昌吉市采暖期、非采暖期颗粒物、二氧化硫和一氧化碳的污染特征及相关性研究

对昌吉市采暖期和非采暖期PM_(10)、PM_(2.5)、SO_2和CO的污染特征及相关性进行分析发现,相较于非采暖期,采暖期各种污染物的浓度更大,而PM_(10)、PM_(2.5)浓度严重超标,并且各污染物同源性较高,主要来自于区域采暖燃煤,同时针对研究结论提出了加强昌吉市大气污染治理的建议。     

中原城市群臭氧浓度分布特征及来源

利用2015年臭氧(O_3)自动监测数据和源排放清单,分析了中原城市群O_3浓度的空间、时间分布情况,探讨了中原城市群中城市间O_3的相关性,以及O_3浓度、NOx、VOCs、CO及汽车保有量间的相关性。指出中原城市群是全国更是河南O_3污染的严重地区,O_3浓度年内月度变化呈倒"V"型分布,具有明显的北部城市特征;中原城市群9个城市间除开封外其他8个城市间都呈高度正相关性,相关系数均为0.892~0.991;9个城市机动车保有量及NOx、VOCs和CO等前体物的年排放量与其年均O_3浓度之间存在正相关性。分析认为,NOx、VOCs和CO等前体物的排放是中原城市群O_3浓度偏高的主要影响因素,同时O_3浓度也与日照时间、降雨量、植物源VOCs排放量及相邻城市间污染物的空间输送等因素有着密切的关系。     

淮阴市大气污染物垂直分布规律探讨

通过对淮阴市城区内大气污染源调查及不同高度主要大气污染指标的监测研究,分析了淮阴市城区大气污染物时空分布的基本趋势。结果表明,市区大气污染与污染源分布及源强呈一定相关性,近地面的大气环境质量劣于高空的大气环境质量,污染物的垂直分布受大气稳定度影响。     

淮阴市大气污染垂直分布规律探讨

通过对淮阴市城区内大气污染源调查及不同高度主要大气污染指标的监测研究，分析了淮阴市城区大气污染物时空分布的基本趋势。结果表明，市区大气污染与污染源分布及源强呈一定相关性，近地面的大气环境质量劣于高空的大气环境质量，污染物的垂直分布受大气稳定度影响。     

层次分析赋权法在城市空气质量排名中的应用

通过对空气质量排名中常用的综合指数法的优缺点进行分析,提出了一种基于层次分析法的加权综合指数排名方法,根据每种污染物的重要性不同,赋予各污染物相应的权重,进行了城市间排名测算分析。结果表明,加权综合指数法兼顾了各项污染物对空气质量的贡献,又能够重点突出主要污染物的贡献,各城市间可比性强,能够客观、准确、公平地反映不同城市间空气质量状况差异,能满足当前中国城市环境空气质量排名工作的需要。     

气象因素对杭州城市空气质量的影响

利用杭州城市环境空气中污染物浓度与气象观测数据的相关性，分析气象因素对环境空气质量的影响情况，提出在杭州市区大气污染防治中必须首先予以考虑并着力解决的几个问题。     

大气微生物与气象条件及大气污染物的灰色关联分析

根据大气微生物浓度、气象因子和大气污染理化因子的监测结果，应用灰色关联分析原理，分析研究大气微生物浓度与气象条件和大气污染物的关联程度，说明气象因子对各类微生物浓度的影响大于大气污染因子，特别是对耐高渗透压霉菌。     

对我国大气污染自动监测系统建设的思考

六十年代末七十年代初世界上许多发达国家相继建立了大气污染自动监测系统(APMS)。实现了在一个地区进行多点、同步、连续监测。大气污染自动监测系统可以提供大气污染时间——浓度变化曲线,各类平均值与频数分布统计资料及污染事故发生时的大气污染状况与气象数据;为掌握区域性大气污染特征及变化趋势:研究污染物分布变化规律、评价人体及动植物污染暴露的影响状况;验证大气污染物扩散模式;进行污染的预测预报及控制、环境规划、立法及管理提供科学依据。     

武威市空气质量分析与污染防治

通过对武威市1991—2001年的大气污染资料进行分析，得出了大气污染综合指数和污染物浓度的时空分布特征及其与沙尘天气的关系。     

兰州市大气污染改善成效分析

为客观评价兰州市大气污染的状况,本文以兰州市2009—2013年空气污染检测相关数据为依据,研究了兰州市的大气污染现状和演变情况。研究结果表明:1兰州市大气污染为扬尘、煤烟和机动车尾气的混合型污染,主要污染物为可吸入颗粒物、SO2和NO2。2013年可吸入颗粒物、SO2和NO2的年平均浓度分别为0.153、0.033、0.035mg/m3,可吸入颗粒物是引起兰州空气污染的主要因素;2兰州市空气污染的易发季节为冬、春两季,空气污染的诱发因素为地理环境与大气条件;3近5年来,兰州市空气质量总体呈好转趋势,优良天数逐年增长,增幅达34%;大气中3项主要污染物浓度总体呈下降趋势,SO2累积降幅达到44%;NO2较最高值降幅为27%。     

2014—2018年洛阳市大气污染变化特征及影响因素研究

研究采用空气质量指数法对2014—2018年洛阳市大气污染变化特征进行了分析,构建了空气污染物浓度的影响指标体系,采用灰色关联法研究了空气污染物浓度与影响因子之间的关联度,得到了影响空气污染物浓度的主要指标因子,并提出了改善洛阳市空气质量的措施。结果表明:洛阳市空气质量指数类别主要为良和轻度污染。2014—2018年空气质量为优良的天数主要出现在春季、夏季和秋季,重度污染和严重污染主要出现在冬季。2018年PM₁₀、PM_2.5、NO₂、SO₂和CO这5项污染物浓度随时间变化呈"V"型,污染主要集中在1—5月和11—12月。O₃浓度随时间变化呈倒"V"型,污染主要集中在4—9月。研究期内PM_2.5、PM₁₀和O₃是主要污染物。市区总人口、工业(综合)能源消耗量、人均生产总值、城市机动车总数、城市房屋施工面积、人均公园绿地面积、建成区绿化覆盖率和一般工业固体废物产生量等8项指标因子与PM_2.5、PM₁₀和O₃的浓度表现出高关联度或较高关联度。     

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。     

大气污染源排放清单与环境统计数据的比较分析

比较了大气污染排放清单与环境统计报表的数据采集思路和方法,基于2016年京津冀大气污染传输通道"2+26"城市的排放清单和同年环境统计数据,采用配对样本t检验和相关分析,在总体、城市和行业层面,对SO_2、NO_x、VOCs等3项污染物排放指标的差异性和一致性进行了比较分析。研究结果表明,排放清单与环境统计数据有显著差异,多数情况下,排放清单数据高于环境统计,两者同时具有显著正相关,因此,差异为系统性偏差。建议加强环境统计与排放清单之间的数据共享、交互验证和相互融合,促进两者核算方法的共同完善,减少数据的多源冲突,最终建立一个统一的数据体系作为环境管理的决策依据。     

Minimizing human health effects of urban air pollution through quantification and control of motor vehicular carbon monoxide (CO) in Lahore

Impact of urban air pollution has variety of focuses such as urban ecology, human health, economy, etc. But human health is always given priority. Air pollution is threat to the lives of people living in big cities of Pakistan. In Lahore only there die 1,250 people annually because of air pollution. A strong correlation exists between urban air pollution and human health in Lahore. Growth of COPD is highest among other air pollution borne diseases. Existing mass transit system (one of driving forces behind motor vehicular emission) in Lahore due to frequent stoppages, entering and exit in flow of traffic causes excess discharge of motor vehicular carbon monoxide (CO) which is a hazardous to human health. Quantification and enumeration of this discharge is essential for environmental management. The paper is an attempt to highlight human health effects of urban air pollution through correlation and regression analysis. Further it is focused upon quantifying excess motor vehicular carbon monoxide through application of simplified mobile emission model. In light of results emission control measures are recommended.     

LaSVM-based big data learning system for dynamic prediction of air pollution in Tehran

Due to critical impacts of air pollution, prediction and monitoring of air quality in urban areas are important tasks. However, because of the dynamic nature and high spatio-temporal variability, prediction of the air pollutant concentrations is a complex spatio-temporal problem. Distribution of pollutant concentration is influenced by various factors such as the historical pollution data and weather conditions. Conventional methods such as the support vector machine (SVM) or artificial neural networks (ANN) show some deficiencies when huge amount of streaming data have to be analyzed for urban air pollution prediction. In order to overcome the limitations of the conventional methods and improve the performance of urban air pollution prediction in Tehran, a spatio-temporal system is designed using a LaSVM-based online algorithm. Pollutant concentration and meteorological data along with geographical parameters are continually fed to the developed online forecasting system. Performance of the system is evaluated by comparing the prediction results of the Air Quality Index (AQI) with those of a traditional SVM algorithm. Results show an outstanding increase of speed by the online algorithm while preserving the accuracy of the SVM classifier. Comparison of the hourly predictions for next coming 24 h, with those of the measured pollution data in Tehran pollution monitoring stations shows an overall accuracy of 0.71, root mean square error of 0.54 and coefficient of determination of 0.81. These results are indicators of the practical usefulness of the online algorithm for real-time spatial and temporal prediction of the urban air quality.     

基于GIS的石家庄市PM10和PM2.5时空分布研究

利用2018年261个乡镇环境空气自动监测站监测数据,结合GIS空间分析技术,对石家庄市PM10和PM2.5的时空污染特征进行了研究。结果表明,石家庄地区PM10和PM2.5污染的空间分布整体表现为西北部山区好于东南部的平原地区,主城区好于周边县(市、区)的特征。采暖期PM10和PM2.5的污染程度明显重于非采暖期。PM2.5稳定性差于PM10,PM10和PM2.5的稳定性与污染程度具有一定的负相关性,表现出污染越轻的区域稳定性越差。两者的日均值浓度变化在时间序列上呈极强正相关,且污染越重的区域时间相关性越强。与日均值相关性不同,污染程度越轻的区域PM10和PM2.5年均值的线性相关性越强。     

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。     

广东省空气质量等级预报准确性评估

对广东省空气质量等级预报准确性评估进行了探讨,结果表明,在不区分污染等级的情况下,2016年夏季广东各市的预报准确性差异较大,中山预报准确性达92%,是全省唯一一个准确性超过90%的城市,云浮最低,为53%。在区分污染等级时,实测为轻度及以上污染级别的情况下,各市的准确性普遍较低,仅佛山、东莞与广州的准确性达50%以上,而有11个城市的准确性为0。综合考虑不同污染级别的准确性得分后,佛山市排名第1,较不区分污染等级时的排名提前9名。指出,采用区分污染等级的预报效果评估办法更加适合广东空气污染较轻的区域。在首要污染物为臭氧的情况下,广东省平均的等级预报准确性低于首要污染物为其他物种的情况。     

乌鲁木齐市大气污染物浓度与 GDP、耗煤量之间关系探讨

通过对1998-2009年乌鲁木齐市GDP值、耗煤量、大气污染物排放量及其浓度进行分析,结果表明,GDP的增长与耗煤量之间具有很高的线性相关性,"蓝天工程"实施后,各类污染物质在不同年度有着不同的起伏波动,但总的趋势是逐步降低,2005年以后,这种波动降低的趋势越来越不明显,说明目前的政策和治理手段对进一步改善环境空气...