發(fā)布時(shí)間：2021-04-13 14:35

　　利用九江市2014—2017年氣象觀測站常規(guī)觀測的氣象資料和九江市環(huán)境監(jiān)測站污染物日平均濃度資料、AQI日均值和首要污染物等觀測要素,通過統(tǒng)計(jì)學(xué)方法對不同季節(jié)內(nèi)地面氣象要素和AQI做相關(guān)性分析,并選取相關(guān)性好的因子分別做回歸分析并建立預(yù)報(bào)方程,結(jié)果表明:1)相對于全年回歸預(yù)報(bào)方程,不同季節(jié)的氣象要素與AQI的相關(guān)程度不同,不同季節(jié)的回歸方程對AQI指數(shù)的預(yù)報(bào)準(zhǔn)確率高; 2)由于污染物的累積特征,前一天的AQI與當(dāng)天AQI相關(guān)系數(shù)高達(dá)0.66,在回歸的過程中,前一天的AQI值做為最重要的一項(xiàng)參數(shù); 3)春季、夏季由于降水比較明顯,且由O₃造成的污染日數(shù)相對較多,而高溫和日照對O₃有顯著的相關(guān),所以AQI的預(yù)報(bào)能力較強(qiáng);秋冬季由于外來輸送污染嚴(yán)重和PM_2.5首污的日數(shù)增加,氣象要素的相關(guān)性較低,預(yù)報(bào)能力也隨之降低。 

【文章來源】：江西科學(xué). 2020,38(04)

【文章頁數(shù)】：6 頁

【部分圖文】：

九江市2014—2017年空氣質(zhì)量等級分布

九江市2014—2017年輕度以上污染月分布圖

2014—2017年，在九江市影響空氣質(zhì)量的主要污染物有PM2.5、PM10和O33種，重度以上污染日的首要污染物全部是PM2.5(圖略)。對2014—2017年首要污染物分季節(jié)分布分析(圖3)發(fā)現(xiàn)，不同季節(jié)的首要污染物不同:春、秋季首要污染物是PM10、PM2.5、O3，且污染天數(shù)大致相同，夏季首要污染物主要是O3，冬季首要污染物主要為PM2.5,O3污染天數(shù)很少。具體到逐月分布，如圖4所示，在11月到次年2月PM2.5是最重要的污染物，占比達(dá)到78%，其次是PM10污染占比21%,O3污染占比僅為2%。5—9月由于溫度和日照的影響，首要污染物中O3占比57%為最高，PM10占比23%,PM2.5占比明顯下降，僅占19%。PM10污染則分布比較均勻，沒有表現(xiàn)出明顯的月變化。由此可見，在不同季節(jié)，影響空氣質(zhì)量的首要污染物不同，為此嘗試分季節(jié)分析污染日的氣象影響因子。

【參考文獻(xiàn)】：
期刊論文
[1]石家莊市采暖期空氣質(zhì)量特征及其與氣象條件的關(guān)系[J]. 王云霞,張艷杰,孟令堯,張焱,曹跟華,趙江偉.  科學(xué)技術(shù)與工程. 2020(01)
[2]長三角城市群冬季一次重污染天氣過程分析[J]. 劉玲,趙巧華,汪靖.  科學(xué)技術(shù)與工程. 2019(26)
[3]2014-2017年九江市空氣污染物現(xiàn)狀分析[J]. 楊超,徐潔玲,李恒.  江西科學(xué). 2019(04)
[4]九江市重污染天氣形勢特征及污染源分析[J]. 徐潔玲,楊超.  江西科學(xué). 2019(03)
[5]PM2.5及氣象要素對烏魯木齊市臭氧的影響[J]. 關(guān)清,鄭有飛,趙輝,袁月,王燕.  科學(xué)技術(shù)與工程. 2019(10)
[6]北京市房山區(qū)大氣污染物時(shí)空分布特征及氣象影響因素分析[J]. 劉郁玨,李艷,苗世光.  氣象與環(huán)境科學(xué). 2018(04)
[7]南昌市空氣質(zhì)量預(yù)報(bào)產(chǎn)品檢驗(yàn)分析及統(tǒng)計(jì)訂正試驗(yàn)[J]. 岳旭,蔣璐君,吳瓊.  氣象與減災(zāi)研究. 2018(03)
[8]江蘇淮安地區(qū)大氣污染變化特征及其與氣象條件的關(guān)系[J]. 吳序鵬,劉端陽,謝真珍,宋京京,夏祥鰲,王皓飛.  氣象與環(huán)境科學(xué). 2018(01)
[9]2012—2015年北京市空氣質(zhì)量指數(shù)變化及其與氣象要素的關(guān)系[J]. 王景云,張紅日,趙相偉,姬杰輝,楊世寨.  氣象與環(huán)境科學(xué). 2017(04)
[10]基于AQI的深圳大氣污染特征及其典型環(huán)流形勢分析[J]. 王明潔,賀佳佳,王書欣,張蕾.  生態(tài)環(huán)境學(xué)報(bào). 2018(02)



本文編號：3135476