EN中文

干旱区地理 >

2024 , Vol. 47 >Issue 6: 932 - 941

DOI: https://doi.org/10.12118/j.issn.1000-6060.2023.302

气候与水文

庆阳市空气污染及气象因子影响特征分析

  • 焦美玲 ,
  • 韩晶 ,
  • 曹彦超 ,
  • 王娟 ,
  • 秦拓 ,
  • 贺涛
展开
  • 庆阳市气象局，甘肃 庆阳 745000

焦美玲（1974-），女，高级工程师，主要从事应用气象服务和气候变化等方面的研究. E-mail:

收稿日期: 2023-06-21

  修回日期: 2023-09-04

  网络出版日期: 2026-03-11

基金资助

甘肃省气象局科研项目(ZcMs2022-33)

庆阳市科技计划项目(QY-STK-2022A-129)

庆阳市气象局科技项目(QY2019-3)

收起

Characteristics of air pollution and meteorological factors in Qingyang City

  • Meiling JIAO ,
  • Jing HAN ,
  • Yanchao CAO ,
  • Juan WANG ,
  • Tuo QIN ,
  • Tao HE
Expand
  • Qingyang Meteorological Bureau, Qingyang 745000, Gansu, China

Received date: 2023-06-21

  Revised date: 2023-09-04

  Online published: 2026-03-11

Fold

摘要

基于2015—2021年庆阳市空气污染和气象数据，利用变率统计分析庆阳市空气质量指数、首要污染物及其浓度变化特征，运用气候相似性原理和多因子综合评价并探究气象因子对污染物的作用与影响，并确立响应指标，为全市精准开展大气污染防治提供支撑。结果表明：（1） 庆阳市空气质量优良率86.6%，空气质量指数年均为73，呈不明显上升趋势。首要污染物主要为PM10、PM2.5和O3 3种，且季节特征明显。2017年后SO2污染明显改善，但颗粒物与O3并发的复合型污染凸显，与当地气候、污染排放源有密切关系。（2） O3浓度夜间维持较高位，且以1.5 μg·m-3·a-1的年速率上升，气温对O3正效应显著，初夏气温高，降水量少是O3浓度升高和超标的主要驱动因子。（3） 外源输送和供暖期本地排放造成秋末—冬春季的PM10和PM2.5超标。（4） PM10、PM2.5和O3超标日下的主要气象因子阈值特征不同。

关键词： 空气质量; 污染物浓度; 气象影响; 阈值指标; 庆阳市

本文引用格式

焦美玲 , 韩晶 , 曹彦超 , 王娟 , 秦拓 , 贺涛 . 庆阳市空气污染及气象因子影响特征分析[J]. 干旱区地理, 2024 , 47(6) : 932 -941 . DOI: 10.12118/j.issn.1000-6060.2023.302

Abstract

Based on air pollution and meteorological data (2015—2021) from Qingyang City, Gansu Province, China, this study employed mathematical statistics and Pearson correlation analysis to examine AQI, primary pollutants, and their concentration changes. It aims to explore the influence of meteorological factors on pollution levels and establish response indicators to aid the prevention and control of air pollution in the area. Results indicate that Qingyang City predominantly experiences excellent air quality, with distinct seasonal variations in AQI. The best air quality occurs from mid-summer to mid-autumn, followed by spring, and deteriorates significantly in winter. The primary pollutants identified are O3, PM10, and PM2.5, with O3 peaking in summer, and a combination of PM10, O3 and PM2.5 in spring and autumn. Winter and the heating season primarily feature PM10 and PM2.5. A complex interplay between particulate matter and O3 is evident. Annually, concentrations of SO2, NO2, CO, PM2.5, and PM10 demonstrate a declining trend, whereas O3 shows an average increase of 1.5 µg·m-3·a-1. Monthly and seasonal concentration fluctuations are significant, with elevated levels of PM10 and PM2.5 in winter and spring, and the highest O3 concentrations in June. Moderate or severe pollution episodes predominantly occur from late autumn to winter and spring, driven by local climate conditions and pollution sources. Temperature significantly enhances O3 concentrations, with high temperatures in early summer and low precipitation serving as primary contributors. External transport and local emissions during the heating season lead to exceedances in PM10 and PM2.5 standards. Daily O3 variations display a unimodal pattern, without significant nighttime decreases. Conversely, other pollutants exhibit a bimodal daily pattern, with peaks around 04:00 and 15:00, and elevated levels at 20:00 and 09:00. Exceedance days for PM10, PM2.5, and O3 typically coincide with dry conditions or precipitation less than 3 mm. Meteorological factors such as air pressure, temperature, humidity, maximum wind speed, and wind direction show marked variations on these days. The periods with the highest frequency of PM10 exceedances span from March to April, PM2.5 from December to January of the following year, and O3 from June to July. For PM10, the exceedance thresholds include temperatures of 10-20 ℃, humidity levels of 20%-50%, air pressure between 850-863 hPa, and maximum wind speeds of 4 m·s-1 or above, predominantly with NW winds. PM2.5 exceedances occur at temperatures of -5-3 ℃, humidity of 40%-80%, air pressure between 854-867 hPa, and maximum wind speeds of 2-6 m·s-1, with SW and S winds. O3 exceedances are noted at temperatures of 19-26 ℃, humidity of 25%-60%, air pressure between 851-858 hPa, and maximum wind speeds of 3-5 m·s-1, under S and SW winds.

Key words： air quality; pollutant concentration; meteorological influences; threshold indicator; Qingyang City

空气污染已是影响全球气候变化和人类健康的显著因素[1-2]，是各级政府和公众高度关注和持续解决的重要问题。世界卫生组织指出全球每年约有3×106人因环境空气污染而导致死亡[3]。Lin等[4]综合评估了PM2.5和O3对老花眼的影响，Gao等[5]认为严重空气污染会造成心脑血管、精神健康、呼吸系统等疾病以及癌症和过早死亡。同时，诸多学者也从不同角度研究京津冀、长三角、珠三角、汾渭平原等主要城市群[6⇓⇓-9]大气污染发生机制，指出气象条件是大气污染物转移和扩散的最主要影响因素，且污染物具有明显区域输送特征。如Wang等[10]研究了2008年北京奥运会期间PM10变化，认为PM10 40%的变化与气象因素关联，而16%的变化与污染源排放有关。Roustan等[11]通过模拟研究，指出大气污染物间存在复杂的化学反应，机动车尾气减排降低氮氧化物（NOx）浓度，但O3浓度会增加。目前相关研究成果多集中在经济较发达的城市和区域，受地域、城市主导产业不同，污染物排放以及气象条件在不同时间段造成的空气污染程度不同。而西部落后地区这方面系统性研究较少，或局限于对某单一污染指标特征分析，在污染成因认识等方面不足，对原本脆弱的生态环境保护和精准防治指导性不强。
庆阳市是黄河中游黄土高原生态屏障的重要组成部分[12]，也是国家级陇东大型能源化工基地核心区、长庆油田主产区，能化产业占据了较大份额[13]，随着农业城市向资源型工业化城市加速发展，空气污染问题凸显，当地政府不断加大投资，增强治理力度。本文旨在分析庆阳市6项空气污染物现状及规律，探索庆阳市主要污染类型、防治成效以及空气质量的变化趋势，探究主要气象因子对空气污染影响作用，建立分气象要素的定量化指标，对于靶向开展空气污染防控，提升防治效率，改善人民生活环境和保障生态可持续发展具有很重要意义。

1 数据与方法

1.1 研究区概况

庆阳市（106°20′~108°45′E，35°15′~37°10′N）位于甘肃省东部，地处黄河中游黄土高原沟壑区，西有六盘山，北有羊圈山，东有子午岭，状如簸萁，总面积27119 km2。地形北高南低，海拔885~2089 m，属温带半湿润半干旱季风性气候，四季分明。庆阳市地形及空气质量监测点、西峰基本气象站、工业园区相对位置见图1。
图1 研究区示意图

Fig. 1 Schematic diagram of the research area

1.2 数据来源

环境空气质量资料来源于甘肃省庆阳生态环境监测中心2015—2021年监测数据。选取庆阳市2个国控城市点日空气质量指数（Air quality index，AQI）和PM2.5、PM10、O3、NO2、SO2、CO 6项污染物逐小时浓度数据，2个国控城市点均位于庆阳市西峰城区中心，海拔高度1420 m，周边分布为居民区、商业区、学校等。
气象资料来源于西峰国家基本气象站（海拔高度1420 m），选取2015—2021年地面观测气压、气温、降水量、相对湿度、最大风速及对应风向、日照时数等日数据。

1.3 研究方法

基于线性趋势和变率统计，分析庆阳市空气质量指数及污染物浓度年、季、月、日变化特征，利用气候相似性原理和多因子综合评价气象条件对空气污染物的作用与影响，通过与国家限值标准比较，揭示污染物现状特征，用Pearson相关系数法分析污染物与气象因子的关联性，并进行一致性检验，进而确立首要污染物超标日的主要气象因子指标阈值。
风向划分：N风（315°~360°和0°~45°）、E风（45°~135°）、S风（135°~225°）和W风（225°~315°）4类，同时分析其分量频率。
季节划分：3—5月为春季，6—8月为夏季，9—11月为秋季，12月—翌年2月为冬季，供暖期为11月—翌年3月。
分级标准：根据《环境空气质量指数（AQI）技术规定（试行）》（HJ633-2012）作为AQI分级，浓度限值按照《环境空气质量标准》（GB3095-2012）二类区二级限值标准（表1~2），即适用于居住、商业交通等混合区域。
表1 AQI指数分级标准

Tab. 1 AQI index grading standards

污染级别 AQI指数范围
优 0~50
良 51~100
轻度污染 101~150
中度污染 151~200
重度污染 201~300
严重污染 >300

注：AQI为空气质量指数。下同。

表2 污染物浓度限值国家标准（二类区二级）

Tab. 2 National standard for pollutant concentration limits (class II, zone II)

污染物 浓度限值
24 h平均 年平均
SO2/μg·m-3 150 60
NO2/μg·m-3 80 40
PM10/μg·m-3 150 70
PM2.5/μg·m-3 75 35
O3/μg·m-3 160 -
CO/mg·m-3 4 -

注：“-”表示未确定限值。

2 结果与分析

2.1 庆阳市AQI特征

分析2015—2021年庆阳市2个国控站6项污染物逐日质量浓度相关性，PM2.5、PM10和O3相关系数>0.9，为极强相关；NO2、SO2和CO相关系数>0.6，为强相关性，故用2个国控站污染物浓度算术平均值表征庆阳市污染特征。表3给出各年度AQI分级日数及达标率，可看出庆阳市空气质量年平均优和良天数为316 d，达标率86.6%，轻度污染36 d，中度污染9 d，重度和严重污染均为2 d，空气质量优良率呈不明显上升趋势。
表3 庆阳市AQI分级年日数及达标率

Tab. 3 Annual days and compliance rates of AQI classification in Qingyang City

年份 空气质量级别/d AQI
达标率/%
优 良 轻度污染 中度污染 重度污染 严重污染
2015 86 210 58 9 1 1 80.9
2016 56 266 30 11 2 1 88.0
2017 43 275 29 12 3 2 87.1
2018 56 265 29 8 3 4 87.9
2019 35 272 40 14 2 2 84.9
2020 55 257 49 4 1 0 85.2
2021 89 249 16 8 1 2 92.6
平均 62 254 36 9 2 2 86.6
图2为AQI月变化及污染分级累计天数，庆阳市AQI指数年平均为73，季节变化明显。其中，仲夏（7月）—仲秋（10月）空气质量最好，AQI为55~64；春季次之，AQI为73~82；冬季最差，AQI为83~92。逐月污染日数分布：轻度污染天气各月都有，中度以上污染天气集中在秋末—冬春季，多连续2~3 d发生。AQI和污染日数变化与庆阳市气候及污染排放源有直接关系：供暖期PM2.5和PM10排放源（量）明显增加，且冬季多静稳天气，易形成污染物累积，导致空气质量最差；春季陇东黄土高原多冷空气活动和吹风天气，颗粒物沙尘被运送至城市上空致使污染加重[14]，仲春后光照充足、辐射强，O3浓度迅速增加，受颗粒物及O3的多重影响，春季—初夏空气质量仍较差；夏季气温高、降水天气多、雨量大，对颗粒物及O3具有明显的冲刷沉降和抑制作用。初秋多阴雨天气，气温较夏季明显下降，不利于O3形成和颗粒物堆积，空气质量最好。
图2 庆阳市AQI月变化及污染分级天数

注：AQI为空气质量指数。

Fig. 2 Monthly changes of AQI and days of pollutants occurrence classification in Qingyang City

2.2 首要污染物特征

由图3首要污染物出现日数可知，首要污染物主要为O3、PM10和PM2.5，季节效应明显。夏季首要污染物以O3最多，出现466 d，占比89%，PM10和PM2.5出现50 d，占比不足10%；春、秋季以PM10、O3和PM2.5为主，均以PM10最多，分别为276 d和230 d，占比约50%，其次是O3，分别为222 d和117 d，占比39%和27%，PM2.5春季和秋季出现天数分别为57 d和69 d；冬季PM10和PM2.5首要污染物出现天数分别为247 d和221 d，二者占比之和达83%。SO2仅出现于供暖期。首要污染物年日数变化为PM10、O3呈弱增加趋势，PM2.5呈波动性变化（图略）。分析表明，随着污染排放管控及集中供暖、清洁取暖等项目实施，供暖期首要污染物发生了显著变化，自2018年后未出现以SO2为首要污染物的天气。首要污染物与各季节气候、污染排放源关系密切。初春土壤解冻，裸露地表疏松，风力强，输入性沙尘及本地扬尘叠加，造成PM10首要污染物增多；仲春—夏季气温高、降水量少，光热集中，有利于大气中的NOx和挥发性有机物（VOCs）发生光化学反应[15]形成O3；供暖期细小颗粒物排放突出，PM2.5作为首要污染物天数明显增多。
图3 庆阳市首要污染物出现天数

Fig. 3 Days of primary pollutants occurrence in each season in Qingyang City

另外，分析首要污染物与污染级别关系发现：首要污染物不同，造成的污染级别不相同。O3为首要污染物时，造成良或轻度污染天气；中度及以上污染天气均因PM10和PM2.5为首要污染物造成，且PM10占比略高，出现严重污染天气时，首要污染物为PM10。

2.3 污染物浓度特征

2.3.1 年变化趋势

分析6项污染物浓度年际变化（图4）：SO2、NO2、CO年均浓度分别为21 μg·m-3、19 μg·m-3、0.9 mg·m-3，远低于国家浓度限值。SO2年浓度呈先显著后缓慢降低趋势，下降率5.5 μg·m-3·a-1，其中2015—2016年浓度较高，2016—2018年显著下降。NO2和CO呈小幅波动下降；PM2.5年均浓度35 μg·m-3，达国家二级标准限值，PM10年浓度77 μg·m-3，超出限值。二者呈下降趋势，PM10较PM2.5降幅略大，其中2018—2019年为高值期，分析其原因，受输入沙尘影响，2018年发生3次重度污染、4次严重污染天气，2019年发生2次重度污染和2次严重污染天气，属于重度和严重污染高发年份，且PM10日浓度高达946 μg·m-3，PM2.5达224 μg·m-3，均为研究时段内的最高值，故而提高了年均浓度值；O3年均浓度为96 μg·m-3，以1.5 μg·m-3·a-1速率上升。
图4 庆阳市6项污染物浓度年变化

Fig. 4 Annual changes in the concentration of six pollutants in Qingyang City

2.3.2 季、月变化特征

图5显示，PM10、PM2.5月浓度呈夏秋低冬春高特点，PM10变幅较PM2.5大。PM10浓度自3月开始小幅降低，5月反弹至弱峰值，之后浓度较大幅度降低，至8月达谷值，为42 μg·m-3，11月浓度增幅最显著，2—3月达峰值，为106 μg·m-3；PM2.5浓度峰值出现在1月，为58 μg·m-3，较PM10早1个月，谷值为20 μg·m-3，出现在7—8月。两者高值期与春季沙尘多发、供暖期排放密切相关，供暖期污染物排放对PM2.5浓度贡献更大。这与臧星华等[16]的研究成果一致，即PM2.5浓度受人为源影响明显，PM10受自然沙尘影响占比更高。
图5 庆阳市6项污染物浓度月变化

Fig. 5 Monthly changes in the concentration of six pollutants in Qingyang City

SO2浓度供暖期高值、非供暖期低值。供暖始期11月浓度迅速增加，1月达最高，为60 μg·m-3，非供暖月浓度为7~9 μg·m-3，供暖期浓度为非供暖期的5倍，可见SO2污染主要来源于燃煤排放。NO2、CO月质量浓度变化趋势一致，变幅不大，两者浓度亦是供暖期大，非供暖期小。
O3浓度月、季变幅大。4—9月浓度>100 μg·m-3，为高值期，其中6月浓度最高，为128 μg·m-3；10月—翌年3月浓度（60~90 μg·m-3）为低值期。这与庆阳市气温和降水量变化密切相关，4—9月气温高、日照时间长，光化学反应活跃充分，有利于O3形成，且夏季大气边界层高度高，湍流旺盛，O3垂直输送明显[17⇓-19]。同时，7—8月多降水天气，对O3污染的重要前体物产生一定程度稀释，而5—6月气温虽高，降雨却少，故7—8月O3浓度略低于5—6月，这与齐冰等[20-21]得出的“干热”气象条件更有利于近地面O3浓度上升的结论一致。

2.3.3 日变化规律

由浓度日变化（图6）可知，PM10、PM2.5、NO2、CO和SO2 5类污染物浓度日变化均呈双峰型，其中PM2.5日变幅较小。02:00—05:00处于较平稳低值期，04:00前后为次谷值，之后迅速上升，09:00前后达到峰值，15:00前后降至谷值，20:00前后达次峰值。分析发现，峰值和次峰值出现时间与上下班人群活动高峰及机动车尾气排放有关，同时，西峰区地势平坦，夜间大气层结稳定，低层易出现逆温，不利污染物扩散。14:00—16:00太阳辐射强，属气温最高时段，近地层空气乱流增强，利于污染物转移和扩散。
图6 庆阳市6项污染物浓度日变化

Fig. 6 Daily changes in the concentration of six pollutants in Qingyang City

O3日变化呈单峰型，与太阳辐射和气温的日变化特征一致，日出后，太阳辐射增强，气温骤升，O3二次光化学反应速率加快[22]，浓度持续上升，16:00浓度达峰值，随着太阳辐射减弱，O3浓度缓慢下降，08:00出现谷值。需指出的是，夜间O3浓度虽是下降趋势，但降幅不明显，平均维持在75 μg·m-3的较高位，这与武汉[23]、自贡[24]等地夜间O3浓度显著降低不同，可能与当地NO2浓度低，对O3消耗能力弱有关[25]。

2.4 气象因子影响

2.4.1 污染浓度与气象因子相关性

分析气象因子与污染物浓度相关性（表4），6项污染物与气压、降水量、气温、相对湿度、最大风速密切相关，除CO、O3与相对湿度未通过显著性检验外，其余污染物与前述5类气象因子均通过0.05显著性检验。气压与O3表现为极强负相关，相关系数达-0.821，主要受季节变化影响，春夏季气压低，晴热天气多，有利于前体物的光化学反应而形成O3。与其他5类污染物为较强正相关，当地面受低压控制时，中心区域易形成上升气流利于污染物扩散，而当地面气压较高时，中心气流下沉加剧污染物聚积使得浓度增加；降水量和相对湿度与各污染物均呈负相关，且降水量与各污染物的负相关性均高于相对湿度，这是由于出现湿度较大的天气时，往往与降水过程相对应，降水天气对污染物的湿清除作用明显，但由于空气湿度较大时，又会促进污染物的吸湿增长和转化，特别是降水天气发生前，空气湿度明显上升，PM2.5会附着在水汽上而使其浓度上升。
表4 庆阳市6项空气污染物与气象因子相关性

Tab. 4 Correlation between six air pollutants and meteorological factors in Qingyang City

污染物 气压 降水量 气温 相对湿度 日照时数 最大风速
SO2 0.430** -0.391** -0.584** -0.301** -0.039 0.263*
NO2 0.676** -0.553** -0.708** -0.254* -0.203 0.378**
PM10 0.417** -0.624** -0.624** -0.567** 0.068 0.454**
CO 0.402** -0.370** -0.558** -0.200 -0.110 0.295**
O3 -0.821** -0.412** 0.818** -0.060 0.491** -0.318**
PM2.5 0.570** -0.671** -0.791** -0.445** -0.100 0.374**

注：**表示在0.01级别（双尾），显著相关；*表示在0.05级别（双尾），显著相关。

气温与O3为极强正相关，相关系数达0.818，气温升高助推了O3光化学过程的反应和发展，最高气温越高对O3浓度正效应越大。气温与其余各污染物表现出强的负相关性，是因为气温升高会加速近地层空气湍流交换，增强大气垂直和水平方向扩散，利于污染物浓度降低；最大风速与O3为较强负相关，与其他污染物呈较弱—较强正相关。究其原因，当风速较大时，污染物更容易被风吹散，但庆阳市区盛行风向为S风（仅在1、11、12月盛行NW风），且以石油冶炼项目为主的工业园区，位距市中心西南方向约8 km处，受较强风力作用，污染物会沿着风的方向被运送到附近城区[26]，引发污染物浓度增加。日照时数除与O3为较强正相关外，与其他污染物没有明显相关性。

2.4.2 污染物不同浓度级别下的气象要素特征

2015—2021年庆阳市PM10日浓度超国家二级标准194 d，超标日平均浓度234 μg·m-3，是年均浓度的3倍，主要发生在11月—翌年5月，其中3—4月为高发期，占比48%；PM2.5超标日180 d，超标日平均浓度103 μg·m-3，主要发生时段与PM10一致，但超标高发时段为12月—翌年1月，占比50%；O3超标日43 d，超标日平均浓度169 μg·m-3，主要发生在4—8月，高发时段为6—7月，占比70%；SO2超标日27 d，仅发生在2015年1—2月和2016年12月，故不再对其做气象影响因子分析。依据污染物与气象因子相关性，同时考虑PM10、PM2.5污染超标日发生在少雨季，降水量>5 mm仅出现过2次浓度超标，O3超标日91%发生在无降水日，9%发生于日降水量<3 mm，故不再分析降水量指标。
表5可见，PM10、PM2.5超标日在主要发生时段和高发时段下的气压、气温日值特征高度相似，超标日气压比同期达标日低约2 hPa，超标日气温比同期达标日高约1 ℃。相对湿度对PM10和PM2.5的响应特征相反，PM10超标日湿度大部分在50%以下，较同期达标日低10%，PM2.5超标日湿度约60%，高于同期达标日湿度10%。风速大小影响污染物的扩散、累积和输送能力，风向对污染源传输有较好的指示意义，PM10超标日最大风速均值5 m·s-1以上，比达标日风速高约1 m·s-1，主要风向为N，占比约50%，分量风向以NW居多，即胡焕庸线以西的高原城市群[27]中，PM10的污染受风沙过境影响更为严重。PM2.5超标日最大风速均值4 m·s-1，略小于达标日风速，主要风向为S，其分量SE和SW频率相当，说明PM2.5污染既有东南部远距离污染物传输的影响，也有本地西南部化工园区的贡献；O3超标日气压低于同期达标日，气温多在20 ℃以上，高于同期达标日气温2 ℃以上。相对湿度对O3浓度的响应最显著，超标日湿度平均值在50%以下，较同期达标日低23%~28%，O3超标日最大风速略小于同期达标日，超标日S风频率较达标日S风高30%，其分量中SW频率较SE高约20%。
表5 PM10、PM2.5和O3不同浓度级别下的气象要素日均值

Tab. 5 Daily mean of meteorological elements at different concentration levels of PM10, PM2.5 and O3

污染物 时段 气象要素
气压/hPa 气温/℃ 相对湿度/% 最大风速/m·s-1 主要风向（频率/%） 分量风向（频率/%）
PM10 3—4月超标日 856.4 10.8 44 5.6 N（61） N（25） NW（34） NE（2）
3—4月达标日 858.4 9.2 53 4.4 S（45） S（21） SE（11） SW（13）
11月—翌年5月超标日 858.7 6.2 48 5.1 N（46） N（20） NW（25） NE（1）
11月—翌年5月达标日 860.4 5.0 52 4.2 S（40） S（15） SE（10） SW（15）
PM2.5 12月—翌年1月超标日 860.9 -1.1 61 3.7 S（50） S（19） SE（14） SW（17）
12月—翌年1月达标日 863.5 -2.4 47 4.0 N（40） N（13） NW（20） NE（7）
11月—翌年5月超标日 857.8 5.2 60 4.1 S（55） S（20） SE（17） SW（18）
11月—翌年5月达标日 860.5 5.0 50 4.3 N（40） N（13） NW（22） NE（5）
O3 6—7月超标日 852.1 23.5 49 4.2 S（86) S（37) SE（13) SW（36)
6—7月达标日 852.9 21.2 64 4.4 S（60) S（25) SE（13) SW（22)
4—8月超标日 852.6 22.7 43 4.3 S（81) S（31) SE（17) SW（33)
4—8月达标日 854.8 18.4 60 4.6 S（51) S（24) SE（10) SW（17)
综上分析并结合因O3造成的轻度污染以及PM10和PM2.5造成的中度及以上污染天气过程中的气象要素，建立首要污染物日浓度超标下的气象指标（表6）。
表6 PM10、PM2.5和O3日浓度超标下的气象指标

Tab. 6 Meteorological indicators for exceeding daily concentrations of PM10, PM2.5 and O3

污染物 气温
/℃		 相对湿度
/%		 气压
/hPa		 最大风速
/m·s-1		 盛行风向
/分量风向
PM10 10~20 20~50 850~863 ≥4 N/NW
PM2.5 -5~3 40~80 854~867 2~6 S/SW
O3 19~26 25~60 851~858 3~5 S/SW

3 结论

（1） 庆阳市空气质量优良率86.6%，呈不明显上升趋势，仲夏—仲秋空气质量最好，冬季最差；首要污染物主要为O3、PM10和PM2.5，颗粒物与O3并发的复合型污染凸显，初夏气温高，降水量少，是O3浓度升高和超标的主要驱动因子。中度以上污染天气集中发生在秋末—冬春季，主要受输入性沙尘和供暖期本地污染排放所致。SO2、NO2、CO、PM2.5和PM10年浓度均呈不同程度下降趋势，O3年浓度以1.5 μg·m-3·a-1速率上升。月、季变化中，PM10、PM2.5均呈夏秋低冬春高特点，且PM10变幅>PM2.5；SO2改善最显著，但供暖期仍为高值；O3浓度6月最高、12月最低。日浓度变化表现为PM10、PM2.5、NO2、CO和SO2呈双峰型，04:00和15:00前后分别为次谷值和谷值，20:00和09:00前后分别达次峰值和峰值；O3呈单峰型，16:00浓度最高，08:00最低，夜间降幅不明显。
（2） PM10、PM2.5、NO2、CO、SO2和O3与气压、降水量、气温、相对湿度、最大风速及其风向密切相关。春夏季气温升高，地面气压低促进O3生成，但有利于PM10和PM2.5的扩散；降水天气对各污染物的稀释和清除作用显著，但大湿度天气会促进污染物的吸湿增长和转化。最大风速与O3为较强负相关，与其他污染物呈较弱—较强正相关，与庆阳市盛行风向和工业园区布局有一定关系。
（3） PM10日浓度超标高发时段为3—4月，集中出现在平均气温10~20 ℃、相对湿度20%~50%、气压850~863 hPa、最大风速≥4 m·s-1、风向为NW的气象条件下；PM2.5超标高发时段为12月—翌年1月，集中出现在平均气温-5~3 ℃、相对湿度40%~80%、气压854~867 hPa、最大风速2~6 m·s-1、风向为SW和S的气象条件下；O3超标高发时段为6—7月，集中出现在平均气温19~26 ℃、相对湿度25%~60%、气压851~858 hPa、最大风速3~5 m·s-1、风向为S和SW的气象条件下。
（4） 庆阳市大气污染防治措施实施对SO2、NO2、CO减排贡献最大，通过抑尘管控，PM10、PM2.5 浓度降低，但目前PM2.5年浓度仍达国家上限，PM10超出国家上限值7.7 μg·m-3，O3污染浓度及污染物天数呈上升趋势，空气污染形势仍然严峻，重点要加强输入性沙尘的区域性管控。同时还应加强典型重污染天气过程分析以及污染机理研究。另外，庆阳市O3浓度夜间降幅小的影响因素，还需与周边大气监测资料进行对比分析。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
李惠娟, 周德群, 魏永杰. 我国城市PM2.5污染的健康风险及经济损失评价[J]. 环境科学, 2018, 39(8): 3467-3475.

[Li Huijuan, Zhou Dequn, Wei Yongjie. An assessment of PM2.5related health risks and associated economic losses in Chinese cities[J]. Environmental Science, 2018, 39(8): 3467-3475.]

[2]
Chen W Q, Zheng R S, Baade P D, et al. Cancer statistics in China, 2015[J]. CA: A Cancer Journal for Clinicians, 2016, 66(2): 115-132.

[3]
WHO. Ambient air pollution: A global assessment of exposure and burden of disease[Z]. Geneva, Switzerland: World Health Organization, 2016: 44.

[4]
Lin H, Guo Y, Ruan Z, et al. Ambient PM2.5 and O3 and their combined effects on prevalence of presbyopia among the elderly: A cross-sectional study in six low- and middle-income countries[J]. Science of the Total Environment, 2019, 655: 168-173.

[5]
Gao J, Woodward A, Vardoulakis S, et al. Haze, public health and mitigation measures in China: A review of the current evidence for further policy response[J]. Science of the Total Environment, 2017, 578: 148-157.

[6]
王冠岚, 薛建军, 张建忠. 2014年京津冀空气污染时空分布特征及主要成因分析[J]. 气象与环境科学, 2016, 39(1): 34-42.

[Wang Guanlan, Xue Jianjun, Zhang Jianzhong. Analysis of spatial-temporal distribution characteristics and main cause of air pollution in Beijing-Tianjin-Hebei region in 2014[J]. Meteorological and Environmental Sciences, 2016, 39(1): 34-42.]

[7]
佘倩楠, 徐茜, 周陶冶, 等. 长三角地区2015年大气重污染特征及其影响因素[J]. 环境科学学报, 2018, 38(8): 3185-3196.

[She Qiannan, Xu Qian, Zhou Taoye, et al. Characteristics of heavy air pollution episode and its impacting factors in the Yangtze River Delta during 2015[J]. Acta Scientiae Circumstantiae, 2018, 38(8): 3185-3196.]

[8]
赖安琪, 陈晓阳, 刘一鸣, 等. 珠江三角洲高质量浓度PM2.5和O3复合污染特征[J]. 中山大学学报(自然科学版), 2018, 57(4): 30-36.

[Lai Anqi, Chen Xiaoyang, Liu Yiming, et al. Characteristics of complex pollution with high concentrations of PM2.5 and O3 over the Pearl River Delta, China[J]. Acta Scientiarum Naturalium Universitatis Sunyatseni, 2018, 57(4): 30-36.]

[9]
郑小华, 李明星, 刘慧, 等. 汾渭平原空气质量的时空特征及其与气象因子的关系[J]. 环境科学学报, 2020, 40(11): 4113-4121.

[Zheng Xiaohua, Li Mingxing, Liu Hui, et al. Spatiotemporal characteristics of air quality and their relationships with meteorological factors over the Fenwei Plain[J]. Acta Scientiae Circum- stantiae, 2020, 40(11): 4113-4121.]

[10]
Wang W, Primbs T, Tao S, et al. Atmospheric particulate matter pollution during the 2008 Beijing Olympics[J]. Environmental Science and Technology, 2009, 43(14): 5314-5320.

DOI PMID

[11]
Roustan Y, Pausader M, Seigneur C. Estimating the effect of on-road vehicle emission controls on future air quality in Paris, France[J]. Atmospheric Environment, 2010, 45(37): 6828-6836.

[12]
董建红, 张志斌, 刘奔腾, 等. “三生”空间视角下西北地区生态环境质量分异机制的地理探测[J]. 干旱区地理, 2023, 46(4): 515-526.

[Dong Jianhong, Zhang Zhibin, Liu Benteng, et al. Geographical exploration of the spatial differentiation mechanism of eco-environmental quality in northwest China from the perspective of “production-living-ecological”space[J]. Arid Land Geography, 2023, 46(4): 515-526.]

[13]
罗逸臻, 黄远程, 王涛. 关中平原城市群生态环境质量时空变化特征及其驱动力[J]. 地球科学与环境学报, 2023, 45(6): 1316-1329.

[Luo Yizhen, Huang Yuancheng, Wang Tao. Spatial-temporal variation characteristics of ecological environment quality and their driving forces in Guanzhong Plain urban agglomeration, China[J]. Journal of Earth Sciences and Environment, 2023, 45(6): 1316-1329.]

[14]
李淑婷, 李霞, 毛列尼·阿依提看, 等. 2017—2019年中天山北坡城市群大气污染及污染天气类型特征[J]. 干旱区地理, 2022, 45(4): 1082-1092.

[Li Shuting, Li Xia, Ayikan Mauren, et al. Characteristics of air pollution and its polluted weather types of urban agglomeration on the north slope of the middle Tianshan Mountains from 2017 to 2019[J]. Arid Land Geography, 2022, 45(4): 1082-1092.]

[15]
张小娟, 李莉, 王红丽, 等. 2010—2016年上海城区臭氧长时间序列变化特征初探[J]. 环境科学学报, 2019, 39(1): 86-94.

[Zhang Xiaojuan, Li Li, Wang Hongli, et al. Preliminary study on the long-term trends of ozone in urban Shanghai from 2010 to 2016[J]. Acta Scientiae Circumstantiae, 2019, 39(1): 86-94.]

[16]
臧星华, 鲁垠涛, 姚宏, 等. 中国主要大气污染物的时空分布特征研究[J]. 生态环境学报, 2015, 24(8): 1322-1329.

DOI

[Zang Xinghua, Lu Yintao, Yao Hong, et al. The temporal and spatial distribution characteristics of main air pollutants in China[J]. Ecology and Environmental Sciences, 2015, 24(8): 1322-1329.]

[17]
王磊, 刘端阳, 韩桂荣, 等. 南京地区近地面臭氧浓度与气象条件关系研究[J]. 环境科学学报, 2018, 38(4): 1285-1296.

[Wang Li, Liu Ruiyang, Han Guirong, et al. Study on the relationship between surface ozone concentrations and meteorological conditions in Nanjing, China[J]. Acta Scientiae Circumstantiae, 2018, 38(4): 1285-1296.]

[18]
Zhu X, Ma Z, Li Z, et al. Impacts of meteorological conditions on nocturnal surface ozone enhancement during the summertime in Beijing[J]. Atmospheric Environment, 2020, 225: 117368, doi: 10.1016/j.atmosenv.2020.117368.

[19]
Edwards M P, Aikin C K, Dube P W, et al. Transition from high- to low-NOx control of night-time oxidation in the southeastern US[J]. Nature Geoscience, 2017, 10(7): 490-495.

[20]
齐冰, 牛彧文, 杜荣光, 等. 杭州市近地面大气臭氧浓度变化特征分析[J]. 中国环境科学, 2017, 37(2): 443-451.

[Qi Bing, Niu Yuwen, Du Rongguang, et al. Characteristics of surface ozone concentration in urban site of Hangzhou[J]. China Environmental Science, 2017, 37(2): 443-451.]

[21]
杨婧, 朱海斌, 刘建军, 等. 气象条件对银川市区近地面臭氧质量浓度的影响[J]. 干旱气象, 2021, 39(2):302-308, 325.

[Yang Jing, Zhu Haibin, Liu Jianjun, et al. Study on the effects of meteorological conditions on ozone mass concentration near surface in Yinchuan[J]. Journal of Arid Meteorology, 2021, 39(2): 302-308, 325.]

[22]
刘超, 董俊玲, 田力, 等. 2017年郑州市臭氧浓度特征及气象因素分析[J]. 气象与环境科学, 2022, 45(4): 33-38.

[Liu Chao, Dong Junling, Tian Li, et al. Analysis of ozone concentration characteristics and meteorological factors in Zhengzhou in 2017[J]. Meteorological and Environmental Sciences, 2022, 45(4): 33-38.]

[23]
岳岩裕, 吴翠红, 许可, 等. 武汉城市圈臭氧污染特征及气象因子影响分析[J]. 气象与环境科学, 2021, 44(3): 16-23.

[Yue Yanyu, Wu Cuihong, Xu Ke, et al. Analysis of ozone pollution characteristics and meteorological impact factors in Wuhan metropolitan area[J]. Meteorological and Environmental Sciences, 2021, 44(3): 16-23.]

[24]
吕长春. 自贡市臭氧浓度变化特征及其与气象因素的相关性研究[J]. 气象与环境科学, 2021, 44(3): 47-53.

[Lü Changchun. Variation characteristics of ozone concentration and its correlation with meteorological elements in Zigong City[J]. Meteorological and Environmental Sciences, 2021, 44(3): 47-53.]

[25]
李伟杰, 赵胡笳, 陈权亮, 等. 2020年1—3月四川地区大气污染物变化特征分析[J]. 气象与环境学报, 2022, 38(1): 15-22.

[Li Weijie, Zhao Hujia, Chen Quanliang, et al. Variation characteristics of air pollctants in Sichuan region during January-March of 2020[J]. Journal of Meteorology and Environment, 2022, 38(1): 15-22.]

[26]
郭安可, 殷小鸽, 王治民, 等. 工业园区大气污染过程与气象风场响应关系研究[J]. 气象与环境学报, 2022, 38(1): 23-32.

[Guo Anke, Yin Xiaoge, Wang Zhimin, et al. A study on the response relationship between air pollution process and meteorological wind field in an industrial park[J]. Journal of Meteorology and Environment, 2022, 38(1): 23-32.]

[27]
杨宇, 何唯, 李鹏, 等. 中国城市化与PM2.5浓度时空动态及作用机理——基于胡焕庸线变迁的视角[J]. 资源科学, 2022, 44(10): 2100-2113.

DOI

[Yang Yu, He Wei, Li Peng, et al. Spatiotemporal dynamics and mechanisms in urbanization and PM2.5 concentration in China: A perspective based on the transition of Hu Huanyong line[J]. Resources Science, 2022, 44(10): 2100-2113.]

Options
文章导航

/

〈 〉