降水量与城市大气环境关系——以113个环保重点城市为例

为研究降水量与大气污染物之间的关系,依据2017年全国113个环保重点城市大气质量数据,得出城市聚类空间分布规律及两者之间线性拟合方程。基于南北降水量分布特性与城市空气污染指数,采用模糊聚类法对具有不同亲疏程度的城市进行类别划分,运用Spearman相关性与拟合方程对大气污染特征值与降水量进行分析。结果表明：随着聚类种数增多,城市聚集在空间分布上由“环环相套”发展为“依流域分布”,降水量与大气污染物浓度呈现负向关联性,晋冀鲁豫陕省份污染最严重。采用Kolmogorov-Smirnov检验法,得出NO₂、O₃、PM_2.5总体分布符合正态分布,SO₂、PM₁₀、CO既不符合正态分布,也不符合均匀、指数分布,它们与降水量的相关系数为：-0.316、-0.238、-0.332、-0.617、-0.574、-0.695;线性拟合方程系数处于 [-0.031, -0.008] 之间,降水量与大气污染物浓度之间负相关性明显。研究结果有助于了解和认识降水量对城市大气环境变化的影响。     

沿海典型城市大气污染物分布特征和影响因素分析

基于2016～2020年来中国环境监测总站发布的PM_(2.5)、PM_(10)、SO_2、NO_2浓度监测数据,选取了4个经济较为活跃的典型沿海城市(天津、青岛、上海、宁波),从地理位置、气候、产业结构、交通运输、GDP等方面进行了分析。结果表明,区域地理位置和气候对大气污染物的浓度分布存在影响。北方两城冬季PM_(2.5)、PM_(10)和SO_2浓度均高于南方两城,其中2020最高均值分别为南方的2倍、1.8倍和1.4倍。青岛冬季的PM_(10)浓度均值最高,但在夏季远低于天津,与浓度最低的宁波相近。交通运输、温度、降水量均对大气污染物浓度分布存在不同程度的影响。受疫情影响,上海2020年运力与2019年运力差异显著,由此导致上海2020年冬季NO_2浓度波幅为2019年冬季的1.5倍。降水量对季节性干旱城市的影响大于常年湿润的城市,降水量对北方两市影响呈负相关,对南方两市呈弱相关。以单位GDP为比对基准值,各污染物浓度比对值最小的城市为上海。以上海为基准,北方城市的PM_(2.5)、PM_(10)、SO_2、NO_2浓度比对值的最大值分别为上海的4.16、4.61、3.82、2.91倍。     

城市环境PM2.5空间分布监测方法研究进展

随着城市化和工业化的发展,城市环境中日益增多的PM_(2.5)对人类健康造成了严重威胁。本文旨在分析总结目前PM_(2.5)空间分布的相关监测方法以及空气质量预测模型。当下,PM_(2.5)浓度的监测不仅涉及大气化学、污染物的源解析、大气化学运输模型、线性及非线性空气质量模拟等方面,还涉及地理信息系统与卫星遥感等新技术的运用。本文在比较传统PM_(2.5)监测与新型监测方法不同的基础上,分析了各自的优劣,为空气质量监测提供建议和指导。     

云南省16城市大气细颗粒物污染特征研究

收集了云南省16个城市2015年全年大气细颗粒物(PM_(2.5))质量浓度数据,分析了云南不同城市的大气PM_(2.5)时空分布特征及来源情况。结果表明,2015年云南省16城市的大气PM_(2.5)浓度超标天数较多,是此区域的首要污染物。夏天雨季能有效降低细颗粒物的浓度水平;1—3月较高水平的PM_(2.5)浓度可能是土壤风沙尘与东南亚毁林烧荒共同作用的结果。     

城市大气自动监测系统监测资料的处理及其应用

本文讨论城市大气自动监测系统资料处理及其应用的某些问题。总结了对数正态分布、指数分布、Г分布和Ｗｅｉｂｕｌｌ分布等分布模型对监测资料分布拟合的适用性及分布模型拟合判别指标。介绍了监测资料在监测时空代表性分析、污染物浓度预防研究方面的应用途径。     

典型西南工业城市柳州市核心区大气污染物时空分布与气象因素研究

为研究柳州市核心区大气污染物浓度时空变化规律与气象因素之间的关系,统计分析了2018年全年研究区内6个自动监测站点PM_(2.5)、PM_(10)、SO_2、NO_2、O_3和CO的浓度监测数据和气象站气象数据,并对28次超标日污染物来源进行了解析.结果显示:①核心区颗粒污染物污染较为严重,且以PM_(2.5)为主的细颗粒污染物仍为柳州市主要的大气污染物;各污染物月均浓度季节差异显著,除NO_2外柳州大气污染物浓度下降明显,指示柳州市多项节能减排综合整治措施成效显著;PM_(2.5)、PM_(10)、CO受早晚高峰期影响,浓度日变化均呈双峰型;NO_2在不同季节峰型不同,作为O_3前体物其浓度日变化与O_3相反,呈现"早峰午谷"的变化趋势.②通过对污染物浓度插值发现,由于核心区主要工商业区位于西部且处于主导风向下风向,故PM_(2.5)和SO_2浓度西北高、东南低,PM_(10)、NO_2和CO浓度西南高、东北低;核心区东部的山区为O_3生成带来大量前体物,使O_3浓度东南高、西北低.③由于气候特征,核心区春、夏季主要气象因素均为降水量;秋季的主要气象因素是风速,风速与污染物的负相关关系表明了风的扩散效应;冬季大部分污染物与气象因素的相关性不显著,表明人为因素对污染物的影响大于气象因素;核心区大气污染物主要来源于局地排放和区域传输,且南北主导风向对大气污染影响最大.④HYSPLIT模型结果指示柳州超标日大气污染物主要来自于珠三角地区,且陆源颗粒物浓度普遍比海洋源高,来自南部的远距离输送气流颗粒物含量最低,表明远距离输送为影响颗粒物传播的主要原因.     

中国31个城市大气污染物"春节效应"时空变化研究

为明确中国春节期间大气污染物"春节效应"时空变化特征及其原因,利用2014年春节期间(2014-01-17?—?2014-02-14)31个城市(22个省会、5个自治区首府、4个直辖市,不含港澳台地区)大气PM2.5、NO2和SO2浓度监测数据,并结合相应时段的气象数据,分析这三种大气污染物时空分布特征及其与气象要素的关系.结果表明:PM2.5和SO2受除夕夜燃放烟花爆竹影响较大(受影响的城市分别占66％和58％),而NO2表现不明显(受影响的城市只占16％).此外,春节中期大部分城市三种大气污染物的浓度都比春节前期低,而与春节后期差异不明显.从空间来看,南方城市三种大气污染物浓度在春节中期与春节前期差异比北方城市大.气象要素对不同城市各大气污染物浓度变化影响不同.总体而言,"春节效应"在全国各大城市间存在明显的时空差异.     

近年南京冬季首要大气污染物时空分布特征

近年来,随着气候变化以及工业化程度的加深,城市的大气污染问题日益突显。作者收集了2013-2018年南京地区首要大气污染物资料,对该地冬季大气污染物的时空分布特征及各污染物之间的相关性进行分析。结果表明:(1)从时间分布来看,除O_3外,南京冬季各污染物浓度均在2月达到最小值,AQI、PM_(10)、SO_2和NO_2浓度均在12月达最大,1月次之。PM_(2.5)、PM_(10)与AQI日变化趋势高度一致,在上午10∶00-11∶00出现峰值,在下午17∶00出现最低值。SO_2日变化呈单峰式变化特征,在上午11∶00出现峰值。NO_2浓度的日变化趋势与O_3正好相反,在下午14∶00-15∶00,NO_2出现低值,而O_3出现峰值。(2)从空间分布来看,南京冬季AQI与PM_(2.5)、SO_2的空间分布特征类似,呈东南高、西北低的分布特点,而PM_(10)呈西南-东北向递增的分布特点。(3)AQI与PM_(2.5)、PM_(10)的相关性最好,与SO_2、NO_2的相关性次之,而AQI与O_3没有明显的相关性,即影响南京冬季空气污染的主要是PM_(2.5)、PM_(10)、SO_2和NO_2。     

典型城市大气重污染风险温度阈值研究

气温不仅影响大气污染物排放,同时还影响着大气扩散能力。文章利用哈尔滨、乌鲁木齐、北京、兰州、成都、南京和广州7座城市2000-2013年API资料、2013-2018年AQI资料以及同期地面常规气象观测资料和探空资料,通过拟合2016之前上述7城市各自日均气温与API、AQI及5种污染物(PM_(2.5)、PM_(10)、SO_2、NO_2和CO)浓度间的关系,探寻不同城市的大气重污染对应的温度阈值及其分布特征,并用2017-2018年的AQI资料检验该温度阈值对大气重污染事件的捕获能力。研究结果表明:就同一城市而言,存在一个使API、AQI和5种污染物浓度均达到最大的气温临界值,由此提出了大气重污染风险温度阈值(THP)的概念,哈尔滨、乌鲁木齐、北京、兰州、成都、南京和广州7座城市的THP依次为-15.8、-12.4、-1.5、-3.4、8.0、6.8和17.1℃。同时还发现当气温位于THP及其附近时,对应当地多为静稳天气(混合层厚度和通风系数均最小),呈现出最不利于大气污染物扩散的气象条件,进而易造成大气重污染甚至是污染事件的发生。由此可见,THP是边界层大气静稳特征的一个缩影,能较好地反映大气重污染潜势,7座城市THP捕获重污染事件的百分比整体在50%以上。该研究为上述7座城市的大气污染潜势预报及污染防控探寻了一个新的更简洁明了的重要污染气象参数,也为其它城市开展类似研究提供了借鉴参考。     

重庆城区夏季降水对大气污染物的清除效果分析

利用2015年6—8月重庆市沙坪坝区大气污染物连续监测数据和LVCJY-02气象数据采集仪获得的同期降水数据,分析夏季降水对大气污染物的清除效果。结果表明:1)日降水强度对大气污染物的清除效果有影响。当日降水量小于5 mm时,降水对大气污染物清除能力较小;当日降水量大于5mm时,污染物清除效果随降水量增大而增大,日降水量越大,清除率越大,空气质量越好,最大清除率可达48.55%。夏季降水强度对各大气污染物平均清除率从大到小依次为PM_(10)、SO_2、 PM_(2.5)、NO_2和O_3。2)日降水时长对大气污染物的影响也存在差异。其中0~5 h时长降水对大气污染物平均清除率为负值;5~10 h时长降水对PM_(10)平均清除效果最好,为6.17%;10~15 h时长降水对NO_2平均清除率最大,为50.67%;15~20 h时长降水对SO_2平均清除率最大,为59.76%;夏季降水时长对SO_2平均清除率最高,随后依次为PM_(10)、NO_2、 PM_(2.5)和O_3。3)累积降水量与PM_(10)和 PM_(2.5)浓度多呈负相关,随着累积降水量的增加,大气颗粒物浓度会有降低,但累积降水量与气态污染物的相关性不如大气颗粒物。     

湖北大气颗粒物污染水平及污染物相关性研究

基于2012-2014年湖北省环境空气质量监测统计数据,根据污染浓度水平,利用ArcGIS软件分析湖北省大气颗粒物污染空间分布特征,并利用SPSS软件对大气污染物SO_2、NO_2、O_3、CO、PM_(2.5)和PM_(10)的相关性进行分析。结果表明:2012-2014年期间,湖北省PM_(10)年均浓度总体呈上升趋势,超标城市几乎分布于湖北省各区域;武汉、荆州、宜昌3个城市PM_(2.5)与PM_(10)、SO_2、NO_2、CO均呈较高的正相关性,鄂州、恩施、黄冈、黄石、荆门、十堰、随州、咸宁、襄樊和孝感10个城市PM_(10)与NO_2、SO_2均呈正相关性。文章的分析结果可为湖北省改善环境空气质量,降低颗粒物浓度水平提供基础信息和建议。     

多尺度PM_(2.5)分布特征的空间插值与遥感反演对比

精确识别污染物浓度的空间分布是进行区域大气污染防治的重要基础。利用MODIS卫星数据,采用基于地面气象和环境空气质量监测站点观测数据为基础的反演模型,反演获取2013年12月珠三角地区典型大气污染过程1 km分辨率的PM_(2.5)浓度数据,对比分析遥感反演及基于环境空气质量监测站点观测数据的空间插值方法对区域、城市和乡镇尺度PM_(2.5)浓度空间分布特征的再现效果差异。结果表明,珠三角地区PM_(2.5)遥感反演结果与地面观测数据的相关性达到0.74,相关性水平较好,遥感反演结果可描述区域、城市和乡镇尺度上PM_(2.5)污染浓度的空间分布特征,识别不同空间位置的污染程度差异;基于站点观测数据的空间插值方法对PM_(2.5)浓度空间分布特征的再现能力有限,在区域尺度PM_(2.5)浓度空间分布特征分析时效果尚可,在站点有限的城市和乡镇尺度分析中效果不佳,容易产生对高浓度污染地区的误判;在需要利用站点观测数据分析区域尺度PM_(2.5)浓度空间分布特征时,析取克里金、反距离权重或径向基函数插值方法的效果相对较好。     

西安市主要大气污染物浓度变化特征及相关特性分析

分析西安市主要大气污染物浓度(PM_(2.5)、PM_(10)、SO_2、NO_2、CO、O_3)随时间、空间的变化特征及其与天气情况、车流量变化之间的相关特性。结果表明:大气污染物浓度会因地区特点随人流量呈规律性波动;PM_(2.5)、PM_(10)与对应的SO_2、NO_2、CO、大气相对湿度呈正相关,与臭氧、温度、风速呈负相关;受排放及气温辐射影响,NO_2浓度在午后出现峰值且滞后于交通峰值;连续型降水对PM_(10)的稀释作用随降雨天数的增加呈"驼峰"型变化。     

基于快速聚类方法分析常州市区PM2.5的统计特性

运用统计方法研究常州市区2013~2014年6个国控点六项基本污染物(SO_2、NO_2、CO、O_3、PM_(2.5)和PM_(10))月平均浓度变化,结果表明,除O_3外,其它五项污染物月平均浓度夏季较低冬季较高.颗粒物与风速之间的关系为PM_(2.5)浓度随风速的升高一直降低,PM_(10)随风速的升高浓度先降低后升高.采用快速聚类分析(k-means)并运用SWV和DIV指数对六项基本污染物进行分类,得到4个样本分类.与依据颗粒物化学成分或粒径谱对PM进行源解析方法不同,本研究更多是从PM_(2.5)与其它污染物相关关系以及污染程度等角度按照欧式距离进行分类.不同类中PM_(2.5)来源明显不同,类1中PM_(2.5)与化石燃料燃烧排放密切相关,类2与O_3密切相关,类3与城市不完全燃烧排放、区域灰霾污染密切相关,类4可以归类于城市"背景"类.快速聚类分析结果也表明常州市区PM_(2.5)有着复杂的来源.     

太原市城区重污染天特征及大气污染防治建议

对太原市2014年重污染天大气污染物浓度变化和时间、空间分布特征进行了分析,全年太原市城区有28个重度以上污染天,首要污染物为细颗粒物,集中出现于采暖期和10月。重污染期间,冬季PM_(2.5)、PM_(10)、SO_2、NO_2、CO浓度之间显著正相关,但均与O3显著负相关;主要超标因子PM_(2.5)、PM_(10)、SO_2浓度与风速(2.0 m/s以上时)显著负相关,与气压(P)总体负相关,与相对湿度(RH)总体正相关。重污染天城区大气污染物浓度空间分布南北差异明显、南部高于北部,聚类分析结果显示,城区北部远郊的南寨和上兰有类似污染特征,城区中部尖草坪、桃园、小店、金胜等点具有类似颗粒物污染特征,污染物分布主要与区域地形、风向、污染源分布特征有关。基于重污染天特征,该项研究提出了减缓太原市大气污染的建议。     

降水量变化对大气污染物浓度影响分析

系统分析了2001～2010年南通市城区中大气自动监测站和降水监测点位数据,得出:10年间逐年降水量与二氧化硫年均浓度呈现高度线性负相关,其它时空降水量与大气污染物浓度分布中呈现非线性显著性负相关。降水量大污染物浓度就小,反之就大。2006～2010年5年平均降水量1083.49mm,比2001～2005年5年平均降水量多出244.97mm,大气污染指标5年平均浓度下降幅度为:可吸入颗粒物0.013mg/m3、二氧化硫0.009mg/m3、二氧化氮无变化。10年的平均季度降水量夏季最大为467.97mm,对应的夏季大气污染物最小均值为:可吸入颗粒物0.073mg/m3、二氧化硫0.026mg/m3;10年平均季度降水量冬季最小为137.84mm,对应的冬季大气污染物季最大均值为:可吸入颗粒物为0.104mg/m3、二氧化硫0.034mg/m3和二氧化氮0.036mg/m3。     

城市街谷内PM_(2.5)浓度时空变化及影响因素分析

通过现场观测研究西安市和平路街谷内的PM_(2.5)浓度时空变化特征及其影响因素.在2015年4月8~10日进行了街谷内PM_(2.5)浓度、车流量、风速、温湿度等参数的日变化规律和PM_(2.5)浓度空间分布规律的观测实验.观测结果显示西安市和平路街谷内PM_(2.5)浓度值较高,日间PM_(2.5)浓度呈"凹"字形变化,早晚PM_(2.5)浓度相对较高,在16:00前后PM_(2.5)浓度到达一天当中的最低值.PM_(2.5)浓度与温度、湿度有良好的相关性,对应R2值分别达到0.75和0.81.静风天气条件下,由温度变化引起的大气边界层伸缩运动被发现是影响街谷内污染物扩散的主要因素.     

武汉城市圈PM_(2.5)的时空特征及其影响因素解析

文章基于2016～2017年武汉城市圈各城市站点PM_(2.5)逐时监测数据,主要利用空间自相关、核密度法和空间计量模型,从不同的时空尺度来分析武汉城市圈PM_(2.5)的空间分布格局和影响因素。结果表明:在年尺度上,2016～2017年武汉城市圈PM_(2.5)浓度整体上呈下降趋势,空间分布上呈中东部高、西南部低、局地略有突出的分布特征并表现出明显的空间集聚性,城市圈内部各城市PM_(2.5)污染浓度差异明显,且各城市之间存在一定的空间溢出效应;从年内尺度上看,武汉城市圈PM_(2.5)浓度总体上呈"U"字型分布,冬春季污染最为严重,秋季、夏季次之,且4个季节的PM_(2.5)浓度值存在较强的空间自相关性,表现出不同程度的空间集聚现象;从影响因素上看,无论是自然环境要素还是社会经济要素均对城市圈PM_(2.5)浓度变化起重要作用,按其贡献强度依次是温度民用汽车拥有量风速能源消费水平城镇化率第二产业占比湿度节能环保支出,而森林覆盖率和海拔高度对PM_(2.5)没有表现出明显的直接效应;从大气污染物本身关系上看,PM_(10)直接作用于PM_(2.5)的浓度变化,且起关键性的作用,CO和NO_2则主要是通过PM_(10)对PM_(2.5)浓度间接地产生影响,而O_3对PM_(2.5)浓度影响较小且呈负相关关系。     

沈阳市大气PM_(10)中水溶性无机阴离子的分布特征研究

2014年7月和12月分别对沈阳市大气污染物PM_(10)(可吸入颗粒物)进行采样分析,采样期内PM_(10)浓度全部超过国家一级标准,最大值超出国家二级标准3.3倍。用离子色谱法分析了PM_(10)中的水溶性无机阴离子,结果表明:4种阴离子浓度之和的变化总趋势为7月12月;各离子浓度的关系为SO_4~(2-)NO_3~-Cl~-F~-,4种离子浓度均为冬季高于夏季;对PM_(10)及4种阴离子进行相关性分析,得出NO_3~-、SO_4~(2-)浓度与PM_(10)浓度呈显著正相关,是PM_(10)的重要组分,并通过NO_3~-与SO_4~(2-)的质量比得出沈阳市大气污染物中水溶性组分主要来自于固定排放源。     

川东北低山丘陵区细颗粒物主要相关因素和季节变化分析——以南充主城区为例

基于中国空气质量在线监测分析平台和全球天气精准预报网的大气质量和气象数据,以四川盆地东北低山丘陵区典型城市南充市主城区为例,检验了细颗粒物(PM_(2.5))浓度的概率密度分布,发现其接近对数正态分布,由相关分析确定了PM_(2.5)浓度的主要相关因素为CO、NO_2(相关系数r分别为0.76、0.55,P0.01),再通过对2014年1月—2016年6月的日数据的逐步回归筛选出最优的回归指标和模拟方程(决定系数R_(adj)~2为0.68,P0.05),2016年7月—2017年6月的数据验证表明模拟效果较好(拟合优度为0.64,相对误差15.48%);最后根据时序插值、浓度和IAQI(PM_(2.5))的时段均值发现PM_(2.5)浓度在年际上有降低趋势;在季节上由高到低依次为冬季、春季、秋季、夏季;PM_(2.5)浓度在1月和6月分别呈现出年内的峰值和谷值,5、10月出现了阶段性峰值,尤其是5月;IAQI(PM_(2.5))的季节变化与浓度变化规律相似;且PM_(2.5)与PM_(10)比值的均值为0.67,表明现阶段南充市主城区大气污染物中细颗粒物占有较大比重。