京津冀地区AOD和PM_(2.5)质量浓度的特征及相关性分析

为了探讨京津冀地区AOD和PM_(2.5)的变化特征及其相关性对NASA MODIS气溶胶光学厚度产品与京津冀地区PM_(2.5)质量浓度进行了比较分析。结果表明,AOD和PM_(2.5)均有明显的时间和空间分布特征且二者变化特征一致:张家口、承德、秦皇岛是观测期间2014年11月—2015年3月污染最轻的3个城市;京津冀南部AOD值和PM_(2.5)质量浓度明显高于北部。通过各市AOD和PM_(2.5)质量浓度的相关性分析,其最优模型均是非线性模型。根据各市最优模型得到的决定系数,邢台市、衡水市和石家庄市AOD和PM_(2.5)质量浓度具有比较好的相关性,北京市和天津市的相关性相对较差。     

京津冀地区PM_(2.5)的时空效应研究

PM_(2.5)污染已成为当前经济发展中亟待解决的难题。从年、季、日变化及周末效应4个时间尺度和空间自相关分析研究了京津冀地区PM_(2.5)的时空效应,并构建空间回归模型量化分析相关社会经济因素对PM_(2.5)的影响。结果显示:(1)2013—2016年京津冀地区PM_(2.5)污染整体呈下降趋势,但污染程度依然很高,基本都没有达到《环境空气质量标准》(GB 3095—2012)二级标准(35μg/m~3)。四季的达标天数夏季春季秋季冬季。中南部的石家庄、保定、衡水、邢台、邯郸为PM_(2.5)浓度高值区,日变化曲线为单峰型,受工业企业生产排放的影响较大;北部的张家口、承德、秦皇岛为PM_(2.5)浓度低值区,中东部的天津、北京、沧州、唐山、廊坊为PM_(2.5)浓度中值区,日变化曲线均为双峰型,受机动车尾气排放的影响较大。石家庄、北京的周末效应表现为白天PM_(2.5)浓度工作日高于周末,晚上周末高于工作日。(2)京津冀地区PM_(2.5)存在显著的空间正相关性,2013—2016年石家庄、衡水、邢台、邯郸始终表现出高-高集聚特征,张家口、承德、秦皇岛始终保持低-低集聚特征。汽车尾气排放是京津冀地区PM_(2.5)污染的重要影响因素,而能源消耗的影响不显著。     

大气PM_(2.5)遥感反演研究进展

PM_(2.5)是中国空气质量的重要评价指标,影响着环境和人体健康。近年来,遥感反演已逐渐成为监测PM_(2.5)的热点。介绍了大气PM_(2.5)反演常用的遥感数据优缺点及适用范围,对遥感反演方法进行归纳和总结,阐述构建PM_(2.5)与气溶胶光学厚度关系模型、消除气象因素和垂直分布等参数影响的方法,并展望PM_(2.5)遥感反演在高时空分辨率数据和模型耦合等方面的发展趋势。     

应用Meta分析研究中国不同区域PM2.5污染与人群非意外总死亡率的关系

大部分研究在进行空气污染健康危险度评价工作时,较少考虑中国空气污染的区域差异性。通过搜索多个数据库,以"PM_(2.5)"、"死亡"等为关键词,收集了2003—2017年发表的所有符合研究设定要求的文献,筛选出15篇文献中的21组数据,使用Stata 12.0软件进行Meta分析,利用固定或随机效应模型合并效应值,并对结果进行敏感性分析和发表性偏倚检验。结果显示,PM_(2.5)的日均质量浓度每上升10μg/m~3,京津冀、长三角、珠三角以及中国居民每日非意外总死亡率分别上升0.433%(95%置信区间(CI):0.317%～0.550%),0.344%(95%CI:0.195%～0.493%),1.347%(95%CI:1.000%～1.695%)和0.730%(95%CI:0.575%～0.886%)。PM_(2.5)日均质量浓度对人群死亡健康效应的影响不是简单线性关系,具有较大的区域性差异特点。因此,在进行地区性大气污染相关的健康危险度评价工作时,要充分考虑地区差异性问题。     

中国大陆地区水泥工业PM_(2.5)排放特征研究

根据水泥工业生产技术、生产过程以及PM_(2.5)排放控制水平,采用排放因子法核算了2013年中国大陆不同省份水泥工业PM_(2.5)排放量。估算结果表明:2013年中国大陆地区水泥工业PM_(2.5)排放总量为476.6万t,其中京津冀及周边7省份(包括北京、天津、河北、山东、山西、内蒙古、河南)的PM_(2.5)排放量合计占排放总量的21.3%;熟料水泥生产企业PM_(2.5)排放量占排放总量的73.1%,水泥磨站的PM_(2.5)排放量占26.9%;有组织PM_(2.5)排放量为307.8万t,占排放总量的64.6%,无组织PM_(2.5)排放量为168.8万t,占排放总量的35.4%。     

长春供暖季室内外PM2.5浓度垂直分布与分析

为研究严寒地区供暖季室内外PM_(2.5)浓度的垂直分布,在供暖季分别对长春某高层居住建筑1、8、15、24、33楼层的室内外PM_(2.5)浓度进行监测,研究不同楼层室内外PM_(2.5)的浓度与变化特征。采用随机组分重叠模型(RCS)方法研究各楼层PM_(2.5)渗透因子,采用逐步回归分析方法研究室内PM_(2.5)浓度的各影响因素。结果表明:在供暖季,长春市高层建筑的不同楼层均存在一定的PM_(2.5)污染,室内外PM_(2.5)浓度随楼层升高大体呈现减小的趋势,但差异不显著。室内外PM_(2.5)浓度存在显著的相关性(P 0.05),在没有室内污染源时,室外颗粒物渗透是室内污染的主要来源。室内PM_(2.5)浓度与房间面积等没有显著相关性。     

道路区域PM_(2.5)浓度的影响因素研究

为探究人为因素和气象因素对道路区域PM_(2.5)浓度的影响,选择南京仙林大学城某条典型道路开展大气PM_(2.5)监测实验。结果表明,道路清扫抬升PM_(2.5)浓度,白天的抬升作用较傍晚和夜间更加显著。各类交通流对道路区域PM_(2.5)浓度的影响程度排序为:柴油车汽油车燃气车道路行人。PM_(2.5)浓度阴天高于晴天和多云天,霾日(209.3、80.5μg/m~3)高于非霾日(47.0、62.0μg/m~3);在霾日变化特征各异,在非霾日均呈"三峰"分布特征。非霾日,道路区域PM_(2.5)浓度的高值区与相对湿度的高值区,温度、风速的低值区重合;PM_(2.5)浓度的低值区与相对湿度的低值区,温度、风速的高值区重合。温度与PM_(2.5)浓度呈负相关(r=-0.501,P0.05),是影响PM_(2.5)污染程度的关键气象因子。由此可见,道路清扫、交通流和各类气象因素对道路区域PM_(2.5)浓度影响显著。     

气象因素对大气污染物影响的季节差异分析及预测模型对比—— 以深圳为例

以深圳为例,通过收集其2014年9月至2017年8月的地面气象观测数据、大气污染物PM_(2.5)和PM_(10)浓度数据及空气质量指数(AQI),利用SPSS软件分别构建线性回归模型与非线性多层神经网络(MLP)模型,探讨了气象因素对PM_(10)、PM_(2.5)及AQI影响的季节性差异,并利用构建的两种模型对PM_(2.5)、PM_(10)和AQI进行预测和对比。结果表明,气温、湿度、风速及风向均对深圳PM_(2.5)、PM_(10)及AQI有较大影响,且影响因素存在季节差异性;两种模型中,MLP模型在对复杂多变的空气质量预测上更具优越性。研究结果可为深圳空气质量优化以及城市局部和整体规划提供科学依据,并为其他城市空气质量模拟分析提供参考。     

夏季海淀公园内PM_(2.5)浓度水平梯度分布规律

于2014年夏季,通过观测海淀公园不同区域沿道路不同宽度处PM_(2.5)浓度,研究PM_(2.5)浓度日变化规律、水平梯度分布规律、净化效益及其影响因素。结果表明,海淀公园内PM_(2.5)浓度日变化规律呈白天低晚上高的趋势,09:00—15:00时PM_(2.5)浓度达到国家标准Ⅱ类功能区浓度质量要求,05:00时PM_(2.5)浓度最高。不同观测区域一定宽度范围内出现PM_(2.5)浓度积聚,之后开始下降。总体上,海淀公园在13:00时对PM_(2.5)浓度净化效益最显著,09:00时净化效益最差。环城高速路区域与城市主干道区域165 m以上宽度处、城市次干道区域60 m以上宽度处为正净化效益,并维持正净化效益。海淀公园内PM_(2.5)浓度与气象因子之间相关关系表明,PM_(2.5)浓度与平均温度、相对湿度呈显著相关,与其他气象因素没有显著相关性。     

贵阳市冬季大气PM 2.5和PM 10浓度空间插值及分布研究

为了解贵阳市冬季大气污染现状,以贵阳市污染相对严重的白云区为研究对象,连续采集PM_(2.5)、PM_(10)浓度数据,利用普通克里金法进行空间插值获取PM_(2.5)、PM_(10)分布特征。通过留一法交叉验证,比较6种半变异函数模型(三角函数、高斯函数、球面函数、指数函数、J-Bessel函数和K-Bessel函数)的空间插值精度,选出最适的函数模型;采用分区统计和格网统计的方法,对不同土地利用类型、植被覆盖度下的PM_(2.5)、PM_(10)平均浓度进行比较分析。结果表明,三角函数是PM_(2.5)空间插值的最适模型,指数函数是PM_(10)空间插值的最适模型;贵阳市白云区冬季大气PM_(2.5)、PM_(10)浓度总体表现出城区浓度高,郊区浓度低的分布特征;土地利用类型和植被覆盖度对PM_(2.5)和PM_(10)浓度有着较强的影响。