气象因素对北京市大气颗粒物浓度影响的非参数分析_李军

北京地区不同季节PM2.5和PM10浓度对地面气象因素的响应引言：大气污染是当前全球面临的严峻环境问题，尤其是中国的主要城市，如北京。

北京不仅是中国的首都，也是全球最受污染的城市之一。

空气污染中的PM2.5和PM10已成为衡量空气质量的重要指标。

而地面气象因素则对大气污染起到一定的影响。

因此，深度探究，对于制定科学的环境保卫政策和猜测空气质量变化趋势具有重要意义。

一、北京地区不同季节PM2.5和PM10浓度的监测状况PM2.5和PM10是指空气中直径小于（或等于）2.5和10微米的悬浮颗粒物的浓度。

这些颗粒物来源于工业排放、车辆尾气、煤烟等。

通过对北京地区不同季节的PM2.5和PM10浓度进行监测，可以发现其时空分布的变化规律。

例如，冬季的PM2.5和PM10浓度普遍高于其他季节，而夏季相对较低。

二、PM2.5和PM10浓度与温度的干系气温是影响大气扩散条件的重要因素之一。

一般来说，温度较高时，大气的稳定性较差，有利于颗粒物的扩散和稀释，从而使PM2.5和PM10的浓度相对较低。

相反，温度较低时，大气的稳定性较好，颗粒物容易积聚，PM2.5和PM10的浓度相对较高。

因此，在冬季，北京地区PM2.5和PM10浓度较高的原因之一就是气温偏低。

三、PM2.5和PM10浓度与风速的干系风速是影响颗粒物扩散和稀释的重要因素之一。

风速较高时，颗粒物容易被风吹散，从而缩减其浓度。

相反，风速较低时，颗粒物容易积聚，浓度相对较高。

此外，风向也会影响颗粒物的输送方向和污染来源。

北京地区的地形以京津冀平原为主，缺乏自然屏障，所以风速较低的状况较为常见。

四、PM2.5和PM10浓度与降水的干系降水是清洗大气中的颗粒物的一个重要因素。

降水可以将颗粒物带到地面，缩减其浓度。

因此，降水量越大，PM2.5和PM10的浓度就越低。

北京地区的降水分布不均，集中在夏季和秋季，所以在这两个季节，PM2.5和PM10浓度相对较低。

五、PM2.5和PM10浓度与相对湿度的干系相对湿度是影响颗粒物的吸湿性和沉降速率的重要因素之一。

当前大气污染治理存在的问题与对策研究李军发表时间：2018-05-16T16:39:22.757Z 来源：《基层建设》2018年第2期作者：李军[导读] 摘要：随着我国经济的不断发展，工农业生产加工，工业机械设备的使用等诸多方面都会给环境带来较大的影响，其中大气污染的防治与治理成为社会各方尤其关心的问题，本文通过对大气污染治理中所存在的问题进行讨论，并且对其提出解决方案。

山东智邦环境工程有限公司山东省临沂市 276000摘要：随着我国经济的不断发展，工农业生产加工，工业机械设备的使用等诸多方面都会给环境带来较大的影响，其中大气污染的防治与治理成为社会各方尤其关心的问题，本文通过对大气污染治理中所存在的问题进行讨论，并且对其提出解决方案。

关键词：大气污染；治理；问题研究；对策方案引言：近些年来，空气质量问题逐步成为我们日常生活中较为关心的问题之一。

自2013年起“雾霾”便成为了人们口中的热议词汇，由于空气质量的问题严重影响人们的正常生活和身体健康，各个雾霾高发或严重的城市也各自展开了大量的研究与治理活动。

一、大气污染成因以及现状分析大气污染问题出现的原因有很多种，在社会经济快速发展的时代，社会大众在发展自然经济的时候，往忽略了对大气污染问题的防治。

产业能源的利用结构不够合理，是导致我国大气污染问题出现的最主要的原因。

通过对我国现如今大气污染源的了解分析，总结出大气污染的影响因素主要有以下几种：1、燃烧与燃油污染问题在我国的能源利用结构中，煤炭是重要的组成部分。

在2012年的时候，煤炭在我国能源结构中占有68.5%，一次性能源的消费比重超过发达国家两倍，而清洁能源的利用比重却低于发达国家。

在我国，煤炭燃烧所排放出的烟尘以及二氧化碳等占到了排放比重的67%到85%。

在中国的煤炭消费结构当中，电力行业是煤炭的主要消耗者，中国每年所活动用煤炭资源中，有一半用于电力行业之中。

2、工业废气的污染在社会经济快速发展的今天，我国的建材生产规模越来越大，近几年，我国的水泥、陶瓷以及钢铁的生产量与消费量都当属世界第一。

《气象因素对北京市大气颗粒物浓度影响的非参数分析》篇一摘要：本文运用非参数统计方法，深入研究了气象因素对北京市大气颗粒物浓度的影响。

通过收集北京市连续大气监测数据和气象数据，本文分析了不同气象条件下大气颗粒物浓度的变化规律，为进一步了解并控制北京市大气污染提供了科学依据。

一、引言随着城市化进程的加快，大气颗粒物污染已成为北京市面临的重要环境问题。

大气颗粒物浓度的变化与气象因素密切相关，如温度、湿度、风速、气压等。

因此，研究气象因素对大气颗粒物浓度的影响，对于制定有效的空气质量改善措施具有重要意义。

二、数据与方法2.1 数据来源本研究数据主要来源于北京市环境监测站发布的连续大气监测数据和气象局提供的气象数据。

监测数据包括大气颗粒物（PM2.5、PM10）浓度，气象数据包括温度、湿度、风速、气压等。

2.2 研究方法本研究采用非参数统计方法，对气象因素与大气颗粒物浓度的关系进行分析。

非参数统计方法不需要假设数据服从某种分布，能够更好地反映数据间的关系。

具体方法包括Kruskal-Wallis检验、Mann-Whitney U检验等。

三、结果与分析3.1 气象因素对大气颗粒物浓度的影响通过对不同气象条件下的数据进行分析，发现温度、湿度、风速等因素对大气颗粒物浓度具有显著影响。

在低温、高湿、静风条件下，大气颗粒物浓度往往较高；而在高温、低湿、风速较大的条件下，大气颗粒物浓度相对较低。

3.2 非参数统计方法的应用本研究采用Kruskal-Wallis检验和Mann-Whitney U检验等方法，对不同气象条件下的数据进行比较分析。

结果表明，在各种气象条件下，大气颗粒物浓度的分布存在显著差异。

通过非参数统计方法，可以更好地了解气象因素与大气颗粒物浓度的关系，为制定有效的空气质量改善措施提供科学依据。

四、讨论4.1 气象因素的综合影响气象因素对大气颗粒物浓度的影响是综合的，不仅包括温度、湿度、风速等单一因素的影响，还包括这些因素之间的相互作用。

北京市近三年重污染天气细颗粒物时空分布特征及气象要素分析胡剑;贾建平;岳天佐;武高峰;吴辉廷;秦建伟;徐科;赵露露;李雪君;王明阳【期刊名称】《大众标准化》【年(卷),期】2022()13【摘要】基于2019年、2020年、2021年北京市重污染期间的细颗粒物数据以及气象要素数据,运用数理统计分析和地理空间统计分析的方法,研究分析了重污染天气期间细颗粒物时空分布特征,以及重点分析气象要素对新冠疫情后重污染天气的影响。

研究结果表明,北京市近三年重污染天气期间,细颗粒物浓度在空间分布上表现为城区>郊区,2019年、2020年细颗粒质量浓度整体上呈现“南高北低”,高值浓度主要集中在北京南部与河北接壤区域;而在2021年,高值区域发生明显向西偏移的现象,呈现“西高东低”的态势。

2019年、2020年和2021年重污染期间,PM_(2.5)均值分别为132.44、165.69和143.92μg~(-3)。

受疫情及政策的影响,新冠疫情发生后,PM_(2.5)浓度日变化特征由“昼低夜高”,转变为“昼高夜低”。

气象要素成为疫情发生后导致重污染天气的主要原因。

【总页数】3页(P160-162)【作者】胡剑;贾建平;岳天佐;武高峰;吴辉廷;秦建伟;徐科;赵露露;李雪君;王明阳【作者单位】北京奥达清环境检测有限公司【正文语种】中文【中图分类】X51【相关文献】1.北京市朝阳区大气污染物时空分布特征及与气象要素的关系研究2.镇江市灰霾天气与非灰霾天气下细颗粒物（PM2.5）中无机元素分布特征分析3.利用SPAMS 研究西安市重污染天气细颗粒物污染特征及来源4.合肥市一次重污染过程细颗粒物的粒径分布特征及影响因素分析5.北京市大气细颗粒物污染时空分布特征及其降水清除影响因版权原因，仅展示原文概要，查看原文内容请购买。

北京市大气PM_(10)环境背景值的计算方法探讨李金香;虞统;赵越;李海军;李令军;刘文清【期刊名称】《环境科学学报》【年(卷),期】2007(27)9【摘要】为了消除或降低PM10环境背景值计算中城市局地污染的影响,并且提高背景值在污染过程模拟中的准确程度,紧密联系天气过程、通过监测和统计途径探讨了确定环境背景值的方法.北京市空气质量背景监测站点在地方性天气过程中明显受到城市污染的影响,文中根据天气形势场、垂直方向上风向一致性、系统影响持续时间等判别标准区分了系统性和地方性过程,筛选出受系统性过程影响的、“背景时段”的监测数据.背景时段监测数据统计计算时,将背景值视为变量,用百分位数、剪裁均值、最大概率密度值、50%概率区间等特征统计量来表达其概率分布.文中还将背景值细化,根据天气系统特征和区域自然环境、人类活动的差异将背景值区分为4类,以代表不同污染过程的背景水平.使用2003年11月至2004年12月北京市北部和南部共5个清洁站点的监测数据,计算了117个中尺度天气系统影响时,PM10浓度概率密度分布以及背景值特征统计量.结果表明,4类背景值差别很大,从小到大排序依次是：北风〉东风〉西风〉南风,剪裁均值依次为：24-34、58、89-110和105μg·m^-3.对4类背景值综合运算,得到2004年PM10年尺度上的综合背景值为58-67μg·m^-3,较好地扣除了局地污染的影响.【总页数】9页(P1525-1533)【关键词】大气PM10;天气类型;背景时段;取值概率【作者】李金香;虞统;赵越;李海军;李令军;刘文清【作者单位】北京市环境保护监测中心;中国科学院安徽光学精密机械研究所,合肥230031;中国科学院安徽光学精密机械研究所【正文语种】中文【中图分类】X513【相关文献】1.北京市采暖期大气中PM_(10)和PM_(2.5)质量浓度变化分析 [J], 鲁兴;吴贤涛2.北京市大气颗粒物中PM_(10)和PM_(2.5)质量浓度及其化学组分的特征分析 [J], 杨勇杰;王跃思;温天雪;徐宏辉3.北京市大气颗粒物PM_(2.5),PM_(10)及降雪中的汞 [J], 王章玮;张晓山;张逸;权建农4.北京市夏季大气气溶胶PM_(2.5)和PM_(10)成分特征 [J], 徐亚;仇猛淋;郑晨龙;田平;王广甫;张仁健5.北京市大气PM_(10)和PM_(2．5)对人肺成纤维细胞间隙连接通讯及连接蛋白的影响 [J], 赵晓红;贾玉巧;郭新彪因版权原因，仅展示原文概要，查看原文内容请购买。

北京市大气可吸入颗粒物影响因素灰色关联度分析引言可吸入颗粒物大量存在于城市空气中，具有数目浓度高、停留时间长、输送距离远、污染范围广的特点，造成严重的环境污染，危害人体健康。

城市空气中颗粒物含量的测定和研究已受到高度重视，因此，分析其空间特征及影响因素，对于制定更为有效的可吸入颗粒物污染控制政策具有重要的现实意义。

北京属于暖温带半湿润半干旱季风气候，四季变化分明，夏季降水集中，冬季降水较少，逆温发生频率高，风向、风速、温度、湿度、降水量等气象要素都会影响空气质量水平[1]。

颗粒物的浓度取决于源排放、化学转化、气象条件和地形地貌特征等[2][3]，其中气象条件是影响空气质量的客观因素。

2012 年赵文慧[4]等对北京市城区2012 年夏季PM1.0 、PM3.0 、PM5.0 以及气象因子的空间分布，比较各气象因子对颗粒物浓度的影响大小。

2012 年范新强[5]等对雾霾条件下气象因子中与PM10 浓度的关系进行了分析。

2012 年北京天气与往年相比湿度大、雨水多的特点，考虑到各气象因子之间相互影响的复杂性，并相互关联，还有一些不很明确的因素，即有已明确的信息，也有不明确的信息，符合灰色系统[6 ]的特征。

因此，通过利用灰色相关度理论[6 ]，对北京市冬季雾霾天气和晴天天气下可吸入颗粒物浓度与大气各因素相关程度进行分析，得到较为准确和有用的结论，以便为研究北京市天气可吸入颗粒物的影响奠定良好基础。

1 计算模型 1.1 灰色相关度计算模型灰色关联分析法[6][7]是通过确定参考数列和若干比较数列之间的关联系数和关联度（两系统或两因素间关联性大小的量度），寻找系统中各因素的关系，来对该系统的发展变化态势进行定量比较，找出影响目标值的重要因素。

1.2 数据初始化处理对于进行灰色相关度比较的系统中，各个相比较的因素之间必须具有可比性，尤其对于采用数学公式的方法进行计算的情况。

为了提高计算的准确度和可信度，要求对各个比较的因素进行初始化处理，是各个因素之间的数量级相差不大，或者无量纲。

中国环境科学 2012,32(1)：23~30 China Environmental Science 2000~2010北京大气重污染研究李令军1*,王英2,李金香1,辛连忠1,金军2(1.北京市环境保护监测中心,北京 100048；2.中央民族大学生命与环境科学学院,北京 100081)摘要：根据北京市环境保护局公布的大气污染数据及气象部门公布的气象资料,用时间序列分析法对空气污染指数大于200的大气重污染做了系统分析.结果表明,北京大气重污染可分为静稳积累型、沙尘型、复合型以及特殊型4个类型,2000~2010年各类型发生次数分别为69、53、23、6次.从季节分布看,北京大气重污染主要集中在春季和秋冬季,其中春季以沙尘型为主,而秋冬季大部分为静稳积累型.从年际变化看,21世纪初期沙尘天气活跃,造成了北京大气重污染的高峰期,2003~2005年大气重污染有所回落,2006年受沙尘天气明显增多及大规模奥运建设的共同影响,北京大气重污染再次出现明显峰值;2007年北京沙尘天气明显减少,但静稳积累型重污染相对突出;2008年奥运减排措施效果显著,全市静稳积累型重污染降至历史最低,其后则呈缓慢上升趋势.大气重污染既呈现区域共性,也受局地环境影响.定陵站大气重污染全部为沙尘型;近年来随着首钢的减产、搬迁,石景山区古城站大气重污染明显减少;而受周边大规模城市建设影响,奥体站大气重污染表现相对突出.关键词：北京；大气重污染；静稳积累；沙尘中图分类号：X51 文献标识码：A 文章编号：1000-6923(2012)01-0023-08The analysis of heavy air pollution in Beijing during 2000~2010. LI Ling-jun1*, WANG Ying2, LI Jin-xiang1, XIN Lian-zhong1, JIN Jun2 (1.Beijing Municipal Environmental Monitoring Center, Beijing 100048, China；2.College of Life and Environmental Sciences, Minzu University of China, Beijing 100081, China). China Environmental Science, 2012,32(1)：23~30Abstract：Using air pollution data and meteorological data published by the local authorities, heavy air pollution, which means the Air Pollution Index >200, were closely examined in Beijing by means of time series analysis. There were 4 types of heavy air pollution in Beijing: namely the meteorological stagnant-accumulated, the sand-dust caused, the combined, and the special, which happened 69, 53, 23 and 6 times respectively, during 2000~2010. The four types of heavy air pollution presented in different seasons. Most of the sand-dust caused occurred in spring and the stagnant-accumulated mainly in fall and winter.There were yearly variations in the occurrences of the heavy air pollution in Beijing. Since sand-dust storms were in an active period, the occurrence became frequent during 2000~2002, then fell off during 2003~2005, followed by a peak in 2006 due to both dust-storm and large-scale construction for the 2008 Olympic facilities. In 2007, the stagnant-accumulated remained at a relatively high level, and in 2008 it occurred the least times because of effective countermeasures taken before and during the Olympic Games to cut down emission. Nevertheless, the present of stagnant-accumulated bounced back slowly afterwards although its occurrence was still less than before 2008. Heavy air pollution in Beijing was not only a regional scale problem, but also affected by local pollution sources. The heavy pollution at Dingling Station was all sand-dust caused, and its frequency dropped obviously at Gucheng Station in accordance with the cutting of producing and finally moving out of a big steel plant nearby, while it became more severe at Aoti Station because of the extensive city construction around.Key words：Beijing；heavy air pollution；stagnant-accumulated；sand-dust研究发现,大气污染是人类死亡或致病的重要影响因素,随着污染程度的增加,死亡率会明显上升[1-3];大气污染造成我国每年有几十万城市居民的早逝[4],经济损失达上千亿元[5].北京因大收稿日期：2011-04-18基金项目：中央民族大学“985”工程项目(CUN985-3-3),高等学校学科创新引智计划 (B08044)* 责任作者, 高级工程师, lilj2000@24 中国环境科学 32卷气污染造成的健康经济损失已占到GDP的3.6%[6].北京经过多年污染治理,空气质量改善明显,二级及好于二级天数由2000的117d增加至2010年的286d,但PM10年均浓度超过国家二级标准,特别是每年都出现一些重污染[7].国内学者做过北京大气重污染的个例或类别研究[7-9],但缺乏对北京市大气重污染的整体了解.本研究利用北京市环境保护局公布的大气污染数据及气象部门公布的气象资料,全面分析北京大气重污染的类别特征、空间分布,及其时间变化,并进一步阐述北京大气重污染的成因.1数据及方法大气污染数据来自北京市环保局的监测资料,监测项目包括主要污染物PM10、SO2、NO2、NO x、CO逐日浓度,以及API(空气污染指数).站点包括背景点定陵,市区的东四、古城、奥体站,以及利用国控站点计算的全市平均状况.气象数据包括重污染日的逐时温度、湿度、风向风速、能见度及天气现象等.我国目前以API指数来评价每日空气质量状况,以PM10、SO2和NO2作为分级污染物.API 指数范围在0~500之间,按API指数大小将空气质量划分为5级[8].本文以API指数大于200作为重污染的分类标准.北京大气污染来源于局地排放和外来输送[9-11],同时又受气象条件的制约[8,12].利用大气污染特征和气象要素影响差异,将北京大气重污染分为4个类别:静稳积累型、沙尘型、复合型以及特殊型.静稳积累型主要指遇大气扩散条件不利,局地甚至区域污染明显积累而成的重污染;沙尘型是由沙尘天气造成的重污染;复合型是由多种因素共同影响导致的重污染,主要是指局地或区域污染积累叠加沙尘影响而致的重污染;特殊型主要为区域秸秆焚烧及春节鞭炮燃放等特殊因素造成的短时极端大气污染形式.具体判别标准:1)利用卫星遥感图像[13]分析大气污染区域分布特征,判识是否出现区域性的雾霾或沙尘天气,雾霾天气一般是静稳积累型重污染的表征,沙尘天气是沙尘型重污染的直接影响因素.2)察看重污染前后天气现象的逐时记录,是否出现雾霾或沙尘等特殊污染天气,期间天气现象若出现明显差异变化,进一步判断是否为复合型重污染.3)利用不同污染物的浓度变化差异,判定大气重污染的污染类别.沙尘天气往往伴随大风而出现,PM10浓度明显升高,SO2和NO2等气态污染物浓度反而降低[14];静稳积累型重污染爆发时主要大气污染物浓度往往同步升高.复合型重污染一般是前期污染局地明显积累,后期伴随沙尘天气的到来转为沙尘型污染,有时无风浮尘叠加到前者中造成更为严重的污染.秸秆焚烧及鞭炮燃放,也有明显的污染特征[15-17].2结果与讨论2.1北京重污染总体特征2000~2010年北京共出现151次大气重污染,年均14次,静稳积累型、沙尘型、复合型以及特殊型分别为69、53、23、6次.从季节分布看,重污染主要集中在春季和秋冬季,3~5月份75次,11~12月份39次,而7~9月份未出现重污染(图1a).北京大气重污染春季以沙尘型为主,而秋冬季大部分为静稳积累型.3~5月份75次重污染中50次完全由沙尘造成,受沙尘影响的复合型重污染14次.11~12月39次重污染中30次为静稳积累型,只有3次完全由沙尘影响所致.统计数据显示,北京大气重污染时首要污染物全部为PM10,主要表现为颗粒物污染.2000~2010年上海大气重污染共计26次,主要集中在前期,2000~2003年出现18次,2004~2010年年均仅为1次.从月份分布看,上海大气重污染更为集中,仅出现在1、3、4、11和12月,其中3月和11月为8次和7次,占重污染总次数的一半以上.与上海相比,北京大气重污染更为频繁.究其原因,主要有两点,一是上海受沙尘影响明显弱于北京;二是秋冬季上海没有北京及周边的大规模采暖现象.因此上海春季的沙尘型重污染和秋冬季的静稳积累型重污染明显少于北京.2000年以来,北京大气重污染年际变化较大.2000~2002年北京大气重污染相对突出,且以沙尘型为主.2003~2005年沙尘型重污染明显减26 中 国 环 境 科 学 32卷显缓解作用.此外,工业源排放受季节影响相对较小,夏季遇不利气象条件也会出现重污染,古城站是唯一7月份出现过大气重污染的站点.2004年以前奥体站点周边污染源排放较少,大气重污染在市区站点中处于较低水平.2005~2007年紧邻北侧的奥运场馆及周边相关配套建设进入高峰期,局地源排放明显增加,大气重污染在市区站点中相对突出.东四站点位于居民区,周边源排放相对稳定,大气重污染次数基本处于全市平均水平,年际变化起伏较小.月份次数2000200120022003200420052006200720082009210年份次数图2 2000~2010年北京4个站点大气重污染月际变化及年际变化Fig.2 Monthly and yearly variations of heavy airpollution at 4 different stationsa.平均月际变化;b.年际变化从全市整体水平看,21世纪初期沙尘天气活跃[22],形成了北京大气重污染的高峰期;2003~2005年北京大气重污染有所回落;2006年北京沙尘天气突然增多,同时受奥运前城市大规模建设影响,北京大气重污染明显回升;2007年沙尘天气减弱,但局地污染源排放造成的静稳积累型重污染相对突出;2008年奥运减排措施使得全市静稳积累型重污染降至历史最低.近年大气重污染整体水平较低,但静稳积累型呈缓慢上升趋势. 2.3 大气重污染特征分析 各类大气重污染特征差异较大,主要在于污染来源的不同及气象因素影响的差异.以下分别统计分析静稳积累型、沙尘型、复合型以及特殊型大气重污染的污染物浓度差异及气象影响要素特征. 从图3中可以看出,静稳积累型重污染时,能见度低、风速小、相对湿度大;沙尘型重污染时,能见度升高,风速增大,相对湿度明显降低;复合型和特殊型大气重污染时,相关气象要素介于静稳积累型和沙尘型之间. 从图4中可以看出,静稳积累型重污染时,CO 浓度绝大部分在4.5mg/m 3以上,PM 10浓度大部分集中在350~450μg/m 3;沙尘型重污染时CO 浓度全部低于4.0mg/m 3,但PM 10浓度分布较为分散;复合型重污染由于受不同污染源影响差异较大,PM 10与CO 浓度分布都较为分散;特殊型重污染时PM 10与CO 浓度介于静稳积累型与沙尘型之间. 2.3.1 静稳积累型重污染 统计了2005~2010年北京发生的28次静稳积累型重污染.结果显示,静稳积累型重污染天气现象一般为雾霾或烟雾,平均风速为1.5m/s,平均相对湿度72.7%,平均能见度为 2.5km.说明静稳积累型大气重污染发生时风速小,湿度大,能见度较低.静稳积累型重污染的出现还往往伴随明显的近地层逆温[7],致使大气污染物难以扩散,形成明显的污染积累过程. 2005~2010年北京静稳积累型重污染发生时,PM 10、SO 2、NO 2、NO x 和CO 平均浓度分别为414,128,139,262μg/m 3和7.5mg/m 3.静稳积累型大气重污染过程中,各种污染物浓度基本同步升高,污染物浓度呈明显正相关.各类高浓度污染物的协同作用,致使污染危害更严重.静稳积累型重污染爆发时,虽然呈明显的污染积累过程,但高污染时段污染物浓度变化相对稳定,可吸入颗粒1期 李令军等：2000~2010北京大气重污染研究 27 物超过600μg/m 3的比例不高.0.00 0.25 0.500.75 1.000.00能见度图3 2005~2010年北京大气重污染时能见度、风速以及相对湿度的三元相图Fig.3 Distributions of visibility, wind speed and humidityin triangular diagram during heavy air pollution periods36912150.00.20.40.60.8 1.0PM 10(mg/m 3)C O (m g /m 3)图4 2005~2010年北京大气重污染时PM 10与CO 浓度的散点分布Fig.4 Scatter plot between PM 10 and CO concentrationsduring heavy air pollution periods北京城市源排放的季节变化主要表现在采暖期和非采暖期的差别,北京采暖年用煤量(600~700)×104 t,约占全年煤炭用量的20%~25%.同时,采暖期多出现静稳、逆温天气[7],两者共同作用使采暖期,特别11~12月份频发大气重污染.遇持续静稳天气时,大气污染物浓度会长时间维持在较高水平,出现连续几天的重污染.2000~2010年出现了4次连续4天的重污染过程,分别为2000年1月15~18日、2004年10月7~10日、2005年11月2~5日以及2007年12月25~28日. 2.3.2 沙尘型重污染 北京的沙尘型重污染往往伴随大风而出现,气象条件异于静稳积累型. 2005~2010年18次沙尘型重污染污染特征统计显示:沙尘型重污染的天气现象一般表现为浮尘或扬沙.沙尘型重污染的平均风速为4.5m/s,平均相对湿度24.9%,平均能见度为11.3km.相对于静稳积累型重污染来说,沙尘型重污染风速大、湿度小,能见度相对较高.沙尘重污染时大气颗粒物以粗颗粒为主[9],且湿度小,消光作用低于静稳积累型重污染,能见度明显偏高. 沙尘型重污染发生时,因沙尘粒子的大量增加而使颗粒物浓度迅速升高,但伴随大风的出现,气态污染物迅速扩散,浓度较低.2005~2010年北京沙尘重污染时PM 10、SO 2、NO 2、NO x 和CO 的平均浓度分别为440,35,48,62μg/m 3和1.9mg/m 3.与静稳积累型重污染相比,PM 10浓度有所增加,但CO 、SO 2、NO 2等气态污染物明显偏低.PM 10/CO 比值为0.24,为静稳积累型重污染的 4.3倍.沙尘型重污染一般以地壳源粗颗粒为主,对人体健康的危害低于静稳积累型. 持续不断的风沙天气影响,也会造成连续的沙尘型重污染.2000~2010年出现连续3天以上沙尘型重污染的时段统计如下:2001年3月22~24日、2001年5月1~5日、2002年4月7~9日、2008年5月27~29日.近年来随着沙尘天气的减弱,持续性沙尘重污染明显减少. 2.3.3 复合型重污染 大气重污染有时是由多种因素先后或同时影响所形致,一般是静稳积累型及沙尘共同作用的结果.多数情况下,复合型重污染前期,各种大气污染物逐渐积累,大气污染呈显著静稳积累型特征;后期伴随沙尘的出现而表现为典型的沙尘型重污染.有时近地面大气污染出现明显积累,与此同时外来浮尘由高空输送而至,但风速不大,基本表现为无风浮尘,两者的叠加往往造成更加严重的大气污染.2006年4月9日和10日的复合型重污染,API 都高达500,PM 10浓度分别为722,621μg/m 3;CO 浓度8~10日分别28 中国环境科学 32卷为1.9,2.5,3.1 mg/m3,呈缓慢增长趋势.复合型重污染期间天气现象往往发生明显变化,表现为雾霭转烟霾或烟雾转沙尘等,平均风速为3.1m/s,平均相对湿度47.0%,平均能见度为6.8km,介于静稳积累型和沙尘型重污染之间.2005~2010年北京复合型重污染共计15次,PM10、SO2、NO2、NO x和CO平均浓度分别为49,80,97,171μg/m3和5.9mg/m3.复合型重污染的颗粒物浓度高于静稳积累型和沙尘型重污染,气态污染物浓度介于两者之间.2.3.4特殊型重污染特殊性重污染是指由特定因素影响而形成的频率较低的大气重污染,污染的形成及结束都较为突然,主要为秸秆焚烧及春节鞭炮燃放所形成,2000年以来全市共发生3次.华北冬小麦产区每年都会出现秸秆焚烧现象,短期内大规模的麦秸焚烧配合合适气象条件就会造成严重大气污染事件,北京每年都会或多或少受其影响[15].2006年以来春季期间的鞭炮燃放解禁造成短时燃放污染排放的大量增加,特别是除夕夜及元宵夜鞭炮燃放相对集中,大气污染物浓度会短时剧烈升高,短时PM10浓度甚至超过1000μg/m3 [16],5年中出现了2次由鞭炮燃放造成的大气重污染.2.4大气重污染个例分析2.4.1 2005年11月2~5日静稳积累型重污染过程 2005年11月2~5日北京出现了连续4天的大气重污染过程.从污染物浓度变化看,11月1~5日,各种污染物浓度呈缓慢上升趋势,5日污染达到最高后,迅速降至极低水平(图5a).期间各种污染物浓度都有较明显的日变化,一般是零时前后污染较重,午后降至较低水平.各类污染物浓度变化趋势较为一致,CO浓度与NO2、NO x以及PM10浓度相关系数高达0.85、0.90 和0.81.NO x中NO 比例相对较高.从气象条件看,重污染期间天气现象表现为烟雾、霾以及霭等,2日12:00~5日12:00平均相对湿度为71%,平均能见度为1.9km.气象条件呈明显日变化,一般是白天湿度降低,能见度升高,午后湿度降至最低而能见度达到最大;夜间反之,湿度增加而能见度降低,凌晨前后达到极值(图5b).5日傍晚西北气流明显加大,湿度降低,能见度升高,所有污染物都迅速降至极低.2468101214161812::12::12::12::12::12::时刻CO(mg/m3)100200300400500600700800900PM1,NO2,NO x(μg/m3)102030405060708090100:12::12::12::12::时刻相对湿度(%)123456能见度(km)图5 2005年11月1~6日大气重污染过程污染物浓度及气象要素变化Fig.5 Pollutants concentration and meteorological elements change during November 2~6, 2005a. 2005年11月1~6日东四站主要大气污染物浓度逐时变化;b. 2005年11月2~6日相对湿度与大气能见度逐时变化2.4.2 2008年5月27~29日沙尘型重污染过程 2008年5月27~29日的沙尘天气造成了北京持续的大气重污染.5月26日北京为低压控制,大气稳定,湿度较大,3:00~10:00北京地面平均风速为1.9m/s,平均相对湿度为65%.与此同时大气污染积累明显,5月26日CO与PM10浓度从最低0.9mg/m3和181μg/m3升至4.5mg/m3和380μg/m3,升幅达5.0倍和1.1倍(图6a).27日0:00左右,一股西北气流开始影响北京,风速明显增大,而大气湿度迅速降低,4:00后相对湿度降至30%以下(图6b);与此同时所有大气污染物浓度也出现明显回落,PM10与CO浓度分别1期 李令军等：2000~2010北京大气重污染研究 29 由26日23:00的358μg/m 3、3.1mg/m 3降至27日2:00的75μg/m 3和0.5mg/m 3.3:00后浮尘随西北气流进入北京,PM 10浓度瞬间升至极高,4:00~ 6:00都超过1500μg/m 3,CO 浓度则一直维持在0.1mg/m 3左右.0:0012:000:0012:000:0012:000:0012:000:0012:00时刻C O (m g /m 3) 0300600 900 12001500PM1(μg/m 3)0:0012:000:0012:000:0012:000:0012:000:0012:0时刻风速(m /s) 00.20.40.60.81相对湿度(%)图6 2008年5月26~30日大气重污染过程污染物浓度及气象要素变化Fig.6 Pollutants concentration and meteorologicalelements change during May 26~30, 2008a. 奥体站主要大气污染物浓度逐时变化;b. 相对湿度与风速逐时变化随着浮尘影响的减弱,PM 10浓度逐渐回落,28日4:00降至106μg/m 3.7:00又有一股浮尘开始影响北京,PM 10浓度再度升高,9:00达到1008μg/m 3.28日14:00~24:00北京转为东南气流控制,导致浮尘回流,颗粒物浓度一直维持在较高水平,PM 10平均浓度达531μg/m 3.29日1:00风向再次转为偏北方向后,最后一股沙尘影响北京,PM 10浓度再度升高,4:00升至1000μg/m 3以上.30日随着沙尘过程的结束,该次连续性沙尘型重污染也随之结束.复合型重污染为静稳积累型和沙尘型的叠加,主要分为前段静稳积累后半段受沙尘影响,特殊型重污染过程文献中[15-17]有详细描述.3 结论 3.1 2000~2010年北京共发生了151次大气重污染,大致可以分为4种类型:静稳积累型、沙尘型、复合型以及特殊型,各类别发生次数分别为69、53、23、6次.北京大气重污染主要发生在春季和秋冬季节,春季以沙尘型为主,秋冬季以静稳积累型为主. 3.2 静稳积累型重污染发生时,风速小、湿度较大,常伴随雾霾天气而出现,大气消光作用强烈,能见度较低;相对而言,沙尘型重污染发生时,风速大、湿度小,且以粗颗粒为主,能见度明显高于静稳积累型;复合型重污染气象要素介于以上两者之间;特殊型重污染成因较多,没有明显共性. 3.3 静稳积累型重污染时各种污染物浓度都处于较高水平,呈明显正相关,连续的静稳天气造成持续多日的静稳积累型重污染;沙尘型重污染时颗粒物浓度较高,而气态污染物浓度相对较低,连续的沙尘天气也会造成持续的沙尘型重污染;复合型重污染时一般前期大气污染局地积累显著,后期叠加沙尘影响,污染往往较重,在所有类型中颗粒物浓度最高,但气态污染物浓度介于静稳积累型和沙尘型之间.特殊性重污染频次相对较低,原因各异. 3.4 21世纪初期沙尘天气较为频繁,北京沙尘型大气重污染显著.2003~2005年北京大气重污染回落.2006~2007年是北京奥运会前大规模建设时期,局地源排放的增加导致了静稳积累型重污染的增多,奥运减排措施的相继执行使得2008年静稳积累型重污染降至历史最低.近年大气重污染整体水平较低,但静稳积累型呈缓慢上升趋势.局地源排放的差异也造成了具体站点大气重污染的不同. 3.5 北京大气重污染既表现出一定的区域性特征,也受局地环境影响.定陵站大气污染主要受外来输送影响,重污染全为沙尘型;古城站位于工业区,是唯一7月份出现重污染的站点,近年来随着30 中国环境科学 32卷首钢的减产、搬迁,大气重污染明显减缓;奥体站随着奥运村的大规模建设,大气重污染在市区站点中变得相对突出.参考文献：[1]Samet J M, Dominici F, Curriero F C, et al. Fine Particulate AirPollution and Mortality in 20 U.S. Cities, 1987-1994 [J]. The New England Journal of Medicine, 2000,343(24):1742-1749. [2]侯青,安兴琴,王自发,等.2002~2009年兰州PM10人体健康经济损失评估 [J]. 中国环境科学, 2011,31(8):1398-1402.[3]谢鹏,刘晓云,刘兆荣,等.不同控制指标下的大气PM10浓度对人群的健康影响——以2006年珠江三角洲地区为例 [J]. 中国环境科学, 2010, 30(1):25-29.[4]陈仁杰,陈秉衡,阚海东,等.应用伤残调整寿命年评价我国城市大气颗粒物污染的人群健康效应 [J]. 中华预防医学杂志, 2010,44(2):140-143.[5]於方,过孝民,张衍燊,等. 2004年中国大气污染造成的健康经济损失评估 [J]. 环境与健康杂志, 2007,24(12):999-1003. [6]Zhang M, Song Y, and Cai X. A health-based assessment ofparticulate air pollution in urban areas of Beijing in 2000-2004 [J].Science of The Total Environment, 2007, 376(1-3):100-108. [7]李金香,邱启鸿,辛连忠,等.北京秋冬季空气严重污染的特征及成因分析 [J]. 中国环境监测, 2007,23(2):89-93.[8]任阵海,苏福庆,高庆先,等.边界层内大气排放物形成重污染背景解析 [J]. 大气科学, 2005,29(1):57-63.[9]张志刚,矫梅燕,毕宝贵,等.沙尘天气对北京大气重污染影响特征分析 [J]. 环境科学研究, 2009,22(3):309-314.[10]Wehner B, Birmili W, Ditas F, et al. Relationships betweensubmicrometer particulate air pollution and air mass history in Beijing, China, 2004-2006 [J]. Atmospheric Chemistry and Physics Discussions, 2008, 8(3):11321-11362.[11]An X, Zhu T, Wang Z, et al. A modeling analysis of a heavy airpollution episode occurred in Beijing [J]. Atmospheric Chemistry and Physics, 2007,7:3103-3114.[12]周明煜,姚文清,徐祥德,等.北京城市大气边界层低层垂直动力和热力特征及其与污染物浓度关系的研究 [J]. 中国科学D辑地球科学, 2005,35(增刊I):20-30.[13]/imagery/rapid-response.[14]方修琦,李令军,谢云.沙尘天气过境前后北京大气污染物浓度的变化 [J]. 北京师范大学学报(自然科学版), 2003,29(3): 407-411.[15]Li L, Wang Y, Zhang Q, et al. Wheat straw burning and itsassociated impacts on Beijing air quality [J]. Science in China Series D: Earth Sciences, 2008,51(3):403-414.[16]李令军,李金香,辛连忠,等.北京市春节期间大气污染分析 [J].中国环境科学, 2006,26(5):537-541. [17]金军,王英,李令军,等. 北京春节期间大气颗粒物污染及影响 [J]. 环境污染与防治, 2007,29(3):229-232.[18]张金艳,李勇,蔡芗宁,等.2006年春季我国沙尘天气特征及成因分析 [J]. 气象, 2010,36(1):59-65.[19]Witte J C, Schoeberl M R, Douglass A R, et al. Satelliteobservations of changes in air quality during the 2008 Beijing Olympics and Paralympics [J]. Geophysical Research Letters, 2009,36:17803-17808.[20]Li L, Liu Y. Space-borne and ground observations of thecharacteristics of CO pollution in Beijing, 2000–2010 [J].Atmospheric Environment, 2011,45(14):2367-2372.[21]辛金元,王跃思,唐贵谦,等. 2008年奥运期间北京及周边地区大气污染物消减变化 [J]. 科学通报, 2010,55(15):1510-1519. [22]李令军,王英,李金香.北京清洁区大气颗粒物污染特征及长期变化趋势 [J]. 环境科学, 2011,32(2):319-323.作者简介：李令军(1976-),男,山东莒县人,高级工程师,硕士,主要从事大气环境监测与研究.发表论文20余篇.。

北京市大气污染物中可吸入颗粒物(PM10)造成的健康损失研究摘要：本文使用北京市2000—2008年空气中可吸入颗粒物(pm10)的浓度变化数据描述北京市大气污染程度的变化趋势，并应用改进的人力资本法，即使用流行病学关于疾病负担的计量方法——ypll 潜在寿命损失年法来评价(pm10)对北京市居民健康造成的经济损失。

结果表明：北京市大气污染物中可吸入颗粒物在2008年明显减少，低于空气中最高容许浓度，以脑血管疾病和呼吸系统疾病对其健康效益进行估算，可得出其产生的经济效益为4.4-4.8亿元，在北京市环保投入收益中占有一定比重。

关键词：可吸入颗粒物（pm10）；人力资本法；健康效益评估中图分类号： x24 文献标识码：a 文章编号：1007-0370（2011）11-0150-03近些年来，环境质量问题越来越多的得到人们的重视，北京市也加大了对环境污染的治理，尤其在大气环境治理方面，自2001年，北京市在煤烟型污染治理、机动车污染控制、工业污染防治和扬尘控制等方面实施了160多项大气污染控制措施，北京市的环境质量也得到了显著的改善。

在此背景下，本文希望通过改进的人力资本法对大气中可吸入颗粒物（pm10）对人体健康造成的损害所导致的经济损失或由于改善带来的经济效益进行估算，定量的分析其成本—收益关系，为国家在环保方面的投资决策提供参考。

1 北京市空气质量变化趋势根据2000-2008年北京市环保局的监测统计资料显示，对北京市大气环境质量影响的主要污染物为可吸入颗粒物（pm10）、二氧化硫、二氧化氮等，其年日均值变化情况如表1所示。

从表1中可以看到，北京市环境质量是在不断改进的，空气质量达到二级和好于二级的天数从2000年的177天到2008年增加到274天，其中2008年同比2007年增加的天数明显高于其它几年，达到28天，这可能与2008年召开北京奥运会有关；可吸入颗粒物年日均值呈波动性递减趋势，其中2008年达到0.122的最低值；so2日均值从2000年到2008年呈不断递减的趋势，也是在2008年达到最低值0.036；no2日均值在2000—2004年变化不大，而2005-2007年呈下降趋势，2008年显著下降，达到0.049。

《气象因素对北京市大气颗粒物浓度影响的非参数分析》篇一一、引言近年来，随着城市化进程的加快和工业生产活动的不断增加，大气颗粒物污染已成为全球关注的重要环境问题。

作为中国的首都，北京市的空气质量一直是社会关注的焦点。

本文以气象因素对北京市大气颗粒物浓度的影响为研究对象，采用非参数分析方法，探讨气象因素与大气颗粒物浓度的关系，为北京市的空气质量管理和政策制定提供科学依据。

二、研究背景与意义大气颗粒物污染是当前全球面临的重要环境问题之一，它不仅影响空气质量，还对人体健康产生严重影响。

北京市作为我国的重要城市，其大气颗粒物污染问题尤为突出。

因此，研究气象因素对北京市大气颗粒物浓度的影响，对于制定有效的空气质量管理和改善措施具有重要意义。

三、研究方法与数据来源本研究采用非参数分析方法，对北京市的气象因素与大气颗粒物浓度进行关联性分析。

数据来源于北京市环保局和气象局提供的近五年来的相关数据。

气象因素包括温度、湿度、风速、气压等，大气颗粒物浓度数据则以PM2.5和PM10为主要研究对象。

四、非参数分析方法非参数分析方法是一种不依赖于总体分布假设的统计方法，适用于处理数据分布不规律、样本量较小等情况。

本研究采用的方法包括Mann-Kendall趋势检验、Spearman秩相关分析和箱线图等。

五、气象因素对大气颗粒物浓度的影响分析1. 温度对大气颗粒物浓度的影响：通过Mann-Kendall趋势检验和Spearman秩相关分析，发现北京市大气颗粒物浓度与温度呈负相关关系，即温度越高，大气颗粒物浓度越低。

这可能与温度升高有利于颗粒物的扩散和沉降有关。

2. 湿度对大气颗粒物浓度的影响：湿度与大气颗粒物浓度的关系较为复杂。

在相对湿度较低时，大气颗粒物浓度较高；而随着湿度的增加，颗粒物浓度有所降低。

这可能与湿度增加有利于颗粒物的吸湿增长和沉降有关。

3. 风速与气压对大气颗粒物浓度的影响：风速和气压的变化对大气颗粒物浓度的影响不明显。

《北京地区冬春PM2.5和PM10污染水平时空分布及其与气象条件的关系》篇一一、引言随着工业化和城市化的快速发展，大气污染问题日益突出，尤其是细颗粒物（PM2.5）和可吸入颗粒物（PM10）的污染问题备受关注。

北京作为中国的首都，其冬春季的空气质量尤其受到社会各界的广泛关注。

本文旨在分析北京地区冬春季节PM2.5和PM10的污染水平时空分布，并探讨其与气象条件的关系，以期为改善空气质量提供科学依据。

二、研究区域与方法（一）研究区域本研究选取北京市作为研究区域，涵盖了城区、郊区以及周边地区。

（二）研究方法1. 数据收集：收集北京地区冬春季节的PM2.5、PM10浓度数据及气象数据。

2. 空间分析：利用地理信息系统（GIS）分析PM2.5和PM10的时空分布。

3. 统计分析：运用统计分析方法探讨PM2.5和PM10浓度与气象条件的关系。

三、PM2.5和PM10污染水平的时空分布（一）时间分布在北京地区冬春季节，PM2.5和PM10的浓度呈现出明显的季节性变化。

其中，冬季由于供暖期的影响，污染物浓度普遍较高；春季则受风沙天气影响，污染物浓度也有所上升。

在工作日期间，由于交通拥堵，污染物浓度也相对较高。

（二）空间分布在空间分布上，北京市中心城区的PM2.5和PM10浓度普遍较高，尤其是交通干线附近地区。

郊区及远郊区县的污染水平相对较低。

此外，受地形、气象条件等因素的影响，不同区域的污染水平也存在差异。

四、PM2.5和PM10与气象条件的关系（一）气象因素对PM2.5和PM10浓度的影响气象条件对PM2.5和PM10的浓度有着显著影响。

风速、温度、湿度和降水等气象因素都会影响污染物的扩散和沉积。

例如，低风速、高湿度和逆温层等不利气象条件容易导致污染物积累，使PM2.5和PM10的浓度升高。

（二）具体气象因素分析1. 风速：风速较大时，有利于污染物的扩散，降低PM2.5和PM10的浓度；而风速较小时，污染物不易扩散，浓度较高。

气象因素对大气颗粒物组成及浓度的影响研究大气颗粒物是指悬浮在大气中的微小颗粒物质，包括可见的尘埃、烟雾和雾霾等。

它们对空气质量和人类健康产生着重要影响。

而气象因素，如气温、湿度、风速和气象堆积稳定度等，对大气颗粒物的组成和浓度有着直接和间接的影响。

本文将详细探讨这些因素对大气颗粒物的影响。

首先，气温是气象因素中最基本的一个。

气温的升高会导致大气中的颗粒物向上升华和转化为气态，从而减少大气颗粒物的浓度。

相反，气温的下降会使得大气颗粒物更容易凝结成尘埃、烟雾或雾霾等形式，对大气质量造成不利影响。

此外，气温的变化还会影响大气中的化学反应速率，从而改变颗粒物的化学成分，可能产生新的有毒物质。

其次，湿度是另一个重要的气象因素。

湿度增加会导致大气中的颗粒物增加，因为水汽会使颗粒物吸湿增大，形成云雾、雨滴等形式。

这些增加的颗粒物可能会附带着其他有毒物质或细菌等，对空气质量和人类健康构成威胁。

同时，湿度增加也会影响大气中的化学反应，可能改变颗粒物的化学组成，进一步加剧其危害性。

第三，风速对大气颗粒物的分布和浓度也有显著影响。

较高的风速可以将颗粒物迅速吹散，减少其在特定地区的浓度，改善空气质量。

相反，较低的风速会导致颗粒物滞留在局部区域，使其浓度增加，形成雾霾、烟雾等有害气体。

此外，风速的变化还会影响颗粒物的输送、沉降和扩散等过程，进一步改变颗粒物的组成和分布。

最后，气象堆积稳定度是一个间接影响大气颗粒物的因素。

气象堆积稳定度反映了大气对垂直运动的抑制力，即大气在垂直方向上的稳定程度。

较高的堆积稳定度意味着大气层的上下运动较小，使得颗粒物更容易在较低的高度层内积累。

这可能导致局部地区颗粒物浓度的突然升高，形成雾霾等污染。

相反，较低的堆积稳定度会促使颗粒物向上运动，减少其密度和浓度，改善空气质量。

综上所述，气象因素对大气颗粒物的组成和浓度有着重要影响。

气温、湿度、风速和气象堆积稳定度等因素的变化会直接或间接地改变颗粒物的形态、化学成分和分布，进而影响空气质量和人类健康。

生态环境学报 2009, 18(3: 944-951 Ecology and Environmental Sciences E-mail: editor@基金项目:国家杰出青年科学基金项目 (40525016;中国科学院大气物理所 LAPC 开放课题 (LAPC-KF-2008-08 作者简介:安俊琳 (1978年生 ,男,博士,主要研究方向为大气环境。

E-mail: junlinan@ *通讯作者 , E-mail: wys@ 收稿日期:2008-04-08气象因素对北京臭氧的影响安俊琳 1,2,王跃思 2*,孙扬21. 南京信息工程大学大气物理与大气环境重点实验室,江苏南京 210044;2. 中国科学院大气物理研究所,北京 100029摘要:利用北京城区连续观测的 O 3及其前体物 NO x 和 CO 体积分数资料,分析了其时间变化特征,并结合气象要素进行了统计相关性分析。

结果表明, 在局地光化学反应的影响下, O 3体积分数夏季超标严重。

O 3浓度呈单峰型日变化, 在午后 15:00左右出现日最大值,夜晚体积分数较低。

受排放源强弱的季节变化影响, NO x 和 CO 在冬季出现高值。

NO x 和 CO 体积分数呈现白天低,夜晚高的日变化过程。

O 3体积分数变化与温度,风速成正相关,与相对湿度成反相关,且存在季节变化,在夏季与温度相关性较高,在冬季与风速相关性较高。

受上游污染源的影响,当北京盛行东南、偏南和偏西气流时,容易造成高 O 3体积分数。

夏季 O 3体积分数主要受局地光化学反应控制,可以利用常规气象要素对 O 3体积分数趋势进行预测。

关键词:城市臭氧;气象因素;前体物;相关性中图分类号:X515 文献标识码:A 文章编号:1674-5906(2009 03-0944-08工业化和城市化的过程对人类生存环境造成了重大的负面效应,如大气污染、水污染、土地沙漠化,并且许多环境恶化是很难或不可逆转。

气象因素对北京市大气颗粒物浓度影响的非参数分析气象因素是影响大气颗粒物浓度的重要因素之一、为了研究气象因素对北京市大气颗粒物浓度的影响，可以进行非参数分析。

非参数分析是不依赖于总体分布的一种统计方法，适用于样本数据不满足正态分布的情况。

首先，我们需要收集数据。

数据源可以是气象观测站的观测数据和大气颗粒物浓度的监测数据。

通过收集多个时间点的数据，可以覆盖不同的气象条件和大气颗粒物浓度值。

确保数据的准确性和完整性，以提高分析的可信度。

然后，我们可以选择适当的非参数统计方法进行分析。

常用的非参数统计方法包括秩和检验（Wilcoxon rank-sum test）和秩相关检验（Spearman correlation test）等。

秩和检验用于比较两组样本的中位数是否存在差异，秩相关检验用于检验两个变量之间的相关性。

在分析过程中，我们需要将数据进行预处理，如数据清洗和缺失值处理。

这可以通过删除异常值和使用插补方法填补缺失值来实现。

然后，我们可以计算各个气象因素（如温度、风速、湿度等）与大气颗粒物浓度之间的相关性，以及这些因素与大气颗粒物浓度之间的影响程度。

通过非参数分析，我们可以得出以下结论：1.气象因素与大气颗粒物浓度存在统计学显著关联。

通过秩相关检验，可以确定各个气象因素与大气颗粒物浓度之间的相关性。

2.不同气象因素对大气颗粒物浓度的影响程度可能存在差异。

通过计算各个气象因素的秩相关系数，可以确定哪些因素对大气颗粒物浓度具有较大的影响。

3.气象因素与大气颗粒物浓度的关系可能存在时间和空间上的差异。

在进行非参数分析时，我们可以按照季节、时间段或不同地区进行分组分析，以探究这种差异。

在进行非参数分析时，需要注意以下几点：1.数据的选择要有代表性。

确保选取的样本覆盖了不同的气象条件和大气颗粒物浓度值，以提高分析结论的可靠性。

2.数据的质量要高。

在分析前，应对数据进行清洗和预处理，确保数据的准确性和完整性。

气象条件对大气颗粒物浓度的时空变化影响分析引言：大气颗粒物（PM）是指悬浮在空气中的固体或液体颗粒物，它们对空气质量和健康产生重大影响。

而气象条件是PM浓度时空变化的主要驱动因素之一。

本文将探讨不同气象条件对PM浓度的影响，并分析其时空变化特征。

一、温度对PM浓度的影响气温是影响大气中PM浓度的重要气象因素。

气温升高会引起大气层对流加剧，从而促进颗粒物的扩散和稀释。

因此，高温天气下空气中的PM浓度相对较低。

相反，低温天气会导致大气层稳定，PM容易积聚在空气中，形成雾霾等污染事件。

长期以来，温度升高伴随着气候变化，可能会对PM浓度的时空变化产生深远影响。

二、风速对PM浓度的影响风速是另一个重要的气象条件，对PM浓度的时空分布具有显著影响。

较高的风速可以促使颗粒物迅速扩散，从而降低PM浓度。

因此，风速较高的地区往往具有较低的PM浓度。

而风速较低的地区，尤其是城市内部或山谷等地形复杂地区，PM浓度相对较高，易形成污染事件。

风向和风速的变化也会导致不同区域PM浓度的差异。

研究风速和风向对PM浓度的影响，有助于预测城市污染区域和制定相应的环境管理政策。

三、降水对PM浓度的影响降水是净化大气的重要因素，对PM浓度具有明显影响。

降水可以将PM颗粒物带到地面，减少大气中的PM浓度。

特别是暴雨等大量降水，能够降低短期内的PM浓度。

此外，降水对降解大气中的污染物也起到一定的清洗作用。

因此，降水事件对于改善空气质量，减少PM污染有着重要作用。

四、相对湿度对PM浓度的影响相对湿度也是影响PM浓度的重要气象因素。

较高的相对湿度会让PM颗粒物更容易吸湿，并形成较大的颗粒，从而降低颗粒物在空气中的浓度。

而低湿度的情况下，颗粒物容易裂解，增加小颗粒的数量。

因此，相对湿度的变化将导致PM浓度分布的差异。

此外，高湿度环境下，PM颗粒物与空气中的水蒸气发生反应，可能导致二次污染物的形成，对空气质量产生进一步影响。

五、地形对PM浓度的影响地形也是PM浓度时空变化的重要因素。

《2019—2021年北京市PM2.5及组分浓度受风向影响的研究》篇一一、引言随着城市化进程的加速和工业化的深入发展，空气质量问题日益凸显，特别是PM2.5的污染问题备受关注。

PM2.5作为一种细颗粒物，不仅对人体健康造成严重威胁，还对环境质量产生重大影响。

北京市作为中国的首都，其空气质量改善工作尤为重要。

因此，本研究旨在探讨2019—2021年北京市PM2.5及组分浓度受风向影响的情况，以期为空气质量改善提供科学依据。

二、研究方法本研究采用北京市环保局发布的PM2.5及组分浓度数据，结合气象部门提供的风向数据，运用统计分析方法，研究风向对PM2.5及组分浓度的影响。

三、研究结果1. PM2.5浓度变化及风向影响2019—2021年间，北京市PM2.5浓度整体呈现下降趋势，但仍然存在季节性变化。

从风向来看，西北风和西南风对PM2.5浓度的贡献较大，而东南风和东北风对PM2.5浓度的贡献相对较小。

这可能与不同风向带来的气象条件和污染源分布有关。

2. PM2.5组分浓度变化及风向影响PM2.5组分主要包括硫酸盐、硝酸盐、有机物和元素碳等。

不同组分在不同风向下的浓度变化有所不同。

在西北风和西南风影响下，硫酸盐和硝酸盐浓度较高，这可能与这两个方向的气象条件有利于污染物传输和积累有关。

而东南风和东北风影响下，有机物和元素碳浓度相对较高，这可能与这两个方向的车流量大、交通污染严重有关。

四、讨论本研究结果表明，风向对北京市PM2.5及组分浓度具有重要影响。

针对不同风向的污染特征，应采取相应的措施来改善空气质量。

例如，在西北风和西南风影响下，应加强污染物的排放控制和治理，减少污染物传输和积累；在东南风和东北风影响下，应加强交通管理，减少交通污染。

此外，还应加强区域协同治理，共同应对空气污染问题。

五、结论本研究通过分析2019—2021年北京市PM2.5及组分浓度受风向影响的情况，得出以下结论：1. 北京市PM2.5浓度整体呈现下降趋势，但仍然存在季节性变化。

气象因素对北京市大气颗粒物浓度影响的非参数分析摘要：近年来，北京市大气颗粒物浓度成为大众关注的焦点，而气象因素被认为是大气颗粒物浓度的重要影响因素之一。

本研究利用非参数分析方法，探讨了气象因素对北京市大气颗粒物浓度的影响。

通过对一定时间内的气象数据和大气颗粒物浓度数据进行分析，我们发现气温、湿度、风速和气压均对大气颗粒物浓度产生了显著影响。

研究结果对于制定大气污染防治策略和改善北京市空气质量具有重要意义。

1. 引言北京市是中国大气污染问题最突出的城市之一，大气颗粒物是主要的污染源之一。

近年来，随着大气污染问题的日益突出，人们对于大气颗粒物浓度的关注越来越高。

然而，大气颗粒物的浓度是由多个因素共同影响的，其中气象因素被认为是重要的因素之一。

了解气象因素对于大气颗粒物浓度的影响，对于制定科学的环境保护政策具有重要意义。

2. 数据和方法本研究选择北京市某地的每小时气象数据和大气颗粒物浓度数据为研究对象。

气象数据包括气温、湿度、风速和气压，大气颗粒物浓度数据包括PM2.5和PM10。

我们采用非参数分析方法，包括Kernel Density Estimation（KDE）和Principal Component Analysis（PCA）来探讨气象因素对于大气颗粒物浓度的影响。

3. 结果分析通过KDE分析，我们得到了气象因素和大气颗粒物浓度的概率密度分布图。

结果显示，随着气温的升高，大气颗粒物浓度呈现出下降的趋势。

湿度与大气颗粒物浓度呈现较为复杂的关系，当湿度在一定范围内时，大气颗粒物浓度出现峰值；而当湿度过高时，大气颗粒物浓度下降。

风速和气压与大气颗粒物浓度呈现负相关关系，即风速和气压升高时，大气颗粒物浓度下降。

通过PCA分析，我们得到了气象因素与大气颗粒物浓度之间的主成分。

结果表明，气温和湿度是对大气颗粒物浓度的影响最为显著的两个因素，它们的主成分贡献率较高，说明它们对大气颗粒物浓度的变化起到了重要的作用。

沙尘天气过境前后北京大气污染物质量浓度的变化
方修琦;李令军;谢云
【期刊名称】《北京师范大学学报：自然科学版》
【年(卷),期】2003(39)3
【摘要】影响北京的沙尘天气可分为沙尘暴、浮尘和扬沙 3种类型 .沙尘暴和浮尘天气发生前后的污染物类型和质量浓度ρ有明显的差异 ,属 2类不同性质的污染 .在沙尘天气发生之前 ,大气中SO2 ,NO2 等气态污染物的ρ往往较高 ,在大气逆温的情况下污染尤其严重 ,并且与颗粒物的ρ相关性较好 ;随着沙尘天气的爆发 ,颗粒物的ρ骤然增加 ,但伴随沙尘天气出现的大风使SO2 ,NO2等污染物的ρ显著下降 ,大气污染转变为由降尘过程造成的相对单一的颗粒物污染。

【总页数】5页(P407-411)
【关键词】北京;大气污染物;质量浓度;沙尘天气;沙尘暴;浮尘;扬沙;沙尘污染;降尘;颗粒物污染;环境监测
【作者】方修琦;李令军;谢云
【作者单位】北京师范大学资源与环境科学系;北京市环境保护监测中心系统室【正文语种】中文
【中图分类】X831
【相关文献】
1.连续雾霾天气污染物浓度变化及天气形势特征分析 [J], 莫日格吉呼;韩燕丽
2.沙尘天气对北京大气环境质量及太阳辐射的影响 [J], 曾令建;缪启龙;高庆先;高
文康;向亮
3.一次强沙尘过程影响下的银川市大气污染物浓度及PM2.5化学组成变化特征 [J], 罗达通;刘湛;王淑兰;张敬巧;向仁军
4.连续雾霾天气污染物浓度变化及天气形势特征分析 [J], 陈瑞敏;吴雁;康文英;王
荣英
5.影响北京大气污染物变化的地面天气形势分析 [J], 孟燕军;程丛兰
因版权原因，仅展示原文概要，查看原文内容请购买。

PM2.5浓度与气象因子的关系PM2.5作为一种重要的空气污染物指标，其形态与组成非常复杂，影响人类身体健康。

本文根据北京市环境空气自动监测站的PM2.5浓度和气象监测资料，研究了PM2.5浓度与区域大气湿度和区域风速相关性。

为PM2.5监测、预警和污染防治提供参考。

标签：PM2.5；湿度；风速0 引言PM2.5的形成及扩散与气象条件有着密切的关系，本文通过同步分析各监测点的PM2.5 浓度和大气环境湿度和风速等变化规律，研究PM2.5与气象因子之间的关系。

课题奥运村、三里屯、2个监测点，通过对PM2.5浓度、大气湿度、风速2012年11月6日至2013年2月19日的日均值进行比对分析，具体分析如下。

1 PM2.5浓度与大气环境湿度奥运村、三里屯监测点的PM2.5浓度与大气环境湿度的对比图如1～2。

通过分析发现，PM2.5浓度日均值与大气环境湿度日均值变化趋势基本一致，成明显的正相关关系，湿度越大，PM2.5浓度越高，相关系数r值分别为0.79、0.68（对应r2分别为0.623、0.468）。

对2个监测点的PM2.5浓度按照环境湿度分段统计，统计结果如表1。

通过统计表可以看出，各监测点PM2.5浓度与环境湿度关系显著，环境相对湿度低于70%时，PM2.5浓度随环境相对湿度增加单调递增；当环境相对湿度大于70%时，PM2.5随湿度增加而降低；环境相对湿度低于30%时，各监测点PM2.5浓度均值均低于35ug/m3，空气质量最好。

2 PM2.5浓度与环境风速奥运村、三里屯监测点的PM2.5浓度与环境风速的对比图如3～4。

通过分析发现，PM2.5浓度日均值与环境风速日均值变化趋势相反，成负相关关系，风速越大，PM2.5浓度越低。

相关系数r值分别为0.65、0.52（对应r2分别为0.425、0.274）。

对2个监测点的PM2.5浓度按照环境风速分段统计，统计结果如表2。

通过统计表可以看出，各监测点PM2.5浓度与环风速度关系显著，PM2.5浓度随环境风速增加单调递减；当环境风速低于0.5m/s时，各监测点PM2.5浓度均值均大于100 ug/m3，污染严重；环境风速大于2.0m/s时，各监测点PM2.5浓度均值均低于27ug/m3，达到优级标准。