共查询到20条相似文献,搜索用时 78 毫秒
1.
2014年京津冀地区PM2.5浓度时空分布及来源模拟 总被引:3,自引:0,他引:3
采用模式(CAMx)模拟与污染物、气象观测资料相结合的方式,分析了2014年京津冀地区PM2.5时空分布及来源特征.结果表明:PM2.5具有较为明显的时间变化规律,呈秋冬高、春夏低的规律和双峰型分布的日变化特征;重污染日PM2.5高浓度(PM2.5>150μg/m3)主要分布在太行山前的华北平原区,特别是北京、保定、石家庄一线,而太行山、燕山等西部及北部山区PM2.5浓度明显低于平原区;重污染日京津冀地区PM2.5平均浓度在150μg/m3以上的面积约占总面积的73%;重污染日北京、天津、石家庄市的PM2.5外来输送率分别为58%、54%、39%;2014年10月6~12日京津冀地区发生的一次重污染过程中污染物由南向北输送,区域输送对于各地区PM2.5浓度有着十分重要的影响. 相似文献
2.
为分析京津冀及周边地区的PM_(2.5)时空变化特征,先利用MODIS数据反演1 km分辨率的AOT产品,采用地理加权回归模型实现京津冀及周边地区2016~2017年逐日PM_(2.5)浓度的遥感反演,并在此基础上对多种时间尺度PM_(2.5)浓度合成结果进行验证分析,最后从不同时间尺度对2016年和2017年PM_(2.5)时空变化特征进行了对比分析.结果表明本研究反演的日均、月均和年均这3种时间尺度的PM_(2.5)浓度结果总体上效果较为理想,时间尺度越大,遥感估算的PM_(2.5)效果越好,年均PM_(2.5)结果相对精度达80%以上,并且2016年和2017年同一时间尺度的PM_(2.5)遥感结果精度较为接近.京津冀及周边地区PM_(2.5)分布总体均呈现"冬季秋季≈春季夏季"和"南高北低"的季节变化和空间分布趋势.与2016年相比,2017年京津冀及周边地区PM_(2.5)浓度平均下降约9.2%,且高值区范围明显减小,PM_(2.5)浓度高值一般发生在11月和12月,而低值则一般发生在8月.2017年与2016年PM_(2.5)浓度时空变化与2017年的大气污染综合治理攻坚行动巡查和空气质量专项督查活动密切相关,这也能间接说明大气污染减排的成效. 相似文献
3.
利用2016年182d的MODIS 3km AOD数据与地面监测数据,评估了混合效应模型不同参数组合的模拟性能,得出模型在解释AOD-PM2.5关系时,对时间序列变异的解释能力要比空间差异更佳.在此基础上,利用混合效应模型建立京津冀地区每日的AOD-PM2.5关系,模型拟合R2为0.92,交叉验证调整R2为0.85,均方根误差(RMSE)为12.30 μg/m3,平均绝对误差(MAE)为9.73 μg/m3,说明模型拟合精度较高.基于此模型估算的2016年京津冀地区年均PM2.5浓度为42.98 μg/m3,暖季(4月1日~10月31日)为43.35 μg/m3,冷季(11月1日~3月31日)为38.52 μg/m3,与同时期的地面监测数据差值分别为0.59,0.7,5.29 μg/m3.空间上,京津冀地区的PM2.5浓度呈现南高北低的特征,有一条明显的西南-东北走向的高值区.研究结果表明,基于每日混合效应模型可以准确评估京津冀地区的地面PM2.5浓度,且模型估算的PM2.5浓度分布状况为区域大气污染防治提供了基础的数据支撑. 相似文献
5.
基于流行病学综合研究成果,运用环境健康风险评估技术和环境价值评估方法,对京津冀地区实施并达到2012年新颁布的《空气质量标准》中细颗粒物(PM2.5)浓度标准可实现的健康效益进行了评估,并对区域内各城市的健康效益进行了比较分析.结果表明,京津冀地区能够实现的健康效益总和可达到612~2560亿元/a(均值为1729亿元/a),相当于该地区2009年地方生产总值的1.66%~6.94%(均值为4.68%).其中河北省所能实现的总健康效益最大,北京、天津和石家庄这些大城市能够实现的健康改善和经济效益最为显著.本文的研究结果可望为实施PM2.5空气质量标准的成本效益分析提供科学依据,并为大气污染区域联防联控和环境质量管理与合作提供重要的政策决策参考. 相似文献
6.
为分析京津冀及其周边区域2013年典型污染事件中PM2.5的时空分布特征及污染风险因素,根据国家城市环境空气质量实时发布数据和京津冀地区地理国情信息监测成果,采用空间数据挖掘方法对PM2.5污染的热点区域进行了划分;并采用地理探测器定量分析了PM2.5污染风险因子及其影响程度. 结果表明:在选取的京津冀6个城市中,在PM2.5污染事件统计上存在保定—廊坊—北京—天津—承德—张家口的污染顺序. PM2.5污染在空间上呈河南省(山东省)—河北省—北京市(天津市)一线的带状分布特征,在单次污染事件中,城市间的PM2.5污染存在空间运移关系. 空间热点探测表明,京津冀及其周边区域主要分为5个热点聚集区,其中3个高值区分布在北京市、天津市、河北省和山东省的中部,面积分别为5.31×104、10.26×104、5.04×104 km2. 在8个污染风险因子中,污染企业总数(影响力为0.97,下同)、降水量(0.93)、地形坡度(0.89)对PM2.5污染的影响显著高于其他风险因子;其他风险因子影响力排序依次为人口数量(0.60)、降水量大于0.1 mm的降水日数(0.57)、地表覆盖类型(0.52)、年均相对湿度(0.51)、年均风速(0.33),但风险因子间相比没有显著性差异. 研究显示,京津冀地区PM2.5污染的主要因素是污染物排放,其次,气象要素中的年降水量和自然地理环境中的地形坡度也是影响PM2.5污染特征的重要风险因子. 相似文献
7.
2014年泉州市区PM2.5浓度的时空变化特征分析研究 总被引:1,自引:0,他引:1
基于2014年泉州市区环境空气自动监测站的PM2.5、PM10等监测数据,讨论市区PM2.5的时空分布特征.结果表明,泉州市区PM2.5浓度存在较为明显的时空分布特征.(1)时间分布特征:PM2.5的年均值为34μg/m3,月均值最大值出现在1月,最小值出现在7月;PM2.5浓度冬季最高,夏季最低,春冬两季明显高于夏秋;PM2.5/PM10最高值出现在2月,最低值出现在7月;PM2.5/PM10冬季最高,夏季最低.(2)空间分布特征:3个监测点位中,PM2.5浓度涂山街最高,津头埔略低,万安最低;PM2.5/PM10万安最高,涂山街略低,津头埔最低.时间分布特征与气象条件有一定关系,而空间分布特征与建成区的建成时间先后、地理位置差异等有一定关系. 相似文献
8.
为揭示京津冀地区高精度PM2.5的时空分布特征,以空间分辨率为1 km的MAIAC AOD数据为主要预测因子,以气象数据、植被指数、夜间灯光数、人口密度和海拔数据作为辅助因子,构建了一种新的时空混合效应模型(STLME),在拟合最优次区域划分方案基础上对京津冀地区PM2.5浓度进行预测分析.结果表明,基于STLME模型的ρ(PM2.5)预测精度高于传统的线性混合效应模型(LME),其十折交叉验证(CV)R2为0.91,明显高于LME模型的0.87,说明STLME模型在同时校正PM2.5-AOD关系的时空异质性方面具有优势.最优次区域划分方案识别出PM2.5-AOD关系的空间差异,并结合缓冲区平滑方法,提高了STLME模型预测精度.京津冀PM2.5浓度时空变化差异显著,高值区主要分布在以石家庄、邢台和邯郸为中心的河北南部,低值区则位于燕山-太行山区;冬季PM2.5污染最严重,其次是秋季和春季,夏季污染最轻.STLM... 相似文献
9.
卫星遥感估算PM_(2.5)质量浓度研究已较为成熟,但精度还未取得突破性进展.本文利用2017年京津冀地区气溶胶光学厚度(AOD)遥感数据、戈尔德地球观测系统的GEOF气象格网数据以及地面环境监测站PM_(2.5)数据,采用地理加权回归空间降尺度方法,估算京津冀地区的逐月PM_(2.5)质量浓度.基于3种不同的残差插值修正,修正后的PM_(2.5)估算结果均很理想,其中,基于自然邻近残差插值修正后的模型估算结果最优.经验证,在95%的置信水平下,其相关系数r达到0.951,决定系数R~2为0.904,调整后的R~2为0.903,平均预测误差MPE为7.307μg·m~(-3),均方根误差RMSE为11.62μg·m~(-3),相对预测误差RPE为18.35%,说明该模型能客观估算京津冀地区2017年PM_(2.5)质量浓度.2017年PM_(2.5)呈现出南高北低的空间分布特征,南北高低值区域界线与保定市和沧州市的市级行政界线具有较高的一致性.经变异系数分析发现PM_(2.5)在2017年内的稳定性程度与PM_(2.5)质量浓度空间分布呈反向性,即PM_(2.5)质量浓度高的区域稳定性低,年内的变化程度剧烈,而PM_(2.5)质量浓度低的区域稳定性强,年内变化程度弱. 相似文献
10.
文章分析了城市空气PM2.5污染的时间、空间和区域变化特征和规律,从机动车、工业、扬尘、秸秆焚烧和燃煤等探讨了城市大气环境中PM2.5的主要来源,以及城市大气环境中PM2.5污染物危害,提出相应的防治措施。通过城市大气环境中的PM2.5浓度变化特征分析,对改善城市大气环境质量等具有积极的现实意义。 相似文献
11.
《打赢蓝天保卫战三年行动计划》提出从产业结构、能源结构、交通运输结构、用地结构调整以及强化区域联防联控等方面着手加快改善环境空气质量。本文以此为切入点,分析北京PM_(2.5)污染驱动因素,对筛选的驱动因素进行深度检验,进一步验证和分析这些驱动因素对北京PM_(2.5)污染的长期动态效果。研究结果表明,2007—2018年,产业结构、能源结构、交通运输结构、区域间传输影响与北京市PM_(2.5)浓度之间存在长期且稳定的关系,为北京市PM_(2.5)浓度变化的主要驱动因素,而用地结构各因素均未通过深度检验;在所有驱动因素中,交通运输结构中的机动车保有量权重最大。因此,为推动PM_(2.5)浓度的持续下降,北京市应着力推动大宗物料运输"公转铁";同时,坚持持续调整退出一般制造业企业,严防散煤复燃,落实区域联防联控措施;此外,还应进一步强化城市扬尘的精细化管控,大幅提高城市绿化覆盖率,充分挖掘用地结构调整对北京PM_(2.5)污染控制的潜力。 相似文献
12.
广州市PM_2.5和PM_1.0质量浓度变化特征 总被引:3,自引:1,他引:3
文章报道了2005年干季和2006年湿季广州市大气细粒子PM2.5和PM1.0质量浓度的实时监测情况。监测结果表明:干季监测点PM2.5日均质量浓度在11.8~164.0μg/m3之间,总平均值为81.7μg/m3;湿季日均质量浓度在19.9~121.2μg/m3之间,总平均值为57.7μg/m3。干季PM1.0日均质量浓度变化范围为14.9~129.1μg/m3,总平均值为59.4μg/m3;湿季日均质量浓度在11.9~86.7μg/m3之间,总平均值为52.9μg/m3。对比发现,PM1.0总平均质量浓度在干、湿季相差很小,且与湿季PM2.5总平均质量浓度也相差不大,显示PM1.0具有相对固定成因来源且基本不受季节变化影响,而且湿季PM2.5的组成主要由PM1.0大气细粒子构成。干季PM2.5和PM1.0质量浓度日变化特征呈明显夜间高、白天低的特点,质量浓度的最大值都出现在晚上21:00左右;湿季由于雨水频繁,没有明显的日变化特征。气象分析表明,干季大气细粒子质量浓度主要受冷空气影响,而湿季主要受降雨影响。 相似文献
13.
文章对鞍山市环境空气中细颗粒物(PM2.5)、可吸入颗粒物(PM10)季节性变化及月变化污染特征进行分析,不同季节的PM2.5、PM10变化趋势均为夏季〈秋季〈春季〈冬季;PM2.5、PM10的月均质量浓度按高低顺序分别为:12月〉1月〉11月〉2月〉10月〉4月〉3月〉7月〉8月〉6月〉5月〉9月和1月〉12月〉3月〉4月〉2月〉10月〉11月〉5月〉6月〉7月〉8月〉9月。同时,分析了ρ(PM2.5)对ρ(PM10)的贡献率,全年的ρ(PM2.5)/ρ(PM10)平均值为57.8%,结果表明,在PM10中,PM2.5的含量要大于PM2.5-10的含量。 相似文献
14.
利用MCCM(多尺度气象空气质量模式)对京津冀地区2008年6月严重光化学污染时段的近地面φ(NOx)和φ(O3)进行了模拟;同时,为了检验MCCM系统模拟φ(O3)时空分布的能力,将模拟的气象要素、φ(NOx)和φ(O3)与观测数据进行了比对,并利用验证后的模拟结果对该地区严重光化学污染时段O3时空分布特征进行研究. 结果表明:①MCCM模式可较好地反映气象场和污染物浓度场的时空分布特征. 气温、露点温度和气压的观测值与模拟值的相关系数分别为0.85、0.77和0.95;模拟的化学物种浓度的时空分布与观测结果基本相符. ②城市中心地区φ(NOx)较高,北京和天津城市地区的φ(NOx)甚至超过了30×10-9;京津冀平原大部分地区午后14:00φ(O3)的最大值超过了70×10-9;而太行山沿线φ(O3)的最大值超过了80×10-9. 结合气象要素的分析表明,午后φ(O3)在太行山沿线的高值与气压场和流场关系密切. ③利用判断O3生成敏感性指标——H2O2/HNO3(体积分数比)分析发现,φ(O3)日最大值和φ(总氧化剂)(总氧化剂=NO2+O3)平均值的高值区域与O3生成受NOx和VOCs协同控制的区域极为吻合. 因此,要达到降低区域的光化学污染,应以VOCs的消减为主,同时兼顾NOx的消减. 相似文献
15.
为定量分析长三角地区PM2.5区域性污染的变化特征,建立适用于长三角地区的PM2.5区域污染划分标准,基于2015—2020年长三角地区41个城市日均ρ(PM2.5)开展区域污染变化趋势研究,并针对长三角PM2.5重度区域污染开展了时空变化以及网络特征分析. 结果表明:①2015—2020年长三角三省一市年均ρ(PM2.5)降幅均在25%以上,城市ρ(PM2.5)分布呈北高南低的特征,南北城市之间ρ(PM2.5)差异较大,ρ(PM2.5)最高值与最低值相差35~46 μg/m3. ②2015—2020年长三角PM2.5区域污染天数比例为16.9%~35.9%,以轻度污染为主,不同年份中度和重度污染天数比例差异较大,且主要出现在秋冬季,轻度、中度和重度污染天数均呈波动下降趋势. ③与2015年相比,2019年和2020年PM2.5区域污染天数分别减少了38和69 d,且PM2.5重度区域污染持续天数和重度及以上污染城市数量均呈减少趋势. ④PM2.5重度区域污染日,长三角城市之间表现出较强的污染关联性,并可划分为4个子群. 以连云港市为代表的子群1位于长三角地区北部,PM2.5污染相对较重,受长三角区域内输送影响较小,但对区域内其他城市有一定的输送影响;以宁波市为代表的子群2和以南京市为代表的子群4受长三角区域内输送影响较大,并指示了东路沿海和中路两条污染传输通道;以安庆市为代表的子群3位于内陆地区,污染独立性相对较强,受长三角区域内输送影响较小,同时对长三角其他城市影响也较小. 研究显示,长三角地区PM2.5污染改善显著,但重度区域污染尚未消除,中北部城市的联防联控将对改善PM2.5区域污染起积极作用. 相似文献
16.
由于PM2.5污染存在空间异质性与空间相关性的特点,因此探究PM2.5的时空演变规律并分析PM2.5污染程度的影响因素,对于山西省协同治理联防联控有着重要作用.基于2008-2018年山西省11个地级市PM2.5年度数据,该研究运用标准差椭圆法、普通克里金插值法、探索性空间数据分析法和建立空间杜宾模型,分别对山西省PM2.5污染重心转移、污染的空间分布、空间关联性和影响因素进行了研究.结果 表明:(1)山西省PM2.5污染重心随时间不断移动,但一直位于晋中市;PM2.5污染存在空间聚集特征,但特征变化不明显.(2)时间上,山西省PM2.5浓度在2011年达到峰值,之后逐年下降;空间上,大致呈现南高北低、东高西低的特点.(3)山西省PM2.5具有明显空间集聚现象和空间溢出效应.山西省大部分南部城市处在PM2.5高-高聚集区域.(4)人口密度、规模以上发电量对山西省PM2.5浓度具有显著正向作用,而城镇率对山西省PM2.5浓度具有显著的负向作用. 相似文献
17.
选取2000年6月-2001年5月珠海空气中PM10的观测数据,分析其在3个监测点(香洲、前山和吉大)的时空演变特征.结果表明,珠海PM10的年均质量浓度为40 μg/m\+3(校正后为52 μg/m\+3),低于国家PM10的二级质量标准,与国内外其他城市相比,珠海PM10相对较低,表明珠海的大气颗粒物污染轻微.2001年4月14,15日珠海PM10日均值显著增高,达到92,127 μg/m\+3,对比香港及北方粉尘源区的颗粒物浓度及气团轨迹分析结果可知,珠海也受到了北方沙尘暴的影响.3个站点的PM10月均质量浓度变化主要表现为夏、秋季低,冬、春季高.珠海市大气PM10的日变化形式以白天高、夜晚低为主. 相似文献
18.
19.
20.
对京津冀区域2013年9月至2018年2月连续5个秋冬季PM_(2.5)的污染特征和气象影响因素,2015年10月至2018年2月连续3个秋冬季以及典型污染过程时NAQPMS、CMAQ和CAMx这3个模式PM_(2.5)的预报结果进行了分析评估,对模式预报的不确定性和改进措施进行了探讨.结果表明,5个秋冬季PM_(2.5)区域均值浓度分别为122、98、82、99和65μg·m-3,污染过程(中度及以上污染过程)期间浓度分别为229、198、210、204和180μg·m-3. 5个秋冬季累计发生64次PM_(2.5)为首要污染物的区域污染过程,2013~2014年秋冬季污染过程平均持续时间最长,2017~2018年持续时长最短.除2016~2017年外,其他年份PM_(2.5)浓度峰值和均值逐年降低,区域总体污染形势减轻.秋冬季PM_(2.5)浓度与相对湿度、风速和日照时数相关性相对较好,与温度和气压的相关性整体较弱.当风速小于2 m·s-1、大气相对湿度65%以上、主导风向为西南和东北风时,容易出现区域中度及以上污染过程.此外,3个模式均能够预测出京津冀区域秋冬季PM_(2.5)污染过程,预报值与监测值体现了较好地相关性.3个模式对张家口、承德和秦皇岛的预报结果较好,对唐山、石家庄、保定、北京和天津等城市预报偏高,这与污染源清单、气象初始场和气象预报、以及大气化学反应机制的不确定性有一定关系. 相似文献