共查询到18条相似文献，搜索用时 93 毫秒
1.
根据海南省环境科学研究院提供的海口站2013—2016年逐日空气污染数据,统计分析了海口市空气质量状况。综合应用高低空环流场、AQI指数结合MODIS卫星蓝光气溶胶厚度图,采用HYSPLIT轨迹聚类分析法、潜在源贡献因子法和浓度权重轨迹分析方法,重点分析了2013年12月海口空气污染的的主要输送路径,并探讨了首要污染物PM2.5和O3的潜在源区。结果表明：冬夏季风风向转换是海口发生空气污染的最主要气象原因,且首要污染物为PM2.5,其次是PM10和O3;海口市空气质量达标率在97.1%,总体较好,AQI指数呈逐年下降趋势;值得关注的是,O3呈逐年稳定上升趋势。大气污染物浓度受污染物排放和环流场共同影响,海口污染日对应的地面天气形势主要有3种类型,冷高压、变暖高压脊和台风外围下沉气流。此次污染过程中污染源是来自北方地区污染物长距离输送影响的结果。污染物个例分析中,首要污染物PM2.5潜在源区主要集中在湖南和江西的交界处、广东沿海地区、广西北部、江西和福建的交界处以及浙江中部地区,这些潜在源区气团沿着轨迹1、2和4通过长距离输送到海口。海口O3质量浓度贡献较大的区域主要集中在湖南和江西的交界处、粤西一带,主要沿着轨迹2将内陆地区的污染源输送到海口。 相似文献
2.
PM2.5污染仍然是湖北省冬季大气污染的首要污染类型,且具有明显区域传输特征,重污染过程的空气污染气象条件有别于华北地区,值得关注。采用WRF/Chem不同排放情景下的模拟结果,并结合观测分析,研究了2015年12月—2016年1月湖北省PM2.5重污染过程的气象输送条件及日变化特征,从大尺度输送条件和局地边界层动力作用分析了外来污染物水平传输、悬浮聚集和向下传输的过程,并解释了该地区观测到的午后PM2.5浓度特殊峰值的气象成因。结果表明,湖北重污染爆发以区域传输为主,地面观测PM2.5极值对应10 m风速可达8—10 m/s,边界层0—1 km为较强偏北风输送,污染传输通量极值位于400 m高度附近,为重要传输通道,低空无明显逆温,重污染过程具有“非静稳”边界层气象特征。重污染形成的大尺度输送条件为,长江中下游及北部地区偏北风异常偏强,南部地区风速减缓,使污染物在中游平原堆积,鄂北边界风速越大,越有利污染输送增长。传输性污染主要来自偏北和东北方向的污染源输送,潜在源区贡献主要为途经偏北通道上的豫中、南阳盆地和关中地区,以及途经东北通道上的鲁、皖、苏等部分地区。PM2.5浓度日变化双峰结构的天气成因不同,21—24时（北京时）峰值为静稳性污染,11—14时峰值为传输性污染。污染输送受大气边界层高度影响,日出前大气边界层高度较低,层结稳定并伴有上升运行,使得低空外来输送悬浮聚集在400 m高度附近;日出后随大气边界层高度升高,静稳层结被破坏,在干沉降作用下高浓度PM2.5开始向下传输,并在午后地面形成峰值。 相似文献
3.
近些年京津冀地区秋、冬季大气重污染事件频发,工业生产与居民燃煤是大气灰霾污染的重要原因。河北省沙河市是京津冀地区以玻璃制造和加工为主的典型工业城市,本研究选取该城市为研究对象,主要利用2017年1月至12月国控站点的大气环境监测和气象数据,采用扩散模型、潜在源分析等手段,分析了沙河市主要污染物的时空分布特征和污染来源。主要结论有:（1）沙河市首要污染物具有明显季节特征,春季、夏季、秋冬季分别以PM10、O3、PM2.5污染为主,季节贡献率分别为43.3%、72.3%、61.5%。（2）受城市大气边界层和排放的共同影响,PM10、PM2.5、SO2、NO2和CO浓度均有剧烈的季节—日变化特征。（3）冬季东北风时PM2.5、NO2、SO2均展现出高浓度和高相关性特征,表明站点可能受东北方向玻璃企业排放影响。同时,站点可能也受城中村散煤燃烧影响。（4）沙河市冬季PM2.5浓度为143 μg m-3。冬季的一次重污染中硫氧化率SOR、氮氧化率NOR的最高值分别达0.67、0.39,气态污染物的二次转化剧烈,高湿度利于二次粒子的生成。重污染中C(NO3-)/C(SO42-)均值为1.89,推测沙河市NO2主要来自大型运输车辆和企业的共同排放。（5）本地源是沙河市PM2.5的主要潜在源区,周边几个重工业城市也有一定贡献。因此本研究建议沙河市PM2.5的治理除需加强本地污染源的削减和控制外,区域联防联控也十分重要。 相似文献
4.
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
5.
利用潮州市区2014—2020年空气质量逐小时质量浓度数据，分析了PM2.5、O3质量浓度及复合污染的年、月、日变化特征，结合相应时段潮州国家站气象资料，分析PM2.5-O3与气象条件的关系。结果表明：2014—2020年潮州市区年平均ρ(PM2.5)、ρ(O3-8 h)及复合污染出现日数均呈波动下降趋势，月平均ρ(PM2.5)最高出现在3月，月平均ρ(O3-8 h)最高出现在10月，两种污染物最低均出现在6月。复合污染出现较多的是10月至次年4月。PM2.5、O3污染具有一定相互作用，当其中一种污染物质量浓度较高时另一种污染物的质量浓度相应较高，同时污染物质量浓度的日较差也会相应增大；污染物峰谷值出现时间表现为空气污染较严重时，O3峰值出现时间在16:00,PM2.5峰值出现在19:00。PM2.5-O... 相似文献
6.
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
7.
利用气象模式WRF和中科院大气所自主发展的大气气溶胶与大气化学模式IAP-AACM对2016年冬季内蒙古中部呼包鄂地区大气细颗粒物（PM2.5）的典型污染过程进行了模拟分析。结果表明,呼包鄂地区的空气质量变化主要受大范围天气形势影响。污染累积阶段,500 hPa高度上该区域受阻塞高压或弱高压脊前平直的偏西气流控制,地面为弱高压或均压场,风速较小,边界层高度低,污染物不易扩散,且气温和相对湿度较高,利于二次颗粒物生成;污染消散阶段,天气形势发生明显变化,550 hPa高度以下有强冷平流,地面易形成大风天气,利于污染物消散,伴随着冷空气的南下,下游地区的污染物也得到清除。呼包鄂区域PM2.5主要来源于本地排放,鄂尔多斯本地排放贡献大于60%,呼和浩特本地排放贡献大于80%,包头本地排放贡献达到90%,该区域空气质量的变化可以反映区域大气污染气象条件的变化。交叉相关分析发现,呼包鄂区域的PM2.5浓度与其下游的山西、河北、河南地区的PM2.5浓度具有高度的时间相关性,相位差在6～24小时。呼包鄂区域PM2.5污染的改善有赖于本地污染源的管控,该区域冬季空气质量变化可作为下游地区空气质量变化的前兆因子,有助于下游地区空气质量的预报预警。 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.
基于经验公式分析了天津市2013-2017年大气自净能力,以及PM2.5和PM10质量浓度的时空分布特征,并探讨了大气自净能力与大气颗粒物PM2.5质量浓度的关系,以期更好的理解大气环境对污染物浓度变化的影响。结果表明：时间变化上,天津市大气自净能力在午后13-14时最大,夜间最低,一年之中在采暖季（10月至翌年3月）要小于非采暖季,与之相反,天津市PM2.5和PM10质量浓度在采暖季均高于非采暖季。2017年相对于2013年,大气自净能力增加了5%,而PM2.5质量浓度下降了34%,PM10质量浓度则减少了47%。空间分布上,大气自净能力各季节均表现为沿海高于内陆,城区低于郊区的分布,天津市的PM2.5和PM10质量浓度的高值也主要集中在中南部地区,尤其是城区。大气自净能力与颗粒物浓度的分布在空间分布上有着一定的对应关系。分析表明,天津市大气自净能力日均值与PM2.5质量浓度日均值呈负相关,两者的相关系数为-0.34,在采暖季,相关系数有所提高。通过大气自净能力与PM2.5质量浓度变化的分析可知,重污染事件大多数发生在低大气自净能力时。 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.
利用常规气象数据、颗粒物观测数据、全球大气同化系统GDAS数据、NCEP再分析资料、ERA5再分析资料等,结合数理统计、轨迹聚类、天气学分析等方法对2015—2019年秋冬季漯河重污染特征、污染输送及潜在源区分布进行分析,并通过一次典型重污染个例进行证明。结果表明:近5 a秋冬季漯河重污染过程发生频次高、持续时间长、污染程度重,AQI、PM_(2.5)变化趋势不明显,PM_(10)浓度下降趋势明显,PM_(2.5)/PM_(10)比值逐年递增,以PM_(2.5)重污染为主。秋冬季漯河主要有6种气团输送路径,东北路、偏东路轨迹短、移速慢且高度低,近距离近地层污染输送特征明显,为重要重污染通道;西北路远距离下沉沉降输送和西南轨迹近距离输送下的AQI均值及重污染概率较低,对漯河重污染贡献不高。漯河潜在源区来源复杂、范围广、强度大,其污染潜在源主要分布在河南中东部、尤其是东北部,对应东北路径、偏东路径等气团轨迹。重污染时地面偏北风是其主导风,尤其是2—4 m·s^(-1)之间偏北到东北风最为显著。两次跨区域输送表明,北路或东北路近地层输送是AQI峰值维持发展的重要原因。 相似文献
12.
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
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.
利用2016年12月至2017年5月海南省3个地级市（三沙市永兴岛、三亚、海口）监测的PM2.5、PM10数据,对比分析其污染特征。结果表明：相较于海口、三亚,永兴岛空气质量最好,细粒子污染程度最轻且PM2.5、PM10质量浓度日变化最平稳,其主要原因是人类生产活动对空气质量的影响不大。进一步通过分析3个站点的PM2.5质量浓度与近地面气象要素（相对湿度、月总降水量、能见度）发现,永兴岛PM2.5质量浓度与能见度整体呈负相关,永兴岛在不同风速、风向上的PM2.5质量浓度最小,三亚次之,海口最大。永兴岛PM2.5的大值区主要出现在东北风向上,其他方向上的气流则相对比较清洁,且在静风或者微风条件下,永兴岛的初始PM2.5质量浓度比较低。通过每天逐6 h的72 h后向轨迹分析发现,冬季、夏季风影响期间,永兴岛分别受来源于西太平洋、南海的海洋性气流影响,这与永兴岛的空气质量有直接关系。 相似文献
15.
以镇海、奉化分别作为宁波沿海和内陆空气质量代表站。基于代表站2013-2017年污染物资料和2015年12月至2017年2月冬季激光雷达资料,对比分析宁波地区沿海和内陆站点的空气质量差异;利用NCEP的GDAS(Global Data Assimilation System)资料和ERA-Interim高分辨率再分析资料评估两地气溶胶来源及大气自净能力差异。结果表明:宁波沿海和内陆地区中度及以上污染主要集中于冬季,冬季首要污染物以PM2.5为主;镇海NO2浓度较奉化显著偏高,而两地PM2.5 和PM10 浓度差异较小。冬季镇海和奉化3km以下都存在消光系数大的气溶胶集中层,镇海3km内消光系数平均值较奉化偏高约40%。两地中度及以上污染时,镇海和奉化的气溶胶粒子主要来自宁波西北方向的内陆地区,比例分别为90%和63%,镇海地区其余10%左右来自近距离低空偏东气流的输送,而奉化地区有37%来自浙江西南部的短距离输送。冬季当宁波地区出现区域性优和中度以上污染时,浙江北部沿海分别盛行东北风和西北风,空气质量优时混合层内平均风速大于中度以上污染时。浙江省大气自净能力比值呈自西北向东南减小,宁波地区优等空气质量大气自净能力约为中度以上污染的 1.5倍。大气自净能力在不同空气质量等级下差异显著,可作为大气污染发生、发展和消退判定的参考依据。 相似文献
16.
利用2018年12月至2019年2月滨州、德州和聊城PM2.5、PM10、NO2、SO2、CO和O3逐日质量浓度及其对应的气象资料,分析了鲁西北大气污染特征和影响因子。结果表明：2018年冬季鲁西北大气污染比较严重,聊城、德州和滨州轻度及以上污染天数分别占61%、60%和54%,重度以上染污天数分别占24%、11%和9%;首要污染物均为PM2.5、PM10和NO2,其中PM2.5占60%以上。PM2.5、PM10、SO2、NO2和CO日变化呈双峰双谷型,谷值分别出现在04-07时和15-17时,且下午比清晨更低,峰值出现在上午和下午交通高峰期后2-3 h,且峰值上午大于下午;O3呈单峰型分布,09时出现极小值,18-19时出现极大值。PM2.5是鲁西北主要的首要污染物,与PM10、CO、NO2均为显著正相关,并通过0.01水平显著性检验,与NO2的相关性在低相对湿度(< 60%)时大于高相对湿度(≥ 60%),与CO的相关性在高相对湿度时大于低相对湿度;污染时段(PM2.5>75 μg·m-3)的平均相对湿度和平均温度明显大于清洁时段(PM2.5 ≤ 75 μg·m-3),清洁时段风速和气压比污染时段明显偏大。 相似文献
17.
基于2017-2019年河源市空气质量数据,分析了河源市首要污染物的年际变化特征,同时利用2019年东埔国控站点的首要污染物与气象要素进行了相关性分析,并以典型污染日为案例,分析了气象条件对污染过程的影响。结果表明：2017-2019年细颗粒物（PM2.5）污染日比重大幅度降低,以臭氧（O3）为首要污染物的污染日逐年增加,污染形式逐渐从颗粒物污染向臭氧污染发生转变。O3浓度与温度和湿度分别呈正负相关关系,高浓度O3主要出现在（20-30℃,25%-55%）阈值之间,在吹西北偏北风时O3浓度也较高。PM2.5和PM10与湿度也呈负相关关系,温度与湿度组合在（8-13℃,40%-55%）范围内时两者容易同时出现高值;在夏季PM2.5和PM10还与温度具有较强的正相关关系,这意味着高温情况下河源有出现颗粒物与O3复合污染的可能。河源市典型污染日具有风速较小局部扩散不利的特征,低温低湿条件下容易出现PM2.5污染,且主要受到区域的传输影响;而高温低湿条件下容易发生O3污染,且较高的前体物浓度容易加剧O3的本地污染。 相似文献
18.
重庆市臭氧污染及其气象因子预报方法对比研究 总被引：1，自引：0，他引：1
利用2014年1月1日至2018年12月31日的重庆市空气质量日均值资料,分析了重庆近5 a臭氧污染的特征。发现重庆市臭氧是除PM2.5以外的第二大大气污染物,具有较强的季节变化特征,主要污染时段位于夏半年,在7—8月臭氧污染程度明显超过了PM2.5。臭氧年平均浓度呈现逐年增加的趋势,首要污染物为臭氧的日数在2018年首次超过PM2.5,臭氧成为2018年重庆市的第一大污染物,表明重庆正在由一个以颗粒物污染为主的城市转变为臭氧污染为主的城市。通过对同期逐日气象资料与臭氧8 h滑动平均日最大值相关性分析发现,大气温度、湿度及气压均为影响臭氧污染的重要气象因子。利用气象影响因子,采用逐步回归、支持向量机、神经网络方法对臭氧8 h滑动平均日最大值进行预报实验表明,三种预报模型均具有较强的预报能力,但总体来看预报均比实况略偏小。支持向量机方法的预报效果要稍好于逐步回归和神经网络方法,可为重庆市臭氧浓度预报提供参考。 相似文献