环境空气质量指数（AQI）的EXCEL实现研究

空气质量指数以数值的形式表述空气质量状况、便于公众简明、清楚地了解空气质量的优劣程度,及时、准确地向公众提供易于理解的当地空气质量状况。基于EXCEL软件计算环境空气质量指数（AQI）的方法具有普及意义,有助于AQI算法在基础应用层面的实现,也有助于验证数据库开发中使用算法的准确性。本文结合苏州市环境空气监测数据,详细介绍如何在EXCEL中实现AQI的计算,供相关从业人员参考。     

咸阳市环境空气质量现状评价

根据咸阳市国控监测点2018年度环境空气监测结果数据统计,通过空气质量AQI指数法评价,分析出咸阳市环境空气质量情况以及空气质量年内时空变化情况、年度变化情况,最后得出结论并分析原因。     

基于微信公众平台的空气质量显示系统的设计与实现研究

空气质量的好坏直接影响着人类的出行和健康,创建便于查询的空气质量显示系统,可以使人们简单直观的了解当日的空气质量指数(AQI).随着互联网的迅猛发展,"微信"逐渐成了人们日常通信的重要工具.本系统利用物联网技术与微信公众平台相结合,提出了空气质量显示系统的设计与实现方案,来建设空气质量显示系统.该系统可从各个区内监测点得到空气质量指数数据,进而将每日各个时段的空气质量指数(AQI)以动态图的方式直观清晰的展示给用户,为人们的出行带来了方便.     

空气质量健康指数构建及与现有评价体系的比较:以丽水市为例

为了解大气污染物对人体健康的影响,采用时间序列广义可加模型分析2013-2018年丽水市大气污染物与健康效应的关系,构建丽水市不同人群空气质量健康指数（AQHI）及分级方法,比较AQHI、调整后的环境空气质量健康指数（AQHI_a）、空气质量指数（AQI）和环境空气质量综合指数对健康效应的预测能力.结果表明:①如以AQI和环境空气质量综合指数来评价,丽水市春夏季主要污染物为O₃,秋冬季为PM_2.5;如以AQHI来评价,则O₃为丽水市全年最主要的污染物,其次是NO₂.②在多种污染物同时存在的情况下,AQHI比AQI具有更高的敏感性,AQHI与环境空气质量综合指数的相关性比与AQI的相关性好.③4种指数在秋冬季对健康效应的预测准确度均高于春夏季,AQHI_a是4类指数中预测健康效应最好的,其次为环境空气质量综合指数.研究显示,需高度重视O₃污染问题,建议空气质量较好的地区构建AQHI或AQHI_a来反映空气质量.      

高原省份城市空气质量状况统计分析及PM_(2.5)污染水平时空分布

收集了地处高原的云南省全省8个地级市、8个自治州政府所在地城市共40个监测点2015年全年(2015.01.01—2015.12.31)的大气PM_(2.5)、PM_(10)、SO_2、NO_2、O_3、CO、O_3-8 h日均浓度数据,计算出年均浓度值、空气质量指数AQI,并根据《HJ633-2012环境空气质量指数(AQI)技术规定(试行)》对云南省各州市政府所在地城市空气质量进行评价。PM_(2.5)年均浓度值最高的是文山,为37.89μg/m~3;最低的是丽江,为16.21μg/m~3。空气质量评价结果表明,云南省2015年整体空气质量状况优良,空气质量状况最好的是香格里拉,空气质量指数为35.76;空气质量指数最高的是昭通,为68.26。SO_2、NO_2与PM_(2.5)的关系呈现正相关,PM_(10)的变化趋势与PM_(2.5)的变化趋势较一致。     

中美空气质量指数(AQI)对比研究及启示

对中美两国空气质量指数(AQI),特别是颗粒物分指数进行了对比研究,并利用2013年4月至12月期间,中国环境监测总站发布的环境空气质量监测数据,开展了典型大气污染过程的分析.结果表明,中国环境空气质量标准的研究、制订和发布起步虽晚但发展很快,所包含的污染物指标更全面,能够客观地反映出中国空气污染的特征,也更贴近居民对空气质量的切身感受;中美计算颗粒物小时AQI采用的方法不同,对比发现中国采用颗粒物24 h平均浓度限值代替1 h平均浓度限值的计算方法会将污染等级倾向于严重化;中国在计算颗粒物AQI时设定的颗粒物浓度限值存在一定的问题,导致AQI200时,PM2.5/PM10的比值出现与实际不符的现象;对奥体中心监测点数据分析显示,AQI50时,PM2.5/PM10比值小于0.5,且PM2.5/PM10的比值随着污染指数等级的增大而增大.建议尽早修订和调整颗粒物实时报的浓度限值和计算方法.     

EXCEL在空气质量周报中的应用

运用EXCEL2000电子表格软件能够简单便捷地完成城市空气质量周报的数据统计分析和管理，直接实现空气质量监测网络间的数据传输、发布和共享，可以大大提高了空气质量周报工作的准确性和工作效率。     

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.     

基于时间序列模型残差的中国东部地区空气质量指数（AQI）空间自相关特征分析

空间自相关分析可以揭示变量的空间聚集性质.基于中国东部城市群的日空气质量指数(AQI)数据,研究了AQI的空间自相关特征.同时,考虑到日AQI的空间非平稳性,分析分成两步进行.首先,对每个城市的日AQI序列建立时间序列模型,进而获得其标准残差序列;然后再基于残差项进行空间自相关分析,计算其全局Moran's I指数和局域Moran's I指数.结果表明,全局Moran's I指数体现出明显的季节变化特征,呈现出冬季高而夏季低的以年为周期的循环变化.通过分析局域Moran's I指数,发现中国东部城市群存在2个值得重视的高空间自相关区域:京津冀地区和长三角地区.由于残差项体现的是气象条件的影响,因此,大面积的高自相关区体现了邻近城市群空气质量对气象条件变化的同步响应特征.     

有关空气质量发布软件情况说明

正除了上海环境空气官方的实时发布平台、手机软件等以外,目前网络和手机平台上还有墨迹、百度、"空气质量"、"AQI"等多款以官方实时发布数据和美领馆数据为基础的发布软件,与官方软件相比,区别主要在如下3个方面:(1)数据审核:上海市环境空气质量实时发布平台的实时发布数据都经过了严格的数据审核,有完整的质量控制和质量保证体系,如果有缺失或者异常     

对首要污染物所揭示的京津冀环境空气质量状况的认识启迪与对策建议

利用中国环境监测总站发布的实时大气环境监测资料,选择京津冀地区8个城市（北京市、天津市、石家庄市、保定市、唐山市、邢台市、邯郸市和秦皇岛市）57个站点为研究对象,对2015年该地区AQI（环境空气质量指数）及其首要污染物日报和实时报特征进行综合分析与评估.结果表明:①京津冀地区8个城市空气质量等级日报的首要污染物主要是PM_2.5,其中邯郸市以PM_2.5为首要污染物日数占比（即出现日数占全年总天数的比例）最高,为90%;北京市最小,为50%;其余城市在70%左右.以O₃为首要污染物日数占比较高的是北京市和保定市,超过20%;秦皇岛市最小,为2.8%.以NO₂为首要污染物日数占比较高的是秦皇岛市,为10.6%.②京津冀地区8个城市AQI实时报中以O₃为首要污染物的情况最多不超过10%,几乎没有以NO₂为首要污染物的情况;但在AQI日报中,以O₃为首要污染物的日数占比最高的可达26%,以NO₂为首要污染物的日数占比高达11%.③以2015年北京市奥体中心站点为例,当AQI日报仅以NO₂为首要污染物时（23 d）,空气质量等级日报均为良的情况主要发生在1-3月和10-12月;然而同期AQI实时报白天（08:00-16:00）空气质量等级均呈现优、良,而夜晚（16:00以后）ρ（PM_2.5）为中度和重度污染等级;当AQI日报仅以O₃为首要污染物时（55 d）,空气质量等级日报均为良的情况主要发生在4月和7-8月;同期,尽管AQI实时报中ρ（PM_2.5）日变化差异不明显,但ρ（PM_2.5）达到中度和重度污染等级的时段明显增多,且峰值多出现在10:00左右.④导致AQI日报和实时报结果差异的主要原因是在计算实时AQI时颗粒物质量浓度标准仅参考ρ（PM_2.5）和ρ（PM₁₀）24 h限值,这将会导致不确定性及滞后性.研究显示,在全国已有5 a长时间监测数据的基础上,有必要对AQI等内容开展深入研究,以加强对标准及其相关指南和规定的修改与完善工作.      

基于半级别的城市空气质量预报评估方法探讨

环境空气质量预报评估是提升预报能力的重要助力,为更好支撑空气质量精细化管理,将我国空气质量细化为12个半级别,参照英国预报评估方法,对2020年“2+26”城市AQI、 PM_2.5浓度和O₃-8h浓度预报开展探索性半级别预报效果评估,通过与AQI范围预报和AQI级别范围预报评估对比发现,半级别预报评估方法可将两者兼容合一,在城市业务预报评估中具有一定可行性和应用价值.具体的半级别预报评估结果表明,“2+26”城市AQI和O₃-8h浓度在低段级别和高段级别的预报效果明显差于中段级别,不同级别PM_2.5浓度预报效果相对稳定;AQI、 PM_2.5和O₃-8h浓度预报准确率月变化曲线分别呈双峰型、先升后降型和平缓型,PM_2.5浓度各月偏高预报显著;不同城市AQI和O₃-8h浓度预报准确率差距相对较小,PM_2.5浓度预报准确率波动较大;北京和天津AQI预报准确率高于周边省份,北京和河南PM_2...     

哈尔滨市AQI与空气污染物的相关分析研究

空气质量问题已成为民众关注的热点问题.选取哈尔滨市2014年-2015年AQI日报数据,分别分析了供暖期和非供暖期PM2.5、PM10、CO、SO2、NO2、O3六种主要空气污染物与AQI的相关性,结果表明,AQI与6个主要污染物间呈显著性相关.同时建立了供暖期和非供暖期AQI与主要空气污染物的多元线性回归模型,结果表明,CO对AQI起着主要作用.因此,提高供暖过程中煤炭燃烧效率,可有效削减空气中CO的浓度,对于改善空气质量起着至关重要的作用.     

京津冀区域重污染天气过程数值预报评估新方法

利用区域空气质量监测数据、空气质量模式数值预报产品及天气图资料,建立了一种适用于区域重污染天气过程预报的评估方法,将其用于评估NAQPMS模式系统对2013年和2014年京津冀地区静稳型、沙尘型和特殊型3类重污染天气过程的预报能力,并探讨了重污染天气过程早报、晚报及漏报的可能气象条件原因,以提高预报准确率.结果表明:数值模式系统提前3 d预报重污染天气过程的预报准确率可达57%,秋冬季预报效果好于其他季节,静稳型预报效果好于沙尘型和特殊型.对模式AQI预报结果统计发现,当预报AQI值达到150以上时,实际发生重污染天气过程的概率较大,如定义AQI等于150作为重污染天气预警临界值,模式预报准确率可提高至70%以上.天气系统对污染过程预报有重要影响,WRF气象模式对中低层天气系统位置及强度预报偏差是导致静稳型污染过程早报和晚报的一个重要原因.     

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.     

提高空气质量指数准确性的建议

空气质量指数是国际上普遍采用的定量评价空气质量好坏的重要指标,但各国统计标准和方法有所不同,对环境的评价结果也存在一定差异。由于受多种因素的影响,中国目前的空气质量指数常常表现出与公众感受及其他环境监测指标不相一致的现象。针对于此,结合中国城市发展和环境监测技术的实际情况,提出了优化设置空气质量监测点、提高空气污染物浓度标准、增加空气质量统计指标和改进空气质量指数统计方法等改进建议,以进一步提高空气质量指数指示环境的准确性。     

AQI在呼和浩特市大气环境质量评价中的应用

AQI（Air Quality Index，空气质量指数）是一套目前在国际上被广泛应用的大气环境质量评价体系，本文采用这一体系对呼和浩特市的空气质量进行了评价。根据2003年的监测数据，分析了本市2003年的大气环境现状及季节变化趋势；利用1990-2003年14年间的空气中污染物年均值，分析了本市大气环境质量的年际变化趋势。其结论为：呼和浩特市空气的主要污染因子为TSP，而且空气质量虽在逐渐好转，但仍然基本处于“不健康”的状态，因此，需要政府继续采取措施进一步改善。     

长江经济带空气质量的时空分布特征及影响因素

基于2015~2018年空气质量实时监测数据，研究了长江经济带AQI的时空变化特征，从大气污染物排放量和气象因素两方面选取评价指标，利用地理探测器揭示了长江经济带AQI分布的影响因素及其季节变化.结果表明：2015~2018年长江经济带空气质量总体趋于改善，平均超标率由19.8%降至16.2%，除O₃超标率上升外，其余常规监测指标均有不同程度的下降.2017年开始O₃的超标率超过PM₁₀，成为长江经济带仅次于PM_2.5的大气污染物.AQI月变化曲线大体呈U型，具有冬春高、夏秋低的特点.长江经济带空气质量改善主要体现在冬、秋两季，O₃浓度的上升使夏季空气超标率上升，春季变化不大.AQI和空气超标率总体呈东高西低、北高南低的分布特征，其中上海、江苏、安徽中北部和浙江北部污染最严重，湖北中部和成渝地区其次，云南、贵州和四川西部空气质量良好.春夏季AQI的差异主要表现为东西向，秋冬季则主要表现为南北向.污染物排放量因子对长江经济带AQI分布有显著的正向影响，气象因子的影响方向则随季节变化而变化.全年和春、秋、冬3季AQI的分布格局主要由大气污染物排放量决定，夏季气象因子的影响力则更大.