陕西省环境气象条件评估指数时空变化特征研究

基于陕西省10地市2015—2020年PM_(2.5)浓度实况监测数据和气象条件评估指数EMI,统计分析EMI和PM_(2.5)相关性及近年EMI的时空分布特征,定量评估气象条件变化及综合治理措施对陕西环境空气质量的影响。结果表明:陕西省2015—2020年EMI可较好地表征和评估气象条件变化导致的PM_(2.5)浓度变化。2015—2020年EMI呈线性降低趋势,气象条件持续向好。月EMI均呈明显的单谷分布特征,EMI冬半年大,夏半年小。各区域EMI总体上呈关中高、陕南次之、陕北最低的分布特点,关中中部、东部EMI最大。EMI正距平百分比高值区主要分布在关中地区,各年关中均有60%以上面积正距平,其中2016年冬季关中83.0%面积正距平,37.5%面积正距平超过100%。2020年陕西省各区域环境空气质量较2015—2019年均有明显改善,全省PM_(2.5)浓度较前5 a平均降低24.8%,全省气象条件改善使PM2.5浓度较近5 a降低16.4%,排放变化使得PM_(2.5)浓度较前5 a平均下降9.4%,可见,近年陕西省大气污染综合治理措施成果显著,环境质量明显改善。

京津冀中南部污染气象贡献的时空变化特征

基于环境气象评估指数(EMI,environmental meteorology index),以石家庄、邢台、邯郸、衡水四个京津冀中南部重点城市为研究对象,对2013~2018年的气象条件变化时空分布特征进行分析.结果显示:EMI指数与经过去趋势处理的PM_(2.5)浓度的相关系数达0.88,说明EMI指数具有较好的可靠性,能够可靠性地应用于大气环境评价和重污染天气过程评估业务;基于气象条件对PM_(2.5)浓度贡献的定量分析方法,计算得到2013~2018年月度气象条件对PM_(2.5)浓度变化的贡献率,定量分析不同月份的气象条件变化,可有效评价不同污染程度月份的气象条件影响.此外,该定量方法在重大活动期间气象条件和减排效果评估中得到有效应用;从冬季气象定量贡献的空间分布来看,在京津冀中南部的山前地区形成EMI正距平百分比高值区,除人为排放较高外,恶劣的气象条件是京津冀中南部颗粒物污染严重的重要原因.

2018年冬季河北省气象条件变化对PM_(2.5)影响研究

利用河北省2017~2018年逐日PM_(2.5)浓度地面观测数据和CUACE空气质量模式的PM_(2.5)气象条件评估指数(EMI,evaluation on meteorological condition index of PM_(2.5) pollution),定量评估了2018年相比2017年河北省冬季气象条件对PM_(2.5)浓度的贡献,并分析了石家庄市气象条件和PM_(2.5)浓度的同期月变化。结果表明:与2017年相比,2018年冬季河北省气象条件不利于PM_(2.5)浓度的下降,其中,北部、西北部地区气象条件极为不利,使PM_(2.5)浓度同比上升28%~45%,不同城市的气象条件变化存在显著差异;2018年石家庄市PM_(2.5)年均浓度同比下降12.7%,其中气象条件使PM_(2.5)浓度同比下降3.1%,说明石家庄市大气污染防治减排措施对PM_(2.5)浓度下降贡献显著。可见,EMI指数可定量诊断和评估污染期间气象条件对PM_(2.5)浓度的影响。

2016-2021年长江流域PM_(2.5)变化特征及主要影响因素分析

研究长江流域PM 2.5浓度变化特征和主要影响因素,可为优化流域大气环境协同治理政策提供参考。利用2016—2021年长江流域110个地市级以上城市国控站点PM_(2.5)浓度数据,应用Theil-Sen趋势分析和Mann-Kendall统计检验方法,分析了PM_(2.5)浓度时空变化特征,并基于环境气象评估指数(EMI),定量分析了“十三五”期间(2016—2020,下同)和“十四五”开局之年(2021)气象条件和减排措施对PM_(2.5)浓度变化的相对贡献,结果表明:(1)2016—2021年长江流域PM 2.5浓度分布空间差异大,高值区位于岷沱江南部、汉江流域东部至洞庭湖流域东部,低值区位于金沙江流域上中游。(2)“十三五”期间长江流域主要城市PM_(2.5)浓度逐年下降,年变率达-3.62μg·m^(-3)·a^(-1)。2021年长江流域约四成区域PM_(2.5)浓度增大,主要分布在长江流域上游和洞庭湖流域。(3)长江流域上游城市PM_(2.5)变化受气象条件影响较大,中游和下游城市受排放影响较大。(4)“十三五”期间气象条件变化和减排措施对PM_(2.5)浓度上升的贡献率分别为-16.54%和-14.00%,气象条件变化和减排措施均有利于PM_(2.5)浓度下降。与上一年相比,“十四五”开局之年减排措施总体有利于PM_(2.5)浓度下降(贡献率为-5.84%),但不利气象条件(贡献率为4.49%)抵消了部分减排效果,使得PM_(2.5)浓度降幅较小。

基于变分订正TROPOMI卫星数据的京津冀地区NO_(2)时空变化与气象影响分析

为研究京津冀地区NO_(2)时空变化与气象条件影响,本文利用变分方法订正TROPOMI卫星NO_(2)遥感数据,结合环境气象评估指数(EMI)分析气象条件对NO_(2)浓度变化的影响.结果表明,经过变分方法订正过的NO_(2)浓度具有更可靠和高分辨率的时空分布特征.京津冀西北部地区的NO_(2)浓度低,东部和南部浓度较高.北部燕山、西部太行山形成的半包围地形阻挡了大气污染物在京津冀平原地区的扩散,产生了不利的气象条件.其中,燕山南部的北京、天津和唐山以及太行山东部的保定、石家庄、邢台、邯郸等地气象条件较差,而高海拔地区的张家口、承德、秦皇岛大气扩散条件较好.NO_(2)浓度在春、夏季受到气象条件变化的显著影响,而在秋、冬季受到气象条件变化的影响较小.气象条件对NO_(2)不同浓度区间的作用不同,NO_(2)浓度较低和较高时气象条件对其作用更为显著,而浓度处于转折区间时,气象条件对其影响较小.本研究开展的TROPOMI卫星变分订正、NO_(2)浓度时空分布特征及气象条件影响分析为提升区域大气环境变化中气象作用的认识提供了参考.

北京与成都大气污染特征及空气质量改善效果评估

近年来我国空气质量持续改善,大气颗粒物浓度明显降低.为探究气象条件和减排措施对细颗粒物(PM_(2.5))浓度的相对贡献,选取两个典型代表城市——北京和成都,对比分析两城市所处的地理环境条件、污染排放以及气象扩散条件.结果表明,北京与成都2013~2018年重污染天数及污染过程显著减少,SO_(2)和PM_(2.5)浓度降幅明显,与2013年相比,两城市2018年SO_(2)浓度的降幅分别为77.8%和70.9%,PM_(2.5)浓度分别降低了42.7%和48.5%.冬季PM_(2.5)浓度下降速率最大,每年分别以13.5μg·m^(-3)和14.1μg·m^(-3)的速率降低.2013~2018年成都较北京风速偏小,温度偏高约3℃,静小风日数偏多,冬季静小风频率高,混合层高度、大气容量指数以及通风系数明显偏小,大气扩散条件较差.综合静稳天气指数(SWI)和环境气象指数(EMI)结果表明北京大气扩散条件优于成都,但近几年的变化程度有所不同.2014~2018年两城市的EMI呈减小趋势,2018年成都地区EMI降幅最显著,气象条件明显好转.与2014年相比,2018年北京与成都全年大气污染减排对PM_(2.5)浓度的贡献分别为33.5%和24.0%,气象条件的贡献分别为7.2%和11.1%;冬季减排贡献分别为31.7%和32.5%,气象条件的贡献比全年的大.

京津冀区域典型城市PM_(2.5)污染特征及其成因研究

量化空气质量改善过程中气象条件和减排措施的相对贡献,有助于科学评估减排措施的实施效果.本文以2017—2019年京津冀区域13个城市PM_(2.5)质量浓度为研究对象,采用主成分分析、系统聚类等方法客观确定各次区域的典型代表城市,并基于环境气象评估指数(EMI)量化空气质量改善过程中气象条件和减排措施的相对贡献.结果表明,京津冀区域PM_(2.5)浓度整体呈南高北低特征,高值区集中在河北省南部,冬季区域PM_(2.5)浓度显著高于其他季节.经旋转后的主成分分析可划分出2个主成分,分别对应河北省中南部地区和京津冀北部地区.系统聚类将京津冀区域分为3个次区域,经相似性计算获得次区域典型代表城市为承德、唐山和邢台.以2017年为基准年开展EMI评估,结果显示2018年1月承德、唐山和邢台PM_(2.5)浓度下降,减排和气象条件均有不同程度的贡献;不利气象条件是2019年1月承德PM_(2.5)上涨的主要原因,排放造成同期唐山PM_(2.5)浓度上升了52.8%,不利气象条件抵消了邢台减排的效果,并造成其PM_(2.5)浓度小幅度增加.京津冀区域各城市PM_(2.5)浓度的同步变化,排放和气象条件对不同城市的贡献仍然存在很大差异,在京津冀区域内划分次区域具有重要意义.