下载文档原格式
德令哈市空气质量变化特征与气象因子关系德令哈市空气质量变化特征与气象因子关系摘要：随着工业化进程的不断加速和人口的增长，大气污染问题已成为全球关注的焦点。
本文以中国西北地区的德令哈市为研究对象，通过统计分析德令哈市近年来的空气质量监测数据，并结合气象因子的变化，揭示了德令哈市空气质量变化的特征及其与气象因子之间的关系。
研究结果发现，德令哈市的空气质量主要受到大气污染物的排放和气象因子的综合作用影响，夏季的空气质量较差，而春季和冬季的空气质量相对较好。
同时，温度、风速和降水等气象因子对空气质量的影响也较为显著。
关键词：德令哈市；空气质量；气象因子；大气污染；温度；风速；降水1.引言空气质量是评价一个城市作为人类居住和发展环境的重要指标之一。
随着人类活动的不断增加，特别是工业化进程的加速和人口的急剧增长，大气污染问题已成为全球性的关注焦点。
大气污染不仅对人体健康造成危害，还对生态环境和经济发展带来不利影响。
因此，了解空气质量的变化特征以及影响因素成为当今研究的热点之一。
德令哈市位于中国西北地区，是青海省的一个重要城市。
由于其地理位置的特殊性和资源开发的活跃性，德令哈市的大气污染问题备受关注。
因此，探究德令哈市空气质量的变化特征以及与气象因子之间的关系，对于改善城市环境质量具有重要意义。
2.材料与方法本研究采用了德令哈市近年来的空气质量监测数据，包括PM2.5、PM10、SO2、NO2和O3等污染物浓度数据。
同时，还收集了德令哈市的气象资料，包括温度、风速、相对湿度和降水等信息。
通过统计分析这些数据，揭示了德令哈市空气质量变化的特征以及与气象因子之间的关系。
3.结果与讨论（1）空气质量变化的特征根据统计分析结果，德令哈市的空气质量特征呈现出明显的季节变化。
夏季的空气质量较差，PM2.5和PM10的浓度较高，超过了国家和世界卫生组织的标准。
夏季是受到温度升高和大气污染物的排放增加的双重影响，工业、交通和生活废气的排放是主要原因之一。
天津市空气质量与气象因子相关分析天津市空气质量与气象因子相关分析1.引言天津市是中国北方的一座重要城市，也是中国的直辖市之一。
然而，随着工业化和城市化的快速发展，天津市面临着空气质量下降的问题。
空气质量是城市发展中的一项重要指标，对居民的健康和城市形象有着重要影响。
因此，了解天津市空气质量与气象因子之间的相关关系，对于制定有效的空气污染防控措施具有重要意义。
2.数据来源与分析方法本文利用天津市气象局提供的历史气象数据和空气质量数据进行分析。
该数据包括天津市近十年的气象数据，如温度、湿度、风速等，以及同期的空气质量指数（AQI）。
为了探究气象因子与空气质量之间的关系，本文采用了统计学中的相关性分析方法。
3.气象因子与空气质量的关系3.1 温度与空气质量的关系温度是气象因子中的一个重要指标，可以影响大气中污染物的扩散和化学反应。
根据分析结果显示，温度与空气质量之间存在一定的相关性。
温度的变化对空气质量有着较大的影响。
当温度较高时，大气中污染物的扩散速度较快，空气质量相对较好；而在低温条件下，污染物的扩散速度较慢，导致空气质量下降。
3.2 湿度与空气质量的关系湿度是指大气中水分的含量，对空气质量也有一定的影响。
分析结果显示，湿度与空气质量之间存在一定的相关性。
当湿度较高时，大气中污染物的溶解度较大，有利于降低空气中的污染物浓度；而湿度较低时，大气中污染物的浓度相对较高，导致空气质量下降。
3.3 风速与空气质量的关系风速是指风向单位时间内通过一个风速器的风量，也是影响空气质量的重要因素之一。
通过分析发现，风速与空气质量存在一定的相关性。
当风速较大时，污染物容易被稀释，有利于提高空气质量；而当风速较低时，污染物容易聚集在空气中，导致空气质量下降。
4.结论通过对天津市空气质量与气象因子之间相关关系的分析，可以得出以下结论：（1）温度、湿度和风速都与天津市的空气质量存在一定的相关性。
（2）温度较高时，空气质量相对较好；湿度较高时，空气质量相对较好；风速较大时，空气质量相对较好。
拉萨城区主要大气污染物与气象因子关系分析拉萨是我国西藏自治区首府，位于青藏高原中部。
拉萨市城区是西藏自治区政治、经济、文化、交通和旅游中心，也是高原城市中人口稠密、经济发展较为集中的地区之一。
由于城市化进程带来的工业、交通以及居民生活等活动，城区的大气污染问题也随之而来。
我们有必要对拉萨城区主要大气污染物与气象因子之间的关系进行分析和研究，为城市环境改善提供科学依据。
拉萨城区主要大气污染物包括PM2.5、PM10、SO2、NO2等。
其中PM2.5和PM10是指空气中直径小于等于2.5微米和10微米的颗粒物；SO2和NO2是指二氧化硫和二氧化氮。
这些污染物在城市中主要由汽车尾气、燃煤、工业排放等产生。
而气象因子包括气温、湿度、风速、降水量等，它们与大气污染物的浓度有密切的关系。
气温对大气污染物的浓度有一定的影响。
气温较高时，空气流动速度会加快，使得污染物扩散和稀释效果更好，污染物浓度较低；而在气温较低的情况下，空气流动速度减慢，致使污染物容易积聚，污染物浓度较高。
季节变化中的气温影响大气污染物的浓度。
在冬季，气温较低，污染物多积聚在地面，导致PM2.5、PM10和SO2等浓度较高；而在夏季，气温较高，湿度较大，风速较快，污染物容易分散，浓度较低。
湿度是影响大气污染物浓度的重要因素。
大气湿度高时，水分子与大气中的污染物发生反应，形成浸冲、溶解效应，降低了污染物的浓度。
高湿度会使得污染物与颗粒物之间的相互作用增强，颗粒物增大，从而降低PM2.5和PM10的浓度。
湿度较高的季节或地区，大气污染物的浓度相对较低。
在雨季，湿度较高，降水量大，污染物易被雨水带走，导致大气中的PM2.5和PM10浓度较低。
降水量对大气污染物浓度也有一定的影响。
降水可以有效地清除空气中的大气污染物，包括颗粒物和气体污染物。
大雨可以迅速降低大气中的颗粒物和气体浓度，而小雨或雨中的细雨颗粒物对于挥发性有机物的清除效果相对较差。
降水量较大的季节或地区，大气污染物的浓度相对较低。
气象要素对空气质量的影响分析摘要：利用2018年晋城市常规气象观测资料和空气质量资料，分析晋城市气象要素对空气质量的影响。
结果表明:2018年晋城市空气质量总体以轻度污染为主。
AQI与降水量、风速、气压和能见度显著相关。
关键词：空气质量气象要素相关性中图分类号:X51空气污染不仅导致能见度下降对人体健康不利，而且对天气和气候产生深远影响。
众多的科学研究表明，气象条件与空气环境质量密切相关，如邓霞君等对浙江省空气质量及主要气象因子的影响进行了分析，发现适量降水和中等风速有利空气净化，连晴使空气污染加重[1]；师华定等研究了沙尘与大雾天气对京津石空气质量影响，得出沙尘对空气质量影响较大，大雾天气影响较小[2]；苏超等讨论了海口市空气质量的特征及其与气象条件的关系，认为降水、风速、风向、温度、湿度对空气质量的影响显著[3]。
该文通过对晋城市2018年气象要素和空气质量的分析，讨论气象要素对空气质量的影响。
1资料来源及方法使用的资料包括：2018年1月1日至12月31日晋城市国家环境空气质量监测点的6种污染物（NO2、SO2、CO、O3-8h、PM2.5、PM10）逐小时浓度数据，同期晋城气象站（53976）常规气象观测资料。
利用统计分析方法，研究空气质量特征及其与气象要素的关系。
2空气质量状况2.1空气质量等级分布晋城市2018年AQI年平均值为112，日均值为38-298，符合国家空气质量三级标准，属于轻度污染。
空气质量为优的天数有19d，良和轻度污染空气质量出现较多，分别有153d、126d，中度污染和重度污染各有41d和26d，全年没有严重污染。
其中，晋城市2018年优良天数之和为172d，优良率为47.1%。
2.2空气质量季节变化晋城市空气质量分布具有明显的季节变化特征。
四季中，夏季是空气质量最差季节，AQI平均值高达123，优、良空气质量天数只有27d，占比夏季天数的29.3%；秋季是空气质量最好季节，AQI平均值为85，优、良空气质量天数有66d，出现概率为72.5%。
气象因子与空气质量监测预报的关系随着我国的经济进展，RM生活水平的提高，空气环境质量越来越引起人们的关注，空气质量的预报已成为城市居民新的需求。
近年来，石河子市东、西、南、北4个热电厂的建成投运，给城市空气质量构成了巨大的压力。
石河子市环境监测站20XX 年6月安装了环境空气质量自动监测系统，开始对城市环境空气质量进行自动监测。
笔者利用该站20XX~20XX年2的空气质量监测数据，对主要污染物二氧化硫（SO2）、二氧化氮（NO2）、可吸入颗粒物（PM10）的浓度分布特征进行分析，以及石河子气象站所对应时间的气象资料，找出与污染物浓度相关性好的气象因子，做出多元线性回归方程；然后在微型计算机上输入第2天气象因子的预报值，计算出第2天二氧化硫、二氧化氮、可吸入颗粒物预报值，做出空气质量监测预报。
1污染物浓度分布特征从2资料中发现二氧化硫日平均最大值为0.132mg/m3，最小值0.002mg/m3，最大值是最小值的66倍；二氧化氮最大值0.056mg/m3，最小值0.001mg/m3，最大值是最小值的56倍；可吸入颗粒物最大值0.712mg/m3，最小值0.013mg/m3，最大值是最小值的55倍。
由此可知，污染物浓度变化非常之大。
经测算，20XX~20XX年石河子市空气综合污染指数均为1.28，按环境空气分级标准属清洁级，环境质量状况良好。
1.1污染物浓度分布目前我国空气质量监测常规项目有二氧化硫、二氧化氮、可吸入颗粒物的浓度，图1~3是20XX~20XX年石河子市二氧化硫、二氧化氮、可吸入颗粒物浓度月平均值分布曲线，3条曲线都可以近似为具有单峰单谷曲线。
二氧化硫和可吸入颗粒物曲线走向较一致，冬季浓度比夏季高，最高值出现在1月和12月，极值分别为0.056mg/m3和0.118mg/m3；最低值出现在6月和7月，分别为0.011mg/m3和0.046 mg/m3。
三种污染物月平均最高值和最低值的比分别是二氧化硫为5.1倍、二氧化氮为4.7倍、可吸入颗粒物为2.6倍，其中可吸入颗粒物为首要污染物。
拉萨城区主要大气污染物与气象因子关系分析拉萨是西藏自治区的首府，是中国最著名的宗教、文化以及旅游城市之一。
随着城市化的加速和工业化的发展，拉萨也面临着空气质量下降的问题。
大气污染已经成为一个严重的问题，对城市的居民和环境造成了负面影响。
了解拉萨城区的大气污染物与气象因子的关系是十分重要的。
大气污染物主要包括颗粒物、二氧化硫、一氧化碳、挥发性有机物、氮氧化物等。
它们的排放与城市的工业、交通、生活等活动密切相关。
与此气象因子也直接影响着大气污染物的扩散和积累，进而影响到空气质量。
通过分析大气污染物与气象因子的关系，可以更好地了解拉萨城区的大气污染情况，为环境保护和治理提供科学依据。
拉萨城区的大气污染物与气象因子的关系分析应该从大气污染物的来源和排放入手。
城市工业的燃烧排放，车辆尾气排放，建筑施工扬尘，以及生活废弃物的焚烧等都是主要的排放源。
这些污染物排放需要一定的温度、湿度和风速条件才能扩散和稀释，否则就会导致大气污染物的积累和浓度升高。
拉萨的地理位置和气候特点也会对大气污染物的传输和扩散造成一定的影响。
需要分析拉萨城区的气象因子对大气污染物的扩散和积累的影响。
温度升高会导致颗粒物和污染物的挥发和扩散，从而减少污染物在空气中的停留时间；湿度影响着空气对颗粒物和污染物的吸附和沉降能力；风速的大小和方向则直接影响着大气污染物的扩散和传输。
地形、气压等因素也会对大气污染物的传输和扩散造成影响。
要全面了解拉萨城区的大气污染物与气象因子的关系，需要进行实地调查和数据分析。
首先可以调查城市的主要排放源以及周边环境的地理和气象情况，了解城市的特点和空气质量现状。
然后通过空气质量监测数据和气象观测数据，分析大气污染物的浓度和气象因子的变化规律，最终找到它们之间的关联性和影响程度。
根据分析结果，可以制定相应的大气污染治理措施和政策建议。
加强城市工业、交通和生活垃圾的排放管理，推动清洁能源的使用和节能减排，改善城市规划和交通布局，减少交通拥堵和尾气排放，优化城市绿化和园林建设，增加大气污染物的吸附和清除能力，提高城市的环境容量和抗污染能力。
天津市空气质量与气象因子相关分析天津市空气质量与气象因子相关分析天津市作为中国重要的经济和交通中心，空气质量一直备受关注。
近年来，随着工业化和城市化进程的加快，天津市空气污染问题逐渐凸显。
然而，了解天津市空气质量与气象因子的相关关系对于制定有效的治理措施至关重要。
本文将通过对天津市空气质量和气象因子进行相关分析，探讨二者之间的关联。
首先，我们将关注天津市的主要空气污染物，如PM2.5、PM10、SO2、NO2和O3。
这些污染物是衡量空气质量的重要指标。
通过收集天津市2019年至2021年的空气质量监测数据，我们可以对这些污染物的浓度变化进行分析。
在分析天津市的气象因素时，我们将关注温度、湿度、风速和气压等要素。
这些气象因子与空气质量有密切关系。
在天津市，气温季节变化显著，冬季寒冷，夏季酷热。
同时，天津市也面临着气温逐年上升的问题。
湿度和风速也可能影响空气污染物的扩散和稀释，而气压则与大气稳定性有关，对空气质量起到重要作用。
通过对天津市空气质量和气象因子进行相关分析，我们可以探讨二者之间的关联。
首先，我们会将空气质量指数（AQI）与气象因子进行相关性分析。
结果可能显示出AQI与温度和湿度之间的负相关关系。
这是因为较高的温度和湿度可能有助于空气污染物的稀释和扩散。
同样，AQI与风速之间可能存在负相关关系，高风速可以带走空气中的污染物，有利于改善空气质量。
同时，我们还将通过对各个季节的数据进行分析，研究天津市空气质量和气象因子在不同季节之间的关联。
例如，冬季是天津市空气质量最差的季节之一，这可能与低温和低风速有关。
相比之下，夏季可能会因为高温和高湿度而产生独特的空气质量问题。
值得注意的是，我们需要注意到除了气象因子外，其他因素也可能影响空气质量，如工业排放、交通污染和建筑尘埃等。
因此，单一因素的相关分析可能无法完全解释天津市空气质量的变化。
综合考虑多个因素的影响，才能更准确地评估空气质量与气象因子之间的关系。
a《资源节约与环保》2019年第8期空气质量与气象因子关系及污染物变化趋势周益（重庆市忠县生态环境局重庆404300）摘要：本文中将对空气质量与气象因子之间的关系J进行详细的阐述，并对主要污染物的变化趋势进行一定的分析研究，试图为空气质量的改良与控制提出一定的建议性对策。
关键词：空气质量；气象因子；变化趋势”引言随着社会经济的高速发展,就目前来说,空气的质量已经成为了广大的人民群众广泛热议的话题。
而根据近年以来的民生新闻以及相关的调查中不难发现，我国的某些工业比较发达的城市的空气质量已经逐渐的开始处于一种低下的位置，由此开始出现了各种空气质量方面的现象，其中包括雾霾、酸雨等等，这些具有消极意义的自然现象总结起来的原因就是空气质量的污染比较严重。
所以在接下来的文章中将对空气质量与气象因子之间的关系进行一定的分析和阐述，除此之外为还会对空气中的主要污染物的变化趋势进行一定的分析过程，这样就能看出空气质量的相关变化了。
1影响空气质量的污染物的分布特征（变化趋势）国内某一个城市的空气质量污染物当中，二氧化硫的污染程度是比较严重的,而且，二氧化硫、二氧化氮以及可吸入的颗粒污染物这三者几乎都有一个共同的特征，那就是从四月份开始就开始呈现出一种下降的趋势，通过对气候条件的分析我们就能够得出，是相对湿度将以上几种污染物的浓度都降低了。
但这种依靠自然因素进行自我修复的结果导致的后果往往并不是非常理想的，例如二氧化硫的浓度通过相对湿度得到了一定的降低就会在一定的程度上产生酸雨这种不利于农业发展的产物,对农作物的伤害是非常大的，甚至在一定的程度上会影响到农业经济的发展。
以上大致上就是目前为止的影响城市空气质量的污染物的具体分布的特征了，相关的部门可以根据其分布的特征设计出有效的降低污染物浓度的方法，使得空气质量的污染物大大降低。
2空气中的污染物发生变化的主要影响因素众所周知,就目前来说,空气质量比较差以及污染物比较多的时期通常都是冬季和春季,在夏季和秋季的话,因为雨水较多导致空气中的相对湿度增大，污染物的存在量被降低，空气质量明显提高了叫⑴相对湿度相对湿度比较高的话是能够减少空气中的污染物的叫在冬季或者是初春的时期，相对湿度较高但是温度较低,就会让空气中的诸多污染物变为固体的型态存在于空气当中，例如可见性非常低的大雾就是由于相对湿度较大的缘故。
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。
气象因子与空气质量监测预报的关系研究作者：张艳丽来源：《中国科技博览》2019年第06期[摘要]随着社会经济的发展，人类赖以生存的生态环境也遭到了严重的污染与破环，例如温室效应、酸雨、臭氧层破环、雾霾天气等环境问题已经严重威胁到人类的生命健康。
利用气象因子与染物浓度之间的关系进行分析，建立污染物浓度的预报回归方程，并对预报效果进行历史资料检验，进一步完善空气质量监测预报系统，可以有效地提高空气质量检测预报的准确性，有力地保护了人类的生命财产安全。
[关键词]气象因子；空气质量；污染物；监测预报中图分类号：P635 文献标识码：A 文章编号：1009-914X（2019）06-0242-01随着绿色、环保、健康理念的深入人心，空气质量问题越来越受到人类的关注，空气污染物主要有一氧化碳、二氧化氮、二氧化硫、可吸入颗粒等，多种污染物的交互存在、相互影响直接影响了空气质量，复杂的空气污染问题加大了空气质量预测的难度，本文根据气象站的气象资料，分析了污染物的浓度和影响因素，找出与空气质量相关性较好的气象因子，做出污染物浓度的预报回归方程，然后输入电脑中的预定程序，预报未来空气质量状况，为人们的生活、工作、出行等做出预警与提示。
一、污染物浓度分布特点（一）污染物浓度分布状况我国污染物主要来源于工业生产、机动车尾气的排放、煤炭燃烧等，具有地方特点、时间特点和气候特点，总体上来说，北方地区污染物浓度高于南方；河南、山东等重工业发达、人口密集型城市地区污染严重，而西部地区人口稀少，工业不发达，污染较轻；冬季采暖期由于煤炭的大量燃烧，二氧化硫、二氧化氮、PM10等污染物浓度比非采暖期高；发达城市的二氧化氮、二氧化硫等污染物浓度要高于欠发达的乡村地区。
（二）影响原因1、温度的影响气温的垂直分布决定了大气层的垂直稳定度，影响湍流活动的强弱，支配大气污染物的散布。
风不大或者无风的白天，太阳辐射使温度下高上低，靠近地面的空气密度要小于上面，空气容易形成对流，空气中的污染物容易分散；而无风的夜晚气温上高下低，形成逆温天气，处于逆温层的二氧化硫、二氧化氮、烟、雾等污染物不易扩散，空气质量较差。
气象因子与空气质量监测预报的关系
摘要从空气污染物浓度分布特征，对气象因子与污染物浓度进行相关性分析，建立污染物浓度的预报线性回归方程，并对回归方程预报效果进行历史资料检验。
关键词气象因子；空气质量；监测；预报
随着我国的经济发展，人民生活水平的提高，空气环境质量越来越引起人们的关注，空气质量的预报已成为城市居民新的需求。
近年来，石河子市东、西、南、北4个热电厂的建成投运，给城市空气质量构成了巨大的压力。
石河子市环境监测站2003年6月安装了环境空气质量自动监测系统，开始对城市环境空气质量进行自动监测。
笔者利用该站2005~2006年2a的空气质量监测数据，对主要污染物二氧化硫（SO2）、二氧化氮（NO2）、可吸入颗粒物（PM10）的浓度分布特征进行分析，以及石河子气象站所对应时间的气象资料，找出与污染物浓度相关性好的气象因子，做出多元线性回归方程；然后在微型计算机上输入第2天气象因子的预报值，计算出第2天二氧化硫、二氧化氮、可吸入颗粒物预报值，做出空气质量监测预报。
1污染物浓度分布特征
从2a资料中发现二氧化硫日平均最大值为0.132mg/m3，最小值0.002mg/m3，最大值是最小值的66倍；二氧化氮最大值0.056mg/m3，最小值0.001mg/m3，最大值是最小值的56倍；可吸入颗粒物最大值0.712mg/m3，最小值0.013mg/m3，最大值是最小值的55倍。
由此可知，污染物浓度变化非常之大。
经测算，2005~2006年石河子市空气综合污染指数均为1.28，按环境空气分级标准属清洁级，环境质量状况良好。
1.1污染物浓度分布
目前我国空气质量监测常规项目有二氧化硫、二氧化氮、可吸入颗粒物的浓度，图1~3是2005~2006年石河子市二氧化硫、二氧化氮、可吸入颗粒物浓度月平均值分布曲线，3条曲线都可以近似为具有单峰单谷曲线。
二氧化硫和可吸入颗粒物曲线走向较一致，冬季浓度比夏季高，最高值出现在1月和12月，极值分别为0.056mg/m3和0.118mg/m3；最低值出现在6月和7月，分别为0.011mg/m3和0.046 mg/m3。
三种污染物月平均最高值和最低值的比分别是二氧化硫为5.1倍、二氧化氮为4.7倍、可吸入颗粒物为2.6倍，其中可吸入颗粒物为首要污染
物。
图4、图5分别是2006年7月1日和12月1日石河子市二氧化硫、二氧化氮、可吸入颗粒物0时至23时浓度日分布图示。
从图中可以看出：二氧化硫日分布在夏季有1个峰值，出现在时间14时，对应值为0.060mg/m3，其余时间浓度轻低，最大值是最小值的10倍；二氧化硫日分布的冬季较零乱，没有一定的规律，最高值为0.056mg/m3，最大值是最小值的3.1倍。
二氧化氮日分布在夏季较零乱，没有一定的规律，最高值为0.036mg/m3，最大值是最小值的9倍；二氧化氮日分布在冬季较均衡，最高值为0.015mg/m3，最大值是最小值的1.4倍。
可吸入颗粒物在夏季有2个明显的峰值，分别在凌晨1时和上午10时，峰值分别为0.078mg/m3和0.102mg/m3，极值是最小值的3.6倍；可吸入颗粒物在夏季最高值为0.092mg/m3，分布较为均匀，最大值是最小值的1.8倍，且较浓度夏季明显偏高，主要是由于采暖期锅炉燃煤造成。
1.2影响因素
空气污染超标现象集中出现在冬季采暖期和春季，在这种天气条件下易受以下因素的影响而加重污染程度。
（1）湿度的影响。
当寒冷季节、气温较低、湿度较大时，水蒸气容易以尘微粒和气溶胶为凝结核形成雾，使污染物粒子变重而下沉，生成沉积和沉降或聚集在低层大气中，阻碍烟气的扩散，加重空气的污染，使大气能见度降低。
（2）逆温的影响。
逆温层是一个十分稳定的层次，它的存在像个盖子似的阻碍污染物向上扩散。
逆温往往伴随着小风或无风状态，污染物不易扩散、稀释，从而使近地面的污染物浓度增加。
逆温层常出现在冬、秋季，强度最大、持续时间最长，且在一天当中，夜间逆温强度最大。
（3）燃煤影响。
冬季空气污染较重，其原因主要是冬季为燃煤开放期，燃煤量增大，烟尘和二氧化硫等污染物排放量随之增大，造成污染加重。
（4）沙（浮）尘天气影响。
春季多发生大风天气，降水量少，冰雪融化后，黄土裸露，植物尚未进入完叶期，阻风能力弱，造成沙尘和地面扬尘污染。
根据气象资料，扬沙、沙尘暴、浮尘天气主要集中在4~5月，2005年4月4日石河子垦区发生了一次沙尘天气，沙尘波及到市区，导致4月可吸入颗粒物、降尘均超标。
造成此次浮尘天气的主要原因是开春后天气明显升温，地面干燥、裸露，加之风力的影响，尘土飞扬，形成浮尘污染。
2气象因子与污染物浓度的相关性分析
污染物浓度除了受排放量的变化影响之外，另一主要影响因素就是气象因子的变化。
多元回归方法关键点是寻找与污染浓度相关性好的气象因子且气象因子之间相关性要小。
污染物浓度取日平均值，气象因子也取日平均值。
风向是矢量，风速是标量，把东定义为X轴正向、西定义为Y轴正向，把每个时次10min平均风速按10min平均风向分解为X轴（VX）利Y轴（VY）两个方向上的分量，再进行日平均，这样就把风向风速化为标量。
Td-T850为8时地面气温减850hPa 气温的差值。
资料进行上述处理后计算相关性系数。
对相关系数r做显著性检验，在显著水平α=0.05时，γ0.05=0.07，当|r|≥0.07可认为相关。
气象因子间相关系数大于0.5可认为相关性好，取便于预报的因子。
经过上述步骤后，所选的气象因子与污染物浓度单相关系数见表1。
从表1可知：日最高气温与二氧化硫浓度呈负相关，与二氧化氮浓度呈正相关，与可吸入颗粒物浓度不相关。
二氧化硫浓度与风速呈负相关与风向不相关；二氧化氮浓度与西南风呈正相关，与风速不相关；可吸入颗粒物浓度与风向不相关，与风速呈负相关。
降水量与二氧化硫、可吸入颗粒物浓度呈负相关，与二氧化氮浓度呈正相关。
Td-T850可以代表850hPa以下的层结稳定状况，表中二氧化氮浓度与其呈正相关，二氧化硫浓度和可吸入颗粒物浓度与其呈负相关。
相对湿度与二氧化硫浓度和可吸入颗粒物浓度呈负相关性，与二氧化氮浓度不相关。
3污染物浓度的预报回归方程
在建立回归方程时，气象因子从表1中选取与其相关性较好的因子。
当|r|≥0.1时，可认为相关性较好，此因子可选为预报因子。
根据这一原则，建立各污染物浓度（P）方程如下：
SO2浓度P=0.095 85-0.000 47Th-0.004 84V-0.000 15RR-0.001 27△T-0.00040U；
NO2浓度P=0.027 51+0.000 41Th+0.000 93VX+0.001 02VY+0.000 07△T；
PM10浓度P=0.135 00-0.007 14V-0.000 48RR-0.002 43△T-0.000 27U。
4预报流程
预报计算在计算机上运行，流程图如图6。
人工输入所需的气象要素，计算机自动进行计算，计算结果输入Internet以WEB方式显示，环境监测站直接到Internet上读取。
5历史资料检验
对回归方程预报效果进行历史资料检验，选取（随意）2004年5月的资料，把气象因子代入回归方程，计算出各污染物日浓度，再与实测值相减，求出差值△P。
预报误差率=∑|△P|/∑|P|，P为实测值。
算出2004年5月二氧化硫预报误差率为109%，二氧化氮预报误差率为32%，可吸入颗粒物预报误差率为44%。
由此看来，二氧化氮、可吸入颗粒物预报误差较小；二氧化硫预报误差较大，造成这种结果的原因主要是气象因子选取不佳，排放量变化大。
如前所述，二氧化硫日平均最大值是最小值的27倍。
6讨论
（1）多元线性回归假定污染源排放量是不变的，但实际上污染源排放量是变化的，这就引起多元线性回归方法预报误差较大。
（2）多元线性回归认为气象因子与污染物浓度呈线性关系，但实际上气象因子与污染物浓度并不一定是线性关系，这是造成多元线性方法预报误差较大的另一个原因。
（3）石河子市空气质量预报才刚刚开始，预报经验不足，有待于今后进一步改进。
7参考文献
[1] 赵凌卓.大连市“十五”期间大气环境中SO2、NO2、PM10污染状况分析[J].辽宁城乡环境科技，2007（3）：44-46.
[2] 李金娜，李海涛.唐山市“九五”期间大气环境中SO2、NOX、TSP污染状
况分析[J].干旱环境监测，2002（2）：100-103.
[3]于晓岚，汤洁，李兴生，等.我国西部清洁大气中SO2和NO2的观测和分析[J].应用气象学报，1997（1）：63-69.
注：“本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文”。
