乌鲁木齐空气质量指数特征及其与气象要素相关性分析

利用2018年3月至2019年2月乌鲁木齐市空气质量指数(AQI)和同期6种主要空气污染物(PM_(2.5)、PM_(10)、NO_2、SO_2、CO、O_3)以及气象要素数据,研究空气质量指数的变化特征,并分析其与6种主要空气污染物浓度及气象要素的相关性,为乌鲁木齐市大气污染与气象要素相关性研究提供一定的数据支撑。结果表明:乌鲁木齐市首要污染物最多的是PM_(2.5),其次是PM_(10)、NO_2和O_3,AQI指数与PM_(2.5)、PM_(10)、NO_2、SO_2、CO均呈高度相关,与O_3呈中度相关;空气质量指数与平均气温以及能见度具有显著的负相关性(p0.01),而与平均本站气压、平均相对湿度、平均风速、日照时数的相关性均不显著(p0.01)。     

万盛大气污染特征分析及污染预报模型的建立

利用2017年4月1日～2019年3月31日万盛经开区万东北路站点的空气质量日均值监测数据进行分析发现,万盛大气污染具有很强的季节变化特征,冬半年主要污染物为PM_(2.5),夏半年主要污染物为O_3,冬半年污染重于夏半年,颗粒物污染重于O_3污染。万盛污染以轻度污染为主,仅有冬季会出现中度以上污染天气,其首要污染物均为PM_(2.5)。利用多元回归模型和差分自回归移动平均模型(ARIMA)建立了万盛PM_(2.5)、PM_(10)与O_3的预报模型。通过对模型得出的预报值与实况值的比较来看,预报与实况的变化趋势基本一致,均可以较好的指示未来AQI的变化趋势。多元回归预报模型中,O_3的预报效果要远好于PM_(2.5)和PM_(10);而ARIMA预报模型三者预报效果接近。总体来说,ARIMA (p,d,q)预报模型对颗粒物污染的预报效果要远好于多元回归预报模型,而O_3则两种模型预报效果接近。     

香港地区不同类型站点大气污染变化特征对比研究

选取香港环境保护署设立的5个代表性站点(可归类为路边站、一般站及背景站)2016年的监测结果,对获取的各类污染物(PM_(2.5)、PM_(10)、NO_2、NO_X、SO_2、O_3)浓度变化特征进行对比研究,结果表明:(1)三类站点颗粒物及SO_2浓度年均值差异较小,体现了其区域性的污染特性,NO_2与NO_X年均值均为路边站一般站背景站,而O_3则相反,路边站最低而背景站最高;(2)各类站点PM_(2.5)与PM_(10)季节差异表现为夏季最低而冬季最高,O_3最低值也出现在夏季;(3)三类站点大气污染物日变化特征差异显著,路边和一般站NO_2与NO_X日变化表现为"早晚双峰"型,背景站变化幅度较小;路边站、一般站颗粒物日变化表现为单峰型,峰值出现在晚间22∶00,背景站变化幅度较小;O_3在路边站和一般站呈现双峰型变化,而在背景站为单峰型,峰值出现在下午15∶00左右;(4)所有站点PM_(2.5)、NO_X及O_3"假日效应"明显,具体表现为:PM_(2.5)和O_3浓度在假日全天浓度高于工作日;路边站和一般站的NO_X浓度在假日0∶00~8∶00时段高于工作日,其余时间均低于工作日。     

WRF CMAQ模式对常州市空气质量预报效果的评估

基于通用多尺度空气质量模型The Weather Research and Forecasting model coupled with CMAQ(WRF-CMAQ)对常州市2018年6～12月的空气质量预报结果,结合实况资料,进行了预报效果评估,以期为常州市空气质量的预报提供更好的参考。结果表明:(1)模式对常州市各预报时效空气质量指数(AQI)和各污染物浓度的标准化平均偏差(MFB)和标准化分数误差(MFE)均处于"理想水平"范围,能较好的反映实际空气质量变化趋势。(2)当空气质量为优良时,AQI和空气质量等级(AQI等级)预报效果最好,当空气质量达中度及以上污染时,预报效果最差,应进一步优化调整。(3)模式对首要污染物24小时预报准确率为66.9%,当空气质量为轻度污染及以上级别时,预报准确率较高。(4)模式对AQI的预报总体存在负偏差,对细颗粒物(PM_(2.5))浓度的模拟结果较好,对臭氧(O_3)和可吸入颗粒物(PM_(10))存在低估现象,对二氧化硫(SO_2)、二氧化氮(NO_2)和一氧化碳(CO)等3项污染物浓度均有所高估。     

燃放烟花爆竹对自贡市环境空气质量的影响分析

利用2016～2019年春节期间自贡市环境空气自动监测系统主要污染物浓度小时及日监测数据,分析燃放烟花爆竹及采取禁燃措施对自贡市空气质量的影响。结果显示:集中燃放烟花爆竹会造成短时空气严重污染,但随着自贡市实行行政辖区内全面禁止销售、燃放烟花爆竹,污染状况明显改善,2019年污染时段在春节期间占比较2016下降45. 6%。颗粒物浓度(PM_(2. 5)、PM_(10))大幅度下降,2019年春节期间PM_(2. 5)和PM_(10)均值分别为73μg/m~3和104μg/m~3,2019年春节期间PM_(2. 5)和PM_(10)均值分别较2016年同期下降了55. 2%和51. 6%。烟花爆竹对PM_(10)和PM_(2. 5)浓度影响明显高于SO_2、CO、O_3、NO_2。春节期间有利的气象因素对自贡市污染物的稀释和扩散具有一定的影响,但禁燃烟花爆竹对颗粒物浓度降低起决定性作用。     

兰州市冬季采暖对空气质量影响的断点分析

基于2015—2018年兰州市空气质量及气象数据,采用断点回归方法估计冬季采暖事件对空气质量污染物浓度的处置效应,借此研究兰州市煤改气、煤改电等政策实施之后,采暖前后空气质量指数及6项污染物的结构性变化。3 a采暖期对比分析结果显示:冬季采暖效应显著增加了空气质量污染程度,在样本平均水平上相当于使AQI增加了约31.35%;PM_(2.5)和PM_(10)在断点两侧提升约52.08%、44.56%;O_3无明显规律,PM_(2.5)、PM_(10)的增加间接导致浓度下降。     

四川省近年来空气质量变化趋势及污染特征分析

采用2013～2017年四川省环境空气质量监测数据,按照国家最新标准及技术规范分析空气质量变化趋势及污染特征。结果表明:四川省城市空气质量总体逐年好转,优良天数率在80%左右波动上升;PM_(10)和SO_2浓度高于全国平均下降率;PM_(2.5)浓度与全国平均下降率持平;NO_2浓度在2017年开始反弹明显;细颗粒物二次转化问题突出,PM_(2.5)/PM_(10)比例在62%左右;NO_2/SO_2逐年上升,大气氧化性逐年增强;21个城市O_3第90百分位浓度平均升幅为10.7%,O_3造成的污染天数逐年上升。大气污染形势的变化表明加大对VOCs和NO_X的协同减排刻不容缓。     

新疆“乌-昌-石”区域空气质量变化特征分析

《自治区打赢蓝天保卫战三年行动计划(2018-2020)》将"乌-昌-石"重点区域作为主战场,其空气质量受到广泛关注。通过收集2018～2020年"乌-昌-石"区域空气质量数据,分析区域及所辖城市主要大气污染物浓度的时空分布特征和变化趋势。结果显示:2018～2020年"乌-昌-石"区域空气污染具有明显的时间和空间分布特征。2018～2020年"乌-昌-石"区域污染物PM_(10)、PM_(2.5)、NO_2和SO_2的年均浓度呈波动下降的趋势,CO和O_3的年均浓度呈小幅度波动上升的趋势;优良天数比例呈波动上升趋势。6种污染物质量浓度年内分布特征为单峰型分布,PM_(2.5)、PM_(10)、SO_2、NO_2、CO峰值在1～2月,O_3峰值在7月;五个地区的优良天数比例年内变化规律基本一致,均呈现倒"U"型曲线,1～2月污染最重,优良天数比例为22.60%～21.40%,12月次之,为38.70%。PM_(2.5)质量浓度在空间分布上呈现阜康最高、乌鲁木齐市最低,NO_2质量浓度分布为乌鲁木齐市最高、昌吉市和石河子市较高、其余地区较低,O_3质量浓度最大的地区为石河子市、其余地区均较低。     

黄河流域城市PM_(2.5)时空异质及空间溢出效应研究北大核心

选择2000—2020年黄河流域69个地级市PM_(2.5)浓度相关监测数据,采用空间自相关模型和空间回归模型对流域PM_(2.5)污染时空特征和空间溢出效应进行分析。结果表明:①2000—2020年黄河流域城市年度PM_(2.5)浓度值呈“先升后降”的趋势,黄河流域PM_(2.5)污染呈“先恶化、后改善”的趋势。②黄河流域PM_(2.5)浓度年度均值为52.99μg/m^(3),其中,上游、中游和下游PM_(2.5)浓度年度均值分别为39.35μg/m^(3)、54.65μg/m^(3)、72.53μg/m^(3),表明黄河流域PM_(2.5)污染水平地理梯度分布呈“上游<中游<下游”的态势。③黄河流域PM_(2.5)污染具有显著的空间自相关性和空间聚集特征,下游已形成较为稳定的大气污染区,但流域PM_(2.5)污染水平空间极化程度不断降低,空气质量朝着空间均衡方向不断改善。④黄河流域城市PM_(2.5)污染空间溢出效应明显,年均气温、人口密度、工业化程度、人均GDP等因素与城市PM_(2.5)污染水平呈正向相关性,降水量、年均风速、植被覆盖度等因素与城市PM_(2.5)污染水平之间呈负向相关性。     

秦皇岛空气污染特征及其与气象因素的关系

利用国控站点空气监测数据和气象数据,对2016年秦皇岛市空气污染特征及其与气象因素的关系进行了分析。结果表明:2016年秦皇岛市NO_2、PM_(10)和PM_(2.5)浓度未达到国家二级标准限值,污染物浓度季节变化规律明显,SO_2峰值出现在1月,O_3峰值出现在5月,PM_(10)、PM_(2.5)、NO_2和CO浓度峰值均出现在12月。污染物在西南偏西风时污染程度较高。PM_(10)、PM_(2.5)、SO_2、CO浓度受风速影响较小,NO_2、O_3浓度受风速影响较大。颗粒物浓度受湿度影响较大,随湿度增加而增大。     

基于三次指数平滑模型的雾霾天气预测

通过分析郑州市2013—2016年空气质量指数月统计数据,可以看出空气质量指数(AQI)、PM_(2.5)、SO_2等指标均关于时间呈非线性趋势。应用三次指数平滑模型对郑州市2017年每月的AQI、PM_(2.5)、SO_2等指标进行预测。结果表明,郑州市2017年雾霾天气与实际季节变化相符,且呈"U"型分布。     

长沙市空气质量变化特征及气象要素影响分析

利用2015—2018年长沙市连续在线观测得到的环境空气6项污染物质量浓度和同期的气象要素数据,分析空气质量变化特征及其与气象要素的关系。结果表明:长沙市空气质量正逐年好转,且具有明显的季节特征,呈春夏季较好、冬秋季较差的特征;影响长沙市空气质量最主要的首要污染物为PM_(2.5),其次为O_3,且以PM_(2.5)为首要污染物的天数逐年减少,以O_3为首要污染物的天数逐年增加。PM_(2.5)、PM_(10)、NO_2、SO_2、CO浓度的季节变化特征都是夏低冬高,但O_3浓度的季节变化却是夏高冬低。各项污染物浓度与同期5种气象要素的相关性分析结果表明:各项污染物浓度与气压、气温、降水量、风速相关程度较高,其中,O_3与气象要素的相关性与另外5种污染物的相关性完全相反。     

降水对西宁市大气污染物浓度的影响分析

文章利用西宁市区2013~2014年逐日空气污染日平均浓度资料和日平均降水资料,分析了西宁市区大气污染物浓度的分布和不同等级降水对SO_2、NO_2、PM_(10)、PM_(2.5)污染物浓度的清除能力。结果表明,西宁市空气质量以二级为主,二级天数占样本总数的57.8%;西宁市大气中的首要污染物是PM_(10)和PM_(2.5);降雨、降雪对污染物浓度具有稀释作用;不同等级的降雪量对4种污染物的稀释作用不同,降雪量在0.5mm以下时对污染物浓度的清除作用较弱甚至出现反弹现象,降雪量≥5.0mm时对4种污染物的清除能力最强;降雨量越大,对各项污染物的清除作用越明显,日降水量≥10.0mm对4种污染物的清除率达到了29.54%~57.57%;清除能力表现为SO_2PM_(10)PM_(2.5)NO_2的特征;连续降雪比连续降雨更有利于空气质量的改善;降雨等级不同时,AQI指数级别不变的天数居于首位的均为PM10;降雪量为0.6~1.0mm、1.1~1.9mm、≥5.0mm时,AQI指数级别不变的天数居于首位的是PM2.5;无论降雪还是降雨,PM_(10)和PM_(2.5)级别下降天数明显大于上升天数,尤其以PM2.5明显。     

气象因素对成都市主要大气污染物影响的非参数分析

通过获取2014年成都市大气污染物和气象因素的在线监测数据,分析大气污染物的时间变化规律,并采用Spearman秩相关系数来分析污染物逐日浓度和气象因素的相关性。结果显示,SO_2、NO_2、CO、PM_(10)和PM_(2.5)夏季浓度最低,冬季最高,O_3则夏季最高,冬季最低;受秸秆露天焚烧影响,5月各污染物浓度均出现一个小高峰。温度和风速均与O_3显著正相关,与其他污染物显著负相关;大气压则相反;相对湿度与各污染物均显著负相关,但在严重污染时与颗粒物显著正相关。     

高密市环境空气污染物浓度变化特征

基于2014—2018年高密市大气监测数据,分析了SO_2、NO_2、PM_(10)、PM_(2.5)浓度的变化特征及成因,对四项污染物及降雨量进行了相关性分析,利用GM(1,1)模型对高密市未来空气质量进行了预测。结果表明,2014—2018年高密市环境空气中SO_2、NO_2、PM_(10)、PM_(2.5)年际变化呈现出逐年下降趋势;污染物月均值变化均为冬春季浓度高,夏秋季浓度低;通过相关性分析发现,环保政策对高密市空气质量总体改善起到了决定性作用,自然地理因素对高密市大气污染物月均值的变化影响明显。     

2015-2018年衡阳市城区环境空气污染特征分析

本文利用2015~2018年衡阳市城区空气质量监测数据,分析环境空气污染特征及变化趋势。研究结果表明:2015~2018年衡阳市城区环境空气以PM2.5、PM10、O3污染为主,其中PM2.5和PM10年均值浓度呈下降趋势,O3年均值浓度呈不规则波动变化;年内时空变化上,O3呈现夏、秋季浓度高和冬、春季浓度低的特点,PM2.5和PM10呈现出夏季浓度低、冬季浓度高的特点。针对衡阳市空气污染物特征,提出了衡阳市城区空气质量改善的对策建议。     

NAQPMS模型预报合肥、蚌埠和芜湖空气质量的效果评估

评估了NAQPMS模式预报的合肥、蚌埠和芜湖2017年3月1日—2018年2月28日PM_(2.5)、PM_(10)和O_3地面浓度及预报准确率,发现模式对物种的预报能力依次为:O_3 PM_(2.5)PM10;对城市的预报能力依次为:合肥芜湖蚌埠。模式对PM_(2.5)和PM_(10)的预报能力在春季较弱,对O_3的预报全年均较强。整体而言,评估地区的空气质量以优良为主,等级准确率在秋季最高,冬季最低,年均值为69%;首要污染物以PM_(2.5)、O_3、PM_(10)和NO_2为主,其准确率在冬季最高,春季最低,年均值为62%。     

我国部分地区大气污染现状及其分布特征

收集2014—2016年我国部分地区环保部常规监测的6项大气污染物浓度,重点分析了我国东北、华北、华东、华中、西部地区经济快速发展城市空气污染的状况及分布特征。结果表明:除O_3外,其余污染物浓度均下降,SO_2二级达标率持续上升。各污染物区域性分布显著,北方比南方污染重。东部O_3污染严重;PM_(10)、CO浓度在华北地区最高;SO_2浓度在东北、华北最高;PM_(2.5)、NO_2浓度在华中、华北最高。华北地区大气污染严重,华东PM及SO_2污染最轻。     

克拉玛依市PM_(2.5)污染特征分析

对克拉玛依市2014-2015年PM_(2.5)质量浓度进行整理统计,通过Arc GIS空间插值和EXCEL数理统计分析得出PM_(2.5)的质量浓度变化特征。结果表明,PM_(2.5)各小时浓度均低于国家二级标准,整体空气质量为良;PM_(2.5)季节浓度呈现冬季高,春夏低的规律,其中2月份浓度最高,为63.7μg/m3,4月份最低为23.6μg/m3;各监测站PM_(2.5)浓度受盛行风影响自西北向东南方向递增,依次为南林小区、长征新村、白碱滩区、独山子区、乌尔禾区商贸区;PM_(2.5)与PM10全年平均比值为0.53,整体空气污染较重。此外,PM_(2.5)与NO_2和SO_2均呈正相关,与O_3呈负相关性,说明汽车尾气和化石燃料排放是PM_(2.5)的主要来源。     

近20年来乌鲁木齐空气质量时空变化趋势分析

基于2001～2018年乌鲁木齐市空气质量监测数据及2014～2018年各监测站点的数据,采用主成分分析法、BFAST趋势分析法、及反距离权重插值法对乌鲁木齐市空气质量进行时空分析。结果表明:乌鲁木齐市空气质量在2012年前呈升高降低交替的趋势,2012年煤改气后呈急速下降的趋势;污染物以PM_(2.5),SO_2,CO为主,方差累计贡献率达到85.37%;由BFAST对AQI时间序列进行分解与识别发现,周期为1年且AQI呈现两头高中间低的双峰型特征,6～8月为U型谷底,趋势上呈现逐年递减的趋势。由空气质量空间分布得出AQI高值区仍然聚集在新疆农科院农场和米东区环保局,低值区则集中在收费所与监测站且由北向南呈逐渐递减的趋势;变化速率最快的为铁路局,改善最好的是米东区环保局,空间插值与主成分分析结果一致。