上海崇明岛近三年PM_(2.5)浓度变化特征与气象条件的关系

利用2011年1月~2014年2月上海崇明岛地区颗粒物(PM_(2.5)、PM_(10))的连续监测资料,研究了PM_(2.5)总体分布、季节变化、日变化及浓度频率分布规律,初步分析了逆温、相对湿度、风向风速等气象要素对颗粒物浓度的影响。结果表明:2011~2013年该地区PM_(2.5)平均值分别为24.7,33.6和28.3μg/m~3,均低于PM2.5的年平均浓度限值35μg/m~3,细粒子污染程度较轻。PM_(2.5)浓度日变化幅度不大,呈微弱的单峰型分布,9∶00左右达到一天中的最大值,15∶00左右达到最小值。PM_(2.5)浓度的季节分布特征明显,呈现出冬季春季秋季夏季,一般情况下5月份PM_(2.5)月均浓度值最高,8月份浓度最低。PM_(2.5)日平均浓度有57.9%达到国家空气质量一级标准,有93.4%达到国家空气质量二级标准,超标率为6.6%。对PM_(2.5)与各气象要素进行分析后发现:PM_(2.5)质量浓度在逆温层结稳定、风速小、高湿以及近地面盛行西北到西风这样的静稳天气条件配合高空西北方向上的外来污染物输送,容易造成高浓度的PM_(2.5)污染。     

长三角PM2.5和O3变化特征及与气象要素的关系

依据2017年长三角地区的空气质量小时数据,结合同期ECMWF气象资料,采用GIS空间分析、相关性分析和数理统计研究了区域O3、PM2.5的时空变化特征及其与气象因素的关系.结果 表明:(1)长三角城市群O3浓度在5和9月值最高,O3_8 h日变化特征呈拉伸型S曲线,在19:00、20:00达到浓度峰值,峰值浓度最大的地区是滁州,为111 μg/m3;O3空间分布由北到南逐渐降低,并且春季(136.57 μg/m3)＞夏季(117.35μg/m3)＞秋季(83.23 μg/m3)＞冬季(77.06 μg/m3);O3与其前体物CO、NO2相关性较强;当15＜T≤20℃,100＜PRS≤100.5 kpa时,O3浓度超标最严重.(2)PM2.5浓度月均值呈不规则U型分布,低谷期在7、8月;上海浙江区域日均浓度第一个峰值在9:00～10:00,安徽江苏区域是11:00～12:00,第二个峰值均在21:00;PM2.5空间分布内陆城市高于沿海城市,冬季(62.21 μg/m3)＞春季(44.70μg/m3)≈秋季(44.14 μg/m3)＞夏季(31.33μg/m3);与NO2、SO2相比,PM2.5和CO相关性更强;O3与温度、相对湿度是正相关,与风速、风向、气压、边界层高度、降水量则是负相关,PM2.5与风向、气压是正相关,与其他因素是负相关;当温度低于5℃,100＜PRS≤100.5 kpa时,长三角城市群PM2.5超标率最高.     

长江三角洲城市群PM_(2.5)时空演变及影响因素

科学识别PM_(2.5)的空间分异及其驱动因素,是实现区域空气污染治理的关键。以国测点日均PM_(2.5)浓度为数据来源,基于多种空间分析方法,研究长江三角洲城市群PM_(2.5)浓度的时空演变及影响因素。结果发现:(1)2013～2017年,长江三角洲城市群的PM_(2.5)年平均浓度,处于不断下降的趋势;城市间的差异,呈现逐渐减少的趋势。(2)一年中,12月份的PM_(2.5)浓度最高,8月份的PM_(2.5)浓度最低。1～12月,PM_(2.5)浓度先减后增。(3)2013年,PM_(2.5)高浓度区域主要分布在江苏省;2017年,PM_(2.5)高浓度区域主要分布在安徽省。5年间,PM_(2.5)浓度的空间重心,向安徽省转移72 km。(4)长江三角洲城市群PM_(2.5)浓度存在明显的空间自相关。存在PM_(2.5)浓度高-高值区、低-低值区"扎堆"现象,且集聚程度趋于增大。(5)影响PM_(2.5)浓度的因素包括了自然因素和社会因素。自然因素中,降雨与PM_(2.5)浓度显著相关。社会因素主要来自工业排放、交通排放和能源消耗。其中,能源消耗的影响程度最大,工业排放次之,交通排放最后。     

关于郴州市城区PM_(2.5)和NO_2的污染特征及相关性的探讨

以郴州市四个环境空气自动监测点位为依据,对环境空气中的PM_(2.5)和NO_2浓度数据进行了相关性分析。结果表明,PM2.5和NO_2浓度的季节性变化较大,且两者的变化规律一致,四季浓度大小为春季冬季秋季夏季;在一天内,不同点位的NO_2和PM_(2.5)的浓度相关性不同,在城区内部受汽车尾气的影响较大,两者的变化趋势基本一致,在城区外围受道路扬尘、建筑施工和汽车尾气的综合影响,PM_(2.5)和NO_2的浓度相关性较低。     

济南市PM_(2.5)时空分布特征

利用2010—2016年济南市环境空气质量监测数据,分析了济南市PM_(2.5)的年变化、月变化、日变化和区域分布特征。结果表明:(1)跑马岭监测点(远离市区的清洁对照点)PM_(2.5)浓度呈逐年下降的趋势,其余监测点PM_(2.5)的浓度均在2013年达到峰值后逐渐下降。(2)济南市冬季污染最重,1月达到最高;夏季污染最轻,8月达到最低。(3)PM_(2.5)平均浓度有两个高值中心,不同季节PM_(2.5)高值中心有所不同。(4)夏季,有无逆温时PM_(2.5)差异较小且日变化不明显;冬季,有无逆温时PM_(2.5)差异最大。     

长江三角洲城市群空气质量时空分布特征

基于数理统计、空间插值技术、相关性分析与GIS地图表达,研究长江三角洲城市群AQI及各空气含量因子污染浓度的时间、空间分布特征。通过提取国务院最新规划的长江三角洲城市群空间分布数据,划分研究区为"一核五圈",探讨了空气质量指数的时间变化特征和AQI、首要污染物的空间分布规律,定量评价了AQI与其污染因子的相关性,结果表明:(1)时间变化上,长三角城市群空气质量季均变化规律为夏季最好,冬季最差;月均变化呈波浪形分布,在1月份的平均浓度皆为最高;周均变化为:在一周后半段达到一周最大值;(2)空间分布上,分季节看,AQI在春、秋、冬三季空间梯度变化显著,呈现北高、南低的分布格局。在首要污染物的分布上,以PM_(2.5)和O_3均分长三角地区;(3)PM_(2.5)含量空间分布与AQI有较高相似性,均处于北高南低的分布状态,臭氧分布呈现东高西低,即较发达的城市臭氧含量相对较高的空间分布格局。最后通过相关性计算,AQI与PM_(2.5)相关性显著,与O_3没有明显相关性,为长三角大气污染防治提供依据。     

基于多源遥感数据的中国PM2.5变化趋势与影响因素分析

基于长时间序列的遥感反演PM_(2.5)数据,采用Theil-Sen median趋势分析、Mann-Kendall、R/S和相关系数分析法,分析了1998～2014年我国PM_(2.5)时空格局、空间变化特征以及污染来源。结果表明:1998～2014年期间,最高只有24.67%的国土面积上,PM_(2.5)浓度达到世界卫生组织(WHO)的年平均准则值10μg/m~3的要求;PM_(2.5)浓度小于10μg/m~3地区主要是青藏高原、台湾、北疆,内蒙古北部和黑龙江西北部,年均PM_(2.5)浓度大于95μg/m~3的地区主要是南疆和华北平原。1998～2014年期间,全国61.84%的国土面积PM_(2.5)浓度呈上升趋势,平均上升了3.91μg/m~3,上升最大值为39.1μg/m~3。其中,呈显著上升的地区主要分布在中西部地区和华北平原,且未来部分地区仍呈增长的趋势。PM_(2.5)浓度上升的驱动因素包括自然因素与人类活动排放,其中,南疆的PM_(2.5)主要来自塔克拉玛干沙漠的沙尘气溶胶,而其他地区PM_(2.5)主要来自人类活动排放。     

长三角城市土地利用格局与PM_(2.5)浓度的多尺度关联分析

PM_(2.5)引发的雾霾污染对人体健康和社会可持续发展产生了严重威胁,已成为中国经济快速发展地区共同面临的问题。长三角是中国城市化进程最快、空气污染最为严重的地区之一,探寻该地区土地利用景观格局变化对PM_(2.5)的影响规律,有助于对PM_(2.5)"源""汇"景观的空间格局进行合理配置,也可以为污染防治决策提供科学依据。本文运用重心模型、冷热点分析和景观指数,探讨了该区域1995—2015年PM_(2.5)浓度的时空分布特征以及景观格局的变化规律,并使用岭回归方法分析了建设用地、林地、耕地和水体四种土地利用类型的景观格局在行政区尺度和外接圆尺度上对PM_(2.5)浓度的影响。结果显示:①1995—2015年长三角地区PM_(2.5)浓度总体呈上升趋势,并且具有"北高南低"和"南缓北急"空间分异特征。②长三角区域内建设用地面积大幅上升,且呈聚合状发展,而林地和耕地面积却在不断减少,并呈破碎状分布。③建设用地和林地分别是PM_(2.5)的"源"景观与"汇"景观,耕地对PM_(2.5)的"源""汇"作用交错,水体对PM_(2.5)无明显的净化作用。④相较于行政区尺度,外接圆尺度下林地PLAND、ED与PM_(2.5)浓度的负相关更为显著,可见对城市周边地区进行景观格局优化能收到更好的效果。研究表明:控制建设用地合理有序增长并采用多中心发展模式,有利于缓解城市主城区的环境压力;提高城市周边区域林地的比重和聚集度或加大林地与建设用地的接触面积,可以有效地减少城市PM_(2.5)浓度;对耕地进行整理使其形成连片化景观,并通过科学的耕作方式减少耕地上农业生产所带来的PM_(2.5)前体物,有助于发挥其对PM_(2.5)的"汇"作用。     

1998～2016年长江经济带PM2.5时空演化的多尺度分析

基于全球大气PM_(2.5)年均浓度栅格数据集,采用重力模型、变异系数和探索性空间数据分析等方法,从区域、省域、市域、县域和栅格等多个尺度,对长江经济带PM_(2.5)时空演化特征进行系统分析。结果发现:(1)1998～2016年,长江经济带PM_(2.5)年均浓度均高于全国平均水平,且大体呈"倒U型"变化趋势,2005年是长江经济带PM_(2.5)年均浓度变化的重要拐点;(2)长江经济带PM_(2.5)的时空演化表现出显著的空间尺度效应,在不同空间尺度上,PM_(2.5)年均浓度的空间分异特征具有明显差别,但其空间差异均呈扩大态势;(3)长江经济带PM_(2.5)年均浓度存在显著的空间正相关性,且主要表现为高值集聚特征。     

长江经济带PM_(2.5)时空特征及影响因素研究

大气细颗粒物(PM_(2.5))因其对空气环境质量乃至人类健康的巨大危害而逐渐引起学者们的关注。本文以我国综合实力最强、战略支撑作用最为突出的区域之一——长江经济带为研究对象,基于城市级空气质量监测数据,运用地理学时空分析与GIS可视化方法探索并呈现了2015年长江经济带PM_(2.5)的时空分布特征及其演变规律;在此基础上,结合空间回归模型考察了PM_(2.5)浓度与区域城市发展之间的内在关系。结果表明,就空间特征而言,长江中下游地区PM_(2.5)污染较长江上游地区更为严重,长江北岸地区比长江南岸地区更为严重;PM_(2.5)高浓度集聚地带主要位于鄂皖苏大部分地区,与空气质量较佳的云南及其周边地区呈"对角"分布状态。长江经济带内城市间PM_(2.5)浓度存在着显著的正向空间自相关,且自相关性随距离增大而不断减弱,其门槛尺度约为900 km;在这一范围内,PM_(2.5)空间集聚效应较为明显。就时间特征而言,冬季PM_(2.5)浓度相对较高,春秋两季次之,夏季空气质量最好;各地区浓度分布在年初相对离散,后有所趋同。此外,PM_(2.5)与其他类型的大气污染物(如SO2、NO2、O3)浓度两两之间均存在着显著的正相关性,暗示大气污染物从原发污染演变为二次污染,形成恶性循环。空间回归分析结果表明,PM_(2.5)污染随经济发展水平的提高呈现先上升后下降的趋势,在一定程度上支持了"环境库兹涅兹曲线"假说;且人口密度、公共交通运输强度均在不同程度上导致长江经济带PM_(2.5)浓度的升高。最后,从区域性联防联控、不同类型大气污染物协同治理、促进经济发展方式转型等方面为长江经济带的大气环境治理提出切实可行的政策建议。     

南昌市环境空气污染时空变化特征及影响因素研究

选取2014~2017年南昌市不同时间尺度AQI及主要空气污染物数据，利用GIS技术、神经网络分析、后向轨迹模型及地统计分析方法，分析了南昌市环境空气污染时空变化特征及影响因素。结果表明，南昌市近年来空气质量总体变化不大，空气质量等级以良为主，占全年比例为57%~61%。但首要污染物变化较大，即PM2.5比例显著下降，NO2和O3比例显著上升，PM10变化不大。南昌市空气污染季节变化显著，冬春季空气质量较差，以PM10、PM2.5污染为主，夏季空气质量最好，以O3污染为主。空气污染周变化以周末及周一污染较重、周四污染最轻，说明南昌市空气污染除了与群众出行习惯有关，还存在其他影响因素。南昌市空气质量日变化呈双峰型（9:00~11:00和20:00~22:00），主要受上、下班高峰期带来的交通尾气影响。南昌市空气污染空间变化呈典型的“郊区-市区”分布，其中AQI、PM10、PM2.5、SO2、NO2、CO值均以市区较高、郊区较低，而O3的空间分布规律正好相反，这主要与城区NOx排放较多，O3易与其迅速反应而消耗有关。后向轨迹聚类分析结果表明，来自本地的短轨迹气团占比高，对PM2.5、PM10、NO2、O3的影响大。气象因素上，PM2.5、PM10、NO2受相对湿度影响较大，O3受温度影响较大。     

长江中游城市群PM2.5时空特征及影响因素研究

近年来，伴随着工业化和城市化进程的加快，长江中游城市群灰霾天气持续增多，空气污染问题日益突出。基于2015年1月至2016年2月长江中游城市群189个空气质量监测站点的PM2.5逐时监测数据，采用普通克里金插值、探索性空间数据分析法和相关系数法，从年、季、月尺度上分析了PM2.5的空间分布格局及其影响因素。结果表明：（1）在年尺度上，长江中游城市群PM2.5浓度空间分布总体呈现出明显的北部高南部低，局部地区略有突出的特征，该区PM2.5浓度年均值为55.28 μg/m3，其中湖北省PM2.5的年均值为三省市最高，为68.17 μg/m3；其次为湖南省，年均值为53.66 μg/m3；江西省PM2.5的年均值较小，为44.01 μg/m3。（2）在季节尺度上，长江中游城市群PM2.5浓度表现出冬春季高，夏秋季低的现势性，这与区域内夏季高温多雨、冬季低温少雨的气候条件密切相关。（3）长江中游城市群PM2.5月浓度变化大致呈U形分布，1月份PM2.5浓度最高， 1~6月份，PM2.5浓度呈逐步下降趋势， 6~8月份，区域PM2.5浓度处于“U”字的谷底。（4）NO2、CO是影响PM2.5浓度的两项主控大气污染物，而降水量和相对湿度则是影响PM2.5浓度的两个重要气象因素。 关键词： PM2.5浓度；时空特征；气象因素；长江中游城市群     

京津冀PM_(2.5)的主要影响因素及内在关系研究

大气污染物的源排放是形成灰霾天气的内因,气象条件是形成灰霾天气的外因。本研究通过构建PM_(2.5)浓度的两段式分布滞后模型,结合自然环境因素及经济因素对PM_(2.5)的影响因素进行了综合分析。在第一段模型中构建了PM_(2.5)和大气污染物排放量的分布滞后模型,第二段模型中构建了不同的大气污染源对大气污染物排放量的影响因素模型。大气污染物排放源主要包括工业源、生活源、机动车源、集中式污染治理设施源。在工业源中,工业废气重度污染行业是大气污染物排放主要的贡献者;在生活源中,燃煤消费量对大气污染物排放影响很大,这也是冬季供暖期间PM_(2.5)剧增的原因;在机动车源中,尽管黄标车的保有量仅占汽车保有量的10%左右,但却占据了颗粒物排放量的绝大部分。利用京津冀代表性城市PM_(2.5)日度数据研究得出平均气温、平均风速、日照时数、平均气压、降雨量、平均相对湿度、沙尘暴等因素对PM_(2.5)浓度的负向与正向作用。研究发现,大气污染物排放量对PM_(2.5)浓度具有聚集的滞后效应,当期大气污染物排放量、滞后一期、滞后两期、滞后三期大气污染物对PM_(2.5)浓度具有显著的正向作用,且影响依次递减。构建的大气污染物排放量的污染源影响因素模型揭示一个地区煤炭消费量、工业废气重度污染行业工业增加值、黄标车保有量对该地区大气污染物排放量具有显著影响。本研究对优化能源消费结构和产业结构,减少空气污染物排放提出了对策建议。     

城市土地利用类型与PM2.5浓度相关性研究——以武汉市为例

随着我国工业化的不断发展,在我国的主要经济发展地区的雾霾天气不断爆发,使我国的大气环境日益恶化,严重影响了人们的日常生活和身体健康。PM2.5作为雾霾的重要组成成分,也日渐成为环境领域的研究热点问题。随着全球性变化研究领域逐渐加强了对土地利用与生态环境的相关研究,因此无论从法律和社会经济发展的角度,还是从生态资源保护与环境可持续发展的角度,土地利用与PM2.5的相关研究都显得相当重要。研究目的:分析武汉市各类用地类型与PM2.5浓度的相关性程度。研究方法:使用ENVI与ArcGIS对武汉市2013年MODIS气溶胶产品进行空间分析与插值处理,再应用SPSS将其与武汉市2013年10个观测点的PM2.5浓度数据作相关性分析,以证实MODIS气溶胶厚度与PM2.5浓度的相关性,并建立两者的线性回归方程,然后利用计算后的武汉市整体PM2.5浓度分布与各土地利用类型进行相关性研究。研究结果:武汉市PM2.5浓度有明显的空间分布特征,绿化面积比例与PM2.5浓度呈显著负相关,建设用地面积比例与PM2.5浓度呈显著正相关,未利用地面积比例虽然与PM2.5浓度呈正相关,但相关性较低,而耕地与水体对PM2.5浓度没有显著影响。研究结论:土地利用类型对武汉市PM2.5浓度的分布有显著的影响,其与搭载MODIS传感器的遥感卫星监测方式的结合能成为研究大范围特定区域PM2.5浓度空间格局的新方法,并且增加城市绿化面积,控制建设用地规模能有效减少PM2.5浓度。     

2015年长三角地区城市PM2.5时空格局及影响因素分析

PM_2.5浓度值增加对大气能见度、人体健康和气候变化有着重要影响。采用2015年长三角地区监测数据，运用探索性空间数据分析法和相关系数法，分析长三角地区城市PM_2.5污染的时空格局和影响因素，结果表明：（1）2015年长三角地区城市PM_2.5年均浓度值为54.54 μg/m³，季节变化总体呈现春冬高夏秋低的季节性周期变化规律，1月和12月为一年中PM_2.5污染最严重的月份，污染范围最广，5~9月是PM_2.5浓度值优良时段，日均值春季和冬季的波动周期较短而剧烈，夏季和秋季波动周期相对较长而平缓。（2）2015年长三角地区城市PM_2.5年均浓度值整体上从江苏到浙江呈减少趋势，具有北高南低，局部突出的特征。（3）长三角地区城市PM_2.5浓度空间上存在集聚现象，低值集聚主要分布在浙江沿海地区，高值集聚主要分布在苏南地区。（4）燃烧排放的烟尘和前体物的二次转化对长三角地区PM_2.5浓度有显著影响。风速和降水量是影响PM_2.5浓度的两个重要气象因素。     

Sudden high concentration of TSP affected by atmospheric boundary layer in Seoul metropolitan area during duststorm period

Hourly concentrations of TSP, PM(10), PM(2.5) near the surface at Seoul city were examined from March 20 to March 25, 2001 (duststorm event) in order to investigate the effect of a duststorm generated in China on the local aerosol concentration in Korea, The ratios of fine to coarse particles such as TSP to PM(10), TSP to PM(2.5) and PM(10)-PM(2.5) to PM(2.5) showed that a great amount of dust transported from the origin of the duststorm was remarkable with a maximum ratio of 9.77 between TSP and PM(2.5). Back trajectories every 6 h showed the movement of dust particles in the lower atmosphere near 500 m to 1500 m (atmospheric boundary layer), which implied transport from Baotou in inner Mongolia of northern China to the direction of Seoul city in Korea and then the back trajectories passed near the southern border of Mongolia and Baotou through Zengzhou in the midlevels (3000 m) and low levels (500 m) of China, finally reaching Seoul city. So, the TSP concentration at Seoul city was partially influenced by the duststorm, under the prevailing westerly wind and the transported aerosols could influence high concentrations of pollutants of TSP, PM(10) and PM(2.5) in Seoul. The sudden high concentrations of TSP and PM(10) were found for a few hours, especially at 1500 to 1800 LST, March 22. At 1200 LST, before the passage of a cold front through the Korean peninsula, the convective boundary layer (CBL) near Seoul was not shallow, but at 1500 LST, under the frontal passage, the CBL was remarkably thinner (less than 300 m), due to the compression of the boundary layer by the intrusion of cold air. This resulted in the increase of the TSP concentration, even though the mixed layer above maintained almost the same depth. At 1800 LST shortly after the frontal passage, that is, near sunset, the nocturnal cooling of the ground caused air parcels to cool, thereby enhancing the shallower nocturnal surface inversion layer and producing the maximum concentration of TSP of 1388 microg/m(3) near Seoul city.     

基于地面监测数据的2013~2015年长三角地区PM2.5时空特征

近年来,长三角地区灰霾天气持续增多,空气细颗粒物污染问题日益突出。基于2013年1月至2015年5月长三角地区及周边缓冲区内共214个空气质量监测站点PM_2.5逐时监测数据,运用普通克里金插值方法,从年、季、月尺度上分析了PM_2.5的空间分布格局和时间动态变化。结果表明:(1)2 a来,长三角地区PM_2.5浓度空间分布明显呈现整体北部高南部低,局部地区略有突出的分布特征;长三角地区PM_2.5浓度年均值为57.08μg/m³;其中,江苏省PM_2.5的年均值为三省市最高,为65.84μg/m³;其次为上海市,年均值为53.87μg/m³;浙江省PM_2.5的年均值较小,为51.53μg/m³。(2)从季节尺度分析,长三角地区PM_2.5浓度变化表现出冬春季高,夏秋季低的变化趋势;这与区域内冬季风向来源、降水稀少、气象扩散条件差有着密切的关系; (3)长三角地区月浓度变化大致呈U形分布; 12月份PM_2.5浓度最高; 3月份以后, PM_2.5浓度开始呈逐步下降趋势;在5~9月份,区域PM_2.5处于"U"字的谷底,其中6月份夏收时期秸秆焚烧、气象等因素导致PM_2.5浓度有略微升高;进入10月份后迅速攀升,且11、12月份呈现持续升高态势。