广州市PM_(2.5)质量浓度垂直分布在线监测研究

广州塔空气质量自动监测站在地面至高空500 m高度内布设了4个站点。在自动站内利用PM_(2.5)质量浓度点式在线监测和激光雷达消光系数遥感监测技术,实现对PM_(2.5)质量浓度垂直分布的在线监测,监测方法具有很高的时间分辨率和空间分辨率。利用该方法开展阶段性监测表明:PM_(2.5)质量浓度与355 nm消光系数间具有很好的线性关系,R2达到0.853 7,利用线性关系式可反演PM_(2.5)质量浓度。对200 m~550 m间反演结果分析表明:反演结果与在线监测数据具有很好的相关性,相关系数达到0.868以上;PM_(2.5)质量浓度随着高度改变呈显著的对数相关关系,R2达到0.992 6。     

上海虹桥机场大气污染特征分析

通过将上海虹桥机场2016年大气污染物监测数据与该市国控站点数据对比分析,结果表明:机场附近首要污染物为NO_2和PM_(2.5),随着污染级别加重,PM_(2.5)成为首要污染物的频次增加。虹桥机场NO_2浓度均值在各季节均高于各国控站点,日变化呈"双峰双谷"特征,峰值出现时间较其他站点早1 h。冬季PM_(2.5)浓度高于国控站点,其他三季相当。冬季PM_(2.5)日变化具有明显的"双峰"特征,上午峰值出现时间较其他站点早一两小时,夏季不明显。O_3日变化表现为上午其生成速率和NO_2的消耗速率都要高于其他站点。     

利用卫星遥感数据估算PM2.5浓度的应用研究进展

近年来,PM_(2.5)已成为中国大气污染的首要污染物,危害人体健康。为弥补地基监测站点在空间分布上的局限性,借助卫星遥感技术估算PM_(2.5)浓度已成为研究热点。文章总结了利用卫星估算PM_(2.5)浓度的各种研究方法,探讨了不同方法的优势和不足,指出不同方法对不同应用目的的选择性差异较大。提出,应针对不同应用目的选择相应的方法,从而取得满足各方面需求的研究成果,为未来PM_(2.5)浓度估算应用工作提供参考。     

基于聚类分析的颗粒物监测网络优化研究

为了优化香港环境监测网络,收集香港14个监测站2011年1月1日至2015年11月30日的颗粒物PM_(2.5)、PM_(10)的小时数据进行统计分析。对PM_(2.5)进行聚类,并利用日均浓度变化图进行验证,结果表明,可将监测站分为4类(A、B、C、D类),A类位于城市郊区,B类则位于港口附近,且A、B类的PM_(2.5)日变化特征均呈现双峰型分布,峰值分别出现在09:00和21:00。对PM_(10)进行类似分析结果表明,监测站同样可以分为4类,A类位于九龙区,B类则位于港口附近,而且A、B类的PM_(10)日变化双峰分别出现在11:00和20:00左右。说明污染源头及地形的相似致使某些监测站颗粒物浓度的变化出现相同的趋势,导致监测设备的浪费和管理的冗余。建议建立更高效的空气管理系统,将冗余设备转移到其他地区,扩大空气监控区域。对PM_(2.5)/PM_(10)聚类结果表明,将监测站分为4类,B类均属于路边站,C类则位于居民区。同时还发现同类监测站PM_(2.5)/PM_(10)数值变化相同,并且可以用其中一个站的PM_(2.5)和PM_(10)浓度及另一个站的PM_(2.5)或PM_(10)浓度预测PM_(2.5)或PM_(10)浓度,为优化监测资源提供了一种新的思路。     

天津市北辰区大气污染物小尺度精细化源排放清单

以天津市北辰区空气站周边3 km为研究对象,基于拉网式实地调查,获得该地区2016年各类典型行业污染源详细的活动水平数据,以环境保护部发布的"清单编制技术指南"为参考,建立了2016年天津市北辰区空气站周边3 km大气污染源排放清单。结果表明:2016年天津市北辰区空气站周边3 km大气污染源的排放总量PM_(10)为431.28 t、PM_(2.5)为147.94 t、SO_2为48.67 t、CO为1 395.39 t、NO_x为469.52 t、VOCs为305.66 t;PM_(10)和PM_(2.5)的最大排放源是工地,贡献率分别为25.49%、15.16%;SO_2的最大排放源是散煤,贡献率为49.36%;CO和NO_x的最大排放源是道路机动车,贡献率分别为45.85%、53.89%;VOCs的最大排放源是制造业企业,贡献率为48.80%。天津市北辰区改善空气质量应从控煤、控尘、控车3个方面入手。     

福州市大气污染空间分布特征分析

利用2015年福州主城区6个大气国控点的6种主要大气污染物逐时监测数据、气象数据及空间基础数据等,通过增设站点后进行空间插值的方法分析大气污染物浓度的空间分布特征。结果表明:福州市大气中PM_(2.5)、PM_(10)最高值分别为35.57μg/m~3和62.35μg/m~3,高浓度区域集中在主城区中心和近郊区,其中台江区污染程度相对较高;O_3最高值为94.85μg/m~3,较高浓度主要集中在晋安区内海拔较高的森林地区;CO、SO_2和NO_2最高浓度低于一级标准浓度限值,高浓度区域分布在主城区中心。     

北京市大气污染物浓度空间分布与优化布点研究

基于地统计学方法对北京市2012年11—12月的大气污染物SO2、NO2、PM10和PM2.5浓度数据进行了空间分析。结果表明,4种污染物浓度数据均符合正态分布,满足地统计学分析的使用条件且均呈现中等强度的变异性。4种污染物半变异函数的块金效应值分别是29%、24%、7%、4%,表现出很强的空间相关性。4种污染物长轴变程分别是63、58、62、90 km,短轴变程分别是31、37、48、50 km,空间分布呈现出各向异性,变程范围与中尺度天气系统相当。研究大气污染物的空间分布特性对于整体把握区域环境空气质量和监测点位优化十分重要,以北京市区域空气质量中PM2.5监测站点设置为例,其监测站点在长轴方向上的间隔设置应取20~25 km,短轴方向上布点间隔应为8~12 km。     

苏州市区大气监测点位调整中的相关性和聚类分析

根据苏州市8个国控大气监测站点2013—2015年的PM_(10)、PM_(2.5)、O_3、SO_2监测数据,计算了各站点之间监测数据的相关系数;通过分析相关系数矩阵,发现苏州市大气国控点位的监测数据相关性均较高,点位设置存在一定的冗余,国控监测点位的优化调整十分必要。利用最长距离法对各站点的监测数据进行聚类分析,从而得出中心城区的点位调整方案。点位调整前后4种污染物监测数据四季平均值的相对误差均小于5%;正负偏差的二项检验结果表明,调整后未对监测结果产生显著的正/负影响。因此,经过优化的大气监测网络具有较好的客观性和代表性。     

近地表气象风速对固定点位环境空气PM_(2.5)污染贡献影响研究

根据2019—2021年江苏省13个市的近地面风速、风向及细颗粒物(PM_(2.5))的小时监测结果,计算不同风速区间频度及PM_(2.5)污染贡献占比的影响。结果表明,风速区间频度及PM_(2.5)污染贡献占比对监测点位的影响存在一定差异。在固定点位周边半径7 km内,绝对影响风速频度为78.9%,PM_(2.5)贡献占比为82.4%;半径3 km内,直接影响风速频度为70.4%,PM_(2.5)贡献占比为80.6%。从区域变化来看,0~3 m/s风速区间内,各市风速频度贡献为59.4%~92.0%,平均值为78.9%。以南京、连云港某大气自动站为例,站点的PM_(2.5)贡献占比、影响风速频度与站点半径呈反比例关系。     

无锡市区大气污染物状况及变化趋势分析

使用2012—2015年无锡市区的6种大气污染物监测数据,对无锡市区各污染物的年度变化、空间分布、影响因素进行了分析。结果表明:(1)2012—2015年无锡市区SO_2、O_3质量浓度呈下降趋势,且趋势显著;NO_2质量浓度呈下降趋势,但不明显;CO、PM_(10)、PM_(2.5)的质量浓度年际变化比较平稳。(2)无锡市区SO_2、NO_2、PM_(10)、PM_(2.5)、CO的空气质量分指数(IAQI)均为冬季最高、夏季最低;O_3的IAQI则为夏季最高、冬季最低。(3)SO_2、NO_2、PM_(10)、PM_(2.5)、CO浓度间呈两两正相关,且相关性极显著;O_3浓度与NO_2、CO呈显著负相关,与SO_2、PM_(10)、PM_(2.5)浓度之间没有明显的关联。(4)分析了无锡市区各项大气污染物浓度的空间分布特征。(5)SO_2、NO_2、PM_(10)浓度周内变化具有"周末效应"的特征,而O_3、CO和PM_(2.5)浓度周内变化出现"反周末效应"。