算术平均法、百分位数法和滑动平均法空气质量评价对比分析及其揭示的信息

综合采用算术平均法、百分位数法和滑动平均法对空气质量进行评价对比分析,可以更加全面、客观、精细、准确地描述空气质量状况,发现其内在规律,揭示不同城市的问题。对比分析发现,全国169个城市空气质量改善程度用算术均值与百分位数测算存在一定差异,并进一步反映出2017年空气质量改善主要归功于污染较为严重天气的减少,2018年主要归功于空气质量良好及轻度污染天气的增加。169个城市PM_(2. 5)浓度的中位数与算术均值之间具有较好的线性关系且越来越强,反映出重污染天气控制取得成效。各区域和城市百分位数同比变化情况反映了大气污染防治不同阶段的工作重点及成效不同:京津冀及周边"2+26"个城市2017年空气质量改善以降低污染天气为主,2018年以增加优良天气为主;珠三角地区和长三角地区都是以增加空气质量为良的天气为主。3年滑动均值比年均值曲线下降更为平缓,更能准确反映污染治理成效。建议深入研究空气质量信息,采用多种评价方法科学、客观、全面地评价污染治理情况。     

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。     

呼和浩特市空气质量水平研究

采用数理统计方法,并结合现行和2012年2月新颁布的《环境空气质量标准》以及相应的空气质量评价方法,对实测数据进行分析和研究,结果表明:新、旧两种标准评价下均反映出颗粒物污染是影响研究地空气质量状况的主要原因.并且由于新标准比现行标准更为严格,使得空气质量综合评价结果中新标准评价下的空气质量优良天数比例少于现行标准评价下的优良天数比例.     

太原市秋冬季大气污染特征和输送路径及潜在源区分析

采用环境空气质量指数(AQI)统计分析了2014～2018年太原市全年及秋冬季污染特征,并采用HYSPLIT后向轨迹模型计算了2014～2017年秋冬季逐时后向轨迹,结合太原市AQI,通过聚类分析、潜在源贡献因子和浓度权重轨迹方法对影响太原市的污染物输送路径和潜在源区进行了分析.结果表明,太原市污染状况不容乐观,太原市2014～2018年全年优良天数波动较大,尤其近两年从64%下降到不足50%;然而秋冬季优良天数稳步上升,2018年超过50%,空气质量有好转趋势.污染类型可能发生变化,全年及秋冬季PM_(2.5)为首要污染物的污染天数下降显著,PM_(10)为首要污染物的天数上升明显.聚类分析2014～2017年秋冬季太原的后向轨迹,53%的气团来自偏西方向,21%来自西北方向,12%来自西南方向,14%来自偏东方向,其中西南方向轨迹是外来污染物输送进入太原的主要轨迹,对太原空气质量有显著影响.PSCF和CWT分析表明,影响太原空气质量的重要潜在源区主要位于汾渭平原的陕西汉中、西安和山西的吕梁、临汾等地.建立汾渭平原及其周边区域联防联控机制对控制区域污染有着重要意义.     

辽宁省一次大气重度污染过程预报准确性分析

2019年春季辽宁省出现了一次长时间、大范围的空气质量重度污染过程,为进一步了解此次环境空气重度污染过程的预报情况,对CMAQ模型、REG模型和人工订正法在此次污染过程中的污染等级和AQI范围的预报准确率进行了分析。结果表明:人工订正法未来24 h跨级预报准确率最高,72 h最低;AQI范围预报中,人工订正法在未来24和72 h均值预报中准确率均为最高,48 h预报REG模型准确率最高,CMAQ模型均为最低;各预报方法在污染过程前期、后期的预报准确率均高于污染过程中期。     

2014年成都市PM_(2.5)污染及其与气象要素的关系

为了解2014年成都市PM2.5污染状况及其与近地面气象要素的关系,分析了PM2.5的月平均浓度演变及不同空气质量等级的天数变化,采用SPSS软件对降雨、平均相对湿度、气温、风向和平均气压与PM2.5质量浓度进行Kendall秩次相关分析。结果表明:2014年成都市1—12月PM2.5质量浓度呈"U"形分布,污染最严重在1月,污染程度最小是8月,全年有大半以上天数,空气质量等级为"良~优"。PM2.5质量浓度与各月降雨量,月平均气温存在较高的负相关性;PM2.5质量浓度与风向、平均相对湿度为较低显著性负相关。PM2.5质量浓度与平均气压之间正相关。     

西安市2013年空气质量状况分析

本文收集西安市2013年环境监测站发布的空气质量指数（AQI）及环境空气状况与监测月报资料,对空气质量等级、AQI变化情况、主要污染物浓度变化趋势及采暖期和非采暖期浓度比较进行分析.研究结果表明：西安市2013空气质量二级以上的达标率为37.8％,年均AQI值为151,SO2、NO2、PM10和PM2.5的月监测浓度变化趋势无显著意义,采暖期平均浓度均显著高于非采暖期平均浓度,PM2.5采暖期均值是非采暖期均值的3.09倍.由此可见控制SO2、NO2、PM10和PM2.5的排放是改善西安市空气质量的重点工作.     

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.     

基于DCSM模型的成都市河流水环境承载力综合评价

根据水污染流动"源头-转化-汇入"过程,综合衡量工业、农业、生活源污染排放对成都市主要河流的环境影响,提出"驱动力D （人口、社会经济发展）-承载源C （工业、农业、生活源污染排放）-承载状态S （污染程度）-管理M （治理污染投资）"4个子系统的DCSM模型,构建包含3层结构26个指标的成都市河流水环境承载力综合评价指标体系.采用投影寻踪模型得到各指标的影响程度,进一步建立区域水环境承载力各评价指标权重,根据最佳投影方向确定成都市主要河流2014—2018年的水环境承载力综合评价特征值,并得到相应评价等级.研究结果表明：影响程度最大的3项指标依次为：工业源COD排放强度、国考断面地表水TP平均浓度、环保投资占GDP的比重;通过对各个指标的权重分析,表明承载状态子系统和承载源子系统对综合评价结果所起作用最为显著,其次是管理子系统,驱动力子系统作用最小;通过评价等级分析,结果表明：2014—2018年成都市河流水环境承载力综合评价指数逐渐增加,评价等级从Ⅲ级（一般,2014—2016年）转变为Ⅱ级（较强,2017—2018年）,说明5年来成都市河流水环境承载力逐步增加.研究表明了基于DCSM模型的成都市河流水环境承载力综合评价结果具有实用性和可行性,可以为城市河流水环境承载力综合评价提供新的研究思路,为水环境规划与管理的科学决策提供依据.     

福州市AQI时空分布特征及影响因素研究

对福州市2013年4月-2016年3月空气质量指数AQI(Air Quality Index)数据进行小时变化、逐日变化、逐月变化、季节变化、空间分布及其影响因素分析,探讨引起AQI时间变化及空间分布差异的原因,找出最重要的影响因子。结果表明,福州市AQI在夜间较低,白天由于人类最活动增强,AQI增大;四季中春、冬季AQI较高,夏秋季节次之;通过对首要污染物进行统计分析得到,NO2、PM2.5、PM10、O3对AQI的贡献大,空气质量达到优的天数表现为秋季夏季冬季春季;福州市内各监测点中快安始终作为空气质量较为不好的监测点,而杨桥西路在四季中多表现为AQI较低,空气质量较好。     

2014年海口市大气污染物演变特征及典型污染个例分析

主要分析了2014年海口市逐日的空气质量指数(AQI)和6种大气污染物的演变特征,同时,结合卫星遥感和轨迹模式等资料和方法对1次典型污染个例进行诊断.结果表明:海口市2014年的空气质量主要以优和良为主,6 d达到轻度污染级别,1 d达到中度污染(1月5日,AQI值为158).1月污染最为严重,其中,阶段1(1-6日)和阶段3(18-23日)AQI值偏高,阶段2(7-17日)和阶段4(24-31日)偏低.1月东亚地区天气形势演变对海口市AQI值具有动力影响.AQI偏高阶段,地面高压系统位于内蒙古东部,华南低层东北风场有利于污染物向海口市输送;而在AQI偏低阶段,地面高压系统东移出海,低层偏东风场不利于污染物的输送.后向轨迹聚类分析表明,1月海口市比率最大(39%)的气流主要经过大气污染相对严重的广东珠江三角洲(珠三角)地区,有利于污染物的区域传输.污染个例分析表明,海口市污染物浓度变化与气象要素有密切关系,10 m风速较小有助于近地面的污染物在区域内累积,水平风垂直切变偏弱对天气尺度扰动的发展和大气的垂直混合不利.卫星遥感和后向轨迹分析也表明,外源输送与海口市这次大气污染事件有直接关系.     

衡水市大气污染成因研究及治理经验

衡水市作为"2+26"城市中典型的低GDP、高污染城市,其空气质量排名常年处于74个重点城市的后10位.自大气重污染成因与治理攻关项目工作开展以来,衡水市开展了大量污染成因研究及污染治理工作,已取得了较为明显的大气污染治理成效.从空气质量变化、排放源、污染物来源解析及气象条件与排放贡献等方面,梳理了衡水市大气污染成因研究及治理经验.结果表明:①衡水市的空气质量得到较大改善,PM₁₀和PM_2.5治理成效明显.2018年衡水市ρ（PM₁₀）和ρ（PM_2.5）年均值比2017年分别下降了25.12%和19.73%,比2013年分别下降了54.84%和51.22%,但O₃污染形势逐渐严峻,以O₃为首要污染物的天数由55 d（2013年）增至125 d（2018年）.②相比于2016年,衡水市2017年SO₂、NO_x、CO、PM₁₀、PM_2.5、BC、OC、VOC的排放总量均大幅下降.③2013-2018年导致衡水市PM_2.5下降的因素中,气象因素占8.0%,排放源因素占92.0%,说明衡水市通过减排措施改善空气质量的效果较为显著.④硝酸盐已经取代硫酸盐成为秋冬季颗粒物二次转化中最重要、占比最高的成分.研究显示,衡水市高ρ（PM_2.5）主要以本地排放和临近地区输送为主,为有效控制衡水市PM_2.5污染的发生与发展,应采取本地排放控制与"2+26"城市联防联控相结合的方案.      

长三角地区2015年大气重污染特征及其影响因素

基于2015年长三角地区129个环境空气质量监测站的空气质量指数（AQI）及主要大气污染物浓度数据,结合气象资料和HYSPLIT后向轨迹模式,探究长三角地区大气重污染的时间变化和空间集聚特征,并深入分析气象条件和区域传输对重污染过程发生和维持的影响.结果表明,2015年长三角地区各城市平均出现AQI超过200的重污染天气共8 d,重污染频率为2.01%,PM_2.5作为首要污染物出现频次最多.从时间变化看,重污染主要分布在1月和12月;从空间分布看,北部地区重污染相比南部地区更为严重,徐州和常州市出现频率最高.选取典型重污染过程1月9—11日（纬向扩散型）、1月24—26日（经向扩散型）和12月20—26日（两种模式相结合的重污染天气）进行成因分析,发现长三角地区重污染天气主要受到西北风向、低风速、高湿度和逆温层的影响,导致大气污染物积累且不易扩散.基于HYSPLIT的大气传输轨迹及频率分布表明,来自西北方向的气流对江苏北部地区的污染输送特征有着显著影响.     

应用模糊数学评价南充市大气环境质量

运用模糊数学方法,选用SO2、PM10、NO2、作为评价因子,参照大气环境质量标准,通过计算污染因子权重分配系数和隶属度对南充市各个城区,以及南充市总体大气环境质量给出客观的评价,结果为:南充市各个城区以及南克市总体大气环境质量均在安全级水平(三级),均未达到国家二级标准.并对模糊数学评价方法和大气污染防治措施进行讨论,认为模糊数学评价方法更为客观准确,提出了大气污染的区域性、整体性的特点以及大气污染防治的综合治理方法.     

老边区环境空气质量综合评价

根据“十一五”期间老边区环境空气质量监测情况,采用环境空气污染负荷系数法综合指数法,通过污染物负荷系数的计算,确定老边区环境空气主要污染物和次要污染物,并对老边区环境空气质量进行简评与分析。     

宁夏典型工业城市2020年1月重污染过程特征及成因

2020年1月宁夏回族自治区典型工业城市石嘴山市出现了长时间、高强度PM_2.5污染天气.为揭示多因素综合作用对重污染天气的影响,在分析逐日空气质量指数（AQI）和常规污染物浓度变化特征的基础上,选取重点污染时段（2020年1月1—17日）为研究对象,基于环境空气质量数据、加密自动气象观测数据及NCEP再分析资料,采用统计分析、污染特征雷达图、气流后向轨迹聚类及天气诊断相结合的方法对重污染过程特征和成因进行分析.结果表明:①2020年1月1日、3日石嘴山市重污染天气主要受燃煤、工业（钢铁、焦化）和机动车等高强度污染排放影响,PM_2.5主要来自一次源;9日重污染天气PM_2.5受二次颗粒物生成影响显著,本地扬尘也有贡献,ρ（PM_2.5）和AQI均达峰值,分别为216 μg/m3和266;其他时段重污染天气由污染物累积和混合造成.②乌海市及其周边污染气团跨区域传输是促使石嘴山市出现高强度PM_2.5污染天气的另一重要因素,当巴彦淖尔市—乌海市—石嘴山市为一致偏北气流、风速小于2 m/s时,易使乌海市及其周边污染气团向南扩散,石嘴山市ρ（PM_2.5）出现短时间爆发增长.③持续高湿静稳气象条件使污染天气长时间维持并加重,当欧亚大陆中高纬度500 hPa盛行纬向弱西风气流、近地面石嘴山市处在蒙古弱高压底部均压场、风向为弱偏北风或偏东风时,易形成持续性PM_2.5污染天气;当风速减至0.7 m/s、相对湿度增至78%时,污染加重.研究显示,此次持续PM_2.5重污染过程是本地高强度污染排放、二次颗粒物生成、区域传输与不利气象条件等因素综合影响和相互叠加的结果;当出现静稳、高湿等不利气象条件时,应加强对各类污染物排放的管控力度,同时充分利用石嘴山市及其周边加密自动气象观测资料,研判污染发展趋势和传输特征,及时开展与乌海市及其周边地区的大气污染联防联控.      

黔江区环境空气质量评价及变化趋势

利用黔江区环境空气的监测资料,采用空气综合污染指数、Daniel趋势检验方法等评价和分析方法,研究了黔江区2012年环境空气质量状况及变化趋势。结果表明:2012年,黔江区环境空气综合污染指数为1.67,满足国家二级标准天数比例为94.2%,影响环境空气质量等级的首要污染物为可吸入颗粒物;2006—2012年环境空气质量变化趋势表明,二氧化氮和可吸入颗粒物随年份变化呈增长趋势;月变化结果表明,黔江城区环境空气质量夏季和秋季质量比春季和冬季好。     

近3年西双版纳州勐腊县大气污染基本特征及污染原因分析

对西双版纳州生态环境局勐腊分局2017年8月-2020年8月逐日空气质量数据的分析表明,2-4月是勐腊县空气质量指数（Air Quality Index,AQI）频繁达到二级及以上的时段,空气质量分指数（Individual Air Quality Index,IAQI）能够达到二级及以上标准的污染物为PM_2.5、PM₁₀、O₃、SO₂中的一种或几种,PM_2.5、PM₁₀污染较为严重,PM_2.5对空气质量的影响最大,可使空气质量达到重度污染,混合污染出现比例远大于单一污染.2019、2020年3-4月勐腊县轻度及以上连续污染日数超过5 d的5次过程中,4次污染过程的主要潜在源区在勐腊上风方向老挝西北部及泰国与其相邻的区域,权重潜在源贡献因子（Weight Potential Source Contribution Function,WPSCF）大于0.6的区域与同年3、4月泰国西北部、老挝西北部的火点密集区有较好的对应关系,4次污染过程与老挝西北部及泰国与其相邻区域的生物质燃烧关系密切;1次污染过程的主要潜在源区主要在当地,当地建筑施工、交通运输、生物质燃烧和餐饮行业细颗粒物的排放会导致勐腊县空气质量出现明显下降.为验证勐腊县连续污染过程受到了周边国家烧荒的影响,利用逐日气溶胶光学厚度（Aerosol Optical Thickness,AOT）对2020年3月23-4月9日的污染过程进行了个例分析,发现AOT大值区位于勐腊上风方向,高浓度污染物持续稳定地向勐腊传输导致勐腊出现持续重污染.     

区域农业生态环境质量综合评价方法与模型研究

为了客观准确的评价区域农业生态环境质量,引入灰色系统理论中的关联度分析法,提出了区域生态环境质量的多级模糊综合评价——灰色关联优势分析复合模型,并以安徽省芜湖市区域农业生态环境质量的综合评价为例,根据芜湖市区域农业生态环境调查与监测资料,进行了实例研究。结果表明:安徽省芜湖市区域农业生态环境已经受到了明显的污染,并且各区域污染水平具有一定的差异;芜湖市区域农业生态环境质量优劣的关联序依次为:南陵县、芜湖县、繁昌县和城市郊区。      

基于PMF模型的PM2.5中金属元素污染及来源的区域特征分析

金属元素是大气PM_2.5的重要组成成分,对人群危害性极强且兼具源特异性,分析不同经济模式地区大气细颗粒物中金属污染状况及来源差异,可以为科学规划城市产业布局和保护大气环境提供参考.通过霾/非霾期大气PM_2.5采样,使用电感耦合等离子体发射光谱仪（ICP-OES）测定成都市及仁寿县样品中18种金属元素质量浓度,分析其污染水平,并基于正定矩阵因子分解模型（PMF）解析两地大气PM_2.5中金属元素的来源.结果表明,成都市扬尘源、移动源和燃煤源特征元素占元素总和的比值大于仁寿县,而仁寿县生物质燃烧源、工业源以及燃油源特征元素占比则较高.两地Cr、Cd和As元素浓度均超标,表明PM_2.5中重金属污染严重.随着霾污染加剧,两地PM_2.5中金属元素总量上升,但增幅远低于PM_2.5浓度增长.此外,不同元素在霾期和非霾期浓度比值存在差异,成都市变化范围为0.7（Al）~2.8（Ba）,仁寿县介于0.8（Al）~3.1（Mn）之间,但总的来说两地大致呈现出燃煤和工业活动排放元素增幅较大,机动车污染源次之,扬尘源增幅较缓的状况.受地区产业布局、经济规模和发展模式的影响,大气PM_2.5中金属元素污染水平及来源呈现出不同的区域特征.在重点发展第三产业的大型城市,如成都,更易遭受交通运输和城市建设等带来的大气污染,而在仁寿等第二产业占比不断增加的郊县,其污染主要受化石燃料燃烧和工业过程排放的影响.