共查询到16条相似文献，搜索用时 125 毫秒
1.
利用高陵区2018年1月1日—2020年12月31日 PM25质量浓度监测资料、空气质量指数,分析PM25的污染特征,结合气象观测资料, 通过线性相关分析定量分析不同季节PM25质量浓度与气温、相对湿度、风向风速、降水等气象要素之间相关性。结果表明：（1）近3 a来高陵区污染天气首要污染物为PM25的累计时间远超其他污染物为首要污染物的累计时间。（2）PM25平均质量浓度月变化呈明显的“U”型特征,1月最高,2月、12月次之;季节变化规律为冬春高、夏秋低,冬季最高,夏季最低。（3）PM25质量浓度日变化呈单峰单谷特征, 23时为最大峰值,17时左右为谷值,此变化趋势与气温、风速的日变化呈相反趋势,与相对湿度日变化趋势基本一致。（4）不同季节PM25质量浓度和气象要素的相关性存在差异,PM25质量浓度与风速及降水量在各个季节均呈显著负相关,与气温整体上呈负相关,与相对湿度整体呈正相关。（5）PM25质量浓度高值主导风向为偏西北风,其次是东北风,风向偏东和西南时PM25质量浓度值相对较小。 相似文献
2.
本文针对峡口城市乌鲁木齐市2013-2015年冬季6个环境监测站、逐时的6类污染物浓度数据,气象数据及风廓线雷达资料,分析了浅薄型焚风对扩散条件及污染物浓度的影响。研究发现：冬季乌鲁木齐出现浅薄型焚风的频率为57.3%,平均气流底高约605m,气流顶高约2108m,气流厚度约1502m;乌鲁木齐市冬季焚风日比非焚风日混合层厚度低200m,逆温层厚度厚344m,逆温差大4.4℃,逆温强度强0.01℃/100m,平均风速小0.1m/s;空气质量各污染等级出现频率焚风日都高于非焚风日,3级高18%,5级以上重度污染高7%;污染物浓度日变化呈双峰结构,并表现为焚风日污染浓度＞冬季平均浓度＞非焚风日污染浓度;污染物浓度（除O3外）空间分布特征为焚风日比非焚风日高。 相似文献
3.
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
4.
2019年1月铜仁市发生了中到重度污染过程,本文利用铜仁市城区逐时环境监测资料,高空及地面气象观测资料,分析了本次污染过程气象条件特征。结果表明,此次首要污染物为细颗粒物（PM2.5）。污染天气发生时,铜仁上空是高压脊或一致的西南气流,地面为冷高压或均压区控制,气压梯度小,风小;当转为高空槽前,地面有冷空气补充,气压梯度增大时,污染物浓度得到降低。同时风速和相对湿度大小跟污染物浓度也有一定关系,地面风速小,空气干燥时,污染物浓度增加;相反,风速增大达4m/s以上,空气相对湿度增大达90%以上,特别是明显的雨雪天气发生时,污染物浓度得到快速降低。另外,污染天气伴随有近地层逆温层持续影响,逆温层厚度越厚,且逆温强度越强,抑制了大气垂直方向的湍流交换,有利于污染物浓度累积增长。受梵净山地形阻挡作用,当近地层为弱偏东风影响时,污染物不能翻越梵净山向西扩散,会在山的东侧堆积,导致铜仁城区污染物在本地循环累积,污染浓度维持较大值。上述研究结果,可为铜仁市空气质量预报及污染防控提供新的参考依据。 相似文献
5.
选取2016年12月17—22日青岛一次典型重污染天气,利用大气污染物监测结果、地面气象要素观测资料和欧洲中期天气预报中心（ECMWF）ERA5再分析数据对此次过程中大气污染物及气象场的变化特征进行分析。观测分析表明此次污染过程持续时间长达5 d以上,其中19—21日为重污染天气（PM 2.5 日均质量浓度ρ>150 μg·m-3）。根据气象场和PM2.5质量浓度变化特征,此次污染过程可分为3个阶段：17日02时—19日08时为青岛污染物累积阶段,研究区受西南风控制,PM2.5质量浓度逐渐上升,700 hPa等压面上高空槽的维持及槽前持续的南风、西南风有利于污染物累积,同时近地面相对湿度增加,是此次持续性重污染天气形成的重要条件;19日09时—20日20时为青岛污染维持加剧阶段,相对湿度大、风速很小,污染物扩散条件差,PM2.5质量浓度最高;20日21时—22日08时为青岛污染消散阶段,青岛对流层中下层及地面风速均增大并产生弱降水,有利于污染物扩散稀释和湿清除,PM2.5质量浓度逐渐降低。WRF-Chem数值模式能够较好地模拟出主要气象要素和青岛PM2.5 质量浓度的变化特征,模拟结果表明山东省内污染物排放贡献了青岛PM2.5的49.5%;污染物跨省输送对此次污染事件也有重要贡献,其中来自研究区以南的安徽和江苏的排放对青岛PM2.5的贡献率可达25.5%。 相似文献
6.
《广东气象》2017,(3)
2014年深圳市东北部吓陂监测站PM_(2.5)的年均质量浓度为47.0μg/m~3,在全市处于较高污染状态,并呈现出冬季秋季春季夏季的季节变化特征。气象要素的分析表明,2014年吓陂监测站夏季时降水较多、湿度最大、风速最大、气温最高、边界层高度最高,最有利于污染物的扩散和清除;冬季时降水最少、湿度最小、风速最小、气温最低、边界层高度最低,最不利于污染物的扩散和清除。后向轨迹聚类分析表明,吓陂监测站的后向轨迹主要分为5类,其中来自北方内陆地区的气团污染最重,来自南海地区的气团污染最轻。进一步利用潜在源贡献因子进行源区识别分析,结果表明:2014年吓陂监测站的PM_(2.5)主要来源于本地源的排放及周边地区(尤其是广东东北部地区)的短距离输送,此外江西等内陆地区的长距离传输在一定程度上也可能导致吓陂监测站PM_(2.5)质量浓度的升高。 相似文献
7.
利用周至2012年1月1日—2017年9月30日气象观测资料及空气质量监测资料,分析了近五年周至地区污染特征及冬季重污染天气过程中气象条件的影响,结果表明:周至地区冬季空气污染情况最为严重,五年来重度污染等级以上(包括重度污染和严重污染)日数(简称重污染日)共计119d,重污染天气频发。该地区冬季重污染日气象条件:以静稳天气为主,风速较小,主导风向为偏西北风,这使得大量外来污染源在本地堆积;低于冬季平均值的气温使得大气逆温现象更易发生,大气层结稳定;高于平均值的相对湿度使得颗粒物吸湿增长加剧,重污染日前连续无有效降水使得空气中的污染物得不到有效冲刷,不利于污染物扩散,使得重污染天气进一步加重。 相似文献
8.
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
9.
兰州市冬季空气污染的天气成因分析及浓度预报 总被引：9，自引：0，他引：9
兰州是全国冬季大气污染最严重的城市之一 ,通过对污染与天气形势的分析 ,给出了影响冬季兰州污染的天气分型 ;对 3种主要空气污染物TSP、SO2 、NOX 浓度值与同期表征逆温特征的逆温参数及地面气象要素作了统计分析 ,结果表明 :(1)污染物浓度与逆温层厚度呈显著正相关 ;(2 )污染物浓度与平均温度、能见度、风速、总云量、相对湿度成负相关 ,与温差、气压成正相关。最后针对不同天气分型 ,给出了冬半年兰州污染物浓度预报方程 ,经检验预报效果良好 相似文献
10.
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
11.
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
12.
大气细颗粒物PM2.5污染引起的雾霾天气既与本地污染物排放密切有关,也受局地特殊的风场影响.本文以武汉城市区域为研究对象,分别研究了长江沿岸的江陆风环流、东湖沿岸湖陆风环流的形成与转化特征,发现江风、湖风开始时间均为07：00-08：00,一年中最大风速均能达到2 m/s左右,而春夏季江风的持续时间高于秋冬季,夏季湖风的持续时间高于春季.同时发现区域附近温度和相对湿度之间有明显的相关性,湿度变化趋势大体上跟温度变化趋势相反,且温度对相对湿度的影响存在一定的滞后性,延迟时间大约为1 h. 相似文献
13.
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
14.
基于2013—2018年大连中心城区O_(3)监测数据和气象数据,分析了该区O_(3)污染时空变化特征及气象要素对O_(3)污染的影响。结果表明:2013—2018年大连中心城区O_(3)已经逐渐成为最主要的大气污染物之一。O_(3)年平均浓度由2013年的66.66μg·m^(-3)上升至2018年的101.62μg·m^(-3)。秋季和夏季是大连O_(3)浓度较高的季节,其次是冬季和春季。O_(3)最高浓度月份主要为5月、6月及9月。O_(3)浓度日变化呈明显的单峰状,从上午08时开始增加,在下午14—16时达到最高,白天浓度高于夜晚。O_(3)污染物在2013—2017年从大连中心城区的西南向东北扩散。大连中心城区O_(3)与其他5种大气污染物均存在不同程度的负相关,与气温呈显著正相关,与相对湿度、气压及风速相关性较差。有利于大连O_(3)污染天气的气象条件主要为高气温(>30℃)、低湿度(≤80%)、低风速(1.5—2.0 m·s^(-1))、北风风向和长日照时间。高污染日的出现可能是受高温天气与本地逐渐增加的排放物共同影响。 相似文献
15.
以北京市朝阳站为例总体上分析了2014-2015年北京市全年、冬半年和夏半年电场强度和污染物变化特性及相关性,重点研究静稳积累型、污染复合型、沙尘型3种类型污染天气下大气电场强度与主要污染物因子浓度以及与气象要素之间的关系。结果表明:(1)全年电场强度每小时平均值为0.45~0.72 kV·m-1,全年电场强度主要峰值在03:00(北京时,下同)和23:00,主要谷值在06:00和13:00;冬半年电场强度与污染物强度相关性更明显,特别是与PM10、PM2.5、PM1.0、NO2的相关性较显著。(2)静稳积累型污染物过程中,污染物浓度较快变大,电场强度随之增加,电场强度和污染物浓度变化趋势比较接近;相对湿度增大时,电场强度变为负值。(3)污染复合型过程中污染物浓度和电场强度变化都较平缓,在相对湿度较大的重污染天气,电场强度和污染物浓度的相关性并不强;电场强度和相对湿度相关性较强。(4)沙尘型天气下电场强度为负值,该种情况下大气污染物快速积累,电场强度绝对值剧烈变大,然后快速降低。沙尘型天气下不同情况电场强度绝对值从大到小依次是沙尘暴、扬沙、浮尘。 相似文献
16.
辽宁中部城市群大气污染分布及与气象因子的相关分析 总被引：6，自引：0，他引：6
根据2002年辽宁省中部城市群（沈阳、鞍山、本溪、抚顺、辽阳）的主要大气污染物（TSP、PM10、SO2、NOx）的监测值及气象因子（能见度、风速、温度、湿度、降水、总云量和低云量）的观测资料，分析了辽宁中部城市群大气污染的现状、污染程度及污染物与气象因子的相关关系。结果表明：城市群的主要大气污染物是TSP、PM10和SO2冬季是城市群大气污染最重的季节，夏季大气污染最轻；城市群大气污染最重的城市是本溪，其次是鞍山、沈阳、抚顺、辽阳；污染物与能见度、温度的相关性非常显著，平原城市的污染物与气象因子的相关性较山区城市好。 相似文献