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。     

新疆环境空气中PM_(2.5)/PM_(10)比值特征分析

随着环境空气质量新标准的全面实施,PM_(2.5)监测已经全面普及,并成为全国大部分城市关注的首要污染物,根据新疆环境空气质量监测网中不同区域、不同时段颗粒物(PM_(2.5)、PM_(10))质量浓度监测结果,对PM_(2.5)/PM_(10)质量浓度的比值关系进行深入分析,研究其在新疆典型区域特殊气象条件下的分布规律,为科学合理评价和考核新疆环境空气质量提供数据支持与参考。     

福州地区冬春典型污染过程PM2.5特征及成因分析

综合使用HYSPLIT、PSCF与CWT、PMF等分析方法,针对福建省福州地区冬春季节发生的多次污染过程(P1～P4),深入研究PM_(2.5)典型污染特征、成因及其潜在源区等。初步分析认为PM_(2.5)为影响P1～P4过程中福州地区环境空气质量的首要污染物。PM_(2.5)组分特征分析表明,移动源对PM_(2.5)污染有较大贡献,每次污染过程中的二次反应明显。HYSPLIT后向轨迹分析表明,P1、P2以本地污染源贡献为主,P3、P4存在较强的污染气团输送。PMF源解析分析P1、P2结果认为,福州地区冬春PM_(2.5)主要来源均为机动车源,分别为35.86%和42.75%,二次源分别为24.55%和30.52%,而冬季P1过程中工业/燃煤源(29.06%)的来源贡献明显高于春季P2过程(19.92%)。P3、P4作为受到外来污染传输叠加影响的典型案例,颗粒物激光雷达监测发现P3的PM_(2.5)污染主要受北方污染传输影响;PSCF与CWT联合分析结果表明,P4中的PM_(2.5)污染主要来自福州地区西南方向,颗粒物浓度贡献值高于80μg/m~3。     

2015年中国PM_(2.5)相关超额死亡数集成评估

环境空气细颗粒物(PM_(2.5))污染是我国目前较为突出的环境问题,也对人群健康造成严重威胁。基于国内外5套不同来源的2015年中国PM_(2.5)年均暴露浓度数据和5种暴露-反应关系(exposure-response,E-R)模型,设置了不同PM_(2.5)暴露浓度与E-R模型的25种组合情景,评估了2015年中国归因于环境PM_(2.5)导致的超额死亡数。结果表明,2015年全国(覆盖2 826个区县) PM_(2.5)相关超额死亡数为75.0万～256.5万例,其中应用国内E-R模型评估得到的超额死亡数(186.0万～256.5万例)大于国外模型评估得到的超额死亡数(75.0万～133.2万例);空间分布上,京津冀、河南、山东等重污染地区及人口密度较大地区的PM_(2.5)相关疾病负担较重,这些地区需制定更严格的政策来改善空气质量及保护公众健康。指出,我国地面监测站获得的暴露数据通常会高估全国PM_(2.5)的实际浓度均值,运用多套PM_(2.5)暴露浓度数据和多种E-R模型评估疾病负担,有利于减少评估的不确定性。提出,应加强我国PM_(2.5)与人群健康的队列研究及数据积累,以获取更准确的E-R关系,提升PM_(2.5)相关疾病负担评估结果的准确性。     

西宁市城区冬季PM2.5和PM10中有机碳、元素碳污染特征

2014年11月—2015年1月对西宁市冬季开展PM_(2.5)和PM_(10)的连续监测。利用DRI 2001A型热光碳分析仪(美国)对有机碳和元素碳进行分析,结果表明:西宁市冬季PM_(2.5)和PM_(10)中碳气溶胶所占比例分别为33.13%±6.83%、24.21%±6.27%,说明碳气溶胶主要集中在PM_(2.5)中;OC/EC值均大于2,说明西宁市大气中存在二次污染;SOC占PM_(2.5)和PM_(10)的质量浓度比例分别为46.50%和57.40%,PM_(2.5)中SOC浓度占PM_(10)中SOC浓度的61.88%,说明SOC主要存在于PM_(2.5)中,且SOC形成的二次污染和直接排放的一次污染都是西宁市碳气溶胶的主要来源;与其他城市比较发现,西宁市冬季PM_(2.5)中的碳气溶胶含量普遍高于其他城市,PM_(10)中OC质量浓度相对其他城市较高,EC质量浓度偏低;OC和EC的相关性不显著,说明来源不统一;进一步对OC和EC各组分质量浓度进行分析知,西宁市冬季碳气溶胶主要来源于机动车汽油排放、燃煤和生物质燃烧。     

邯郸市冬季大气PM2.5中金属元素空间污染特征及生态风险评价

为研究邯郸市大气细颗粒物(PM_(2.5))中金属元素的污染特征,选取城区4个功能区(工业区、工业生活区、教学区和交通区)分别布设采样点位,采集2017年冬季PM_(2.5)样品。采用电感耦合等离子体质谱仪分析样品中11种金属元素(V、Cr、Mn、Fe、Ni、Co、Cu、As、Cd、Ba和Bi)的含量,对其空间污染特征进行比较,并运用主成分分析、聚类分析和绝对主成分得分-多元线性回归模型对金属元素的来源及其贡献率进行模拟计算,对Cr、Ni、Cu、As和Cd的潜在生态风险进行评估。研究结果表明,邯郸市冬季PM_(2.5)污染较为严重,4个功能区的PM_(2.5)日均值远超《环境空气质量标准》(GB 3095—2012)二级标准限值。对金属元素含量的分析表明,教学区大气PM_(2.5)中金属元素质量浓度的总和相对较低,尤其是Fe、Cr、Cd、Mn和Cu的含量均低于其他3个功能区,但是As的含量较高。富集因子计算结果显示,V、Co和Ba在邯郸市的富集系数小、污染程度低,其余金属元素尤其是As、Fe、Cd和Bi的富集系数大、污染程度高。对研究区大气PM_(2.5)金属元素的来源进行解析发现,金属元素的主要来源包括工业生产、自然源、化石燃料的燃烧及交通运输活动。其中,Cr、Mn、Fe、Cu、Cd和Ba主要来自工业活动,V、Co和Bi的主要来源是自然源,Ni和As主要来自化石燃料的燃烧及交通运输活动。潜在生态风险评估发现,邯郸市4个功能区金属元素的总生态风险指数均较高,尤其是As和Cd在各个功能区的潜在生态风险程度为极强,但Cr和Ni的潜在生态风险程度较低。     

采暖期北京大气PM2.5中碳组分的分布特征及来源解析

在冬季采暖期采集北京大气中的PM_(2.5)样品,利用自动称重系统AWS-1和热/光碳分析仪测定样品中PM_(2.5)和OC/EC,研究碳组分的变化特征,并通过OC/EC的值和单颗粒气溶胶质谱仪(SPAMS 0515)分析大气颗粒物中碳气溶胶的可能来源。结果表明:PM_(2.5)污染天气的OC、EC在PM_(2.5)中的占比要比清洁天气时低,其中SOC在PM_(2.5)中的占比由清洁天气时的22.9%减少到了重污染天气的15.4%,这是因为大气中的PM_(2.5)有较强的消光作用,导致气溶胶的氧化能力降低,造成了SOC的生成量减少;通过分析OC/EC值表明,冬季采暖期北京大气碳气溶胶的主要来源为机动车尾气和燃煤,这与SPAMS 0515在线解析的结果一致。采用SPAMS 0515进行在线OC、EC分析,在PM_(2.5)质量浓度≤250μg/m3时同手工方法有较好的相关性。解析结果表明,燃煤和机动车尾气是北京冬季采暖期的首要污染物来源,占比分别为34.0%和26.4%。     

齐齐哈尔市PM2.5与PM10污染趋势及相关性分析

对2014—2016年齐齐哈尔市PM_(2.5)与PM_(10)质量浓度的时间变化特征进行简要分析,并探究PM_(2.5)/PM_(10)以及PM_(2.5)与PM_(10)的相关性。结果表明:2014—2016年齐齐哈尔的PM_(2.5)与PM_(10)的年均质量浓度分别为36.7、62.9μg/m~3,且呈逐渐下降趋势;冬季的PM_(2.5)与PM_(10)浓度最高,秋季次之,春季与夏季相对较低;2014—2016年PM_(2.5)与PM_(10)质量浓度月变化趋势基本相同,整体呈现2—6月逐渐下降,9—11月逐渐上升的规律;PM_(2.5)与PM_(10)质量浓度的日变化均呈双峰现象;对PM_(2.5)与PM_(10)进行线性拟合,相关系数为0.896 3。同时,残差分析也说明两者拟合情况良好,四季相关系数为r_(秋季)(0.982 2)r_(冬季)(0.964 4)r_(夏季)(0.943 9)r_(春季)(0.829 6);2014—2016年PM_(2.5)/PM_(10)平均值为55.27%,大气颗粒物PM_(2.5)的贡献率高达一半以上。     

烟台市PM2.5空间分布特征与来源解析

2016—2017年,选取烟台市3个代表性点位采集了PM_(2.5)样品,分析了其质量浓度和化学组成特征,并利用化学质量平衡(CMB)模型对环境空气受体进行了来源解析。结果表明:PM_(2.5)浓度呈现出盛泉工业园点位[(68.9±30.5)μg/m~3]福山环保局点位[(64.5±25.5)μg/m~3]百盛商城点位[(58.8±19.2)μg/m~3]的空间分布特征。水溶性离子、碳组分(OC和EC)和地壳类元素表现出不同的分布特征,与各点位所代表的不同功能区有关。形成机制上,NO~-_3在福山环保局点位主要以NH_4NO_3形式存在,而在盛泉工业园点位存在一定的Ca(NO_3)_2形式占比。源解析结果显示,3个点位均受到海盐源的影响,福山环保局点位二次颗粒物污染最为严重(43.9%),盛泉工业园点位燃煤源贡献突出(16.4%)。     

合肥市PM1.0污染特征及与PM2.5污染相关性

对合肥市2014—2019年秋冬季节PM_(1.0)、PM_(2.5)、气象和理化性质等进行分析研究发现,PM_(1.0)质量浓度呈现年度波动性下降趋势,其中2015—2016年度变化最为显著。同一年度内,月度浓度同样呈现波动性变化,总体表现为11、2月PM_(1.0)质量浓度相对较低,12、1月相对较高。无污染情形时(PM_(2.5)浓度不高于75μg/m~3),PM_(1.0)/PM_(2.5)逐小时值相对平稳且比有污染情形(PM_(2.5)浓度大于75μg/m~3)总体高约10%;有污染情形下,PM_(1.0)/PM_(2.5)小时值呈现较明显的日变化特征,09∶00呈现谷值,17∶00呈现峰值,日变化特征显著高于无污染情形。PM_(1.0)质量浓度随着PM_(2.5)级别的上升而逐渐增加,PM_(1.0)/PM_(2.5)值则呈减小的污染特征。严重污染时,PM_(1.0)/PM_(2.5)显著下降,PM_(1.0～2.5)占比增加。传输型污染过程中,PM_(1.0)与OC、PM_(2.5)、SO_4~(2-)等呈现出显著的正相关性,污染来源主要为工业源、燃煤源、道路尘等,共占载荷为83.90%。本地累积型污染过程中,PM_(1.0)与PM_(2.5)、SO_4~(2-)、Ba和Cu等呈现出较好相关性,污染来源主要为烟花爆竹与二次生成,共占载荷为87.94%。     

山西省大气污染特征及对公众健康的空间影响

利用山西省11个地级市大气环境监测站的PM_2.5、PM₁₀和O₃浓度数据,分析了2015—2020年山西省PM_2.5、PM₁₀和O₃浓度时空变化特征,采用空间计量模型和岭回归方法,分析了空气污染对公众健康的空间影响。结果表明:PM_2.5和PM₁₀年均质量浓度总体下降,两者在2017年最高,2020年最低;O₃年均浓度总体增加。在季节尺度上,PM_2.5和PM₁₀质量浓度在冬季的12月和1月最高,夏季的8月最低;O₃浓度在6月最高。空间上,相较2015年,2020年山西省各地级市PM_2.5污染程度均有改善,其中长治改善效果最好;2020年山西各地级市PM₁₀污染兼有加重和减轻的情形,所有地级市PM_2.5和PM₁₀污染水平均超过国家二级污染浓度限值;2020年山西多数地级市O₃浓度升高。山西公众健康水平具有明显的空间离散特征,PM_2.5和PM₁₀浓度的局部空间自相关特征高度一致,呈现"南高北低"的格局,O₃浓度分布呈"南部高,中北部低"的格局。大气环境质量和经济发展水平均对医疗机构诊疗人数和健康体检人数的变化有正向影响,每万人卫生技术人员数量和公共财政支出比例对公众健康均有负向影响,其中经济发展水平和大气环境质量的影响最显著。山西省PM_2.5治理取得一定成效,但大部分城市PM_2.5和PM₁₀达标率较低,O₃浓度有持续升高的趋势,PM₁₀和O₃污染改善缓慢,深度减排仍面临挑战。PM_2.5和PM₁₀是危害山西公众健康的主要大气污染物,未来需要加强PM_2.5、PM₁₀和O₃的精细化管理及协同治理。     

基于LSTM-GCN的PM2.5浓度预测模型

应用机器学习算法开展空气质量预测已成为当前研究热点之一,空气质量监测数据具有显著的时空特征,即具有时间维度时序特征和空间维度传输演化特征。面向空气质量监测数据,联合LSTM提取的时间特征和GCN提取的空间特征,提出预测PM_2.5浓度的LSTM-GCN组合模型。以北京市35个空气质量监测站2018—2020年监测数据进行仿真实验,并将LSTM-GCN模型与LSTM模型、GCN模型以及时空地理加权回归模型(GTWR)进行对比,结果显示:LSTM-GCN模型相较于LSTM模型均方根误差(RMSE)、平均绝对误差(MAE)分别降低了11.68%、7.34%;相较于GCN模型RMSE、MAE分别降低了40.22%、36.37%;相较于GTWR模型RMSE、MAE分别降低了17.52%、23.69%,表明所提出LSTM-GCN模型在准确率上有所提升。用LSTM-GCN模型预测2021年1—7月PM_2.5浓度,结果显示预测效果较好。     

江苏省级区域空气质量数值预报模式效果评估

采用中国科学院大气物理研究所开发的嵌套网格空气质量模式系统(NAQPMS),搭建江苏省级区域空气质量数值预报模式系统,并测试了该系统对2013年夏季江苏省PM2.5质量浓度未来24 h预报以及7 d潜势预测的效果。结果表明,该系统成功应用于江苏省的空气质量预报;所有地市的24 h预报效果均在合理范围内(平均分数偏差小于±60%且平均分数误差小于75%);7 d潜势预测效果比24 h预报效果略差,整体能准确把握PM2.5质量浓度的变化趋势。     

中国城市PM2.5空气质量改善分阶段目标研究

中国城市细颗粒物(PM_(2.5))空气质量达标率低,且城市间的污染程度差异较大。为了整体改善PM_(2.5)空气质量,需要针对不同污染程度的城市,制定分阶段改善目标加以考核和管理,研究探讨了城市PM_(2.5)空气质量改善目标体系及不同污染程度城市各阶段目标值。首先运用文献综述法、国内外对比分析法梳理评述了WHO、欧美等发达国家PM_(2.5)的空气质量标准和达标要求,提出中国城市PM_(2.5)空气质量改善的考核目标体系,包括PM_(2.5)浓度目标值或下降率、严重污染天数上限、达标天数下限等指标。通过历史数据分析法研究了2000—2013年美国、日本一些城市和2013—2016年中国74个环保城市PM_(2.5)年均浓度的变化趋势,推论出中国城市PM_(2.5)年均浓度年均下降5%~8%是可能实现的;结合环境保护部及各省市PM_(2.5)污染防治规划,提出PM_(2.5)空气质量改善目标的设定原则和达标天数的回归计算方法;以2014年114个城市PM_(2.5)年均浓度为基数,计算得出不同污染程度城市2020、2025、2030年PM_(2.5)年均浓度年下降率和达标天数的目标值。     

宁波市区冬季大气颗粒物及其主要组分的污染特征分析

为了更好地研究影响宁波市区环境空气质量的污染物变化特征,于2010年1月20—30日进行了加强监测。研究结果表明,宁波市区大气中PM₁₀和PM_2.5质量浓度较高,其中PM_2.5/PM₁₀为0.5~0.85。对PM₁₀和PM_2.5采样膜分析,水溶性粒子和含碳组分分别占PM₁₀和PM_2.5质量浓度的56.7%和66.9%,其中二次污染的水溶性离子SO₄^2-、NO₃^-和NH₄⁺是PM₁₀和PM_2.5中浓度较高的离子组分;PM_2.5样品中OC与EC的相关性较好,表明OC与EC的来源相对一致,可能主要来自机动车尾气的贡献;但PM₁₀样品中OC与EC的相关性较差,表明其来源相对复杂;其中SOC的浓度占OC的13%~35%,说明宁波市区冬季导致二次污染的光化学反应不活跃。     

烟花爆竹禁燃对春节期间东北地区空气质量影响评估

利用2015—2017年春节期间东北地区主要大气污染物(PM_(10)、PM_(2.5)、SO_2、NO_2、CO和O3)质量浓度监测资料及相应气象因子(温度、湿度、风速和气压)观测资料,分析了春节期间烟花爆竹禁燃对东北地区空气质量的影响。结果表明:随着东北地区主要城市禁燃力度的增强,空气质量逐年提升,PM_(2.5)和SO_2浓度逐年大幅度下降。禁燃可明显降低城区PM_(2.5)浓度,而由于春节期间污染源整体减少,城区和城郊监测点PM_(2.5)浓度值差异减小。烟花爆竹对PM_(10)和PM_(2.5)浓度影响高于对气体污染物SO_2、NO_2和CO的影响。此外,气象条件对东北地区春节期间禁燃改善空气质量的效果也有明显影响。因此,结合春节期间的气象条件,在东北地区实施禁燃政策动态调整非常必要。     

环境空气质量新标准对珠三角区域站空气质量评价的影响

利用粤港珠三角区域空气质量监控网中天湖、金果湾与万顷沙3个区域站2010年全年SO₂、NO₂、PM₁₀、O₃、PM_2.5与CO自动监测的数据,分析了实施环境空气质量新标准(GB 3095—2012)对这3个子站空气质量评价的影响。研究发现,若采用新标准,万顷沙的NO₂、PM₁₀和PM_2.5年均浓度将不同程度超标。这3个子站空气质量达标率下降7~28个百分点,空气污染指数从91%~99%下降至63%~91%;O₃的引入是导致空气质量达标率下降的最主要的原因;O₃将取代PM₁₀成为最主要的首要污染物,出现频率大于50%,且O₃(8 h)平均浓度的影响大于O₃ (1 h)浓度的影响。PM_2.5的纳入也是导致空气质量达标率下降的重要因素,其超标率为3%(金果湾)~16%(万顷沙)。NO₂标准的收严未对天湖与金果湾空气质量评价造成影响,但导致万顷沙NO₂的超标率从2%上升至10%,且NO₂作为首要污染物的比例达24%。     

Simulation of Urban-Scale Air Pollution Patterns in Luxembourg: Contributing Sources and Emission Scenarios

The aim of this study is to investigate the air pollution situation in an urban area in southwestern Luxembourg and to simulate annual NO₂ and PM₁₀ concentrations in response to changes in meteorological conditions and emissions using a Gaussian dispersion model. Simulations are carried out for the years 1998–2006. Emission scenarios related to road transport and nonindustrial combustion are performed in order to predict changes of air pollution levels. Road transport is by far the most important local emission source in the study area. Scenarios with more stringent emission standards for vehicles, less traffic, and fewer heavy-duty vehicles lead to reductions of NO_x and primary PM₁₀ emissions. As a result, the annual NO₂ concentrations are decreasing in most parts of the study area and are below the European annual limit value of 40 μg?m^?3. In contrast, a scenario with increased use of wood pellets for domestic heating shows an increase in urban PM₁₀ concentration. The year-to-year variability of meteorological conditions accounts for the same magnitude of absolute NO₂ and PM₁₀ concentration changes as the emission scenarios. The comparison with measurements located in the study area shows that the model is able to predict urban-scale annual average air pollution. The proposed application results show that the model can be appropriate for policy-driven air quality management and planning queries.     

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。     

广州市春季一次沙尘天气过程综合观测

2017年4月21—23日广州市经历了一次远距离传输的沙尘天气过程,为了解沙尘过程对广州市空气质量的影响,基于广州市大气超级站,利用单颗粒气溶胶质谱(SPAMS)、气溶胶激光雷达观测数据并结合HYSPLIT后向轨迹模型分析了沙尘过程细颗粒物组分及污染来源贡献变化和沙尘气溶胶的来源及路径。结果表明:受沙尘过境影响,PM_(10)浓度大幅升高,PM_(2.5)/PM_(10)最小值仅为12.1%;沙尘过境期间影响近地面颗粒物的沙尘高度主要分布在1 km以下区域,近地面颗粒物消光系数均值为100.11 Mm~(-1),探测到最大退偏振比为0.28。SPAMS研究发现沙尘过境期间含硅酸盐颗粒物(SI)的细颗粒物数浓度比例达25.9%,是沙尘过境前的1.4倍;PM_(2.5)中扬尘贡献率明显增大,达到了17.3%,是沙尘过境前的1.9倍。后向轨迹模型HYSPLIT显示此次沙尘为典型的北方沙尘传输,沙尘源自中国西北地区,传输方向为自西北输送至华东地区后,转为东南方向影响广州市。