空气质量指数(AQI)的社会经济影响因素分析——基于指数衰减效应视角

中国面临着严重的环境恶化问题,其中空气污染问题尤为突出.基于中国2014年全国城市空气质量数据,利用自然正交函数分析城市空气质量指数的时空演变特征,并采用基于衰减效应的矩阵指数空间设定模型探讨了空气污染的影响因素.研究结果表明:(1)AQI以京津冀为高值中心向周边地区呈衰减变化,污染核心区由京津冀逐渐向豫北地区和鲁西北地区扩散,年内AQI在1—9月呈现下降趋势,然后逐渐上升;(2)150个城市的空气质量指数呈现出明显的空间集聚;(3)矩阵指数空间设定模型优于空间滞后模型,并且城市间空气污染呈现出显著的空间衰减效应;(4)人均地区生产总值的提高、SO_2排放量和PM_(2.5)浓度增加是导致空气污染加剧的重要原因,而外商直接投资和环保意识的提高有助于改善中国的空气质量.     

基于数据分解的AQI的CEEMD-Elman神经网络预测研究

针对Elman神经网络在预测空气质量指数（AQI）时易受到数据非平稳性的影响导致预测趋势良好但准确度较低的问题,提出以互补集合经验模态分解（Complementary Ensemble Empirical Mode Decomposition,CEEMD）为基础的CEEMD-Elman模型.应用CEEMD对AQI序列分解成不同时间尺度上的本征模态函数分量和剩余分量,进而首次将对非平稳的AQI序列的预测研究转化为对多个平稳的本征模态函数分量的研究.分别与Elman单一模型、EMD-Elman模型、BP单一模型及CEEMD-BP模型进行实验对比.结果表明：应用该方法建立的模型的均方误差、平均绝对误差和平均绝对百分比误差分别为4.80、0.71、1.84%,均小于其他模型结果;对应空气质量等级预报正确天数的频率为94.12%.该模型能有效的降低非平稳性对实验预测结果的影响,实现对空气质量等级的准确预报;该研究为进一步预测AQI的走向提供了有效依据,也为政府决策和管理部门制定空气污染控制提供了更充分的参考.     

空气质量健康指数构建及与现有评价体系的比较:以丽水市为例

为了解大气污染物对人体健康的影响,采用时间序列广义可加模型分析2013-2018年丽水市大气污染物与健康效应的关系,构建丽水市不同人群空气质量健康指数（AQHI）及分级方法,比较AQHI、调整后的环境空气质量健康指数（AQHI_a）、空气质量指数（AQI）和环境空气质量综合指数对健康效应的预测能力.结果表明:①如以AQI和环境空气质量综合指数来评价,丽水市春夏季主要污染物为O₃,秋冬季为PM_2.5;如以AQHI来评价,则O₃为丽水市全年最主要的污染物,其次是NO₂.②在多种污染物同时存在的情况下,AQHI比AQI具有更高的敏感性,AQHI与环境空气质量综合指数的相关性比与AQI的相关性好.③4种指数在秋冬季对健康效应的预测准确度均高于春夏季,AQHI_a是4类指数中预测健康效应最好的,其次为环境空气质量综合指数.研究显示,需高度重视O₃污染问题,建议空气质量较好的地区构建AQHI或AQHI_a来反映空气质量.      

中美空气质量指数(AQI)对比研究及启示

对中美两国空气质量指数(AQI),特别是颗粒物分指数进行了对比研究,并利用2013年4月至12月期间,中国环境监测总站发布的环境空气质量监测数据,开展了典型大气污染过程的分析.结果表明,中国环境空气质量标准的研究、制订和发布起步虽晚但发展很快,所包含的污染物指标更全面,能够客观地反映出中国空气污染的特征,也更贴近居民对空气质量的切身感受;中美计算颗粒物小时AQI采用的方法不同,对比发现中国采用颗粒物24 h平均浓度限值代替1 h平均浓度限值的计算方法会将污染等级倾向于严重化;中国在计算颗粒物AQI时设定的颗粒物浓度限值存在一定的问题,导致AQI200时,PM2.5/PM10的比值出现与实际不符的现象;对奥体中心监测点数据分析显示,AQI50时,PM2.5/PM10比值小于0.5,且PM2.5/PM10的比值随着污染指数等级的增大而增大.建议尽早修订和调整颗粒物实时报的浓度限值和计算方法.     

天气形势预测法在深圳市空气质量预报中的应用研究

基于深圳市2013年4月-2014年3月每日气象观测数据和空气质量监测数据,分析了深圳市不同空气污染程度下的天气规律及影响要素特征,并通过将天气系统分为13种类型,在寻求与建立不同天气类型情景下污染物(PM_(2.5)、PM_(10)、SO_2、NO_2、CO、O_3与AQI指数)变化函数的基础上,构建了天气形势预测模型对深圳市未来1~3 d空气质量进行预测。结果表明:(1)整体而言,低压系统和辐合区有利于深圳市大气污染物的扩散,而高压系统和均压区不利于大气污染物的扩散。(2)当深圳市出现轻度以上污染时,陆地一般由高压系统所控制,且深圳以处于高压前部分主。(3)天气形势预测模型对深圳市AQI指数的24、48、72 h预报相对误差分别为22.0%、22.2%与21.9%,该模型具有一定的准确率和可靠性,对空气质量预测具有较好的应用价值,可为空气质量预报预警提供科学的参考依据。     

山东省AQI、颗粒物和臭氧时空演化特征及关键影响因素识别分析

山东省空气质量存在明显的时空差异,并受气象和社会经济因子等的综合影响.为了解山东省空气质量指数(AQI)以及颗粒物和臭氧(O₃)浓度等时空演化特征,探究颗粒物与O₃浓度之间的协同关系,基于山东省16个地级市2013年12月—2021年12月的AQI和空气污染物(SO₂、NO₂、CO、O₃、PM_2.5和PM₁₀)浓度数据与同期的气象数据、工业及生活污染物(氨氮、SO₂、氮氧化物和烟尘、粉尘等)排放量和社会经济数据,运用R语言和ArcGIS对各地区AQI与PM_2.5和O₃浓度等的时间和空间变化特征及关键影响因素识别分析.结果表明：(1)山东省AQI和空气污染物浓度具有明显的月际、季节和年际变化特征以及地区性差异.鲁东地区各季节空气质量明显优于鲁西地区,呈现由东向西空气污染愈加严重的趋势. PM_2.5浓度呈鲁西地区最高,鲁中、鲁南和鲁北地区次之,鲁东地区...     

武汉市一次重霾天气AQI演变及气象因子特征分析

利用空气质量指数AQI数据,分析了武汉市2013年10月30日到11月3日AQI指数的演变特征,并结合自动站雨量、相对湿度、高空探测气温、风速数据探讨了与霾天气相关的气象因子特征。结果表明,武汉市各站点的AQI指数变化趋势大致相同,数值上稍有差异,日际变化非常明显;逆温层和低风速是制约污染物扩散的两大因素,30日武汉上空逆温层的减弱,对于污染物的扩散是非常有利的;降水对于AQI指数有一定的影响,在有利污染物扩散的大气条件下,可考虑增加降水带动气溶胶粒子的湿沉降改善空气质量。     

AQI在呼和浩特市大气环境质量评价中的应用

AQI（Air Quality Index，空气质量指数）是一套目前在国际上被广泛应用的大气环境质量评价体系，本文采用这一体系对呼和浩特市的空气质量进行了评价。根据2003年的监测数据，分析了本市2003年的大气环境现状及季节变化趋势；利用1990-2003年14年间的空气中污染物年均值，分析了本市大气环境质量的年际变化趋势。其结论为：呼和浩特市空气的主要污染因子为TSP，而且空气质量虽在逐渐好转，但仍然基本处于“不健康”的状态，因此，需要政府继续采取措施进一步改善。     

浙江省空气质量及主要气象因子的影响分析

利用浙江省环保厅发布的2004年9月以来的空气质量监测数据(API/AQI)和浙江省气象局2005年以来的逐时气象要素数据,分析浙江省近年的空气质量及其空间分布特征、与主要气象因子的相关性。结果表明:浙江省近年空气质量总体稳定,年际变化不大,但偶有区域性空气污染事件发生;春节效应明显,而星期效应较弱;区域上,浙北空气质量最差,浙中次之,沿海较好,浙西南山区更好,最佳为海岛舟山地区。主要污染物在监测API时期为PM10,2012年10月起改为监测AQI后,首要污染物为PM2.5取代,且臭氧(O3)作为首要污染物的比率凸显,AQI指数值比同期API高近15~30。进一步分析空气质量与(雾)霾、降水、连晴天数、风向风速等气象因子的相关性,发现适量降水和中等风速有利空气净化,连晴使空气污染加重;各地除舟山海岛地区外,空气质量与(雾)霾天气的出现比率较为一致。     

基于贝叶斯网络的大连市空气质量预测与诊断

贝叶斯网络具有双向推理能力,可有效解决空气质量研究中的不确定问题。将贝叶斯网络引入到空气质量研究中,基于大连市2014—2016年空气质量指数(AQI)以及SO_2、NO_2、O_3、CO、PM_(10)、PM_(2.5)6种污染物浓度数据,通过构建贝叶斯网络模型对大连市空气质量进行了预测与诊断研究。结果表明:(1)利用贝叶斯网络因果推理功能验证了贝叶斯网络预测模型的有效性:大连市春、夏、秋、冬四季和全年的空气质量预测精度分别为89.29%、92.86%、88.89%、85.19%、89.09%;(2)利用贝叶斯网络模型和模糊综合评价法分别对大连市2017年5月1日至15日的空气质量进行预测,并比较官方的监测值,结果显示贝叶斯网络模型用于空气质量的预测更为准确;(3)利用贝叶斯网络诊断推理得出O_3和PM_(2.5)是大连市空气污染的主要贡献者。贝叶斯网络技术用于空气质量的预测和诊断具有可行性和可靠性。     

基于多尺度交叉趋势样本熵的城市空气质量指数分析

为了研究城市的空气质量指数（air quality index,AQI）与各污染物浓度序列之间的一致性,以及相邻城市间污染物的相似程度,提出一种新的多尺度交叉趋势样本熵（multiscale cross trend sample entropy,MCTSE）,用于刻画2个具有趋势的序列在不同尺度上的一致性。利用该方法对长沙、株洲和湘潭3个城市春、夏、秋、冬的AQI与PM_2.5、PM₁₀、SO₂、NO₂、CO和O₃ 6种污染物浓度序列展开研究,为寻找影响这些城市空气质量的污染源以及共同治理提供参考。最后为这些城市制定空气污染防治目标提出了可行的治理对策。     

基于熵权法和聚类分析法的成都市空气质量综合评价

传统方法在评价大气环境质量中存在因素较为单一等缺点,文章综合考虑多评价单元的多种指标,运用熵权系数法对成都市各区域AQI进行计算,以区域AQI年均值,区域年污染天数两个评价参数,构建成都市现阶段各区域空气质量状况的指标体系。同时利用聚类分析方法对成都市21个区县,根据空气质量指数AQI日均值进行结果验证。研究结果表明:郫县,青白江区和新都区综合评价等级最高,均在8.5以上,体现出这三个区域空气质量状况较差,综合评价等级较低的都江堰和蒲江县AQI年均值也较低,污染天数很少,其余区域的评分和其AQI以及污染天数均相符合,可以得出该综合评价模型可以很好的很客观的反映出各区域的空气质量状况。聚类分析呈现出较好的聚类效果,整个成都市各区域空气质量均值分布分为四大区域,较符合实际结果,可以为其他城市的空气质量综合评价提供一定的参考。     

2017～2020年临汾市空气质量特征分析及评价

以临汾市为研究区域,基于2017～2020年空气质量逐日数据,对研究区AQI和首要污染物的年季变化特征进行分析,采用综合污染指数法对空气质量进行了评价。结果表明:2017～2020年,空气质量为优良的天数呈逐年增加趋势,而轻度污染及以上等级的天数呈逐年减少趋势;煤炭能源总量消耗,私家车保有量,绿化覆盖率,第二产业占比和工业粉尘排放等因素影响了污染物的排放;空气质量总体上呈现"夏好冬差,春秋居中"的规律;秋冬季节的首要污染物主要为PM_(2.5),夏季的首要污染物主要为O_3;空气质量综合指数优良排序依次为2020年、2019年、2018年和2017年; 2017和2018年的空气质量等级为中度污染,2019和2020年的空气质量等级为轻度污染,空气质量有所改善,但需要继续加强治理。     

汾渭平原空气质量的时空特征及其与气象因子的关系

汾渭平原是继京津冀和长三角之后环境污染治理的第三大重点区域,为发挥协同作用改善区域大气质量提供更为科学客观的依据,基于2014—2019年汾渭平原11个重点城市的空气质量监测资料和气象数据,利用统计方法分别从空间和时间尺度上揭示了汾渭平原空气质量指数以及主要污染物特征,及其与气象因子的关系.结果表明：11个城市中有7个城市的年均AQI指数100以上,重度以上天数占6%,重污染聚集区主要集中在关中中东部.从时间尺度看,AQI的年际波动明显且在2017年之后略有改善,冬春季特别是1月污染最为严重且呈现出明显的周末效应.首要污染物的季节差异较大,冬季以PM_2.5和PM₁₀为主,而夏季则主要以O₃为主,春秋季则分别以PM₁₀和PM_2.5为主.从气象影响因子看,年尺度上气压、降水、平均气温以及混合层高度除与O₃为正相关外与其它污染物均为显著的负相关,且呈现出明显的季节差异.而降水无论年尺度还是季节尺度上均对空气质量有利,特别是中雨量级以上的降水过程对颗粒物和O₃污染的改善作用明显.     

西安市空气污染现状及治理对策

依据西安市主要空气污染物(SO2,CO,NO2,O3,PM10,PM2.5)的空气质量指数Air Quality Index(AQI)数据,分析污染物的时间和空间变化规律,并结合地区地理环境,探讨区域空气污染变化的可能原因及治理重点。分析认为城市供暖期SO2,CO,PM10,PM2.5的AQI指数明显高于年内其他时段,同时空气污染呈现明显的主城区向郊区递减变化趋势;PM2.5、O3和NO2的AQI值空间差异较小,且普遍偏高,污染物治理需要城市与郊区全面联动开展。得到的空气污染物时程和空间变化规律,可以作为西安市大气环境治理参考依据。     

基于污染损害指数的环境空气质量评价与分析

采用基于污染损害指数的普适公式,对粤港珠江三角洲区域2007年环境空气质量进行了评价,并对污染损害指数空间分布与时间变化进行了分析和探讨。研究结果表明,粤港珠江三角洲区域环境空气污染损害指数为5．79,环境空气质量为二级,属于轻污染,并且夏季优于秋冬和春季,与气象条件密切相关。粤港珠江三角洲区域首要污染物为PM10,其次为NO2。珠海、香港、深圳空气质量较好,东莞、佛山空气质量最差,这与污染源分布、污染物扩散条件以及城市间空气污染的相互影响有关。     

岳阳市区空气质量变化特征及气象条件预报

利用2014年3月-2015年2月6个空气质量监测点资料,对岳阳市区AQI的时空变化特征及气象影响因素进行了分析,并用综合指标法和逐步回归法建立岳阳市区AQI预报模型。结果表明:岳阳市区年AQI为88。夏季空气质量最好;春、秋季次之;冬季空气质量最差。其中7-9月空气质量最好,1-2月空气质量最差。岳阳市区空气质量总体由北向南趋好,同时水库、景区明显好于工业区。岳阳市区年空气质量优良率为73%。年和各季空气质量优良率时空分布与AQI分布基本一致。岳阳市区首要污染物以PM10为主,其次为PM_(2.5)。重度污染及严重污染日基本出现在空气质量相对较好的夏秋季节,且工业区明显多于水库、景区。岳阳市城市工业布局方向与年主导方向一致,使得市区广大区域处于工业气流的下游,导致空气污染加剧。以短期天气预报中的气象要素预报作为空气质量气象条件预报的基础,采用日平均气温、相对湿度、低云量、风速、降水、雾等气象因子建立的岳阳市区AQI预报模型模拟效果较好。     

基于分形模型的城市空气质量评价方法研究

基于分形模型开展了城市空气质量的评价方法研究.首先利用分形求和模型分析大气污染物分布特征,用分维数定量描述其浓度分布随机程度,开展了城市空气质量评价的背景值和标准值的确定方法研究.然后在此基础上基于橡树岭大气环境质量指数评价方法,确定了基于二氧化硫、二氧化氮、PM10三项污染物的中国城市人为源空气质量评价方法模型.最后以西安市为示范区,利用本研究方法确定了西安市的大气环境背景值和评价标准值,建立了适用于西安市的大气环境质量指数模型,并开展了2010年该市全年环境质量分析评价工作.结果表明,基于分形模型的评价结果认为西安市空气质量年变化呈“U”字型分布,该方法比常规环境空气质量评价方法更能表现出空气质量的变化规律和季节分布特征.总体上,2010年西安市空气质量良好,未受到污染天数占83%,但是受沙尘天气影响比较大;西安市空气质量随季节变化特征比较明显,夏季和秋季空气质量较好,受污染程度较低,冬季和春季空气质量较差,受污染程度偏高.     

华北地区空气质量空间分布特征及成因研究

以2015年华北地区71个主要城市的AQI监测数据为基础,通过交叉验证评估不同空间插值方法,选择克里金指数模型生成华北地区的AQI栅格数据;然后分析区域AQI的时空分布特征,并重点讨论了降水、风向、风速及地形对AQI的影响;最后利用逐步回归分析法,找出对AQI产生较大影响的社会经济因子,并结合ESDA方法和空间回归模型对AQI及社会经济因子进行空间相关性分析.结果表明:AQI的几种插值方法中以克里金指数插值法精度整体最优;AQI有明显的季节性变化,冬季AQI明显高于夏季;华北地区整体污染较重,最严重的区域集中在河北南部、河南北部和山东西部;降水、风和地形与AQI关系密切,当降水量大于10 mm时,对AQI具有显著的抑制作用;AQI与风速呈显著负相关,风速对不同污染物的影响强度具有明显的季节差异,冬季偏北风向是造成空气污染南移和扩散的主要原因;太行山脉和燕山山脉阻塞污染物向西和向北扩散,导致华北平原的东南部地区污染加重;社会经济因子中,工业对AQI的影响最大,其他依次为民用汽车保有量、人口密度、森林覆盖率.     

生态功能区与毗邻区城市空气污染物异质性：以东北三省为例

评估国家重点生态功能区及毗邻区空气质量时空异质性,对差异性开展空气污染防治具有重要意义。该研究基于2015-2019年东北地区13个生态功能区城市和23个毗邻非生态功能区城市的AQI及6种空气污染物(PM_2.5、PM₁₀、SO₂、NO₂、CO、O₃)浓度数据,采用空间自相关、随机森林模型等方法分析空气污染物时空差异及其驱动因素。结果表明：(1)从时间尺度来看,与2015年相比,2019年除O₃在5年中波动上升且年均浓度值相对较高外,其他的污染物浓度值均呈下降趋势,生态功能区空气质量整体优于非生态功能区。其中SO₂浓度下降幅度(50%)大于NO₂和CO(20%),PM_2.5大于PM₁₀。PM_2.5、PM₁₀、NO₂、SO₂、CO季节变化特征最高值均出现在冬季,O₃...