下载文档原格式
《2019—2021年北京市PM2.5及组分浓度受风向影响的研究》篇一一、引言随着工业化和城市化的快速发展，空气质量问题日益受到人们的关注。
作为中国首都的北京市，其空气质量状况更是备受关注。
PM2.5作为主要的空气污染物之一，对人类健康和环境造成了严重影响。
近年来，风向对PM2.5及组分浓度的影响成为了研究的热点。
本文旨在研究2019—2021年北京市PM2.5及组分浓度受风向影响的情况，以期为改善空气质量提供科学依据。
二、研究方法本研究采用现场观测与统计分析相结合的方法，以北京市为研究区域，收集了2019—2021年的PM2.5及组分浓度数据，同时记录了对应时期的风向数据。
首先，对数据进行筛选和预处理，排除异常值和干扰因素。
然后，采用统计分析方法，探究风向与PM2.5及组分浓度的关系。
三、结果与分析1. PM2.5及组分浓度概况在研究期间内，北京市PM2.5浓度呈现出一定的波动，但总体呈下降趋势。
组分浓度也表现出类似的趋势。
其中，硫酸盐、硝酸盐和有机物是PM2.5的主要组分。
2. 风向对PM2.5浓度的影响研究发现，不同风向对PM2.5浓度的影响存在显著差异。
在冬季，北风和西北风时，PM2.5浓度较高；而在夏季，南风和西南风时，PM2.5浓度相对较低。
这可能与不同风向带来的气象条件和污染源分布有关。
3. 风向对组分浓度的影响对于组分浓度，不同风向的影响也表现出一定的规律。
例如，北风和西北风时，硫酸盐和硝酸盐浓度较高；而南风和西南风时，有机物浓度相对较高。
这表明不同风向对PM2.5组分的输送和转化过程具有重要影响。
4. 影响因素探讨影响PM2.5及组分浓度的因素很多，包括气象条件、污染源分布、排放标准等。
在本研究中，我们发现风向是影响PM2.5及组分浓度的关键因素之一。
此外，城市绿化、交通状况等因素也可能对PM2.5浓度产生影响。
因此，在制定空气质量改善措施时，需要综合考虑多种因素。
四、结论本研究表明，风向对2019—2021年北京市PM2.5及组分浓度具有显著影响。
天气型对北京地区近地面臭氧的影响天气型对北京地区近地面臭氧的影响近年来，随着北京市的工业化和城市化的快速发展，空气质量成为了人们关注的焦点。
其中，近地面臭氧的污染问题日益凸显。
而天气型（例如温度、风向、风速、湿度等）是近地面臭氧生成与传输的重要影响因素之一。
本文将探讨天气型对北京地区近地面臭氧的影响，并分析其原因。
首先，温度是影响近地面臭氧浓度的重要因素之一。
研究表明，温度升高可加速臭氧的生成和光解反应，从而增加近地面臭氧的浓度。
特别是在夏季高温天气，臭氧浓度往往较高，成为空气污染的主要因素。
北京夏季常常出现高温天气，这为近地面臭氧的生成提供了有利条件。
其次，风向和风速对近地面臭氧浓度的分布和传输具有重要影响。
风向能够决定臭氧的来源和传输路径，而风速则直接影响臭氧的扩散和稀释。
通常情况下，当风向从污染源地吹向城市时，臭氧浓度会增加；而当风向从城市吹向污染源地时，臭氧浓度则会减少。
此外，风速的增加可以促使臭氧更快地扩散到地面以下的空间，从而加剧近地面臭氧污染。
北京地处北方平原，多数时候受到来自西北和北方的干燥的风，常年风速较低，这可能是导致北京地区近地面臭氧污染较为严重的一个原因。
再次，湿度也对近地面臭氧浓度的形成和分布起到一定作用。
较高的湿度可以降低臭氧的生成速率，因为水蒸气能参与臭氧光解反应并消耗臭氧。
此外，湿度还能增加臭氧在大气中的溶解度，使得臭氧更容易被吸附在水滴上，从而减少臭氧浓度。
北京冬季干燥，湿度较低，这可能导致近地面臭氧浓度较高。
此外，气压和气象条件（如逆温）也是影响近地面臭氧的因素之一。
气压的变化会改变空气质量的扩散条件，进而影响臭氧的分布。
逆温是指地表和地面以下空气温度分布的反常现象，逆温情况下，冷空气密度高于暖空气，使得空气流动受到一定的阻碍，导致污染物在地面积聚，臭氧也会受到不利影响。
综上所述，天气型对北京地区近地面臭氧的影响是复杂而多样的。
温度、风向、风速、湿度、气压等因素相互作用，共同决定了近地面臭氧的生成、传输和浓度分布。
北京地区不同季节PM2.5和PM10浓度对地面气象因素的响应王嫣然;张学霞;赵静瑶;余新晓;姜群鸥【期刊名称】《中国环境监测》【年(卷),期】2017(033)002【摘要】利用2013年1月-2014年12月北京地区PM2.5和PM10监测数据和同期近地面气象观测数据,采用非参数分析法(Spearman秩相关系数)研究了北京地区PM2.5和PM10的浓度对不同季节地面气象因素的响应.结果表明:北京地区大气颗粒物浓度水平具有明显的季节特征,冬季大气颗粒物污染最严重,夏季最轻.不同季节影响颗粒物浓度水平的气象因素各不相同,其中风速和日照时数为主要影响因素.PM2.5和PM10质量浓度对气象因素变化的响应程度也有较大区别,PM2.5/PM10比值冬季最高,PM2.5影响最大,春季最低,PM10影响最大.这些结论可对制订科学有效的大气污染控制策略提供参考.【总页数】8页(P34-41)【作者】王嫣然;张学霞;赵静瑶;余新晓;姜群鸥【作者单位】北京林业大学水土保持学院,城乡生态环境北京实验室,水土保持与荒漠化防治教育部重点实验室,北京100083;北京林业大学水土保持学院,城乡生态环境北京实验室,水土保持与荒漠化防治教育部重点实验室,北京100083;北京林业大学水土保持学院,城乡生态环境北京实验室,水土保持与荒漠化防治教育部重点实验室,北京100083;北京林业大学水土保持学院,城乡生态环境北京实验室,水土保持与荒漠化防治教育部重点实验室,北京100083;北京林业大学水土保持学院,城乡生态环境北京实验室,水土保持与荒漠化防治教育部重点实验室,北京100083【正文语种】中文【中图分类】X823【相关文献】1.北京地区1～3月PM2.5、PM10、NO2、SO2地面浓度分布特征分析 [J], 曹艳芳2.北京地区PM10和PM2.5质量浓度的变化特征 [J], 于建华;虞统;魏强;王欣;时建纲;李海军3.郑州城区PM10、PM2.5质量浓度变化特征及其对气象因子的响应 [J], 王翠连;张军;郑瑶;赵同谦;娄亚敏;郑华4.2015年上海崇明岛PM2.5和PM10浓度变化特征及气象因素影响分析 [J], 吴健;齐晓宝;苏敬华;李佳凤;沙晨燕;熊丽君;王敏5.不同季节PM_(2.5)和PM_(10)浓度对地面气象因素的响应分析 [J], 艾子贞因版权原因，仅展示原文概要，查看原文内容请购买。
《北京地区秋季雾霾天PM2.5污染与气溶胶光学特征分析》篇一一、引言北京地区秋季常出现的雾霾天气，已成为公众关注的焦点。
其中，PM2.5作为主要污染物之一，对空气质量和人体健康造成严重影响。
为了更深入地了解北京地区秋季雾霾天PM2.5污染及气溶胶光学特征，本文将对这两方面进行详细的分析和研究。
二、研究区域与数据来源本研究区域主要集中在北京地区，数据来源于近年来秋季的空气质量监测数据及气溶胶光学特性的实验测量数据。
通过综合分析这些数据，我们可以更准确地掌握北京地区秋季雾霾天的污染状况及气溶胶光学特征。
三、PM2.5污染特征分析1. PM2.5浓度变化在秋季雾霾天，北京地区PM2.5浓度普遍较高。
通过对历史数据的分析，我们发现PM2.5浓度在早晨和傍晚时段较高，白天和夜晚相对较低。
此外，当天气湿度较大时，PM2.5浓度也会有所上升。
2. PM2.5来源分析PM2.5的来源较为复杂，主要包括工业排放、汽车尾气、扬尘等。
其中，工业排放和汽车尾气是主要的污染源。
此外，建筑工地和道路施工等活动中产生的扬尘也对PM2.5浓度产生了重要影响。
四、气溶胶光学特征分析1. 气溶胶光学厚度气溶胶光学厚度是描述大气中气溶胶粒子对光的吸收和散射能力的指标。
在秋季雾霾天，北京地区的气溶胶光学厚度较高，这主要是由于大气中存在大量的气溶胶粒子。
2. 气溶胶粒子的光谱特性气溶胶粒子的光谱特性与其成分、粒径及形状等因素密切相关。
通过对气溶胶粒子的光谱特性进行分析，我们可以更好地了解其光学特征及对光的作用机制。
五、结论与建议通过对北京地区秋季雾霾天PM2.5污染及气溶胶光学特征的分析，我们得出以下结论：1. 北京地区秋季雾霾天PM2.5浓度较高，主要来源于工业排放、汽车尾气和扬尘等。
2. 气溶胶光学厚度较高，对光的吸收和散射作用明显。
3. 通过综合治理，减少工业排放、提高汽车尾气处理效率、加强建筑工地和道路施工管理等措施，可以有效降低PM2.5浓度和气溶胶光学厚度，改善空气质量。
北京地区夏末秋初气象要素对PM2.5污染的影响蒲维维;赵秀娟;张小玲【期刊名称】《应用气象学报》【年(卷),期】2011(22)6【摘要】利用北京宝联站及北京上甸子大气本底站2006-2008年的7-9月PM2.5连续观测资料以及北京市观象台的探空数据、海淀气象站的风廓线雷达和降水量等资料,对北京地区夏末秋初PM2.5的质量浓度特征及其与气象要素的关系进行了统计分析.结果表明:城区站各月平均PM2.5质量浓度明显高于郊区站,高空偏南气流的输送是造成城区及本底地区出现细颗粒物污染的主要原因.从地面风速来看,城区当北风和南风分别达到2m·s-1和3.5 m·s-1以上时能起到扩散作用；郊区在低风速的北风条件下也能起到扩散和稀释作用,而南风基本上对郊区的颗粒物无扩散作用.PM2.5质量浓度在降水前后的清除量与降水量、初始质量浓度均呈正相关关系,城区及郊区的云下清除过程更多取决于降水前污染物的浓度,降水量作用较弱.当混合层高度突破1500 m时,垂直扩散对污染物的稀释扩散效果明显.%Beijing; automatic weather stations;temperature; data-lacking; quality evaluation【总页数】8页(P716-723)【作者】蒲维维;赵秀娟;张小玲【作者单位】中国气象局北京城市气象研究所,北京100089;中国气象局北京城市气象研究所,北京100089;中国气象局北京城市气象研究所,北京100089【正文语种】中文【相关文献】1.2014年盘锦市气象要素对大气污染物PM2.5的影响 [J], 牛琳琳;魏楠;孙琳琳;苗静;赵楠;赵一俊;刘尧2.APEC会议前后北京地区PM2.5污染特征及气象影响因素 [J], 张礁石;陆亦怀;桂华侨;刘建国;杜朋;李德平;王杰3.一次PM2.5化学污染过程的实况及气象要素影响分析 [J], 刘汉卫;臧增亮;首俊明;潘晓滨;李大磊4.湖北省主要观测站PM2.5污染特征及气象要素的影响分析 [J], 吕桅桅;李兰5.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 [J], 郑煜; 李三; Kanran Tan; 马晓剑; 钱榕因版权原因，仅展示原文概要，查看原文内容请购买。
北京空气污染报告介绍北京作为中国的首都和最大城市之一，面临着严重的空气污染问题。
本报告将对北京的空气质量进行详细分析和评估，并提出建议来改善空气质量。
1. 背景近年来，北京的空气质量问题备受关注。
大量的车辆排放、工业污染和燃煤发电等活动导致了严重的空气污染。
尤其是在冬季，燃煤取暖的增加使得空气污染问题更加严重。
2. 空气质量指标为了评估北京的空气质量，我们使用了以下几种常见的空气质量指标：•PM2.5：颗粒物直径小于或等于2.5微米的细微颗粒物，对健康影响较大。
•PM10：颗粒物直径小于或等于10微米的颗粒物，包括PM2.5在内。
•二氧化氮（NO2）：主要来自燃煤和车辆排放，对呼吸系统有害。
•臭氧（O3）：在太阳照射下由氮氧化物和挥发性有机化合物反应产生，对人体健康有害。
3. 空气质量状况根据最近的监测数据，北京的空气质量状况如下：•PM2.5浓度超过国家标准限制的天数占总天数的比例较高，平均在60%以上。
•PM10浓度虽然较PM2.5浓度低，但仍然超过国家标准限制的天数较多。
•NO2浓度在主要道路和城市中心地区较高，超过国家标准限制的天数较多。
•臭氧浓度较高，尤其是夏季和高温天气条件下。
4. 影响因素空气污染的产生和扩散是由多种因素造成的。
以下是一些主要的影响因素：4.1. 车辆排放北京机动车数量庞大，车辆排放是空气污染的主要来源之一。
车辆尾气中的颗粒物、二氧化氮和一氧化碳等有害物质会对空气质量产生不良影响。
4.2. 工业污染随着工业的发展，许多工业厂区在北京郊区建立，这导致了大量的工业污染物排放。
这些污染物包括颗粒物、挥发性有机化合物等，对空气质量产生负面影响。
4.3. 燃煤燃煤是北京空气污染的一个重要原因。
由于冬季取暖需求增加，大量的煤炭被燃烧，释放出大量的颗粒物、二氧化硫和二氧化氮等污染物。
4.4. 天气条件北京的气象条件也会对空气质量产生影响。
例如，温度升高、湿度增加和风速较低的夏季天气条件有助于臭氧的形成，而冬季的温度逆温和风向不利于空气污染物的扩散。
天气型对北京地区近地面臭氧的影响引言：近年来，空气污染问题日益严重，其中臭氧污染是城市空气质量的一个重要指标。
臭氧是一种有害的化学污染物，对人体健康和生态环境都具有严重危害。
而北京作为我国的首都和人口密集的城市，一直以来都在为治理臭氧污染问题而努力。
除了人为因素外，天气型也是影响北京地区近地面臭氧浓度的一个重要因素。
本文将对进行综述和分析。
一、北京地区近地面臭氧的形成机制近地面臭氧是一氧化氮（NOx）、挥发性有机物（VOCs）和日照强度等多种因素参与的复杂化学反应的产物。
臭氧主要通过光化学反应形成，夏季时，臭氧生成的主要反应为：光解O2生成O，O与O2发生反应生成O3。
夏季光照强度较高，气温升高，较多的光化学反应发生，导致臭氧浓度较高。
冬季时，光照较弱，而温度和湿度较低，此时臭氧生成主要依赖于光解NO2，故冬季的臭氧浓度相对较低。
二、高温高压天气对近地面臭氧的影响高温高压天气能够促进臭氧的生成和积累。
在高温条件下，光解O2产生O的速率会加快，进而增加了臭氧的浓度。
同时，高压天气会导致空气的扩散能力较弱，大气的垂直稳定性增强，从而限制了臭氧的扩散和消散，使臭氧在近地面积累。
这就是为什么一些高温高压天气下，北京地区的臭氧污染会显著加重的原因。
三、湿度对近地面臭氧的影响湿度是指空气中水汽含量的多少，一定湿度下，空气中的臭氧浓度会受到影响。
通常来说，湿度较高的时候，臭氧浓度较低；湿度较低的时候，臭氧浓度较高。
这是因为湿度较高时，空气中水汽含量较多，水汽能够与臭氧发生反应，降低臭氧的浓度。
而湿度较低时，臭氧与水汽的反应几乎可以忽略不计，臭氧浓度相对较高。
四、大气风场对近地面臭氧的影响大气风场是指大气中风速和风向的空间分布。
风场对近地面臭氧影响主要体现在扩散和输送方面。
风速较大的时候，臭氧能够较快地扩散和输送到远离源区的地方，从而降低了近地面臭氧的浓度。
而风速较小的时候，臭氧的扩散和输送能力减弱，导致臭氧在源区积累，近地面臭氧浓度上升。
北京夏末秋初不同天气形势对大气污染物浓度的影响王莉莉;王跃思;王迎红;孙扬;吉东生;任玉芬【期刊名称】《中国环境科学》【年(卷),期】2010(030)007【摘要】根据2007～2008年地面、850hPa和500hPa天气图,结合主要气象要素将夏末秋初(8月和9月)影响北京地区的主要天气系统分为高污染的积累天气型(包括槽前无降水、槽后脊前、脊、副高4种基本型)和清洁的清除天气型(包括槽或槽前有降水、槽后有降水或偏北风2种基本型).北京地区4站2007年在积累天气型控制时NOx、O3(日小时均值最大值)、PM2.5和PM10浓度分别为38.1×109(体积分数),115.2×109(体积分数),90.6μg/m3,212.5μg/m3,清除天气型控制时4种污染物浓度分别为36.3×10-9(体积分数),68.9×109(体积分数),39.3μg/m3,125.4μg/m3;2008年施行北京奥运空气质量保障措施期间,上述4种污染物在积累天气型控制时分别为19.3×109(体积分数),87.1×109(体积分数),66.3μg/m3,99.6μg/m3,清除天气型控制时分别为19.0×109(体积分数),62.5×10-9(体积分数),41.0μg/m3,65.2μg/m3;尽管施行了源减排措施,积累天气型控制时北京地区污染物浓度仍相对较高,因此需关注此天气形势下污染物的变化.【总页数】7页(P924-930)【作者】王莉莉;王跃思;王迎红;孙扬;吉东生;任玉芬【作者单位】中国科学院大气物理研究所大气边界层物理和大气化学国家重点实验室,北京,100029;中国科学院大气物理研究所大气边界层物理和大气化学国家重点实验室,北京,100029;中国科学院大气物理研究所大气边界层物理和大气化学国家重点实验室,北京,100029;中国科学院大气物理研究所大气边界层物理和大气化学国家重点实验室,北京,100029;中国科学院大气物理研究所大气边界层物理和大气化学国家重点实验室,北京,100029;中国科学院生态环境研究中心,北京,100085【正文语种】中文【中图分类】X511.X513【相关文献】1.夏末秋初北京市区与背景区大气污染物的对比分析 [J], 温天雪;王跃思;徐宏辉;马志强;吉东生2.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3.影响大气污染物变化的地面天气形势 [J], 费云霞; 吕燕利4.影响大气污染物变化的地面天气形势 [J], 费云霞; 吕燕利5.COVID-19疫情不同阶段管控措施对大气污染物浓度的影响研究 [J], 李婷慧;蔡晓斌;董佳丹;陈芳;陈晓玲因版权原因，仅展示原文概要，查看原文内容请购买。
《2019—2021年北京市PM2.5及组分浓度受风向影响的研究》篇一摘要：本文着重研究了2019年至2021年期间，北京市PM2.5及其主要组分浓度的变化情况，并探讨了不同风向对PM2.5及其组分浓度的影响。
通过对北京市多日、多时段的气象数据及空气质量监测数据进行分析，得出了相关结论，旨在为北京市空气质量改善提供科学依据。
一、引言随着工业化和城市化进程的加快，空气污染问题日益突出，特别是PM2.5的污染已成为影响我国大部分城市空气质量的主要因素。
北京市作为我国的首都，其空气质量问题备受关注。
PM2.5由于其颗粒细小，能深入肺部，甚至进入血液循环，对人体健康构成严重威胁。
而PM2.5的来源及浓度受多种因素影响，其中风向是重要因素之一。
因此，研究风向对PM2.5及其组分浓度的影响，对于制定有效的空气质量改善措施具有重要意义。
二、研究方法本研究选取了北京市多个空气质量监测站点，收集了2019年至2021年的PM2.5及其主要组分（如硫酸盐、硝酸盐、有机碳、元素碳等）的浓度数据。
同时，结合气象部门提供的风向数据，分析不同风向条件下PM2.5及其组分浓度的变化情况。
三、结果与分析1. PM2.5浓度变化根据监测数据显示，北京市2019年至2021年期间，PM2.5浓度整体呈下降趋势，但仍然高于世界卫生组织的推荐标准。
在分析不同风向对PM2.5浓度的影响时发现，偏西风（如西南风、西北风）条件下，PM2.5浓度相对较高；而偏东风（如东南风）条件下，PM2.5浓度相对较低。
这可能与不同风向带来的污染源类型和传输路径有关。
2. 组分浓度变化硫酸盐和硝酸盐是PM2.5的主要组分，其浓度变化受风向影响明显。
在偏西风条件下，由于可能受到上游工业区和周边地区污染传输的影响，硫酸盐和硝酸盐浓度较高；而在偏东风条件下，可能受到海洋气流的影响，这些组分浓度相对较低。
此外，有机碳和元素碳的浓度也受风向影响，但与具体污染源的关系尚需进一步研究。
北京地区夏末秋初不同天气形势对NOx、O3和PM2.5/10浓度的影响王莉莉1,王跃思1*,王迎红1,孙扬1,辛金元1,吉东生1,李亮1,任玉芬2（1.中国科学院大气物理研究所LAPC 重点实验室,北京100029；2.中国科学院生态环境研究中心,北京100085）摘要：污染物浓度由排放源和天气过程共同决定,天气形势的变化决定区域大气环境的周期性、区域性和一致性.本文根据地面、850hpa 和500hpa天气图,结合主要气象要素将夏末秋初(8月和9月)影响北京地区的主要天气系统分为2类,即高污染的积累天气型(包括4种基本型——槽前无降水、槽后脊前、脊、副高)和清洁的清除天气型(包括2种基本型——槽或槽前有降水、槽后有降水或偏北风).北京地区4站2007年在积累天气型控制时NOx、O3(日小时均值最大值)、PM2.5和PM10分别为38.1×10-9(体积分数)、115.2×10-9(体积分数)、90.6μg/m3、212.5μg/m3,清除天气型控制时4种污染物分别为36.3×10-9(体积分数)、68.9×10-9(体积分数)、39.3μg/m3、125.4μg/m3;2008年施行了北京奥运空气质量保障措施,上述4种污染物在积累天气型控制时分别为19.3×10-9(体积分数)、87.1×10-9(体积分数)、66.3μg/m3、99.6μg/m3,清除天气型控制时分别为19.0×10-9(体积分数)、62.5×10-9(体积分数)、41.0μg/m3、65.2μg/m3;尽管施行了源减排措施,积累天气型控制时北京地区污染物浓度仍相对较高,因此关注此天气形势下污染物的变化对预测重污染天气以及制订更为有效的减排措施意义重大.关键词：天气形势；NOx；O3；PM2.5/10；北京中图分类号：X703.5 文献标识码：A 文章编号：Relationship between different synoptic weather patterns and concentrations of NOx、O3 and PM2.5/10 in Beijing during Summer and Autumn. WANG Li-li1,WANG Yue-si1*,WANG Ying-hong1,XIN Jinyuan1,Li Liang1,JI Dongsheng1,YU Wen-peng1,REN Yufen2 (1. LAPC, Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029, China; 2. Research Center for Eco-Environmental Sciences, Chinese Academy of Sciences, Beijing 100085, China)Abstract：Pollution concentrations are controlled by source emission and weather situations, and the evolvement of synoptic systems influences the regional characteristic、periodic evolvements and consistency of atmospheric environment. Based on analyzing surface and 850&500hpa level synoptic maps and primary meteorological factors in Beijing during summer and autumn, two group synoptic weather patterns were divided, that was accumulation synoptic pattern with higher pollutions including four basic types and dispersion synoptic pattern with lower pollution including two basic types. In 2007, concentrations of NOx、O3(hourly maximum)、PM2.5and PM10averaged from four sites in Beijng were 38.1×10-9(V/V)、115.2×10-9(V/V)、90.6μg/m3、212.5μg/m3under accumulation synoptic pattern, respectively, while 36.3×10-9(V/V)、68.9×10-9(V/V)、39.3μg/m3、125.4μg/m3under dispersion synoptic pattern, respectively. The source control measures were carried out to ensure the air quality during Olympic Games during 2008, and concentrations of NOx、O3(hourly maximum)、PM2.5and PM10were 19.3×10-9(V/V)、87.1×10-9(V/V)、66.3μg/m3、99.6μg/m3under accumulation synoptic pattern, respectively, while 19.0×10-9(V/V)、62.5×10-9(V/V)、41.0μg/m3、65.2μg/m3under dispersion synoptic pattern, respectively. Although the source control measures were carried out, higher pollutant concentrations were appeared under accumulation synoptic pattern, consequently observing the pollutant changes under this synoptic pattern is very important for predicting severe pollutions and establishing effective source control measures. Keywords: weather situation；NOx；O3；PM2.5/10；Beijing收稿日期：2009-10-10基金项目：国家重点基础研究发展规划（973）项目（2007CB407303）；中国科学院知识创新工程重大项目（KZCX1-YW-06-01）* 责任作者,王跃思; 职称,研究员;E-mail:wys@北京作为中国的首都是一座拥有上千万人口的超级大都市,由于城市化和工业化的迅速发展,环境污染日趋严重,尤其夏季高温高湿的环境下,区域复合型大气光化学污染严重,高浓度的臭氧和细粒子污染给人类生存和居住环境带来极大威胁,因此精确预测空气质量非常关键.污染物浓度由排放源和天气过程共同决定[1],但城市环境下重污染事件的发生却主要归结为不利于扩散的天气条件,而并非突然增加的排放源[2].研究表明天气形势及气象要素与污染物的排放、传输、扩散、(光)化学反应、以及干湿沉降等方面密切相关[3],例如,温度和地表湿度对局地沙尘排放的影响,(光)化学反应对气温、湿度、太阳辐射以及云量的依赖[4],降水过程对污染物的清除[5],风对污染物的显著影响[6],区域污染物传输对大气环流形势的依赖. 因此利用天气气候学方法分类出不同天气型,研究对应天气型下大气污染物浓度,将为评估空气质量和天气过程的关系提供有效手段[7].其方法主要为两大类:一是基于天气图(地面气压场或500hpa高度场)即环流形势的主观(人为)分类,二是利用统计方法对各气象要素聚类的客观分类,Yarnal[7]指出两种方法在环境分析领域都有较强的实用性,并已在全球许多地区得到成功应用[7-9].目前,北京地区污染物浓度与天气形势或气象要素的关系已有一些研究.例如,孟燕军等[10]通过对地面天气形势的分类,指出低压类地面天气形势控制时,容易出现重污染;隋珂珂[11]等通过PM10与常规气象要素的统计分析得到相对湿度、风速和风向对其影响较大;王喜全[12]等指出造成北京PM10重污染的两类典型天气形势,即高压南下东移阻滞型和与北上台风(或热带低压)相关联的弱高压控制型;苏福庆[13]等指出西南风、东南风和东风输送汇通道使区域污染物汇聚到北京,造成北京的重污染发生;任阵海[14]等、范清[15]等指出夏季受副高西伸和偏南风输送的影响容易造成PM10的累积,而地面冷锋过境后的西北大风和降水使颗粒物迅速清除.但这些研究主要集中在冬春季节且主要是对PM10重污染过程的分析,针对夏秋季的研究也仅是典型环境个例分析,缺乏长时间系统的分析不同天气型与各污染物的关系,同时利用天气气候学方法综合分析北京地区夏秋季节天气型与各污染物浓度的关系研究较少,不利于认知不同年份污染物浓度均值差异的天气气候原因.本文基于天气背景形势和天气变化的关系[16],利用主观天气分型方法,综合分析高空天气系统和地面气压场,并引入影响污染物分布的主要气象要素,对影响北京地区夏末秋初季节的天气型进行分类,进而讨论不同天气型和对应污染物浓度的关系,揭示2007和2008年奥运会时段污染物浓度与天气型的关系,最终为预测和预警重污染事件提供重要依据.1 数据与方法1.1 站点和数据图1 北京地区大气环境和气象要素监测网站点分布Fig.1 Distribution of monitoring network for atmospheric environment and meteorology in Beijing北京地区环境监测站点包括大气物理研究所北京325m铁塔(BJT)、阳坊(YF)、奥运村(AYC)、和龙潭湖(LTH),由2007、2008年中国科学院和北京市环保局奥运环境项目支持建立,4个站分别代表高流动源站、城郊、科技园区和公园.本研究环境数据选取北京4个站2007年8月11日～9月20日和2008年8月1日～9月20日时间段的NOx、王莉莉等: 北京地区夏末秋初不同天气形势对NOx、O3和PM2.5/10浓度的影响O3、PM2.5和PM10.气象数据选取对应时段国家气象局南郊观象台地面和高空资料,同时为综合考虑北京区域降水选用了国家气象局非常规观测站降水数据;天气图(地面气压场和850hpa、500hpa高度场)由国家气象局提供,并利用气象信息综合分析处理系统(MICAPS)处理.1.2 监测仪器4个站点气体监测仪器均采用美国赛默飞世尔(TE)环境设备公司气体分析仪: NO x浓度观测采用42i型化学发光法NO-NO2-NO x分析仪,其最低检测限:0.05×10-9(体积分数);零漂:<0.025×10-9(24h);跨漂:±1%(24h,满度值); O3采用49i紫外光度法O3分析仪,其最低检测限:2×10-9(体积分数);精度:1×10-9(体积分数);零漂:0.4%(24h);跨漂:±1%(24h),±2%(7d).按照美国环保署(US EPA)认证的质量控制标准,O3分析仪常规校准使用TECO 49C PS校准仪,每年溯源到美国国家标准物质研究所(USA NIST)一级标准;NOx分析仪常规校准使用美国赛默飞世尔公司出品的146i型动态稀释校准仪,配备美国环保署认证的标准气体(Scott-Marrin.inc生产), NOx 浓度为51.1×10-9(体积分数).4个站点颗粒物监测仪器采用环境颗粒物监测仪(RP1400a,美国R&P公司),仪器参数:采集频率为每10min采1个数据;测量范围0～5g/m3;分辨率0.1μg/m3;精密度±1.5μg/m3(1h浓度平均值)、±0.5μg/m3(24h浓度平均值);准确度±0.75%;最低检测限0.06μg/m3 (1h浓度平均值).观测前对所有的气体和颗粒物仪器都进行了标定,相关系数在0.98以上,以减少仪器造成的系统误差.1.3方法北京地区天气形势和气象要素与污染物相关性的研究结果表明:夏秋季受副高或者高压系统带来的下沉气流及偏南风输送,是造成污染物的累积的主要天气系统,而高空槽前或槽过境后的降水或西北大风则使污染物迅速清除[11-14],但缺乏系统研究.本文基于文献结果,考虑到北京地区污染与天气型关系的具体情况,对2007和2008年夏末秋初(8月和9月)每日08时500hpa、850hpa高度场和地面气压场,以及气压场的高低空配置,辅以20时500hpa、850hpa高度场和地面气压场,以及每日区域降水量和风场,进行天气综合图实况分析,从而确定每日影响北京地区的主要天气系统.此方法以主观天气分型方法为基础,但为使天气分型的结果能更好地与污染物浓度变化相联系,除考虑天气形势和天气系统外,同时引入影响北京夏末秋初污染物浓度的主要气象要素(降水量和风场)进行天气分型,从而能更好的分析天气型和污染物浓度的关系.2 结果和讨论2.1 天气分型综合上述研究方法将影响北京地区天气型分为2大类、6种,即积累天气型4种:积累Ⅰ-槽前无降水型、积累Ⅱ-槽后脊前型、积累Ⅲ-脊型、积累Ⅳ-副高型;清除天气型2种:清除Ⅰ-槽或槽前有降水型、清除Ⅱ-槽后有降水或偏北风型.各类天气型特点具体描述如下:积累Ⅰ-槽前无降水型(图2a):在此天气型时北京地区在500hpa位于槽前,低空850hpa以偏南风为主,地面多为均压场或鞍型场,且区域无降水.在此类天气型控制下,整层大气较不稳定,但低层的偏南风输送,结合区域北部和西部山体阻挡的特殊地形,容易造成污染物的累积高值,此天气型发生在晴朗天气型之后,以多云到阴天气为主.2007、2008年此天气型所占比例分别为7%和8%.积累Ⅱ-槽后脊前型(图2b): 此类型主要特征为500hpa北京地区主要位于槽后脊前(少数位于槽后,但低层有偏南风输送),低空850hpa多处于槽后、脊、高压或偏南气流控制中,地面气压场多为均压场和高压后部或底部.在此天气类型控制下,区域天气以晴朗、中等云量为主,下沉气流和相对稳定的垂直结构使污染物在这一时段以累积上升为主,属于污染累积相对较轻的天气型. 2007、2008年此天气型所占比例均为22%.积累Ⅲ-脊型(图2c):此类型发生时,北京地区500hpa为脊区控制,低空850hpa多为偏南气流、脊或高压场控制,地面为高压和均匀场.此天气类型表现为天气晴朗、少云,近地层风速较小,中国环境科学低层偏南风输送,整层大气稳定,区域整体处于静稳状态,不利于污染物扩散,且此类型多发生在积累Ⅱ型之后,一般污染物在此类型达到峰值.尤其夏季与西进北抬的西太平洋副热带高压相结合,常形成持续多天的重污染过程. 2007、2008年此天气型所占比例分别为17%和16%.积累Ⅳ-副高或高压控制型(图2d):此类型发生时,北京地区夏季为西太平洋副热带高(简称副高)控制,500hpa天气图上表现为5880gpm等高线的脊线在40°N左右,低层850hpa为偏南气流或高压控制,地面为均匀或高压场.在副高控制下,大气整层稳定,天气以晴朗、少云、微风或静风、炎热为主,低层盛行偏南风输送且普遍形成逆温层,逆温层较厚、较低、空气潮湿,大气表现为静稳特征,污染物经过多天累积增长后,常在此类型和积累Ⅲ的共同作用下达到峰值[11].此类型是夏季华北地区区域污染物累积的典型天气型[11,12]. 2007、2008年此天气型所占比例分别为15%和6%.清除Ⅰ-槽或槽前有降水型(图2e):此类型控制时,北京地区在500hpa天气图上受槽、倒槽或槽前西南气流控制,低层850hpa多为低压、槽前、倒槽或偏南气流控制,地面气压场为均压场或低压场,大气处于不稳定状态,低层由于偏南水汽输送使得大气水汽充足,加上气团的上升运动,有时与副高配合,常形成区域大范围的降水,从而对污染物进行有效的湿清除,使区域环境质量达到谷值. 2007、2008年此天气型所占比例分别为32%和35%.清除Ⅱ-槽后有降水或偏北风型(图2f):北京地区在此类天气型时,500hpa位于槽后,并且中纬地区等高线较平直,低层850hpa为倒槽、槽前、低压控制时多形成大范围降水,或者850hpa 低层为槽后或高压前部,有较大偏北风,地面为低压或均匀场控制.此类天气型伴随的降水或低层偏北大风都对区域污染物进行较有效清除. 2007、2008年此天气型所占比例分别为7%和14%.不同年份各天气型所占比例略有不同,和2007年相比, 2008年清除Ⅱ型所占比例增加,而积累Ⅳ型比例减少;2008年积累型天气型所占比例为51%,而2007年则为61%;总体看8、9月份控制北京地区主要天气型为积累Ⅱ、积累Ⅲ和清除Ⅰ，约占72%.2.2 北京地区夏末秋初污染状况北京地区4站(北京塔、阳坊、奥运村、龙潭湖)2007年和2008年夏末秋初NOx、PM2.5、PM10日均值以及O3日小时均值最大值变化图见图3.各站二次污染物(O3和PM2.5)结果显示北京区域污染具有明显的一致性和区域性特点,统计分析显示各站浓度值相关性显著;同时各站二次污染物从波峰到波谷的变化较为一致,周期性和过程性特点显著；颗粒物的每个周期变化体现为慢积累和快清除的特点;尽管各站二次污染的前体物浓度值差异较大(如臭氧的前体物之一NOx,各站浓度值差异较大),但区域臭氧和PM2.5仍表现出较强的一致性,说明区域光化学污染与天气形势和气象要素密切相关.2007年各污染物浓度值较高,其中O3区域平均值超过国家二级标准(日小指均值最大值体积分数100×10-9)的比例为46%;PM2.5中国没有标准,以世界卫生组织(WHO)规定的PM2.5过渡期的标准(日均值50μg m-3)计算,超标天数比例为66%;PM10超过国家二级标准(日均值150μg m-3)的比例为63%;北京夏秋季空气污染形势严峻.2008年相比2007年各站各污染物浓度都有显著下降,与施行了北京奥运会空气质量保障措施(7月20日-9月20日严格的源减排措施包括机动车单双号限行、周边钢铁厂、化工厂停工、城区内建筑工地停止作业等)密切相关,同时与这一时段有利扩散的天气型较2007年多相联系(2008年有利天气型占49%,而2007年仅为39%);奥运会(8月8日-24日)召开期间空气质量良好,各污染物浓度值较低,但整个时段(8月1日-9月20日)O3和PM10浓度仍有个别天超过国家二级标准,这些重污染事件与不利于扩散的天气型密切相关,而PM2.5浓度值有45%的天数超过WHO(50μg m-3)标准.因此整体看,北京地区夏末秋初污染仍较重,尤其是光化学污染(O3和PM2.5)非常严重.图2 6种天气型对应的08时500hpa天气图:(a)积累Ⅰ(2007年9月17日),(b)积累Ⅱ(2007年9月8日),(c)积累Ⅲ(2007年9月10日),(d)积累Ⅳ(2008年8月6日)(e)清除Ⅰ(2007年8月11日),(f)清除Ⅱ(2008年9月11日) Fig.2 500hpa level synoptic maps at 08 LST for the six-synoptic patterns: (a)accumulationⅠ(17 September, 2007),(b)accumulationⅡ(8 September, 2007),(c)accumulation Ⅲ(10 September, 2008),(d)accumulation Ⅳ(6 August,2008)(e)dispersionⅠ(11 August, 2008),(f)dispersionⅡ(11 September, 2008)图3 北京塔（BJT）、阳坊（YF）、奥运村（AYC）、龙潭湖（LTH）4个站的NOx、PM2.5、PM10日均值以及O3日小时均值最大值变化图Fig. 3 Concentrations of hourly maximum O3, daily average NOx、PM2.5 and PM10 at BJT、YF、AYC and LTHsites2.3 不同天气型和污染物的关系2007和2008年不同天气型下北京O3日小时均值最大值和NOx、PM2.5/10日均值区域均值见表1.除NOx外,O3、PM2.5和PM10在不同天气型下浓度值差别显著;不同天气型NOx差异不显著可能由于高浓度NOx局地排放导致天气和气象对其影响不显著,同时夏季大气光化学反应对NOx 浓度水平影响较大,使得NOx浓度水平变化较复杂; O3、PM2.5和PM10在不同天气型控制下的浓度均值差别较大,单因素方差分析结果也显示不同天气型对污染物浓度平均值有显著影响(P<0.0001).2007年O3、PM2.5和PM10在6种天气型的浓度分别从61.6×10-9(体积分数)增加到127.6×10-9,31.9μg m-3增加到118.7μg m-3,124.3μg m-3增加到262.1μg m-3;2008年O3、PM2.5和PM10在6种天气型的浓度分别从59.1×10-9(体积分数)增加到96.9×10-9(体积分数),22.2μg m-3增加到113.2μg m-3, 43.2μg m-3增加到150.2μg m-3.为考虑不同天气型对污染事件的捕捉能力,分别计算O3、PM2.5和PM10每年污染物浓度值最高的10天在每种天气型中所占的天数(表1),结果表明2007年全集中在积累型天气控制时,而2008年则有少数天在清除天气型控制时出现, 但这时污染物浓度值较低,未超过出国家二级超标(O3都为98×10-9(体积分数)、PM2.5为81和83μg m-3、PM10为123和118μg m-3),说明此天气分型能较好的把握污染物浓度的高值.NOx、O3、PM2.5和PM10在积累和清除天气型控制时均值逐时变化见图4.整体看4种污染物在积累天气型控制时一般都显著高于清除天气型控制时的浓度均值,但不同物质又有差别.NOx在两类天气型控制时早晨和晚上污染物浓度值较高,并且0点-16点积累型控制时NOx 浓度值高于清除型控制时,而17点-23点则相反.O3在下午15时达到最大值,积累天气型控制时O3小时最大值和日变化幅度都远大于清除天;积累天气型控制时O3小时最大值较高与此天气型控制时天气晴朗、少云、太阳辐射较强密切联系,而清除天气型控制时浓度较低与此类型多阴雨天密切相关.PM2.5和PM10日变化趋势较一致,但2008年积累天气型控制时日变化与其他不同,同时2008年PM10在两类天气型控制时日变化不明显.比较两年污染物在积累和清除天气型的浓度值,相同时段(8月11日-9月20日)在2大类天气型控制下浓度均值都有不同程度下降(图5),并且在积累天气型控制时污染物浓度下降均比清除型天气型控制时下降幅度大,同类型天气型控制时NOx较O3下降多,PM10较PM2.5下降多,显示出2008北京奥运空气质量保障措施的执行对于汽车尾气等产生的NOx和道路以及建筑工地扬尘等产生的PM10等一次污染物的有效消减,同时由于前体物的减低,O3和PM2.5在积累天气型控制时也有效降低,但由于区域输送的影响,二次污染物消减程度相对较弱.表1不同天气型下北京地区各污染物浓度均值(区域均值O3为日小时均值最大值,NOx、PM2.5/10为日均值) Table1 Mean concentrations of pollutants for the synoptic categories.( O3 averaged by hourly maximum and NOx、PM2.5/10 averaged by daily average)2007年8月11日-9月20日2008年8月1日-9月20日NOx体积分数(10-9)O3体积分数(10-9)PM2.5(μg m-3)PM10(μg m-3)天数(d)NOx体积分数(10-9)O3体积分数(10-9)PM2.5(μg m-3)PM10(μg m-3)天数(d)积累天气型 38.1±7.1 115.2±28.8 90.6±32.5 212.5±54.2 25 19.3±3.9 87.1±19.2 66.3±37.6 99.6±45.32 6清除天气型36.3±7.7 68.9±27.3 39.3±15.6 125.4±40.9 16 19.0±3.9 62.5±19.4 41.0±22.8 65.2±33.52 5清除Ⅰ35.5±7.6 70.5±29.0(0) 41.0±16.0(0) 124.3±44.4(0) 13 19.1±4.3 59.1±17.2(1) 48.4±22.4(2) 73.8±34.1(2)1 8清除Ⅱ39.4±9.0 61.6±21.1(0) 31.9±13.9(0) 130.1±25.7(0) 3 18.8±3.2 71.3±23.1(1) 22.2±9.5(0) 43.2±20.5(0) 7积累Ⅰ37.7±4.7 85.2±48.2(1) 111.4±18.2(2) 245.4±10.0(3) 3 19.4±4.8 74.8±17.4(1) 89.9±46.3(2) 135.3±44.9(2) 4积累Ⅱ40.5±5.8 123.5±17.2(5) 70.7±11.8(1) 185.1±31.1(3) 9 18.7±4.6 84.0±18.3(2) 42.5±17.2(0) 69.3±27.2(1) 11积累Ⅲ41.1±6.3 127.6±34.1(4) 118.7±36.4(4) 262.1±60.7(4) 7 19.8±3.6 94.0±22.0(3) 69.8±35.7(3) 104.3±40.7(3) 8积累Ⅳ31.3±7.2 103.4±11.8(0) 77.0±28.9(3) 179.5±36.8(0) 6 19.9±0.9 96.9±9.7(2) 113.2±31.3(3) 150.2±40.4(2) 3注:括号内为各污染物浓度值最高的10天在不同天气型中所占天数.图4 观测时段积累和清除天气型控制时北京各污染物区域均值逐时变化图(实线为积累天气型控制,虚线为清除天气型控制)Fig. 4Mean hourly concentrations of pollutants associated with the accumulation and dispersion synoptic patterns (the real lines represent variation under the accumulation synoptic patterns and the dashed lines represent variation under thedispersion synoptic patterns)图5 2007和2008年相同时段(8月11日-9月20日)在积累和清除天气型控制下污染物浓度均值Fig.5Mean concentrations of pollutions averaged under the accumulation synoptic patterns from August 11 to September 20 both for 2007 and 20083 结论本文研究结果表明在北京地区夏季和秋初基于500hpa、850hpa高度场和地面气压场以及每日区域降水量和风场的天气分型方法能较好的划分出不同类型的天气型,并有效的应用于研究污染物变化的研究.6种天气型分别为槽前无降水、槽后脊前、脊、副高以及槽或槽前有降水、槽后有降水或偏北风,其中前4种与高浓度污染事件相联系为积累天气型,后2种与污染物浓度低值相联系为清除天气型,这些都归因于天气形势对空气污染物的汇聚和清除的重要作用.北京地区污染呈现出区域复合型特点,尤其夏季光化学污染严重,形势不容乐观,尽管2008年夏季施行了奥运空气质量保证措施,但在积累天气型控制下O3和PM10仍有个别天超过国家二级标准,而PM2.5浓度值有45%的天数超过WHO(50μg m-3)标准,因此关注特定天气天气形势下污染物浓度值,尤其是高浓度污染出现的天气形势,对预测未来空气质量尤为重要.本文提出此方法对于预测未来空气质量尤其是重污染具有非常重要的参考意义.参考文献：[1]Giorgi F, Meleux F. Modeling the regional effects of climatechange on air quality [J]. Comptes Rendus Geosciences, 2007,339(11-12):721-733. [2]Ziomas I C, Melas D, Zerefos C S, et al. Forecasting peakpollutant levels from meteorological variables [J]. AtmosphericEnvironment, 1995, 29(24): 3703-3711.[3]Comrie A C. An all-season synoptic climatology of air pollutionin the U.S.–Mexico border region [J]. Prof Geogr,1996,48:237–251.[4]Greene J S, Kalkstein L S, Ye H, et al. Relationships betweensynoptic climatology and atmospheric pollution at 4 US cities[J]. Theor Appl Climatol, 1999, 62(3): 163-174.[5]胡敏,刘尚,吴志军,等. 北京夏季高温高湿和降水过程对大气颗粒物谱分布的影响[J]. 环境科学,2006,27(11): 2293-2298.[6]Cheng S, Lam K C. Synoptic typing and its application to theassessment of climatic impact on concerntrations of sulfurdioxide and nitrogen oxides in Hong Kong [J]. AtmosphericEnvironment, 2000, 34:585-594.[7]Yarnal B. Synoptic slimatology in environmental analysis [M].London: Belhaven Press.[8]Keim B D, Meeker L D, Slater J F. Manual synoptic climateclassification for the east coast of New England (USA) with anapplication to PM2. 5 concentration [J]. Climate Res, 2005,28(2):143-153.[9]Cheng C S, Campbell M, Li Q, et al. A synoptic climatologicalapproach to assess climatic impact on air quality in south-centralCanada,Part I: historical analysis [J]. Water Air Soil Pollut,2007, 182(1): 131-148.[10]孟燕军, 程丛兰. 影响北京大气污染物变化的地面天气形势分析[J]. 气象, 2002, 28(4): 42-47.[11]隋珂珂, 王自发, 杨军, 等. 北京PM10持续污染及与常规气象要素的关系[J]. 环境科学研究, 2007, 20(6): 77-82. [12]王喜全, 齐彦斌, 王自发, 等. 造成北京PM10重污染的二类典型天气形势[J]. 气候与环境研究, 2007, 12(1): 81-86. [13]苏福庆, 高庆先, 张志刚, 等, 北京边界层外来污染物输送通道[J]. 环境科学研究, 2004, 17(1):26-29.[14]任阵海, 苏福庆, 陈朝晖, 等. 夏秋季节天气系统对边界层内大气中PM10浓度分布和演变过程的影响[J]. 大气科学,2008, 32(4): 741-751.[15]范清, 程水源, 苏福庆, 等. 北京夏季典型环境污染过程个例分析[J]. 环境科学研究, 2007, 20(5): 12-19.[16]朱乾根, 林锦瑞, 寿绍文, 等. 天气学原理和方法[M]. 北京:气象出版社, 2007:249.作者简介：王莉莉(1982-),女,河南鹿邑人,研究实习员,博士生,主要从事大气环境和天气气候相互影响方面研究.已发表论文2篇.致谢：感谢大气所胡波、于文鹏博士及课题组成员的大量实验工作；感谢感谢王万筠在天气实况分析方面给予的帮助.。
