基于SARIMA模型和普通Kriging法对杭州市主城区PM2.5短期预测和制图

基于SARIMA模型对杭州市主城区内的7个站点和周边3个站点的PM_(2.5)浓度进行4 h平均的短期预报,并利用普通Kriging法对杭州市主城区PM_(2.5)进行空间插值和制图.在建立SARIMA模型时,用批量自动化的方法,使用R语言编程对夏季和冬季各360期的数据进行SARIMA(p,d,q)×(P,D,Q)6模型的参数的确定和拟合,来预测下一期的值.在10个站点分别进行120期的预测,做出真实与预测的时间序列图,在精度分析中,夏季和冬季PM_(2.5)浓度总体的平均绝对误差(MAE)分别为8.4μg·m~(-3)和14.8μg·m~(-3).在Arc GIS中,对每期的数据使用普通Kriging法,用球面模型拟合半变异函数,决定各个站点的权重,来对杭州市区内未知空间样点进行插值,最后生成完整的杭州市主城区PM_(2.5)短期预测图.本研究创新性地将SARIMA模型广义化运用到小尺度时间序列中,预报效果较好,并且批量自动化预测和制图的方法,可为今后的预测制图产品化提供技术支持.     

基于灰色GM(1,1)模型的成都市大气污染物浓度预测

基于灰色系统理论的预测原理和方法,在城市大气污染物浓度预测中应用了灰色GM(1,1)模型。该模型通过了残差检验和后验差检验,检验结果均在允许范围内,模型精度较高。采用该模型对成都市2018-2022年大气污染物SO_2、NO_2、PM_(10)、PM_(2.5)年均浓度进行了灰色预测。预测结果显示,成都市未来五年环境空气质量将持续好转,但NO_2和PM_(2.5)的年均浓度仍然较高,NO_2及颗粒物污染防治仍是成都市未来五年大气污染治理的重点。     

重庆市主城区大气中NO2浓度时空分布特征

利用2017年1月1日～2017年12月31日重庆市主城区17个国控空气质量监测站24 h自动连续采样的二氧化氮(NO_2)浓度小时数据,探讨九个主城区大气中NO_2浓度的时空分布特征、与气象参数之间的关系和气团运动的影响。结果表明,主城区大气NO_2浓度全年北碚区达标率较高(76.16%),渝中区达标率低(3.84%),日均浓度呈夏季前下降、夏季后上升的趋势;月均浓度表现为冬季月份浓度高,其次为春季、秋季和夏季月份;周六、周日、周一和周二的浓度均值较高,周三、周四和周五的较低;小时浓度基本呈5:00～11:00和16:00～20:00上升、其余时间段下降的变化趋势;大气NO_2浓度空间分布差异显著,西北地区(北碚)大气NO_2浓度偏低、渝中区及其附近区域浓度偏高。影响大气中的NO_2浓度的主要气象因素有:气温、降水量、气压、日照和相对湿度;四季气流输送中,春冬季气流轨迹相似,主要源自西部、西北部气流,春季气流轨迹的ρ(NO_2)最高,夏季最低。研究结果可为今后重庆市大气的治理提供研究基础。     

大气污染物小时浓度统计分布方法及其应用

文章从统计学的角度阐述了确定空气污染物小时浓度分布规律的方法,有效的统计结果可应用到当地空气污染物的预测及控制中,为政府部门制定相应的控制策略提供有效参考。以武汉市为例,对2014年5月1日-2014年9月30日期间SO_2、NO_2、O_3、CO、PM_(10)全市平均逐时浓度数据进行了统计,通过比较对数正态分布、伽马分布等多种统计分布模型的适用性,结果发现CO、NO_2、PM_(10)和SO_2小时浓度的最优分布模型均为对数正态分布,而O_3小时浓度的最优分布模型是韦伯分布,并使用P-P图对上述结果进行了评价。在选定最优分布函数后,分析了污染物的小时浓度变化趋势。根据回退方程(rollback equation)估算一个月内某种污染物小时浓度值均达到国家空气质量二级标准,理论上O_3和NO_2的达标消减量分别为53.8%和4.0%,以O_3为代表的二次污染控制需引起高度重视。     

海洋厌氧氨氧化菌处理含海水污水的基质抑制及其动力学特性

采用ASBR反应器通过改变单一基质浓度分别研究了NH_4~+-N和NO_2~--N对海洋厌氧氨氧化菌脱氮效能的影响及其动力学特性.结果表明,保持进水NO_2~--N为105.6 mg·L~(-1),当进水NH_4~+-N浓度提高至1 200 mg·L~(-1)时,海洋厌氧氨氧化反应器仍保持较好的脱氮能力,未受到明显的抑制作用,NO_2~--N的去除率稳定在80.70%左右;当进水NO_2~--N浓度提高至265.6mg·L~(-1)时,反应器开始受到明显的抑制作用,NH_4~+-N的去除率下降至63.01%左右,随着进水NO_2~--N浓度继续提高至305.6mg·L~(-1)时,NH_4~+-N的去除率进一步下降至43.93%左右.利用Haldane模型和Aiba模型拟合NH_4~+-N和NO_2~--N抑制作用的动力学特性,得到了NRRmax、KS、Ki这3个动力学参数及出水基质浓度与总氮容积负荷(TNRR)之间的关系,根据进一步分析可知,Haldane模型更适合描述NH_4~+-N抑制作用下的动力学特性,Aiba模型更适合描述NO_2~--N抑制作用下的动力学特性,并得到NH_4~+-N和NO_2~--N的出水抑制浓度分别为3 893.625 mg·L~(-1)和287.208 mg·L~(-1),为海洋厌氧氨氧化菌处理含海水污水提供了理论依据.     

重庆市主城区PM2.5时空分布特征

利用2014年6月1日至2015年5月31日重庆市主城区17个国控空气质量监测站24 h自动连续采样的PM_(2.5)浓度数据,探讨了重庆市主城区PM_(2.5)时空分布特征.结果表明:1重庆市主城区PM_(2.5)季节浓度由高到低依次为冬季(100.2μg·m~(-3))、秋季(66.1μg·m~(-3))、春季(45.9μg·m~(-3))和夏季(33.4μg·m~(-3))(P0.05).2重庆市主城区PM_(2.5)月均浓度变化呈单峰单谷型,1月PM_(2.5)月均浓度最高(P0.05),达到120.8μg·m-3.3逐日变化,国控17个空气质量监测站PM_(2.5)日均浓度曲线都呈现出尖峰和深谷交替变化的锯齿状.4重庆市主城区16个国控监测点(除缙云山对照点)PM_(2.5)浓度日变化在全年、春季、秋季和冬季都呈现明显的双峰双谷型.5PM_(2.5)与SO_2、NO_2和CO都呈显著正相关(P0.01),表明SO_2、NO_2和CO的二次转化对PM_(2.5)浓度具有显著影响.     

长江口入海通道水质综合分析与模型预测

以中国最大河口地区为例,2004—2018年对包括徐六泾、启东港、南港、北港在内的4个长江口主要入海通道断面进行定期监测。对水样中的高锰酸盐指数、氨氮(NH₃-N)、总磷(TP)等水质参数进行测定,运用综合水质标识指数法(WQII)对入海通道断面水质进行综合分析。选择溶解氧(DO)作为响应变量,建立各断面逐步回归方程、季节性差分自回归移动平均模型(SARIMA),并对2018年10—12月进行预测以检验模型精度,比较2种模型在各断面的适用性。结果显示:1)长江口各入海通道断面DO浓度在空间上呈现徐六泾最高、北支其次、南支最低的规律,平均值为8.73 mg/L;2)各断面综合水质标识指数从相对最优开始排列依次为启东港(3.110)>徐六泾(3.120)>北港(3.220)>南港(3.420);3)除南港断面外,SARIMA模型相较逐步回归方程对长江口断面DO浓度预测的相对偏差更小。     

亚热带稻区大气NO2、HNO3及硝态氮污染特征及干湿沉降

二氧化氮(NO_2)和硝酸(HNO_3)是大气中的酸性含氮污染气体,是形成气溶胶和雨水硝态氮的重要前体物质,在高强度的大气氮氧化物排放下,我国亚热带稻区农业生态系统大气NO_2、HNO_3气体及气溶胶、雨水硝态氮污染特征及其干湿沉降量尚不清楚.本研究选取我国亚热带丘陵区一个典型双季稻区,对大气中NO_2-N、HNO_3-N、气溶胶和雨水硝态氮浓度及相关气象因子进行了同步监测,旨在明确大气NO_2-N、HNO_3-N及气溶胶、雨水硝态氮浓度特征及其影响因素,并定量其干湿沉降量.结果表明,大气中NO_2-N、HNO_3-N、大气颗粒物PM_(10)中NO_3~--N_p、雨水中NO_3~--N_r年均浓度分别为4.2μg·m~(-3)、0.7μg·m~(-3)、4.0μg·m~(-3)和1.0 mg·L~(-1),年氮沉降量分别为1.5、3.2、2.3和6.1 kg·hm~(-2).NO_2-N浓度与气温呈负相关;HNO_3-N浓度与风速呈负相关;NO_3~--N_p浓度与气温呈负相关,与NO_2-N浓度呈正相关,与HNO_3-N浓度未显著相关,表明NO_2-N浓度在本研究区域是形成NO_3~--N_p污染的重要限制因子;NO_3~--N_r浓度与降雨量呈负相关,与HNO_3-N浓度和NO_3~--N_p浓度呈正相关.本研究区域大气中NO_2-N、HNO_3-N、NO_3~--N_p及雨水NO_3~--N_r年总干湿沉降量为13.0 kg·hm~(-2),是稻田重要的氮素来源,对稻田及周边生态系统的影响不容忽视.     

AERMOD模型在固体废物处置环境影响中的应用

文章以江苏某固体废物处置项目大气影响预测为例展开建设项目工程实例研究,分析其工艺流程和排污环节的基础上,采用AERMOD模型定量预测该固体废物处置项目对区域大气环境质量的影响程度。预测结果表明:SO_2,NO_2,HCl,H_2S和NH_3的小时平均最大落地浓度占标率分别为23.38%,39.34%,38.96%,50.35和16.58%;PM_(10),SO_2,NO_2和HCl污染物日均最大落地浓度占标率分别为2.08%,12%,15.13%和20%;PM_(10),SO_2和NO_2年平均最大落地浓度占标率分别为0.27%,1.83%和2.75%;恶臭气体浓度较低,不会造成恶臭影响,对周围大气环境影响较小。     

达州市城区大气污染物浓度变化特征及影响因素分析

利用达州市城区环境空气自动监测站2015—2017年数据,研究了大气污染物的浓度变化特征和影响因素。结果表明:达州市城区未受到SO_2污染,PM_(10)和PM_(2.5)同比大幅下降,NO_2、CO和O_3-8 h浓度有所上升。污染物在不同季节的差异显著性不同,SO_2、CO、O_3-8 h在不同季节之间均存在显著差异(P<0.05),NO_2浓度在除秋季和冬季外的其他季节之间均存在显著差异,PM_(10)和PM_(2.5)浓度在除春季和秋季外的其他季节之间均存在显著差异。不同污染物的月均浓度变化曲线和不同季节的小时浓度变化曲线,以及不同季节的相关性也具有明显的特征。同时,本研究还建立了PM_(10)和PM_(2.5),NO_2和CO分别在不同季节的预测线性模型,为进一步了解污染物之间的相互关系和预测污染物的浓度发展趋势提供了参考。     

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。     

低成本高分辨电化学传感技术探测大气NO2的研究

为有序疏解大气NO_2监测环境日益复杂及成本高昂的光学探测仪器缺乏灵活性的困扰,研制了基于低成本电化学传感技术的测量系统,以四电极电化学传感器为NO_2浓度传感载体,基于差分算法补偿痕量浓度下零点电流漂移的干扰,实现了对大气NO_2的定量.结果表明,系统在摆脱有线数传束缚的基础上可稳定探测NO_2,对100 ppbv的NO_2标气响应时间T9034 s,标定探得其灵敏度为0.242 m V·ppbv-1,时间分辨率为10 s时探测限为1.5 ppbv(3σ).为验证准确性,将系统置于合肥西北郊科学岛进行了连续2个昼夜的大气NO_2测量,并与参考设备CRDS系统对比,探讨了测量结果,发现除去该系统因环境湿度贴近极限工作湿度时测量结果奇异部分,二者表现出良好的一致性,R2达到0.940,线性拟合斜率为1.047±0.006,接着分析了温湿度和其他痕量气体等干扰源.研究表明,本技术可为大气NO_2高分辨在线监测提供一种低成本便携途径.     

合肥市冬季大气NO_2污染特征及模拟研究

基于合肥市NO_2浓度逐时监测数据,分析了该地区冬季大气NO_2污染的时空变化特征;并在主要大气污染源调查的基础上,构建了污染源排放清单,利用CALPUFF模型对NO_2浓度的动态变化进行了模拟。结果表明:合肥市大气NO_2浓度除个别点超标外,基本在《环境空气质量标准》(GB3095-2012)二级标准限值内。受主导风向和污染源位置影响,合肥市大气NO_2浓度以东北、西南部较高;浓度日变化呈典型的双峰型分布,早晚出现峰值,午后出现谷值,并且在休息日表现出污染浓度下降、日变化趋缓的"周末效应"。CALPUFF模型对NO_2浓度的空间分布格局总体把握较好,并且对其逐日变化具有比较可靠的模拟能力,模拟值与监测值的相关系数达0.7,模型对工作日的模拟效果略优于休息日。在研究时段内合肥市区面源对大气NO_2污染浓度贡献最为显著。     

近10年长江三角洲对流层NO_2柱浓度时空变化及影响因素

利用臭氧监测仪(OMI)卫星遥感数据,分析了2005~2014 10年间长江三角洲对流层NO_2柱浓度时空变化格局,从地形、气象、经济、农业、生活、国家重大环保措施及规划等多个方面分析了NO_2变化的影响因素,结果表明:(1)长江三角洲对流层NO_2柱浓度十年年均增长率为1.04%.2011年最高,为1184.07×10~(13)mole/cm~2.2010年较2005年上升20.75%;2014年较2010年下降9.10%;(2)长江三角洲对流层NO_2柱浓度呈中间高、北部次之、南部低的趋势.长江三角洲中部的上海、苏州、无锡、常州、镇江和南京等城市为中心的条带状区域是四、五级高浓度中心,浙江大部份一直处于一、二级较低浓度水平;(3)长江三角洲夏季降水量大,与NO_2浓度负相关系数高达0.84,对NO_2具有湿沉降的作用.长江三角洲北风的主导风向及北平南高的地势特点决定了其中部高污染区对浙江中南部影响较小;(4)对流层NO_2浓度与第二产业产值相关系数高达0.83,与汽车保有量相关系数为0.74.对流层NO_2浓度与煤炭消费量及汽车保有量紧密相关,此外,农业秸秆焚烧也释放大量氮氧化物."十二五"期间实施的燃煤量控制和脱硝等一系列氮氧化物排放控制措施等使得2012~2014年NO_2浓度降低.     

大亚湾初级生产力人工神经网络预测模型研究

针对海湾初级生产力估算与预测难题,结合大亚湾近20 a的调查资料,基于MATLAB语言编程,将NH_4-N、NO_-N、NO_2-N、PO_4-P、SiO_3-Si、N/P作为输入,叶绿素a作为输出,建立大亚湾初级生产力的人工神经网络预测模型,并进行检验,其模拟值的平均相对误差0.932%;同时应用多元回归方法进行拟合预测,其拟合结果的平均相对误差为38.970%.研究结果表明,人工神经网络方法优于传统的统计学模型,具有较好的预测能力和实用性,可进行海湾初级生产力动态的预测估算,并具有较高的精度.     

Fenton试剂液相催化氧化亚硝酸盐实验研究

氧化法烟气脱硝技术在超低排放背景下很有应用前景,解决氧化吸收后亚硝酸盐的水体二次污染问题有助于推广该技术。该文验证了碱液吸收NO_2后,亚硝酸盐生成机制。通过对比试验选定最佳NO_2~-检测方法。考察了Fenton试剂液相催化氧化NO_2~-效果。探讨了pH值、H_2O_2浓度、Fe~(2+)浓度、微波敏化等因素对NO_2~-转化效率的影响。结果显示:Fenton试剂能够氧化亚硝酸盐,其中pH值、H_2O_2浓度、Fe~(2+)浓度,以及是否施加微波等条件,是NO_2~-转化效率的重要影响因素。当NO_2~-的浓度为452.51 mg/L时,加入0.03 mol/L H_2O_2和3 mmol/L的Fe~(2+)与之反应(无微波及活性炭敏化条件),可使NO_2~-转化效率高达94.88%;pH值、H_2O_2浓度、Fe~(2+)浓度等是NO_2~-转化效率的重要影响因素,最佳p H值是3,H_2O_2浓度、Fe~(2+)浓度的增加可提高NO_2~-转化效率;微波可提高NO_2~-转化效率,施加微波可将NO_2~-转化效率从58.88%提高至68.89%,且活性炭的添加可强化微波敏化效果,其中果壳基活性炭强化效果优于椰壳基活性炭。     

乌鲁木齐重污染期NO_2浓度及扩散轨迹研究

重污染天气频发,如何快速、有效地获取重污染天气下污染物的时空分布状况并分析其成因,对解决我国大气污染问题十分重要。该文基于车载多轴差分吸收光谱技术(MAX-DOAS),反演了乌鲁木齐2016年2-3月大气对流层NO_2垂直柱浓度(VCD),并结合气象因子与大气背景场进行了分析。结果表明:乌鲁木齐2016年2月16日对流层NO_2 VCDs的均值为26.89×10~(15)molec/cm~2,3月17日均值为21.21×10~(15)molec/cm~2,高值通常出现在高架桥等交通节点附近;2月NO_2排放通量平均值为1.11×10~3kg/h,3月NO_2排放通量平均值为0.73×10~3kg/h;重污染期间风速与NO_2 VCDs呈负相关的关系,2 m/s及以上风速与NO_2 VCDs的决定系数(R~2)为0.40,下风向NO_2浓度通常高于上风向,风向与地形要素的叠加,更容易产生NO_2浓度的差异;利用Hysplit模型反演扩散轨迹发现,乌鲁木齐重污染期间大气的污染物随气流从外地而来的占比例较少,以本地源为主,气流更多以搬运、稀释的方式影响本地污染物浓度。     

气压对西安市城区空气质量的影响

以西安市城区2014年1月1日至2015年12月31日空气质量监测数据和气象资料为基础,分析了气压对空气质量的影响及其空气污染特征。结果表明:AQI及各污染物浓度变化很好的拟合二次函数,且拐点横坐标均在7月前后。相关性分析表明:平均海平面大气压与SO_2、CO、NO_2、O_3呈现为显著正相关性,与AQI、PM_(2.5)、PM_(10)呈现为显著负相关。平均海平面大气压P对各污染物的影响在夏季最为强烈,而在春季和冬季最弱;P对O_3的形成存在较明显的影响。各污染物浓度和气象因素之间存在明显的共线性,PM_(10)主成分回归模型通过了显著性检验、拟合优度很好且无多重共线性。     

基于BP神经网络的大气污染物浓度预测

利用BP神经网络结合变量筛选的方法建立了SO_2、NO_2、O3、CO、PM_(10)、PM_(2.5)等6种污染物的浓度预测模型,并选取2014-01-01至2015-11-28时段,昆明市区5个环境监测点以上6种污染物浓度的监测数据建立了昆明市污染物日均浓度预测模型.采用平均影响值(Mean Impact Value,MIV)的方法筛选出分别对6种污染物日均浓度值有主要影响的变量,作为BP神经网络的输入变量,利用建立的预测模型分别对6种污染物的日均浓度进行预测.结果表明,在关上监测点利用浓度预测模型对SO_2、NO_2、O3、CO、PM_(10)、PM_(2.5)等6种污染物浓度进行预测,污染物浓度预测值和实测值趋势吻合度较高.变量筛选后SO_2、PM_(2.5)预测效果比变量筛选前的预测效果好.O3的均方根误差和PM_(10)的标准化平均偏差,变量筛选前的预测效果比变量筛选后的预测效果好.变量筛选前的NO_2和CO的预测结果比变量筛选后的预测效果好.其他4个环境监测点的污染物浓度预测结果与关上监测点的结果相似.     

南京市交通流与NO2、CO时空分布特征关系研究

基于南京RFID基站2014年数据,获取南京市主城区范围内多条道路车流量、车速、车队构成信息,结合南京市国控空气质量监测站点NO_2、CO浓度数据,从时间、空间两个维度对交通流特征及污染物浓度趋势进行分析,并对其相关性进行讨论.结果表明,南京市2014年交通第一季度最通畅,第四季度车速最低;2月车流量最低,12月最高,且12月是周末流量最高的月份;工作日早晚高峰车流量与车速变化趋势明显,节假日平缓;夜间大型车辆占近25%.NO_2与CO浓度在2月下降明显,在10—12月攀升到较高水平,与交通流变化趋势同步;净浓度日变化趋势呈双峰,与车流量变化相关性系数在0.57~0.82之间;空间关系上,路网密集、交通拥堵区域污染物浓度明显高于其他区域,表明南京市交通流与气态污染物NO_2、CO变化趋势有高度时空关联.