毕节市区大气污染特征及影响因素分析

根据毕节市2015年大气污染物浓度和气象因子的监测数据,分析了毕节市区大气污染物SO_2、NO_2、PM10、PM2.5、CO及O_3浓度的月、季和年平均变化特征及其影响因素,并对大气污染物浓度之间以及大气污染物浓度与气象因子之间的相关性进行了分析。结果表明:(1)毕节市区2015年空气质量总体良好,空气质量优良天数占95.1%,主要大气污染物为PM10和PM2.5;(2)大气污染物SO_2、PM10、NO_2、PM2.5、CO的月浓度都呈"V"型单谷变化趋势,而O_3的月浓度则为单峰变化趋势;大气污染物SO_2、PM10、NO_2、PM2.5、CO浓度的季节变化为冬季最高、夏季最低,O_3浓度的季节变化则为春季最高、冬季最低,且季节之间的差异性显著(p0.05);大气污染物PM10和PM2.5的年平均浓度分别超过我国《环境空气质量标准》(GB 3095—2012)中一级标准年平均浓度限值的18.2%和112.4%,SO_2和NO_2的年平均浓度均未超过国家一级标准的年平均浓度限值;(3)大气污染物SO_2、NO_2、CO浓度与颗粒物PM10、PM2.5浓度之间两两呈极显著正相关性(p0.01),其与O_3浓度之间呈极显著负相关性(p0.01);PM2.5浓度与PM10浓度之间呈极显著正相关性,而PM2.5浓度与O_3浓度之间呈显著负相关性,多元线性回归分析得出PM2.5浓度与其他大气污染物浓度之间的拟合方程为:PM2.5=2.718+0.130SO_2+0.747PM10+0.255NO_2-0.077O_3+0.678CO;(4)气压与大气污染物SO_2、NO_2、CO、PM10浓度之间呈显著正相关性,其与O_3浓度之间呈极显著负相关性;温度除与O_3浓度之间呈极显著正相关性外,与其他大气污染物浓度之间呈显著负相关性,且其与O_3浓度的相关性系数最大(r=0.501),说明温度对O_3浓度的影响较大;相对湿度除与CO浓度之间无显著相关性外,与其他大气污染物浓度之间均呈显著性负相关性;风速与O_3浓度之间呈极显著正相关性,其与其他大气污染物浓度之间均呈极显著负相关性。     

基于BP模型的大气污染预报方法的研究

BP模型是目前最为广泛应用的神经网络模型之一,它是一种简单而又非常有效的算法.笔者将BP网络模型引入到大气污染预报领域,并根据大气污染物含量与气象要素的关系建立了大气污染物含量的神经网络预报模型.计算结果表明,BP模型应用于大气污染预报具有较高的预测精度和良好的泛化能力,它为信息社会的城市空气污染预报工作提供了一种全新的思路和方法.      

长距离污染传输对珠江三角洲区域空气质量影响的数值模拟研究

采用CMAQ模型系统对珠江三角洲(以下简称珠三角)区域2006年主要大气污染物浓度进行模拟,获得该区域主要污染物浓度时空分布和大气传输季节变化特征,并结合其它相关研究方法分析长距离传输对珠三角区域空气质量的影响.模型模拟结果揭示了珠三角NO2、SO2、PM10、PM2.5浓度具有秋冬季高、春夏季低的季节变化特征,而珠三角O3浓度的高值出现在秋季.零排放扰动法表明长距离传输对珠三角15个区域监测子站NO2、SO2、PM10和PM2.5浓度平均贡献分别为2.6%、13.9%、24.2%和28.1%,并且秋冬季长距离传输贡献大于春夏季.反向轨迹聚类方法显示珠三角区域代表性站点万顷沙72 h反向控制气团依据其来向可分为沿岸气团、大陆气团、区域环流和海洋气团.万顷沙站点主要污染物小时观测浓度大于150μg·m-3的时段与短距离沿岸气团、短距离大陆气团以及区域环流主导下的污染物传输密切相关.四维传输通量分析结果证实,NO2污染传输通道无法由广东省外延伸至珠三角地区,因此珠三角大气NO2浓度主要来源于广东省内的排放.珠三角在受沿岸气团或大陆气团控制时存在从福建省或江西省一直延伸至珠三角的SO2和PM2.5高通量污染传输通道.因此控制珠三角区域大气污染需考虑区域背景气象条件差异,针对不同污染物采取不同的区域联防联控措施.     

秦皇岛大气污染物浓度变化特征

为了解河北沿海旅游城市秦皇岛大气污染现有水平,研究其变化趋势,于2009年9月～2010年8月对秦皇岛市大气中的典型污染物进行连续监测研究.结果表明,该市大气中NO、NO2、SO2、O3和PM10平均浓度分别为（18±18）、（45±18）、（42±46）、（44±25）和（128±77）μg·m-3,PM10污染最为严重,年均浓度超出国家二级标准（100μg·m-3）接近30%.夏季O3日平均浓度和日小时浓度最大值（O3₁h max）的平均分别为（64±21）μg·m-3和（126±42）μg·m-3,偏南海洋气团有加重O3污染现象,伴随有短期超标;采暖期大气NOx、SO2和PM10分别是非采暖期的1.5、4.9和1.5倍,PM10和SO2日均值相对国家二级标准的超标率分别为53%和11%.京津冀、环渤海工业区的气团输送和当地海港区高排放叠加可使秦皇岛NOx、SO2和PM10污染物平均浓度上升17%、27%和12%,冬季其三者大气平均浓度飙升至（100±49）、（110±84）和（215±108）μg·m-3.北方内陆干洁气团和南方海洋气团可有效清除秦皇岛市大气污染物.     

嘉兴市春节期间烟花爆竹燃放对大气污染物分布特征的影响

为研究春节期间烟花爆竹的燃放对嘉兴市空气质量的影响,利用2015年春节期间嘉兴市3个监测站点的常规污染物(PM10、PM2.5、SO_2、NO_2、CO)和南湖区残联站的有机碳(OC)和元素碳(EC)数据,分析了烟花爆竹对嘉兴市不同功能区和不同空气质量条件下大气污染物的污染特征的影响.结果表明:春节烟花爆竹燃放显著影响PM10和PM2.5的浓度,残联站、清河小学和北部站在23日00∶00达最高值,PM10浓度分别为190、263和147μg·m~(-3),是非春节期间的2.2、2.8和2.1倍,PM2.5浓度分别高达156、158和78μg·m~(-3),是非春节期间的2.6、2.2和2.2倍.烟花爆竹燃放对污染气体的影响存在差异,对CO和SO_2的浓度影响较大,对NO_2和O_3的浓度影响较小.烟花爆竹燃放对嘉兴市老城区大气污染物的影响最大,其次是新城区,对工业区影响最小.污染源减排对大气污染物的影响比较大,2013—2015年嘉兴市春节期间大气污染物浓度(PM10、PM2.5、SO_2、NO_2、CO)整体要低于非春节期间,平均降幅在6.8%~46.1%之间.二次生成物O_3在春节期间的浓度均要高于非春节期间,增幅为20.1%~22.1%.不同空气质量条件下烟花爆竹的燃放对大气污染物的影响不同.     

空气重污染应急措施对北京市PM2.5的削减效果评估

利用嵌套网格空气质量模式系统(NAQPMS)模拟了2013年1月10~14日一次典型的大气严重污染过程,并利用同期气象和污染物浓度的小时观测数据验证了NAQPMS的模拟结果.敏感性试验结果表明,在重污染期间,当仅实施《北京市空气重污染应急预案(试行)》一级预警中机动车单双号限行措施时,可削减北京PM2.5小时平均浓度4%~10%;当仅实施工业限产减排30%的措施时,可削减北京PM2.5小时平均浓度1%~6%;当同时实施机动车单双号限行和工业限产减排30%的措施时,可削减北京平均PM2.5小时平均浓度6%~12%,并且PM2.5小时浓度与削减率的变化趋势呈反相关,即该措施对污染较轻时段PM2.5浓度削减率高于污染峰值时段;若京津冀地区两市一省同时实施机动车单双号限行和工业限产减排30%的措施时,可削减重污染期间北京小时平均PM2.5浓度20%~35%,且污染严重的区域和时段削减效果更加显著,空气质量可提升一个等级.研究结果表明,当北京发生重污染时,仅靠北京本地限排限产并不能有效减轻PM2.5浓度,若要有效控制北京重污染,应根据污染物区域输送特征,京津冀地区实施大气污染联防联控.     

太原市冬季SO_2、PM_(10)和PM_(2.5)浓度城郊变化特征研究

通过对太原市2013年冬季SO2、PM10和PM2.524小时浓度均值实时数据的整理和分析,结果表明,各项污染物浓度在城区和郊区差异显著。由于城郊地形条件、气象条件基本一致,各项污染物24小时浓度月变化曲线趋势基本相同。城郊PM2.5和PM10浓度比值范围与均值差别较小,比值月变化曲线趋势基本相同,城郊颗粒物污染物来源相同或相近。相关性分析表明PM2.5分别与PM10和SO2浓度均为高度正相关关系,三者污染源存在较大一致性,冬季区域污染主要以燃煤排放大气污染物为主要特征。     

邯郸市大气复合污染特征的监测研究

利用邯郸市4个大气环境监测站点的PM2.5、PM10、O3等在线连续观测数据,对2013年全年的PM2.5、PM10、O3的浓度水平、变化规律和PM2.5/PM10的变化情况进行了分析,并从地形、气象、污染物排放及冬、夏季逐时PM2.5、O3和各类气体污染物浓度之间的关系等方面进行了研究.结果表明:12013年PM2.5、PM10的年均浓度分别为139和238μg·m-3,分别是国家二级标准的4.0倍和3.4倍.PM2.5、PM10日均浓度超过标准的天数均在280 d左右,全年3/4以上天数均超标.其颗粒物污染程度甚至超过北京、天津、长三角和珠三角等超大城市或城市群,属于严重超载的红色预警地区.整个采暖期PM2.5、PM10平均浓度分别为209和322.1μg·m-3,为非采暖期平均浓度的2倍和1.6倍;同时,采暖期PM2.5/PM10平均值为63%,高出非采暖期10%,采暖期细颗粒物污染问题特征明显.22013年O3日最大8小时平均浓度的最大值为238μg·m-3,是国家二级标准的1.5倍,超标天数为53 d,超标率为14.5%;最大时均浓度为288μg·m-3,是国家二级标准的1.4倍,超标小时数为148h,占全年有效数据的1.7%;与北方城市相比,其污染程度超过北京、天津等,略低于洛阳污染水平.3邯郸市大气复合污染的形成,除了区域大气环流与特殊地形叠加影响外,还主要归因于相对较高的人为源大气污染物排放,因此,要想走出复合污染的困局,减排是硬道理,解决灰霾污染需开展颗粒物、NOx、SO2等污染物的协同控制.     

基于GIS和BP神经网络模型的PM10浓度预测与空间分布研究

耦合GIS和BP神经网络模型,探讨不同算法和隐藏神经元数对PM10浓度预测和空间分布的影响,结果显示:不同算法的PM10浓度预测值与监测值的平均相关系数和平均相对误差分别为0.85和17.58％,Levenberg-Marquardt优化算法在隐藏神经元数为20时预测精度最高.相同算法,不同隐藏层神经元数对PM10浓度的预测结果影响较大,不同算法,相同神经元数对PM10浓度的预测结果影响较小.不同算法的PM10浓度空间分布模拟在中北部的高风险区和东南部的低风险区与监测数据结果基本一致.     

利用多元线性回归方法评估气象条件和控制措施对APEC期间北京空气质量的影响

气象条件对大气污染物的扩散和传输有重要影响,准确分离和定量气象因素对空气质量的影响是评估大气污染控制政策有效性的前提。本研究利用APEC会议期间及前后(2014-10-15~2014-11-30)北京城区朝阳观测站点SO2、NO、NO2、NOx、CO、PM2.5、PM1和PM10以及气象因素的观测数据,采用多元线性回归分析方法,定量评估了气象条件和空气污染控制措施对APEC期间北京空气质量的影响。在假定排放条件不变的情况下,基于气象因素参数建立的预测污染物浓度的多元线性回归模型模拟效果较为理想,决定系数R2在0.494~0.783之间。控制措施使得APEC控制期SO2、NO、NO2、NOx、CO、PM2.5、PM1和PM10浓度分别降低48.3%、53.5%、18.7%、40.6%、3.6%、34.6%、28.8%和40.6%,气象因素使得APEC控制期SO2、NO、NO2、NOx、CO、PM2.5、PM1和PM10浓度分别降低1.7%、-2.8%、18.7%、4.5%、18.6%、27.5%、30.6%和35.6%。气象因素和控制措施共同作用使得APEC控制期北京空气质量得到了明显改善。控制措施对SO2和氮氧化物浓度的下降起主导作用,气象因素对CO浓度的下降起主导作用,气象因素和控制措施对颗粒物浓度降低的贡献相当。本研究还利用相对权重方法研究了气象因素对污染物浓度影响的贡献,结果表明影响不同污染物浓度的决定性气象因素不同。     

北京市区春夏PM2.5和PM10浓度变化特征研究

通过对北京市2012年3月～6月PM2.5和PM10实时数据的整理和分析,结果表明,北京市区大气中细颗粒物PM2.5和可吸入颗粒物PM10浓度日变化趋势基本相同,PM2.5和PM10存在显著或极显著的正相关关系;3月～6月,PM2.5浓度随季节变化逐渐升高,PM10的浓度随季节变化先升高后减小;3月～6月PM2.5与PM10日平均浓度分别为62.77μg/m3和133.88μg/m3,分别为国家二级标准的83.69%和89.25%。     

西安市高新区采暖期大气颗粒物污染状况分析

为了解西安市高新区采暖期大气颗粒物(包括PM1 0和PM2.5)污染状况,于2013年1月1日到2013年3月15日在高新区进行了为期74 d的连续自动采样。结果表明:采样期间高新区PM1 0的小时浓度范围28~1744μg/m3,平均浓度为332μg/m3;PM2.5的小时浓度范围13~946μg/m3,平均浓度为207μg/m3。PM2.5占PM1 0的平均比例为63.8%。颗粒物浓度日变化呈现弱双峰特征,分别在凌晨2:00和上午7:00~8:00左右达到浓度最高值,但是上午的峰值并不明显。颗粒物在15:00~1 6:00之间浓度达到最低值,由于受采暖影响,18:00之后颗粒物浓度明显上升。     

深圳市PM_(2.5)浓度特征及统计预报研究

根据2015年1—12月深圳市城区11站点PM_(2.5)小时浓度监测数据,探讨了深圳市PM_(2.5)浓度的时空分布特征。结果显示:监测期间深圳市城区PM_(2.5)平均浓度为29.8μg/m~3,PM_(2.5)平均浓度整体呈现出:冬季>秋季>春季>夏季的特征,PM_(2.5)质量浓度日变化整体呈现出双峰型分布,午后12:00—16:00浓度较低。空间分布上,年均浓度从东南至西北方向依次升高,梯度特征明显。PM_(2.5)浓度与PM_(10)呈高度相关,与SO_2、NO_2、CO呈显著正相关,与O_3呈实相关。相邻城市间空气污染物浓度呈现出一定的相关性,区域污染突出。建立的PM_(2.5)回归统计模型对深圳市2015年PM_(2.5)临近预报的级别准确率在70%以上,能较好地反映PM_(2.5)浓度变化趋势。     

兰州市某城区冬夏季大气颗粒物及重金属的污染特征

在2010年7月与2011年1月,对兰州市西固区、榆中县的大气颗粒物(TSP、PM10、PM2.5)进行了采集,并对颗粒物浓度及不同粒径颗粒物上的重金属(Cd、Cr、Cu、Pb、Ni、Zn)含量进行了分析.结果显示,夏季TSP的浓度均值均未超过国家标准值,而冬季只有研究区均值超过国家标准值,超标倍数为0.36倍;研究区PM10冬、夏季浓度均值皆高于国家标准值,超标倍数分别为1.18和0.19倍,而在对照区只有冬季均值超过了标准值,超标倍数为0.05倍;冬季PM2.5的浓度均值在研究区和对照区均超过参考标准值,超标倍数分别为1.94倍和1.0倍,而夏季浓度均值只在研究区超标,超标倍数为0.31倍.颗粒物TSP、PM10及PM2.5的浓度均值呈现的整体特点为冬季高于夏季,且研究区显著高于对照区.应用潜在生态风险指数法评价显示,大气颗粒物中重金属元素的生态危害顺序为:Cd>Cu>Ni>Zn>Pb>Cr,其中Cd的潜在生态危害程度为极强;多种重金属联合的生态风险指数显示,TSP、PM10、PM2.5的重金属生态风险程度均为极强,其中PM2.5的潜在生态风险指数最高.     

基于MOS的杭州秋冬季空气污染预报和霾诊断

利用由数值预报模式WRF和辨识理论实时迭代统计方法RTIM组成的MOS方法对杭州市2013年2~3月和11~12月期间的空气污染物日平均浓度做预报,预报值与实测值之间相关系数都超过0.75 ,PM2.5、PM10、SO2、NO2、CO 24h平均浓度和O3 8h平均浓度分类预报临界成功指数(CSI)分别为89%、87%、100%、93%、100%和100%,命中率(POD)分别为93%、95%、100%、100%、100%和100%.分析表明,研究期间杭州地区气溶胶以细颗粒为主.根据PM2.5浓度、相对湿度及能见度预报值做霾日分类预报,临界成功指数为89%,命中率为93%.说明该MOS系统对污染物浓度及霾天气预报性能良好,可以为业务化预报提供参考.     

2007年春节期间北京大气颗粒物中多环芳烃的污染特征

利用大流量颗粒物采样器分昼夜采集了2007年春节前后大气气溶胶中PM10和PM2.5样品,并采用气相色谱-质谱技术对PM2 5样品中的多环芳烃进行了检测.春节期间大气颗粒物中PM10和PM2 5夜间平均质量浓度为232 ug·m-3和132 ug·m-3,分别高于白天的PM10(194ug·m-3)和PM2.5(107ug·m-3);除夕后颗粒物日平均质量浓度为252.3 ug·m-3(PM10)和123.8ug·m-3 (PM2.5),分别高于除夕前的166.7 ug·m-3(PM10)和106.8 ug·m-3(PM2.5);同时夜间PM2.5中多17种多环芳烃(PAHs)的总浓度都高于相应白天的总浓度,且除夕前多环芳烃日均总浓度为95.9 ng·m-3,高于除夕后的58.9 ng·m-3.结果表明,除了受一定的气象条件的影响外,大量燃放烟花爆竹会对大气颗粒物浓度有影响.但对大气中的多环芳烃影响不大,而春节期间工业及交通污染排放的减少削减了排放到大气中的PAHs.根据荧蒽/芘等比值指标判别北京PAHs主要以燃煤为主、交通为次的混合局地源污染.     

2014年泉州市区PM2.5浓度的时空变化特征分析研究

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.     

地表参数设置对高架点源大气污染物扩散预测的影响研究

以某火电厂高架点源为例,运用AERMOD进行预测,对扇区进行粗划分和细划分,设置两组地表参数,分析SO2、NO2、PM10在敏感点的小时浓度、日均浓度和期间平均浓度最大值的差异.变化幅度分析方法表明,PM10的小时浓度、日均浓度、期间平均浓度最大值的变化幅度最大,NO2次之,SO2最小.高端值比较法分析表明,NO2小时浓度最大值的差异最大,SO2次之,PM10最小;NO2日均浓度最大值的差异最大,PM10次之,SO2最小;NO2期间平均浓度最大值的差异最大,SO2次之,PM10最小.     

上海市霾期间PM2.5、PM10污染与呼吸科、儿呼吸科门诊人数的相关分析

为了探讨上海市霾期间PM2.5、PM10污染与呼吸科、儿呼吸科日均门诊人数的相关性;对上海市6所大中型医院2009-01-01～2009-12-31期间医院呼吸科、儿呼吸科日门诊人数及霾天PM2.5、PM10的浓度数据运用广义相加泊松回归模型进行统计分析,并进行当日和滞后日的危险度评估.结果发现,在霾发生当日,PM10...     

天津市PM10, PM2.5和PM1连续在线观测分析

利用2010年9月1日─11月30日在中国气象局天津大气边界层观测站采集的ρ(PM₁₀₎,ρ(PM_2.5)和ρ(PM₁)数据,分析了观测期间可吸入颗粒物的统计特征,结合同期气象观测资料,分析了典型天气条件下ρ(PM₁₀₎,ρ(PM_2.5)和ρ(PM₁)的日变化特征及与风速、风向的关系. 结果表明:观测期间,ρ(PM₁₀₎日均值有超过1/2的天数超过《国家环境空气质量标准》(GB 3095─1996)二级标准限值;ρ(PM_2.5)有63 d超过美国国家环境保护局(US EPA)1997标准限值,超标率高达76.8%;不同天气条件下,ρ(PM₁₀₎,ρ(PM_2.5)和ρ(PM₁)日变化特征明显,三者一般在大雾或扬沙/浮尘天气条件下出现高值,有降水过程时出现低值;可吸入颗粒物以粗粒子(PM_2.5～10)和PM₁为主,PM_2.5～10,PM_1～2.5和PM₁主要分布在风速小于3 m/s,风向为225°～280°和70°～110°范围内;风速大于3 m/s时,ρ(PM_2.5～10)和ρ(PM_1～2.5)有所增加. ρ(PM₁₀₎,ρ(PM_2.5)和ρ(PM₁)未出现周末效应,但存在明显的周内变化.