北京市空气质量时间变化特点分析
我国南北方城市空气环境质量对比分析
我国南北方城市空气环境质量对比分析孙炳彦 1,2,刘连友 *1,2,郭兰兰 1,2,朱孟郡 3,吕艳丽 21. 地表过程与资源生态国家重点实验室(北京师范大学 ,北京 (1008752. 北京师范大学减灾与应急管理研究院,北京 (1008753. 山东省环境保护科学研究设计院,济南 (250013E-mail :摘要:依据国家环境监测部门公布的空气环境质量日报,对 27个省会城市、 4个直辖市城市的 2004-2006年空气质量数据进行分析。
结果显示:我国城市空气污染指数(API 时空差异明显,冬、春季节 API 值高于夏季和秋季,北方城市的 API 均值高于南方城市; PM 10是大气环境的主要污染物,作为首要污染物出现所占比例南、北方城市分别是 66.64%和 83.97%; SO 2为首要污染物所占比例南、北方城市分别是 7.28%和 6.19%;北方城市平均Ⅰ级和Ⅱ级天数所占百分比之和为 77.00%,重污染级天数所占比例达到 1.02%;南方城市平均Ⅰ级和Ⅱ级天数所占百分比之和为87.24%,重污染天数所占百分比是 0.04%;城市空气质量优、良天数呈增加趋势。
关键词:空气环境质量, API ,可吸入颗粒物,时空差异随着经济建设的不断发展,人民生活水平的提高,空气质量状况日益为大众瞩目;城市人口密集、工业集中,大量消耗化石燃料,高密度的建筑群又不利于污染物的扩散,大气污染问题十分严重; 同时城市空气环境质量关系着整个地区甚至国家的居民生活质量和经济发展,所以在全球受到普遍关注 [1,2]。
我国正处于城市化发展的高峰期,城市环境污染问题日益突出:20世纪 70年代期间煤烟型污染排放成为中国工业城市的特点; 80年代, 许多南方城市遭受严重的酸雨危害; 近年来, 汽车尾气排放的 NOx 、 CO 及随后形成的光化学烟雾, 使得许多大城市的空气质量恶化 [3]。
近几年一些学者就沙尘天气对城市空气质量的影响作了精深的研究 [4,5]; 对某一城市大气环境污染状况的分析探讨也有很多报导 [6,7], 但对我国城市大气环境整体分析和区域差异未见研究。
空气质量检测数据分析与预测
空气质量检测数据分析与预测一、引言随着城市化的加速和工业化的不断推进，空气污染问题越来越引起人们的关注。
因此，对空气质量进行监测和预测具有重要意义。
本文将从空气质量检测数据分析和预测两个方面进行讨论。
二、空气质量检测数据分析1.数据来源空气质量数据通常由空气监测站采集，并通过国家环保部门进行统计和发布。
空气监测站的数量、位置、采样时间和方法等因素均影响到数据的准确性。
2.数据类型空气质量监测数据通常包括以下几种类型：颗粒物、二氧化硫、氮氧化物、臭氧等。
这些指标是评估空气质量的关键因素，对人类的健康和环境的影响都很大。
3.数据分析方法数据分析方法通常可以分为两类：时间序列方法和机器学习方法。
时间序列方法适用于具有稳定周期性变化的数据，如每天、每周、每月或每年的数据。
主要方法包括滑动平均、指数平滑、ARIMA等。
机器学习方法适用于没有明显周期性或非线性变化的数据。
例如，支持向量机、神经网络、随机森林等，这些方法需要大量的数据来训练模型，并产生预测结果。
4.数据分析案例例如，某市在连续几年的空气质量数据中，发现颗粒物的浓度呈现逐年增加的趋势。
通过时间序列方法对数据进行分析，发现颗粒物浓度具有较强的季节性，并通过ARIMA模型预测颗粒物的浓度将在未来几年内继续增加。
三、空气质量预测1.预测方法空气质量预测通常采用数学模型进行。
这些模型可以采用机器学习方法或物理模型方法。
机器学习方法也分为监督学习和无监督学习。
监督学习通常需要输入空气质量数据和外部因素，如天气等，以预测未来的空气质量。
但是，由于空气质量数据容易受到外部因素的影响，因此单独使用数据进行预测可能会出现偏差。
因此，物理模型方法可以在不使用过多外部因素的情况下进行精确的预测。
2.使用案例例如，一些城市在建设大气环境预报系统时，采用物理模型和监测数据相结合的方法预测未来的空气质量。
这些模型基于爬升的牵引力和扩散的阻力，对污染物的运动和扩散进行数学模拟，以及预测未来的污染物浓度和空气质量。
北京地区暴雨气候特征及其变化分析
北京地区暴雨气候特征及其变化分析孙溦【摘要】利用1961～2007年北京地区降水资料,采用气候倾向率、多项式曲线拟合和Morlet小波分析方法,对北京地区暴雨的气候特征及变化趋势进行了分析,结果表明:1)北京地区暴雨有明显的月变化特征, 8月上旬(北京奥运会开幕式前后)是北京地区暴雨出现最为集中的时期.2)1961～2007年北京地区暴雨日数总体表现为波动式的缓慢下降,沙河暴雨日数的下降趋势最不明显,西郊居中,南苑暴雨日数的下降趋势最明显.3)暴雨日数的增减变化具有阶段性特征,1990年前南苑暴雨日数的变化与沙河、西郊有着完全相反的变化趋势.4)北京地区暴雨日数变化具有多重周期性,南苑、西郊和沙河暴雨周期日数不同.【期刊名称】《气候与环境研究》【年(卷),期】2010(015)005【总页数】5页(P672-676)【关键词】北京;暴雨;多项式曲线拟合;Morlet小波分析【作者】孙溦【作者单位】南京信息工程大学大气科学学院,南京,210044【正文语种】中文【中图分类】P466AbstractUsing the precipitation data in Beijing during 1961-2007,statisitcs rate of the climatic tendency,polynomial curve fitting,and Morlet waveletmethod,the climatic characteristics and the trends of the climatic change of rainstroms in Beijing were analysed.The results show that:1)Rainstorm has obvious monthly variation characteristics,the first 10 days ofAugust(before and after the Beijing Olympic Games opening ceremony)are the most evident stage of the rainstorm days in Beijing.2)The general trend of the annual rainstorm days has slowly decreased with fluctuation in Beijing during 1961-2007,the descending rate of the annual rainstorm days at Shahe station is the slightest,that at the Xijiao station is second,and that at Nanyuan station is the most marked among the three stations.3)The variations of the incremental and reduced rainstorm days have periodic characteristics,and there are absolutely opposite variation trends at Nanyuan station before 1990,in comparison with Shahe station and Xijiao station.4)The variations of the annual rainstorm days have multiple periodicity in Beijing.Different periodic oscillations of the annual rainstorm days exist at Nanyuan station,Shahe station,and Xijiao station.Key wordsBeijing,rainstorm,polynomial curve fitting,Morlet wavelet analysis研究表明 (郭虎等,2008),北京奥运会期间高温灾害和暴雨灾害是7种主要气象灾害中风险承受能力与风险控制能力最弱的气象灾害。
基于时间序列的城市空气污染预测与治理
基于时间序列的城市空气污染预测与治理随着城市化的进程不断加速，城市空气污染成为了一个全球性的问题。
空气污染不仅对人类健康产生了严重影响，还对生态环境造成了巨大破坏。
因此，预测和治理城市空气污染成为了当下亟待解决的问题。
时间序列分析是一种重要的方法，可以用于预测和分析环境数据中存在的时间相关性。
在城市空气污染研究中，时间序列分析可以用于预测未来一段时间内的空气质量指数（AQI）等指标。
通过对历史数据进行建模和分析，可以发现一些规律和趋势，并基于这些规律进行未来的预测。
首先，在进行时间序列分析之前，需要对数据进行清洗和处理。
由于环境数据通常存在缺失值、异常值等问题，需要通过合适的方法进行处理。
常用的方法包括插值、平滑等技术。
其次，在建立时间序列模型之前，需要对数据进行平稳性检验。
平稳性是指随机过程在统计特性上不随着时间变化而变化，并且具有相同的概率分布。
平稳性的检验可以通过观察时间序列的均值和方差是否随时间变化而变化来进行。
如果时间序列不平稳，需要进行差分操作，将其转化为平稳序列。
然后，可以通过自相关函数（ACF）和偏自相关函数（PACF）对时间序列进行分析。
ACF可以反映出不同滞后阶数之间的相关性，而PACF则可以反映出在其他滞后阶数已经考虑的情况下，某个特定滞后阶数对当前观测值的影响。
通过分析ACF和PACF图形，可以确定合适的模型阶数。
常用的时间序列模型包括AR模型（自回归模型）、MA模型（移动平均模型）和ARMA模型（自回归移动平均混合模型）。
AR模型是指当前观测值与其过去p个时刻观测值之间存在线性关系；MA模型是指当前观测值与其过去q个时刻白噪声之间存在线性关系；ARMA模型则是将AR和MA两种特性相结合。
在选择合适的时间序列模型之后，需要对其进行参数估计和检验。
常用的估计方法包括最小二乘法、极大似然法等。
同时，还需要对模型的残差进行检验，以评估模型的拟合优度。
常用的检验方法包括残差白噪声检验、残差自相关图等。
近十年天津市霾日数变化特征及持续性霾天气特征分析
近十年天津市霾日数变化特征及持续性霾天气特征分析近十年来，天津市的霾天气频繁发生，给城市的空气质量和居民的健康带来了严重影响。
在这种背景下，对近十年天津市霾日数变化特征及持续性霾天气特征进行分析，可以为相关部门提供科学依据，制定有效的霾天气防治措施，改善天津市的环境空气质量。
1. 霾日数变化趋势通过对近十年来天津市的气象数据进行分析，可以看出霾日数呈现出逐年增加的趋势。
特别是2013年以后，霾天气频繁发生，霾日数明显增多。
这与城市的工业化和城市化进程加快、机动车污染排放量增加等因素密切相关。
2. 霾日数分布特征在近十年来的数据中可以发现，天津市的霾日数主要集中在冬季，尤其是11月到次年的2月。
这段时间，恶劣的气象条件和大气环境形成了有利的条件，导致霾天气频繁发生。
而夏季和秋季的霾日数相对较少。
天津市的霾日数主要分布在城区和临近城区，特别是工业园区和交通量较大的地区，霾天气尤为严重。
而郊区和远离市区的地方霾日数相对较少。
二、近十年持续性霾天气特征分析1. 持续性霾天气发生频率近十年来，天津市出现了多次持续性霾天气，尤其是在冬季。
在这段时间内，霾天气可以持续数天甚至数周之久，给城市的生产、生活和交通带来了严重影响。
2. 持续性霾天气的形成原因持续性霾天气的形成主要受到气象条件和大气环境的影响。
在冬季，特别是高压天气稳定的情况下，大气污染物难以扩散，加上温度逆温层的形成，导致污染物在近地层堆积，形成持续性的霾天气。
持续性霾天气会导致城市的能见度急剧下降，对交通运输造成严重影响；对人体健康产生不利影响，尤其是呼吸系统疾病的发病率明显上升；对城市的环境空气质量造成了极大的危害。
三、对策建议1. 提高环保意识相关部门要加强对居民的环保意识教育，倡导节能减排，减少大气污染物的排放，共同保护好自己的家园。
2. 加强大气污染治理采取有力的措施，加强大气污染物的治理，推进钢铁、煤炭、化工等重污染产业的淘汰和转型，减少大气污染物的排放。
城市空气质量的时空变化
城市空气质量的时空变化随着城市化进程的加快，城市空气质量成为了人们关注的焦点。
城市空气质量的时空变化是指城市空气中污染物浓度随时间和空间的变化。
这种变化关乎到人们的生活质量和健康状况，因此需要加以重视和研究。
首先，城市空气质量随时间的变化是十分显著的。
由于人口增多、工业发展等因素的影响，城市空气中的污染物浓度呈现出明显的日变化和季节变化。
以常见的颗粒物(PM2.5和PM10)为例，白天这些颗粒物浓度通常较低，而夜晚则较高。
这是由于白天太阳光照射强烈，温度较高，大气层发生稳定层逆温现象，导致污染物不易向上扩散；而夜晚温度下降，污染物向上扩散，空气质量相对较好。
季节变化方面，冬季由于取暖和燃煤等活动增加，空气质量通常较差，而夏季则受到更多的湿度和风力影响，空气质量相对较好。
这种时空变化表明城市空气质量的改善需要综合考虑时间和季节因素，采取相应的措施。
其次，城市空气质量还受到空间分布的影响。
在同一个城市内，不同地区的空气质量差异较大。
主要影响因素包括交通密集区、工业区以及居民区等。
交通密集区通常由于车辆尾气排放等原因，空气质量相对较差。
工业区由于工厂排放和产生的废气等原因，也容易造成空气质量恶劣。
而居民区则相对较好，受到城市规划、绿化覆盖等因素的影响，减轻了污染物的积累。
因此，对城市空气质量改善措施的制定，应结合不同地区的特点，进行有针对性的措施。
城市空气质量的时空变化还受到气象条件的影响。
气象条件如风速、风向、温度和湿度等对城市空气质量起着重要作用。
风速较大时，能够有效地扩散污染物，使空气质量改善；而风速过小时，污染物容易积聚，导致空气质量恶化。
风向的变化也会影响城市不同地区的空气质量，如风吹向工业区，将工业废气吹向居民区，会导致空气质量下降。
温度和湿度也会影响污染物的生成和扩散，高温和低湿度有利于污染物的生成和积聚。
因此，气象条件是城市空气质量管理的重要参考指标，需要加以关注和研究。
然而，要实现城市空气质量的时空变化的改善，并不是一件容易的事情。
北京的气温趋势
北京的气温趋势
根据最近的天气预报和历史气温数据分析，北京的气温趋势可以总结如下：
1. 春季(3月-5月)：气温逐渐回暖，但波动较大。
春季初期，白天温度较低，夜晚较冷，多阴雨天气。
随着春季的逐渐深入，气温逐渐升高，阳光较多。
2. 夏季(6月-8月)：夏季是北京最炎热的季节，气温逐渐升高，高温多出现。
午后的气温常常超过30摄氏度，时有雷雨天气。
3. 秋季(9月-11月)：气温逐渐降低，秋季的白天温度适宜，但夜晚会较为凉爽。
秋季是北京的旅游旺季，气候宜人。
4. 冬季(12月-2月)：冬季寒冷且干燥，气温较低，时常出现零下的温度。
白天气温通常在冰点以下，夜间更低。
冬季多见降雪天气，气候寒冷。
需要注意的是，北京的气温变化较大，早晚温差较大，而且受冷暖空气的影响较大，气温波动较为突然和频繁，因此短期内的气温变化可能较为明显。
建议根据实际情况，及时关注天气预报并做好适应。
统计案例分析课程论文-气象因子对北京市雾霾天气影响的统计分析
鲁东大学数学与统计科学学院2015－2016学年第一学期《统计案例分析》课程论文A卷课程号：210030155任课教师刘全辉成绩气象因子对北京市雾霾天气影响的统计分析摘要：雾霾天气是一种十分重要的城市气候灾害，雾霾会对大气环境产生副作用，严重的雾霾甚至还会影响到人们的身体健康、交通出行安全及农业生产。
本文根据2010年—2013年北京市连续3个冬季气象数据和空气污染物监测数据，分析了北京市雾霾天气与气象因子（主要是温度、相对湿度、风速等）之间的相关关系。
分析结果表明空气温度、相对湿度和风速是影响雾霾天气形成的重要气象要素。
较高的空气相对湿度和低风速不但促进雾霾天气的形成，而且是导致持续性雾霾天气的主要原因。
利用判别分析方法导出了气象因子与雾霾关系的判别函数模型，为用气象数据判别雾霾提供了方法。
关键词：雾霾；AQI；空气相对湿度；温度；风速；判别函数模型一：前言随着经济发展和城市化进程的加快及机动车保有量的迅速增加，向大气排放的污染物也不断增多，导致大气污染日趋严重，雾霾天气增多，2013年1月份北京经历了几十年来最为严重的雾霾天气。
雾霾天气不但给人们带来了极大的交通不便和危险，而且造成了严重的环境污染，影响健康（Schwartz等，1996），成为北京人民普遍关注的热点问题之一（周涛和汝小龙，2012）。
在交通出行方面，雾霾形成后，大气能见度明显降低，极易引发交通事故。
据北京市交通局统计，仅仅是2013年1月31日的半天时间北京市就发生了2000多起交通事故，造成了多人受伤，二人死亡和巨大的财产损失。
这种恶劣的天气环境不仅仅只会给人们的出行造成麻烦，还会对人们的健康安全造成极大的威胁（Ostro等，1999）。
在今年一月份连续四次的雾霾天气过程中，北京市各大医院急诊患者中，呼吸道感染患者比例也开始同比上升。
北京市疾病控制中心的统计结果显示：1月5日至11日期间，仅北京市儿童医院日急诊量最高峰就曾达到9000多人次，呼吸道感染占到内科病人的50%左右。
- 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)。
皖西学院毕业论文（设计）
第1页 1 北京市空气质量时间变化特点分析
作 者 李佩悦 指导教师 王升堂 摘要：本文以北京市为例，对北京市2000—2004年的空气质量日报（包括首要污染物，污染指数，空气质量级别以及空气质量状况等）进行分析研究，得出其年变化和月变化的特征以及中重度污染日的分布特征，结果表明，从2000年到2004年中，北京市2001年和2002年的污染颇为严重，其平均的污染指数为113和112。北京市一年中，冬季污染较为严重，尤其是12和1月两个月份，这与北京市的能源结构是密切相关的。2001年是中重度污染日最多的年份，为23天；中重度污染日持续天数最多的是8天，是在2002年4月份；中重度污染多发生在3月份、4月份以及11月份，北京市的首要污染物是可吸入颗粒物。 关键词：北京市 空气质量 时间变化 中重度污染日 首要污染物
Beijing air quality time variation characteristic analysis
The author Peiyue Li Guides teachers Shengtang Wang Abstract : This paper in Beijing as an example. Beijing 2000 -2004, the air quality daily reports (including primary pollutants, pollution index, Air quality levels and the air quality status, etc.) for analysis and study, come to their change and changes on the characteristics of moderate to severe pollution day distribution, the results show that From 2000 to 2004, Beijing in 2001 and 2002, the pollution is quite serious. The average API of 113 and 112. Beijing year, the winter pollution is more serious, especially 12 and January 2 months This is Beijing's energy structure is closely related. 2001 is heavily polluted days in the year up to 23 days; Moderate to severe pollution days sustained the maximum number of days is eight days. in April 2002; Heavy contamination occurred in March, April and November. Beijing is the primary pollutant PM10. Key word: Beijing city air quality time variation specific weight pollution date most important pollutant 1．综述
上世纪中叶以来，北京市作为新中国的首都，成为国家重点扶持和发展的地区，工业、能源、交通（特别是机动车保有量）等方面得到了飞速的发展，城市人口持续增加，建筑业也蓬勃发展。但是，发展的同时，也造成了严重的大气污染问题，如工业污染、机动车污染、煤烟污染、扬尘污染等等，可以说北京市的大气污染具有新老污染问题并存的特征，反映了城市快速发展中面临的共同问题，随着社会工业化进程的加快，污染物排放总量在不断的加大，污染范围在不断的扩大，人们的环境意识在不断的增强，对环境质量的要求在不断的加皖西学院毕业论文（设计）
第2页 2 强，因而就要求我们对于环境质量作出进一步的研究。
陈东升，程水源等利用ARPS与Models/CMAQ耦合模式模拟了2002年北京地区大气PM10
的污染情况，模拟结果与监测值吻合较好，耦合模式较好的反映了北京市PM10浓度的时空分
布特征，具有冬季多，夏季少的特点。马水亮，田中茂等分析了北京市大气颗粒物中多环芳烃的污染特征，得出了影响PAHs浓度的气候条件主要有降水、气温和风速三项。降水可以很大程度降低PAHs的浓度，非采暖期的PAHs浓度与温度有很好的相关性；杨复沫，余学春等对北京市PM2.5浓度的变化特征及其与PM10、TSP的关系进行了分析，得出了PM2.5浓度的周变化与季节变化规律、及其与PM10、TSP的比值在冬季最高，春季最低的结论，反映采暖燃烧源对细颗粒物的贡献较大，而沙尘天气对组颗粒物的贡献较大。王玮，潘志等对北京市春季沙尘暴天气大气气溶胶污染特征研究，其结果表明发生沙尘暴时大气气溶胶的污染水平极高，这种情况在北京市只有发生沙尘暴时才可能出现，地表扬尘对大气气溶胶的贡献显著，显示出沙尘暴时的污染特征。 本文以北京市为例，对北京市2000—2004年的空气质量日报（包括首要污染物，污染指数，空气质量级别以及空气质量状况等）进行分析研究，得出其年变化和月变化的特征以及中重度污染日的分布特征，从而找出北京市污染的主要原因，从而为北京市环境质量的改善提供依据。 2．研究区域概况 2.1北京市地理位置和地形地貌 北京市位于北纬39028＇-41005＇＇，东经115020＇-117030＇，地处华北平原的西北端，周围为河北省环绕，其中东部一小段与天津市接壤。北京地形大势为西北高，东南低，地貌分为西部山地、北部山地和东南平原三大块。 北京处于半干旱、半湿润的地区，属于温带季风性气候，四季分明，春季干旱多风，夏季炎热有雨，秋季天晴气爽，冬季寒冷干燥。年平均气温11-12℃，1月平均气温-7-4℃，7月平均气温25-26℃；年降水量640mm左右，大都集中在夏季。全年以偏北风为主，年平均风速2.4米/秒。北京冬春季节多风的特点，虽有利于采暖期大气污染物的扩散，但也加重了地面扬尘污染。。2006年北京市气候变化见下表：
2006年北京市气候要素变化表 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月 11月 12月 平均气温 -3.7 -0.7 5.8 14.2 19.9 24.4 26.2 24.9 20.0 13.1 4.6 -1.5 皖西学院毕业论文（设计）
第3页 3 各月降水量 2.7 4.9 8.3 21.2 34.2 78.1 185.2 159.7 45.5 21.8 7.4 2.8
平均相对湿度 44 44 46 46 53 61 75 77 68 61 57 49
日照百分率 65 65 63 64 64 59 47 52 63 65 62 62 极端最低气温 -18.3 -16.0 -15.0 -3.2 2.6 10.5 16.6 11.4 4.3 -3.5 -1.06 -15.6
极端最高气温 12.9 17.4 26.4 33.0 36.8 39.2 39.5 36.1 32.6 29.2 21.4 19.5
累年最多降水量 21.0 26.3 40.5 79.0 119.6 236.3 459.2 297.7 116.3 132.5 43.4 16.3
累年最少降水量 0 0 0 0.4 1.8 4.0 26.5 41.0 4.2 3 0 0
2.2 社会经济状况 北京面积16808平方千米，其中城区和郊区面积为1369.9平方千米，依据2000年第五次人口普查数据，北京全市人口1382万，其中流动人口在300万左右。2005年，北京市按常住人口计算人均GDP达到44969元，折合美元为5457美元。2005年北京市城市居民人均可支配收入达到17653元。其中，20%的低收入户人均可支配收入同比增长15.9%，增幅首次高于20%的高收入户4.7个百分点。城市居民人均可支配收入达到17653元，实际增长11.2%；农村居民人均纯收入达到7860元，实际增长8.1%。国际上通常用基尼系数来衡量贫富差距程度，一旦基尼系数超过0.4，就意味着步入了贫富差距拉大的黄灯区。目前，北京市农村的基尼系数超过0.3，城市的基尼系数不到0.3，这说明本市农村贫富差距大于城市，农村问题已引起政府高度重视。
2.3 能源结构 北京属于能源资源短缺地区，一次能源主要是储量较少的煤炭和少量的水电及地热等, 石 油和天然气尚未发现可供开采的工业储量。煤炭资源主要分布在京西，最大年产量为1000万吨，其中97% 为无烟煤。 2 0 0 5 年能源消费总量达5521.9 万吨标准煤，比1999年增加2802.6万吨，平均年增长率为4.8%。从终端能源消费量看，近十五年来（1990-2005），全市能源品种消费结构不断优化，消费结构由以煤为主逐步演变为以电、油、气为主。煤炭、皖西学院毕业论文（设计）
第4页 4 焦炭等污染较大的固体燃料在终端消费总量中的比重不断下降，煤炭由1990年的37.9% 下
降到2005年的17.7%；焦炭由1990 年的8.6% 下降到2005 年的4.7%。北京市正从一次能源向二次能源转变。以下是2006年上半年北京市分产业能耗及变化情况
2006年上半年北京市分产业能耗及变化情况 能源消耗量（万吨标煤） 万元增加值能耗（吨标煤/万元） 按现行价格计算 按可比价格计算
2006年 2005年 增长（%） 2006年 2005年 2006年 2005年 增长（%） 合计 2830.0 2721.9 4.0 0.80 0.86 0.80 0.86 -7.0 第一产业 44.0 43.6 0.9 1.30 1.24 1.32 1.24 6.5
第二产业 1374.6 1334.9 3.0 1.42 1.57 1.39 1.57 -11.5 第三产业 947.4 905.7 4.6 0.37 0.40 0.38 0.40 -5.0 生活消费 464.0 437.0 6.0 由表可以看出：全市能源消费的产业构成随着产业结构调整发生着积极变化。其中，第一产业能耗比重最低，第二产业能耗比重最高，但两者均呈下降趋势；第三产业能耗增长最快，占总能耗的比重逐年提高；第三产业2006比2005年的能耗增长了4.6%，而第二产业只增长了3.0%，第一产业增长了0.9%。年生活消费相对比较稳定。 2.4 重要污染气象条件 2.4.1风向与风速 大气污染浓度变化与风速变化成反比，风大时污染轻；风小时污染重。北京大部分地区平均风速为1M/S-2。7M/S，城区与一些谷地，盆地的风速较小。一年中，平原地区春季风速最大，冬季次之，一些山区及风口地带，冬季风速最大，春季次之，全市夏季风速小，秋季次之。一天中，风速有明显的变化，8时风速开始加大，午后最大，日落前开始急减，凌晨至日出最小。可见，风速是影响污染物扩散的主要因素之一。 北京属于季风气候区，冬季盛行偏北风，夏季盛行偏南风，春秋两季为季风转换期。风向受地形影响显著，从古北到密云县城关是东北-西南走向的河谷地带，冬季盛行东北风，夏季盛行西南风。一天中，如无较强的天气系统影响，北京平原地区受山谷风影响，下午到前半夜多偏南风，后半夜至午夜多偏北风，春夏季，一天内偏南风持续时间较长，11时至夜间