西安市黑碳气溶胶浓度特征及与气象因素和常规污染物相关性

利用西安市环境监测站超级站2013年9月1日—2015年5月31日黑碳气溶胶(BC)的监测数据,研究空气中BC浓度特征及其与气象因素和常规污染物相关性。结果表明:BC小时平均浓度均值在春季、夏季和冬季的变化趋势呈\"W\"型,秋季呈\"V\"型,且冬季的第一个最低值和峰值比春季和夏季的分别延迟1 h和2~3 h,且20:00~次日6:00秋季BC小时平均浓度均值高于当年冬季。BC浓度在秋季和冬季较高,夏季较低。冬季BC/PM_(2.5)基本最低,秋季BC/PM_(2.5)相对最高。BC日平均浓度与气温、降水和风速的日平均值为极负显著相关,且风速小于1.0 m/s时,其与风速呈最显著的负相关。除O_3外,BC日平均浓度与其他常规空气污染物浓度呈显著相关,表明其同源性很强,且受机动车尾气排放的影响更大。     

西沙永兴岛黑碳浓度特征初探

2012年5月6—9日利用黑碳仪获得了西沙永兴岛小时黑碳浓度数据。结果显示,西沙永兴岛黑碳小时浓度值变化范围为0.1~2.9 μg/m³,平均浓度为0.6 μg/m³,80.5%的小时浓度数据集中在0.2~0.7 μg/m³;黑碳浓度与风速、降水密切相关,风速大于2.5 m/s有利于黑碳扩散,降水对黑碳冲刷作用明显;黑碳浓度与背景区域的瓦里关黑碳浓度相近,高于背景区域的南极中山站,明显低于国内的多个城市及郊区的黑碳浓度。     

苏州市黑碳气溶胶的污染特征分析

2012年1—12月,对苏州市区黑碳气溶胶浓度进行监测和分析。结果表明,苏州市区黑碳平均质量浓度为3.3μg/m3,且季节变化明显,即夏季的平均浓度最低,秋末、冬初、春末时段黑碳浓度易出现高值,其分布规律与春季秸秆焚烧、秋冬季逆温雾霾时期相吻合;与周围生物质燃烧和工业排放有关。日变化有明显的峰值、谷值,一般在每日的6:00—9:00、18:00—20:00出现高值,低值则出现在午后12:00—15:00;与国外城市相比,苏州黑碳浓度偏高,但与国内城市(北京、天津、沈阳、本溪)相比,则浓度相对较低。     

2021年苏州黑碳气溶胶浓度特征及来源解析

于2020年12月1日—2021年11月30日利用7波段黑碳仪（AE-31）观测苏州地区黑碳（BC）浓度变化特征,并使用黑碳仪模型和后向轨迹模型分析BC排放来源和潜在源区。结果发现,苏州地区BC年平均质量浓度为（1.29±0.64）μg/m³,冬季BC质量浓度最高,为（1.61±0.89）μg/m³,秋季为（1.34±0.61）μg/m³,春季为（1.23±0.48）μg/m³,夏季最低,为（1.03±0.43）μg/m³。各季节工作日、非工作日BC质量浓度日变化均呈早晚双峰分布规律。BC质量浓度与风速、气温、降水量呈负相关,与相对湿度相关性并不显著。黑碳来源解析结果表明,相比于固体燃料（如煤和生物质燃烧）,液体燃料（如交通排放）对苏州BC质量浓度的贡献在各季节均占主要地位（74.2%～76.3%）,且夏季最高,冬季最低。同时,后向轨迹模拟和浓度轨迹权重分析的潜在源区结果显示,与本地污染相比,影响苏州地区BC的更多为输送型气团;各季节BC的潜在源区也稍有差异,主要以西南方向的影响为主。     

上海市路边环境空气黑碳气溶胶污染特征及影响因素研究

为研究上海市路边环境空气黑碳(BC)的污染特征,采用连续监测方法对2016年1月至2018年12月上海市路边环境空气BC浓度进行了监测,并同步监测了气象因子,分析了BC的时间变化特征,探讨了气象因素对BC的影响以及不同空气质量等级下BC浓度水平.结果表明:2016、2017、2018年上海市路边环境空气BC年均质量浓度...     

全国大气背景地区黑碳浓度特征

分析了2015年14个背景站黑碳浓度水平及分布规律,结果表明:我国背景地区黑碳小时浓度均值呈现明显的对数正态分布特征,14个背景站880 nm波长时年均质量浓度为88.7~1 487.6 ng/m~3,小时最大峰值为685.0~13 731.0 ng/m~3,长岛和衡山相对较高;24 h日浓度变化基本呈现\"单峰\"状,但峰值出现时刻有所不同;工作日和周末的浓度变化趋势基本相似,但浓度高低与所在区域生产生活方式不同而有所差异。初步探讨了风速和风向与浓度污染水平的关系,相对风速而言,风向对黑碳的浓度影响较大,后向轨迹结果也印证了风向的影响。     

宝鸡高新区黑碳气溶胶浓度特征及其影响因素研究

为研究宝鸡高新区黑碳(BC)气溶胶浓度的变化特征及其影响因素,利用2017年3月1日至2018年2月28日的BC气溶胶浓度、PM_2.5质量浓度以及风速风向数据,对该地区BC气溶胶质量浓度特征变化及其影响因子进行分析。结果表明,宝鸡高新区BC和PM_2.5质量浓度范围分别为0.35⁶.18μg/m³和8.01¹92.20μg/m³,平均值分别为(1.67±1.22)μg/m³和(46.96±33.18)μg/m³。BC气溶胶的背景质量浓度为(0.81±0.76)μg/m³。BC与PM_2.5的相关系数为0.673,呈正相关。观测期间10—12月BC质量浓度较其他月份相对较高,其季节变化由大到小依次为冬季>秋季>春季>夏季,这可能与采暖季用煤及气象条件不同有关。BC气溶胶的日变化有峰谷值,峰值出现在07:00—09:00和20:00—22:00,谷值出现在14...     

连云港黑碳气溶胶污染特征研究

采用2016年大气多参数站监测数据,分析连云港市大气中ρ(黑碳气溶胶)的小时及月度变化规律,结果表明,观测期间,黑碳气溶胶与NO_2、CO、PM_(10)、PM_(2.5)显著相关,与风速、能见度等呈负相关;黑碳气溶胶年均值为2.10μg/m~3,日变化呈明显双峰型,峰值出现在08:00和21:00左右;从季节看,ρ(黑碳气溶胶)冬春季高、夏秋季低;在不利气象条件时,ρ(黑碳气溶胶)有所增高,通过模型分析化石燃料燃烧产生的黑碳占比增大,说明在不利气象条件时,化石燃料燃烧产生的黑碳是影响ρ(黑碳气溶胶)及ρ(颗粒物)上升的主要因素。     

盐城市城区VOCs污染特征及来源解析

2020年4—9月通过离线采样研究了盐城市城区大气中的挥发性有机物(VOCs)浓度水平及组成特征、臭氧生成潜势、二次有机气溶胶生成潜势以及毒性效应等多效应评估和来源贡献。结果表明:盐城市城区VOCs平均体积浓度为35.09×10^-9,盐塘湖公园站点浓度最高;盐城市VOCs主要组分为含氧有机物(OVOCs)和烷烃。通过挥发性有机物多效应评估发现,关键物种为乙醛、对二乙苯、丙酮、甲苯和间/对二甲苯等。采样期间对VOCs浓度的主要贡献来源为二次生成、工业排放和交通排放。     

阜新市大气污染特征及气象因子影响分析

利用2016—2020年阜新市大气污染物浓度和空气质量指数,分析其空气质量变化特征及其与气象因子的相关性。结果表明：2016—2020年阜新市细颗粒物（PM_2.5）和可吸入颗粒物（PM₁₀）污染日数逐年减少,臭氧（O₃）污染加剧。与2016年相比,2020年重度以上污染天数比例减少0.3%,优良天数比例下降5.2%。阜新市空气质量秋季最好,夏季首要污染物为O₃,秋、冬季污染物以PM_2.5 和PM₁₀为主。皮尔森（Pearson）相关性分析结果表明,PM_2.5 与风速呈负相关（-0.055）,冬季PM_2.5 与气压呈负相关,相关系数最大,为-0.260;反之,相对湿度在冬季与PM_2.5 呈显著正相关,相关系数最大（0.553）。与PM_2.5 不同,气温是影响O₃质量浓度的主要气象因子,春季O₃与气温呈正相关,相关系数最大,为0.635。降雨日污染物浓度随降雨量增大呈不同程度地减小,污染物浓度在小雨量级达到最高。研究结果对于研究阜新市大气污染状况和气象条件的相互关系具有重要意义,同时,风速、气温、气压和相对湿度等关键气象因子及其阈值变化能够为本地环境预报提供科学参考。     

枣庄市大气污染物变化特征及模型预测

使用2019—2023年枣庄市逐小时空气质量监测数据和同期气象数据,对大气污染物的时空变化特征进行了分析,并探讨了其与气象要素的相关性,同时利用卷积神经网络-门控循环单元-注意力机制(CNN-GRU-Attention)深度学习模型对细颗粒物(PM_2.5)、可吸入颗粒物(PM₁₀)和臭氧(O₃)这3种主要大气污染物质量浓度进行预测。结果表明,2019—2023年枣庄市大气污染物质量浓度整体呈改善趋势,但2022—2023年大气污染水平有所上升;PM_2.5和PM₁₀质量浓度[ρ(PM_2.5)和ρ(PM₁₀)]表现为冬季高、夏季低,而O₃质量浓度[ρ(O₃)]则表现为夏季高、冬季低;颗粒污染物的日内昼夜变化较大,00:00—06:00均呈现平稳下降趋势,06:00开始逐渐上升,09:00到达日最大值,之后呈下降趋势,日最小值出现在16:00,之后又呈现平稳上升趋势,21:00后趋于稳定,揭示了居民出行活动对颗粒物质量浓度日变化影响较大;此外,采暖期(11月15日—次年3月15日)的ρ(PM_2.5)是非采暖期的近2倍。模型预测结果表明,其对ρ(PM_2.5)的预测效果最好,决定系数(R²)达到0.923,平均绝对误差(MAE)为6.466μg/m³,均方根误差(RMSE)为8.856μg/m³;对ρ(PM₁₀)的预测效果较差,R²为0.808,MAE为16.186μg/m³,RMSE为26.853μg/m³;对ρ(O₃)预测的R²为0.810,MAE为11.632μg/m³,RMSE为15.739μg/m³。该研究能够为枣庄地区大气污染的实时监控和预警提供技术支持。     

Modelling the Removal of Gaseous Pollutants and Particulate Matters from the Atmosphere of a City by Rain: Effect of Cloud Density

In this paper, an original nonlinear mathematical model for the removal of gaseous pollutants and particulate matters from the atmosphere of an industrial city by rain is proposed and analyzed. It is assumed that five interacting phases in the atmosphere of the city exist, i.e., cloud droplets phase, raindrops phase, gaseous pollutants phase, particulate matters phase, and the phase of absorbed gaseous pollutants in raindrops. It is assumed further that these phases undergo nonlinear interactions in the atmosphere, while gaseous pollutant interacts with cloud droplets as well as with raindrops but particulate matters interact only with raindrops. The gravitational settling and reversible reaction processes have also been considered appropriately in the model. By analyzing the model, it is shown that both the gaseous pollutants and particulate matters may be removed from the atmosphere under certain conditions, provided the rates of formation of cloud droplets and raindrops are sufficiently large. It is noted that under unfavorable atmospheric conditions, rain does not occur and pollutants are not removed from the atmosphere.     

基于RBF神经网络的PM2.5浓度预测

针对传统RBF神经网络在PM25回归预测中参数优化的问题,提出了粒子群算法优化的径向基神经网络（PSO-RBF）、鲸鱼算法优化的径向基神经网络（WOA-RBF）、北方苍鹰算法优化的径向基神经网络（NGO-RBF）和灰狼算法优化的径向基神经网络（GWO-RBF）4种模型,以2021年12月1日—2022年8月31日拉萨、成都、北京和上海的大气污染物、气象因素、大气可降水量（PWV）及叶面积指数（LAI）的小时数据作为训练集,分别预测了4个城市在2022年9月、10月、11月共计91 d的PM25质量浓度变化。结果表明：PSO-RBF模型的优化性能最为显著,相对于RBF模型,PSO-RBF模型的MAE、MAPE、RMSE、R2均得到显著提升。     

燃煤电厂超低排放气态污染物监测技术综述

介绍了燃煤电厂超低排放气态污染物监测系统的采样系统和分析单元,分析了其各自的优缺点。对稀释抽取式、冷干抽取式和热湿抽取式3种采样方法,以及非分散红外吸收法(NDIR)、非分散紫外吸收法(NDUV)、紫外差分吸收法(DOAS)、紫外荧光法(UVF)和化学发光法(CL)5种分析方法进行对比。结果表明,冷干抽取式+紫外差分法以及稀释抽取式+紫外荧光法+化学发光法可以较好地符合燃煤电厂超低排放监测的要求。     

常州城区秋冬季黑炭气溶胶的浓度变化特征

根据常州市2012年9月-2013年1月的黑炭气溶胶（Black Carbon,以下简称BC）在线监测数据及常规气象资料,分析了BC在秋冬季不同时间段的变化特征及气象要素对BC的影响。结果表明,常州秋冬季BC平均值为5．17（1．48～17．02）μg／m^3,主要集中在1．00斗μg／m^3～7．50μg／m^3,冬季较高于秋季,小时均值最大值达33．87μg／m^3;BC本底值为3．50μg／m^3;1月份BC日均值变化幅度最大,发生高污染的频率最高。Bc的日变化具有明显的双峰结构,一天中最大浓度多出现在上午06：00-09：00,特殊天气条件下,BC小时值存在不同的分布情况;BC在不同风向的输送条件下有明显的不同,偏东北方向过来的气团易造成BC高污染。     

建德市大气SO2浓度与气象条件关系初探

利用实测资料分析了建德市大气ＳＯ２与风向、风速、气温、湿度、降水量、逆温气象因子间的关系，认为，冬季污染源下风向混合区ＳＯ２浓度出现最高值，在静风和微风情况下，城市污染水平基本上可代表城市的总体污染水平。     

厦门市空气质量臭氧预报和评估系统

为了评价和预测厦门市区空气中臭氧的污染水平,运用2006～2009年的监测数据对臭氧的污染成因及其变化规律进行研究。通过风向、风速、气温、湿度等气象因子对臭氧浓度影响的分析,进而运用多元线性回归法建立厦门市臭氧预报及评估系统。     

Statistical Analysis of Air Pollutants and Meteorological Parameters in Afyon, Turkey

In this study, the relation between sulfur dioxide (SO₂) and particulate matter (PM) concentrations periodically measured in the city of Afyon’s atmosphere with meteorological factors such as precipitation, humidity, temperature, wind velocity, and inversion were investigated. The mean values of SO₂ and PM concentrations measured during the winter months of October–March 1990–1999 were correlated with the meteorological parameters of the same period. Simple and multiple linear regression analysis were utilized to evaluate the contribution of meteorological variables. The statistical results show that the pollutants, i.e., SO₂ and PM are dependent upon humidity, temperature, and inversion at the 1% significance level; while the dependence of both pollutants with temperature is negative when those of humidity and inversion are positive. Two models in which temperature and inversion are dependent with multiple variables are recommended for predicting the contribution of meteorological parameters on SO₂ and PM. In addition, the relationship between humidity, temperature, and inversion with pollutants is also determined using nonlinear (polynomial) models.