高原气象

高原气象 >

2019 , Vol. 38 >Issue 5: 1120 - 1128

DOI: https://doi.org/10.7522/j.issn.1000-0534.2019.00018

论文

多尺度气象条件对济南PM2.5污染的影响

  • 尹承美 ,
  • 何建军 ,
  • 于丽娟 ,
  • 焦洋 ,
  • 周乐晨
展开
  • 济南市气象局, 山东 济南 250102;中国气象科学研究院 灾害天气国家重点实验室/中国气象局大气化学重点开放实验室, 北京 100081;中国科学院大气物理研究所, 北京 100029

收稿日期: 2018-10-16

  网络出版日期: 2019-10-28

基金资助

国家自然科学基金项目（41705080）；济南市科技局社会民生重大专项（201704137）；中国气象局预报员专项（CMAYBY2019-063）；山东省气象局重点课题（2016sdqxz05）

收起

The Impact of Multi-Scale Meteorological Conditions on PM2.5 Pollution over Ji'nan

  • YIN Chengmei ,
  • HE Jianjun ,
  • YU Lijuan ,
  • JIAO Yang ,
  • ZHOU Lechen
Expand
  • Ji'nan Meteorological Bureau of Shandong Province, Ji'nan 250102, Shandong, China;State Key Laboratory of Severe Weather & Key Laboratory of Atmospheric Chemistry of China Meteorological Administration, Chinese Academy of Meteorological Sciences, Beijing 100081, China;Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029, China

Received date: 2018-10-16

  Online published: 2019-10-28

Fold

摘要

长时间序列空气质量数据和气象数据分析济南大气污染与气象条件关系的研究相对较少。利用2010-2016年济南市环境空气质量监测数据、气象再分析和观测数据，分析了济南市PM2.5污染特征、PM2.5浓度与2 m温度（T）、2 m相对湿度（RH）、10 m高度U和V风速（U和V）、10 m风速（WS）、K指数（K）、A指数（A）和边界层高度（BLH）的相关性、天气类型对PM2.5浓度的影响，并基于逐步回归分析方法构建统计模型，利用解释方差量化气象条件对PM2.5浓度变化的影响。分析发现，济南PM2.5浓度存在显著的季节变化和年际变化特征，年均PM2.5浓度呈下降趋势；近地面PM2.5浓度与T、RH、K和A显著正相关，与WS和BLH显著负相关，U和V与PM2.5浓度相关性不显著（p < 0.05）；不同天气类型对应的PM2.5浓度均值存在显著差异；基于回归模型分析发现气象条件可以解释10%~40%的PM2.5浓度逐日变化，气象条件的影响有明显的季节变化。

关键词： 济南; PM2.5; 相关分析; 多元回归; 气象条件

本文引用格式

尹承美 , 何建军 , 于丽娟 , 焦洋 , 周乐晨 . 多尺度气象条件对济南PM2.5污染的影响[J]. 高原气象, 2019 , 38(5) : 1120 -1128 . DOI: 10.7522/j.issn.1000-0534.2019.00018

Abstract

Based on long-term air quality and meteorological data,the analysis of the relationship between air pollution and meteorological conditions over Ji'nan is relatively rare.Using air quality monitoring data,meteorological reanalysis data,and meteorological observation data in Ji'nan City from 2010 to 2016, this paper analyzes PM2.5 pollution characteristics,the relation between PM2.5 concentration and 2-m temperature (T),2-m relative humidity (RH),10-m U and V component of wind speed (U and V),10-m wind speed (WS),K index (K),A index (A) and boundary layer height (BLH),and circulation types.Based on the stepwise regression model,the influence of meteorological conditions on the day-to-day variation of PM2.5 concentration was quantified by explained variance.The results recover that there are a significant seasonal and interannual variations in PM2.5 concentration in Ji'nan.The annual average PM2.5 concentration decreases significantly during 2010 to 2016.PM2.5 concentration is positive correlated with T,RH,K and A significantly,while negative correlated with WS and BLH (p < 0.05).The correlations between PM2.5 concentration and U and V component do not pass t-test at 95% confidence interval.The mean PM2.5 concentrations for different circulation types have significant difference.Based on regression model analysis,it is found that meteorological conditions can explain the day-to-day variation of PM2.5 concentration from 10% to 40% in Ji'nan.Obvious seasonal difference of impact of meteorological conditions is detected.

Key words： Ji'nan; PM2.5; correlation analysis; regression analysis; meteorological condi

参考文献

[1]He J J, Gong S L, Yu Y, et al, 2017.Air pollution characteristics and their relation to meteorological conditions during 2014-2015 in major Chinese cities[J].Environmental Pollution, 223:484-496.
[2]He J J, Gong S L, Zhou C H, et al, 2018.Analyses of winter circulation types and their impacts on haze pollution in Beijing[J].Atmospheric Environment, 192:94-103.
[3]Liu T T, Gong S L, He J J, et al, 2017.Attributions of meteorological and emission factors to the 2015 winter severe haze pollution episodes in China's Jing-Jin-Ji area[J].Atmospheric Chemistry and Physics, 17:2971-2980.
[4]Turpin B J, Huntzicker J J, 1995.Identification of secondary organic aerosol episodes and quantitation of primary and secondary organic aerosol concentrations during SCAQS[J].Atmospheric Environment, 29(23):3527-3544.
[5]Zhang Y L, Cao F, 2015.Fine particulate matter (PM<sub>2.5</sub>) in China at a city level[J].Scientific Reports, 5:14884.
[6]陈挚秋, 王建力, 杨平恒, 2016.2014年重庆市大气污染物浓度变化特征及其与气象条件的关系[J].西南大学学报(自然科学版), 38(10):147-153.
[7]丁一汇, 柳艳菊, 2014.近50年我国雾和霾的长期变化特征及其与大气湿度的关系[J].中国科学(地球科学), 44(1):37-48.
[8]杜世勇, 谭晓哲, 田勇, 等, 2002.济南市空气质量数值预报研究[J].环境科学研究, 15(4):20-23.
[9]顾沈旦, 于丽娟, 尹承美, 等, 2016.WRF模式对济南地区夏季近地面气象场模拟效果评估[J].气象与环境学报, 32(1):1-8.
[10]郝巨飞, 袁雷武, 李芷霞, 等, 2018.激光雷达和微波辐射计对邢台市一次沙尘天气的探测分析[J].高原气象, 37(4):1110-1119.DOI:10.7522/j.issn.1000-0534.2018.00009.
[11]何建军, 余晔, 刘娜, 等, 2013.基于WRF模式的兰州秋冬季大气污染预报模型研究[J].气象, 39(10):1293-1303.
[12]何建军, 余晔, 刘娜, 等, 2016a.气象条件和污染物排放对兰州市冬季空气质量的影响[J].高原气象, 35(6):1577-1583.DOI:10.7522/j.issn.1000-0534.2015.00087.
[13]何建军, 吴琳, 毛洪钧, 等, 2016b.气象条件对河北廊坊城市空气质量的影响[J].环境科学研究, 29(6):791-799.
[14]环境保护部, 2012.环境空气质量指数(AQI)技术规定(试行)(HJ633-2012)[Z/OL].[2018-10-01].<a href="http://www.gov.cn/zwgk/2012-03/02/content_2081374.htm" target="_blank">http://www.gov.cn/zwgk/2012-03/02/content_2081374.htm</a>.
[15]环境保护部, 国家质量监督检验检疫总局, 2012.环境空气质量标准(GB3095-2012)[S/OL].[2018-10-01].<a href="http://img.jingbian.gov.cn/upload/CMSjingbian/201806/201806210853050.pdf" target="_blank">http://img.jingbian.gov.cn/upload/CMSjingbian/201806/201806210853050.pdf</a>.
[16]胡晓, 徐璐, 俞科爱, 等, 2017.宁波地区一次重污染天气过程的成因分析[J].高原气象, 36(5):1412-1421.DOI:10.7522/j.issn.1000-0534.2016.00098.
[17]李彩霞, 朱国强, 李浩, 等, 2015.长沙市PM<sub>10</sub>、PM<sub>2.5</sub>污染特征及其与气象条件的关系[J].安徽农业科学, 43(12):173-176.
[18]李志成, 郑君瑜, 钟流举, 2011.珠江三角洲地区2006年颗粒物污染过程识别与分析[J].环境科学研究, 24(9):975-981.
[19]李颖敏, 范绍佳, 张人文, 2011.2008年秋季珠江三角洲污染气象分析[J].中国环境科学, 31(10):1585-1591.
[20]刘厚凤, 杨欣, 陈义珍, 等, 2015.中国重霾过程污染气象研究进展[J].生态环境学报, 24(11):1971-1922.
[21]邱粲, 曹洁, 王静, 等, 2014.济南市空气质量状况与气象条件关系分析[J].中国环境监测, 30(1):53-59.
[22]苏兆达, 白龙, 梁岱云, 2017.近15年南宁市霾日数变化特征及气象成因分析[J].高原气象, 36(3):826-834.DOI:10.7522/j.issn.1000-0534.2016.00065.
[23]谭敏, 谢晨波, 王邦新, 等, 2018.北京2014年冬季边界层高度与颗粒物浓度的相关性研究[J].红外与激光工程, 47(7):187-194.
[24]王静, 邱粲, 刘焕彬, 等, 2013.山东重点城市空气质量及其与气象要素的关系[J].生态环境学报, 22(4):644-649.
[25]徐红霞, 刘汝海, 王艳, 等, 2017.2014-2016年山东省空气质量变化及典型城市污染天气污染物来源分析[J].中国人口·资源与环境, 27(11):132-135.
[26]尹承美, 于丽娟, 张永婧, 等, 2017a.济南市雾霾特征分析[J].中国人a口·资源与环境, 24(11):68-70.
[27]尹承美, 褚颖佳, 蔡哲, 2017b.济南市PM<sub>2.5</sub>时空分布特征[J].中国人口·资源与环境, 27(11):160-162.
[28]于丽娟, 尹承美, 何建军, 等, 2017.济南雾和霾特征及其影响因素分析[J].干旱气象, 35(4):581-589.
[29]张朝能, 王梦华, 胡振丹, 等, 2016.昆明市PM<sub>2.5</sub>浓度时空变化特征及其与气象条件的关系[J].云南大学学报(自然科学版), 38(1):90-98.
[30]张人禾, 李强, 张若楠, 2014.2013年1月中国东部持续性强雾霾天气产生的气象条件分析[J].中国科学(地球科学), 44(1):27-36.
[31]张莹, 贾旭伟, 杨旭, 等, 2017.中国典型代表城市空气污染特征及其与气象参数的关系[J].气象与环境学报, 33(2):70-79.
[32]赵晨曦, 王云琦, 王玉杰, 等, 2014.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[J].环境科学, 35(2):418-427.
[33]中华人民共和国国务院, 2013a.大气污染防治十条措施[Z/OL].[2018-10-01].<a href="https://baike.baidu.com/item/大气污染防治十条措施/12505569?fr=aladdin" target="_blank">https://baike.baidu.com/item/大气污染防治十条措施/12505569?fr=aladdin</a>.
[34]中华人民共和国国务院, 2013b.大气污染防治行动计划[Z/OL].[2018-10-01].<a href="http://www.jingbian.gov.cn/gk/zfwj/gwywj/41211.htm?from=timeline&tdsourcetag=s_pctim_aiomsg" target="_blank">http://www.jingbian.gov.cn/gk/zfwj/gwywj/41211.htm?from=timeline&tdsourcetag=s_pctim_aiomsg</a>.
[35]中华人民共和国全国人民代表大会常务委员会, 2015.中华人民共和国大气污染防治法(2015修订)[Z/OL].[2018-10-01].<a href="http://www.npc.gov.cn/wxzl/gongbao/2015-11/10/content_1951879.htm" target="_blank">http://www.npc.gov.cn/wxzl/gongbao/2015-11/10/content_1951879.htm</a>.
Options
文章导航

/

〈 〉

本系统由北京玛格泰克科技发展有限公司设计开发 技术支持：support@magtech.com.cn