关键词： 霾预报   逐步回归   HYSPLIT后向轨迹  

摘要： 选用2014年~2017年辽宁朝阳站气象要素资料与PM2.5数据,根据最新霾预报预警标准确定霾日,利用Spearman,Pearson和Kendall's Tau-b三种相关对PM2.5日差与气象要素以及气象要素间作了相关性检验,确定了PM2.5日差方程影响因子;利用逐步回归分析建立PM2.5日差方程,结合过去一日PM2.5值作出PM2.5预报方程;利用PM2.5预报方程对2017年1月~10月的朝阳地区的PM2.5值进行了预报,检验得出此预报方法的PM2.5浓度预报准确率为60.5%,霾日预报准确率为84.82%;利用HYSPLIT后项轨迹模拟出的污染物路径和沉降对2014年~2016年间霾天气进行了分型,根据总结得出的6类路径和5类沉降类型的PM2.5预报方程误差,对2017年1~10月间的PM2.5预报浓度进行订正,根据路径订正的PM2.5预报效果最好,准确率提高2.7%,根据路径和沉降共同订正的霾日预报效果最好,准确率提高了3.5%。

关键词： 南京市   霾   PM2.5   气象条件   环流形势  

摘要： 2018年11月底—12月初南京及周边地区发生一次大范围持续性霾污染,利用南京市空气质量监测资料、颗粒物成分逐时观测资料、南京站探空资料等,结合天气学诊断分析、后向轨迹模拟和聚类分析等方法,分析此次重霾事件的污染特征和气象因素.结果表明,此次重霾事件具有峰值浓度高、持续时间长、波动较明显等特点.污染时段PM2.5浓度变化分为3个阶段,平均浓度为114.7μg·m-3,整体达到中度污染.重霾期间南京市大气环境处于富氨条件,颗粒物整体偏酸性,移动源排放比重高于固定源,PM2.5主要成分的存在形式为硫酸铵、硝酸铵和其他硝酸盐.本次重霾事件中气象条件对污染物的输送和累积影响显著,在PM2.5浓度极端事件发生期间,均有各气象要素与PM2.5浓度同步变化.高PM2.5浓度与对流层低层增暖增湿、弱的西南风相对应.重霾事件的主要天气成因是冬季东部地区出现大面积稳定且持久的均压场,南京及周边地区近地面中高层污染物主要由西北和华北地区输送而来,低层污染物主要来自于本地源排放累积.动力条件和热力条件的相互配合,近地面受高压影响形成暖平流逆温层,且易形成下沉气流,使重霾天气持续发展.

关键词： 霾   空气微生物   群落结构   关键环境因子  

摘要： 【背景】近年来频繁发生的霾污染事件严重威胁着人类的正常生活和社会经济发展。目前对霾污染颗粒物的重要组成部分生物气溶胶的关注较少。【目的】明确霾污染时空气微生物的特征,为进一步研究空气微生物对霾污染的形成及反馈机制奠定基础。【方法】采集了北京地区重度霾污染的样品,测定颗粒物的化学组分,通过高通量测序技术分析空气细菌群落结构特征,并明确其与环境因子的相关性。【结果】霾污染显著改变空气细菌群落结构、降低α多样性。霾污染使空气中变形菌门相对丰度显著上升,放线菌门相对丰度下降。颗粒物浓度及化学组分是重度霾污染中影响空气细菌群落结构的关键环境因子。与气态污染物SO2和NO2相比,水溶性离子硫酸盐、硝酸盐和铵盐对空气细菌群落结构的影响更大。【结论】解析了重度霾污染时空气细菌群落特征和关键环境因子之间的相关性,为大气环境微生物的研究、空气质量的评价及霾污染的有效防治提供了数据参考。

关键词： 细颗粒物   组分特征   源解析   成都市   污染成因  

摘要： 基于成都市大气环境超级观测站气态污染物和PM2.5中组分在线监测数据,对2019~2020年成都市3次灰霾污染过程气象要素和组分特征进行分析,采用CMB模型模拟获得研究期间PM2.5污染来源及变化趋势,剖析各污染过程成因.结果表明:(1)3次污染过程均发生在相对湿度和温度持续上升,风速和边界层高度持续降低的不利气象条件下,日均相对湿度均大于70%,日均温度均大于8℃,日均风速均低于0.8 m·s^-1,日均边界层高度均低于650 m;(2)3次污染过程中主要组分均为NO3^-、OC、NH4^+和SO4^2-,其中NO3^-质量浓度和占比污染时段较清洁时段增长倍数均高于其他组分,分别增加了1.47~2.09倍和0.22~0.35倍,NO3^-是成都市冬季PM2.5污染的关键组分;(3)3次污染过程SOR均值为0.40,NOR均值为0.27,SO2和NOx的二次转化程度较高,SO2向SO4^2-转化以夜间非均相氧化反应为主,NOx向NO3^-转化以非均相水解反应为主;(4)3次过程变化特征略有不同,过程Ⅰ呈现出明显的二次硝酸盐主导的特征,过程ⅡPM2.5浓度上升过程中主要受燃煤排放影响,PM2.5浓度高值时段主要受NO3^-影响,过程Ⅲ总体仍为二次硝酸盐主导的特征,但部分污染时段化石燃料燃烧源排放有所增加;(5)二次硝酸盐、二次硫酸盐、机动车和燃煤源为研究期间主要污染来源,PM2.5浓度与二次硝酸盐贡献率正相关,与扬尘源贡献率负相关.

关键词： 雾   霾   重污染天气   风场特征   扩散作用  

摘要： 综合运用美国国家环境预报中心(NCEP)再分析资料(1°×1°)、风廓线雷达、气象观测资料以及环境监测数据,分析了2015—2018年冀中廊坊市的雾、霾分布概况,并对空气质量指数(AQI)达到重度污染以上时的雾、霾垂直风场结构进行深入探究。结果表明:廊坊市的年均霾日数(47 d)多于雾日数(31 d),空间分布存在一定差异,霾的月差异较雾显著;区域性雾全年均可发生,10月雾发生日数达到最多,霾集中于秋冬季爆发,1月霾发生日数最多;当AQI超过200时,出现雾时的污染程度较出现霾时严重,AQI日均值平均偏高43,地面平均风速偏小0.5 m/s,相对湿度偏高25%,雾时地面以静风或东南风为主,而霾时多为东南偏东风;伴随雾的重污染天气,低空多为西南偏西风,而伴随霾的重污染天气,低空以东北风为主;出现雾或霾时,1500 m(约850 hPa)以下低空均存在一个相对小风速层;3000 m以下风速增至6~10 m/s时对空气中污染物扩散有一定有利影响,西北风风速越大,所在高度越低,扩散作用越明显。

关键词： 霾-沙尘过程   污染特征   水溶性离子   PM1   青岛  

摘要： 对2018年11月21日~12月2日期间青岛市大气PM1的质量浓度、化学组分和数浓度进行连续观测,结合国控站点监测数据和气象条件,分析青岛市秋末冬初一次典型霾-沙尘重污染过程的特征及污染物来源.结果表明:本次污染过程可分为霾前(11月21~23日)、霾期(11月24~25日)、霾-沙尘叠加期(11月26日)、沙尘期(11月27~29日)、沙尘后(11月30日~12月2日)5个发展阶段,观测期间PM1质量浓度为(40±20)μg/m^3,霾期PM1为沙尘期的2.03倍.冷锋锋前以人为污染物气团为主,锋后以冷干沙尘气团为主,并在长距离传输中保持干燥,受沙尘传输过程中经过区域的影响较小,导致沙尘阶段PM2.5和PM10错峰12h出现.霾期PM1中SO42-、NO3-质量浓度比霾前分别升高73%、111%,SOR、NOR分别升高28%、67%,表明霾期NO3-的二次转化明显升高.PM1中NH4+主要以(NH4)2SO4和NH4NO3形式存在,为富氨条件.本次沙尘事件气团传输过程中途经山西、河北、山东西北部等污染物高强度排放区域,前锋到达青岛时,携带的人为污染物占主导,导致沙尘期PM1中OC、EC占比为霾期的1.73、1.53倍.霾期SOC/OC值为0.43,略低于沙尘期,表明霾期SOC生成受到抑制.

关键词： 邯郸市   氨排放   PM2.5   霾污染  

摘要： 根据邯郸市各类氨排放活动水平数据,使用排放系数方法,建立了2016年邯郸市人为源大气氨排放清单。结果表明,畜禽养殖业和农田生态系统是邯郸市NH3排放主要来源,两个污染源排放总量高达114767.0t,占NH3排放总量的93.7%。家禽和氮肥NH3排放分别是畜禽养殖业和农田生态系统中最主要贡献者,分别占NH3排放总量的20.9%和35.9%。曲周县是邯郸市NH3排放最多的县,排放量为13052.3 t,其次为永年区(11826.9 t)、大名县(11667.7 t)和临漳县(11155.8 t),氨高排放地区集中在邯郸东部县区。农业源为NH3主要贡献源,NH3的减排对PM2.5浓度降低有明显作用。

关键词： 污染扩散条件   东亚冬季风   反气旋距平   RCP8.5   气溶胶减排   温室气体增加  

摘要： 有利于强霾污染形成的大气扩散条件的未来预估对政府制定污染减排政策和公共健康具有重要意义。本文利用气候模式集合试验研究了有利于强霾污染形成的大气扩散条件在RCP8.5排放情景下的变化及其与气溶胶减排和温室气体增加的关系。研究结果发现华北平原污染事件的相对强度在未来情境下会增强,这主要是由更强并且持续时间更长的中国东部反气旋距平所引起的。北方波列辐合的增强引起了反气旋距平强度的增加,加强的局地斜压正反馈使得反气旋从背景流中获得更多的能量从而使其持续时间增加。气溶胶减少引起的气候效应对巴伦支卡拉海附近的波列和中国东部的反气旋变化起主导作用,而温室气体增加对其影响较小。研究结果表明,未来减排会导致扩散条件恶化,这表明中国需要采取更严格的污染减排措施,以达到相应的空气质量标准。

关键词： 深度机器学习   霾污染   监测技术   环境分析  

摘要： 传统的霾污染监测技术监测准确率低,收集的图像完整度差,为了解决上述问题,基于深度学习研究了一种新的霾污染监测技术;通过污染数据收集精准划分其产生的地点,整合获取的追踪信息,在三维分布空间图掌控霾污染可能存在的条件,多次进行机器飞行追踪实验,根据不同的污染项目组对霾污染进行数据监测,根据霾污染数据的浓度信息以及深度机器学习的输入数据类型对收集数据进行分类,查询数据类型,同时监测气溶胶的厚度、霾污染中具有毒性的二氧化硫及二氧化氮物质以及兴趣区域;为验证技术的有效性,设定对比实验,结果表明,基于深度机器学习的霾污染监测技术监测结果准确率为90%,图像收集完整度平均值为82%,具有更强的监测能力。

关键词： 空间集聚结构   霾污染   集聚效应   多中心治理  

摘要： 分析了省域空间集聚结构对霾污染的影响效应及渠道机制,以PM2.5年度均值作为衡量霾污染的指标,利用城市夜间灯光数据构建了表征中国省域空间集聚结构的首位城市发展指数、城市规模等级结构扁平化指数与省域多中心指数.基于静态面板数据模型、工具变量方法和中介效应模型进行实证检验.结果表明:当前首位城市发展加剧了省域霾污染;省域城市规模等级结构扁平化也并不能有效改善霾污染;而省域多中心对霾污染具有促降效应;能源利用效率是省域空间集聚结构影响霾污染的重要渠道之一.基于此,本文建议需稳步实施省域多中心发展战略,建构多中心的大气环境治理结构与治理机制.