扩散;925 h Pa西北风、地面偏西风有利于污染物浓度降低。925 h Pa风速4 m/s、地面偏西风风速2 m/s、地面偏东风风速3 m/s,有利于污染物扩散;(5)降水对污染物有湿清除作用,清除量不仅与降水量有关,还与前期PM2.5浓度有关,且冬季降雪过程对PM2.5的清除作用是降雨的4倍。 相似文献
11.
本文利用2017年彭州市大气污染物(SO2、NO2、O3、CO、PM10、PM2.5)小时浓度数据并结合地面气象观测资料,统计分析了该地区大气污染物浓度的演变规律及影响因素。结果表明:该地区细粒子(PM10和PM2.5)污染较为严重,O3次之,其它污染物浓度水平则低于国家新二级标准限值。观测期间,各污染物浓度表现出明显的日变化与季节变化,其中SO2、O3呈单峰型日变化,NO2、CO和细粒子则呈双峰型日变化;污染物浓度的季节变化基本表现为冬高夏低、春秋次之的变化特征(O3为夏高冬低),并且固态污染物(PM10、PM2.5)与气态污染物(NO2、CO)之间有显著的相关性。在污染物浓度与气象要素相关性分析中表明,湿度对于污染物浓度的影响整体上要弱于温度和风速,除了O3与温度、风速呈正相关外,其它污染物与两者均呈负相关。除此以外,风向对于当地各种大气污染物的积累与清除也有直接的影响。 相似文献
12.
本文利用2013年1月1日~2015年6月30日贵阳市9个环境监测站的6种主要大气污染物(SO2、NO2、O3、PM10、CO、PM2.5)监测数据,分析了贵阳市主要大气污染物的年变化、日变化特征及降水对首要污染物浓度变化的影响。发现SO2、NO2、PM10、CO、PM2.5浓度为单谷型年变化,夏季浓度最低,冬季浓度最高;O3浓度为双峰型年变化,4、10月分别有两个极大值、11~2月与7月分别为两个极小值;SO2、NO2、PM10、CO、PM2.5浓度日变化呈双峰型特征;O3浓度日变化为单峰型特征;郊区SO2、NO2、PM10、CO、PM2.5日平均浓度低于市区,而郊区O3日平均浓度高于市区。降水对O3的湿清除效果不好,对其余大气污染物的湿清除效果较好,尤其夜间降水对颗粒污染物(PM2.5、PM10)的清除效果优于白天降水,但会使O3浓度明显上升。 相似文献
13.
利用2018年10月1日至2019年9月30日沈阳地区三个高度大气颗粒物浓度和气象要素逐时观测资料,分析了不同高度颗粒物浓度时间变化特征及其与气象要素的关系。结果表明：不同高度的颗粒物浓度均存在明显的季节变化,秋冬季数值明显高于春夏季。冬季,三个高度的PM2.5平均浓度为54.98±12.67 μg·m-3、63.77±15.1 μg·m-3和39.27±5.62 μg·m-3,即15 m > 1.5 m > 90 m,秋季对应高度的浓度值则为1.5 m > 15 m > 90 m,春季对应高度的浓度值1.5 m≈15 m>90 m,夏季对应高度的浓度值15 m > 90 m > 1.5 m。PM2.5、PM10和TSP浓度的日变化在秋冬季三个高度上均呈明显的双峰,春季则均为单峰,夏季15 m高度为单峰,其余两层无明显规律。月平均颗粒物浓度的变化在冬、夏半年之间存在明显差异。冬半年,1.5 m高度PM2.5、PM10和TSP以及90 m高度PM2.5月平均浓度均表现为增—减—增—减的变化特征,而15 m高度月平均PM2.5、PM10和TSP浓度以及90 m高度月平均PM10、TSP浓度均为先增后减的变化特征。冬半年和夏半年颗粒物浓度最大值分别出现在1月和6月,冬半年最低两层高度的颗粒物浓度明显高于90 m的值,夏半年各月不同高度颗粒物浓度相差不大,均远低于冬半年的浓度值。不同粒径范围的颗粒物浓度与风速和气温均呈负相关关系,且相关系数随高度增加而增加,随颗粒物粒径范围增加而变小;与相对湿度的关系较为复杂,相关系数随观测高度增加和颗粒物粒径范围的增大而有所不同。 相似文献
14.
华南区域大气成分数值模式GRACEs预报性能评估 总被引：1，自引：0，他引：1
利用2016-2019年广东省国控站实况监测数据对华南区域大气成分数值模式系统(GRACEs)预报性能进行了综合评估。除空气质量指数AQI外,重点对PM2.5、O3及NO2进行了分析评估。(1) 模式预报性能存在年际差异,对各要素的预报值总体偏低。(2) 模式预报能较好地反映空气质量的空间分布,PM2.5中心在珠三角西北部,而O3-8 h高值区在珠三角核心区和粤东沿海,但模式对O3-8 h高值区存在显著预报低估现象。(3)模式可较好地模拟出PM2.5月变化的单峰型特征和O3-8 h月变化双峰型特征,但模式对AQI的秋冬季主峰值和春季次峰值的预报存在低估,分别与模式对O3-8 h、PM2.5的低估有关。(4) 模式能较好体现O3的午后峰值和NO2双峰值的日变化规律;模式对O3前体物NO2的预报偏差,有可能是导致随后几小时对O3浓度预报偏差的重要原因。(5) 日平均浓度预报效果检验显示模式可较好预测AQI和3种污染物的变化趋势,但对夏秋季高O3-8 h浓度预报显著偏低;模式对轻度污染及以上等级预报能力偏低,亟需提升模式对污染天气的预报能力。 相似文献
15.
利用2008—2018年黑龙江省33个观测站的定时观测气象资料,按照国标《大气自净能力等级》（GB/T34299—2017）,分析了黑龙江省大气自净能力时间、空间的变化特征,并以省会城市哈尔滨为例,结合逐日空气质量指数（AQI）数据,分析了大气自净能力与AQI的关系。结果表明：2008—2018年黑龙江省平均大气自净能力指数为12.6×104 km·a-1,整体呈上升趋势,2015年以来大气自净能力明显增强。春季大气自净能力最高,秋季次之,冬季最低;空间分布大致呈北低南高分布,包含二、三级两个级别,春季全省各地均处于第二级别,有利于对大气污染物的清除,冬季漠河处于第五级别,不利于对大气污染物的清除;哈尔滨市冬季AQI与大气自净力指数呈显著负相关,考虑了通风量和雨洗作用的大气自净能力与AQI关系密切,直接影响着空气质量状况。 相似文献