基于神经网络模型对城市空气质量预报方法的优化研究

基于郑州市2017年1月1日—2022年2月28日环境空气细颗粒物(PM_(2.5))逐日质量浓度监测数据和同期气象数据,利用反向传播(BP)神经网络构建了环境空气PM_(2.5)质量浓度预报模型,实现了对郑州市后1日环境空气PM_(2.5)质量浓度日均值进行预报。构建了考虑大气氧化性因素(情景一)和不考虑大气氧化性因素(情景二)这2种情景,并对2种情景下的预报效果进行评价。结果显示,在情景一下,各季节PM_(2.5)预报质量浓度与实况质量浓度的标准化平均偏差(NMB)和均方根误差(RMSE)均处于较低水平,表明预报效果均具有较好的稳定性;各季节PM_(2.5)实况质量浓度与预报质量浓度之间的相关系数(r)、一致性指数(IA)、准确率(Q)和级别预报准确率(G)均处于较高水平,其中Q值均>79%,G值均>80%,表明各季节PM_(2.5)实况质量浓度与预报质量浓度趋势的吻合程度较高。情景一各季节PM_(2.5)预报质量浓度与实况质量浓度的NMB和RMSE均低于情景二,降幅分别为0.8%~2.3%和2.3~4.2μg/m 3;r值、IA、Q值和G值均高于情景二,增幅分别为3.5%~36.1%,2.2%~14.6%,6.4%~9.4%和3.5%~9.1%,表明考虑大气氧化性因素能够优化该模型。     

沈阳市城区采暖期PM2.5中水溶性离子的化学特征

2013年11月—2014年3月采暖期在沈阳市沈河区设置采样点采集环境空气中的PM2.5。利用离子色谱法测定PM2.5中水溶性无机离子,分析PM2.5中水溶性无机离子的组成和污染特征等。结果表明,沈阳市冬季采暖期PM2.5平均质量浓度为106μg/m3,PM2.5中总水溶性离子占PM2.5的比例为41.7%,含量较高的二次离子依次为SO2-4、NO-3、NH+4,三者均有较好的相关性,SO2-4以(NH4)2SO4形式存在,采暖期PM2.5偏酸性。     

太原市2013年环境空气质量变化特征分析

为全面了解太原市的环境空气质量状况及污染物的时间变化规律,本文选取太原市8个站点2013年1月至12月六种主要污染物(SO2、NO2、PM10、CO、O3、PM2.5)为期一年的监测数据,评价该市2013年环境空气质量的总体情况,研究各污染物在不同时间尺度的变化特征及相互之间的关系。结果表明,2013年太原市环境空气质量以良和轻度污染为主,首要污染物主要为PM2.5和PM10;SO2、NO2、PM10、CO和PM2.5的小时变化规律较为一致,都呈现"双峰型"的变化特征,O3则呈显著的"单峰型"变化规律;上述六种污染物具有明显的季节变化特征,SO2的浓度峰值主要集中在供暖期,NO2和O3—8h浓度在夏季要高于其他季节,PM10的浓度峰值出现在春季(3月)和秋季(10月),CO的浓度峰值集中在11月和12月,PM2.5的浓度峰值主要集中在冬季;相关性分析结果表明,SO2、NO2、PM10、CO、PM2.5浓度日均值在全年各时段均具有很好的正相关性,化石燃料的燃烧可能是上述污染物质的共同来源。     

环境空气质量新标准对郑州和开封空气质量评价的影响

利用河南省环境空气质量新标准实施一期城市(郑州、开封)2013年的环境空气自动监测数据,分析了实施《环境空气质量标准》(GB 3095—2012)对这2个城市空气质量评价的影响。研究发现,若采用新标准,郑州、开封污染物年均浓度超标情况加重;城市空气质量达标率从51%、71%下降到35%和31%,下降了16和40个百分点;PM2.5的纳入是空气质量达标率下降的最主要原因,大于NO2标准的收严和CO、O3纳入评价指标的影响,其超标率分别为58%(郑州)和63%(开封);且PM2.5取代PM10成为郑州、开封的首要污染物,其作为首要污染物的比例均大于70%。     

沈阳市大气中PM2.5来源解析研究

通过2015年在沈阳市采集PM2.5样品及源类样品,分析样品的质量浓度和化学组成,用化学质量平衡(CMB)模型对该市PM2.5来源进行解析。结果表明:沈阳市大气中PM2.5浓度时空变化特征明显;各主要源类对沈阳市PM2.5的分担率依次为煤烟尘(28.03%)、二次无机离子(22.63%)、机动车尾气尘(17.27%)、城市扬尘(13.28%)、建筑尘(5.94%)、土壤风沙尘(5.82%)、道路尘(3.04%)、生物质燃烧尘(2.74%)和冶金尘(1.25%)。燃煤和机动车的有效控制既能降低本类源的贡献,也能降低二次无机离子,体现了多源类综合治理原则。     

遂宁市2013年大气污染特征及成因

根据遂宁市近年的环境空气监测数据,系统研究了2013年大气污染特征和2007—2013年的变化趋势,分析了颗粒物的组成和主要来源,并与周边地区大气环境监测结果进行了横向比较。研究结果表明,2013年遂宁市环境空气质量达标率为88.1%,大气中SO2、NO2和PM10的年均质量浓度分别为31、30、94μg/m3,空气质量达到二级标准,但劣于往年水平,大气中首要污染物是PM10,夏季和秋季的空气质量明显优于冬季和春季;遂宁市空气质量的变化趋势与周边地区一致,呈现出一定的区域性污染特征,但明显优于周边地区;进一步从5个方面阐述了遂宁市2013年空气质量下降的原因;根据遂宁市大气污染现状,提出了大气防控措施和建议。     

主分量分析法在环境空气监测数据分析中的应用

根据西宁市13个环境空气监测站点2013—2017年大气污染物细颗粒物(PM2. 5)、可吸入颗粒物(PM10)、二氧化硫(SO_2)、二氧化氮(NO_2)、臭氧最大8 h平均(O_3-8h)和一氧化碳(CO)的监测数据,采用主分量分析法对西宁市环境空气质量进行了综合评估。结果表明,2013—2017年西宁市大部分环境空气监测站点周边环境空气质量逐渐提升,4个国控站综合得分(F)趋势变化幅度较大,其周边环境空气质量状况改善较为明显;城南新区、湟源县气象局和西钢监测站点周边环境空气质量呈逐年下降趋势,与其附近工业生产有关。     

珠三角秋冬季节长时间灰霾污染特性与成因

利用珠三角大气超级站2012年10月与2013年1月能见度、不同粒径颗粒物与BC质量浓度、气溶胶光散射系数、O3、相对湿度等在线监测数据,分析秋冬季节2次持续时间超过10 d的长时间灰霾过程污染特性与成因。结果表明,冬季灰霾过程中气溶胶吸光系数和光散射系数对大气总消光系数的贡献分别为13%和67%;PM2.5、PM1占PM10质量浓度分别为66%和39%;较高的PM2.5与BC日均浓度相关系数(R2=0.88)体现了一次排放对颗粒物质量浓度及能见度的显著影响。秋季灰霾过程中气溶胶吸光系数和光散射系数对大气总消光系数的贡献分别为11%和69%,由BC导致的吸光效应较冬季下降了约20%;PM2.5和PM1占PM10质量浓度比例分别为68%和45%,均高于冬季;O3浓度日最大小时值的平均值接近冬季的2倍;二次来源对PM2.5浓度升高和能见度下降起主导作用。来自不同方向的2种气团在珠三角僵持,大气扩散条件差是导致这2次灰霾过程的重要外在条件,应成为灰霾预报预警的重点关注对象。     

基于CFSv2的延伸期空气质量数值预报技术及效果评估

介绍了基于CFSv2产品开展空气质量数值模拟的技术方法以及基于该技术的成都市延伸期空气质量预报系统,评价了2019年9月25日至12月25日的预报结果,以2019年12月为例分析了系统对具体污染过程的预报能力。结果表明,系统AQI预报准确率为36.67%,等级预报准确率为68.93%,"时段1"的预报效果优于其余时段,但"时段2"和"时段3"在污染物浓度水平上仍然具有较高的参考价值。系统在PM2.5浓度、气温和气压的变化趋势上提供21 d左右的参考。后续工作中,将针对CFSv2产品开展气象模型参数方案优选,并尝试结合基于GFS产品驱动的常规业务数值预报产品为延伸期空气质量预报提供污染物浓度初始场,减少误差传递,从而提高延伸期空气质量预报产品的准确性和可用性。     

济南市空气污染现状及控制对策

利用2013年1—12月济南市大气监测数据,分析该市空气质量现状及时空分布特征,结果表明:2013年济南市空气主要污染物质量浓度均超过《环境空气质量标准》(GB 3095—2012)二级标准限值,空气污染严重时段为冬季采暖期,颗粒物污染严重区域为该市西部和西北部地区,SO2、NO2污染严重区为中心城区,并从点源、面源和移动源3个方面提出相应的污染防治对策。在SO2、NOx和工业烟粉尘分别减排22.5%、18.2%和31.4%的条件下,运用Models-3/CMAQ模型模拟计算得出:2015年1月和7月,济南市空气中SO2、NO2、PM10和PM2.5的质量浓度与2010年同期相比将分别降低23.9%和29.7%、11.4%和15.9%、21.9%和32.6%、13.5%和26.9%,空气质量得到明显改善。     

几种空气质量预报方法对冬季预报效果的评估与对比

基于2016年冬季泰州市环境空气质量自动监测数据,定量评估NAQPMS模式、CMAQ模式和人工订正对污染物质量浓度和空气质量等级的预报效果。结果表明,模式预报和人工订正对各污染物预报的相关系数由高到低排列为PM_(2.5)、PM_(10)、NO_2、SO_2、O_3-8h,颗粒物预报效果最好。除O_3-8h外,NAQPMS对各项污染物预报的相关系数R为0.47～0.82,CMAQ为0.75～0.81,人工订正为0.43～0.78,3种预报方式均能准确反映污染物浓度的变化趋势;模式预报、人工订正对O_3-8h预报相关系数均0.4。在发生颗粒物污染过程时,人工订正结果相对更为准确。NAQPMS、CMAQ和人工订正对空气质量等级24 h预报准确率分别为38.9%、41.1%和35.6%,NAQPMS对优类别的预判准确率较高,CMAQ、人工订正对良类别的预判准确率较高。对比不同时效的预报效果,24 h预报时效的准确率高于48和72 h。提出,城市空气质量预报可采用集合预报方式,综合1～2种运行较稳定的主流预报模式预报结果,预报员对模式模拟结果进行人工修订,提高预报准确率。     

Assessment of Ambient Air Quality in Urban Centres of Haryana (India) in Relation to Different Anthropogenic Activities and Health Risks

Considering the mounting evidences of the effects of air pollution on health, the present study was undertaken to assess the ambient air quality status in the fast growing urban centres of Haryana state, India. The samples were collected for total suspended particulate matter (TSPM), respirable suspended particulate matter (PM₁₀), sulfur dioxide (SO₂), and oxides of nitrogen (NO₂) during different seasons from 8 districts of Haryana during January, 1999 to September, 2000. The four types of sampling sites with different anthropogenic activities i.e. residential, sensitive, commercial and industrial were identified in each city. The ambient air concentration of TSPM and PM₁₀ observed was well above the prescribed standards at almost all the sites. The average ambient air concentrations of SO₂ and NO₂ were found below the permissible limits at all the centres. Comparatively higher concentration of SO₂ was observed during winter seasons, which seems to be related with the enhanced combustion of fuel for space heating and relatively stable atmospheric conditions. Air Quality Index (AQI) prepared for these cities shows that residential, sensitive and commercial areas were moderately to severely polluted which is a cause of concern for the residents of these cities. The high levels of TSPM and SO₂ especially in winter are of major health concern because of their synergistic action. The data from Hisar city reveals a significant increase in the total number of hospital visits/admissions of the patients with acute respiratory diseases during winter season when the level of air pollutants was high.     

2019年江苏省PM2.5和O3多模式集合预报算法效果评估

基于江苏省重污染天气监测预报预警系统多模式预报结果,分析了不同数值模式对江苏省13个城市细颗粒物(PM_2.5)和臭氧(O₃)的预报偏差特征,发展了多模式集合预报算法,并对其进行了评估。结果表明,相较于单一数值模式,集合预报算法显著改善了PM_2.5和O₃预报的准确率,其对江苏省PM_2.5和O₃空气质量分指数等级的预报准确率超过了80%。就江苏省整体而言,PM_2.5集合预报的准确率相比最优单一数值模式提升了6%。O₃浓度较低时,集合预报能有效改善各模式存在的高估现象。但受限于目前的校正策略,出现高浓度O₃污染时,集合预报对预报效果的提升相对有限。     

道路绿化带影响大气颗粒物分布实测研究

以福州市西三环快速路某路段为实验靶区，利用微型环境检测仪采集路边细颗粒物(PM_2.5)、亚微米颗粒物(PM_1.0)和黑碳(BC)的空间分布样本，解析其在道路绿化带前后(绿化带前是指干道和辅道外边缘线位置，其他位置均视为绿化带后)的变化特征及原因。结果表明：(1)颗粒物浓度随着采样点远离干道而整体趋于递减，呈现BC>PM_2.5>PM_1.0的衰减率变化特征，且植被稠密的路边环境对应更大的颗粒物浓度降幅。(2)夏季绿化带后的颗粒物浓度降幅高于冬季，冬季绿化带后部分采样点的PM_1.0和PM_2.5浓度甚至有所抬升。在植被茂密的路边环境下，风自干道吹向绿化带情景的路边空气质量介于风自绿化带吹向干道情景和风平行于干道情景之间。(3)BC对交通变化的敏感性高于PM_2.5和PM_1.0,植被茂密的绿化带后的颗粒物浓度降幅会因交通强度的上升而增大。风自干道吹向绿化带时，绿化带对颗粒物的调节作用会随交通源强和季节的变化而不同...     

Characterisation of PM10, PM2.5 and Benzene Soluble Organic Fraction of Particulate Matter in an Urban Area of Kolkata, India

In this study, the relationship between inhalable particulate (PM₁₀), fine particulate (PM_2.5), coarse particles (PM_{2.5 – 10}) and meteorological parameters such as temperature, relative humidity, solar radiation, wind speed were statistically analyzed and modelled for urban area of Kolkata during winter months of 2003–2004. Ambient air quality was monitored with a sampling frequency of twenty-four hours at three monitoring sites located near traffic intersections and in an industrial area. The monitoring sites were located 3–5 m above ground near highly trafficked and congested areas. The 24 h average PM₁₀ and PM_2.5 samples were collected using Thermo-Andersen high volume samplers and exposed filter papers were extracted and analysed for benzene soluble organic fraction. The ratios between PM_2.5 and PM₁₀ were found to be in the range of 0.6 to 0.92 and the highest ratio was found in the most polluted urban site. Statistical analysis has shown a strong positive correlation between PM₁₀ and PM_2.5 and inverse correlation was observed between particulate matter (PM₁₀ and PM_2.5) and wind speed. Statistical analysis of air quality data shows that PM₁₀ and PM_2.5 are showing poor correlation with temperature, relative humidity and solar radiation. Regression equations for PM₁₀ and PM_2.5 and meteorological parameters were developed. The organic fraction of particulate matter soluble in benzene is an indication of poly aromatic hydrocarbon (PAH) concentration present in particulate matter. The relationship between the benzene soluble organic fraction (BSOF) of inhalable particulate (PM₁₀) and fine particulate (PM_2.5) were analysed for urban area of Kolkata. Significant positive correlation was observed between benzene soluble organic fraction of PM₁₀ (BSM10) and benzene soluble organic fraction of PM_2.5 (BSM2.5). Regression equations for BSM10 and BSM2.5 were developed.     

喀什市2022年环境空气质量特征分析

为摸清喀什市环境空气质量变化特征,为管理部门进行污染精准管控提供科学参考,基于喀什市2022年环境空气自动监测数据开展分析研究。结果表明:2022年喀什市二氧化硫、二氧化氮、臭氧、一氧化碳年均质量浓度均优于国家二级标准。超标污染物主要为可吸入颗粒物和细颗粒物。喀什市细颗粒物、可吸入颗粒物浓度呈春、秋、冬季高,夏季低的季节特征。     

石家庄市大气颗粒物元素组分特征分析

为研究石家庄市大气颗粒物的污染特征及其来源,于2013年4—5月在主城6区分别采集TSP、PM10和PM2.5颗粒物样品,利用ICP-MS分析其中的22种元素浓度。结果表明,石家庄市城区Ca、Fe元素在各粒径颗粒物中含量都较高,PM2.5中的S、K含量较高,PM10和TSP中Mg、Al的浓度相对较高。颗粒物的主要来源为燃煤尘、道路尘和建筑尘,TSP、PM10和PM2.5具有较好的统计相关性和同源性。     

多尺度环境空气质量预报业务产品测试研究

为了探讨NAQPMS数值模式预报产品及其他预报业务所需产品在国家-区域-城市不同尺度单位的有效使用率、重污染过程中的作用,以及不同地区(城市)预报业务需求及作业产品需求偏差,选取17家单位进行测试研究。分析数据显示:15类参与研究产品均为各省市监测中心空气质量日常预报业务的开展作出了重要贡献,NAQPMS数值预报产品准确率最高可达到84.72%,省会城市准确率略低,总体平均可达50.21%,重污染过程的平均捕捉准确率为52.33%;研究测试产品在各尺度的获取时间均可控制在2.5 h左右。研究结果表明,指导产品能基本反映污染物形成、发展及变化趋势,明确不同地区城市预报业务需求及产品偏差,在PM_(2.5)和O_3预报准确率和重污染过程捕捉预报结果偏低等方面有待加强。     

北京地区不同季节PM2.5和PM10浓度对地面气象因素的响应

利用2013年1月—2014年12月北京地区PM_(2.5)和PM_(10)监测数据和同期近地面气象观测数据,采用非参数分析法(Spearman秩相关系数)研究了北京地区PM_(2.5)和PM_(10)的浓度对不同季节地面气象因素的响应。结果表明:北京地区大气颗粒物浓度水平具有明显的季节特征,冬季大气颗粒物污染最严重,夏季最轻。不同季节影响颗粒物浓度水平的气象因素各不相同,其中风速和日照时数为主要影响因素。PM_(2.5)和PM_(10)质量浓度对气象因素变化的响应程度也有较大区别,PM_(2.5)/PM_(10)比值冬季最高,PM_(2.5)影响最大,春季最低,PM_(10)影响最大。这些结论可对制订科学有效的大气污染控制策略提供参考。