基于ARIMA模型的PM_(2.5)预测

PM2.5的精确预测是大气污染评价和治理的关键性工作。本文针对PM2.5浓度变化的时间序列分布特征,结合环境监测站提供的相关数据,应用自回归移动平均模型(ARIMA(p,d,q))预测短期PM2.5的日平均浓度。结果表明:由于PM2.5浓度变化受气象场、排放源、复杂下垫面、理化生过程的耦合等多种因素的影响,不同时段内的变化模式存在巨大差异,因此采用分时段序列预测模型可以提高PM2.5的预测精度;通过将分时段序列模型与灰色GM(1,1)模型和全年时间序列模型的预测结果进行对比,发现该模型预测效果更好。     

杭州市临平地区PM2.5和PM10污染特征分析研究

利用TEOM 1405-F和TEOM 1405颗粒物实时监测仪,研究了2013年12月至2014年5月临平地区PM2.5和PM10质量浓度实时变化特征,并结合气象五参数观测资料,对影响大气颗粒物分布特征的因素进行了分析,研究结果发现:冬季PM2.5和PM10的日均质量浓度明显大于春季,冬季PM2.5日均质量浓度范围为17.0 ～ 349.1 μg/m3,PM10日均质量浓度范围为18.8～516.9μg/m3,春季PM2.5日均质量浓度范围为20.4～167.6μg/m3,PM10日均质量浓度范围为38.2 ～243.3μg/m3;通过线性回归分析发现PM25和PM10存在较好的线性关系,说明PM10相对固定的受到PM2.5的影响,且污染物来源稳定;冬季PM2.5和PM10日均质量浓度存在三峰值波动状态,而春季PM2.5和PM10日均质量浓度存在双峰值波动状态;较大的风速、较高的气压和降水对于颗粒物的清除效果明显.     

2018～2020年春节期间宜春市中心城区空气质量分析

基于2018-2020年除夕至初六的环境空气质量监测数据,分析了烟花爆竹禁放对宜春市中心城区空气质量状况的影响。结果表明:该地区空气质量逐年改善,优良天数明显提高; PM2.5、PM10、SO2、NO2、CO浓度总体呈下降趋势,这五项参数2020年的日均浓度都在低位持平或略有波动; O3浓度则受气象条件影响,与相对湿度呈负相关关系;中心城区4个国控站点2020年PM2.5、PM10、NO2、CO、O3日均浓度变化趋势基本一致,空气质量受城区生活源的影响较大。     

武汉市洪山区春季PM2.5浓度及多环芳烃组成特征

分析了武汉市洪山区2014年春季PM2.5的浓度,并利用气相色谱/质谱(GC/MS)测定了多环芳烃(PAHs)的组成.结果表明,PM2.5的质量浓度为47.99～195.87μg/m3,平均质量浓度为(101.34±32.49)μg/m3,超标天数占总监测天数的81.82%;PM2.5质量浓度与各气象要素间的相关性不显著.PM2.5中PAHs日均浓度变化范围为8.44~34.45ng/m3,平均浓度为21.48±7.03ng/m3,其中4环PAHs的含量最高,达到11.72ng/m3,占总PAHs浓度的54.56%,结合典型污染来源中PAHs的特征比值和数学统计中主成分分析法,判断出其主要污染来源为车辆排放、燃烧源和燃煤源;PAHs日均总毒性当量(∑BaPeq)浓度范围为1.10~5.46ng/m3,平均值为2.99ng/m3,日均超标率达到60.61%.     

贵州农村冬季不同燃料燃烧产生的室内外PM_(2.5)研究

为了解贵州农村家庭冬季不同燃料燃烧产生的室内外PM2.5污染状况及其产生与变化规律,2011年11月～2012年2月间选择燃煤村寨水城县A村、烧柴村寨从江县B村和沼气推广示范村寨贵阳市乌当区C村各1户,每户设置厨房、卧室和室外3个监测点,进行连续5天PM2.5小时浓度和日均浓度的监测。结果表明:贵州农村室内因冬季燃烧不同燃料,产生的PM2.5浓度水平差异较大,但3户室内外空气中PM2.5的浓度大部分高于GB 3095—2012《环境空气质量标准》中PM2.5日均浓度限值75μg/m3,其中燃煤的A村室内PM2.5的浓度水平最高;厨房PM2.5的浓度,燃煤的家庭>燃柴的家庭>燃沼气的家庭,表明沼气是相对最为清洁的能源;而厨房与卧室相比,燃煤家庭和燃柴家庭厨房PM2.5平均小时浓度均高于卧室的PM2.5平均小时浓度,表明厨房应是室内主要的因燃料引起的环境空气污染区域;B村室外环境空气中PM2.5日均浓度高于其卧室中PM2.5日均浓度,表明除燃料燃烧本身引起的室内环境空气污染外,改善室外环境空气质量也是不容忽视的重要方面。     

兰州市供暖期PM_(2.5)浓度监测及其预报模型

利用兰州市2007-2009年供暖期PM2.5实测数据,统计分析观测期间PM2.5的超标率、超标倍数、浓度水平以及典型天气(浮尘、沙尘暴和灰霾)下PM2.5浓度日变化特征,并结合同期气象数据,运用多元逐步回归分析的方法建立兰州市供暖期PM2.5浓度预报模型,最后对模型进行验证。结果表明:兰州市2007-2009年供暖期PM2.5污染十分严重,2007-2009年PM2.5的超标率分别为59.2%、67.9%和68.8%,最大超标倍数分别达到2.88、3.17和3.60;2007-2009年供暖全期PM2.5浓度日变化呈"双峰双谷"型,浮尘、沙尘暴和霾天气下PM2.5浓度均远高于平均值,霾天气下PM2.5日均浓度值最高;兰州市供暖期PM2.5浓度预报模型的预报值与实测值的变化趋势基本一致,但对高浓度PM2.5模拟结果较差,PM2.5预报浓度准确率和等级准确率分别为70.2%和81.8%。     

广州市PM_2.5和PM_1.0质量浓度变化特征

文章报道了2005年干季和2006年湿季广州市大气细粒子PM2.5和PM1.0质量浓度的实时监测情况。监测结果表明:干季监测点PM2.5日均质量浓度在11.8～164.0μg/m3之间,总平均值为81.7μg/m3;湿季日均质量浓度在19.9～121.2μg/m3之间,总平均值为57.7μg/m3。干季PM1.0日均质量浓度变化范围为14.9～129.1μg/m3,总平均值为59.4μg/m3;湿季日均质量浓度在11.9～86.7μg/m3之间,总平均值为52.9μg/m3。对比发现,PM1.0总平均质量浓度在干、湿季相差很小,且与湿季PM2.5总平均质量浓度也相差不大,显示PM1.0具有相对固定成因来源且基本不受季节变化影响,而且湿季PM2.5的组成主要由PM1.0大气细粒子构成。干季PM2.5和PM1.0质量浓度日变化特征呈明显夜间高、白天低的特点,质量浓度的最大值都出现在晚上21:00左右;湿季由于雨水频繁,没有明显的日变化特征。气象分析表明,干季大气细粒子质量浓度主要受冷空气影响,而湿季主要受降雨影响。     

基于BP神经网络的天津市PM2.5浓度预测研究

根据天津市2013年12月1日-2013年12月24日气象监测数据,先进行温度、湿度、风力因素对PM2.5浓度影响的相关性分析及定性分析,绘制温度、湿度和PM2.5浓度的二维趋势分布图及气体扩散风向浓度分布图;再运用BP神经网络模型对天津市2013年12月25日-2014年1月9日PM2.5浓度进行仿真预测,最终得到精确预测值.结果表明:温度及风速因素与PM2.5的浓度成反比,湿度因素与PM2.5的浓度成正比,而且通过BP神经网络模型对于“离散样本”、“气象参数不确定性”的实际天气情况可以得到较高的预测精度.     

基于GIS的贵州遵义市PM_(2.5)污染时空特征及变化分析

与中国的发达地区相比,针对欠发达地区中小城市PM2.5的研究比较欠缺。收集了2013年12月31日至2014年4月29日的PM2.5日均浓度以及2014年1月7日至2月25日的时均浓度数据,采用GIS和遥感提取土地利用现状和遵义市建成区,结合统计定量分析方法,研究遵义市的PM2.5浓度变化特征及其驱动力。结果表明:1)遵义市PM2.5日均浓度的城乡差异不明显。2)PM2.5浓度具有明显的季节性特征,并呈现显著的降低趋势。3)PM2.5的日变化和人类活动有明显的相关性。4)PM2.5日变化表现出双峰型周期性的变化趋势,在早晨和下午出现浓度低值,并在凌晨和中午出现峰值和次峰值。     

广州市学龄儿童在校期间PM2.5暴露水平评价

采用便携式大气颗粒物采样器(MiniVol)和便携式颗粒物检测仪(pDR-1500)在2010年3月底至4月初对广州市某小学的室内外细颗粒物(PM2.5)浓度进行了监测,并对学龄儿童在校期间活动模式进行了跟踪调查,评价了学龄儿童在校期间PM2.5暴露水平.结果显示该小学室内外日均PM2.5浓度范围为25.1~145.9μg/m3,室内PM2.5浓度略低于室外,两者呈明显的正相关关系(R2=0.65);室内实时PM2.5浓度结果表明非假期与假期存在差异.使用离子色谱分析了PM2.5的阴离子成分,其中NO3-和SO42-占阴离子成分总量的73%~95%.研究显示道路交通源是采样地点PM2.5主要来源之一.学龄儿童在校期间单位体重PM2.5日均潜在暴露水平为7.6μg/(kg×d),个体日均潜在暴露水平为246.8μg/d.