相对湿度和PM 25 及PM 10 对成都大气能见度的影响
发布时间：2021-12-17 19:27
为探究相对湿度及大气气溶胶等影响因子对成都大气能见度的影响,并得出它们之间的函数关系。利用2014～2018年成都市气象观测站及环境监测站的能见度、相对湿度等气象因子及PM2.5、PM10等大气污染物数据进行变化趋势及相关性分析。结果表明:成都地区年平均能见度呈明显的上升趋势,其主要原因与PM2.5及PM10年平均浓度的持续性降低有关。能见度与相对湿度的线性相关系数最高,其次是PM2.5。当相对湿度小于85%时,能见度与PM2.5、PM10主要呈指数函数相关,当相对湿度大于85%时,能见度与PM2.5、PM10主要呈逆函数相关。随着相对湿度的增加,能见度受相对湿度的影响逐渐增大,能见度与PM2.5、PM10的非线性相关性逐渐减小。能见度与相对湿度主要呈三次函数关系,其次是幂函数,两者相关系数相差极小。运用相对湿度、PM
【文章来源】：四川环境. 2020,39(06)
【文章页数】：8 页
【部分图文】：
图1 年平均能见度、相对湿度、PM10、PM2.5、NO2、O3、SO2及CO随年份时间变化规律
图2为大气能见度与相对湿度、PM10、PM2.5及PM10与PM2.5差值的2014～2018年月平均变化趋势，由图可知，能见度变化趋势呈倒“V”型，在5月最高，在12月最低，相对湿度变化趋势呈单峰单谷型，在5月份最低，在9月最高，在1～9月，能见度与相对湿度呈现显著的负相关。由于成都地区秋季9月降水持续时间长、次数多，所以出现相对湿度骤升与能见度骤降主要受其影响[14]。在10～12月，能见度与相对湿度的变化趋势出现反常，随相对湿度的降低，能见度也反而降低，其根本原因是成都市地域气候特性导致秋冬季节逆温层频繁发生，使得大量颗粒物跟水汽堆积在近地层表面难以扩散而形成雾霾，秋冬季节的低能见度主要由大气气溶胶粒子浓度决定[3,15]。由图2 (b）可知，PM10、PM2.5及PM10与PM2.5浓度差值的月变化趋势呈“凹”型，质量浓度都在9月份最低，PM10与PM2.5浓度在1月份最高，PM10与PM2.5浓度差值在12月份最高，浓度高低主要受大气稳定度影响，且PM10、PM2.5及PM10-PM2.5浓度之间相关性极好，主要受工业、汽车尾气排放等影响，三者与能见度之间的相关性良好[2]。图3是大气能见度与PM10、PM2.5及PM10-PM2.5质量浓度的2014～2018年平均日小时变化曲线，由图可知，相对湿度与能见度的变化曲线都是“单峰单谷”型，且呈明显负相关。在6时，相对湿度为最高峰值时，能见度为最低谷值，之后随着日出温度的升高，相对湿度逐渐降低，能见度逐渐升高，至15时温度达到最高，相对湿度达到最小值，能见度达到最大值，15时之后，温度开始逐渐回落，相对湿度相应的开始逐渐升高，能见度开始逐渐降低直到第二日6时。而PM10、PM2.5及PM10-PM2.5浓度主要受人类活动以及大气稳定度的影响，其浓度与能见度呈较好的负相关[16]。PM10及PM2.5浓度在8时最高，之后随着日出温度的升高，大气稳定被逐渐破坏，垂直及水平对流加强，大气气溶胶粒子开始逐渐扩散，能见度逐渐升高，直到18时后，温度已降低明显，逆温层逐渐形成，大气开始趋于稳定，大气气溶胶粒子在近地层堆积，能见度逐渐降低，直到第二日8时。
图3是大气能见度与PM10、PM2.5及PM10-PM2.5质量浓度的2014～2018年平均日小时变化曲线，由图可知，相对湿度与能见度的变化曲线都是“单峰单谷”型，且呈明显负相关。在6时，相对湿度为最高峰值时，能见度为最低谷值，之后随着日出温度的升高，相对湿度逐渐降低，能见度逐渐升高，至15时温度达到最高，相对湿度达到最小值，能见度达到最大值，15时之后，温度开始逐渐回落，相对湿度相应的开始逐渐升高，能见度开始逐渐降低直到第二日6时。而PM10、PM2.5及PM10-PM2.5浓度主要受人类活动以及大气稳定度的影响，其浓度与能见度呈较好的负相关[16]。PM10及PM2.5浓度在8时最高，之后随着日出温度的升高，大气稳定被逐渐破坏，垂直及水平对流加强，大气气溶胶粒子开始逐渐扩散，能见度逐渐升高，直到18时后，温度已降低明显，逆温层逐渐形成，大气开始趋于稳定，大气气溶胶粒子在近地层堆积，能见度逐渐降低，直到第二日8时。由以上大气能见度与其影响因子之间的年月日变化曲线可以看出，PM2.5和PM10与PM2.5差值之间的变化趋势具有高度的一致性，且PM10-PM2.5和PM10、PM2.5具有完全的信息重叠特性，与能见度变化趋势之间的相关性最差，故剔除PM10与PM2.5差值这一影响因子的后续分析步骤。
【参考文献】：
期刊论文
[1]南京地区相对湿度对气溶胶含量的影响[J]. 宋秀瑜,曹念文,赵成,杨思鹏. 中国环境科学. 2018(09)
[2]PM2.5及其组分对成都大气能见度的影响分析[J]. 蒋燕,王斌,罗彬. 环境科学与技术. 2017(S2)
[3]四川盆地大气层结变化及其对雾霾天气影响的个例研究[J]. 刘馨语,陈权亮. 四川环境. 2016(03)
[4]解析新《大气污染防治法》[J]. 周珂,于鲁平. 环境保护. 2015(18)
[5]南京北郊秋冬季相对湿度及气溶胶理化特性对大气能见度的影响[J]. 于兴娜,马佳,朱彬,王红磊,严殊祺,夏航. 环境科学. 2015(06)
[6]大气污染防治法修订之我见:兼评《大气污染防治法（修订草案）》[J]. 曹明德,程玉. 江淮论坛. 2015(03)
[7]成都地区降水时空分布变化[J]. 李昕翼,肖国杰,白爱娟,施娟. 气象科技. 2011(04)
[8]辽宁中部城市群大气能见度变化趋势及影响因子分析[J]. 马雁军,左洪超,张云海,惠小英. 高原气象. 2005(04)
[9]前向散射型能见度仪原理样机的主要性能分析[J]. 莫月琴,刘钧,吕文华,李祥超,王改利,陈钟荣. 南京气象学院学报. 2004(02)
硕士论文
[1]辽宁省PM2.5时空分布规律及其与气象要素关系的研究[D]. 刘源.沈阳农业大学 2017
本文编号：3540785
【文章来源】：四川环境. 2020,39(06)
【文章页数】：8 页
【部分图文】：
图1 年平均能见度、相对湿度、PM10、PM2.5、NO2、O3、SO2及CO随年份时间变化规律
图2为大气能见度与相对湿度、PM10、PM2.5及PM10与PM2.5差值的2014～2018年月平均变化趋势，由图可知，能见度变化趋势呈倒“V”型，在5月最高，在12月最低，相对湿度变化趋势呈单峰单谷型，在5月份最低，在9月最高，在1～9月，能见度与相对湿度呈现显著的负相关。由于成都地区秋季9月降水持续时间长、次数多，所以出现相对湿度骤升与能见度骤降主要受其影响[14]。在10～12月，能见度与相对湿度的变化趋势出现反常，随相对湿度的降低，能见度也反而降低，其根本原因是成都市地域气候特性导致秋冬季节逆温层频繁发生，使得大量颗粒物跟水汽堆积在近地层表面难以扩散而形成雾霾，秋冬季节的低能见度主要由大气气溶胶粒子浓度决定[3,15]。由图2 (b）可知，PM10、PM2.5及PM10与PM2.5浓度差值的月变化趋势呈“凹”型，质量浓度都在9月份最低，PM10与PM2.5浓度在1月份最高，PM10与PM2.5浓度差值在12月份最高，浓度高低主要受大气稳定度影响，且PM10、PM2.5及PM10-PM2.5浓度之间相关性极好，主要受工业、汽车尾气排放等影响，三者与能见度之间的相关性良好[2]。图3是大气能见度与PM10、PM2.5及PM10-PM2.5质量浓度的2014～2018年平均日小时变化曲线，由图可知，相对湿度与能见度的变化曲线都是“单峰单谷”型，且呈明显负相关。在6时，相对湿度为最高峰值时，能见度为最低谷值，之后随着日出温度的升高，相对湿度逐渐降低，能见度逐渐升高，至15时温度达到最高，相对湿度达到最小值，能见度达到最大值，15时之后，温度开始逐渐回落，相对湿度相应的开始逐渐升高，能见度开始逐渐降低直到第二日6时。而PM10、PM2.5及PM10-PM2.5浓度主要受人类活动以及大气稳定度的影响，其浓度与能见度呈较好的负相关[16]。PM10及PM2.5浓度在8时最高，之后随着日出温度的升高，大气稳定被逐渐破坏，垂直及水平对流加强，大气气溶胶粒子开始逐渐扩散，能见度逐渐升高，直到18时后，温度已降低明显，逆温层逐渐形成，大气开始趋于稳定，大气气溶胶粒子在近地层堆积，能见度逐渐降低，直到第二日8时。
图3是大气能见度与PM10、PM2.5及PM10-PM2.5质量浓度的2014～2018年平均日小时变化曲线，由图可知，相对湿度与能见度的变化曲线都是“单峰单谷”型，且呈明显负相关。在6时，相对湿度为最高峰值时，能见度为最低谷值，之后随着日出温度的升高，相对湿度逐渐降低，能见度逐渐升高，至15时温度达到最高，相对湿度达到最小值，能见度达到最大值，15时之后，温度开始逐渐回落，相对湿度相应的开始逐渐升高，能见度开始逐渐降低直到第二日6时。而PM10、PM2.5及PM10-PM2.5浓度主要受人类活动以及大气稳定度的影响，其浓度与能见度呈较好的负相关[16]。PM10及PM2.5浓度在8时最高，之后随着日出温度的升高，大气稳定被逐渐破坏，垂直及水平对流加强，大气气溶胶粒子开始逐渐扩散，能见度逐渐升高，直到18时后，温度已降低明显，逆温层逐渐形成，大气开始趋于稳定，大气气溶胶粒子在近地层堆积，能见度逐渐降低，直到第二日8时。由以上大气能见度与其影响因子之间的年月日变化曲线可以看出，PM2.5和PM10与PM2.5差值之间的变化趋势具有高度的一致性，且PM10-PM2.5和PM10、PM2.5具有完全的信息重叠特性，与能见度变化趋势之间的相关性最差，故剔除PM10与PM2.5差值这一影响因子的后续分析步骤。
【参考文献】：
期刊论文
[1]南京地区相对湿度对气溶胶含量的影响[J]. 宋秀瑜,曹念文,赵成,杨思鹏. 中国环境科学. 2018(09)
[2]PM2.5及其组分对成都大气能见度的影响分析[J]. 蒋燕,王斌,罗彬. 环境科学与技术. 2017(S2)
[3]四川盆地大气层结变化及其对雾霾天气影响的个例研究[J]. 刘馨语,陈权亮. 四川环境. 2016(03)
[4]解析新《大气污染防治法》[J]. 周珂,于鲁平. 环境保护. 2015(18)
[5]南京北郊秋冬季相对湿度及气溶胶理化特性对大气能见度的影响[J]. 于兴娜,马佳,朱彬,王红磊,严殊祺,夏航. 环境科学. 2015(06)
[6]大气污染防治法修订之我见:兼评《大气污染防治法（修订草案）》[J]. 曹明德,程玉. 江淮论坛. 2015(03)
[7]成都地区降水时空分布变化[J]. 李昕翼,肖国杰,白爱娟,施娟. 气象科技. 2011(04)
[8]辽宁中部城市群大气能见度变化趋势及影响因子分析[J]. 马雁军,左洪超,张云海,惠小英. 高原气象. 2005(04)
[9]前向散射型能见度仪原理样机的主要性能分析[J]. 莫月琴,刘钧,吕文华,李祥超,王改利,陈钟荣. 南京气象学院学报. 2004(02)
硕士论文
[1]辽宁省PM2.5时空分布规律及其与气象要素关系的研究[D]. 刘源.沈阳农业大学 2017
本文编号：3540785
本文链接：https://www.wllwen.com/projectlw/qxxlw/3540785.html
