共查询到17条相似文献，搜索用时 124 毫秒
1.
依据峡口城市乌鲁木齐市2013-2016年6个环境监测站逐时的6类污染物数据,分析大气污染物的时空分布规律。总体来看,乌鲁木齐市以颗粒物污染为主,即PM10、PM2.5污染严重。从季节上来看,乌鲁木齐污染物浓度大多冬季高、夏季低,春秋季次之。春、夏、秋、冬PM2.5的浓度依次为59.8、40.5、67.8、139.6 μg·m-3,而PM10则是148.6、119.7、146.4、209.4 μg·m-3,粗细粒子浓度在春秋季的细微变化凸显在春季沙尘天气的影响。从日变化方面来看,污染物多呈现为双峰型结构。PM10、PM2.5春夏秋3个季节都是在子夜1：00时浓度最高,9：00～10：00时次之,但是冬季日最高值则出现在17：00时左右,次峰值出现在21：00～22：00时。从空间分布来看,颗粒物浓度总体上是中心城区低、四周高的分布格局;从PM2.5浓度占PM10浓度比重分析来看,冬季比重最高,达70%,以城区及城北最为明显,达73%,日变化分布则主要集中在下午至夜间,且冬季比重达71%。 相似文献
2.
利用2017—2019年中天山北坡城市群（乌鲁木齐市、昌吉市、石河子市、五家渠市）逐时大气污染物监测数据及气象数据,分析了大气污染物年内变化和污染天气类型特征。结果表明：（1） 中天山北坡4座城市6类大气污染物中PM2.5超标日数最多（年均94~104 d）,年均浓度介于64~73 μg·m-3,且五家渠市>乌鲁木齐市>石河子市>昌吉市。采暖期PM2.5浓度在100~118 μg·m-3之间,是非采暖期的4.00~5.00倍,靠近山前地带的城市PM2.5浓度日变化大体呈现“双峰双谷型”。（2） 4座城市污染天气类型主要分为静稳型、沙尘型和特殊型,其中静稳型占86.2%~93.6%、沙尘型占5.8%~13.2%。静稳型污染天气多出现在冬季,沙尘型主要出现在春、秋季节。静稳型污染天气中Ⅴ-Ⅵ级污染级别占比45.8%~56.6%,沙尘型污染天气中Ⅴ-Ⅵ级污染级别占比14.9%~29.4%。（3） 静稳型和沙尘型污染天气下PM2.5和PM10浓度都存在显著的线性相关,前者PM10浓度是PM2.5的1.26倍,而后者达3.16倍,此倍数可以作为区分静稳型和沙尘型污染天气的判据。 相似文献
3.
基于HYSPLIT模型和2019年9月至2020年8月喀什地区大气颗粒物逐时数据,利用聚类分析、潜在源贡献因子法（PSCF）和浓度权重轨迹法（CWT）分析喀什地区四季PM10传输路径与潜在源区,揭示研究期间喀什地区不同季节PM10的潜在源分布及其贡献水平。结果表明：喀什地区PM10、PM2.5年均值分别为237.3±268.3、89.3±82.3 μg·m-3,大气颗粒物以PM10为主;喀什地区气流输送路径主要来自中亚西风气流,其次是来自中国新疆南部;PM10秋季主要贡献源区分布在中亚部分地区以及中国新疆南部区域,贡献水平为250—450 μg·m-3;冬季主要贡献源区与秋季相似,贡献水平为150—300 μg·m-3;春季重点贡献源区主要分布在新疆南部塔克拉玛干沙漠区域,贡献水平为250—500 μg·m-3;夏季主要贡献源区与春季相似,贡献水平为150—250 μg·m-3。喀什地区重点防范应是塔克拉玛干沙漠沙尘气溶胶的影响,其次是中亚西风气流携带的大气颗粒物远距离输送。 相似文献
4.
以2017年5月4日~5日华北地区出现的一次大范围的严重的天气污染形成与消散过程为研究对象,通过搜集华北地区9个城市空气中主要污染物浓度、AQI（空气质量指数）和常规气象数据,分析AQI、主要污染物（PM10、PM2.5、SO2、NO2、CO、O3）浓度变化特征和相关气象因子的关系。结果表明：本次重污染本质为区域性沙尘污染所致。污染过程呈现出形成速度快、消散急促的特点。该污染过程首要污染物为PM10,其次为PM2.5,而SO2、NO2、CO、O3等由人类活动产生的污染物浓度并未超标。后向轨迹分析和相关分析发现造成此次严重污染颗粒物主要来自蒙古高原,风是主要驱动因子。污染物在空间位置比较接近的城市间传输时,表现出趋势一致性、时间上的滞后性和污染物浓度的累积性特点。 相似文献
5.
采用便携式空气污染监测设备对广州市环城高速内的中心城区PM2.5污染情况进行移动监测,获取225.7万条频率为1 Hz的PM2.5监测数据,基于此对研究区进行10 m×10 m高时空分辨率的PM2.5污染模拟,并分析移动采集的可靠性及城市中心区PM2.5污染时空模式。结果显示：天气状况稳定条件下移动监测的城市PM2.5数据在时间维度与固定监测站点数据呈现较显著相关性（R 2为0.72~0.86）;广州市中心城区的PM2.5污染时空分布在短时间内具有显著的时空分异特征：时间上,干、湿季的平均逐时极差分别为27和11 μg/m3,质量浓度最高值和最低值出现的时段与当天的背景质量浓度值有关;空间上,交通枢纽、商业中心、工业园和大型商贸市场附近PM2.5污染风险高,公园绿地、高校、高级住宅区等风险相对较低,且呈干季西高东低、南高北低,湿季东高西低的空间分异特征。 相似文献
6.
基于灰色关联模型对江苏省PM2.5浓度影响因素的分析 总被引：2，自引：0，他引：2
采用克里金插值法分析2014年江苏省PM2.5浓度空间分布特征,运用灰色关联模型计算PM2.5浓度与影响因素间关联度,分析主要影响指标因子与PM2.5浓度空间分布的相互关系。结果显示：① 江苏省PM2.5浓度具有沿海低、内陆高,南部高、北部低的空间分布特征;② PM2.5污染来源指标层的权重值最大（wi = 0.4691）,空气质量与气象要素指标层的权重稍大（wi = 0.2866）,城市化与产业结构层的权重值最小（wi = 0.2453）;③ 在27个指标因子中,与PM2.5浓度关联度为中度的仅有公路客运量、房屋建筑施工面积、园林绿地面积、人口密度等4个指标因子,PM2.5与其余指标因子均呈强度相关联,其中与PM10、O3、降雨量、公路货运总量、地区工业总产值和第二产业占地区生产总值比重等指标的关联度较高;④ PM2.5污染源指标层与PM2.5浓度关联度值较大的城市分别是南京、无锡、常州、南通、泰州市;城市化与产业结构指标层与PM2.5浓度关联度值较大的城市分别是徐州、苏州、盐城、常州市;空气质量与气象要素指标层与PM2.5浓度关联度值较大的城市分别是盐城、扬州、常州、南通市。综合分析可知,影响指标因子关联度值与PM2.5浓度空间分布有较好相关性。研究表明,灰色关联模型可有效分析影响PM2.5浓度的主要因素,能对PM2.5浓度影响指标进行定量分析与评价。 相似文献
7.
为查明汾渭平原典型城乡地区重度污染天气PM2.5中多环芳烃（PAHs）污染特征及其人群健康效应,本文于2018—2019年冬季分别选取西安和陇县作为城乡对比参照点,采集了重度污染天气PM2.5颗粒态气溶胶样品。利用气相色谱—质谱联用仪（GC-MS）检测样品中具有“三致效应”的15种PAHs含量及组分特征,使用特征比值法及主成分法进行PAHs源解析,并分析了气象因素对PAHs质量浓度的可能影响,通过对苯并芘（BaP）等效毒性浓度和终生超额致癌风险度（ILCR）的计算,对人群健康风险进行评估。结果表明：西安与陇县在重度污染天气条件下PM2.5中15种PAHs总平均质量浓度分别为243.78 ng/m3、609.39 ng/m3,其中4~6环PAHs占比最高;且PAHs浓度与气温、气压及风速呈显著负相关,与相对湿度则无明显相关性。西安PAHs污染主要来自燃烧源与交通排放源,而煤炭及生物质燃烧是造成陇县PAHs质量浓度偏高的主要原因。健康风险评估结果显示,重污染天气下陇县人群通过呼吸引发的致癌风险要高于西安,女性致癌风险高于男性,成人致癌风险高于儿童,且两地区成人ILCR值均超过风险阈值,存在潜在致癌风险,儿童则无明显致癌风险。 相似文献
8.
西安沙尘天气特征及其对空气质量的影响 总被引：17，自引：11，他引：6
利用1971-2003年西安市常规气象观测资料、2001-2003年西安市区主要污染物日均浓度资料和2002年3月一次重度污染事件逐时的PM10浓度资料,分析了西安市沙尘天气的时间分布特征及其对主要空气污染物浓度的影响。结果表明:西安市沙尘天气近30多年来总体呈波动式明显减少的趋势,但2001-2002年有所增多,2003年又减少。沙尘天气主要出现在春季,4月最多,占全年天数的22.6%。沙尘天气对西安空气质量影响显著,可使3~4月PM10月浓度平均提高12.1%,在分析的一次强沙尘暴个例中,一小时内PM10浓度最高增加了0.585mg·m-3,达到0.970mg·m-3,从而造成严重的空气污染事件。 相似文献
9.
对上海市2012-2016年PM2.5质量浓度、气象因素数据资料进行整理统计,通过定性分析与定量计算相结合的方法,揭示近年来上海市PM2.5浓度的变化特征及其污染状况;采用相关性分析,从温度、气压、相对湿度、风向、风速和降水量等方面探讨了PM2.5浓度与气象因素之间的关联性。结果表明：上海市近5 a空气质量主要为优和良,污染天数所占全年比例在减少。PM2.5浓度呈现出夏季低,冬季高的季节特征,而且8月PM2.5浓度最低,处于16~36 μg·m-3;PM2.5的日变化呈现出双峰双谷结构,浓度峰值出现于8~9时和19~20时,且后者浓度更高。气温、气压、相对湿度的阈值分别出现在9.8℃、1 021.6 hPa、83%,最大PM2.5在阈值处出现显著变化;最大PM2.5浓度与累积风速和降水量呈现出对数关系,并且东北风和东南风的累积风速达到350 m·s-1以上时,PM2.5浓度基本减少至35 μg·m-3;降水量越大,PM2.5浓度越低。 相似文献
10.
利用大气质量的观测资料和气象要素的数据,详细分析了2015年冬季乌鲁木齐市一次重污染天气的主要气象因子和空气质量特征。研究结果表明：在污染过程中,风速的变化趋势：减小-增大-减小（平均风速0.9~2.5 m·s-1）;风向的转化趋势：东南风-东北风-西北风-西南风-东北风;湿度增大-减小-增大;大气混合层厚度的变化趋势：降低-升高-降低。同时,通过SPSS12.0分析了空气污染前后风速,湿度和PM2.5质量浓度的相关性。PM2.5质量浓度与风速呈显著负相关,与湿度呈正相关。风速与PM2.5质量浓度间通过了显著性水平为0.01的相关性检验。表明乌鲁木齐市的气象因子（风速）对当地大气污染影响十分明显。 相似文献
11.
在塔里木盆地东北部库尔勒市大气颗粒物逐时数据(2015年1月至2020年12月)污染特征分析的基础上,利用HYSPLIT模型、聚类分析、潜在源贡献因子分析(PSCF)、浓度权重轨迹分析(CWT)分析不同季节库尔勒市颗粒物传输路径与潜在源区,揭示研究期间库尔勒市不同季节大气颗粒物的潜在源分布及其贡献水平。结果表明:2015—2020年库尔勒市PM_(2.5)、PM_(10)年均值分别为47.7±20.0、162.2±102.4μg·m^(-3),超过国家年均值二级浓度限值132%、36.3%,PM_(10)为主要污染物;颗粒物季节变化呈现冬春高、夏秋低的变化特征;PM_(2.5)/PM_(10)值春季最低(0.29),冬季最高(0.47),PM_(2.5)/PM_(10)值整体呈下降趋势;气流输送路径主要来自西风短气流,其次为吐鲁番盆地的东灌气流;塔里木盆地全年四季都是库尔勒市颗粒物的主要贡献源区,颗粒物浓度贡献水平春冬季较高,夏秋季较低。 相似文献
12.
利用辽宁中部地区2012年6月1日至2013年5月31日观测数据,研究了城市大气可吸入颗粒物质量浓度和气象要素的之间的相关性。结果表明:对辽宁中部地区整体来说,秋、冬季的可吸入颗粒物排放在全年贡献比例较大;对区域各城市来说,沈阳和鞍山的颗粒物污染贡献较大。区域颗粒物浓度在午后达到最低,清晨升至最高,而能见度则在这两个时段分别达到最高和最低。颗粒物浓度与相对湿度的变化趋势基本一致,与能见度、气温和风速的变化趋势相反。颗粒物(尤其是大气细粒子)浓度与能见度的相关关系最为显著,这种相关性在夏、秋、冬季更加明显,而在鞍山、本溪两地尤为突出。 相似文献
13.
塔克拉玛干沙漠腹地塔中地区大气气溶胶散射系数影响因子 总被引：3，自引：3，他引：0
利用2010年塔克拉玛干沙漠腹地塔克拉玛干沙漠大气环境观测试验站单波段(525nm)积分浊度计和PM10自动监测仪、能见度仪器观测资料,结合塔中地面气象观测资料,分析影响塔中气溶胶散射系数的各因子。结果表明:(1)散射系数和PM10质量浓度具有明显的正相关关系,相关程度秋季最大,达0.96;夏季次之,为0.94;冬季最小,为0.91。(2)质量散射系数3月最小,10月最大;四季中,春季最小,为0.60m2·g-1,秋季最大,为1.38m2·g-1。塔中站气溶胶质量散射系数小于河北张北站、甘肃民勤站、兰州西固区,大于内蒙古锡林浩特站、希腊克里特岛、以色列内盖夫沙漠。(3)能见度与散射系数呈显著负幂相关关系,相关系数为0.80,其中夏、秋、冬季的相关系数都超过了年相关系数,分别是0.913、0.908、和0.857,春季最低为0.723。(4)风速较大时,散射系数的值也比较大,两者呈现正相关关系,相关系数为0.45。散射系数小于500 Mm-1时,主要分布于ENE和NE;大于500Mm-1以上则主要是在ENE、NE、E风向。在ESE风向时,散射系数的平均值最大,其次是SSE方向上,最小值是S风向。 相似文献
14.
京津冀城市群大气污染的时空特征与影响因素解析 总被引：33，自引：5，他引：28
京津冀城市群是中国雾霾最严重的区域,在京津冀协同发展背景下,探究该地区大气污染的时空分布和影响因素具有重要意义。运用空间自相关分析和三种空间计量模型,分析了京津冀202个区县PM2.5的时空分异特征,创新性地对自然与人文影响因素贡献及其空间溢出效应进行系统地甄别和量化。结果表明：2000-2014年来京津冀城市群PM2.5浓度整体呈上升趋势,季节上呈秋冬高、春夏低,空间上呈东南高、西北低的特点,且城市建成区PM2.5浓度比周围郊区和农村平均高10~20 μg/m3;2014年仅有13.9%的区县空气质量达标,PM2.5浓度存在显著的空间集聚性与扩散性,城市间交互影响距离平均为200 km,邻近地区的PM2.5每升高1%,将导致本地PM2.5至少升高0.5%;社会经济内因对PM2.5主要是正向影响,自然外因主要是负向影响;影响因素中对本地大气污染的直接效应贡献强度依次是：年均风速>年均气温>人口密度>地形起伏度>第二产业占比>能源消费>植被覆盖度,人均GDP、年降水量和相对湿度对本地PM2.5没有显著影响;对邻近地区大气污染具有显著空间溢出效应的因素排序是：植被覆盖度>地形起伏度>能源消费>人口密度;对于自然和人文影响因素应分别采取针对性的适应策略和调控策略,加强区域间联防联控与合作治理,在城市群规划中注重环保规划与立法。 相似文献
15.
粉尘释放是风蚀造成危害的一个重要过程。以农牧交错带沙区和非沙区农田土壤为研究对象,利用室内风洞模拟实验,实时监测了风蚀过程中释放的PM10,分析了PM10的动态变化特征,以深入认识土壤风蚀粉尘释放机理。结果表明：非沙区农田土壤风蚀强度远低于沙区农田,与风速呈指数函数关系;非沙区农田的土壤粉尘释放在不同风速下均以气流直接抬升模式为主,平均PM10通量与风速呈线性函数关系,最大PM10通量与风速呈幂函数关系;沙区农田的土壤粉尘释放在风速增大到一定程度后呈气流直接抬升和砂粒跃移冲击复合模式,最大PM10通量增加不明显,但平均PM10通量明显高于非沙区农田;对于沙区和非沙区农田而言,平均PM10通量与风蚀速率呈对数函数关系。 相似文献
16.
基于GWR模型的中国城市雾霾污染影响因素的空间异质性研究 总被引：1，自引：2，他引：1
基于全国城市的PM2.5监测数据,识别PM2.5的时空分布特征,并着重利用地理加权回归模型分析自然和社会经济因素对PM2.5影响的空间异质性。结果显示：2015年全国PM2.5的年均浓度为50.3 μg/m3,浓度变化呈现冬高夏低,春秋居中的“U型”特征;PM2.5的空间集聚状态明显,其中京津冀城市群是全国PM2.5的污染重心。地理加权回归结果显示：影响因素除高程外,其余指标均呈现正负两种效应,且影响程度具有显著的空间差异性特征。从回归系数的贡献均值来看,自然因素对城市PM2.5浓度影响强度由高到低依次是高程、相对湿度、温度、降雨量、风速、植被覆盖指数;各类社会经济指标对城市PM2.5浓度影响强度排名依次是人口密度、研发经费、建设用地比例、产业结构、外商直接投资、人均GDP。由于各指标对城市PM2.5浓度变化的影响程度存在着空间异质性,因此在制定大气治理对策时可以考虑不同指标影响程度的空间差异,从而使得治霾对策更具针对性。 相似文献
17.
1960-2013年南北疆风速变化特征分析 总被引：3，自引：2，他引：1
利用较为均匀分布在新疆的45个气象站1960-2013年平均风速数据,通过气候趋势分析、气候突变分析、Morlet小波分析、Pearson相关分析等方法,研究近50 a来南北疆平均风速变化特征,结果表明：（1）1960-2013年南北疆地区年平均风速分别以0.15 m·s-1·（10 a）-1和0.14 m·s-1·（10 a）-1的速率显著降低,1960-1990年南北疆年均风速分别以0.21 m·s-1·（10 a）和0.18 m·s-1·（10 a）-1速率降低;1991-2013年北疆以0.01 m·s-1·（10 a）-1的速率下降,而南疆却以0.17 m·s-1·（10 a）-1的速率上升,各季节风速变化趋势与年序列相似。（2）四季中,南北疆的年递减率均是夏季最为显著,北疆是冬季变化不明显,而南疆其余各季节相差不大。（3）从空间分布上显示,北疆各站点总体较南疆明显,低海拔区递减幅度较大。（4）风速的长期变化具有一定的突变性,南北疆的平均风速均在1980年前后出现明显的突变点,从各季节平均风速来看,北疆春、夏、秋季突变出现的时间稍早于冬季,南疆春季突变出现的时间稍早于夏、秋和冬季。（5）Morlet小波分析结果显示,南北疆风速变化均存在4 a、8 a及15～20 a左右的变化周期,春夏秋冬各季节表现出强弱不一致,体现出季节性变化。（6）城市化发展对风速的变化产生了一定影响,但不是风速显著下降的主要原因,大气环流变化和气候变暖才是造成风速减小的可能原因。 相似文献