2001年～2008年及奥运会期间天津市大气污染特征分析

根据天津市大气质量监测数据,对2001年～2008年及奥运会期间天津市大气污染特征和主要大气污染物的变化规律进行了分析。结果表明,2001年～2008年天津市的PM10、SO2和NO2污染总体呈下降趋势,但质量浓度仍相对较高。2008年8月奥运会期间天津市PM10和SO2质量浓度达到国家空气质量二级标准,NO2质量浓度达到国家空气质量一级标准,空气质量良好。天津市PM10污染相对稳定,SO2和NO2的污染分布呈现明显的季节性,时间上表现为冬强夏弱。气象条件对污染物浓度影响明显,沙尘、大雾等天气可使污染物浓度急剧升高。     

拉萨市大气污染分布特征及气象影响因子分析

以2001～2006年拉萨市的空气环境质量自动监测结果为基础数据,阐明拉萨市区主要大气污染物SO2、NO2、PM10的逐日变化、季节变化以及年变化特征.在此基础上,分析了大气污染物浓度与气象条件的关系.结果表明,除NO2日夜差别不大之外,SO2与PM10质量浓度分别存在典型的单峰、双峰变化;各污染物质量浓度具有冬强夏弱的季节变化规律;就年平均而言,SO2浓度增加,PM10浓度降低,NO2浓度变化不显著,各污染物有明显的突变现象.大多数气象要素与污染物浓度具有较好的负相关,即满足降水量增加、温度升高、相对湿度增大会导致污染物浓度减小的规律,气象要素量级与大气污染天数多少也存在密切关系.     

珠海市大气污染时空分布特征及成因分析

应用统计方法分析了珠海市的大气污染物SO2、NO2、PM10浓度的时空分布特征.针对珠海市的污染源分布格局和当地的气象条件对上述污染物时空分布特征的成因进行了分析.研究表明,珠海市的污染物浓度空间分布较为均匀,没有显著的空间变化梯度出现;但在时间分布方面明显存在着冬春高、夏秋低的季节性差异,并受区域环境的影响较大.相关分析表明,珠海市单点源污染比例大的污染源分布格局以及典型的季风气候是造成如上污染特征的主要原因,此外珠海市的经济产业结构也存在着一定的影响.     

“十一五”时期乌鲁木齐市大气污染特征及影响因素分析

为全面了解"十一五"时期(2006—2010年)乌鲁木齐市大气污染状况,评估污染源治理及气象条件对空气质量变化的影响,利用2001年1月—2010年12月主要大气污染物浓度数据和同期地面气象资料,总结"十一五"时期乌鲁木齐市大气污染变化特征,重点分析其变化原因。结果表明:"十一五"时期PM10和SO2年均浓度分别比"十五"下降1.7%和10.3%,采暖季降幅最明显,分别达到2.2%和21.9%;而NO2年均浓度比"十五"升高8.9%,非采暖季增幅最大,为11.7%。2006—2010年PM10、SO2年均浓度整体呈下降趋势,NO2浓度有升高趋势。5年中非采暖季各污染物浓度均达标,采暖季PM10和SO2超标倍数逐年减小,煤烟型污染特征仍然典型。污染源管控(特别是减排工程实施)是"十一五"时期SO2和PM10浓度下降的重要原因,气象条件作用相对有限。NO2浓度升高主要与机动车保有量逐年增加和氮氧化物治理启动滞后有关。     

基于AGNES算法优化BP神经网络和GIS系统的大气污染物浓度预测

建立了大气污染物浓度与影响因子之间的BP神经网络,对城市中各监测点位的次日大气污染物浓度进行预测,采用GIS的插值分析进行污染物空间分布预测,其中BP神经网络的输入向量采用AGNES算法进行处理。以太原市区SO2、PM10浓度预测为例,选择气温、湿度、降水量、大气压强、风速和前5天的污染物浓度等10个参数训练BP神经网络,结果表明,BP神经网络的训练效果较好,预测结果与实际浓度显著相关,R2分别为0.988、0.976;结合太原市8个监测点位的污染物浓度预测值,运用GIS空间差值法绘出SO2、PM10的浓度分布预测图,该图与实际情况大体符合,并且与国控大气污染企业的分布显著相关,Pearson相关系数分别为0.969、0.949。     

深圳市大气能见度特征分析及其与主要污染物因子相关性分析

近些年,随着深圳市大气污染防治举措的加强,空气质量不断趋好。文章汇总了深圳市2006～2009年大气能见度特征数据,分析了深圳市能见度的年度、季度和月度变化,发现近些年深圳市大气能见度具有向好的发展趋势。探讨了大气能见度与空气主要污染物PM10、NO2、SO2的相关关系,计算了PEARSON相关系数和偏相关系数,发现PM10浓度与能见度具有显著相关性。在此基础上总结了各个主要污染物与能见度的回归曲线。利用多元线性回归法建立了大气能见度与空气主要污染物PM10、NO2、SO2之间的回归方程。     

大同市大气颗粒物浓度与水溶性离子季度分布特征

为研究大同市大气颗粒物质量浓度与水溶性离子组成特征,于2013年2、7、9、12月,分别对大同市及其对照点庞泉沟国家大气背景点进行了PM2.5及PM10的采样,通过超声萃取-IC法测定了样品中的9种水溶性离子,结果表明,大同市大气颗粒物污染1、4季度重于2、3季度,PM2.5季度均值全年均未超标,PM10仅第1季度超标1.4倍,污染状况总体良好,PM2.5与PM10相关系数R为0.75,说明大同市颗粒物污染有较为相近的来源,且不同季节均以粗颗粒物为主;大同市PM2.5中水溶性离子浓度分布为SO2-4、NO-3、NH+4Cl-、Ca2+K+、Na+F-、Mg2+,PM10中Ca2+浓度仅次于SO2-4、NO-3,控制扬尘将有效降低PM10的浓度;PM2.5及PM10中的9种水溶性离子在不同季度的浓度与颗粒物浓度分布规律类似,1、4季度较高,2、3季度较低;由阴阳离子平衡计算结果可知,相关性方程的斜率K为1.045,表明大同市大气颗粒物中阳离子相对亏损,大气细粒子组分偏酸性。NO-3与SO2-4浓度比值均小于1,大同市以硫酸型污染为主,大气中的SO2-4主要来源于人类活动排放。     

我国西北典型大城市大气可吸入颗粒物浓度分布特征

我国西北地区冬季寒冷、春季多风沙天气,空气中的可吸入颗粒物(PM10)浓度较高,利用兰州、西宁、乌鲁木齐、银川、呼和浩特等城市2000年6月～2007年12月每日浓度最高的大气主要污染物(SO2,NO2,PM10)浓度资料,研究了5个省会城市PM10分布特征。结果表明,五个城市PM10污染都较严重,PM10为主要污染物的日数每月平均超过20天。五个城市的季节分布特征类似,冬春季浓度较高,平均值都达到了国家二级污染标准,夏秋季相对低一些。其中,兰州和乌鲁木齐冬季浓度值远高于其他城市。五个城市均属煤烟沙尘型污染,但煤烟和沙尘的影响程度有所不同。     

吐鲁番市大气污染趋势及防治措施初探

通过对吐鲁番市城市环境质量三项大气主要污染物变化趋势进行调查分析，结果表明：吐鲁番市环境空气质量呈恶化趋势，大气污染物中PM10浓度呈上升趋势，SO 2呈略微上升趋势，NO2无显著变化。 PM10浓度在冬季采暖期和春秋季（4月）较高，为防治吐鲁番市空气质量变劣，急需采取积极有效的预防措施，切实保护好吐鲁番市人民赖以生存的空气环境。     

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。     

环渤海地区空气质量时空变化特征及动态预测

基于环渤海地区2017—2021年各城市空气质量指数(AQI)、污染物浓度与社会经济数据,利用数理统计、克里金插值法对环渤海地区AQI与污染物浓度的时空变化特征进行分析,运用皮尔逊相关性分析方法探讨AQI与污染物浓度、社会经济因素的相关关系,采用时间序列预测模型对2022年6月—2023年12月空气质量及污染物浓度进行预测。结果表明:环渤海地区AQI及污染物浓度大致呈逐年降低的趋势。AQI的逐月变化呈"W"形,O₃浓度的年内变化呈倒"V"形,其余污染物则呈现与O₃相反的变化趋势。AQI大致呈现西南高、东北低的空间分布特点,而污染物浓度分布具有明显的空间差异。环渤海地区5个代表性城市的AQI类别以良好为主,冬季首要污染物主要为PM_2.5、PM₁₀,夏季首要污染物以O₃为主。人口数量是影响AQI的主要因素,城市园林绿地面积对AQI具有一定影响。预测结果显示,未来环渤海地区AQI、主要污染物浓度(O₃除外)均呈现出随时间的推移逐渐下降的变化趋势。     

长株潭区域一次重度污染过程气象成因

利用PM_2.5质量浓度、地面气象要素、NCEP、ERSST＿V3、GBL等资料，研究了2021年12月7—11日长株潭地区一次重度空气污染过程的特征及成因。结果表明，高空平直环流、无明显槽脊影响，地面弱冷空气活跃是本次重度空气污染过程的主要环流形势特征；地面均压场、小风和升温增湿是此次重度空气污染过程的主要气象要素特征。污染物浓度变化与主导风向和污染通道密切相关，本地风速对混合层的高度、污染物水平扩散影响较大，600～700 hPa逆温层有利于污染物在主导风作用下近距离传输及在低层交换积累。我国中东部污染物积聚是长株潭区域重要的污染来源，长株潭地区存在区域性同步污染现象。低层流入长株潭区域气流轨迹差异及地理条件是长株潭污染物空间分布差异的重要因素。     

海口市臭氧污染特征

基于2013—2015年海口市4个空气质量自动监测站点数据,结合气象资料,分析了海口市O_3的污染特征。结果表明:海口市O_3总体优良,优良天数比例为99.4%,污染天数均为轻度污染;在良和污染天数中,O_3作为首要污染物的天数占40%,超过其他5项污染物占比。海口市10月O_3浓度最高。O_3月均浓度与温度呈负相关关系,同时与风向有密切关系:5—8月气温较高,以南风为主,O_3浓度较低;1月北风频率较高,易受外来污染传输作用,O_3浓度相对较高。O_3超标日以东北风为主,日变化并未呈现单峰型特征,12:00—22:00时段O_3浓度在10%范围内小幅变化。台风外围型和北方冷高压底部型是造成海口市O_3超标的2类典型天气形势。     

衡阳市区和衡山背景站臭氧浓度变化规律的对比分析

选取衡阳市区和衡山背景站臭氧自动监测数据,分析两地的臭氧污染特征。对空气质量的优良率情况、臭氧作为首要污染物的变化情况、臭氧浓度的日变化特征、典型时段的浓度变化特征、臭氧浓度的月际变化特征和臭氧与PM_(2.5)的关联情况等进行了分析。结果表明,多云及阴雨天气时,衡阳市区的臭氧浓度日变化幅度大于衡山背景站。夏季,衡阳市区和衡山背景站的臭氧浓度的日变化特征规律差异较大,臭氧浓度分布比较分散,前者为典型的单峰形,后者则波动平缓。冬季,日变化幅度不大,但衡阳市区的臭氧浓度明显低于衡山背景站。衡山背景站和衡阳市区的臭氧基本同步变化,但日均值高于衡阳市区。     

基于激光雷达分析2020年冬季镇江地区一次大气污染过程

利用气溶胶激光雷达观测结果,结合环境监测站污染物浓度数据、气象观测资料及HYSPLIT后向轨迹模式结果,综合分析2020年1月17—22日镇江市一次大气污染过程。结果显示,此次污染过程前期天气形势稳定,不利于污染物的清除及扩散,后期受偏北风影响,北方污染物向镇江输送,使得本地污染物持续累积,污染不断加重。特征雷达图分析表明此次污染为以PM2.5为主的二次污染。激光雷达显示污染日消光系数为0.0~0.9 km-1,消光系数垂直廓线日变化特征明显,气溶胶粒子主要堆积在0.6 km高度以下,并且很好地揭示了污染气团从高空逐渐下沉最终与本地污染叠加的过程,与HYSPLIT模式解析的污染气团来源结果基本一致。     

杭州主城区大气臭氧对空气污染指数API的影响

利用2004年至2007年空气污染监测数据,比较现行API指数和修正后API指数的差异,分析修正后O3污染的变化状况,研究O3污染的季节变化。结果表明,O3作为一种新的空气污染指标,对修正后API指数的影响很大。与现行API指数相比,4年来修正后API指数的污染率大幅度增加,并且各季节的污染率越来越接近,2007年污染率在25%左右。2007年各季节修正后API指数污染天数中O3污染天数所占百分比分别是春季为52%、夏季91.6%、秋季20.8%、冬季O3,未出现污染。     

辛集市"十三五"期间空气质量特征分析

重点对河北省辛集市"十三五"期间整体空气质量变化情况以及影响辛集市优良天数的2个重要参数O₃和PM_2.5的污染规律进行了分析。结果表明,辛集市"十三五"期间空气质量改善明显,优良天数整体增加,污染天数整体减少。O₃浓度及其作为首要污染物出现的天数整体呈现上升趋势,对综合指数的贡献率逐年增加;O₃污染高发期主要集中在4—9月,高值区域分布差距较大,但市区污染持续突出。PM_2.5浓度逐年下降,以PM_2.5为首要污染物的天数逐年减少;PM_2.5浓度季节变化特征整体呈现"秋冬高、春夏低"的分布特点,空间分布呈"南北高、中间低"的污染特征。     

佛山市近地面臭氧污染特征及相关气象因子分析

利用2014年佛山市8个国控大气自动监测点位的O_3监测数据,分析了佛山市的O_3污染特征,结果表明,2014年O_3日最大8 h平均值的第90百分位数为167μg/m~3,O_3为首要污染物的超标天数为43d,占比46.7%;ρ(O_3)区域变化不大;ρ(O_3)月变化呈现"三峰型",全年高ρ(O_3)集中在6—10月份,其中7月份出现全年最高峰值;ρ(O_3)日变化呈单峰型分布,夜间浓度较低且变化平缓,14:00—16:00左右达到峰值,并存在一定的"周末效应",但并不明显;ρ(O_3)与气温呈显著正相关,与湿度、气压、雨量呈显著负相关,与风向、风速的相关性相对较弱;总体上看,高温、低湿、微风、偏南风、低压、无雨的天气条件下高ρ(O_3)更容易出现。     

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。