乌鲁木齐空气质量指数特征及其与气象要素相关性分析

利用2018年3月至2019年2月乌鲁木齐市空气质量指数(AQI)和同期6种主要空气污染物(PM_(2.5)、PM_(10)、NO_2、SO_2、CO、O_3)以及气象要素数据,研究空气质量指数的变化特征,并分析其与6种主要空气污染物浓度及气象要素的相关性,为乌鲁木齐市大气污染与气象要素相关性研究提供一定的数据支撑。结果表明:乌鲁木齐市首要污染物最多的是PM_(2.5),其次是PM_(10)、NO_2和O_3,AQI指数与PM_(2.5)、PM_(10)、NO_2、SO_2、CO均呈高度相关,与O_3呈中度相关;空气质量指数与平均气温以及能见度具有显著的负相关性(p0.01),而与平均本站气压、平均相对湿度、平均风速、日照时数的相关性均不显著(p0.01)。     

2015～2019年云南省城市空气质量特征及影响因素研究

利用2015～2019年云南省16个州市29188个空气质量日报数据进行数理统计,采用克里金插值法及Daniel趋势检验法分析AQI (空气质量指数)及主要污染物浓度的时空变化特征,探讨近5年云南省城市空气质量时空变化特征及其影响因素。结果表明:(1) 2015～2019年云南省SO_2、PM_(2.5、)PM_(10)浓度呈下降趋势,NO_2浓度保持基本稳定,O_3浓度呈显著上升趋势,各年间空气质量综合指数值波动较小,且逐年改善。(2) 2019年O_3-8h作为超标污染物占比达57.52%。云南省PM_(2.5)年均值相对较高区域面积略有减少,O_3年均值相对较高区域面积显著增加。(3)云南省PM_(2.5)与PM_(10)月均值呈现冬春高夏秋低的变化规律,O_3月均值为春季单峰高值,SO_2月均值整体趋势平稳变化幅度不大。(4)云南省AQI值及平均能见度和平均降水量呈显著负相关(P0.01),AQI值与平均气温及平均风速不存在显著相关性。研究显示云南省空气质量优良逐年改善,污染类型由颗粒物污染转为以颗粒物和臭氧为特征的复合型污染。空气质量受气象条件影响,能源结构优化、污染物总量减排等措施对空气质量改善起到积极作用。     

万盛大气污染特征分析及污染预报模型的建立

利用2017年4月1日～2019年3月31日万盛经开区万东北路站点的空气质量日均值监测数据进行分析发现,万盛大气污染具有很强的季节变化特征,冬半年主要污染物为PM_(2.5),夏半年主要污染物为O_3,冬半年污染重于夏半年,颗粒物污染重于O_3污染。万盛污染以轻度污染为主,仅有冬季会出现中度以上污染天气,其首要污染物均为PM_(2.5)。利用多元回归模型和差分自回归移动平均模型(ARIMA)建立了万盛PM_(2.5)、PM_(10)与O_3的预报模型。通过对模型得出的预报值与实况值的比较来看,预报与实况的变化趋势基本一致,均可以较好的指示未来AQI的变化趋势。多元回归预报模型中,O_3的预报效果要远好于PM_(2.5)和PM_(10);而ARIMA预报模型三者预报效果接近。总体来说,ARIMA (p,d,q)预报模型对颗粒物污染的预报效果要远好于多元回归预报模型,而O_3则两种模型预报效果接近。     

高密市环境空气污染物浓度变化特征

基于2014—2018年高密市大气监测数据,分析了SO_2、NO_2、PM_(10)、PM_(2.5)浓度的变化特征及成因,对四项污染物及降雨量进行了相关性分析,利用GM(1,1)模型对高密市未来空气质量进行了预测。结果表明,2014—2018年高密市环境空气中SO_2、NO_2、PM_(10)、PM_(2.5)年际变化呈现出逐年下降趋势;污染物月均值变化均为冬春季浓度高,夏秋季浓度低;通过相关性分析发现,环保政策对高密市空气质量总体改善起到了决定性作用,自然地理因素对高密市大气污染物月均值的变化影响明显。     

四川省近年来空气质量变化趋势及污染特征分析

采用2013～2017年四川省环境空气质量监测数据,按照国家最新标准及技术规范分析空气质量变化趋势及污染特征。结果表明:四川省城市空气质量总体逐年好转,优良天数率在80%左右波动上升;PM_(10)和SO_2浓度高于全国平均下降率;PM_(2.5)浓度与全国平均下降率持平;NO_2浓度在2017年开始反弹明显;细颗粒物二次转化问题突出,PM_(2.5)/PM_(10)比例在62%左右;NO_2/SO_2逐年上升,大气氧化性逐年增强;21个城市O_3第90百分位浓度平均升幅为10.7%,O_3造成的污染天数逐年上升。大气污染形势的变化表明加大对VOCs和NO_X的协同减排刻不容缓。     

巴中市城区PM_(2.5)污染特征及时空变化规律分析

利用巴中市城区一个自然年(2016年3月1日~2017年2月28日)的空气质量数据,分析了巴中市城区PM_(2.5)的污染特征和时空变化规律。结果表明,PM_(2.5)日均浓度对数值接近正态分布特征,PM_(2.5)与其他主要大气污染物都具有显著的相关关系。CO、NO_2是主要的相关因素,与PM_(2.5)的相关系数都高达0.7以上。PM_(2.5)浓度表现为冬季秋季春季夏季,这与首要污染物是PM_(2.5)的天数占比以及PM_(2.5)与PM_(10)相关系数的季节变化一致,反映了PM_(2.5)呈现出以冬季污染最重,春、秋季污染中等,夏季污染最小的季节特征。PM_(2.5)与PM10的浓度比值表现为冬季秋季夏季春季。各个站点的PM_(2.5)变化趋势一致,相互之间浓度差异小且比较均衡,巴中中学站点的PM_(2.5)浓度无论在任何季节都高于其他站点,苏山坪站点在冬季的PM_(2.5)浓度明显低于其他站点,表明PM_(2.5)污染具有明显的区域性特征,与人类活动强度相关的局地污染对PM_(2.5)污染具有一定影响。     

降水对西宁市大气污染物浓度的影响分析

文章利用西宁市区2013~2014年逐日空气污染日平均浓度资料和日平均降水资料,分析了西宁市区大气污染物浓度的分布和不同等级降水对SO_2、NO_2、PM_(10)、PM_(2.5)污染物浓度的清除能力。结果表明,西宁市空气质量以二级为主,二级天数占样本总数的57.8%;西宁市大气中的首要污染物是PM_(10)和PM_(2.5);降雨、降雪对污染物浓度具有稀释作用;不同等级的降雪量对4种污染物的稀释作用不同,降雪量在0.5mm以下时对污染物浓度的清除作用较弱甚至出现反弹现象,降雪量≥5.0mm时对4种污染物的清除能力最强;降雨量越大,对各项污染物的清除作用越明显,日降水量≥10.0mm对4种污染物的清除率达到了29.54%~57.57%;清除能力表现为SO_2PM_(10)PM_(2.5)NO_2的特征;连续降雪比连续降雨更有利于空气质量的改善;降雨等级不同时,AQI指数级别不变的天数居于首位的均为PM10;降雪量为0.6~1.0mm、1.1~1.9mm、≥5.0mm时,AQI指数级别不变的天数居于首位的是PM2.5;无论降雪还是降雨,PM_(10)和PM_(2.5)级别下降天数明显大于上升天数,尤其以PM2.5明显。     

潍坊城区典型区域PM_(10)和PM_(2.5)质量浓度变化特征

利用2016年1月至12月潍坊城区典型区域的PM_(10)、PM_(2.5)浓度的连续观测数据,研究了PM_(10)、PM_(2.5)浓度的变化特征及其与气象因素的关系。结果表明,潍坊城区颗粒物污染较为严重,PM_(10)超标率为7.59%、PM_(2.5)超标率为33.61%。PM_(10)和PM_(2.5)质量浓度均存在明显的季节变化和月变化规律,表现为夏季月份较低,而冬季月份较高。PM_(2.5)/PM_(10)比值的平均值为0.526,该比值也呈现一定季节变化,冬夏两季较高,春秋两季较低。PM_(10)和PM_(2.5)与气温均呈现一定的负相关性,PM_(10)还与湿度呈现负相关关系。     

克拉玛依市PM_(2.5)污染特征分析

对克拉玛依市2014-2015年PM_(2.5)质量浓度进行整理统计,通过Arc GIS空间插值和EXCEL数理统计分析得出PM_(2.5)的质量浓度变化特征。结果表明,PM_(2.5)各小时浓度均低于国家二级标准,整体空气质量为良;PM_(2.5)季节浓度呈现冬季高,春夏低的规律,其中2月份浓度最高,为63.7μg/m3,4月份最低为23.6μg/m3;各监测站PM_(2.5)浓度受盛行风影响自西北向东南方向递增,依次为南林小区、长征新村、白碱滩区、独山子区、乌尔禾区商贸区;PM_(2.5)与PM10全年平均比值为0.53,整体空气污染较重。此外,PM_(2.5)与NO_2和SO_2均呈正相关,与O_3呈负相关性,说明汽车尾气和化石燃料排放是PM_(2.5)的主要来源。     

2015-2020年昌吉市PM_(2.5)污染时空分布特征

以新疆"乌—昌—石"重点城市之一的昌吉市作为研究对象,收集2015～2020年昌吉市空气质量自动监测站点的PM_(2.5)浓度数据,分析昌吉市PM_(2.5)浓度的年变化、季节变化、月、日以及小时变化特征及其变化规律。结果表明:近6年来昌吉市PM_(2.5)浓度均超过二级标准限值浓度,且PM_(2.5)平均浓度整体呈上升趋势;不同季节PM_(2.5)浓度呈春夏季低、秋冬季高的特点;受冬季气象条件和采暖期影响,PM_(2.5)浓度在11月至次年3月相对较高,4～10月相对较低;PM_(2.5) 24小时浓度在不同月份呈现不同的日变化规律。PM_(2.5)浓度时空分布与气象条件、采暖季、汽车尾气、工业排放等因素有关,且是影响空气质量等级和优良天数的主要因素。研究结果可为昌吉市PM_(2.5)污染防治提供参考。     

新疆“乌-昌-石”区域空气质量变化特征分析

《自治区打赢蓝天保卫战三年行动计划(2018-2020)》将"乌-昌-石"重点区域作为主战场,其空气质量受到广泛关注。通过收集2018～2020年"乌-昌-石"区域空气质量数据,分析区域及所辖城市主要大气污染物浓度的时空分布特征和变化趋势。结果显示:2018～2020年"乌-昌-石"区域空气污染具有明显的时间和空间分布特征。2018～2020年"乌-昌-石"区域污染物PM_(10)、PM_(2.5)、NO_2和SO_2的年均浓度呈波动下降的趋势,CO和O_3的年均浓度呈小幅度波动上升的趋势;优良天数比例呈波动上升趋势。6种污染物质量浓度年内分布特征为单峰型分布,PM_(2.5)、PM_(10)、SO_2、NO_2、CO峰值在1～2月,O_3峰值在7月;五个地区的优良天数比例年内变化规律基本一致,均呈现倒"U"型曲线,1～2月污染最重,优良天数比例为22.60%～21.40%,12月次之,为38.70%。PM_(2.5)质量浓度在空间分布上呈现阜康最高、乌鲁木齐市最低,NO_2质量浓度分布为乌鲁木齐市最高、昌吉市和石河子市较高、其余地区较低,O_3质量浓度最大的地区为石河子市、其余地区均较低。     

宜宾市大气细颗粒水溶性离子污染特征研究

在川南地区的宜宾市开展了大气细颗粒物(PM_(2.5))浓度及组分的季节观测分析,结果表明,采样点的PM_(2.5)年均浓度(51. 7μg/m~3)超过二级浓度限值47. 71%,同时全年有20. 94%的天数PM_(2.5)日均浓度超过二级浓度限值;冬季浓度最高、达81. 1μg/m~3,明显高于其他季节,夏季浓度最低。PM_(2.5)中水溶性无机离子浓度总和冬(42. 42μg/m~3)秋(32. 73μg/m~3)春(24. 57μg/m~3)夏(17. 0μg/m~3),但占PM_(2.5)浓度的百分比的季节规律则刚好与之相反,为夏(54. 19%)春(48. 1%)秋(46. 91%)冬(45. 45%);其中,SO_4~(2-)、NO_3~-和NH_4~+是PM_(2.5)中最主要的3种二次无机离子组分,三者浓度之和占PM_(2.5)的37. 47%。PM_(2.5)中SO_4~(2-)、NO_3~-和NH_4~+的浓度均为冬季高于其他季节,但NO_3~-/PM_(2.5)冬(12. 22%)秋(11. 53%)春(8. 14%)夏(5. 43%)、NH_4~+/PM_(2.5)秋(9. 85%)夏(9. 15%)春(8. 52%)冬(7. 61%)、SO_4~(2-)/PM_(2.5)夏(26. 3%)春(20. 75%)秋(15. 82%)冬(14. 61%)。四个季节SOR值均大于NOR值,SOR值季节变化差异不大,但NOR值冬季明显高于其他季节。PM_(2.5)中的SO_4~(2-)、NO_3~-和NH_4~+冬季以(NH_4)_2SO_4、NH_4NO_3的形式共存于气溶胶体系中,而夏季则主要以(NH_4)_2SO_4和NH_4HSO_4存在。     

“十二五”期间高平市空气质量特征及其与气象要素的关系

基于高平市2011~2014年间的常规污染物浓度监测数据并结合同期气象资料,分析了高平市的空气质量变化特征,并讨论了空气污染指数与气象要素之间的相关关系。结果表明,高平市的空气质量从2013年开始下滑,空气良好率下降了7个百分点;首要污染物以PM_(10)为主;空气污染指数月变化具有统计学意义,季变化差异无统计学意义;气象因素与空气污染密切相关,气压、相对湿度与空气污染指数呈显著正相关,全年降水量、风速、气温与空气污染指数呈显著负相关;气温与空气污染指数间的相关性最高,其次为风速;东南气流为主导风向时往往给高平市带来优良空气质量,而北西北风向常伴随着污染日的出现。     

兰州市冬季采暖对空气质量影响的断点分析

基于2015—2018年兰州市空气质量及气象数据,采用断点回归方法估计冬季采暖事件对空气质量污染物浓度的处置效应,借此研究兰州市煤改气、煤改电等政策实施之后,采暖前后空气质量指数及6项污染物的结构性变化。3 a采暖期对比分析结果显示:冬季采暖效应显著增加了空气质量污染程度,在样本平均水平上相当于使AQI增加了约31.35%;PM_(2.5)和PM_(10)在断点两侧提升约52.08%、44.56%;O_3无明显规律,PM_(2.5)、PM_(10)的增加间接导致浓度下降。     

NAQPMS模型预报合肥、蚌埠和芜湖空气质量的效果评估

评估了NAQPMS模式预报的合肥、蚌埠和芜湖2017年3月1日—2018年2月28日PM_(2.5)、PM_(10)和O_3地面浓度及预报准确率,发现模式对物种的预报能力依次为:O_3 PM_(2.5)PM10;对城市的预报能力依次为:合肥芜湖蚌埠。模式对PM_(2.5)和PM_(10)的预报能力在春季较弱,对O_3的预报全年均较强。整体而言,评估地区的空气质量以优良为主,等级准确率在秋季最高,冬季最低,年均值为69%;首要污染物以PM_(2.5)、O_3、PM_(10)和NO_2为主,其准确率在冬季最高,春季最低,年均值为62%。     

成都市城区大气污染特征及其假日效应研究

对成都市城区O_3、SO_2、NO_X、CO、PM_(2.5)、PM_(10)、苯和甲苯进行了为期一年的在线观测。结果表明:成都市超标最严重的为NO_X,年平均质量浓度为(100. 9±61. 5)μg/m3,超标天数为119 d。PM_(2.5)、PM_(10)、CO和NO_X的浓度均为冬季最高; O_3春夏季高而冬季低; SO_2浓度冬季相对较高但总体水平较低。春、夏、秋季成都市大气中苯系物的主要来源为机动车,冬季则是机动车源和燃烧源的综合贡献。O_3日变化呈"单峰型"; NO、苯和甲苯都在上午出现峰值; NO_2与PM_(10)、PM_(2.5)均呈现出"双峰双谷"型日变化; CO也为双峰型日变化。各大气污染物浓度没有明显"周末效应",但"长假效应"显著。     

秦皇岛空气污染特征及其与气象因素的关系

利用国控站点空气监测数据和气象数据,对2016年秦皇岛市空气污染特征及其与气象因素的关系进行了分析。结果表明:2016年秦皇岛市NO_2、PM_(10)和PM_(2.5)浓度未达到国家二级标准限值,污染物浓度季节变化规律明显,SO_2峰值出现在1月,O_3峰值出现在5月,PM_(10)、PM_(2.5)、NO_2和CO浓度峰值均出现在12月。污染物在西南偏西风时污染程度较高。PM_(10)、PM_(2.5)、SO_2、CO浓度受风速影响较小,NO_2、O_3浓度受风速影响较大。颗粒物浓度受湿度影响较大,随湿度增加而增大。     

河南省城市空气质量时空格局特征及驱动机制研究

空气污染是河南省经济发展过程中亟待解决的难题。基于河南省城市空气质量数据、气象与社会经济资料,运用ArcGIS和SPSS分析技术,从年、季节尺度探讨了河南省城市空气质量的时空特征及其影响因素。结果表明:河南省18个城市年均空气质量指数较高,在季节尺度上呈现"春降秋升、冬高夏低"的变化轨迹,在空间上表现出明显的集聚态势。河南省城市年均空气污染天数占比约为48.23%,且时空异质性明显。PM2.5是河南省城市空气污染的首要污染物,占空气污染总天数的54.40%,但季节性首要污染物仍需关注。风速减小、日照时数变短、温度降低、降水减少、气压升高等天气条件易于形成空气污染,而产业结构、车辆数量和建设施工等也是导致城市空气质量变化的重要因素。     

香港地区不同类型站点大气污染变化特征对比研究

选取香港环境保护署设立的5个代表性站点(可归类为路边站、一般站及背景站)2016年的监测结果,对获取的各类污染物(PM_(2.5)、PM_(10)、NO_2、NO_X、SO_2、O_3)浓度变化特征进行对比研究,结果表明:(1)三类站点颗粒物及SO_2浓度年均值差异较小,体现了其区域性的污染特性,NO_2与NO_X年均值均为路边站一般站背景站,而O_3则相反,路边站最低而背景站最高;(2)各类站点PM_(2.5)与PM_(10)季节差异表现为夏季最低而冬季最高,O_3最低值也出现在夏季;(3)三类站点大气污染物日变化特征差异显著,路边和一般站NO_2与NO_X日变化表现为"早晚双峰"型,背景站变化幅度较小;路边站、一般站颗粒物日变化表现为单峰型,峰值出现在晚间22∶00,背景站变化幅度较小;O_3在路边站和一般站呈现双峰型变化,而在背景站为单峰型,峰值出现在下午15∶00左右;(4)所有站点PM_(2.5)、NO_X及O_3"假日效应"明显,具体表现为:PM_(2.5)和O_3浓度在假日全天浓度高于工作日;路边站和一般站的NO_X浓度在假日0∶00~8∶00时段高于工作日,其余时间均低于工作日。     

2015-2018年衡阳市城区环境空气污染特征分析

本文利用2015~2018年衡阳市城区空气质量监测数据,分析环境空气污染特征及变化趋势。研究结果表明:2015~2018年衡阳市城区环境空气以PM2.5、PM10、O3污染为主,其中PM2.5和PM10年均值浓度呈下降趋势,O3年均值浓度呈不规则波动变化;年内时空变化上,O3呈现夏、秋季浓度高和冬、春季浓度低的特点,PM2.5和PM10呈现出夏季浓度低、冬季浓度高的特点。针对衡阳市空气污染物特征,提出了衡阳市城区空气质量改善的对策建议。