无锡惠山三种城市游憩林内细颗粒物(PM2.5)浓度变化特征

在2011年秋、冬季和2012年春、夏季的游憩时段内(5:00-19:00),对无锡惠山香樟林、湿地松林和栓皮栎林3种游憩林内PM_2.5质量浓度进行实时监测,并同步观测气象因子,分析了游憩林内PM_2.5浓度的时间变化规律及其影响因素.结果表明: 惠山3种游憩林内PM_2.5浓度年均值低于道路,湿地松林和香樟林内PM_2.5浓度年均值低于栓皮栎林;3种游憩林和道路的PM_2.5年均浓度低于无锡市背景值.游憩林内PM_2.5浓度的季节变化规律为夏季最低,秋季次之,春季最高;PM_2.5浓度在春、夏、冬季最低的是湿地松林,秋季最低的是香樟林,栓皮栎林在各季节的PM_2.5浓度都较高.PM_2.5浓度在四季的日变化近似于“单峰单谷”型,7:00-9:00和15:00-19:00各出现最大值和最小值.4个季节的湿度和温度与PM_2.5浓度均极显著相关,光照仅在冬季显著影响PM_2.5浓度,较小风速对PM_2.5浓度的影响不大.     

北京4种典型风景游憩林对林内PM2.5的调控作用

为研究风景游憩林中PM_2.5浓度的变化规律及其对气象因子的响应,并分析不同林分对PM_2.5浓度的调控作用,在2013年夏、秋、冬季于北京市奥林匹克森林公园内对北京4种典型结构风景游憩林（华山松-银杏混交林、毛白杨-白蜡混交林、毛白杨纯林、多树种复层混交林）中的PM_2.5浓度及相关气象因子进行实时测定（共28个观测日）.结果表明： 在不同空气污染级别下林分内PM_2.5浓度的日变化无统一规律,但在同一污染级别下4种林分的PM_2.5浓度日变化规律基本一致.当风力为0~2级时,在各污染级别下4片林分内PM_2.5浓度的日均值\[观测时段内（9: 00—15: 00）PM_2.5浓度平均值\]无显著差异.林内PM_2.5浓度与空气相对湿度呈显著正相关（P<0.01）,与气温呈显著负相关（P<0.05）,与风速不相关.相对于林分外空地,林分内PM_2.5浓度变化比例在-21.4%～33.2%,其与空气相对湿度呈显著负相关（P<0.05）,与风速和气温不相关.林分对PM_2.5浓度的调控作用包含增加和降低两种效应,本研究中,这种调控作用发生转变的空气相对湿度临界值为67%.     

北京4种典型风景游憩林对林内PM2.5的调控作用

为研究风景游憩林中PM_2.5浓度的变化规律及其对气象因子的响应,并分析不同林分对PM_2.5浓度的调控作用,在2013年夏、秋、冬季于北京市奥林匹克森林公园内对北京4种典型结构风景游憩林（华山松-银杏混交林、毛白杨-白蜡混交林、毛白杨纯林、多树种复层混交林）中的PM_2.5浓度及相关气象因子进行实时测定（共28个观测日）.结果表明： 在不同空气污染级别下林分内PM_2.5浓度的日变化无统一规律,但在同一污染级别下4种林分的PM_2.5浓度日变化规律基本一致.当风力为0~2级时,在各污染级别下4片林分内PM_2.5浓度的日均值\[观测时段内（9: 00—15: 00）PM_2.5浓度平均值\]无显著差异.林内PM_2.5浓度与空气相对湿度呈显著正相关（P<0.01）,与气温呈显著负相关（P<0.05）,与风速不相关.相对于林分外空地,林分内PM_2.5浓度变化比例在-21.4%～33.2%,其与空气相对湿度呈显著负相关（P<0.05）,与风速和气温不相关.林分对PM_2.5浓度的调控作用包含增加和降低两种效应,本研究中,这种调控作用发生转变的空气相对湿度临界值为67%.     

干旱半干旱城市公园绿地PM2.5与空气负离子浓度动态特征

于2020—2021年不同季节在晴天、晴间多云为主的天气条件下，选择呼和浩特市敕勒川公园5种不同植被配置结构及公园西侧入口处(硬质铺装，对照点CK)作为观测点，07:00—19:00同步观测PM_2.5、空气负离子浓度，并对公园内污染和空气负离子变化特征及其影响因素进行分析。结果表明：秋季不同配置结构PM_2.5表现最高，夏季最低；春季日变化曲线呈下降趋势，夏季、冬季呈“双峰双谷”型，秋季呈“单峰单谷”型；公园内不同季节各配置结构PM_2.5浓度日变化均达到环境空气质量Ⅱ级标准以上。除春季外，各季节不同观测点空气负离子浓度均高于CK;春季、夏季空气负离子浓度日变化曲线大致呈“中午低，早晚高”的变化趋势，秋季、冬季空气负离子日变化表现为波动变化态势。公园内不同季节空气离子评价系数(CI)均值为夏季>秋季>冬季>春季，均值评价等级均在中等(Ⅲ)和允许(Ⅳ)浓度范围内，不同季节复层配置结构CI值较高。空气负离子浓度与PM_2.5浓度的相关性在不同季节显著度有所不同；PM_2.5     

长沙市不同污染程度区域桂花和香樟叶表面PM2.5吸附量及其影响因素

为阐释不同污染程度下城市绿化植物吸滞PM_2.5机理、解析污染物来源,应用气溶胶再发生器定量测定长沙市常见的2种园林绿化树种(桂花和香樟)植物叶片PM_2.5吸附量,同时应用原子力显微镜(AFM)观察了不同污染区(交通区、文教区、清洁区)植被的叶表面微形态特征,使用离子色谱仪测定样品中水溶性离子含量.结果表明: 污染程度与植物叶表面PM_2.5吸附量呈正相关,不同植物单位叶面积PM_2.5吸附量全年均值表现为交通区(0.56±0.04 μg·cm^-2)＞文教区(0.48±0.06 μg·cm^-2)＞清洁区(0.33±0.02 μg·cm^-2),植物单位叶面积PM_2.5吸附量季节变化为冬季(0.70±0.10 μg·cm^-2)＞春季(0.43±0.14 μg·cm^-2)＞秋季(0.39±0.12 μg·cm^-2)＞夏季(0.31±0.09 μg·cm^-2),桂花的单位叶面积PM_2.5吸附量大于香樟;污染程度轻的区域的植物叶片比较光滑,污染程度重的区域的叶片较粗糙,植物粗糙度排序为交通区(195.45±16.09 nm)＞文教区(176.99±8.45 nm)＞清洁区(131.88±12.98 nm);不同污染程度地区PM_2.5离子含量均表现为冬季最大,其次是春季和秋季,夏季最低;3个污染区PM_2.5离子成分均以Na⁺、NH₄⁺、Cl^-和Br^-这4种离子为主,不同程度污染区PM_2.5污染均以移动源污染为主.     

长沙市不同污染程度区域桂花和香樟叶表面PM2.5吸附量及其影响因素

为阐释不同污染程度下城市绿化植物吸滞PM_2.5机理、解析污染物来源,应用气溶胶再发生器定量测定长沙市常见的2种园林绿化树种(桂花和香樟)植物叶片PM_2.5吸附量,同时应用原子力显微镜(AFM)观察了不同污染区(交通区、文教区、清洁区)植被的叶表面微形态特征,使用离子色谱仪测定样品中水溶性离子含量.结果表明: 污染程度与植物叶表面PM_2.5吸附量呈正相关,不同植物单位叶面积PM_2.5吸附量全年均值表现为交通区(0.56±0.04 μg·cm^-2)＞文教区(0.48±0.06 μg·cm^-2)＞清洁区(0.33±0.02 μg·cm^-2),植物单位叶面积PM_2.5吸附量季节变化为冬季(0.70±0.10 μg·cm^-2)＞春季(0.43±0.14 μg·cm^-2)＞秋季(0.39±0.12 μg·cm^-2)＞夏季(0.31±0.09 μg·cm^-2),桂花的单位叶面积PM_2.5吸附量大于香樟;污染程度轻的区域的植物叶片比较光滑,污染程度重的区域的叶片较粗糙,植物粗糙度排序为交通区(195.45±16.09 nm)＞文教区(176.99±8.45 nm)＞清洁区(131.88±12.98 nm);不同污染程度地区PM_2.5离子含量均表现为冬季最大,其次是春季和秋季,夏季最低;3个污染区PM_2.5离子成分均以Na⁺、NH₄⁺、Cl^-和Br^-这4种离子为主,不同程度污染区PM_2.5污染均以移动源污染为主.     

北京市夏秋季大气PM2.5浓度与气象要素的相关性

基于北京市城市生态系统研究站2008、2009年7月1日—10月31日大气PM_2.5浓度及气温、相对湿度、风速、水汽压、大气压和风向等6类气象要素资料,分析北京市夏秋季大气PM_2.5浓度与气象要素的相关性.结果表明: 在所分析的18周内,PM_2.5浓度在每周内的变化幅度较小.PM_2.5周平均浓度大致呈现出每6周为一个变化周期.其中,后6周最高、前6周次之、中间6周最低.PM_2.5周平均浓度与6种气象要素存在不同程度的相关关系,其中与水汽压的相关性最强,可通过水汽压预测北京市7月和8月的PM_2.5周平均浓度.研究结果可为分析和控制北京市大气PM_2.5污染源提供重要的科学依据.     

北京西山典型城市森林内PM_(2.5)动态变化规律

城市森林内PM2.5浓度的状况可以直接反映城市森林对PM2.5的净化效果,也是居民休闲游憩关心的森林环境问题。选择北京西山3种典型的游憩型城市森林,通过对林内PM2.5浓度一年四季昼夜24h内变化的同步观测,分析了不同类型城市森林内PM2.5浓度的季节变化、日变化以及影响因素,结果表明:(1)北京西山3种游憩林内PM2.5浓度多数时候远低于城区对照值,在春、夏、秋三季都达到了国家城市化地区的标准,甚至在春季、秋季还达到了国家一类地区的标准。(2)城市森林在不同季节对PM2.5的净化效果存在差异,林内PM2.5浓度总体上呈现冬季夏季秋季春季的规律。(3)林内PM2.5浓度在一天24h内有很大变化波动,夜间浓度总体上高于白天,日变化曲线近似呈"双峰双谷"型,两个高峰出现在夜晚和早上,两个低谷出现在凌晨和中午前后。一年四季白天低谷出现时间有所不同,春季15:00左右、夏季13:00—17:00、秋季13:00—15:00、冬季9:00—11:00。(4)PM2.5在不同类型游憩林内的变化趋势和浓度值存在一定差异。郁闭度较大的侧柏林夜间PM2.5浓度总体上高于其它两种林型,其高峰和低谷出现时间延迟,高峰值大,高峰期持续时间长,且这种规律在秋季表现得更明显。(5)基于上述研究认为,北京西山城市森林为居民在PM2.5污染比较突出的都市背景下提供了一个相对清洁、健康的森林游憩环境,春季、夏季、秋季全天以及冬季9:00—11:00均是森林中PM2.5状况健康而适宜外出游憩的时段。     

北京市夏秋季大气PM2.5浓度与气象要素的相关性

基于北京市城市生态系统研究站2008、2009年7月1日—10月31日大气PM_2.5浓度及气温、相对湿度、风速、水汽压、大气压和风向等6类气象要素资料,分析北京市夏秋季大气PM_2.5浓度与气象要素的相关性.结果表明: 在所分析的18周内,PM_2.5浓度在每周内的变化幅度较小.PM_2.5周平均浓度大致呈现出每6周为一个变化周期.其中,后6周最高、前6周次之、中间6周最低.PM_2.5周平均浓度与6种气象要素存在不同程度的相关关系,其中与水汽压的相关性最强,可通过水汽压预测北京市7月和8月的PM_2.5周平均浓度.研究结果可为分析和控制北京市大气PM_2.5污染源提供重要的科学依据.     

南昌市中心城区主要大气污染物分布模拟及土地利用对其影响

随着我国城市化、工业化的快速推进,城市大气污染问题日益突出,研究城市大气污染物的分布情况及其土地利用影响对解决城市大气污染问题具有重要意义.本研究以南昌市中心城区为研究区,基于土地利用回归模型(LUR)模拟了PM_2.5、PM₁₀、SO₂、NO₂、CO、O₃等6种主要大气污染物浓度,并分析其时空分布特征;基于主导土地利用类型,选择南昌市中心城区内居住、商业、教育和工业用地各15个样本区,为了减少气象因子的影响,分四季统计各样本区6类大气污染物浓度,运用双因素方差分析和多重比较,定量分析土地利用(样本区)对6类大气污染物的影响.结果表明: 采用LUR模型模拟研究区PM_2.5、PM₁₀、SO₂、NO₂、CO、O₃浓度的平均绝对误差率分别为11.9%、13.4%、12.5%、12.0%、12.7%和13.5%,模型误差较小,方法可行.研究区6类污染物浓度具有明显的时空分布特征,PM_2.5、PM₁₀、SO₂、NO₂和CO浓度在冬季最高,春季和秋季次之,夏季最低;O₃浓度则为夏季高,春季和秋季次之,冬季低.PM_2.5、PM₁₀、SO₂、NO₂、CO浓度整体呈现从城区中心到郊区递减的趋势,而O₃浓度则反之.不同季节与不同土地利用样本区间6种大气污染物浓度差异显著,表明在中心城区尺度上,气象条件和土地利用都对大气污染物有显著影响.不同土地利用对主要大气污染物浓度分布有不同程度的影响,其中,对PM_2.5、NO₂和O₃的影响较大,对CO的影响较小.     

南昌市空气PM2.5和PM10的时空动态及其影响因素

PM_2.5和PM₁₀已成为我国大部分城市空气的首要污染物.本文通过分析南昌市2013—2015年的空气PM_2.5和PM₁₀质量浓度、气象因素、交通流量的监测数据,探讨了空气颗粒物污染的时空动态规律以及气象、交通对颗粒物浓度变化的影响.结果表明: 2013、2014、2015年,南昌市PM_2.5浓度(70.92 μg·m^-3＞53.70 μg·m^-3＞43.65 μg·m^-3)、PM₁₀浓度(119.72 μg·m^-3＞86.11 μg·m^-3＞73.32 μg·m^-3)逐年降低,并呈现出夏季低(PM_2.5和PM₁₀平均浓度分别为36.74、69.20 μg·m^-3)、冬季高(PM_2.5和PM₁₀平均浓度分别为74.29、111.64 μg·m^-3)的季节动态和由城市中心向郊区递减的城乡梯度变化; PM_2.5/PM₁₀值(0.595＞0.584＞0.557)逐年降低,并且表现出城市中心高、城市边缘低的空间分布格局;PM_2.5、PM₁₀浓度受到多种气象因素的影响,与气压、温度、相对湿度、风速、降水量、日照时数显著相关,各种气象因子对PM_2.5、PM₁₀浓度的影响存在差异;车流量会显著提高周边PM_2.5浓度,但对PM₁₀浓度影响不明显.     

南昌市空气PM2.5和PM10的时空动态及其影响因素

PM_2.5和PM₁₀已成为我国大部分城市空气的首要污染物.本文通过分析南昌市2013—2015年的空气PM_2.5和PM₁₀质量浓度、气象因素、交通流量的监测数据,探讨了空气颗粒物污染的时空动态规律以及气象、交通对颗粒物浓度变化的影响.结果表明: 2013、2014、2015年,南昌市PM_2.5浓度(70.92 μg·m^-3＞53.70 μg·m^-3＞43.65 μg·m^-3)、PM₁₀浓度(119.72 μg·m^-3＞86.11 μg·m^-3＞73.32 μg·m^-3)逐年降低,并呈现出夏季低(PM_2.5和PM₁₀平均浓度分别为36.74、69.20 μg·m^-3)、冬季高(PM_2.5和PM₁₀平均浓度分别为74.29、111.64 μg·m^-3)的季节动态和由城市中心向郊区递减的城乡梯度变化; PM_2.5/PM₁₀值(0.595＞0.584＞0.557)逐年降低,并且表现出城市中心高、城市边缘低的空间分布格局;PM_2.5、PM₁₀浓度受到多种气象因素的影响,与气压、温度、相对湿度、风速、降水量、日照时数显著相关,各种气象因子对PM_2.5、PM₁₀浓度的影响存在差异;车流量会显著提高周边PM_2.5浓度,但对PM₁₀浓度影响不明显.     

中国1998—2012 年PM2.5 时空分布与能源消耗总量关系研究

基于1998—2012 年中国PM_2.5 浓度遥感数据, 在对中国PM_2.5 时空分布特征进行分析的基础上, 引入地理信息科学空间相关矩阵方法分析中国PM_2.5 时空分布与能源消耗总量等时空分布的空间相关性。基于省级尺度, 运用灰色理论中的灰色相关方法, 对PM_2.5 和能源消耗指标进行相关分析, 结果表明: (1)中国历史的PM_2.5 空间分布与人口分布、地形特征有着密切的关系, 胡焕庸线成为中国PM_2.5 空间分布的东西界限。(2)整体来看, 中国PM_2.5 的年际变化上, 具有双增长单下降的区域特征:两个快速增长区域(年均增长率大于3.5%)分别为PM_2.5 高值区域——北部沿海以及PM_2.5 相对低的东北地区。下降区域则为西北地区。2007 年前后是中国大部分省PM_2.5 浓度增长的拐点, 但并没有形成高值区域快速下降的趋势。(3)从国家尺度上看, 中国PM_2.5 分布与单位面积煤炭消耗分布呈现强烈正相关性, 与单位面积能源消耗总量分布呈正相关, 与单位面积石油消耗分布没有体现出明显的相关性。(4)从省级尺度上看, 各省PM _2.5 浓度与能源消耗存在明显正相关性, 但各省PM_2.5 浓度受能源种类消耗的影响程度不一致。综合来看, 中国PM_2.5 浓度较高的区域, 受能源消耗种类的影响, 呈现“北煤南油”以及“东油西煤”的规律。     

气溶胶光学厚度与PM2.5浓度的时空分布特征及其关系——以京津冀大气污染传输通道城市群为例

城市人口和产业的聚集伴随化石能源消费的迅速增长,导致空气污染物排放量不断增加,对区域气候产生了不可逆的负面影响。以多源遥感数据为基础,对京津冀大气污染传输通道城市群(“2+26”城市群)2015—2019年气溶胶光学厚度(AOD)、PM_2.5浓度的时空分布格局进行分析,从月份、季节、年份三个时间维度定量分析其时空变化规律,并通过计算相关性系数来分析气溶胶光学厚度对PM_2.5浓度的影响。主要得出研究结论如下：(1)PM_2.5浓度整体呈现冬季>春季>秋季>夏季的趋势,并且表现出高度空间自相关性,2015—2019年间,PM_2.5浓度显著下降至40μg/m³以下;(2)AOD平均范围值在0—1之间,总体上呈现春夏季高,秋冬季低的分布特点,到2019年,春夏秋三季AOD浓度呈现明显降低,夏季下降趋势最为显著,AOD同样表现出高度空间自相关性;(3)AOD与PM_2.5浓度存在显著的正相关关系。从季节变化上看,相关性呈现出：秋季>夏季>冬...     

北京海淀区绿色空间PM2.5滞尘服务模拟

绿色空间能够有效吸附空气中的颗粒悬浮物,具有极其重要的PM_2.5滞尘作用.本研究基于植被的PM_2.5滞尘机理,提出了绿色空间的滞尘服务量化方法,并对北京市海淀区绿色空间的PM_2.5单日累积滞尘量,以及不同景观类型冬季、夏季和年滞尘总量进行了空间量化和对比研究.结果表明:海淀区绿色空间冬季的滞尘服务频率和最大单日滞尘量均低于夏季.全年来看,海淀区西部山林景观平均滞尘服务值最高;北部平原区由零散的林地斑块和农田斑块构成的田园景观年滞尘服务总量则最大;而南部城区除几个零星的公园绿地斑块外,大部分区域的滞尘服务是全区的最低水平.PM_2.5滞尘服务模型能够快速定量化绿色空间的滞尘量及其空间分布,对城市绿化建设及PM_2.5大气污染治理具有重要作用.     

南昌市中心城区绿地景观对PM2.5的影响

随着我国城市化工业化的快速发展,大气环境质量问题越来越受到重视,PM_2.5作为重要的大气污染物,已经引起了公众的普遍关注.城市绿地作为一种半自然的地表景观能在一定程度上影响PM_2.5的浓度与分布,目前的研究主要集中在微观尺度上,在景观尺度上的研究还不多见.本研究采用土地利用回归模型进行监测点加密,基于普通克里格插值法实现PM_2.5浓度的空间分布高精度模拟.然后与通过遥感解译的城市绿地进行耦合,定量分析了城市绿地景观特征、质量等对PM_2.5浓度的影响.结果表明:研究区PM_2.5浓度由市中心向周边不断递减;绿地类型对PM_2.5浓度影响显著;绿地斑块形状对PM_2.5浓度没有显著影响;绿地斑块的面积、质量与PM_2.5浓度呈显著负相关.研究区绿地景观对PM_2.5消减作用距离小于100 m.在消减作用距离内,距离绿地斑块越近,PM_2.5浓度越低.其中,附属绿地和公园绿地对PM_2.5浓度的消减作用距离大于其他绿地类型.     

城市不同森林土壤溶解性有机碳和微生物生物量碳特征

土壤溶解性有机碳(DOC)和微生物生物量碳(MBC)在生态系统碳循环中发挥重要作用。为了解城市森林土壤DOC含量和MBC特征及影响因素,本研究以合肥市城市森林为对象,分析不同植被类型(水杉、香樟、雪松)土壤DOC、MBC年动态特征及影响因素。结果表明:植被类型对土壤DOC含量影响显著(P0.05),0~30 cm土壤DOC含量年均值为水杉林(80.35 mg·kg-1)雪松林(60.13 mg·kg-1)香樟林(43.36 mg·kg-1),且总体上随土层深度的增加而递减;水杉林、雪松林土壤DOC含量夏秋季高于冬季,而香樟林则6月含量最低;0~30 cm土壤MBC年均值大小依次为水杉林(412.84 mg·kg-1)雪松林(358.85 mg·kg-1)香樟林(283.40 mg·kg-1);不同植被类型土壤MBC总体上随土层深度增加而递减,且夏、秋季较高,冬季较低。相关分析表明:水杉林、香樟林土壤DOC、MBC与有机碳显著正相关(P0.01),而雪松林土壤DOC、MBC与根量呈显著正相关(P0.01),表明雪松林根系分泌及分解转化是其土壤活性碳的重要来源。     

不同光环境下栓皮栎和刺槐叶片光合光响应模拟

植物的光合作用在一定程度上能够体现其对生境的响应情况.采用Li-6400XT光合测定系统,测定了黄河小浪底森林生态系统定位研究站栓皮栎和刺槐人工林林内、林缘叶片气体交换的光响应曲线,利用叶子飘模型对光合作用-光响应进行了拟合,分析了林内和林缘光合参数的差异,将气孔导度机理模型与光合作用-光响应修正模型进行耦合,研究了气孔导度(g_s)的光响应特征.结果表明: 7-8月,当光强小于200 μmol·m^-2·s^-1时,林内栓皮栎叶片净光合速率(P_n)高于林缘叶片,初始量子效率(α)高于林缘叶片12.4%,林内栓皮栎叶片对弱光的捕获和利用能力明显高于林缘叶片;当光强大于200 μmol·m^-2·s^-1时,林缘栓皮栎叶片光合能力P_n高于林内.低光强下(0~200 μmol·m^-2·s^-1),林内刺槐叶片P_n高于林缘;当光强大于200 μmol·m^-2·s^-1时,林内刺槐叶片P_n低于林缘,且暗呼吸速率(R_d)和光补偿点(I_c)分别低于林缘50.0%和42.8%,以此来减少碳损耗,适应较低的光合速率.林内和林缘刺槐g_s随光强的变化差异显著.栓皮栎和刺槐叶片对不同光环境具有较强的适应能力.栓皮栎叶片的最大净光合速率(P_{n max})和α主要受气孔导度控制,R_d和I_c主要受气温影响.刺槐叶片的P_{n max}和α均与气温呈显著正相关,I_c、光饱和点(I_s)与叶片饱和水汽压差呈显著正相关.     

自然状态下栓皮栎林空气负离子与PM2.5的关系

近年来,PM_2.5污染成为大气污染的主要来源,长期暴露在高浓度PM_2.5的环境中会对人体造成严重损害。空气负离子(NAI)作为改善空气质量的“维生素”,是衡量一个地区空气清洁程度的重要指标。然而,气象条件和植被类型的复杂多变,导致PM_2.5与NAI的关系存在诸多不确定性。本研究以暖温带典型造林树种栓皮栎为研究对象,基于2019和2020年6—9月森林植被叶面积相对稳定条件下定位观测获取的NAI、PM_2.5和气象数据,研究气象条件相对稳定状态下PM_2.5和NAI的时空变化特征,确定PM_2.5与NAI的关系,阐明自然状态下PM_2.5对NAI的影响机制。结果表明：NAI随PM_2.5的升高呈指数下降趋势,二者呈显著负相关关系,回归方程为y=1148.79x^-0.123。在PM_2.5浓度为0～20、20～40、40～80、80～100和100～120μg·m^-3     

合肥市大气能见度变化特征及其影响因素

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PM_2.5、PM₁₀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)、PM_2.5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,PM_2.5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%≤RH＜60%时,PM_2.5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RH、PM_2.5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.