中国主要城市疫情管控期间大气环境改善效应研究

利用我国31个省会(省府)城市、直辖市站点大气污染物数据,对全国主要城市2020年新冠疫情管控期间以及复工复产后的大气污染状况进行统计学分析。结果表明:叠加疫情管控影响,相比往年,2020年春节假期前后全国主要城市整体上PM₁₀、NO₂、SO₂、CO平均质量浓度降幅分别达到22.46%、60.13%、13.71%、17.64%;疫情管控期间全国主要城市PM_2.5与PM₁₀偏相关系数为0.952,PM_2.5与SO₂、NO₂、CO的偏相关系数分别为0.705、0.791、0.831。复工复产初期相较疫情管控期间仅有NO₂平均质量浓度上升;随着复工复产进程深入,PM₁₀、SO₂、NO₂平均质量浓度则均有大幅度上升。采暖区SO₂和CO平均质量浓度在疫情管控期分别为非采暖区的2.6倍及1.6倍,两大区域在复工复产后各大气污染物质量浓度变化情况有所差异,也反映出采暖区与非采暖区的大气污染情况的不同。     

“十一五”期间上海市金山区环境空气污染特征分析

对金山区2006-2010年环境空气质量监测数据进行统计分析和综合评价,找出"十一五"期间金山区环境空气中主要污染物变化规律及环境空气主要污染特征,并进行污染趋势分析,就环境空气中TSP和PM₁₀以及SO₂、NO₂和酸雨之间的相关性进行了探讨,均具有显著相关性。     

华东森林及高山背景区域SO2、NOx、CO本底特征

国家大气背景监测福建武夷山站是中国华东区域背景站点之一，可代表华东森林及高山区域背景状况。为了解该区域的大气背景状况，评估区域污染现状以及污染物输送在区域污染中的作用，选取福建武夷山背景站2011年3月至2012年2月主要气体污染物（SO₂、NO_x、CO）为期1年的监测数据，研究各污染物在不同时间尺度的浓度变化特征和相关关系，以及与气象因子的相关关系，并利用后向轨迹模式探讨区域输送对华东森林及高山背景区域各气体污染物质量浓度的影响。结果表明，武夷山背景点监测期间SO₂、NO_x、CO的平均质量浓度分别为3.9、5.1、409.8 μg/m³，且具有明显的季节变化特征，春、冬季明显高于夏、秋季；三者日变化幅度均很小，呈现出单谷型分布型态，说明武夷山背景点受人为活动的影响很小，主要受气象条件影响；相关性分析结果显示，SO₂与NO_x浓度相关性较好，与湿度有较好的负相关，与风速在冬季具有一定的正相关，NO_x与CO浓度在秋季和冬季的相关性较好，且二者与温度的负相关性较好。后向轨迹分析结果表明，SO₂全年最大浓度峰值主要来自北方采暖季燃煤排放的远距离输送影响，NO_x、CO全年最大值则源于生物质燃烧的远距离输送影响。     

哈大绥城市“十三五”期间大气环境容量分析

根据2016—2020年哈尔滨市、大庆市、绥化市(以下称哈大绥)国控环境空气自动监测站的SO₂、NO₂、PM_2.5监测资料,统计年鉴中行政区划、污染物排放及气象等监测数据,分析哈大绥区域环境空气质量的变化趋势和测算因子,采用A值法核定了哈大绥区域SO₂、NO₂、PM_2.5的大气环境容量。结果表明:哈大绥SO₂、NO₂、PM_2.5 3项污染物采暖季的大气环境容量均呈逐年递增趋势。通过计算环境承载能力发现,哈大绥SO₂、NO₂、PM_2.5 3项污染物在非采暖季均具有高承载能力,哈大绥非采暖季环境容量高于采暖季。哈尔滨的个别污染物仍然处于临界超载状态,为减少重污染天气,应进一步削减采暖季污染物排放量。     

黑龙江省“十三五”时期生态环境质量变化及趋势预测

以黑龙江省生态环境监测网监测结果为基础,总结归纳了"十三五"期间黑龙江省生态环境质量变化特征,并采用随机森林和GM(1,1)预测模型对"十四五"期间黑龙江省生态环境质量状况进行了预测。结果表明:"十三五"期间,黑龙江省环境空气、水环境和声环境质量全面好转。其中,环境空气主要污染物PM_2.5、PM₁₀、SO₂、NO₂和CO的年均质量浓度均呈现出明显下降的趋势,"哈大绥"重点区域PM₁₀、SO₂、NO₂和CO年均质量浓度呈现下降趋势。地表水水质总体呈波动变化趋势,水质状况均为轻度污染。"十四五"期间,黑龙江省生态环境质量将处于稳中向好的趋势。环境空气主要污染物及地表水主要污染指标年均质量浓度均呈现明显的下降趋势,道路交通声环境质量也将得到进一步改善。     

基于Prophet模型的空气污染物浓度预测方法

准确预测大气污染物浓度的时空变化趋势是制定、修订大气污染防控措施和持续改善空气质量的关键。笔者以内蒙古呼和浩特市为研究区,基于2015-2020年城市环境空气质量自动监测站的月度数据,运用Prophet模型,研究确定环境监测数据的突变点和Prophet模型饱和预测上下限等特征,完成了"十四五"期间研究区PM_2.5、 PM₁₀、 NO₂、 SO₂、 O₃5项污染物的浓度预测。采用可决系数、均方根误差及平均偏差误差对预测模型结果进行精度评估,并重点分析了2025年各项污染物浓度的时空变化规律。结果表明:Prophet模型可以较为精准地对5项污染物浓度进行预测,预计2025年呼和浩特市PM_2.5、 PM₁₀、 NO₂、 SO₂、 O₃质量浓度分别为41.64,、71.71、36.85、21.66、123.24 μg/m³,与以往该地区各项污染物时空特征一致,未来该市PM_2.5、 PM₁₀、 NO₂、 SO₂全年浓度均呈U形分布,具有冬季高、夏季低的特点,O₃全年浓度呈倒V形分布,具有夏季高、冬季低的特点。除此之外,研究还发现未来该市西部地区污染程度高于东部。预测结果表明:当前内蒙古对空气污染的治理措施为空气污染的持续改善提供了保障,O₃污染有加重趋势但尚在可控范围内,需要进一步加强防控。该研究揭示了呼和浩特市"十四五"期间5项空气污染物的浓度和时空变化趋势,可为呼和浩特市空气质量持续改善提供数据参考。     

1997—2010年北京市大气降水离子特征变化趋势研究

依据北京市环境保护监测中心1997—2010年降水监测资料,分析北京地区降水中离子特征及变化趋势,阐明北京市降水污染现状及变化特征。结合北京市特有的气象条件、地形地貌和工业分布情况,分析污染物来源及污染变化趋势。研究表明:年度降水电导率呈现波动变化,降水污染严重程度依次为南部郊区>市区>北部背景点。北京地区大气降水中的主要阳离子成分是Ca²⁺和NH₄⁺,主要阴离子成分是SO₄^2-和NO₃^-。近年来[SO₄^2-]/[NO₃^-]比值逐步下降,污染类型由典型硫酸型发展为硫酸+硝酸混合型。阳离子[Ca²⁺]/[NH₄⁺]比值下降,碱性离子缓冲能力降低。9种离子各季节浓度变化趋势基本一致,由高到低依次是春季>秋季>冬季>夏季,这种季节变化特征与气象因素密切相关。相关性及聚类分析表明:NO₃^-与SO₄^2-存在很强相关性,说明其前体物SO₂和NO_X在大气中经常一同排放且进入降水途径相同;H⁺浓度不是由某个离子决定,是所有致酸离子和中和离子相互作用的结果,而NH₄⁺来源不同于其它离子,北京地区的氨存在其单独排放源。     

石家庄市NO2时空分布特征及影响因素

为了解石家庄市NO₂时空分布特征及影响因素,结合GIS和相关性分析,对2018年环境空气自动监测站监测数据、气象数据和社会经济数据进行统计分析。结果表明:261个乡镇NO₂年均质量浓度范围为11~68 μg/m³,超标率为47.9%,仅有49个乡镇NO₂日均质量浓度达到国家二级标准。主城区NO₂质量浓度高于周边县(市、区),NO₂总体呈圆环形带状分布。月变化方面,1-3月、10-12月污染较重,峰值出现在1月。NO₂日变化呈"高-低-高"的变化趋势,区域差异明显。NO₂与温度、湿度、风速呈负相关,与大气压呈正相关,气象条件的月际差异是导致NO₂月差异的重要因素,NO₂空间分布主要受地形、人口密度和机动车排放等因素影响。研究结果提示秋冬季是NO₂治理的关键时期,主城区为重点防控治理区域。     

南京大气细颗粒物中水溶性组分的污染特征

为了解南京城区大气细颗粒物中水溶性组分的污染特征,在国控点草场门进行了连续一年的PM_2.5采样与分析。6种离子日均浓度为5.29~67.6 μg/m³,其中SO₄^2-、NH₄⁺、NO₃^-是PM_2.5的主要组成成分,6 种离子约占PM_2.5总质量的31%,SO₄^2-、NO₃^-和NH₄⁺相关性较好,NH₄⁺是PM_2.5中硫酸盐和硝酸盐中居于主导地位的离子。     

2015—2019年抚州市临川区主要大气污染物时空变化及成因分析

选取2015—2019年抚州市临川区不同时间尺度的空气质量指数(Air Quality Index,AQI)与6种常规大气污染物监测数据,分析了临川区主要大气污染物的时空变化及影响因素。结果表明,临川区大气PM_2.5、PM₁₀、SO₂和CO年均质量浓度整体呈现下降趋势,O₃年均质量浓度逐年增加,说明临川区应警惕O₃污染的加剧。PM_2.5、PM₁₀和NO₂质量浓度的月变化趋势表现为冬高夏低的特征。此外,2015—2019年临川区大气PM_2.5、PM₁₀月均浓度与AQI的相关性极高(r＞0.96,P≤0.01),表明临川区大气污染类型为颗粒型污染。根据污染物浓度日变化规律以及相关性分析结果可知,PM_2.5、PM₁₀、SO₂、NO₂日变化趋势与AQI相似。通过对2015—2019年临川区除夕至大年初一期间大气污染物变化规律和复合污染特征的分析可以发现,2018年和2019年空气污染程度较之前的3年有所下降,说明烟花爆竹燃放禁令对春节期间空气污染的控制具有明显成效。此外,控制移动源排放成为临川区大气污染治理亟需解决的重要问题。     

2016年长沙市环境空气质量的“周末效应”及“假日效应”

通过获取2016年长沙市连续在线观测得到的PM₁₀、PM_2.5、NO₂、O₃、CO和 SO₂逐时浓度资料，对工作日、周末、节假日（尤其是春节）的空气质量优良天数、污染物浓度变化特征进行对比分析，长沙市2016年6项污染物均表现出一定的"周末效应"现象，周末日平均浓度均低于工作日及全年的日平均浓度，其中PM_2.5最为明显；PM₁₀和PM_2.5浓度均星期一最高，星期六最低，CO和 SO₂浓度周末也均处于相对最低水平，NO₂和O₃在周末的平均浓度略低于工作日水平或与其持平。国庆假期，由于城区人口、车辆减少，长沙大气环境质量相对较好，而春节假期，由于受到烟花爆竹集中燃放的影响，PM₁₀、PM_2.5和SO₂浓度远超过全年平均水平，这在一定程度上说明人类活动对污染物浓度及大气环境质量变化具有一定的影响力。     

西藏自治区“十二五”和“十三五”环境空气质量变化特征

"十二五"以来中国先后颁布了一系列大气污染防治政策并实施相应的大气污染治理措施以提高环境空气质量。为研究西藏自治区"十二五"(2011-2015年)和"十三五"(2016 -2020年)时期环境空气质量变化状况,评估大气污染防治措施实施效果,笔者对2011-2020年西藏自治区7个城市(地区)主要大气污染物浓度和优良天数比例变化进行分析。结果表明:随着一系列大气污染防治措施的实施,西藏自治区环境空气质量显著提升,与"十二五"时期相比,"十三五"时期西藏自治区年平均优良天数比例由97.5%±2.0%提升至99.3%±0.4%,SO₂、 NO₂、 PM₁₀、 PM_2.5浓度年均值和CO 浓度第95百分位数均呈下降趋势,其中CO、PM₁₀和PM_2.5浓度下降幅度较大,O₃日最大8h滑动平均值第90百分位数略有上升。西藏自治区环境空气质量与人口、经济发展程度呈负相关关系。受污染源排放、气象条件和区域传输等因素影响,西藏自治区O₃浓度春、夏季较高,而其余污染物浓度冬季较高。     

西安市大气颗粒物PM2.5与降水关系的探讨

对西安市2011年的降水及PM_2.5进行采样，并对其进行了pH及无机水溶性离子测定。结果表明，西安市酸雨的污染类型以硫酸型污染为主，连续性降水对大气颗粒物的去除效果明显，pH随降水量的增加而减小。对采样日降水前和降水后3 h的PM_2.5监测结果表明降水对PM_2.5质量浓度与其中的离子有一定去除作用。西安市的PM_2.5呈酸性，并且与降水的pH有着很好的相关性；另外降水前PM_2.5的质量浓度、SO₄^2-浓度与降水pH呈负相关，NO₃^-与降水pH的相关性不明显。近几年PM_2.5和降水中的SO₄^2-/NO₃^-当量值变化趋势表明西安市大气污染已步入煤烟和机动车尾气混合型污染类型，且机动车污染对大气污染和酸雨的贡献比例有所增加。     

2018年长三角一次持续重污染过程分析

利用常州市6个环境空气质量评价点PM_2.5、PM₁₀、SO₂、NO₂、CO和水溶性离子数据，结合后向轨迹、激光雷达探空资料、气象资料等，分析了2018年1月29日—2月2日长三角区域一次持续重污染过程。结果表明，重度污染时次高达94 h，PM_2.5最高值达235 μg/m³，由外来输送污染物与本地排放的污染物叠加而成，在不利气象条件影响下，污染物在长三角区域长时间滞留；重污染期间，污染物日变化规律显示，PM_2.5受外来源影响更显著，而SO₂、NO₂受本地污染源影响更显著，水溶性粒子组分与常州市本地源存在较大差异，其中NO₃^-、NH₄⁺、K⁺、Mg²⁺和SO₄^2-值增加最为明显，较污染前分别增加了9.1，5.9，4.3，4.2和4.1倍；K⁺值升高较快，说明污染期间也受到了生物质燃烧的影响。此外，NO₃^-和SO₄^2-在空气质量较好时，在水溶性离子中的占比日变化幅度较大，而在重污染期间，NO₃^-和SO₄^2-日变化幅度明显减小。     

天山北坡经济带城市NO2污染的时空分布特征

基于2015—2020年近地面NO₂质量浓度数据和2019年哨兵-5P TROPOMI卫星探测的对流层NO₂柱浓度数据,采用相关性分析、趋势分析等方法探究新疆天山北坡经济带6个城市NO₂污染的时空分布特征。结果表明：（1）从年均值来看,天山北坡经济带NO₂质量浓度总体呈下降趋势,尤其2018—2020年下降明显。其中乌鲁木齐NO₂质量浓度值最高、博乐最低。（2）从季度均值和月均值来看,各城市NO₂质量浓度季节变化明显,其中夏季最低、冬季最高;月均值呈“中间低、两头高”的变化特征。（3）从日均值来看,各城市NO₂质量浓度大多呈现双峰型分布,分别出现在早上10:00和晚上23:00。（4）从空间分布来看,NO₂柱浓度高值区多分布在人口密集和工业发达的城市地区,尤其是乌鲁木齐、昌吉、五家渠、石河子污染最为严重。     

天津市PM2.5中水溶性无机离子污染特征及来源分析

2008年1、4、7月和10月在天津大气层边界站,利用中流量采样器对大气中的细粒子进行了滤膜样品采集,应用离子色谱检测技术分析了8种水溶性无机离子(Na⁺、NH₄⁺、K⁺、Mg²⁺、Ca²⁺、SO₄^2-、NO₃^-和Cl^-)的含量。结果表明,天津市大气PM_2.5中总水溶性无机离子平均浓度为47.3 μg/m³,其中,SO₄^2-、NO₃^-、NH₄⁺和Cl^-是最主要的水溶性无机离子,占总离子质量分数共计87.3%,表明了天津市细粒子中的主要水溶性无机离子的特征。/2 平均比值接近1.0,显示硫酸氨是细粒子中硫酸盐的主要存在形式。NO₃^-/SO₄^2-浓度比的平均值为0.65,反映了燃煤污染与机动车尾气污染并存的复合型大气污染特征。并通过对PM_2.5中8个水溶性离子成分的主成分分析进一步揭示了其来源。     

天津市PM2.5中水溶性离子组分特征

2006年8—12月连续采集PM_2.5样品,分析其中水溶性无机离子浓度特征。结果表明,采样期间,天津市PM_2.5日均浓度均不同程度超过美国EPA日均浓度标准(35 μg/m³);SO₄^2-、NO₃^-、NH₄⁺和Cl^-为无机离子的主要成分,占全部无机离子的88.6%;各离子均表现出不同季节变化特征。对NH₄⁺和NO₃^-、SO₄^2-进行相关性分析发现,NH₄⁺和NO₃^-相关性最好,相关系数为0.795。SOR和NOR的平均值分别为0.16和0.23,均为8月最高,表明前体物二次转化夏季最明显。     

2001—2020年合肥市空气质量变化趋势研究

为系统分析合肥市长时间序列空气质量变化特征,对合肥市2001—2020年SO₂、NO₂和PM₁₀,以及2013—2020年CO、O₃和PM_2.5的浓度特征开展研究。采用Mann-Kendall(M-K)时间趋势检验法分析了6项污染物的时间变化规律,同时考虑了人为活动对污染物小时浓度的影响。结果表明,PM_2.5和O₃是目前影响合肥市空气质量的首要污染物。2014年以来,合肥市PM₁₀、PM_2.5、CO和SO₂年均浓度均呈逐年下降趋势,但NO₂和O₃污染有加剧趋势。合肥市SO₂和颗粒物浓度表现为冬春季节高、夏秋季节低;O₃浓度变化趋势与之相反;NO₂和CO浓度呈秋冬季节高、春夏季节低。     

贵阳市城区PM10和PM2.5水溶性离子特征分析

分别于2013年10月和2014年2月、5月、7月在贵阳市城区3个环境空气质量监测国控点位（南明区市监测站、云岩区黔灵公园马鞍山和观山湖区贵阳一中）进行PM₁₀、PM_2.5样品采集,并对10种水溶性离子（SO₄^2-、NO₂^-、NO₃^-、NH₄⁺、Cl^-、F^-、Na⁺、K⁺、Mg²⁺、Ca²⁺）的含量进行了分析。结果表明,研究时段内,贵阳市3个点位PM₁₀、PM_2.5平均质量浓度分别为（64.8±25.5）、（46.6±21.2）μg/m³。其中,云岩区黔灵公园马鞍山点位的颗粒物浓度最低,南明区市监测站点位最高。3个点位PM_2.5平均浓度与PM₁₀平均浓度的比值为0.719,表明贵阳市城区PM₁₀中,PM_2.5占主导地位。水溶性离子分析显示,SO₄^2-、NO₂^-、NO₃^-、NH₄⁺、Cl^-、F^-、Na⁺、K⁺主要分布在PM_2.5中,Mg²⁺、Ca²⁺主要分布在PM₁₀中。3个点位PM₁₀和PM_2.5中的水溶性离子均表现为SO₄^2-、NH₄⁺、Ca²⁺浓度较大,F^-、NO₂^-较小,表明3个点位的污染源总体相同,且水溶性离子占PM₁₀、PM_2.5含量的比例达33.6%~48.1%。贵阳市城区大气中的SO₂转化率在5月、7月、10月较高,2月最低,主要是由于5月、7月、10月的高温、高湿、强辐射环境条件促进了SO₂向SO₄^2-的转化。阴阳离子平衡分析表明,贵阳市城区PM₁₀、PM_2.5呈现出偏碱性的特征。水溶性离子主成分分析表明,贵阳市城区PM₁₀中的水溶性离子主要来源于城市扬尘、生物质燃烧尘、煤烟尘、建筑尘以及二次粒子,PM_2.5中水溶性离子的来源与PM₁₀较为相似。     

2017年上半年北京市及周边地区空气质量特征分析

依托北京市、廊坊市和保定市高密度的地面空气质量监测、气象要素监测以及PM_2.5化学组分监测和后向轨迹分析等手段，对2017年上半年三地的空气质量进行分析。研究发现：三地中北京市空气质量较好，保定市较差。分污染物来看，保定市SO₂浓度水平明显高于廊坊市和北京市，颗粒物PM₁₀和PM_2.5也呈现保定市最高、北京市最低的规律。从污染物日变化来看，CO、SO₂、NO₂、PM₁₀和PM_2.5呈双峰型分布，O₃呈单峰型分布。从区域整体分布规律来看，PM_2.5和SO₂呈现明显的"南高北低"特征。PM_2.5化学组分分析结果表明：1—4月燃煤对该区域空气质量的影响较大，5—6月机动车排放的影响更为凸显。后向轨迹分析结果表明：在2017年上半年到达北京市的气流中有24%来自于北京市南部，且这些气流多为低空传输，表明区域传输对于北京市空气质量具有一定的影响。