2016年含山县PM2.5的污染特征及与气象要素的相关性分析

当前,随着生态文明建设的深入实践,人们的环保意识不断提高,空气质量作为判别环境好坏的直观标准之一,愈发受到社会关注.该文研究了2016年含山县大气污染物PM2.5的变化特征,对PM2.5数据进行统计分析,分析含山县PM2.5的污染水平,然后重点探究了PM2.5质量浓度日数据与气象要素气压、气温、湿度、降水量、风速的相关性.结果表明:含山县1月、2月、3月、12月的PM2.5污染较为严重,PM2.5日平均质量浓度与气压正相关,与气温、湿度、降水量、风速负相关.该文结论可以为当地通过气象要素的变化分析预测空气质量提供参考依据.     

2014年重庆市大气污染物浓度变化特征及其与气象条件的关系简

根据重庆市2014年1月-12月大气空气质量指数（AQI）以及大气首要污染物PM2.5,PM10,CO,SO2,NO2和O3等相关数据,分析了重庆市大气污染物浓度的变化特征,并结合月平均降水量、平均气温、日照时数、平均相对湿度、平均风速和平均气压等气象数据,运用相关分析法,研究气象要素对重庆市大气污染物的影响.研究结果表明:AQI和PM2.5,PM10质量浓度变化在月尺度上呈明显的“U”型变化,表现为两端高中间低的态势;季节变化尺度上,冬季最高,夏季最低,即夏季空气质量最好,冬季空气污染最严重;PM2.5和PM10质量浓度显著相关,相关系数达0.99,PM2.5对PM10贡献较大,两者质量浓度的比值达0.80.PM2.5和PM10质量浓度与平均相对湿度正相关,主要是因为相对湿度越大越有利于颗粒物的形成;与...     

长春市PM10污染与气象条件分析

利用近3年长春市环境监测资料与同期的气象资料,统计分析了长春市主要污染物PM10的季节演变特征,并对PM10浓度与平均气温、降水量、相对湿度、能见度、平均风速和气压6个气象要素的统计相关性进行了初步研究。结果表明,3年中PM10年均浓度没有明显起伏,均在0.097～0.100mg/m^3;PM10浓度具有明显的季节变化特征,冬季采暖期最高,春季沙尘期次之,夏季降雨期最低;3年中PM10污染以II级为主,占87.7%;PM10污染较重的当天,往往会伴随出现雾、烟幕、大风、沙尘等天气现象;PM10浓度与平均气温、降水量、能见度和平均风速呈显著负相关;与相对湿度和气压呈显著正相关。     

长沙市PM_(10)、PM_(2.5)污染特征及其与气象条件的关系

2014年6月1日~7月2日在黄土岭、马坡岭采样点采集PM10、PM2.5样本,研究PM10、PM2.5质量浓度的时空分布特征,并分析其与气温、风速、相对湿度、气压和降水的相关性。结果表明,黄土岭、马坡岭PM10平均日均浓度分别为108.37、91.00μg/m3,日均浓度超标率分别为25.00%、18.75%;PM2.5平均日均浓度分别为73.48、65.09μg/m3,日均浓度超标率分别为31.25%、34.38%。长沙市PM2.5污染比PM10严重。6月12~16日PM10、PM2.5污染最严重,出现了灰霾天气。PM2.5和PM10质量浓度呈显著正相关;PM10、PM2.5质量浓度与气温、风速、气压呈正相关,与相对湿度呈显著负相关,与降水量呈弱负相关。     

广西南宁国家基本气象站迁站对比观测资料差异分析

[目的]分析广西南宁国家基本气象站迁站对比观测资料差异。[方法]采用南宁国家基本气象观测站(59431)新旧站址2000年1～12月同期气压、气温、相对湿度、风向风速、降水量、日照等观测资料,对比分析南宁新旧站各气象要素的差异;并从海拔高度、下垫面性质、测站环境等方面分析了新旧站址各气象要素差异的主要原因。[结果]新站址本站气压、气温均低于旧址,相对湿度、风速均高于旧址;降水量、日照差异大,变化无规律。气象要素出现明显差异的主要原因是新旧站址海拔高度、观测环境、站址地形及测站下垫面性质不同等原因造成,且海拔高度及观测环境的不同引起气象要素的差异尤为显著。[结论]该研究为南宁国家基本观测气象站的资料序列延续和均一性订正提供依据。     

滁州市空气质量与气象要素的关系及其预报方法研究

利用滁州市2015年1月至2017年5月逐日大气污染物数据及对应的气象观测资料,分析滁州市空气污染状况及其与气象要素的关系并建立基于气象要素的空气质量预报模型。结果表明,该地区空气污染物以细颗粒物PM2.5为主,主要出现在冬、春季,其次为O_3,主要出现在夏季;该地区出现中度以上污染时,上游西北来向的污染输送起重要作用,风速、降水与空气质量指数(AQI)及各类污染物浓度呈显著负相关,气温与PM10、PM2.5、NO_2、CO呈显著负相关,与O_3呈显著正相关,日照时数和相对湿度与颗粒物PM10、PM2.5浓度呈显著正相关;基于气象要素的预报模型对AQI及PM2.5、PM10和O_3的浓度预测效果优良,能满足日常的业务需求,对NO2的预报效果相对较差,标准化平均误差(NME)超过了30%,且对NO_2浓度有一定程度高估。     

石家庄市雾霾时空特征及影响因子研究

分析了石家庄市2015年全年空气质量监测点位所统计的PM2.5和PM10浓度数据的时空分布特征,并研究了PM2.5和PM10浓度与风速、降水量、气温、气压等气象因子以及社会经济之间的相关程度。结果表明,石家庄市PM2.5、PM10在时间上具有周期性演变规律,主要集中在秋冬季节,在空间上具有分布不均衡的现象;影响PM2.5、PM10时空分布规律的因素包括自然气象和社会经济两大因素,气象要素是雾霾集聚、转移与扩散的重要影响因子,而社会经济要素是影响石家庄市雾霾频发的根本性原因。因此,治理雾霾的根本在于能源结构的调整。     

牡丹江市污染物浓度变化与气象要素关系分析

利用牡丹江市(2005—2011年)大气污染物(SO2、NO2、PM10)浓度实际监测数据及同期地面气象要素场资料、天气图资料,分析了污染物浓度变化与气象条件的关系。结果表明,夏季降水对污染物的稀释有一定影响,1.0 mm以下降水对污染物的稀释作用不明显。但降水量R≥10 mm时降水对污染物的稀释作用较大,一些污染物浓度减少概率占60%以上。当风速小于1 m/s时,污染物浓度明显偏大,冬季浓度是夏秋季节浓度的2倍多。     

四平市雾霾大气颗粒物污染特征和来源分析

[目的]研究四平市雾霾天气发生时大气颗粒物污染特征。[方法]于2016年3月1日—4月20日对四平市大气颗粒物PM2.5、PM10和气体污染物进行采样,分析采样期间3次污染事件发生时大气颗粒物粒径分布特征,比较颗粒物与相关气体污染物的相关性,并对其来源进行分析。[结果]在3次污染事件中,PM10的平均浓度为339.9μg/m3,是采样期间的3.0倍,是空气质量标准(GB 3095—2012)的2.0倍;在污染事件1(3月28日)和2(3月31日)发生时,PM2.5浓度也相应升高,分别是空气质量标准(GB 3095—2012)的1.2倍和1.4倍。污染事件1和污染事件2中,在粒径0.56~1.00μm时颗粒物质量浓度出现峰值,而污染事件3(4月8日)并无相应的峰值出现。[结论]该研究为四平市大气污染防治提供理论依据。     

冬季供暖对沈阳市各功能区4种大气污染物浓度的影响

[目的]研究冬季供暖对沈阳市不同功能区4种大气污染物浓度的影响。[方法]根据沈阳市2013年全年11个监测点位的PM10、PM2.5、SO2、NO2实时监测数据,分析4种污染物浓度的月变化规律,并应用主成分分析方法对供暖期和非供暖期该市6类功能区4种污染物对各功能区的影响进行分析。[结果]污染物PM10、PM2.5、SO2的浓度受供暖影响月变化明显,NO2的浓度受供暖及降水的双重影响月变化规律与其他3种污染物有较大不同;供暖期工业区各类污染物浓度最高,商业交通居民混合区供暖期和非供暖期各类污染物浓度均较高,供暖期农村和风景名胜区较其他点位污染物浓度最低;农村、商业交通居民混合区点位NO2浓度最高。[结论]该研究可为进一步调控与治理沈阳市大气污染提供理论支撑。     

台州市环境空气质量与气象条件分析及神经网络预报

首先对浙江台州市近3年空气污染物PM10、SO2和NO2浓度的时间分布进行统计分析,并分析气象条件包括气压、相对湿度（高空露点温度）、气温、风速和大气稳定性等变化与空气污染物浓度扩散的相关关系,得到与污染物浓度相关的几个因子,用多元回归法和径向基神经网络（RBF）进行建模,并对2003年9-10月进行试报,取得较好效果,可作为台州市环境空气污染日平均浓度预报的参考手段。     

森林覆盖率及其他空气污染物和气象要素对PM2.5的影响——以黑龙江省13个市(区)冬季为例

以森林覆盖率及其他空气污染物(PM10、CO、NO2、SO2、O38 h)和气象因素(气压、相对湿度、光照数、气温、风速)为研究指标,以黑龙江省13个市(区)为对象,应用3 a数据、依据面板数据模型分析PM2.5与森林覆盖率及其他空气污染物和气象因素之间的关系。结果表明:森林覆盖率较高城市的PM2.5质量浓度,低于森林覆盖率较低城市的PM2.5质量浓度。森林覆盖率是阻滞PM2.5质量浓度增高最主要的因素,其他空气污染物是导致PM2.5质量浓度升高的根本原因,气象因素对PM2.5质量浓度变化所起的作用较小。     

天门市PM2.5和PM10颗粒污染物特征及其预测模型

利用2017年1月1日至2020年5月30日PM2.5、PM10大气颗粒污染物质量浓度逐时监测数据,分析了大气颗粒污染物与气温、降水、相对湿度和风速风向等气象因子的关系.结果表明,PM2.5和PM10颗粒物质量浓度与 日平均气温呈先上升后下降的关系,10℃以下颗粒物浓度随着气温的上升而升高,而10℃以上随着气温的逐渐升...     

1985～2010年南京市蒸发特征分析

[目的]分析1985～2010年南京市蒸发量的变化特征。[方法]利用1985～2010年南京市E601B型蒸发器蒸发量资料,采用线性回归、趋势分析、距平分析等方法,对近26年南京市蒸发量的变化特征及其影响变化的原因进行了分析。[结果]1985～2010年南京市年、季蒸发量均存在上升趋势,其中春季蒸发量的上升趋势最为明显,其次为夏季和秋季,冬季蒸发量上升的趋势最不明显,年蒸发量的变化主要是由春夏季蒸发量的变化引起的;影响蒸发量变化的因子有气温、地面温度、日照时数、平均风速、相对湿度、气压、降水等,通过对影响因子与蒸发关系的相关分析表明,蒸发量与气温、平均风速、地面温度呈正相关,与相对湿度、降水量和气压呈负相关;其中与相对湿度、气温、气压和地面温度的相关性较好,与降水量、日照时数、风速相关性较小;蒸发是各种气象要素综合作用的效应,且蒸发量与相对湿度的相关性最好。[结论]该研究为水资源评价和气候变化分析提供理论依据。     

连续雾霾天气污染物浓度变化及天气形势特征分析

通过探究分析连续雾霾天气污染物浓度变化及天气形势特征,对某地区连续雾霾天气中的PM2.5、PM10、能见度以及温度、风速、气温等气象要素的变化特征进行分析,弄清连续雾霾天气浓度变化的情况,从而为大气污染防治和雾霾天气变化预测做好铺垫。     

哈尔滨供暖期间PM2.5污染状况及其与气象因子的相关性分析

[目的]研究哈尔滨供暖期间PM25污染状况及其与气象因子的相关性.[方法]针对北方城市哈尔滨冬季供暖期和非供暖期PM25和PM10的浓度变化特征以及供暖期间PM2.5浓度与气象因子的相关性进行分析.[结果]2014年全年空气质量在二级以上达标的天数为244d,未这标天数占33％;供暖期PM2 5和PM10的质量浓度显著高于非供暖期,平均值分别是非供暖期的3.34和2.49倍,且11月份浓度值达到最高;供暖期间的首要污染物质为PM2.5,非供暖期间首要污染物质为PM10;供暖期间PM2.5在PM10中的比重也高于非供暖期;PM25质量浓度与日均气温呈显著的正相关关系,与日最大能见度呈显著的负相关关系,与日均气压、日均风速和总辐射存在不显著的负相关关系,与日均湿度、总云量存在不显著的正相关关系.[结论]该研究为空气质量预报、大气污染防治和农业生产技术更新提供理论依据.     

吉林地区一次沙尘暴天气PM10和PM2.5特征分析

利用吉林市空气质量监测小时数据资料和常规气象资料,对吉林地区2017年5月5—7日一次沙城暴天气中PM10和PM2.5变化进行了分析和比对。结果表明:5—7日沙尘暴天气过程中,AQI的主要贡献者是PM10。这表明在沙尘暴天气里,沙尘颗粒是一种重要的大气污染源,对大气中可吸入颗粒PM10的浓度产生很大的影响;5月6日沙尘暴天气PM10质量浓度呈单峰值趋势,PM2.5质量浓度呈双峰值趋势;PM10质量浓度和PM2.5质量浓度变化与风速、湿度等气象要素具有良好的相关性;在这场沙尘暴中所带来的沙尘颗粒是一种重要的大气污染源,对大气中可吸入颗粒PM10的浓度产生很大的影响,PM2.5质量浓度是次要影响。     

2015年武汉市PM2．5变化特征及其与气象要素的关系

利用空气质量监测数据和气象观测数据,采用统计分析方法,对武汉市2015年PM2．5变化特征及其与降水、气温、风速、气压和相对湿度的关系进行分析。结果表明,PM2．5浓度变化趋势呈U型,1～12月的浓度变化是逐渐先减小后增大;1～3、10～12月的浓度大于4～9月的浓度,其中1月浓度最大,7月浓度最小,冬季各个月份的浓度普遍比夏季高。 PM2．5浓度与月平均气温、月降水量呈现负相关关系,与月平均气压呈现正相关关系,最大风速和平均相对湿度对于PM2．5浓度的影响存在双重性。     

咸阳市区空气污染与地面气象要素的关系

利用咸阳市环境监测站2010、2011年的SO2、NO2、PM103种污染物的日平均浓度和同期的地面气象资料,对其进行相关分析,并建立了同期及未来1 d的污染物浓度预报方程。结果表明,污染物浓度与能见度、云量、风速的相关基本稳定,均呈明显负相关,与相对湿度、气压、气温的相关随着季节的变化,其相关性也发生变化;次日的污染物浓度与风速的相关程度好于同期,其他因子随着月份的不同,与同期比较相关程度各异;由同期和未来1 d的预报方程可得出SO2、NO2、PM103种污染物的当日估计值和次日预报值。     

空气污染天气过程与气象要素的关系研究

本文基于环境空气质量监测数据和气象观测数据,对2017年3月北京地区一次空气污染过程的特征、天气形势以及气象要素特征等进行了综合分析。结果表明,天气形势静稳、缺少北方冷空气南下、逆温、扩散条件差、以南风为主等是污染物累积阶段的大气环流特征,也是导致北京地区空气污染的主要原因。气象要素与污染物扩散、稀释联系紧密,风速越大,污染物浓度扩散稀释越快,空气质量指数越低;逆温强度增大,污染物浓度升高,污染加重;降水量对于空气污染物浓度具有一定稀释作用。