2015年国庆期间我国城市空气污染特征及成因分析

本文基于我国31个省会城市283个环境监测站的实时观测数据,分析了2015年国庆期间我国城市空气污染特征,并结合MODIS/Terra数据、欧洲中期天气预报中心(ECMWF)气压场及风场数据对其成因进行了讨论。结果表明:本次区域性空气污染最先出现在华中和华东地区,但是在华北地区最为严重。不同城市的主要污染物具有显著的时空差异。除西安和乌鲁木齐以外,其他城市的颗粒物污染主要由细颗粒物主导。NO_2、CO和SO_2的变化趋势基本一致,而O_3仅在北京、天津和济南三个城市与其他污染气体同步变化;在其他城市则与NO_2和CO等呈现相反的变化趋势。由卫星影像、天气形势和风场变化分析得知:不考虑本地背景排放源的前提下,本次污染事件主要由我国秋季的秸秆燃烧和不利的气象条件共同作用造成的。     

湖北大气颗粒物污染水平及污染物相关性研究

基于2012-2014年湖北省环境空气质量监测统计数据,根据污染浓度水平,利用ArcGIS软件分析湖北省大气颗粒物污染空间分布特征,并利用SPSS软件对大气污染物SO_2、NO_2、O_3、CO、PM_(2.5)和PM_(10)的相关性进行分析。结果表明:2012-2014年期间,湖北省PM_(10)年均浓度总体呈上升趋势,超标城市几乎分布于湖北省各区域;武汉、荆州、宜昌3个城市PM_(2.5)与PM_(10)、SO_2、NO_2、CO均呈较高的正相关性,鄂州、恩施、黄冈、黄石、荆门、十堰、随州、咸宁、襄樊和孝感10个城市PM_(10)与NO_2、SO_2均呈正相关性。文章的分析结果可为湖北省改善环境空气质量,降低颗粒物浓度水平提供基础信息和建议。     

厦门PM_(2.5)污染类型及其成因分析

PM_(2.5)污染已成为目前我国空气污染领域关注的焦点问题。为研究厦门地区PM_(2.5)污染的不同类型,于2013年1月、4月、7月和10月选择厦门市五个代表性环境监测站进行了同步的PM_(2.5)离线滤膜和在线数据采集,并收集了同期的AQI、SO_2、NO_2、CO、O_3及气象数据。对滤膜中的水溶性无机离子、元素和碳组分进行了实验分析。基于实验分析数据,利用IMPROVE方程定量计算了厦门空气污染期间PM_(2.5)中不同组分的颗粒物消光系数。根据不同组分消光系数的大小,将厦门市的PM_(2.5)污染分为三种类型:硫酸盐主导污染类型、有机物主导污染类型以及各区域不同污染物主导污染类型。对不同污染类型的成因进行了深入分析,发现其主要与本地污染物排放、外来污染物输送以及气象要素有关。     

乌鲁木齐市空气污染时空分布特征及其与气象因素相关分析

基于乌鲁木齐市7个检测站点实测数据(参照《环境空气质量标准》规定的6项常规监测污染物(PM_2.5、PM_10、SO_2、NO_2、CO、O_3)的24小时/8小时国家二级标准和AQI分级标准),对乌鲁木齐市2016年空气质量做变化趋势分析。结合乌鲁木齐市气象要素和城市发展数据对乌鲁木齐市空气质量影响因素做相关分析,然后利用层次分析法(AHP)对乌鲁木齐市环境空气污染时空分布特征的影响因素做评价分析。研究结果有:(1)乌鲁木齐市2016年1月,轻度污染天气占整月的3%、中度污染天气占26%、严重污染天气占32%、重度污染天气占39%;工业园区集中的米东区是乌鲁木齐市空气污染最严重的城区。(2)乌鲁木齐市的城区空气污染物因子和同期气象因素相关性显著;(3)重要污染物企业的空间分布对乌鲁木齐市空气污染空间分布起到绝对的影响作用。     

哈尔滨市2016年春节期间空气质量时空变化特征

利用2016年2月7-13日春节期间哈尔滨市11个监测站点空气质量监测数据,分析春节期间6种主要污染物时空特征,并与非燃放期间进行对比,进一步分析污染物的时空变化,同时结合气象降雪数据,探讨降雪天气对空气污染物造成的影响。结果表明:哈尔滨市春节期间空气污染物7 d平均浓度,PM_(2.5)、PM_(10)污染最严重的区域为香坊区,NO_2污染最严重的区域为阿城区,SO_2污染最严重的区域为道外区,CO和O_3污染严重的区域为平房区;在除夕夜期间,烟花爆竹燃放对PM_(2.5)、PM_(10)和SO_2浓度的短期影响极大,空气质量在短时间内迅速恶化,甚至成倍增长,在初一凌晨时浓度达到最大值,但对NO_2、CO和O_3的影响较小;烟花爆竹的燃放对空气中不同污染物的影响程度有所区别,对气态污染物SO_2的贡献程度最大,其次,对大气粗颗粒物的贡献程度大于细颗粒物;降雪天气对空气污染物具有去除效应,其中,对大气粗颗粒物去除效应高于大气细颗粒物,而对气态污染物有较小影响。从空间上看,降雪天气对于城市边缘、城郊等区域的大气颗粒物的去除效应高于城市中心区域。     

哈尔滨市2016年春节期间空气质量时空变化特征

利用2016年2月7-13日春节期间哈尔滨市11个监测站点空气质量监测数据,分析春节期间6种主要污染物时空特征,并与非燃放期间进行对比,进一步分析污染物的时空变化,同时结合气象降雪数据,探讨降雪天气对空气污染物造成的影响。结果表明:哈尔滨市春节期间空气污染物7 d平均浓度,PM_(2.5)、PM_(10)污染最严重的区域为香坊区,NO_2污染最严重的区域为阿城区,SO_2污染最严重的区域为道外区,CO和O_3污染严重的区域为平房区;在除夕夜期间,烟花爆竹燃放对PM_(2.5)、PM_(10)和SO_2浓度的短期影响极大,空气质量在短时间内迅速恶化,甚至成倍增长,在初一凌晨时浓度达到最大值,但对NO_2、CO和O_3的影响较小;烟花爆竹的燃放对空气中不同污染物的影响程度有所区别,对气态污染物SO_2的贡献程度最大,其次,对大气粗颗粒物的贡献程度大于细颗粒物;降雪天气对空气污染物具有去除效应,其中,对大气粗颗粒物去除效应高于大气细颗粒物,而对气态污染物有较小影响。从空间上看,降雪天气对于城市边缘、城郊等区域的大气颗粒物的去除效应高于城市中心区域。     

基于日变化特征的珠江三角洲大气污染空间分布研究

在传统的大气监测网络子站污染物浓度比较的基础上,结合其24h日变化的趋势分析,对珠江三角洲9个城市59个监测点位2013~2015年期间的CO、SO_2、NO_2、O_3、PM_(10)、PM_(2.5)数据进行了分析,以期更深入地揭示珠江三角洲大气污染的空间分布格局和来源特征.结果表明:CO、SO_2、NO_2、PM_(10)、PM_(2.5)主要污染区域集中在珠江三角洲西北部和中部地区,主要以广州和佛山两个城市为污染中心,受到本地源排放贡献较大;O_3污染分布较为复杂,四周污染浓度高,中部浓度低,但广州和东莞两地日变化差异显著,受到本地源影响大.分析显示,珠江三角洲大气污染具有显著的区域性特征,推荐广州天湖和珠海唐家分别作为珠江三角洲北部和东南部的区域污染监测点,能够较好地代表来自珠江三角洲北部的污染传输影响和珠江三角洲东南部的平均污染水平.     

景洪市环境空气质量状况及污染特征分析

利用2015—2017年景洪市国控空气自动监测点的环境空气质量监测数据,分析了景洪市环境空气质量现状、变化趋势以及污染特征。结果表明:景洪市环境空气质量总体较好,污染主要出现时段为每年的春季(2—5月),以细颗粒物和臭氧为主的复合型污染态势初显;颗粒物与SO_2、NO_2日均值均呈正相关,SO_2与NO_2日均浓度呈正相关。此外,根据对景洪市周边环境的分析,针对环境空气质量现状,提出了相关对策建议。     

重庆市大气主要污染物特征分析

基于环境空气质量监测数据,分析了各项污染物时间变化特征,并利用SPSS 19.0软件进行相关性分析和主成分分析。结果表明:SO_2和CO污染较轻,NO_2浓度水平较高,O_3和PM_(2.5)污染相对严重。SO_2和O_3呈现"单峰型",NO_2、CO、PM_(10)、PM_(2.5)呈现"双峰双谷型"的日变化特征。SO_2、NO_2、CO、PM_(10)和PM_(2.5)呈"U型",O_3呈现倒"U型"季节变化特征。PM_(10)、PM_(2.5)与SO_2、NO_2、CO,SO_2与NO_2、CO,NO_2与CO呈现正相关;NO_2、CO与O_3呈现负相关。主成分分析法结果显示第1个因子为PM_(10)、PM_(2.5)、NO_2,第2个因子为O_3。     

基于一个发现污染类核心区域的聚类模型的大气污染情况分析

由于污染源受地形、地貌及气象等条件影响而分布多样,大气污染数据在空间中呈任意形状、任意密度的复杂分布。为探究这种大气污染分布状况,基于DP算法提出了1个发现污染类核心区域的聚类模型。以实现对污染数据不经统计直接聚类,在保持空气污染数据分布特征不变的基础上提取出关键污染数据,更准确地挖掘空气污染变化规律。将所提聚类模型和k-Means算法在由兰州市2017,2019,2021年各年1月污染物浓度小时数据构成的3个数据集上进行了对比分析。结果显示:所提模型在以上3个数据集上均能更清晰地挖掘出污染数据,在污染类核心区域中的关键污染数据分别为59.0%、57.2%和69.0%,且造成污染的首要污染物均为NO₂和颗粒物。此外,该模型从兰州市2021年1月数据中解析出,兰州市月污染变化由污染物NO₂和PM₁₀共同作用或交替作用引起,日污染变化在受污染小时数和首要污染物(NO₂和PM₁₀)出现次数上的变化趋势均呈双峰型,污染区域为城关区。并通过分析上述污染规律的成因,证明该模型在确保数据复杂分布不变的情况下提取关键污染数据的有效性。