影响合肥AQI变化的因素
合肥市空气质量的时间变化规律及其成因分析
气扩散和降水变化有着重要的关系。 1.3 空气质量月变化分析
合肥市空气质量监测系统是我国最早建立的自动 监测系统之一，全市共有三里街、长江中路、琥珀山庄、 明珠广场、董铺水库、庐阳区站、瑶海区站、包河区站、滨 湖新区站和高新区站 10 个空气质量自动监测点监测合 肥区域空气质量指数变化。监测系统可以有效地检测不 同区域空气污染排放量，及时对空气质量采取有效的环
本文对合肥市 2015 年 7 月至 2016 年 6 月的空气 质量进行分析研究，得出空气质量指标年变化和月变化
特征，确定中重度污染日的时空分布特征，从而为合肥 市空气环境质量的防治和改善提供理论依据。
1 合肥市空气质量变化
1.1 总体概况 表 1 是 2015 年 7 月 至 2016 年 6 月 合 肥 市 持 续
表 2 空气质量监测统计结果
监测点
三里街站 长江中路 琥珀山庄 明珠广场 董铺水库 庐阳区站 瑶海区站 包河区站 滨湖新区站 高新区站
评价污染指数
129 106 96 90 62 98 106 95 84 88
指数级
Ⅲ Ⅲ Ⅱ Ⅱ Ⅱ Ⅱ Ⅲ Ⅱ Ⅱ Ⅱ
2 空气质量变化规律成因分析
2.1 大气扩散条件的影响 由于地面在冬季和春季受到辐射的热量较少，地面
图 2 2015.7～2016.6 全年中度污染日数统计图
境保护措施，以便更好地保持空气质量和及时预防严重 空气污染恶化。
表 2 是 2015 年 7 月至 2016 年 6 月期间合肥空气 质量监测系统统计数据。通过表 2 可以看出，最高的空 气质量年平均污染指数是三里街站，达到 129，其次是 长江中路和瑶海区站，平均值为 106，最低的是董铺水 库区域，仅有 62，其他测点的污染指数相似，都在Ⅱ等 级。以上结果说明城市交通和工业布局对空气质量有很 大影响，空气质量在区域上存在较大的差异性。在市中 心的三里街和长江中路，由于人口和交通流量较大，建 筑行业也比其他地区更为发达，易造成粉尘污染，且绿 化覆盖面积较小，城市生态系统的还原功能也相对较 弱。瑶海区因有煤炭为主的能源工业和钢铁企业，落后 的生产工艺造成了大量的大气污染源。相反，董铺水库 工业住宅较少，绿化面积相对较好，可减少灰尘的影响 和吸收空气中的有害物质，此外空气湿度也较高，因此 空气质量污染指数要低得多[3-4]。
2013—2015年合肥市PM2.5重污染特征研究
2013—2015年合肥市PM2.5重污染特征研究2013—2015年合肥市PM2.5重污染特征研究引言：近年来，大气污染已经成为世界各国面临的严重环境问题之一。
细颗粒物（PM2.5）是空气污染的主要成分之一，对人体健康和环境造成了严重的影响。
合肥市作为中国华东地区的重要经济中心，也深受PM2.5污染的困扰。
本研究旨在探究2013年至2015年合肥市PM2.5重污染的特征，为合肥市大气污染防治提供科学依据。
一、观测数据和方法为了研究合肥市2013年至2015年的PM2.5重污染特征，我们收集了合肥市气象局的实时监测数据，并分析了这三年内的PM2.5浓度和气象因素之间的关联。
同时，我们还使用了统计分析方法和GIS技术，对PM2.5密集区和扩散区进行了空间分析和趋势分析。
二、2013—2015年PM2.5浓度变化特征通过对比2013年至2015年的数据，发现合肥市PM2.5浓度整体呈上升趋势，且年均浓度逐年增加。
在2013年，合肥市PM2.5年均浓度为XX μg/m³，而在2015年则达到了XXμg/m³。
三年内PM2.5重污染发生的次数也呈现出逐年增多的趋势。
三、PM2.5重污染的季节性变化根据月均浓度数据，我们将三年内的季节分类为春季、夏季、秋季和冬季四个季节。
我们发现，合肥市的PM2.5浓度在冬季和春季最高，而在夏季和秋季最低。
尤其是冬季，PM2.5重污染现象更为严重。
冬季的高PM2.5浓度与燃煤供暖和大气逆温形成有关，是需要重点关注和治理的季节。
四、PM2.5重污染的空间分布特征通过GIS技术，我们绘制了合肥市PM2.5浓度的空间分布图。
结果显示，PM2.5密集区主要集中在市区和工业区域，而城乡结合部和郊区的PM2.5浓度相对较低。
这表明在合肥市PM2.5高浓度区域，需要加强对排放源的管理和控制。
五、PM2.5重污染的气象因素分析通过与气象数据的对比分析，我们发现气象因素对合肥市PM2.5重污染的影响非常显著。
合肥环境空气中 PM2．5的影响因素和时空分布
合肥环境空气中 PM2．5的影响因素和时空分布
张玉丽[1];朱家明[2];何玉[1];朱海龙[2]
【期刊名称】《成都工业学院学报》
【年(卷),期】2015(018)004
【摘要】针对合肥市环境空气中的 PM2．5污染，使用残差分析、相关系数等方法，建立多元线性回归、污染指数、改进的高斯等模型，运用 Matlab、Eviews、Surfer 等软件，对数据进行处理，得出结论：1）影响 PM2．5浓度的主要影响因素是 CO、PM10的浓度；2）该地区 PM2．5的时空分布和传播规律为沿市区向周围污染逐渐降低；3）自然因素对 PM2．5的传播主要受到风速、温度的影响且随着温度升高污染程度降低，风速越大污染程度越高。
【总页数】4页(P43-46)
【作者】张玉丽[1];朱家明[2];何玉[1];朱海龙[2]
【作者单位】[1]安徽财经大学金融学院,安徽蚌埠233030;[2]安徽财经大学统计与应用数学学院,安徽蚌埠233030
【正文语种】中文
【中图分类】X823
【相关文献】
1.银川市环境空气中PM10、PM
2.5时空分布特征 [J], 王伟;白娟;张欣荣;郭英茹
2.贵阳市空气中PM2.5/PM10时空分布特征研究 [J], 王琴;马琳达
3.合肥市主城区PM2.5时空分布特征研究 [J], 顾康康;祝玲玲
4.基于合肥环境空气质量数据的PM2.5影响因素分析及模型仿真 [J], 吴航;程建华
5.城市街道峡谷PM2.5时空分布特征与空气质量评价
——以合肥市长淮街道为例 [J], 王薇;程歆玥;胡春;夏斯涵;王甜
因版权原因，仅展示原文概要，查看原文内容请购买。
空气质量指数的变化趋势及影响分析
空气质量指数的变化趋势及影响分析空气质量是我们生活中必不可少的一个因素，它直接影响我们的健康和生活质量。
近年来，人们越来越关注空气质量指数（AQI）的变化趋势，并对其可能的影响进行了深入分析。
首先，我们来看看空气质量指数的变化趋势。
随着工业化的快速发展，城市化进程加快，空气质量呈现出明显的波动态势。
一些大城市如北京、上海等地在过去几年里，空气质量指数频繁超过国家标准，成为关注的热点。
同时，为了改善环境质量，政府也推出了一系列减排政策和措施，使得一些地区的空气质量指数有所下降。
其次，空气质量指数的变化对人们的生活产生了不可忽视的影响。
一方面，高空气质量指数会造成空气污染，给人们带来健康隐患。
空气中的颗粒物、有害气体会对人体呼吸系统和免疫系统产生负面影响，导致呼吸道疾病、心血管疾病等健康问题的增加。
另一方面，空气质量指数的恶化也会对人们的心理产生不良影响，增加焦虑、抑郁等心理问题的风险。
此外，空气质量指数的变化还会对经济和社会发展产生影响。
一方面，在空气质量较差的地区，人们的工作效率可能会下降，因为空气污染会导致身体疲劳、注意力不集中等问题。
另一方面，空气质量的恶化也可能影响一些行业的发展。
比如，旅游业受到空气质量的影响较大，游客可能会因为担心健康受到损害而减少旅游需求，从而对旅游业造成负面影响。
然而，我们也要看到，空气质量不只受自然因素的影响，人类活动也是其重要的驱动力。
工业排放、交通尾气、农业化肥使用等都是造成空气质量恶化的重要原因。
因此，改善空气质量需要全社会共同努力。
政府应加强环境管理和减排措施，企业应改善生产工艺和减少污染排放，个人应关注环境保护，减少汽车使用、垃圾分类等。
只有大家共同努力，才能保证空气质量的稳定和改善，使我们的生活更加健康和舒适。
综上所述，空气质量指数的变化趋势及其对人们生活的影响是一个复杂而严肃的问题。
我们必须认识到空气质量问题的严重性，通过加强管理和减少污染源来改善空气质量。
影响合肥AQI变化的因素
影响空气质量指数（AQI）的因素——以合肥市近24小时AQI变化分析为例一、AQI概述AQI，即空气质量指数（Air Quality Index），是定量描述空气质量状况的无量纲指数。
AQI计算与评价的过程大致可分为三个步骤：第一步是对照各项污染物的分级浓度限值(AQI的浓度限值参照（GB3095-2012）， API 的浓度限值参照（GB3095-1996）)，以细颗粒物（PM2.5）、可吸入颗粒物（PM10）、二氧化硫（SO2）、二氧化氮（NO2）、臭氧（O3）、一氧化碳（CO）等各项污染物的实测浓度值（其中PM2.5、PM10为24小时平均浓度）分别计算得出空气质量分指数（Individual Air Quality Index，简称IAQI）；第二步是从各项污染物的IAQI中选择最大值确定为AQI，当AQI大于50时将IAQI最大的污染物确定为首要污染物；第三步是对照 AQI分级标准，确定空气质量级别、类别及表示颜色、健康影响与建议采取的措施。
简言之，AQI就是各项污染物的空气质量分指数（IAQI）中的最大值，当AQI大于50时对应的污染物即为首要污染物。
二、影响AQI的因素（一）内因1、污染气体的排放与扬尘在一些地区，尤其是大城市，工业生产、机动车尾气、建筑施工、冬季取暖烧煤等排放的有害物质难以扩散，导致空气质量显著下降。
2、扬尘气候干燥，裸土容易起尘，增加空气中的可悬浮颗粒物。
（二）外因1、气候一些城市属于干燥气候，由于风力因素的干预，地面裸土较多，容易出现扬尘。
但是，较为湿润的城市气候，空气湿度大，容易引发雾霾天气。
2、风力风力的大小对空气质量也有很到的影响。
一方面，大风容易吹散空气中的污染气体，起到净化空气的作用。
另一方面，大风又容易刮起扬尘，影响空气质量。
3、逆温逆温现象不利于污染气体的扩散，反而加剧污染气体的聚集，严重影响空气质量。
三、合肥市近24小时AQI变化及分析合肥市自进入12月份以来，空气质量越来越差，AQI指数如下图所示：图1从上图可以看出12月4日达到最大值，6日到7日成下降趋势。
合肥市历史空气质量
合肥市历史空气质量
《合肥市近年历史空气质量》
合肥，位于安徽省省会，为中国最大的汽车装备制造基地之一。
因其地理位置
的优越性，合肥市的空气质量一直以来都比较不错。
然而，近年来，由于人口增多，交通拥堵和工业加工排放，合肥市空气质量几乎是持续恶化的。
具体来看，近年来，合肥市的空气质量一直收到不同程度的污染。
2018年，
空气质量达到较差的时候，超标的PM2.5颗粒物平均浓度明显高于全国城市平均水平，远高于微纳入尘（PM2.5）安全指标。
据专家分析，空气质量恶化的主要原因
是燃料燃烧、工业活动和农业活动污染排放问题、建筑及道路建设污染以及森林覆盖度不足。
为此，合肥市政府采取了多项举措，以解决这一问题。
首先，进一步强化污染
排放管控，有力约束污染源排放，完善监管制度，加强污染治理力度。
其次，开展大气污染源统计估算和重点区域污染控制规划，重点控制燃煤、燃油等燃烧源，切实完善交通规划，限制排放等。
最后，深化绿色生产模式，鼓励企业实施低污染生产方式，活动提升能源资源利用效率，增强节能减排的水平。
从目前的空气污染情况来看，合肥市采取的措施已经在一定程度上改善了空气
质量，但还存在不少问题，应该加大力度往空气质量的改善。
合肥空气质量报告
29 10
1 21 96.7 46.7
24
7 77.4 32.3
30
0 100
31
0
安徽省合肥市2014年空气质量状况
月份 1 9 2 10 3 11 4 12 5 6 7 8
优良天数 30
超标天数 1 优良率（℅） 90.3
15 25
16 5 48.4 96.8
26 24
2 7 92.9 83.3
优良率
安徽省合肥市2013年空气质量状况 120 100 80 60 40 20 0 1 2 3 4 5 6 7 月份 8 9 10 11 12 优良率(℅) 安徽省合肥市2013年 空气质量状况 月份 优良天数 超标天数
优良率
安徽省合肥市2014年空气质量状况 120 100 80 60 40 20 0 1 2 3 4 5 6 7 8 月份 9 10 11 12 优良率（℅） 安徽省合肥市2014年 空气质量状况 月份 优良天数 超标天数
直至五级重度污染，六级严重污染。
主要污染物
走进合肥
合肥滨湖新区
合 肥 南 站
安徽省合肥市2012年空气质量状况
月份 1 优良 26 天数
超标 5 天数
2 28
1
3 23
8
4 24
6
5 26
5
6 24
6
7 31
0
8 31
0
9 26
4
12 25
6
优良 96。 率 83.9 74.280 6 （℅）
83.980
100 100 93.387.186.780.6
安徽省合肥市2013年空气质量状况
合肥地区土壤氡浓度水平调查及影响因素分析
安徽建筑中图分类号：X 837文献标志码：B文章编号：1007-7359（2020）03-0194-02D O I ：10.16330/j .c n k i .1007-7359.2020.03.0901引言1.1氡的危害氡是天然放射性元素中的唯一一种气体元素，氡通常的单质形态是氡气，为无色、无嗅、无味的惰性气体，广泛存在于地下岩层和土壤中。
世界卫生组织（WH O ）曾针对氡对人体的危害，尤其是所致肺癌的发生，将其列为使人致癌的19种物质之一，仅位于吸烟之后[1]。
研究表明氡对人体一生中所受到的全部辐射伤害的55%以上，其诱发肺癌的潜伏期大多都在15年以上，世界上有15%的肺癌患者与氡有关。
1.2标准规定近年来，土壤氡浓度对人体健康产生的危害受到广泛的关注。
我国2010年发布的《民用建筑工程室内环境污染控制规范》（G B 50325-2010（2013年版））中规定，当民用建筑工程场地土壤氡浓度测定结果大于20000B q /m 3时，需采取不同程度的防氡措施[2]。
现行国家标准《绿色建筑评价标准》（G B /T 50378-2019）中第4.1.1条控制项规定：“建筑场地内应无含氡土壤的危害[3]。
”1.3土壤氡调查意义国内的研究大多集中在土壤氡浓度规律性变化、影响因素、实际测量分析等领域，由于不同地区地质构造、土壤密实度、含水量、气压、湿度、温度等有所差异，研究成果受区域限制，适用范围较小。
王喜元等主编的《中国土壤氡概况》一书中共列出了具有土壤氡浓度低背景值的26个城市，其中仅列出了合肥地区的土壤氡浓度平均值为4600B q /m 3，对合肥不同区域的土壤氡浓度值存在较大的空白[4]。
因此，针对性的了解合肥地区的土壤氡水平值，为实际工程是否采取防氡工程措施提供更多的参考依据。
2技术路线2.1检测仪器介绍F D 216环境氡检测仪是在现场瞬时测量环境氡和土壤氡的仪器，用于工业、建筑业、环保、航空航天等部门，符合《民用建筑工程室内环境污染控制规范》（G B 50325-2010（2013年版））中“空气氡浓度的闪烁瓶测量方法”的测量原理和要求。
合肥雾霾分析题
题目：请大家根据以下通过网络发布的公开信息分析12月24日、25日合肥市空气质量处于严重污染：1、运用环境容量原理分析，大面积雾霾的成因（结合气压、风力、季节气候特征如逆温因素）。
2、为什么pm2.5会成为首要污染物。
3、pm2.5主要来源。
4、造成pm2.5高居不下的主要原因。
318g/m³401g/m³324g/m³g/m³257g/m³g/m³324g/m³351g/m³351g/m³395g/m³287g/m³301g/m³1、运用环境容量原理分析，大面积雾霾的成因（结合气压、风力、季节气候特征如逆温因素）。
中国华东地区处于城镇化快速发展时期，工业发展迅猛，人民收入普遍增高，汽车拥有量很大，城镇居民生活普遍使用煤。
因此，每天向大气中排放的污染物和尘埃很大，几乎要达到空气飘尘的环境容量，当天气条件不佳时，即处于低气压控制区内，气压梯度不大，季风较弱，逆温情况严重的情况下，会降低空气的飘尘环境容量，而此时，人们的生活方式和企业并没有做出有效的措施。
这是造成大范围雾霾的重要因素。
冬春季节，合肥地区经常出现低气压和逆温，不利于空气扩散，这种天气情况下，即使烟囱达到设计标准，也会造成近地面空气污染。
在水平方向静风现象增多。
城市里大楼越建越高，阻挡和摩擦作用使风流经城区时明显减弱。
静风现象增多，不利于大气中悬浮微粒的扩散稀释，容易在城区和近郊区周边积累；垂直方向上出现逆温。
逆温层好比一个锅盖覆盖在城市上空，这种高空的气温比低空气温更高的逆温现象，使得大气层低空的空气垂直运动受到限制，空气中悬浮微粒难以向高空飘散而被阻滞在低空和近地面，大大降低了飘尘的环境容量。
pm2.5浓度峰值的出现与气象条件有一定的关系，冷空气南下，进而抵达合肥，其前锋将其他城市的污染物带入合肥，在原来污染物排放的基础上，雾霾加重达到峰值。
合肥市酸雨变化特征及其影响因子
第29卷第6期2009年6月环 境 科 学 学 报 Acta Scientiae Circu m stantiaeVol .29,No .6Jun .,2009基金项目:国家重点基础研究发展计划(973)项目(No .2005CB422205)Supported by the Nati onal Basic Research and Devel opment Pr ogram of China (No .2005CB422205)作者简介:邱明燕(1972—),女;3通讯作者(责任作者),E 2mail:chun .e .shi@g mail .comB i ography:Q IU M ingyan (1972—),female;3Correspond i n g author ,E 2mail:chun .e .shi@g mail .com邱明燕,石春娥,张浩,等.2009.合肥市酸雨变化特征及其影响因子[J ].环境科学学报,29(6):1329-1338Q iu M Y,Shi C E,Zhang H,et al .2009.Marked changes of acid rain in Hefei and their causes[J ].Acta Scientiae Circum stantiae,29(6):1329-1338合肥市酸雨变化特征及其影响因子邱明燕1,2,石春娥1,2,3,张浩1,2,张平3,周述学41.安徽省气象科学研究所,合肥2300312.安徽省大气科学和卫星遥感重点实验室,合肥2300313.合肥市气象局,合肥2300314.南京大学大气科学系,南京210093收稿日期:2008209215 修回日期:2008211220 录用日期:2009204223摘要:利用合肥市气象局酸雨监测站1992～2007年资料,分析了该市酸雨年、季变化特征,及其与地面气象条件、地面污染物(S O 2、NO 2、P M 10)浓度的关系;同时,应用轨迹分析和聚类分析的方法研究了酸雨发生率与不同高度输送形势的关系.结果表明,合肥市酸雨发生率秋季最高、夏季最低;年平均降水pH 值呈下降趋势,酸雨频率呈增加趋势,尤其是pH 值低于4.5的强酸雨在2001年之后出现频率增加显著,与近年来地面S O 2浓度的快速增加趋势一致;中度以上强度酸雨出现频率随降水强度的增加呈先增后减的变化特点,中雨和大雨时最高,毛毛雨时最低;地面污染物浓度,尤其是S O 2与降水酸度具有显著的相关性,当地面S O 2浓度高于40μg ・m -3时,酸雨发生率接近90%;轨迹分析结果显示,合肥降雨酸度与输送形势关系密切,酸性降水发生率在低层以偏东北方向的轨迹最高,在中空(1500m )以偏东轨迹和西南轨迹最高,在高空(3000m )以偏西南轨迹最高.关键词:酸雨;降水pH 值;气象条件;后向轨迹;聚类分析;合肥文章编号:025322468(2009)0621329210 中图分类号:X171 文献标识码:AM arked changes of ac i d ra i n i n Hefe i and the i r causesQ IU M ingyan1,2,SH I Chune1,2,3,ZHANG Hao1,2,Z HANG Ping 3,ZHOU Shuxue41.Anhui I nstitute of Meteor ol ogical Sciences,Hefei 2300312.Key Laborat ory f or A t m os pheric Sciences &Re mote Sensing of Anhui Pr ovince,Hefei 2300313.Meteor ol ogical Bureau of Hefei City,Hefei 2300314.Depart m ent of A t m os pheric Sciences,Nanjing University,Nanjing 210093Rece i ved 15Sep te mber 2008; rece i ved in revised f or m 20Nove mber 2008; accepted 23Ap ril 2009Abstract:The annual and seas onal characteristics of acid rain in Hefei and their relati onshi p s with the surface weather conditi ons and pollutant concentrati ons were analyzed using rainwater monit oring data fr om 1992t o 2007.Back 2traject ory and cluster analyses were used t o study the relati onshi p s bet w een acid rain frequency and trans port patterns at different altitudes .The results show that the frequency of acid rain was highest in autumn,and l owest in summer .The annual average pH tended t o decrease,and the frequency of acid rain with pH <4.5increased markedly since 2001,accompanied by a rap id increase of gr ound level S O 2concentrati on .The frequency of acid rain with pH <5.0showed a parabolic variati on with the increase of p reci p itati on intensity,maxi m um with moderate (10～25mm ・day -1)and heavy rain (25～50mm ・day -1)and m ini m um at drizzle (<2mm ・d -1).Preci p itati on acidity (pH )dis p layed obvi ous positive (negative )correlati ons with gr ound level S O 2concentrati ons .W hen S O 2concentrati on was higher than 40μg ・m -3,the frequency of acid p reci p itati on reached 90%.Preci p itati on acidity was cl osely related t o the trans port pattern .The highest frequency of acidrain was ass ociated with northeasterly (fr om northeast )traject ory of the l ower at m os phere layer (under 1000m ),easterly and s outhwesterly traject ory at m id 2level (1500m )and s outhwesterly traject ory at high level (ar ound 3000m ).Keywords:acid rain;p reci p itati on pH;meteor ol ogical situati on;back 2traject ory;cluster analysis;Hefei1 引言(I ntr oducti on )随着中国城市化和工业化的发展,亚洲酸雨日益成为一个严重的环境问题.过去20年,降水pH值小于5.0的等值线已经从北纬25°(以长江为界)向北发展到北纬35°(以黄河为界),我国南方一些大城市的年均降水pH 值接近于3.0(Terada et a l .,2002).2005年,东部沿海的上海市的降水年均pH环 境 科 学 学 报29卷值为4.49,最低值为2.95,酸雨发生率为71%,与8年前的1998年相比,酸雨发生率上升了15倍(Huang et al.,2008).同样位于长江三角洲,南京降水pH值从1992～2003年间变化不大(4.93～5136),平均为5.15(Tu et al.,2005).酸雨的形成是一个复杂的理化过程,不仅与酸性前体物如S O2、NOx等的排放有密切关系(王明星,2005),而且与气象条件的关系也相当密切(刘宝章等,1997).气象条件一方面影响酸雨前体物的转化速率,另一方面影响着酸性物质的扩散、输送和清除过程.因此,酸雨或降水化学与气象条件的关系早已受到各国科学家们的广泛关注(Sigh et al.,1987;Pi o,1991;Sanusi et a l.,1996; Beverland et al.,1998;Avila et al.,1999).如早期关于欧洲中部和北美酸雨来源的研究成果(Munn et al.,1971;M iller et al.,1978;Sigh et al.,1987)为欧美制定污染物的减排政策奠定了基础.我国也有不少学者开展了酸雨与气象条件关系的研究.刘宝章等(1997)分析了青岛酸雨天气边界层气象特征;结果表明,当地特殊的地形造成的大气低层湍流扩散和平流输送能力差是青岛酸雨形成的一个重要原因,同时江淮气旋和黄淮气旋等大的环流形势对当地酸雨的形成也起了辅助作用.董蕙青等(2005)的研究结果显示,广西酸雨的形成与大气环流密切相关,其中高空槽、切变线和锋面是造成广西酸雨的主要天气系统,约占广西酸雨的76%.林长城等(2005)统计了降水量、温度层结、风场等气象条件与福州酸雨的关系,显示不同气象因子对降水酸度、酸雨频率的出现有明显影响.近年来,安徽的酸雨也引起不少学者的关注.如檀满枝等(2001)、孙欣等(2002)、琚泽萍等(2003)分别分析研究了安徽不同地方的酸雨状况及影响因子,并进行对策分析.这些研究工作为安徽省酸雨预防和控制起到积极的推动作用,但在酸雨成因分析中主要考虑的是局地因素,对气象条件、尤其是输送条件对酸雨影响的考虑不多.本研究中综合利用中国气象局建立的合肥酸雨监测站1992～2007年观测的pH值资料、雨量资料、地面常规气象资料、NECP再分析资料,以及合肥市环境监测站2000～2007年的空气质量监测资料,应用后向轨迹和聚类分析的方法研究气象因素、地面污染物浓度,以及不同高度的输送条件对合肥降水酸度、酸雨出现频率的影响,旨在为环境保护、政策制定提供科学依据.2 资料及方法(Data and methods)2.1 资料来源酸雨观测资料和地面常规资料来源于合肥市气象观测站,该站属于中国气象局酸雨观测站网,始建于1989年,1992年中国气象局制定颁布了“酸雨观测暂行规定(修定本)”,本文使用合肥站1992年以后酸雨观测资料,其中1992～2003年观测站位于合肥市西郊巫大岗,具体位置为117°14′E, 31°52′N,比较靠近市区;2004年迁址到合肥南郊的骆岗机场,具体位置为117°18′E,31°47′N,与市中心距离约10k m.地面污染物浓度资料包括S O2、NO2和P M10,来自合肥市环境监测站.自2000年6月开始,合肥市环境监测站在合肥的不同功能区设了4个空气质量自动监测点:三里街(工业交通频繁区)、长江中路(商业交通混合区)、琥珀山庄(居民区)和董铺水库(清洁对照点).本研究中使用这4个监测站的各大气污染物日均值进行降水酸度与污染物关系的分析.资料年限为2000～2007年.用于计算后向轨迹的三维格点资料来自NCEP/NCAR再分析资料,资料水平分辨率为2.5°×2.5°,垂直方向上从1000hPa～10hPa分17层,一日资料根据世界时分为00、06、12、18共4个时次. 2.2 统计方法根据中国气象局酸雨观测业务规范(中国气象局,2005),采用降水体积加权平均计算年、季、月降水pH值均值,计算方法为:pH=-lg∑10-pH i×V i∑V i(1)式中,pHi为第i次降水的pH值,Vi为降水量.为了精确描述合肥市不同酸度降水的年/季变化特征,及其与气象条件、污染物浓度、输送路径等因子的关系,本文参考程新金等(1998)的研究对降水酸度进行分级统计处理,具体分级标准为:强酸性(pH<4.5)、中度酸性(4.5≤pH<5.0),以及弱酸性(5.0≤pH<5.6).不同级别酸雨频率的计算方法为:F=NN总×100%(2)式中,F为相应级别酸雨频率,N与N总分别为计算时间段内相应级别酸雨次数与总降水次数.03316期邱明燕等:合肥市酸雨变化特征及其影响因子电导率(俗称K 值)表示大气降水的导电能力,反映了大气降水的洁净程度.常用单位为μS ・c m -1.平均K 值的计算方法为:K =∑K i ×V i∑V i(3)式中,K i 为每次降水的K 值,V i 为降水量.2.3 后向轨迹分析Beverland 等(1998)指出,后向轨迹能较好地表示污染气团到达接收地之前所经过地区.为了解不同输送路径对本地降水酸度的影响,本研究中使用美国NOAA 研制的轨迹模式HYSP L I T4(Hybrid Single Particle Lagrangian I ntegrated )(D raxler,1997)计算每一次降水过程中间时刻不同高度的72h (48h )后向轨迹.该模式是一种欧拉和拉格朗日型混合型的计算模式,可以处理多种气象输入场、多种物理过程和不同类型排放源,被广泛应用于大气污染物输送研究(Beverland et al .,1998;石春娥等,2008).轨迹计算的起始高度分别为10m 、500m 、1500m 与3000m.2.4 聚类分析聚类分析是一种多元统计技术,在大气污染研究方面得到广泛应用(石春娥等,2008).该方法根据气团水平移动速度和方向对大量轨迹进行分组,分组的原则是达到组间差异极大,组内差异极小.该方法可用于对不同的输送态势分类,从而估计大气污染物的潜在源区.轨迹分组的具体方法为:假设有N 条轨迹,每条轨迹在起始时刻分别定义为空间方差为零,且各自独立的一个簇(定义每个簇的空间方差为簇内每条轨迹与簇平均轨迹对应点的距离平方和),计算出所有可能组合的2个簇的平均轨迹的空间方差;选择空间方差最小的2个簇合并为1个新簇,并调整各簇内各轨迹的归属以使得合并后所有簇的簇内空间方差之和(Total Spatial Variance,简称TS V )比合并前增加最小.这种过程一直进行到所有轨迹合并成为1个簇,计算出TS V 随着所分簇数目的减小而增加的百分比,当该百分比超过某一临界值(如5%)时的簇数为M ,则认为所有轨迹可以分为M +1簇,然后输出各簇的所有轨迹,计算出各簇的平均轨迹,这些平均轨迹则代表了这一时期本地降水日的几种主要输送类型.3 合肥市酸雨年/季变化特征(Annual/Seas onalvariati ons of acid rain in Hefei )3.1 年变化从年降水平均pH 值、各级酸雨年发生率的变化趋势(图1)可以看出,年均降水pH 值总体呈下降趋势,酸雨频率呈上升态势,尤其是pH 值低于415的强酸雨的出现频率增加显著.年均降水pH 的变化趋势(图1a )显示,1992～2007年合肥市年均降水pH 值在4.2～5.6之间波动,1999年之前变化不大,之后总体呈下降趋势.2003年年均降水pH 值最低,为4.2,达到强酸性降水标准.图1 合肥市各级酸雨发生率及年均降水pH 值演变趋势(a .年均pH 值及污染物浓度;b .逐年各级酸雨发生频率)Fig .1 Trends of annual frequencies of acid rain of each grade and annual average pH in Hefei (a .Annual volume 2average of pH and concentrati ons of pollutants;b .Annual frequencies of acid rain )1331环 境 科 学 学 报29卷 从各级酸雨的发生频率可以看到,1998年以外的年份均出现了pH值低于4.5的强酸雨,而且在2001年之后强酸雨频率有明显的上升趋势,其中2006年接近40%.16年间,中度酸雨频率在10%上下浮动,弱酸雨在1996与2005年比较高,接近30%,其他年份在15%左右.3.2 季节变化合肥酸雨发生率的季节变化见表1.合肥多年降水平均pH值为4.76,呈中度酸性,酸雨频率接近45%,其中pH值低于4.5的强酸性降水频率接近13%,中等强度酸雨频率为13.4%,弱酸雨频率为18.6%.秋季酸雨频率最高,达到58.7%;其次是冬季,为53.8%;夏季酸雨频率最低,为28.8%;春季酸雨频率为47%.表1 1992～2007年合肥市各级酸雨出现频率季节分布Table1 Seas onal frequencies of acid rain of each grade fr om1992t o2007in Hefei统计参数ite m样本数Sa mp le number平均pH值Volume average酸雨频率Frequency of acid rainpH<4.5(强) 4.5≤pH<5.0(中等) 5.0≤pH<5.6(弱)全年1039 4.7612.9%13.4%18.6%春季(3～5月)285 4.8513.0%13.7%20.4%夏季(6～8月)334 4.75 5.4%8.1%15.3%秋季(9～11月)208 4.7321.2%19.7%17.8%冬季(12～2月)212 4.7316.6%15.1%22.2%3.3月变化当降水pH值低于5.0时,将会对环境产生不同程度的酸化影响(程新金等,1998),因此,在下文的分析中偏重于对pH值低于5.0的酸雨频率进行讨论.图2给出了合肥市逐月中度以上酸雨发生频率及月均pH值.由图可以看出,合肥中度以上强度酸雨的发生率具有明显的月变化,上半年频率逐渐下降,到6月份降到最低(5%);下半年出现频率逐渐增加,11月份达到最高(50%).图2 合肥市中度和强酸雨发生率、平均pH值月变化Fig.2 Variati ons of monthly frequencies of acid rain with pH<5.0andvolume2average pH 与逐月酸雨频率的变化对应,月均降水pH值上半年呈上升趋势,6月份达到最高值(5.5),7月份迅速下跌为最低值(4.5),随后呈上升趋势.其中6月与7月月均pH值相差1个pH单位.本研究中对pH值均值计算采用降水量加权平均.7月份较低的月均pH值是由2次降水量较大且pH值较低的降水过程所致,一次是2003年7月9日11时～2003年7月11日23时的一次强酸性暴雨过程造成的,这次降水量达144.9mm,测量的pH值为3169;另一次是2002年7月26日01时～2002年7日26日14时的降水,降水量达104.6mm,观测pH为4.12.4 酸雨与地面气象条件的关系(Relati onshi p sbet w een acid rain and gr ound level meteor ol ogy)4.1 降水根据文献(林长城等,2005),将降水划分为5个等级,分别为毛毛雨(r<2)、小雨(2≤r<10)、中雨(10≤r<25)、大雨(25≤r<50),以及暴雨(r≥50),其中,r为日降水量,单位为mm.根据日降水量的分级,进行不同酸度降水出现频率的统计.从统计结果(表2)可以看出,对于不同强度的降水,平均pH值相差不大,平均电导率随着雨强的增加呈下降趋势;这说明随着日降水量的增加,雨水中离子浓度得到稀释.比较不同降水量所对应的各级酸雨出现频率发现,大雨时各级酸雨出现频率都较高,总的酸雨频率接近54%,;其他等级降水酸雨出现频率相差不大,为44%左右.中度以上强度酸雨出现频率随降水增加呈先增后减的变化形式,中雨时频率最高,为30.6%,其次是大雨;毛毛雨时最低,为20.4%.分析2d以上的连续性降水过程对降水酸度的影响发现,在连续降水过程中,降水第1d、2d、3d和4d中度以上强度酸雨频率分别为24.7%、2515%、32.6%和47.8%,即酸雨频率随着连续降23316期邱明燕等:合肥市酸雨变化特征及其影响因子水过程的持续而增加.酸雨频率与降水的这种关系可能是由于长时间、较大降水过程中,雨水冲刷了近地层大气中的气溶胶粒子,而这些气溶胶粒子对降水具有一定的中和能力.表2 降水酸度与雨强的关系Table2 Relati onshi p bet w een rain acidity and rainfall intensity雨强Rainfall pH K/(μS・c m-1)酸雨频率Frequency强中度弱毛毛雨 4.9468.258.4%12.0%23.4%小雨 4.8754.5612.5%12.5%18.5%中雨 4.8645.8015.1%15.5%14.0%大雨 4.8138.0916.0%14.2%23.6%暴雨 4.5333.8913.9%13.9%16.7%4.2 风风向风速的变化可以影响到污染物的分布与扩散.从降水酸度与日平均风速的关系(表3)可以看到,在风力为1～2级时,平均pH值最低,为4166;其次是低于1级风的状况,平均pH为4.97;当风力高于4级时,样本较少,没有出现酸雨,平均pH值为5.82,为非酸性降水.降水电导率的平均值在3～4级风时最小,为34.8μS・c m-1;风速低于3级时相差不大,在42～45μS・c m-1之间;当平均风速大于4级时,电导率上升到39.1μS・c m-1.这表明,近地层风速较小时,不利于污染物扩散;风速较大时,又会造成外来污染物的入侵,使污染加剧.中度以上酸雨出现频率随风速上升而下降,在0～1级和1～2级风速下差别不大,在2～3级风速下略低. 3～4级风速下,弱酸雨出现频率最高.表3 降水酸度与地面风速的关系Table3 Relati onshi p bet w een rain acidity and wind s peed风速等级pH K/(μS・c m-1)发生率Frequency强中度弱0～1级风 4.9742.197.8%17.7%17.6% 1～2级风 4.6644.6612.4%12.9%19.9% 2～3级风 5.0542.5110.1%11.0%17.4% 3～4级风 5.1134.828.0% 2.0%26.0% 4级风以上 5.8239.080.0%0.0%0.0% 从降水日主导风向上(图3)看,不同风向上的中度酸雨和强酸雨出现频率相差显著.强酸雨在E NE方向频率最高,接近25%;其他方向上出现频率低于15%,其中W和W S W方向没有出现强酸雨.与强酸雨出现情况不同,W S W方向上出现的中度酸性降水频率最高,达33%,其次是NNE、NE以及WNW方向,中度酸性降水频率在20%～25%之间,其他方向低于15%.弱酸雨出现频率在各方向上的差异不及强酸雨和中度酸雨大,但可以看出在偏西方向出现的频率明显高于其他方向,SSE,以及SE方向弱酸雨出现频率较低,频率低于8%.图3 不同风向上酸雨频率(a.强酸性;b.中度酸性;c.弱酸性)Fig.3 Frequencies of acid rain f or each grade in different wind directi ons(a.Str ongly acid rain,pH<4.5,b.moderately acid rain, 4.5≤pH<510, c.weakly acid rain, 5.0≤pH<5.6)3331环 境 科 学 学 报29卷4.3 大气稳定度大气层结直接影响污染物的扩散和输送速率.为研究酸雨与大气稳定度的关系,用特纳尔法(郭英起,1993)计算了1992～2007年降水日、降水前1日与前2日08时不同大气层结下各级酸雨发生率(表4).由表4可以看出,降水当日,以及前1日和前2日08时的大气层结主要为中性.从不同大气层结状况可以看出,随着大气稳定度的增强,强酸性、中度酸性降水频率呈增加趋势,其中,如果降水前1d 为稳定层结,有1/3的降水为强酸雨.可见合肥的降水酸度与前期大气层结关系密切.也说明合肥的降水酸度与本地污染物排放有密切联系.表4 不同大气稳定度下酸雨出现频率Table 4 Frequencies of acid rain of each grade under each at m os pheric conditi on层结状况Stability样本数Samp le number平均pH 值Volume average 发生率Frequency强中度弱当日不稳定76 4.9611.84%10.53%13.16%中性955 4.7512.98%13.40%19.16%稳定7 4.4114.29%42.86%0%前一日不稳定177 4.939.6%11.86%16.38%中性843 4.7413.17%13.52%19.34%稳定18 4.4633.33%22.22% 5.56%前两日不稳定266 4.778.27%11.65%13.91%中性737 4.7713.84%13.57%20.35%稳定354.5328.57%22.86%17.14%5 酸雨与地面污染物浓度的关系(Relati onshi p sbet w een acid rain and pollutants concentrati on )从合肥市几种常规大气污染物的年均浓度的演变情况看(图1a ),从2000～2007年合肥年均S O 2浓度在10～23μg ・m -3之间,但在2003年之后呈稳步增长趋势,2007年S O 2浓度为22.86μg ・m -3是2003年的2倍;NO 2浓度在15～50μg ・m -3之间,2004年之前呈减少趋势,2004年开始,NO 2浓度开始增加;P M 10的浓度在75～115μg ・m -3之间振荡.比较年均pH 值与S O 2、NO 2、P M 10浓度变化趋势可以看出,pH 值的年际变化与P M 10的变化很一致,说明P M 10可能对酸雨有一定的中和能力.2004～2007年合肥市持续降低的年均降水pH 值与对应4年里合肥持续增加的地面S O 2、NO 2的浓度相一致,这表明近5年合肥逐渐严重的酸雨形势与近地层酸雨前体物(S O 2、NO 2)的排放,尤其是S O 2排放有密切关系.为进一步研究酸雨与近地层酸雨前体物之间的关系,分别统计了降水当日、降水前1日,以及降水前2日不同降水pH 值分级情况下污染物平均浓度(图4).从图4可以看出,在降水前1日与前2日,较高的S O 2浓度对应着较低的pH 值,即较为严重的酸性降水;分级pH 值与平均NO 2浓度的变化与S O 2相似,但相关性不及S O 2明显;分级降水pH 值与P M 10的关系不如年际变化显著.图4 降水酸度与污染物浓度的关系(a .降水前两日;b .降水前一日;c .降水当日)Fig .4 Relati onshi p bet w een rain acidity and pollutant concentrati ons (a .t w o days bef ore rain day;b .one day bef ore rain day;c .the rain day )43316期邱明燕等:合肥市酸雨变化特征及其影响因子 为定量分析地面污染物浓度与降水酸度的相关关系,计算了[H +]与降水前两日、前一日、以及当日S O 2、NO 2以及P M 10浓度之间的Pears on 相关系数(表5).从表5可以看出,降水前一日和前两日的S O 2浓度与雨水中[H +]浓度呈正相关(p <0.05).从降水前两日与前1日不同S O 2浓度等级下的酸雨发生率(表6)可以看出,当近地层出现较高浓度的S O 2时往往会产生酸雨,尤其是当地面S O 2浓度高于40μg ・m -3时,出现酸雨的频率接近90%.以降水前两日为例,有29d 地面S O 2浓度高于40μg ・m -3,26d 形成酸性降水,其中近一半(14d )是强酸雨.表5 [H +]浓度与污染物浓度Pearson 相关系数Table 5 Correlati on coefficients bet w een [H +]and pollutantconcentrati ons 污染物r两日一日降水当日S O 20.122430.098730.0675NO 20.0023-0.0091-0.0020P M 10-0.0371-0.0171-0.0022 注:3,p <0.05表6 不同S O 2浓度等级下的酸雨发生率Table 6 Frequencies of acid rain at different ranges of S O 2concentrati onS O 2浓度范围/(mg ・m -3)样本数前两日前一日发生率FrequencypH <4.5前两日前一日pH <5.0前两日前一日pH <5.6前两日前一日0～1014614719.9%20.4%34.9%36.1%50.7%51.0%10～2026027514.6%15.6%32.3%31.6%49.6%48.7%20～30534126.4%29.3%35.9%46.3%54.7%70.7%30～40242329.2%30.4%50.0%47.8%83.3%73.9%>40292848.3%39.3%79.3%71.4%89.7%85.7%6 不同输送态势对合肥降水酸度的影响(Thei m pacts of trans port pattern on p reci p itati on acidity in Hefei )S O 2以及S O 2-4在大气中的生命史在5d 左右(王明星,1999),因此,酸雨前体物可以随着气流远距离输送,即一个地方的酸雨可以是本地污染物排放所致,也可能是外地污染物排放所致.另外,酸雨的形成有云内过程和云下过程.在近地层有高浓度酸雨前体物的城市地区,云下过程对雨水的酸化起主要作用;在干净的中小城镇和乡村地区,雨水酸度主要决定于云内过程(黄美元等,1995).虽然没有对合肥地区进行云、雨飞机采样研究,不清楚在合肥地区的酸雨形成过程中哪种过程占主导;但通过上文对地面污染物与降水酸度的比较分析推测,合肥地区云下过程对该地区酸雨形成有不可忽视的作用.安徽省东部与我国经济、工业都发展最快的长江三角洲地区接壤,省会城市合肥的大气污染物浓度不仅受本地工业和汽车排放源的影响,而且还受到来自西北、华北排放源的远程输送和长江三角洲地区区域输送的影响(石春娥等,2008).为讨论不同输送条件对合肥市降水酸度的影响,首先应用HYSP L I T4模式计算了1992～2007年965个酸雨监测日不同高度的后向轨迹,具体高度为10m (地面)、500m (低空)、1500m (中空)和3000m (高空).然后使用HYSP L I T4模式所带聚类分析工具对所有轨迹进行分类,并结合酸雨监测资料(pH 值)分析不同来向气流轨迹所对应的不同强度酸雨的发生频率.其中10m 、500m 与1500m 为72h 后向轨迹,3000m 为48h 后向轨迹.结果见图5和表7,表中用大写英文字母表示轨迹的大致方向,同一方向存在多组轨迹时,用下标l 、m 、s 分别表示长、中、短轨迹.根据平均轨迹的长短以及组内轨迹的分布状况,将其中移动最慢、来向最混乱的轨迹定义为本地轨迹,用Local 表示.从图5和表7可以看出,不同来向后向轨迹所对应的各级酸雨的频率差别显著,下面按起始高度讨论不同来向后向轨迹下各级酸雨频率状况.地面(10m ):10m 高度的后向轨迹可以分为7类,其平均轨迹水平分量的分布见图5a,主要来自于偏北、偏东和偏南方向,偏西方向的后向轨迹都比较短,基本上都归入Local 类.其中来自东北方向的长(NE l )、中(NE m )轨迹所对应的酸雨频率都比较高,在60%上下.如果考虑对生态环境有明显不利影响的pH 值低于5.0的降水(程新金等,1998),发生频率居前3位的分别是NE m 、NE l 和NE s 轨迹,5331环 境 科 学 学 报29卷分别为41.9%、30.6%和28%,而这3类轨迹约占总轨迹的1/3.这与东亚对流层S O 2、NO 2柱含量的分布形势有关,如卫星(SC I A MACHY )(htt p://www .te m is .nl/)监测结果表明,我国华北、长三角是NO 2、S O 2分布的高值区(Zhang et al .,2007;Shiet al .,2008).可见,近地层华北方向以及长三角的酸雨前体物对本地降水酸度存在显著影响.酸雨发生率最低的是来自南方的比较长的轨迹(S l ),这也是出现次数最少的一类轨迹.图5 不同高度平均后向轨迹分布(a .10m;b .500m;c .1500m;d .3000m )(图审字[2009]第0031号)Fig .5 D istributi ons of cluster 2mean back 2traject ories at different altitudes 低空(500m ):500m 高度的后向轨迹可以分为8类,其平均水平轨迹的分布见图5b .与地面情况类似,不管是总的酸雨还是pH <5.0的中度以上酸雨,发生频率居前3位的均是经过华北和江苏的西北及东北轨迹(NNW ,NE m ,NE l ),这3个来向的后向轨迹所对应的上中度以上酸雨发生率分别为50%、32.6%和27.2%;其次是经过华北的偏北轨迹(N ),这几类轨迹出现频率占总轨迹的43%.来自西南的后向轨迹(S W s 与S W l )占38%,其对应的中度以上强度的酸雨发生率比来自北方的轨迹低,而且酸雨发生率与轨迹长度成反比,这反映了移动快的气团污染物扩散稀释快.中空(1500m ):在1500m 高度,合肥降水日的后向轨迹主要来自偏西方向,西南(S W l ,S W m ,S W s )占65%左右,西北(NW s ,NW m ,NW l )约占16%.在西南气流中,近一半的气流是移动缓慢的短轨迹.NW l 轨迹出现频率不高(1.8%),但与低空的NNW 路径相似,这条路径气流形成酸雨的频率非常高,达到68.4%.同样与低空相似,S 路径降水酸雨频率最低,为17.5%,且降水酸度不高.其他轨迹上总的酸雨频率相差不大,在40%～50%之间;但中度以上酸性降水发生率存在显著差异,与低空不同,在这个高度上如果不考虑出现几率比较低的S 和NW l 两类,中度以上酸雨发生频率比较高的是经过长三角的E 类(32%)和经过华南的S W m 类(31%).这是可以理解的,因为这2个经济发达地区都是S O 2排放高值区.高空(3000m ):在3000m 高度上,合肥降水日的后向轨迹与1500m 相似,以偏西方向为主;其中来自西南方向的轨迹(W S W m ,W S W l ,SS W ,S W )6331。
合肥地区PM2.5季节特征及气象影响因素分析
合肥地区PM2.5季节特征及气象影响因素分析张怡文;倪标;郭傲东;费久龙;陈家丽;吴海龙【期刊名称】《黄山学院学报》【年(卷),期】2018(020)003【摘要】气象因素能够对PM2.5浓度产生显著影响,气象因素的改变会减轻或加剧PM2.5浓度值.气象因素和PM2.5浓度值随着季节的变化而变化,并且具有明显的区域性特征,所以对全年的PM2.5和气象相关因素进行分析,不能准确反映PM2.5和气象因素之间的相关性.选择合肥市2015年全年的PM2.5和气象影响因素,并对全年数据按春、夏、秋、冬四季进行划分,按季节对PM2.5特征及气象影响因素进行相关性分析讨论.结果表明,春、夏、秋3个季节的气象首要影响因素为风速,且负相关,说明风有利于PM2.5的扩散;在PM2.5污染严重的冬季,气象首要影响因素为温度,且呈正相关,说明气温较低的冬季逆温层较厚,不利于PM2.5的扩散;降水量和相对湿度对PM2.5的影响随季节呈正负相关变化,说明由于不同季节降水量的不同,对PM2.5的影响随季节变化特征显著;气压、风向对PM2.5影响较小,相关系数随季节变化特征显著.【总页数】5页(P69-73)【作者】张怡文;倪标;郭傲东;费久龙;陈家丽;吴海龙【作者单位】安徽新华学院信息工程学院,安徽合肥230088;火箭指挥学院,湖北武汉430012;安徽新华学院信息工程学院,安徽合肥230088;安徽新华学院信息工程学院,安徽合肥230088;安徽新华学院信息工程学院,安徽合肥230088;安徽新华学院信息工程学院,安徽合肥230088【正文语种】中文【中图分类】X823【相关文献】1.合肥地区PM2.5及污染物季节相关性分析 [J], 张怡文;倪标;郭傲东;费久龙;陈家丽;吴海龙2.大理洱海东岸山区天文气象条件初步统计分析:2016至2017年大气季节特征[J], 王晶星;刘煜;宋腾飞;李忠木;张雪飞;李小波3.基于多元统计的PM2.5分析与预测——以合肥地区为例 [J], 敖希琴;费久龙;陈家丽;郑阳;汪金婷4.合肥地区大学生PM2.5暴露水平研究 [J], 陈靖宜;耿标;景晨思;汪洋;赵卫平;;;;;5.合肥地区2013年春节期间PM2.5质量浓度演变特征 [J], 董德保;祝颂;芮斌因版权原因，仅展示原文概要，查看原文内容请购买。
关于合肥市雾霾形成原因的统计分析报告
“难以呼吸的痛”——关于合肥市雾霾形成原因的统计分析报告合肥市自12月份以来，就一直被雾霾所笼罩，为分析合肥市雾霾形成的原因，我做了这次统计报告。
（一）合肥市空气质量总体状况图1.1合肥市2013年12月8日到21日空气质量指数趋势资料来源：中国PM2.5监测网AQI类别AQI级别AQI数值(ug/m^3) 天数对健康的影响状况优 1 0-50 0 空气质量令人满意,基本无空气污染各类人群可正常活动良 2 51-100 1 空气质量可接受,但某些污染物可能对极少数异常敏感人群健康有较弱影响轻度污染 3 101-150 3 易感人群症状有轻度加剧,健康人群出现刺激症状中度污染 4 151-200 2 进一步加剧易感人群症状,可能对健康人群心脏、呼吸系统有影响重度污染 5 201-300 8 心脏病和肺病患者症状显著加剧,运动耐受力降低,健康人群普遍出现症状严重污染 6 >300 0 健康人运动耐受力降低,有明显强烈症状,提前出现某些疾病从图1.1和表1.1中，我们可以看到，空气污染指数划分为0－50、51－100、101－150、151－200、201－250、251－300和大于300七档，对应于空气质量的七个级别，指数越大，级别越高，说明污染越严重，对人体健康的影响也越明显。
虽然合肥市整体空气质量指数在基本上都是在100（良）以上进行波动，14天内达标天数比例仅为7.1%，超标天数比例为92.9%，其中轻度污染天数比例为21.4%，中度污染天数比例为14.3%,重度污染天数比例为57.2%。
可见合肥市的空气质量状况是很差的。
表1.2合肥市2013-12-22 10:00监测地点空气质量状况及PM2.5浓度监测地点AQI（ug/m^3) 空气质量状况PM2.5的浓度（ug/m^3)董铺水库111 轻度污染84滨湖新区122 轻度污染93高新区141 轻度污染108琥珀山庄150 轻度污染115长江中路150 轻度污染115庐阳区151 中度污染116明珠广场154 中度污染118包河区200 中度污染150三里街206 重度污染156瑶海区208 重度污染158数据来源：PM2.5监测网从表1.2可以看出，根据国内现行的标准为75微克/立方米浓度的PM2.5对应的空气质量指数为100，即高于75为不达标。
影响合肥AQI变化的因素
2014-1-5
此处添加公司信息
此处添加公司信息
4、污染源头分析
大概天黑以后，空气质量才渐渐好转，直至第二天11时、12 时污染才有加重之事。因此，可以判断人为活动才是影响这24小 时AQI变化的主要原因。随着人为活动的减少，行驶的机动车辆减 少，工厂生产活动减少，大量燃煤、燃油向空气中排放出二氧化 硫、二氧化氮和可吸入颗粒物的量减少，因此AQI出现下降趋势； 第二天快至中午时，随着人类活动的增加，AQI也就又有回升趋势。
此处添加公司信息
LOGO
最后，面对着严重的空气污染，我们会不可 避免地接触到空气中细菌等对人体有害的微生物， 除了注意日常生活的卫生之外，也应该增加保健 自身的意识。多在空气流动的地方活动，切不可 忽视小病，而最终酿成大病，也可以购买一些保 健品做防备。
2014-1-5
此处添加公司信息
LOGO
谢谢观赏
此处添加公司信息
2、气候因素
12月6日12点气压图 12月7日12点气压 图
LOGO
从气压图上看，短时间气 压的变化很小，再加上并无降 雨天气，所以对合肥24小时的 AQI变化，气候因素影响不大。
此处添加公司信息
LOGO
3、相对湿度
合肥市24小时相对湿度变化趋势图
从图中可以看出，这24小时内相对湿度有变化， 但是结合AQI变化曲线，可已看出两条曲线没什 么一致性，所以相对湿度对合肥市24小时的AQI 变化没什么相关影响。
影响空气质量指数（AQI）的因素
——以合肥市近24小时AQI变化分析为例
LOGO
合肥市12月6日至7日空气质量指数趋势图
此处添加公司信息
为甚么是这个走势？ 原因分析
1、风力因素
合肥大气能见度变化特征及其影响因素-应用生态学报
合肥市大气能见度变化特征及其影响因素施悯悯１㊀张庆国２∗㊀张㊀浩３㊀王凤文１（１安徽农业大学资源与环境学院，合肥２３００３６；２安徽农业大学理学院，合肥２３００３６；３安徽省气象科学研究所／安徽省大气科学与卫星遥感重点实验室，合肥２３００３１）摘㊀要㊀利用２０１３年１０月至２０１５年６月合肥市大气能见度的观测资料以及同期观测的气象要素和ＰＭ２．５㊁ＰＭ１０浓度的资料，在全面分析大气能见度影响因子的基础上，重点探讨相对湿度（ＲＨ）㊁ＰＭ２．５和ＰＭ１０浓度与大气能见度的关系．结果表明：研究期间，合肥市大气能见度与ＲＨ的相关性最高．当ＲＨ＜６０％时，随着ＲＨ的增大，ＰＭ２．５和ＰＭ１０浓度与大气能见度的相关系数也逐渐增大；当ＲＨ＞６０％时，颗粒物浓度与大气能见度的相关系数呈递减趋势；当５０％ɤＲＨ＜６０％时，ＰＭ２．５和ＰＭ１０浓度与大气能见度的相关系数最大．ＲＨ较高时，大气能见度主要受ＲＨ影响，反之，颗粒物浓度对大气能见度的影响较大．当ＲＨ＞７０％时，大气能见度等值线变化幅度较大，ＲＨ对大气能见度的影响加强．根据ＲＨ㊁ＰＭ２．５和ＰＭ１０浓度与大气能见度的拟合公式，非线性拟合模型优于多元线性拟合模型，可以较好地模拟大气能见度的变化规律．关键词㊀大气能见度；ＰＲＯＶＳＶ曲线分析；相对湿度；ＰＭ２．５和ＰＭ１０ＣｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆａｔｍｏｓｐｈｅｒｉｃｖｉｓｉｂｉｌｉｔｙｃｈａｎｇｅａｎｄｉｔｓｉｎｆｌｕｅｎｃｅｆａｃｔｏｒｓｉｎＨｅｆｅｉＣｉｔｙ，Ａｎｈｕｉ，Ｃｈｉｎａ．ＳＨＩＭｉｎ⁃ｍｉｎ１，ＺＨＡＮＧＱｉｎｇ⁃ｇｕｏ２∗，ＺＨＡＮＧＨａｏ３，ＷＡＮＧＦｅｎｇ⁃ｗｅｎ１（１ＳｃｈｏｏｌｏｆＲｅｓｏｕｒｃｅｓａｎｄＥｎｖｉｒｏｎｍｅｎｔ，ＡｎｈｕｉＡｇｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙ，Ｈｅｆｅｉ２３００３６，Ｃｈｉｎａ；２ＳｃｈｏｏｌｏｆＳｃｉ⁃ｅｎｃｅ，ＡｎｈｕｉＡｇｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙ，Ｈｅｆｅｉ２３００３６，Ｃｈｉｎａ；３ＡｎｈｕｉＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅｏｆＭｅｔｅｏｒｏｌｏｇｉ⁃ｃａｌＳｃｉｅｎｃｅ／ＡｎｈｕｉＰｒｏｖｉｎｃｅＫｅｙＬａｂｏｒａｔｏｒｙｏｆＡｔｍｏｓｐｈｅｒｉｃＳｃｉｅｎｃｅａｎｄＳａｔｅｌｌｉｔｅＲｅｍｏｔｅＳｅｎｓｉｎｇ，Ｈｅｆｅｉ２３００３１，Ｃｈｉｎａ）．Ａｂｓｔｒａｃｔ：ＵｓｉｎｇｔｈｅｏｂｓｅｒｖａｔｉｏｎｄａｔａｏｆＨｅｆｅｉａｔｍｏｓｐｈｅｒｉｃｖｉｓｉｂｉｌｉｔｙａｎｄｍｅｔｅｏｒｏｌｏｇｉｃａｌｅｌｅｍｅｎｔｓａｎｄＰＭ２．５ａｎｄＰＭ１０ｃｏｎｃｅｎｔｒａｔｉｏｎｓａｔｓａｍｅｐｅｒｉｏｄｆｒｏｍＯｃｔｏｂｅｒ２０１３ｔｏＪｕｎｅ２０１５，ｂａｓｅｄｏｎｃｏｍ⁃ｐｒｅｈｅｎｓｉｖｅａｎａｌｙｓｉｓｏｆｔｈｅｉｍｐａｃｔｆａｃｔｏｒｓｏｎａｔｍｏｓｐｈｅｒｉｃｖｉｓｉｂｉｌｉｔｙ，ｔｈｅｒｅｌａｔｉｏｎｓｈｉｐｓａｍｏｎｇｔｈｅｒｅｌａ⁃ｔｉｖｅｈｕｍｉｄｉｔｙ（ＲＨ），ＰＭ２．５ａｎｄＰＭ１０ｃｏｎｃｅｎｔｒａｔｉｏｎｓａｎｄｖｉｓｉｂｉｌｉｔｙｗｅｒｅｅｘｐｌｏｒｅｄ．ＴｈｅｒｅｓｕｌｔｓｓｈｏｗｅｄｔｈａｔｔｈｅｃｏｒｒｅｌａｔｉｏｎｂｅｔｗｅｅｎＲＨａｎｄＨｅｆｅｉａｔｍｏｓｐｈｅｒｉｃｖｉｓｉｂｉｌｉｔｙｗａｓｍｏｓｔｓｉｇｎｉｆｉｃａｎｔｄｕｒｉｎｇｔｈｅｐｅｒｉｏｄｏｆｓｔｕｄｙ．ＷｈｅｎＲＨ＜６０％，ｔｈｅｃｏｅｆｆｉｃｉｅｎｔｓｏｆｃｏｒｒｅｌａｔｉｏｎｂｅｔｗｅｅｎＰＭ２．５，ＰＭ１０ｃｏｎｃｅｎｔｒａ⁃ｔｉｏｎｓａｎｄａｔｍｏｓｐｈｅｒｉｃｖｉｓｉｂｉｌｉｔｙｉｎｃｒｅａｓｅｄｇｒａｄｕａｌｌｙｗｉｔｈｔｈｅｉｎｃｒｅａｓｉｎｇＲＨ．ＷｈｅｎＲＨ＞６０％，ｔｈｅｃｏｅｆｆｉｃｉｅｎｔｓｏｆｃｏｒｒｅｌａｔｉｏｎｂｅｔｗｅｅｎｔｈｅｐａｒｔｉｃｌｅｓｃｏｎｃｅｎｔｒａｔｉｏｎｉｎａｔｍｏｓｐｈｅｒｅａｎｄａｔｍｏｓｐｈｅｒｉｃｖｉｓｉｂｉｌｉ⁃ｔｙｓｈｏｗｅｄａｄｅｃｒｅａｓｉｎｇｔｒｅｎｄ．Ｗｈｅｎ５０％ɤＲＨ＜６０％，ｔｈｅｃｏｅｆｆｉｃｉｅｎｔｓｏｆｃｏｒｒｅｌａｔｉｏｎｂｅｔｗｅｅｎＰＭ２．５，ＰＭ１０ｃｏｎｃｅｎｔｒａｔｉｏｎｓａｎｄａｔｍｏｓｐｈｅｒｅｖｉｓｉｂｉｌｉｔｙｗｅｒｅｈｉｇｈｅｒ．ＷｈｅｎＲＨｗａｓｒｅｌａｔｉｖｅｌｙｈｉｇｈｅｒ，ｔｈｅａｔｍｏｓｐｈｅｒｉｃｖｉｓｉｂｉｌｉｔｙｗａｓｍａｉｎｌｙａｆｆｅｃｔｅｄｂｙｔｈｅｒｅｌａｔｉｖｅｈｕｍｉｄｉｔｙ，ｏｎｔｈｅｃｏｎｔｒａｒｙ，ｔｈｅｃｏｎｃｅｎ⁃ｔｒａｔｉｏｎｏｆｐａｒｔｉｃｌｅｓｈａｄａｇｒｅａｔｅｒｉｎｆｌｕｅｎｃｅｏｎｔｈｅｖｉｓｉｂｉｌｉｔｙ．ＷｈｅｎＲＨ＞７０％，ｔｈｅｃｈａｎｇｅａｍｐｌｉｔｕｄｅｏｆｃｏｎｔｏｕｒｌｉｎｅｏｆａｔｍｏｓｐｈｅｒｉｃｖｉｓｉｂｉｌｉｔｙｗａｓｌａｒｇｅｒ，ａｎｄｔｈｅｉｍｐａｃｔｓｏｆＲＨｏｎａｔｍｏｓｐｈｅｒｉｃｖｉｓｉｂｉｌｉｔｙｗｅｒｅｉｎｔｅｎｓｉｆｉｅｄ．ＡｃｃｏｒｄｉｎｇｔｏｔｈｅｆｏｒｍｕｌａｆｉｔｔｅｄｂｙｔｈｅｄａｔａｏｆＲＨ，ＰＭ２．５，ＰＭ１０ｃｏｎｃｅｎｔｒａｔｉｏｎｓａｎｄａｔｍｏｓｐｈｅｒｉｃｖｉｓｉｂｉｌｉｔｙ，ｔｈｅｎｏｎｌｉｎｅａｒｆｉｔｔｉｎｇｍｏｄｅｌｗａｓｂｅｔｔｅｒｔｈａｎｍｕｌｔｉｖａｒｉａｔｅｌｉｎｅａｒｆｉｔｔｉｎｇｍｏｄｅｌｉｎｓｉｍｕｌａｔｉｎｇｔｈｅｃｈａｎｇｅｏｆａｔｍｏｓｐｈｅｒｉｃｖｉｓｉｂｉｌｉｔｙ．Ｋｅｙｗｏｒｄｓ：ａｔｍｏｓｐｈｅｒｉｃｖｉｓｉｂｉｌｉｔｙ；ＰＲＯＶＳＶｃｕｒｖｅａｎａｌｙｓｉｓ；ｒｅｌａｔｉｖｅｈｕｍｉｄｉｔｙ（ＲＨ）；ＰＭ２．５ａｎｄＰＭ１０．本文由安徽省省级环境保护科研项目（２０１５⁃００２）资助ＴｈｉｓｗｏｒｋｗａｓｓｕｐｐｏｒｔｅｄｂｙｔｈｅＡｎｈｕｉＰｒｏｖｉｎｃｉａｌＥｎｖｉｒｏｎｍｅｎｔａｌＰｒｏｔｅｃｔｉｏｎＰｒｏｊｅｃｔｓ（２０１５⁃００２）．２０１６⁃０７⁃０６Ｒｅｃｅｉｖｅｄ，２０１６⁃１１⁃２８Ａｃｃｅｐｔｅｄ．∗通讯作者Ｃｏｒｒｅｓｐｏｎｄｉｎｇａｕｔｈｏｒ．Ｅ⁃ｍａｉｌ：ｑｇｚｈａｎｇ＠ａｈａｕ．ｅｄｕ．ｃｎ应用生态学报㊀２０１７年２月㊀第２８卷㊀第２期㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀ｈｔｔｐ：／／ｗｗｗ．ｃｊａｅ．ｎｅｔＣｈｉｎｅｓｅＪｏｕｒｎａｌｏｆＡｐｐｌｉｅｄＥｃｏｌｏｇｙ，Ｆｅｂ．２０１７，２８（２）：４８５－４９２㊀㊀㊀㊀㊀㊀㊀㊀㊀ＤＯＩ：１０．１３２８７／ｊ．１００１－９３３２．２０１７０２．０２９㊀㊀大气能见度是反映大气透明度的指标，与人们的日常生活紧密相关，它的好坏直接反映了一个地区的大气环境质量．低能见度会给人们的生产生活带来诸多不便，常常是造成交通事故和突发事件的重要原因．２０世纪７０年代以来，国内外学者就已经开始着手大气能见度的研究［１－３］．１９７９年，Ｃｒａｉｇ等［４］引入Ｒｉｄｉｔ统计分析法研究大气能见度的变化趋势特征．此外，美国学者发现，降水和水汽形成的雾霾天气是低能见度的成因，大气能见度与对流层气溶胶浓度密切相关，并且与大气颗粒物浓度㊁硫酸盐和硝酸盐浓度也有密切关系［５－６］．国内很多学者对能见度的影响因素进行研究，结果表明，城市大气能见度与湿度㊁温度㊁风速等气象条件及雾霾㊁降水等天气现象有密切关系．但是近年来，由于大气污染日趋严重，大气颗粒物浓度特别是细颗粒物浓度是造成大气能见度下降的重要原因．宋宇等［７］讨论了北京市能见度下降与气溶胶质量浓度的关系，得出北京地区气溶胶粒子散射消光占总消光的７０％ ８０％．潘洪等［８］研究广州地区大气能见度与颗粒物浓度的关系，发现不同相对湿度下，颗粒物浓度与大气能见度的相关性不同，相对湿度ɤ８０％时相关性最好．边海等［９］研究表明，颗粒物质量浓度与能见度变化总体呈负相关，小粒径颗粒对能见度的影响作用更加明显．近年来，合肥市发生低能见度的日数逐年增加．本文在分析合肥市能见度变化趋势及气象要素和大气污染对能见度影响的基础上，重点探讨不同相对湿度下，颗粒物浓度对能见度的影响，并利用ＰＭ２．５㊁ＰＭ１０㊁相对湿度数据对能见度进行线性和非线性拟合，定量分析气象条件㊁大气气溶胶与能见度的相互关系．１㊀研究地区与研究方法１ １㊀研究区概况合肥市位于安徽省中部（３１ʎ３４ᶄ ３１ʎ５８ᶄＮ，１１７ʎ４ᶄ １１７ʎ２６ᶄＥ），地处江淮之间，平均海拔３０ｍ，属亚热带季风性湿润气候．合肥市辖区总面积１１４０８．４８ｋｍ２，现辖４个区㊁４个县㊁１个县级市（图１）．㊀㊀作为皖江城市带及中国东部地区重要中心城市，合肥市近年来经济发展及城市建设速度较快，随之带来一系列由工业生产㊁城区建设㊁机动车尾气排放等导致的环境污染问题．自２０１３年以来，合肥市雾霾现象越来越严重，甚至出现空气质量指数（ＡＱＩ）达到５００的情况．尤其是冬季，低能见度现象频发．图１㊀研究区分布Ｆｉｇ．１㊀Ｄｉｓｔｒｉｂｕｔｉｏｎｏｆｔｈｅｓｔｕｄｙａｒｅａ．１ ２㊀数据来源与预处理本研究数据为合肥市２０１３年１０月至２０１５年６月的气象与空气质量监测数据．气象资料采用合肥国家基本气象站逐小时地面观测数据（包括能见度㊁相对湿度㊁风速㊁气温㊁气压等）．空气质量监测数据来源于合肥包河环境监测站（３１．８０ʎＮ，１１７．３０ʎＥ），主要选取ＰＭ２．５㊁ＰＭ１０两种颗粒物质量浓度数据，时间分辨率为小时．所有资料均进行严格的质量控制，删除异常值，对于缺失数据使用点处线性趋势插值法进行处理．１ ３㊀ＰＲＯＶＳＶ曲线分析ＰＲＯＶＳＶ（ｐａｒｔｉｃｕｌａｔｅｍａｔｔｅｒｃｏｎｃｅｎｔｒａｔｉｏｎ⁃ｒｅｌａｔｉｖｅｈｕｍｉｄｉｔｙｏｎｖｉｓｉｂｉｌｉｔｙｓｅｎｓｉｔｉｖｉｔｙｖａｒｉａｔｉｏｎ）曲线是基于长时间序列的大气能见度㊁细颗粒物浓度㊁相对湿度的同步观测数据绘制成的大气能见度随细颗粒物浓度㊁相对湿度变化的等值线［１０］．可以更加直观地凸显出大气气溶胶㊁相对湿度与大气能见度的相互关系．１ ４㊀数据处理利用ＧｏｌｄｅｎＳｏｆｔｗａｒｅＳｕｒｆｅｒ８．０软件绘制大气能见度随细颗粒物浓度㊁相对湿度变化的ＰＲＯＶＳＶ曲线图，插值方法选用距离平方反比法（ｉｎｖｅｒｓｅｄｉｓ⁃ｔａｎｃｅｔｏａｐｏｗｅｒ）．利用ＳＰＳＳ统计软件对合肥市大气能见度与各气象和环境要素进行相关性分析．２㊀结果与分析２ １㊀合肥市大气能见度的变化特征２０１３年１０月至２０１５年６月，合肥市月平均能见度变化趋势明显，最高值出现在３ ５月，最低值出现在１２月和１月．春季能见度最好，立春过后，由于大气对流运动加强，垂直方向上空气的交换速度加快，大气扩散能力强，空气中污染物得到及时消散６８４应㊀用㊀生㊀态㊀学㊀报㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀２８卷和清除，所以能见度较好．大气能见度的月平均最高值出现在５月，平均能见度达到９．３７ｋｍ．合肥市属于亚热带季风性湿润气候，降水集中在夏季．７ ８月雨水多，相对湿度较大，能见度低于春季．１０月，空气中水汽减少，秋高气爽，大气透明度较好，能见度小幅提高，平均能见度为７．４８ｋｍ．但是，秋季合肥市周边郊区农作物秸秆燃烧，污染空气，会影响能见度．１月，合肥市能见度出现最低值，平均能见度为５．８６ｋｍ．冬季对流运动变弱，空气交换速度减慢，而且雾㊁霾天气频繁，逆温层的出现等使得大气能见度随之变差，平均能见度只有６．７３ｋｍ．从季节来看，合肥市平均能见度为春季＞夏季＞秋季＞冬季（图２）．２ ２㊀合肥市大气能见度的影响因子由表１可知，气压㊁气温和风速对合肥市大气能见度的影响较小（相关系数分别为０．００４㊁０．０５８和０．０８３），相对湿度对大气能见度的影响最大，这与多图２㊀研究区大气能见度平均月变化和季节变化Ｆｉｇ．２㊀Ｍｏｎｔｈｌｙａｎｄｓｅａｓｏｎａｌｖａｒｉａｔｉｏｎｏｆａｖｅｒａｇｅａｔｍｏｓｐｈｅｒｉｃｖｉｓｉｂｉｌｉｔｙｉｎｔｈｅｓｔｕｄｙａｒｅａ．表１㊀合肥市大气能见度（Ｙ）与各影响要素（Ｘ）的拟合公式Ｔａｂｌｅ１㊀Ｆｉｔｔｉｎｇｆｏｒｍｕｌａｂｅｔｗｅｅｎａｔｍｏｓｐｈｅｒｉｃｖｉｓｉｂｉｌｉｔｙ（Ｙ）ａｎｄｉｍｐａｃｔｆａｃｔｏｒｓ（Ｘ）ｉｎＨｅｆｅｉＣｉｔｙ影响因子Ｉｍｐａｃｔｆａｃｔｏｒ拟合公式㊀Ｆｉｔｔｉｎｇｆｏｒｍｕｌａ㊀ｒ气压ＡｔｍｏｓｐｈｅｒｉｃｐｒｅｓｓｕｒｅＹ＝４１２．９８９ｅ－０．００４Ｘ０．００４温度ＴｅｍｐｅｒａｔｕｒｅＹ＝５．０８９Ｘ０．０１６０．０５８风速ＷｉｎｄｖｅｌｏｃｉｔｙＹ＝５．７４２＋０．９９５Ｘ０．０８３相对湿度ＲｅｌａｔｉｖｅｈｕｍｉｄｉｔｙＹ＝５５２．４６３Ｘ－１．００５０．３３９ＰＭ２．５Ｙ＝１２．２８２ｅ－０．０１Ｘ０．３３３ＰＭ１０Ｙ＝８．２９８ｅ－０．００２Ｘ０．１４７数研究结果一致［１１－１２］．大气能见度与气压呈负相关，与温度呈弱正相关．不同季节的温度不同，各种污染物的粒径分布和气固分布都不同，这些均对大气能见度产生影响．大气能见度与风速呈正相关，一般来说，风速通过稀释空气中的污染物和扰动大气静力稳定度影响大气能见度．风速直接影响污染物的扩散，若近地面风速较大，可吹散污染物，提高大气能见度．当地面风速小又无云时，易形成逆温现象，污染物难以扩散，大气能见度变差．相对湿度与大气能见度呈负相关，通常情况，湿度从两个方面影响大气能见度，一方面水汽对光产生散射和吸收，另一方面水汽可以改变大气气溶胶粒子的形状㊁光学特性和尺度分布．除气象要素外，大气污染物对大气能见度也有显著影响．由表１可知，ＰＭ２．５对大气能见度的影响大于ＰＭ１０．近年来合肥市经济快速发展，城市人口增多，机动车尾气的排放量和燃煤量增加．煤炭燃烧排放的二氧化硫和氮氧化物与空气中其他污染物发生化学反应，形成硫酸盐㊁硝酸盐二次颗粒等固体污染物，这是导致ＰＭ２．５升高的主要原因．２ ３㊀相对湿度㊁ＰＭ２．５和ＰＭ１０对大气能见度的影响２ ３ １相对湿度㊁ＰＭ２．５和ＰＭ１０与大气能见度的相关性㊀由表２可知，相对湿度对合肥市大气能见度的影响较大，ＰＭ２．５次之．春夏季节，气溶胶与大气能见度的相关系数较低，秋冬季节，相关系数较高．尤其是冬季，ＰＭ１０和ＰＭ２．５对大气能见度的影响较明显．冬季，ＰＭ１０对大气能见度的影响高于ＰＭ２．５．２ ３ ２ＰＲＯＶＳＶ曲线分析㊀由图３可知，研究区大气能见度等值线分布特征明显．低能见度集中出现在细颗粒物浓度较高或相对湿度较高的情况下．随着ＰＭ２．５浓度升高，大气能见度呈下降趋势．当ＰＭ２．５浓度一定时，大气能见度随着相对湿度的增加而降低．相对湿度较低时，大气能见度等值线变化表２㊀大气能见度与相对湿度㊁ＰＭ２．５和ＰＭ１０的相关系数Ｔａｂｌｅ２㊀Ｃｏｒｒｅｌａｔｉｏｎｃｏｅｆｆｉｃｉｅｎｔｓｂｅｔｗｅｅｎａｔｍｏｓｐｈｅｒｉｃｖｉｓｉ⁃ｂｉｌｉｔｙａｎｄｒｅｌａｔｉｖｅｈｕｍｉｄｉｔｙ（ＲＨ），ＰＭ２．５ｃｏｎｃｅｎｔｒａｔｉｏｎ，ＰＭ１０ｃｏｎｃｅｎｔｒａｔｉｏｎ相对湿度ＲＨＰＭ２．５ＰＭ１０全年Ａｎｎｕａｌ－０．６４６－０．５０３－０．３４３春季Ｓｐｒｉｎｇ－０．６３０－０．５０８－０．３７０夏季Ｓｕｍｍｅｒ－０．６４３－０．５０４－０．２７４秋季Ａｕｔｕｍｎ－０．５４３－０．５２０－０．３１４冬季Ｗｉｎｔｅｒ－０．６１９－０．５３３－０．５５８７８４２期㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀施悯悯等：合肥市大气能见度变化特征及其影响因素㊀㊀㊀㊀㊀㊀图３㊀ＰＭ２．５浓度㊁相对湿度与大气能见度的ＰＲＯＶＳＶ曲线图Ｆｉｇ．３㊀ＰＲＯＶＳＶｇｒａｐｈｏｆａｔｍｏｓｐｈｅｒｉｃｖｉｓｉｂｉｌｉｔｙ，ＰＭ２．５ｃｏｎｃｅｎ⁃ｔｒａｔｉｏｎａｎｄｒｅｌａｔｉｖｅｈｕｍｉｄｉｔｙ（ＲＨ）．幅度平缓．当相对湿度＞７０％时，变化幅度较剧烈，说明随着相对湿度的增加，其对大气能见度的影响加强．ＰＭ２．５浓度较小时，大气能见度等值线变化幅度缓慢．当ＰＭ２．５浓度高于１５０μｇ㊃ｍ－３，等值线变化幅度较为剧烈，大气能见度值较低．当相对湿度＞７０％时，大气能见度等值线变化幅度明显受二者共同影响．２ ３ ３相对湿度与颗粒物浓度的相关关系㊀多数研究指出，不同相对湿度（ＲＨ）下大气能见度受到颗粒物浓度的影响不同［１３－１７］．因为不同ＲＨ下，颗粒物的组成成分不同，其形成的气溶胶的吸湿增长因子也不同［１８－２０］．本研究将相对湿度分为ＲＨ＜４０％㊁４０％ɤＲＨ＜５０％㊁５０％ɤＲＨ＜６０％㊁６０％ɤＲＨ＜７０％㊁７０％ɤＲＨ＜８０％㊁８０％ɤＲＨ＜９０％㊁ＲＨȡ９０％７个等级，分别计算各个等级ＲＨ㊁ＰＭ２．５和ＰＭ１０呈显著的平均值（图４），从总体上分析ＲＨ与颗粒物浓度之间的相关关系．分等级后的ＲＨ与ＰＭ２．５和ＰＭ１０呈显著正相关，Ｒ２分别为０．８１和０．７２（Ｐ＜０．００１）．一般来说，当ＲＨ较大时，气溶胶颗粒的吸湿潮解会使颗粒物的质量浓度㊁复折射指数㊁粒径大小以及散射系数等发生改变，影响气溶胶的散射和吸收能力［２１－２３］．当ＲＨ＞９０％时，颗粒物质量浓度有所下降，ＲＨ在这个等级时会出现降水，雨水的冲刷作用使得颗粒物浓度降低．未分等级的ＲＨ与ＰＭ２．５和ＰＭ１０相关性较差，因为不同时间段的颗粒物浓度除受ＲＨ影响外，还受气压㊁温度㊁风速等其他因素影响，尤其是颗粒物浓度逐小时数据易受温度和大气混合层高度日变化的影响［２４］，ＲＨ对颗粒物浓度的实际影响力减弱．２ ３ ４不同相对湿度下颗粒物浓度对大气能见度的影响㊀不同相对湿度对颗粒物浓度影响不同，对大气能见度的影响也会产生差异．由表３可知，不同相对湿度范围内，ＰＭ２．５㊁ＰＭ１０与大气能见度大致呈指数关系．当ＲＨ＜６０％时，随着相对湿度的增大，ＰＭ２．５和ＰＭ１０浓度与大气能见度的相关系数也逐渐增大，当ＲＨ＞６０％时，颗粒物浓度与大气能见度的相关系数呈递减趋势，当５０％ɤＲＨ＜６０％时，ＰＭ２．５和ＰＭ１０浓度与大气能见度的相关系数最大，说明相对湿度较高时，大气能见度主要受相对湿度影响，反之，颗图４㊀分等级与未分等级的相对湿度与ＰＭ２．５和ＰＭ１０浓度的关系Ｆｉｇ．４㊀Ｒｅｌａｔｉｏｎｓｈｉｐｓｂｅｔｗｅｅｎｇｒａｄｅｄａｎｄｎｏｇｒａｄｅｄｒｅｌａｔｉｖｅｈｕｍｉｄｉｔｙ（ＲＨ）ａｎｄＰＭ２．５，ＰＭ１０ｃｏｎｃｅｎｔｒａｔｉｏｎ．∗∗Ｐ＜０．０１．下同Ｔｈｅｓａｍｅｂｅｌｏｗ．８８４应㊀用㊀生㊀态㊀学㊀报㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀２８卷表３㊀不同相对湿度下ＰＭ２．５㊁ＰＭ１０浓度（Ｘ）与大气能见度（Ｙ）的相关关系Ｔａｂｌｅ３㊀Ｃｏｒｒｅｌａｔｉｏｎｒｅｌａｔｉｏｎｓｈｉｐｓｂｅｔｗｅｅｎａｔｍｏｓｐｈｅｒｉｃｖｉｓｉｂｉｌｉｔｙ（Ｙ）ａｎｄＰＭ２．５ｃｏｎｃｅｎｔｒａｔｉｏｎ，ＰＭ１０ｃｏｎｃｅｎｔｒａｔｉｏｎ（Ｘ）ｕｎｄｅｒｄｉｆｆｅｒｅｎｔｒｅｌａｔｉｖｅｈｕｍｉｄｉｔｙ（ＲＨ）相对湿度ＲＨ（％）ＰＭ２．５拟合公式㊀Ｆｉｔｔｉｎｇｆｏｒｍｕｌａ㊀Ｒ２ＰＭ１０拟合公式㊀Ｆｉｔｔｉｎｇｆｏｒｍｕｌａ㊀Ｒ２ＲＨ＜４０Ｙ＝１６．３５２ｅ－０．００５ｘ０．５５Ｙ＝４０．９４１Ｘ－０．２８９０．２７４０ɤＲＨ＜５０Ｙ＝１３．７９４ｅ－０．００４ｘ０．６１Ｙ＝１１．９８４ｅ－０．００２ｘ０．２４５０ɤＲＨ＜６０Ｙ＝１４．６２４ｅ－０．００５ｘ０．６１Ｙ＝１３．８６２ｅ－０．００２ｘ０．２８６０ɤＲＨ＜７０Ｙ＝９１．４３５Ｘ－０．５３５０．５８Ｙ＝１１．０９１ｅ－０．００２ｘ０．２４７０ɤＲＨ＜８０Ｙ＝７０．６６７Ｘ－０．５１０．５２Ｙ＝１０．３２５ｅ－０．００２ｘ０．２２８０ɤＲＨ＜９０Ｙ＝５８．７５４Ｘ－０．５０８０．４５Ｙ＝８．１１３ｅ－０．００３ｘ０．１７ＲＨȡ９０Ｙ＝１１．９４－１．７０ｌｇｘ０．２４Ｙ＝８．６４－０．８５ｌｇｘ０．０８粒物浓度对大气能见度的影响较大．当５０％ɤＲＨ＜６０％时，合肥市大气能见度受颗粒物浓度的影响最大，而北京和广州在７０％ɤＲＨ＜８０％时，颗粒物浓度与大气能见度的相关性最好［２５］，这可能与研究地区的不同以及大气气溶胶化学成分的差异有关［２６］．大气能见度与ＰＭ２．５浓度的相关系数明显高于ＰＭ１０浓度．由图５可以看出，颗粒物浓度一定时，随着相对湿度的增加，对应的大气能见度值降低．当ＰＭ２．５和ＰＭ１０浓度为１５０μｇ㊃ｍ－３时，ＲＨ＜４０％㊁４０％ɤＲＨ＜５０％㊁５０％ɤＲＨ＜６０％㊁６０％ɤＲＨ＜７０％㊁７０％ɤＲＨ＜图５㊀不同相对湿度下大气能见度与ＰＭ２．５㊁ＰＭ１０浓度的关系Ｆｉｇ．５㊀ＲｅｌａｔｉｏｎｓｈｉｐｓｏｆａｔｍｏｓｐｈｅｒｉｃｖｉｓｉｂｉｌｉｔｙｗｉｔｈＰＭ２．５ａｎｄＰＭ１０ｃｏｎｃｅｎｔｒａｔｉｏｎｕｎｄｅｒｄｉｆｆｅｒｅｎｔｒｅｌａｔｉｖｅｈｕｍｉｄｉｔｙ（ＲＨ）．气能见度分别为７．１㊁６．４㊁５．７㊁５．６㊁４．７㊁３．９㊁２．７和１０．８㊁９．４㊁９．２㊁８．２㊁６．８㊁５．６㊁３．９ｋｍ．当能见度值为５ｋｍ时，ＲＨ＜４０％㊁４０％ɤＲＨ＜５０％㊁５０％ɤＲＨ＜６０％㊁６０％ɤＲＨ＜７０％㊁７０％ɤＲＨ＜８０％㊁８０％ɤＲＨ＜９０％㊁ＲＨȡ９０％的ＰＭ２．５浓度分别为２０５㊁１８８㊁１６８㊁１６７㊁１３９㊁１１３㊁５２μｇ㊃ｍ－３，最大值是最小值的近４倍；各等级的ＰＭ１０浓度分别为４１７㊁３５９㊁３６２㊁３４４㊁２８８㊁１９９㊁３３μｇ㊃ｍ－３，最大值比最小值大１０倍多．说明在颗粒物质量浓度较低时，如果ＲＨ过高，也会出现大气能见度较低的现象．２ ３ ５ＰＭ２．５㊁ＰＭ１０浓度和相对湿度与大气能见度的线性和非线性拟合㊀为更好地定量分析ＰＭ２．５㊁ＰＭ１０浓度和相对湿度对大气能见度的影响，及预测合肥市大气能见度的变化趋势，采用２０１４年３月至２０１５年２月的数据，对大气能见度与ＰＭ２．５㊁ＰＭ１０浓度和相对湿度进行线性和非线性拟合．线性拟合采用ＳＰＳＳ统计软件分季节建立多元回归模型，置信区间为９５％，所有模型均通过显著性检验（Ｐ＜０．０１）．拟合结果如下：春季：Ｖｉｓ＝２０．０６９－０．０３６ｘ１－０．００４ｘ２－０．１１１ｘ３（Ｒ２＝０．６３）（１）夏季：Ｖｉｓ＝１８．４４７－０．０３６ｘ１＋０．００４ｘ２－０．１０９ｘ３㊀（Ｒ２＝０．５６）（２）秋季：Ｖｉｓ＝１９．２９６－０．０３７ｘ１＋０．００５ｘ２－０．１２７ｘ３㊀（Ｒ２＝０．６２）（３）冬季：Ｖｉｓ＝１７．９６６－０．０４１ｘ１－０．００２ｘ２－０．１１８ｘ３㊀（Ｒ２＝０．６８）（４）式中：ｘ１为ＰＭ２．５浓度；ｘ２为ＰＭ１０浓度；ｘ３为相对湿度；Ｖｉｓ为大气能见度．利用１ｓｔｏｐｔ软件采用全局优化算法对大气能见度与ＰＭ１０㊁ＰＭ２．５浓度㊁相对湿度进行非线性拟合．ＰＭ１０㊁ＰＭ２．５浓度与大气能见度呈指数关系，故采取的颗粒物浓度与大气能见度拟合公式为：Ｖｉｓ＝ａ１ｅｘｐ（ＰＭ／ａ２）＋ａ３；相对湿度与能见度呈幂函数关系，符合公式Ｖｉｓ＝ｂ１＋ｂ２ＲＨ１．５．因此，大气能见度的多元非线性拟合公式为：Ｖｉｓ＝ｐ１＋ｐ２ｅｘｐ（ＰＭ２．５／ｐ３）＋ｐ４ｅｘｐ（ＰＭ１０／ｐ５）＋ｐ６ＲＨ１．５（５）式中：ｐ１㊁ｐ２㊁ｐ３㊁ｐ４㊁ｐ５㊁ｐ６均为参数，分季节得到的拟合公式结果见表４．２ ３ ６模型验证及预测结果对比㊀利用２０１５年３月和６月数据对多元线性回归模型和非线性拟合模９８４２期㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀施悯悯等：合肥市大气能见度变化特征及其影响因素㊀㊀㊀㊀㊀㊀表４㊀不同季节的大气能见度与相对湿度㊁ＰＭ２．５和ＰＭ１０浓度的非线性拟合方程参数Ｔａｂｌｅ４㊀Ｐａｒａｍｅｔｅｒｓｏｆｎｏｎｌｉｎｅａｒｆｉｔｔｉｎｇｆｏｒｍｕｌａｓｂｅｔｗｅｅｎｔｈｅａｔｍｏｓｐｈｅｒｉｃｖｉｓｉｂｉｌｉｔｙａｎｄｒｅｌａｔｉｖｅｈｕｍｉｄｉｔｙ，ＰＭ２．５ｃｏｎｃｅｎｔｒａ⁃ｔｉｏｎ，ＰＭ１０ｃｏｎｃｅｎｔｒａｔｉｏｎｉｎｄｉｆｆｅｒｅｎｔｓｅａｓｏｎｓ季节Ｓｅａｓｏｎｐ１ｐ２ｐ３ｐ４ｐ５ｐ６非线性预测值与实际值的相关系数（ｒ）Ｃｏｒｒｅｌａｔｉｏｎｃｏｅｆｆｉｃｉｅｎｔｒｏｆｎｏｎｌｉｎｅａｒｐｒｅｄｉｃｔｉｖｅａｎｄａｃｔｕａｌｖａｌｕｅ春季Ｓｐｒｉｎｇ１１．６６０１１．７２６－５４．６１４－２．８６Ｅ－５５２．８５７－０．０１００．８２８夏季Ｓｕｍｍｅｒ９．９８６－１２．６３４－６８．８２３－８．０７８－４．１９１－０．０１００．７７３秋季Ａｕｔｕｍｎ－８．２１３－１２．３０２－１４７．７７９－２．６４６－２３６．０４２－０．０１００．８１１冬季Ｗｉｎｔｅｒ６．３１６１０．６０２－１１５．８４６０．８６５－８７．１１５－０．０１００．８３８型预测的准确性进行验证．由图６可知，２０１５年３月预测值和实际值的趋势变化的一致性较好，６月的拟合效果较３月差；两种拟合中，６月拟合结果的离散程度都比３月大．由图７可知，非线性拟合模型中，３月和６月大气能见度预测值和实际值的决定系数分别为０．８６㊁０．６９，多元线性拟合模型的决定系数分别为０．８１和０．６１（Ｐ＜０．００１），表明非线性拟合优于线性拟合．３月和６月非线性拟合模型的平均绝对误差分别为２．３７和２．７１，平均相对误差分别为０．４９和０．５６；多元线性拟合模型的平均绝对误差分别为２．６２㊁２．９３，平均相对误差分别为０．５６㊁０．５７．非线性拟合模型的平均绝对和相对误差均小于线性拟合，说明非线性拟合模型能更好地预测大气能见度．图６㊀３和６月的大气能见度预测值和实际值比较Ｆｉｇ．６㊀Ｃｏｍｐａｒｉｓｏｎｏｆｆｏｒｅｃａｓｔｄａｔａａｎｄａｃｔｕａｌｄａｔａｏｆａｔｍｏｓ⁃ｐｈｅｒｉｃｖｉｓｉｂｉｌｉｔｙｉｎＭａｒｃｈａｎｄＪｕｎｅ．Ⅰ：实际能见度Ａｃｔｕａｌｖｉｓｉｂｉｌｉｔｙ；Ⅱ：非线性预测值Ｎｏｎｌｉｎｅａｒｐｒｅｄｉｃ⁃ｔｉｖｅｖａｌｕｅ；Ⅲ：回归预测值Ｒｅｇｒｅｓｓｉｏｎｐｒｅｄｉｃｔｉｖｅｖａｌｕｅ．３㊀结㊀㊀论合肥市大气能见度平均月变化和季节变化趋势明显，大气能见度最高值出现在５月，最低值出现在１月，大气能见度季节变化为春季＞夏季＞秋季＞冬季．各气象要素和颗粒物浓度中，大气能见度与相对湿度的相关性最大，与ＰＭ２．５次之，冬季ＰＭ１０对大气能见度的影响高于ＰＭ２．５．低大气能见度集中出现在细颗粒物浓度较高或相对湿度较高的情况下．当相对湿度＞７０％时，大气能见度等值线变化幅度较为强烈，相对湿度对大气能见度的影响加强．不同相对湿度下，颗粒物浓度对大气能见度的影响不同，将ＲＨ分为７个等级研究其与颗粒物浓度的相关性，ＲＨ与ＰＭ２．５和ＰＭ１０呈正相关．ＲＨ与ＰＭ２．５的相关性高于ＰＭ１０．当ＲＨ＜６０％时，随着ＲＨ的增大，ＰＭ２．５和ＰＭ１０浓度与大气能见度的相关系数也逐渐增大；ＲＨ＞６０％时，颗粒物浓度与大气能见度的相关系数呈递减趋势；５０％ɤＲＨ＜６０％时，ＰＭ２．５和ＰＭ１０浓度与大气能见度的相关系数最高．大气能见度的非线性拟合模型优于多元线性拟合模型．可以较好地预测大气能见度的变化规律．本文分析了合肥市大气能见度的影响因素和变化特征，结果表明，ＲＨ㊁ＰＭ２．５和ＰＭ１０对大气能见度影响较大．根据现有研究，风速对大气能见度也具有一定影响．但由于本研究数据的缺失和局限性，导致风速与大气能见度的相关性较低，故没有考虑其影响性．以往，大气能见度的预测研究多数只采用单一的线性或非线性拟合方法．本文采用两种方法进行对比分析，结果表明非线性拟合可以更好地预测大气能见度，而线性拟合中，夏季和秋季的拟合公式中ＰＭ１０的系数为正，与多数研究不一致．这可能由于ＰＭ２．５㊁ＰＭ１０浓度和相对湿度存在一定共线性，在数据不全或存在奇异值时，多元线性回归模型可能出现失真情况，今后需对模型进一步探讨和完善．０９４应㊀用㊀生㊀态㊀学㊀报㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀２８卷图７㊀３和６月大气能见度预测值与实际值的关系Ｆｉｇ．７㊀ＲｅｌａｔｉｏｎｓｈｉｐｓｂｅｔｗｅｅｎｐｒｅｄｉｃｔｉｖｅｖａｌｕｅｓａｎｄａｃｔｕａｌｖａｌｕｅｓｏｆａｔｍｏｓｐｈｅｒｉｃｖｉｓｉｂｉｌｉｔｙｉｎＭａｒｃｈａｎｄＪｕｎｅ．此外，影响大气能见度的因素较多，除本文分析的要素外，还需考虑ＮＯ２㊁ＣＯ㊁Ｏ３等大气污染物，加强对大气能见度的深入研究．要提高合肥市空气质量，关键是落实节能减排政策，减少机动车尾气排放，提倡低碳出行；加强合肥市绿化建设，杜绝高污染项目；同时，深入推进秸秆禁烧和综合利用工作，减少合肥市郊区每年秋季的焚烧污染．近些年，合肥市地铁㊁道路㊁建筑施工较多，对大气能见度影响较大，环保㊁城管㊁施工企业等各部门应采取不同的应对措施，确保建筑垃圾及散装物料密闭运输，加强市管道路保洁和洒水，减少人为和工业污染，改善城市的环境质量．参考文献［１］㊀ＹａｎｇＷ⁃Ｒ（阳文锐），ＷａｎｇＲ⁃Ｓ（王如松），ＨｕａｎｇＪ⁃Ｌ（黄锦楼），ｅｔａｌ．Ａｐｐｌｉｃａｉｔｏｎｏｆｉｎｖｅｒｓｅｄｉｓｔａｎｃｅｗｅｉｇｈｔｅｄｉｎｔｅｒｐｏｌａｔｉｏｎｍｅｔｈｏｄｉｎｃｏｎｔａｍｉｎａｔｅｄｓｉｔｅａｓｓｅｓｓｍｅｎｔ．ＣｈｉｎｅｓｅＪｏｕｒｎａｌｏｆＡｐｐｌｉｅｄＥｃｏｌｏｇｙ（应用生态学报），２０１６，１８（９）：２０１３－２０１８（ｉｎＣｈｉｎｅｓｅ）［２］㊀ＣｈｅｎＪ．ＩｍｐａｃｔｏｆｒｅｌａｔｉｖｅｈｕｍｉｄｉｔｙａｎｄｗａｔｅｒｓｏｌｕｂｌｅｃｏｎｓｔｉｔｕｅｎｔｓｏｆＰＭ２．５ｏｎｖｉｓｉｂｉｌｉｔｙｉｍｐａｉｒｍｅｎｔｉｎＢｅｉｊｉｎｇ．Ａｅｒｏｓｏｌ＆ＡｉｒＱｕａｌｉｔｙＲｅｓｅａｒｃｈ，２０１４，１４：２６０－２６８［３］㊀ＺｈａｏＰ，ＺｈａｎｇＸ，ＸｕＸ，ｅｔａｌ．Ｌｏｎｇ⁃ｔｅｒｍｖｉｓｉｂｉｌｉｔｙｔｒｅｎｄｓａｎｄｃｈａｒａｃｔｅｒｉｓｔｉｃｓｉｎｔｈｅｒｅｇｉｏｎｏｆＢｅｉｊｉｎｇ，Ｔｉａｎ⁃ｊｉｎ，ａｎｄＨｅｂｅｉ．ＡｔｍｏｓｐｈｅｒｉｃＲｅｓｅａｒｃｈ，２０１１，１０１：７１１－７１８［４］㊀ＣｒａｉｇＣＤ，ＦａｕｌｋｅｎｂｅｒｒｙＧＤ．Ｔｈｅａｐｐｌｉｃａｔｉｏｎｏｆｒｉｄｉｔａｎａｌｙｓｉｓｔｏｄｅｔｅｃｔｔｒｅｎｄｓｉｎｖｉｓｉｂｉｌｉｔｙ．ＡｔｍｏｓｐｈｅｒｉｃＥｎｖｉ⁃ｒｏｎｍｅｎｔ，１９８０，１３：１６１７－１６２２［５］㊀ＳｌｏａｎｅＣＳ．ＶｉｓｉｂｉｌｉｔｙｔｒｅｎｄｓⅠ：Ｍｅｔｈｏｄｓｏｆａｎａｌｙｓｉｓ．ＡｔｍｏｓｐｈｅｒｉｃＥｎｖｉｒｏｎｍｅｎｔ，１９８２，１６：４１－５１［６］㊀ＳｌｏａｎｅＣＳ．Ｓｕｍｍｅｒｔｉｍｅｖｉｓｉｂｉｌｉｔｙｄｅｃｌｉｎｅｓ：Ｍｅｔｅｏｒｏｌｏｇｉ⁃ｃａｌｉｎｆｌｕｅｎｃｅｓ．ＡｔｍｏｓｐｈｅｒｉｃＥｎｖｉｒｏｎｍｅｎｔ，１９８３，１７：７６３－７７４［７］㊀ＳｏｎｇＹ（宋㊀宇），ＴａｎｇＸ⁃Ｙ（唐孝炎），ＺｈａｎｇＹ⁃Ｈ（张远航），ｅｔａｌ．Ｔｈｅｓｔｕｄｙｏｆｔｈｅｓｔａｔｕｓａｎｄｄｅｇｒａｄａ⁃ｔｉｏｎｏｆｖｉｓｉｂｉｌｉｔｙｉｎＢｅｉｊｉｎｇ．ＲｅｓｅａｒｃｈｏｆＥｎｖｉｒｏｎｍｅｎｔａｌＳｃｉｅｎｃｅｓ（环境科学研究），２００３，２３（４）：４６８－４７１（ｉｎＣｈｉｎｅｓｅ）［８］㊀ＰａｎＨ（潘㊀洪），ＭｉＷ⁃Ｄ（密吴兑），ＬｉＦ（李菲），ｅｔａｌ．Ｔｈｅｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎａｔｍｏｓｐｈｅｒｉｃｖｉｓｉｂｉ⁃ｌｉｔｙａｎｄｐａｒｔｉｃｕｌａｔｅｍａｔｔｅｒｉｎＧｕａｎｇｚｈｏｕ．ＥｎｖｉｒｏｎｍｅｎｔａｌＭｏｎｉｔｏｒｉｎｇａｎｄＦｏｒｅｗａｒｎｉｎｇ（环境监控与预警），２０１５，７（１）：３２－３６（ｉｎＣｈｉｎｅｓｅ）［９］㊀ＢｉａｎＨ（边㊀海），ＨａｎＳ⁃Ｑ（韩素芹），ＺｈａｎｇＹ⁃Ｆ（张裕芬），ｅｔａｌ．ＲｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎａｔｍｏｓｐｈｅｒｉｃｖｉｓｉｂｉｌｉｔｙａｎｄｐａｒｔｉｃｕｌａｔｅｍａｔｔｅｒｐｏｌｌｕｔｉｏｎｉｎＴｉａｎｊｉｎ．Ｃｈｉ⁃ｎａＥｎｖｉｒｏｎｍｅｎｔａｌＳｃｉｅｎｃｅ（中国环境科学），２０１２，３２（３）：４０６－４１０（ｉｎＣｈｉｎｅｓｅ）［１０］㊀ＸｉａｏＺ⁃Ｍ（肖致美）．ＳｔｕｄｙｏｎＩｎｆｌｕｅｎｃｅＦａｃｔｏｒｓ，ＳｏｕｒｃｅＡｐｐｏｒｔｉｏｎｍｅｎｔｏｆＶｉｓｉｂｉｌｉｔｙＤｅｇｒａｄａｔｉｏｎａｎｄＡｓ⁃ｓｅｓｓｍｅｎｔＩｎｄｅｘＳｙｓｔｅｍｏｆＨａｚｅ．ＰｈＤＴｈｅｓｉｓ．Ｔｉａｎｊｉｎ：ＮａｎｋａｉＵｎｉｖｅｒｓｉｔｙ，２０１２（ｉｎＣｈｉｎｅｓｅ）［１１］㊀ＨｏｕＬ（侯㊀灵），ＡｎＪ⁃Ｌ（安俊琳），ＺｈｕＢ（朱彬）．ＣｈａｒａｃｔｅｒｉｚａｔｉｏｎｏｆｖｉｓｉｂｉｌｉｔｙｖａｒｉａｔｉｏｎｔｒｅｎｄａｎｄｉｔｓｉｎｆｌｕｅｎｃｅｆａｃｔｏｒｓｉｎＮａｎｊｉｎｇ．ＴｒａｎｓａｃｔｉｏｎｓｏｆＡｔｍｏｓｐｈｅｒｉｃＳｃｉｅｎｃｅｓ（大气科学学报），２０１４，３７（１）：９１－９８（ｉｎＣｈｉｎｅｓｅ）［１２］㊀ＺｈａｎｇＨ（张㊀浩），ＳｈｉＣ⁃Ｅ（石春娥），ＱｉｕＭ⁃Ｙ（邱明燕）．ＡｎａｌｙｓｉｓｏｆｔｈｅｉｎｆｌｕｅｎｃｅｏｆｍｅｔｅｏｒｏｌｏｇｉｃａｌｃｏｎｄｉｔｉｏｎｓｏｎｔｈｅａｔｍｏｓｐｈｅｒｉｃｖｉｓｉｂｉｌｉｔｙｉｎＨｅｆｅｉＣｉｔｙ．ＡｔｍｏｓｐｈｅｒｉｃＳｃｉｅｎｃｅＲｅｓｅａｒｃｈａｎｄＡｐｐｌｉｃａｔｉｏｎ（大气科学研究与应用），２００７（２）：９２－９８（ｉｎＣｈｉｎｅｓｅ）［１３］㊀ＧｏｎｇＳ⁃Ｙ（龚识懿），ＦｅｎｇＪ⁃Ｌ（冯加良）．Ｒｅｌａｔｉｏｎ⁃１９４２期㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀施悯悯等：合肥市大气能见度变化特征及其影响因素㊀㊀㊀㊀㊀㊀ｓｈｉｐｓａｍｏｎｇｒｅｌａｔｉｖｅｈｕｍｉｄｉｔｙ，ＰＭ１０ｃｏｎｃｅｎｔｒａｔｉｏｎａｎｄａｔｍｏｓｐｈｅｒｉｃｖｉｓｉｂｉｌｉｔｙｉｎＳｈａｎｇｈａｉ．ＲｅｓｅａｒｃｈｏｆＥｎｖｉｒｏｎ⁃ｍｅｎｔａｌＳｃｉｅｎｃｅｓ（环境科学研究），２０１２，２５（６）：６２８－６３２（ｉｎＣｈｉｎｅｓｅ）［１４］㊀ＷａｎｇＸ⁃Ｍ（王晓敏），ＨａｎＪ⁃Ｃ（韩军彩），ＣｈｅｎＪ（陈㊀静），ｅｔａｌ．Ｖａｒｉａｔｉｏｎｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆａｔｍｏｓｐｈｅ⁃ｒｉｃｖｉｓｉｂｉｌｉｔｙａｎｄｔｈｅｉｒｒｅｌａｔｉｏｎｓｈｉｐｗｉｔｈｒｅｌａｔｉｖｅｈｕｍｉｄｉｔｙａｎｄｐａｒｔｉｃｌｅｃｏｎｃｅｎｔｒａｔｉｏｎｉｎＳｈｉｊｉａｚｈｕａｎｇｏｆＨｅｂｅｉ．ＪｏｕｒｎａｌｏｆＡｒｉｄＭｅｔｅｏｒｏｌｏｇｙ（干旱气象），２０１６，３４（４）：６４８－６５５（ｉｎＣｈｉｎｅｓｅ）［１５］㊀ＤｕＲ⁃Ｇ（杜荣光），ＱｉＢ（齐㊀冰），ＨｕＤ⁃Ｙ（胡德云），ｅｔａｌ．ＴｈｅａｎａｌｙｓｉｓｏｆｒｅｌａｔｉｖｅｈｕｍｉｄｉｔｙａｎｄＰＭ２．５ｉｍｐａｃｔｏｎｖｉｓｉｂｉｌｉｔｙｉｎＨａｎｇｚｈｏｕ．ＪｏｕｒｎａｌｏｆＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅ）（南京大学学报：自然科学版），２０１５（３）：４７３－４８０（ｉｎＣｈｉｎｅｓｅ）［１６］㊀ＳｏｎｇＭ（宋㊀明），ＨａｎＳ⁃Ｑ（韩素芹），ＺｈａｎｇＭ（张敏），ｅｔａｌ．Ｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎｖｉｓｉｂｉｌｉｔｙａｎｄｒｅｌａｔｉｖｅｈｕｍｉｄｉｔｙ，ＰＭ１０，ＰＭ２．５ｉｎＴｉａｎｊｉｎ．ＪｏｕｒｎａｌｏｆＭｅｔｅｏｒｏｌｏ⁃ｇｙａｎｄＥｎｖｉｒｏｎｍｅｎｔ（气象与环境学报），２０１３，２９（２）：３４－４１（ｉｎＣｈｉｎｅｓｅ）［１７］㊀ＦｅｎｇＪ（冯㊀静），ＤｏｎｇＪ（董㊀君），ＸｕｅＬ（薛莲），ｅｔａｌ．ＴｈｅｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎＰＭ２．５ａｎｄａｔｍｏｓ⁃ｐｈｅｒｉｃｖｉｓｉｂｉｌｉｔｙｉｎＱｉｎｇｄａｏ ｓｈｅａｔｉｎｇｓｅａｓｏｎ．ＡｒｉｄＥｎｖｉ⁃ｒｏｎｍｅｎｔａｌＭｏｎｉｔｏｒｉｎｇ（干旱环境监测），２０１４，２８（１）：１４－１７（ｉｎＣｈｉｎｅｓｅ）［１８］㊀ＬｉｕＸ，ＣｈｅｎｇＹ，ＺｈａｎｇＹ，ｅｔａｌ．Ｉｎｆｌｕｅｎｃｅｓｏｆｒｅｌａｔｉｖｅｈｕｍｉｄｉｔｙａｎｄｐａｒｔｉｃｌｅｃｈｅｍｉｃａｌｃｏｍｐｏｓｉｔｉｏｎｏｎａｅｒｏｓｏｌｓｃａｔｔｅｒｉｎｇｐｒｏｐｅｒｔｉｅｓｄｕｒｉｎｇｔｈｅ２００６ＰＲＤｃａｍｐａｉｇｎ．ＡｔｍｏｓｐｈｅｒｉｃＥｎｖｉｒｏｎｍｅｎｔ，２００８，４２：１５２５－１５３６［１９］㊀ＷａｎｇＱ⁃Ｙ（王启元），ＣａｏＪ⁃Ｊ（曹军骥），ＧａｎＸ⁃Ｆ（甘小凤），ｅｔａｌ．ＣｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｅｌｅｍｅｎｔｓｉｎＰＭ２．５ｄｕｒｉｎｇｎｏｒｍａｌａｎｄｈａｚｅｐｅｒｉｏｄｉｎＣｈｅｎｇｄｕ．Ｅｎｖｉｒｏｎｍｅｎ⁃ｔａｌＣｈｅｍｉｓｔｒｙ（环境化学），２０１０，２９（４）：６４４－６４８（ｉｎＣｈｉｎｅｓｅ）［２０］㊀ＳｃｈｌｅｎｋｅｒＪＣ，ＭａｌｉｎｏｗｓｋｉＡ，ＭａｒｔｉｎＳＴ，ｅｔａｌ．Ｃｒｙｓｔａｌｓｆｏｒｍｅｄａｔ２９３Ｋｂｙａｑｕｅｏｕｓｓｕｌｆａｔｅ⁃ｎｉｔｒａｔｅ⁃ａｍｍｏｎｉｕｍ⁃ｐｒｏｔｏｎａｅｒｏｓｏｌｐａｒｔｉｃｌｅｓ．ＪｏｕｒｎａｌｏｆＰｈｙｓｉｃａｌＣｈｅｍｉｓｔｒｙＡ，２００４，１０８：９３７５－９３８３［２１］㊀ＭｃｍｕｒｒｙＰＨ，ＳｔｏｌｚｅｎｂｕｒｇＭＲ．Ｏｎｔｈｅｓｅｎｓｉｔｉｖｉｔｙｏｆｐａｒ⁃ｔｉｃｌｅｓｉｚｅｔｏｒｅｌａｔｉｖｅｈｕｍｉｄｉｔｙｆｏｒＬｏｓＡｎｇｅｌｅｓａｅｒｏｓｏｌｓ．ＡｔｍｏｓｐｈｅｒｉｃＥｎｖｉｒｏｎｍｅｎｔ，１９８９，２３：４９７－５０７［２２］㊀ＺｈａｎｇＬ⁃Ｓ（张立盛），ＳｈｉＧ⁃Ｙ（石广玉）．Ｔｈｅｉｍｐａｃｔｏｆｒｅｌａｔｉｖｅｈｕｍｉｄｉｔｙｏｎｔｈｅｒａｄｉａｔｉｖｅｐｒｏｐｅｒｔｙａｎｄｒａｄｉａ⁃ｔｉｖｅｆｏｒｃｉｎｇｏｆｓｕｌｆａｔｅａｅｒｏｓｏｌ．ＡｃｔａＭｅｔｅｏｒｏｌｏｇｉｃａＳｉｎｉｃａ（气象学报），２００２，６０（２）：２３０－２３７（ｉｎＣｈｉｎｅｓｅ）［２３］㊀ＬｏｗｅｎｔｈａｌＤＨ，ＮａｒｅｓｈＫ．ＶａｒｉａｔｉｏｎｏｆｍａｓｓｓｃａｔｔｅｒｉｎｇｅｆｆｉｃｉｅｎｃｉｅｓｉｎＩＭＰＲＯＶＥ．ＪｏｕｒｎａｌｏｆｔｈｅＡｉｒ＆ＷａｓｔｅＭａｎａｇｅｍｅｎｔＡｓｓｏｃｉａｔｉｏｎ，２００４，５４：９２６－９３４［２４］㊀ＤｏｎｇＪ⁃Ｙ（董继元），ＬｉｕＸ⁃Ｒ（刘兴荣），ＺｈａｎｇＢ⁃Ｚ（张本忠），ｅｔａｌ．Ｒｅｌａｔｉｏｎｓｈｉｐｓａｍｏｎｇｒｅｌａｔｉｖｅｈｕｍｉｄｉ⁃ｔｙ，ＰＭ１０ｃｏｎｃｅｎｔｒａｔｉｏｎａｎｄａｔｍｏｓｐｈｅｒｉｃｖｉｓｉｂｉｌｉｔｙｉｎＬａｎｚｈｏｕ．ＥｃｏｌｏｇｙａｎｄＥｎｖｉｒｏｎｍｅｎｔＳｃｉｅｎｃｅｓ（生态环境学报），２０１５，２４（１２）：１９９５－２００１（ｉｎＣｈｉｎｅｓｅ）［２５］㊀ＣｈｅｎＹ⁃Ｚ（陈义珍），ＺｈａｏＤ（赵㊀丹），ＣｈａｉＦ⁃Ｈ（柴发合），ｅｔａｌ．ＣｏｒｒｅｌａｔｉｏｎｂｅｔｗｅｅｎｔｈｅａｔｍｏｓｐｈｅｒｉｃｖｉｓｉｂｉｌｉｔｙａｎｄａｅｒｏｓｏｌｆｉｎｅｐａｒｔｉｃｌｅｃｏｎｃｅｎｔｒａｔｉｏｎｓｉｎＧｕａｎｇｚｈｏｕａｎｄＢｅｉｊｉｎｇ．ＣｈｉｎａＥｎｖｉｒｏｎｍｅｎｔａｌＳｃｉｅｎｃｅ（中国环境科学），２０１０，３０（７）：９６７－９７１（ｉｎＣｈｉ⁃ｎｅｓｅ）［２６］㊀ＤｅｎｇＪ，ＷａｎｇＴ，ＪｉａｎｇＺ，ｅｔａｌ．Ｃｈａｒａｃｔｅｒｉｚａｔｉｏｎｏｆｖｉ⁃ｓｉｂｉｌｉｔｙａｎｄｉｔｓａｆｆｅｃｔｉｎｇｆａｃｔｏｒｓｏｖｅｒＮａｎｊｉｎｇ．ＡｔｍｏｓｐｈｅｒｉｃＲｅｓｅａｒｃｈ，２０１１，１０１：６８１－６９１作者简介㊀施悯悯，女，１９９１年生，硕士研究生．主要从事应用气象研究．Ｅ⁃ｍａｉｌ：ｓｈｉｍｉｎｍｉｎ９８６６＠１６３．ｃｏｍ责任编辑㊀杨㊀弘施悯悯，张庆国，张浩，等．合肥市大气能见度变化特征及其影响因素．应用生态学报，２０１７，２８（２）：４８５－４９２ＳｈｉＭ⁃Ｍ，ＺｈａｎｇＱ⁃Ｇ，ＺｈａｎｇＨ，ｅｔａｌ．ＣｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆａｔｍｏｓｐｈｅｒｉｃｖｉｓｉｂｉｌｉｔｙｃｈａｎｇｅａｎｄｉｔｓｉｎｆｌｕｅｎｃｅｆａｃｔｏｒｓｉｎＨｅｆｅｉＣｉｔｙ，Ａｎｈｕｉ，Ｃｈｉｎａ．ＣｈｉｎｅｓｅＪｏｕｒｎａｌｏｆＡｐｐｌｉｅｄＥｃｏｌｏｇｙ，２０１７，２８（２）：４８５－４９２（ｉｎＣｈｉｎｅｓｅ）２９４应㊀用㊀生㊀态㊀学㊀报㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀２８卷。
2012～2013安徽省空气质量对比及原因分析
2012～2013安徽省空气质量对比及原因分析作者：王俊等来源：《安徽农业科学》2014年第14期摘要根据安徽省环境保护局提供的2012～2013年空气污染指数（API）资料，对安徽省各地市空气质量级别、首要污染物等指标和空气污染指数的月、年均值进行了全面的统计分析及横向、纵向对比，得出安徽省空气污染的时空分布规律，并从多方面分析造成其规律变化的成因。
结果表明，2013年安徽省API年均值、高值城市数量均显著高于2012年；安徽省空气质量以优良为主，2013年优良天数比例明显下降，Ⅲ1级污染以上天数也明显增加，出现Ⅴ级污染的城市增加至7个，地域也扩大至安徽东南部；首要污染物以PM10为主，铜陵污染相对严重。
安徽省逐月的API分布有明显的时间、空间差异，API高值期有1、6及10～12月，整体上淮北>江淮>江南，东部>西部；API高值期有明显的北高南低的逐降形势，区域间差值较大；API低值期则存在中东部偏高，南北相对偏低，区域间差值较小。
安徽省各地市的GDP 构成、人口结构对API起到基础性贡献，而6月小麦秸秆焚烧期及10月水稻-玉米秸秆混合焚烧期造成PM10浓度急剧增加，对API起到高峰推动作用，安徽省地形也起到平原扩散、山区阻挡堆积的作用。
关键词空气污染指数（API）；时空规律；原因分析；安徽省中图分类号S161文献标识码A文章编号0517-6611（2014）14-04338-05Air Quality Comparison and Cause Analysis in Anhui Province during 2012-2013WANG Jun et al（Langxi Meteorological Bureau， Langxi， Anhui 242100）AbstractAccording to API data during 2012-2013 provided by Anhui Bureau of Environmental Protection， the air quality level， primary pollutants， monthly and annual mean of API were analyzed and compared， the temporal and spatial distribution law of air pollution in Anhui Province was obtained， the causes were analyzed. The results showed that the API annual mean and high value city number in 2013 is significantly higher than that in 2012； the air quality of Anhui is excellent generally， the proportion of fine days in 2013 in Anhui Province is obviously decreased，the pollution days above Ⅲ1 grade are obviously increased， V grade pollution cities is up to 7； the primary pollutant is PM10， SO2 pollution is serious in Tongling. The monthly API distribution in Anhui Province has obvious temporal and spatial differences， the high API period is in Jan.，Jun.， Oct.Dec.， generally Huaibei>Jianghuai>Jiangnan， East>West； GDP and population structure have basic contribution to API in cities of Anhui Province， wheat straw burning period in Jun. and ricemaize straw mixed burning period cause the concentration of PM10 increased sharply.Key wordsAir pollution index； Temporal and spatial distribution； Cause analysis； Anhui Province空气污染指数（API）是我国广泛采用的评价城市空气质量水平的一种数值评价模型，它能够向公众提供及时、准确、易于理解的城市空气质量状况，并可用于环境现状评价、回顾性评价和趋势评价[1]。
合肥市空气质量达标指挥部办公室关于今年1―6月全市空气质量形势的通报
合肥市空气质量达标指挥部办公室关于今年1―6月全市空气
质量形势的通报
【法规类别】环保综合规定
【发文字号】合达办[2018]20号
【发布部门】812060238
【发布日期】2018.07.12
【实施日期】2018.07.12
【时效性】现行有效
【效力级别】XP10
合肥市空气质量达标指挥部办公室关于今年1-6月全市空气质量形势的通报
（合达办〔2018〕20号）
各县（市）区人民政府、开发区管委会，市有关单位：
为扎实推进我市大气污染防治工作，根据市政府大气污染防治工作调度会议要求，现将今年1-6月全市空气质量形势通报如下：
一、环境空气质量情况
2018年6月份，合肥市空气质量优良天数为15天，比例为50.0%，轻度污染天数13天、中度污染天数2天，AQI＞100的天数中以臭氧（O3）为首要污染物的天数最多。
监测指标平均浓度：PM10为65微克/立方米，PM2.5为40微克/立方米，O3-8h为159微克/立方米。
与去年6月相比，除臭氧（O3-8h）指标和一氧化碳（CO）指标浓度持平外，其他四项指标浓度均下降，优良天数比例上升8.6个百分点，优良天数增加3天，轻度污染天数减少1天，中度污染天数减少1天。
2018年1-6月份，合肥市空气优良天数为116天，轻度污染天数49天、中度污染天数11天、重度污染天数2天、严重污染天数0天，分别占65.2%、27.5%、6.2%、1.1%和0%。
AQI＞100的天数中以细颗粒物（PM2.5）为首要污染物的天数最多。
监测指标平均浓度：PM10为83微克/立方米，PM2.5为55微克/立方米。
与去年1-6月相比，除一氧化碳（CO）指标浓度持平外，其他五项指标浓度。
基于GIS的合肥市空气质量时空特征分析
基于GIS的合肥市空气质量时空特征分析江道阳;朱秋缘;李军利【摘要】针对合肥市2015年10月中旬至11月中旬共计34天部分监测站点的空气质量状况数据,运用雷达图、玫瑰风向图、空间插值分析和定位图表等方法,在GIS技术支持下定量分析AQI、PM2.5和PM10的时间特征、空间特征.结果表明空气污染指数的浓度与人为活动的时间和区域都有着密切的相关性.该研究对辅助治理大气污染,科学制定出行时间和地点的规划具有一定的参考价值.【期刊名称】《黄山学院学报》【年(卷),期】2018(020)003【总页数】4页(P74-77)【关键词】AQI;PM2.5;PM10;GIS;合肥;空气质量【作者】江道阳;朱秋缘;李军利【作者单位】安徽农业大学资源与环境学院,安徽合肥230036;安徽农业大学资源与环境学院,安徽合肥230036;安徽农业大学资源与环境学院,安徽合肥230036【正文语种】中文【中图分类】X8231 引言雾霾是一种灾害性天气，对交通、人体健康以及环境等都会造成严重的影响，而社会经济发展是雾霾污染形成的根本原因之一[1]。
目前多个国家已将PM2.5纳入了空气质量标准[2]。
分析PM2.5等空气质量状况时空分布特征对协助治理空气雾霾污染有着重要意义。
近年来已有学者对此开展了相关研究。
Stuart Batterman等利用城区交通的时间和空间变化去评估交通对空气质量的影响[3]。
Shujun Yan等通过对北京市2013年1年的环境监测站数据进行了空气质量的时空特征分析和主要污染物研究[4]。
高歌从时空分布角度对中国的霾进行研究，对霾在时间上的变化趋势进行了模拟以及详细的分析，从中尝试找出霾发生变化的原因以及与日照时间、太阳辐射之间的关系[5]。
吴兑根据搜集中国743个气象站点55年（1951-2005）的霾天气资料，对几十年的霾在时间和空间上的分布进行研究，整理出中国霾天气发生的主要聚集区[6]。
合肥雾霾调研报告
合肥雾霾调研报告题目：合肥雾霾调研报告一、引言近年来，合肥市的雾霾问题日益严重，严重影响了居民的生活质量与健康。
本文旨在通过对合肥市雾霾的调研，分析其成因与影响，并提出相应的解决方案。
二、雾霾成因分析1. 汽车尾气排放：合肥市机动车数量急剧增长，汽车尾气排放成为主要的雾霾源之一。
2. 工业废气排放：合肥市的工业发展较快，工业废气排放量大，其中包括燃煤排放和工业废水处理不当等问题。
3. 秸秆焚烧：农村地区的秸秆焚烧也是造成雾霾的重要因素之一。
4. 气象条件：秋冬季节，合肥市常常受到静稳天气的影响，导致大气污染物无法稀释和扩散，进一步加剧了雾霾问题。
三、雾霾对居民生活和健康的影响1. 健康问题：雾霾中的细小颗粒物PM2.5对人体健康造成严重危害，易引发呼吸系统疾病、心血管系统疾病以及导致癌症等。
2. 日常生活受限：雾霾天气影响能见度，限制了人们的户外活动，同时也给交通运输等带来不便。
四、解决方案1. 车辆尾气治理：加大对柴油车和老旧汽车的更新以及尾气治理的力度，推广新能源车辆的使用。
2. 工业治理：加强对工业企业的环境监管，加大燃煤锅炉的清洁化改造力度，推行清洁生产技术。
3. 秸秆处理：加强对农村地区的宣传教育，推广农田秸秆还田、秸秆综合利用等科学方法。
4. 合理规划城市：合肥市应加强城市规划，合理布局工业区与居住区，避免环境污染与绿地稀缺。
五、雾霾治理效果评估1. PM2.5浓度下降：通过上述措施的实施，合肥市的PM2.5浓度将显著下降，改善空气质量，提高居民的生活质量。
2. 人们健康状况改善：空气质量的改善将对人们的健康产生积极的影响，减少呼吸道疾病和心血管病等病例。
六、总结通过本文的调研，我们可以认识到合肥市雾霾问题的严重性以及其对居民的影响。
为了解决这一问题，我们需要采取多种手段，如加强车辆尾气治理、控制工业废气排放、合理处理秸秆等。
只有通过持续努力和综合措施，才能改善合肥市的雾霾问题，提升居民的生活质量和城市的可持续发展。
合肥市空气质量评价及其影响指标分析
合肥市空气质量评价及其影响指标分析作者：黄暄陈婷黄婧来源：《电脑知识与技术》2018年第32期摘要：随着经济发展和城市化进程的加快，城市大气污染问题日益严重，大气污染对人类的生存环境和身心健康的危害不断加深，监测、治理势在必行。
合肥市近年来发展势头迅猛，其环境状况尤其是空气质量也备受各界关注。
本文主要对合肥市空气质量进行评价，对未来几天的空气质量进行预报，并根据结果提出治理方案。
首先根据2014-2017年近四年合肥市的空气质量数据，用统计方法进行空气质量指数（AQI）及其污染因子的时空分析，并根据优良天数进行可视化分析，得到合肥市的冬季空气污染最严重，合肥市空气污染最严重的地区是庐阳区。
然后进一步分析影响合肥市空气质量的因素有哪些，通过分析污染物与AQI指数的相关关系，得到影响空气质量的主要污染物是PM2.5、PM10和CO，然后从天气和经济两个方面提出产生污染物的具体影响指标，并利用BP神经网络模型对合肥市未来空气质量进行预测，通过该模型，可提前了解未来几天的空气质量状况，并根据空气质量做好防护措施。
最后根据影响空气质量的经济指标和预测结果提出措施与方案。
关键词：空气质量指数；相关分析；多元回归；层次分析；BP神经网络中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2018）32-0191-04Abstract With the acceleration of economic development and urbanization， the problem of urban air pollution is getting worse， monitoring and governance are imperative. Hefei City has developed rapidly in recent years， many areas pay attention to its environmental conditions，especially air quality. This paper mainly evaluates the air quality of Hefei City， predicts the air quality in the next few days， and proposes the treatment plans based on the results. Firstly，according to the air quality data of Hefei City in the past four years from 2014 to 2017， we analyze the time and space of air quality index （AQI） and its pollution factors by statistical methods，besides， we did visual analysis according to the number of good days. we get the conclusion that the winter air pollution in Hefei City was the most serious. The area with the most serious air pollution in Hefei City is Luyang District. Then， we analyze the factors affecting the air quality of Hefei City. By analyzing the correlation between pollutants and AQI index， the main pollutants that affect air quality are PM2.5， PM10 and CO. Then， from the two aspects of weather and economy， the specific impact indicators of pollutants are proposed. And we predict the future air quality of Hefei City by BP neural network model. According to the model， you can get an early understanding of the air quality in the next few days and take preparations based on air quality. Finally， based on economic indicators and forecast results that affect air quality， measures and plans are proposed.Key words： Air quality index； Correlation analysis； Multiple regression； Hierarchical analysis； BP neural network1 引言合肥作为省会城市，空气质量问题是深受广泛关注的，对此我们可以利用空气质量指数（AQI），对该城市空气质量状况和变化趋势进行分析。
合肥市大气颗粒物污染特征
合肥市大气颗粒物污染特征作者：刘丽孙丛菲来源：《各界·下半月》2019年第08期摘要：以合肥市环境监测站大气监测10个站点2011-2015五年颗粒物监测数据，反映合肥市环境空气颗粒物的污染特征和主要来源。
污染物具有明显的季节特点，并存在一定的空间变化。
冬季最高，夏季最低。
城市扬尘、机动车尾气尘、二次硫酸盐、二次硝酸盐和煤烟尘是合肥市颗粒物。
贵献较大的源，贵献率分别为19.6%，9.2%，14.7%，15.0%和24.3%。
关键词：合肥市;颗粒物;源解析大气颗粒物是影响我国大部分城市空气质量的首要污染物，也是化学组成较复杂，对人体健康危害较大的污染物之一。
PM10可以通过呼吸道进入人体，并沉积于呼吸道的各个部位，会沉积于肺部毛细血管内，对人体造成很大的危害。
当前我国大气污染形势十分严峻，特别是以PM10为代表的颗粒物污染，将成为防治的重点。
一、合肥经济概况合肥市2011至2015年GDP及三产占比情况如表所示。
2013年，合肥市生产总值达4672.9亿元，人均GDP 首次突破6万元;全市三产比例为5.3∶55.3∶39.4，工业占GDP比重为55.3%，这种“二、三、一”型产业结构具有典型的工业化趋势。
二、风向与风速合肥市风向有明显的季节性变化，属于亚热带季风气候。
年平均风速在1.6-3.3m/s之间，受地理环境条件影响很大。
风速在一年中有明显的月变化，冬季（12～2月）盛行北风，平均风速为2.6m/s;夏季多吹南风，平均风速为2.2～2.5m/s;春秋两季是风向转换季节，2均风速为1.8m/s。
三、PM2.5样品的采集合肥市位于安徽省中部，是安徽省省会城市，是全省政治、经济、文化、信息、金融和商贸中心。
合肥属亚热带湿润季风气候，春季乍暖乍寒复杂多变，夏季降水集中，秋季凉爽少雨，冬季晴朗寒冷;四季分明，梅雨显著。
2015年，4-10月的气温均在15度以上：年降水量达到1200mm，雨量充沛，主要集中在夏季（梅雨季节）和秋季。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
影响空气质量指数（AQI）的因素
——以合肥市近24小时AQI变化分析为例
一、AQI概述
AQI，即空气质量指数（Air Quality Index），是定量描述空气质量状况的无量纲指数。
AQI计算与评价的过程大致可分为三个步骤：
第一步是对照各项污染物的分级浓度限值（AQI的浓度限值参照（GB3095-2012），API
的浓度限值参照（GB3095-1996）），以细颗粒物（PM2.5）、可吸入颗粒物（PM10）、二氧化硫
（S02、二氧化氮（N02、臭氧（03、一氧化碳（CO等各项污染物的实测浓度值（其中PM2.5、PM10为24小时平均浓度）分别计算得出空气质量分指数（Individual Air Quality Index，简称IAQI ）;
第二步是从各项污染物的IAQI中选择最大值确定为AQI，当AQI大于50时将IAQI最
大的污染物确定为首要污染物；
第三步是对照AQI分级标准，确定空气质量级别、类别及表示颜色、健康影响与建议采取的措施。
简言之，AQI就是各项污染物的空气质量分指数（IAQI、中的最大值，当AQI大于50
时对应的污染物即为首要污染物。
二、影响AQI的因素
（一）内因
1、污染气体的排放与扬尘
在一些地区，尤其是大城市，工业生产、机动车尾气、建筑施工、冬季取暖烧煤等排放的有害物质难以扩散，导致空气质量显著下降。
2、扬尘
气候干燥，裸土容易起尘，增加空气中的可悬浮颗粒物。
（二）外因
1、气候
一些城市属于干燥气候，由于风力因素的干预，地面裸土较多，容易出现扬尘。
但是，较为湿润的城市气候，空气湿度大，容易引发雾霾天气。
2、风力
风力的大小对空气质量也有很到的影响。
一方面，大风容易吹散空气中的污染气体，起到净化空气的作用。
另一方面，大风又容易刮起扬尘，影响空气质量。
3、逆温
逆温现象不利于污染气体的扩散，反而加剧污染气体的聚集，严重影响空气质量。
、合肥市近24小时AQI变化及分析
合肥市自进入12月份以来，空气质量越来越差，AQI指数如下图所示:
合肥最近两周空气质量指数垃势
图1
从上图可以看出12月4日达到最大值，6日到7日成下降趋势。
接下来主要就 6日
至7日的AQI 指数进行分析。
（一）合肥市24小时内空气质量指数趋势图
合肥市最近2皆卜时空气康第指数趋势
忧： --- 良： 轻度污染； --- 中度污染： ---- 堇度污舉: ----- 严重活染: -----
图2
从图中可以看出13时至19时，AQI 数值一直居高不下，污染最为严重。
19时之后，渐
渐下滑，直至7日11时达至最低点，之后又慢慢上升。
（二） AQI 走向分析 1
、气候因素
8
Go i - ■
PS «
勢酬醛厅
<H
12 月6日12点气压图（下图）
1应
祐2心 1025
1020
1020
102G
.015
lL
1020
102Q
TX
1015
01
1020
II
1010' 厂3 5
OGh>
12 1020
10.
102i
1025
1020
1025
101
o
1 m
1020
图3
1015-^
Surface Pressure GFS (hPq) 月7日12点气压（下图）
W] (J
Fn 06/12/13 12 GMT (Fri 05 t7onlin«,com
/门
1015
Surface Pressure GFS (hPa)
Sat D7/12/13 12 GMT (Fn 06 + 30h)
t7onl infl,com
从气压图上看，短时间气压的变化极小，再加上并无降雨天气，所以对合肥24小时的AQI变化，气候因素影响不大。
2、相对湿度
合肥市24小时相对湿度变话趋势图
从图中可以看出，这24小时内相对湿度有变化，但是结合图2，可已看出两条曲线
没什么一致性，所以相对湿度对合肥市24小时的AQI变化没什么相关影响。
3、风力因素
合肥市24小时风力及风向
(W 最新整点实况凤向：东南凤風力嫌1?；鬲海
从上图得知，合肥市这24小时风力偏小、风向变化多端，且以东南风为主要风向。
因为风力较小，导致污染物聚集，扩散不出去，但对AQI的变化却没什么大影响。
4、内因
从图2分析来看，大概天黑以后，空气质量才渐渐好转，直至第二天11时、12时污染
才有加重之事。
因此，可以判断人为活动才是影响这24小时AQI变化的主要原因。
随着人
为活动的减少，行驶的机动车辆减少，工厂生产活动减少，大量燃煤、燃油向空气中排放出
二氧化硫、二氧化氮和可吸入颗粒物的量减少，因此AQI出现下降趋势；第二天快至中午时，
随着人类活动的增加，AQI也就又有回升趋势。
四、结束语
空气对人类的重要性不言而喻，但是随着经济的发展，空气质量却是越来越差。
保护空气，人人有责。
一方面，我们在呼吁加大城市绿化力度，多植树种草，大面积推广屋顶绿化、立体绿化的同时，也应该要求相关部门着力改善城市交通状况，合理布局，减
少拥堵现象，改善取暖方式，减少严重污染空气的燃煤使用。
另一方面，我们也应该身体力
行做环保。
每个人都要尽量多骑自行车、坐公交车，少开车，从而减少汽车尾气排放；注重室内“微环境”的改善，不吸烟、多通风，多种绿植。
面对着严重的空气污染，我们会不可避免地接触到空气中细菌等对人体有害的微生物，
我们除了注意日常生活的卫生之外，也应该增加保健自身的意识。
多在空气流动的地方活动，
切不可忽视小病，而最终酿成大病，也可以购买一些保健品做防备。