新疆典型城市空气中TSP与PM10监测指标对空气质量级别的影响

通过对新疆4个典型城市开展为期4年的TSP、PM10浓度同步监测,分别以TSP、PM10为指标计算空气质量级别,对比2个指标影响空气质量级别所造成的差异,从而提出适合新疆城市,尤其是南疆城市沙尘天气情况下的空气质量监测体系,提出使颗粒物监测结果能够真实客观地反映干旱区城市环境质量状况的监测方法和方案。     

泰州市主城区环境空气监测点位间监测数据显著性差异统计检验探讨

根据泰州市主城区 (海陵区 )四个测点十年空气环境质量监测数据 SO2 、NOX、TSP平均值 ,对四个测点三项指标显著性差异进行了数理统计检验 (显著性水平为 0 0 5 ,置信度为 95 % )。统计结果表明 ,泰州市主城区四个测点的 SO2 、NOX、TSP三项指标均不存在显著性差异 ,说明在泰州市主城区设立一个空气自动监测子站进行监测基本能反映该区域的环境空气质量。     

利用微生物指标监测大气污染

报道了利用需氧菌、溶血性链球菌、绿脓干菌及真菌等微生物指标测定大气污染的结果.经统计学分析,需氧菌类浓度与有害的大气污染物TSP与SO_2有正相关性.在此基础上监测了南京地区不同功能区的大气污染,对其环境质量作出空气清洁度评价,评价结果显示出该城市地区不同生态环境条件,不同功能的大气采样点,存在着不同程序的污染,市区50%为清洁空气,50%已受到了不同程度的污染,其中有10%已被严重污染;郊区以清洁空气为主,占88.4%.     

关于城市空气质量周报中几个技术问题的探讨

在发布空气质量周报工作中,我们发现了空气污染指数法与空气质量标准法评价结果的差异,建议选用合适的分级值,并重申了监测数据的有效性规定.开展污染事故监测的质量报告发布工作的基础研究,作好环境质量预测预报工作.将污染指数法推广应用到其它环境评价中.     

石河子市环境空气质量变化趋势浅析

根据石河子市1982-2001年空气中SO2、NOx、TSP和降尘等大气污染物浓度的变化情况,分析其空气质量变化的原因和条件,并用Spearman秩相关系数法对其变化趋势进行了分析,得出石河子市环境空气质量有所好转,SO2、NOx、TSP、降尘浓度均有不同程度的下降。并对干旱地区的城市化建设、污染控制及改善环境质量作了有益的探讨。     

兰州市空气污染物的变化规律与特征

论述了兰州市 1 993～ 1 996年间 ,室内外空气污染物 ,特别是一些非常规监测指标 ,如 PM1 0 、PM2 .5～ 1 0 和 PM2 .5 的污染规律和分布特征。结果表明兰州市仍以尘污染为主 ,PM1 0 在 TSP中平均占 3 3 %左右 ,而 PM2 .5 占了 PM1 0 的大部分     

2008年春季呼和浩特沙尘天气与TSP和PM_(10)污染的关系

利用TSP和PM10逐时监测数据,对2008年春季呼和浩特市TSP和PM10浓度的变化及其在沙尘天气过程中的相关性进行了分析,结果表明:(1)2008年春季TSP和PM10浓度值多高于国家环境空气质量二级标准,沙尘天气是影响空气环境质量的主要诱因。(2)TSP和PM10浓度在沙尘暴发生当日及前后几天均会有不同程度的增加,且以沙尘天气发生当日浓度最大。TSP和PM10浓度3月份最低,4月份次之,5月份最高。(3)不同沙尘天气过程中,TSP和PM10浓度相差明显,且TSP与PM10/TSP值随沙尘天气强度的增加而增大,PM10在不同沙尘天气过程中均为主要组成成分。(4)沙尘天气过程中TSP与PM10呈线性相关。     

南通市不同空气质量级别对应的EC和OC变化特征

采用EC/OC在线分析仪和空气自动站连续监测数据(2016年3月—2017年2月),对南通市不同空气质量级别下的EC、OC变化特征进行了分析。结果表明,EC、OC小时均值分别为1.25~6.55,4.16~24.90μg/m~3,与空气质量级别呈正相关(r=0.999,0.963,p0.01);ρ(EC)/ρ(PM_(2.5))、ρ(OC)/ρ(PM_(2.5))分别为3.54%~6.64%,11.53%~22.18%,总体随空气质量级别的升高而下降,存在明显二次有机碳(SOC)污染,ρ(SOC)为2.29~14.18μg/m~3,与空气质量级别呈正相关(r=0.921,p0.05);ρ(SOC)/ρ(PM_(2.5))为5.44%~12.22%,总体随空气质量级别的升高而下降。"优"—"轻"空气质量级别下,EC小时值日变化曲线呈双峰型,OC小时值日变化曲线呈单峰型,"中""重"空气质量级别下,EC、OC小时值日变化规律不明显。"优、良、中、重"空气质量级别下的EC和各空气质量级别下的OC的季节平均值均为夏季最高,其余季节分布规律不明显,EC、OC总均值季节分布为:夏冬春秋。     

克拉玛依市空气质量特征分析

为研究克拉玛依市空气质量特征,对2015年克拉玛依市空气自动站监测数据进行分析。结果表明,克拉玛依市空气质量整体较为清洁,优良天数占有效监测天数的91.5%,PM_(2.5)平均浓度为31μg/m~3,PM_(10)平均浓度为64μg/m~3,PM_(2.5)在PM_(10)中占比近半;SO_2和NO_2浓度相对不高,NO_2/SO_2比值为2.4,流动源问题相对突出;对各项污染物的综合指数分担率分析发现,克拉玛依市PM_(10)和PM_(2.5)为综合指数分担率最高的因子,不足四分之一,O_3排第三位,超过五分之一,SO_2最低,仅为3.6%。     

江淮地区秋季一次典型污染过程分析

结合2018年10月15—20日国控站点监测数据、气象资料及激光雷达走航观测结果,对江淮地区一次重度污染过程进行了分析。利用拉格朗日粒子扩散模型和拉格朗日混合单粒子轨迹模型定性分析了区域污染来源,分别基于激光雷达和空气站实测数据提出了外来源占比的估算方法,结合嵌套网格空气质量预报模式(NAQPMS)的源解析结果,对比分析了外来源占比。以淮北市为例,结合NAQPMS和单颗粒气溶胶质谱的PM2.5在线源解析结果,对比分析此次污染过程的行业来源。结果表明,本地污染累积时段,主要以燃煤和机动车尾气混合源为主(占比>70%);受北方污染输送时段,机动尾气占比显著升高,从19.4%(16日00:00)升至66.7%(17日11:00),淮北市、蚌埠市、合肥市3个城市污染物外来输送占比分别为52.2%~70.6%、48.8%~58.8%、41.5%~59.0%。     

兰州市主要大气污染物浓度季节变化时空特征分析

应用统计方法分析了兰州市大气污染物SO2、NOx、TSP浓度时空分布的季节变化特征。使用GIS空间叠加分析技术,利用污染源、人口、绿地覆盖等空间数据,对上述污染物时空分布特征的成因进行了探讨。研究表明,兰州市大气环境质量状态存在鲜明的冬春高、夏秋低的季节差异。空间上,经济活跃、人口密集城区污染程度更高。TSP污染物是造成兰州市大气环境质量下降的主要污染源,但其他两种污染物对兰州市区大气环境质量的影响也不能忽视。相关分析表明,社会经济因素对兰州市空气质量的时空分布有一定影响。GIS空间分析功能是分析城市空气环境质量时空变化特征的一个有效工具。     

基于改进的灰色聚类法的大气环境质量评价方法的研究

根据目前环境质量评价时采用的空气污染指数法API在具体操作中不具有可比性的缺点，本文以郑州市大气监测数据为例，应用改进深灰色聚类法对郑州市大气环境质量进行评价，通过构造白化函数，根据各测点不同级别的隶属度的比较，即可判断出各测点环境质量优劣所得结果与大气环境质量现状相符合。     

浙江省环境质量演变趋势分析及预测研究

选择2011—2020年浙江省地表水、空气和酸雨监测数据,结合社会经济发展统计数据,从社会经济与环境质量间协调性角度探讨“十二五”及“十三五”浙江省环境质量演变趋势,并在此基础上对“十四五”期间环境质量进行科学合理的预测。分析结果表明,2011—2020年环境质量不断向良好状态发展,通过动态耦合模型得到的耦合度由2011年的34.6°上升到2020年的55.4°,社会经济发展与环境质量协调发展水平呈现上升态势。采用灰色预测法和时间序列模型对环境质量进行预测,模拟结果显示,预计到2025年地表水优良率将达到92%,满足功能要求断面比例达到95%,设区城市空气质量优良天数比例达到92%,酸雨率平均为40%。正确认识社会经济发展与环境质量变化之间的耦合规律,并对环境质量进行合理预测,能够为促进社会经济与生态环境的协调发展提供理论依据,为深入打好污染防治攻坚战提供有力支撑。     

利用Keras构建神经网络在空气质量预测中的应用

利用python语言搭建了一整套空气质量神经网络预测系统,底层利用Keras设计并建立了基于tensorflow的神经网络模型。选择日平均气压、日平均气温、日平均相对湿度、日降水量、日平均风速、前1日空气质量因子监测数据等因素作为模型输入变量,分别针对广东省所有监测站点和地市的空气质量因子(PM_(2.5)、PM_(10)、NO_2、SO_2、CO、O_3、AQI)进行预测,结果表明,7个因子的地市平均相对误差值为16.15%～27.7%,地市相关系数为0.36～0.77,该模型在城市空气质量预测中具有良好的效果。     

江苏省空气质量预报准确度及改进方法分析

介绍了江苏省重污染天气监测预报预警系统以及大气重污染预警会商流程,将2015年13个地级市的模式预报、人工预报结果分别与实际观测值进行比较。结果表明:人工预报更准确,PM_(2.5)日均值、臭氧日最大8 h平均值、AQI 3个指标人工预报和实况的相关性分别比模式预报高出12.8%、0.3%、11.4%,平均标准误差(MNE)分别低20.7%、3.1%、23.1%。依据国家空气质量预报技术指南评分办法,对各市2015年全年空气质量级别为"良"时进行评分。通过开展07∶00预报更新,使2015年上半年空气质量预报级别得分平均提高了0.9分,全年级别得分平均提高了2.6分;通过改进模式预报参数,使PM_(2.5)日均预报值、臭氧日最大8 h平均预报值、AQI预报值和实际观测值的相关性比上年同期分别提高26.0%、5.0%、33.9%,MNE分别降低3.6%、31.3%、7.6%。     

环境空气中TSP与PMl0的相关性浅析

通过对自动监测PMl0与24h手工监测TSP的监测结果对比分析，运用数理统计的方法进行了相关性分析找出了两者的回归方程，以保持监测数据的连续性。     

伊宁市空气质量动态变化趋势分析

分析了伊宁市空气质量长期监测数据不同月份、不同年度、不同污染因子的动态变化趋势，结合当地能源结构、气候特征、城市环境综合发展水平，指出影响伊宁市空气质量的主要因素，为防治或减轻伊宁市的空气污染提供了科学依据。     

总悬浮颗粒物监测中空白膜的重要作用

经统计计算结果表明 ,TSP监测值越低 ,其空白膜重量之差对测定结果影响越大。当 TSP含量低于 0 .0 5 mg/m3时 ,则其相对偏差可达 2 0 %。所以 ,在 TSP监测与计算时 ,必须在每个监测点上都放置空白膜 ,以减小环境误差 ,保证监测数据的准确可靠总悬浮颗粒物监测中空白膜的重要作     

白银市环境空气污染防治对策研究

采用2011-2015年白银市环境空气质量监测数据,简要地分析了白银市环境空气污染现状,空气质量总体良好,但形势不容乐观,特别是实施新的《环境空气质量标准》评价体系后,空气环境质量达标形势非常严峻,在对白银空气污染特征进行深入分析的基础上,提出了相应的防治对策与建议。     

基于大数据智能技术的空气质量综合分析系统设计和应用

基于“数字政府”统一框架,设计并建立了基于大数据智能技术的空气质量综合分析系统,集空气质量大数据集成、数据审核、监控报警、综合分析、达标管理、污染溯源功能于一体,建立城市空气质量综合监管数学模型,实现空气质量大数据快速分析及可视化、空气质量预测及评价,可以全方位提升城市环境空气质量综合监测与分析能力,及时、迅速地对城市环境空气质量异常状况作出应对,为环境空气污染精准治理及确保空气站监测数据准确性提供技术支撑。