北京市夏季O3、 NOx等污染物“周末效应”研究

采用了2000-06-25~2000-07-07以及2000-07-26~2000-08-22在北京325 m气象塔观测平台观测到的O3、NOx(NO和NO2)、CO和SO2数据,分析了周末与工作日O3、NOx、NO、NO2、CO和SO2浓度变化的差异及成因.结果表明,除SO2之外,O3、NOx、NO、NO2和CO的周末浓度与对应工作日浓度相关性显著,均通过了显著性水平α=0.05的t检验,相关系数(R)依次为0.99、0.61、0.56、0.80和0.61.交通高峰时段(06:00~08:00)NOx和CO的周末浓度明显低于工作日浓度,该时段NOx和CO的周末浓度与工作日浓度的平均偏差分别为-28%和-9%.O3周末浓度与工作日浓度的回归系数为1.25±0.02.此外,周末O3的最大小时浓度值与最大8 h平均浓度值分别比工作日高23%和26%,表现出十分明显的"周末效应".     

成都市区夏季大气污染物浓度时空变化特征分析

为了解成都市区大气污染物浓度水平及其变化规律,统计分析了2013年6月1日—8月31日3个市区站点(十里店、梁家巷和草堂寺)SO2、NO2、O3、PM2.5、PM10和CO逐时观测资料.结果表明,观测期间O3污染严重,上述3个站点小时均值超标率分别达22%、37%和42%.大气颗粒物污染也较为严重,上述3个站点PM10日均浓度超标率分别为13%、8%和3%,而PM2.5日均值超标率分别高达34%、27%和26%.NO2和CO早晚的浓度高峰主要与机动车流量增加和混合层高度降低有关.由于紫外辐射影响,O3浓度在正午出现峰值.受机动车流量高峰和气象条件的影响,PM2.5和PM10最大值和最小值分别出现在上午和下午.通过对污染物"周末效应"的分析,发现周末O3、PM2.5和PM10的浓度显著高于工作日,SO2、NO2和CO反之.成都市区大气污染受局地排放和外源输送共同影响,其中PM10和NO2主要受局地源控制,而PM2.5、SO2和O3受外输送影响较大.     

嘉兴市春季PM、主要污染气体和气溶胶粒径分布的周末效应

为研究嘉兴市周末与工作日主要污染物和气溶胶粒径分布变化的差异,对2015年5月南湖区城区污染气体(SO_2、NO_2、CO和O_3)、PM(PM10和PM_(2.5))和10 nm~10μm气溶胶数浓度粒径谱分布进行了观测分析.结果表明,嘉兴市SO_2、NO_2、CO和O_3存在显著的周末效应,周末白天O_3浓度低于工作日.O_3在周末峰值出现时间为14:00,比工作日晚1 h.PM_(2.5)的周末效应要比PM10明显.PM_(2.5)/PM10周末为0.7,在工作日为0.6.嘉兴市气溶胶数浓度均集中在500 nm以下,周末和工作日平均数浓度分别为16 602 cm~(-3)和23 309 cm~(-3).核模态粒子数浓度的周末效应最显著,核模态和粗模态粒子表面积浓度的周末效应最显著,积聚模态和粗模态粒子质量浓度的周末效应最显著.周末和工作日气溶胶数浓度谱分布为单峰型分布,表面积浓度谱为三峰型分布,质量浓度谱为四峰型分布.     

广州中心城区大气污染物“周末效应”分析

本文分析了广州中心城区大气污染物周末和非周末浓度变化特征,发现广州中心城区干季SO_2、NO_2、PM_(10)、PM_(2.5)4项污染物周末日均浓度值比非周末高,日变化浓度峰值周末高于非周末,特别是PM_(2.5)存在显著的"周末效应",湿季"周末效应"稍弱于干季;广州中心城区SO_2、NO_2、PM_(10)、PM_(2.5)干季周末与非周末浓度相对偏差最大值主要出现在傍晚,湿季周末与非周末浓度相对偏差最大值主要出现在上午;广州中心城区O3-8h周末与非周末浓度湿季相对偏差较大,日变化上非周末浓度值高于周末,周末与非周末浓度相对偏差最大值出现在夜间。     

中国31个城市大气污染物"春节效应"时空变化研究

为明确中国春节期间大气污染物"春节效应"时空变化特征及其原因,利用2014年春节期间(2014-01-17?—?2014-02-14)31个城市(22个省会、5个自治区首府、4个直辖市,不含港澳台地区)大气PM2.5、NO2和SO2浓度监测数据,并结合相应时段的气象数据,分析这三种大气污染物时空分布特征及其与气象要素的关系.结果表明:PM2.5和SO2受除夕夜燃放烟花爆竹影响较大(受影响的城市分别占66％和58％),而NO2表现不明显(受影响的城市只占16％).此外,春节中期大部分城市三种大气污染物的浓度都比春节前期低,而与春节后期差异不明显.从空间来看,南方城市三种大气污染物浓度在春节中期与春节前期差异比北方城市大.气象要素对不同城市各大气污染物浓度变化影响不同.总体而言,"春节效应"在全国各大城市间存在明显的时空差异.     

佛山惠景城大气污染物浓度时序特征

基于佛山市惠景城区2013年1月1日-12月31日SO2、NO2、O3、PM2.54种大气污染物的时序监测数据,分析其时序特征,4种污染物质量浓度的平均水平和离散程度表现为NO2PM2.5O3SO2。不同时间际的浓度变化以及污染物之间的互相关、自相关分析结果表明:(1)细颗粒污染、臭氧污染分别集中于冬春季和秋季。周一、周二的SO2、NO2、PM2.5浓度高于一周内的其他时日,O3则相反。尤其是周二NO2浓度显著高于其他日该值,可能与周一车流高峰期机动车直接排放NO转化耗时导致NO2峰值延迟有关。在12:00-15:00时段,SO2、NO2、PM2.5浓度最低,O3浓度最高,可能原因为中午高气温可促使地表污染物向高空扩散,而O3作为NO2的光解反应产物,其浓度水平更大程度上受制于太阳辐射强度。(2)4种污染物的自相关系数各不相同,整体上间隔期为1、3(天或时)的历史污染物浓度能够有效影响当前时刻的污染物浓度。SO2、NO2、PM2.5三者之间存在明显的正相关关系,而O3与NO2呈现弱负相关关系,可能与站点地理位置有关,即该站点PM2.5受机动车直接排放影响为主。O3除受NO2的制约外,更大程度上受太阳辐射的影响。     

春节期间燃放烟花爆竹对南京市环境空气的影响

根据南京市环境监测站采集的污染物浓度数据,研究了2014年春节期间实行限燃措施下的空气质量变化特征,对比分析了城区和近郊的浓度变化差异,监测数据表明:春节前后20天内污染超标率控制在25%,PM2.5和PM10最大值均出现在除夕后半夜,SO2、NO2最大值稍超前或滞后于烟花爆竹的集中燃放期,O3质量浓度具有明显日变化并呈现白天高夜间低的特点,草场门测站与浦口测站PM2.5、PM10的浓度变化趋势基本一致,其差值反映了城郊污染物的累积存在区域差异,除夕0:00~2:00污染物浓度急剧增加并累积,元宵节晚间污染物浓度在19:00以后逐渐持续增加。     

哈尔滨市2014年1-2月PM_(2.5)与主要空气污染物相关分析

为了解哈尔滨市主要空气污染物对PM2.5浓度变化的影响,利用SPSS软件及哈尔滨市南岗区2014年1-2月环境空气质量日报数据,对空气污染物中SO2、NO2、CO、O3、PM10、PM2.5进行了相关分析。结果显示,SO2、NO2、CO、O3、PM10与PM2.5均呈显著的正相关关系。结合相关性分析结果,建立了PM2.5与SO2、NO2、CO、PM10之间的主成分回归模型,并对模型进行了通径分析。分析结果表明,CO对PM2.5的直接影响最大,SO2、NO2、PM10对PM2.5的直接作用相对较小,但它们通过CO对PM2.5的间接作用较大。因此,在哈尔滨市1-2月主要空气污染物中,CO对PM2.5浓度的变化具有重要的影响。     

保定市区夏季环境空气污染时空变化特征分析研究

为了解保定市区大气污染物浓度水平及其变化规律,统计分析了2013年7月1日-8月31日6个环境空气自动监测子站PM2.5、NOx 、SO2、和CO逐时监测资料.结果表明:各污染物空间差异显著.二氧化硫的日变化呈单峰型结构,PM2.5的日变化表现为夜间高白天低,氮氧化物及一氧化碳的日变化呈现双峰型特征的变化规律.通过对污染物周末效应的分析,发现四项污染物浓度周末与工作日存在明显差异.     

上海金山石化区常规大气污染物随时间变化分析研究

利用上海金山石化点位2014年大气监测资料,分析石化地区SO2、NO2、O3、PM10和PM2.5随时间的变化趋势,为未来工业园区的合理规划布局提供理论基础和决策依据.结果表明:(1)常规大气污染物浓度具有明显的季节性特征,SO2 、NO2、PM10 、PM2.5冬季高浓度,夏季低浓度,O3变化趋势相反;(2)O3呈现明显单峰日变化,NO2 、PM10、PM2.5则出现双峰现象,这是由于太阳辐射增强造成光化学反应加剧、地面温度上升以及人类活动的影响.SO2受太阳辐射影响较小,日变化趋势不明显.(3)污染物浓度风向分析表明,测点常规污染物主要来源于金山新城排放,但化工区废气排放对O3浓度具有明显影响.     

利用多元线性回归方法评估气象条件和控制措施对APEC期间北京空气质量的影响

气象条件对大气污染物的扩散和传输有重要影响,准确分离和定量气象因素对空气质量的影响是评估大气污染控制政策有效性的前提.本研究利用APEC会议期间及前后(2014-10-15～2014-11-30)北京城区朝阳观测站点SO_2、NO、NO_2、NO_x、CO、PM_(2.5)、PM_1和PM_(10)以及气象因素的观测数据,采用多元线性回归分析方法,定量评估了气象条件和空气污染控制措施对APEC期间北京空气质量的影响.在假定排放条件不变的情况下,基于气象因素参数建立的预测污染物浓度的多元线性回归模型模拟效果较为理想,决定系数R~2在0. 494～0. 783之间.控制措施使得APEC控制期SO_2、NO、NO_2、NO_x、CO、PM_(2.5)、PM_1和PM_(10)浓度分别降低48. 3%、53. 5%、18. 7%、40. 6%、3. 6%、34. 8%、28. 8%和40. 6%,气象因素使得APEC控制期SO_2、NO、NO_2、NO_x、CO、PM_(2.5)、PM_1和PM_(10)浓度分别降低1. 7%、-2. 8%、18. 7%、4. 5%、18. 6%、27. 5%、30. 6%和35. 6%.气象因素和控制措施共同作用使得APEC控制期北京空气质量得到了明显改善.控制措施对SO_2和氮氧化物浓度的下降起主导作用,气象因素对CO浓度的下降起主导作用,气象因素和控制措施对颗粒物浓度降低的贡献相当.本研究还利用相对权重方法研究了气象因素对污染物浓度影响的贡献,结果表明影响不同污染物浓度的决定性气象因素不同.     

京津冀污染物跨界输送通量模拟

发展了关键影响因子加权人为源分配方法(WKIF),增添了依赖于气象条件和下垫面类型的生物源,动态更新了气象场和浓度场的边界条件.然后利用WRF-CAMx模式定量给出了四季北京、天津和河北大气边界层中PM2.5、O3、CO、SO2、NO2和NO跨界输送通量和北京净输入或输出通量.结果表明WKIF方法合理反映了中小城市人为源的空间分布特征,模式重要输入参量、初值与边界条件的改进显著改善了WRF-CAMx模式对京津冀地区6个观测站点近地面NOx、O3和PM2.5浓度的模拟.北京向天津冬、春季主要通过西北方向,夏、秋季主要经过偏西方向输入NO、NO2、SO2、CO、O3、PM2.5,输送通量夏季均最小,冬季均最大,且四季北京向天津输入的CO、O3、PM2.5通量显著高于NO、NO2、SO2通量.河北的污染物冬、春季主要通过西北方向,夏季主要经由偏南方向,秋季主要途径偏西方向进入北京;四季北京向河北输入NO和NO2,但跨界输送通量小于20t·d-1;四季河北向北京输入的CO、O3、PM2.5通量远高于北京向河北输送的NO、NO2通量,明显大于北京向河北输送的SO2通量,且河北向北京输入CO、O3、PM2.5通量夏季均最小,冬季均最大;四季北京大气边界层中NO、NO2、SO2最大净输出通量小于50t.d-1,CO、O3、PM2.5净输入或输出通量分别为111～2309、567～6244、715～1778t·d-1.这些定量结果为京津冀区域污染源调控对策的制定提供了科学依据.     

厦门湾空气质量对新冠疫情管控的响应

通过对厦门湾城市群在COVID-19封锁前后6周内（2020-01-11~2020-02-21）的空气污染物浓度变化进行分析,以确定影响本区域空气质量的主要人为污染源.在春节假期与封锁叠加期间,SO₂、NO₂、CO、PM₁₀和PM_2.5浓度相比于节前1周的下降幅度分别为6%~22%、53%~70%、34%~48%、47%~64%和53%~60%,而O₃浓度变化没有一致的规律性;与2018~2019年历史同期相比,PM_2.5、PM₁₀、CO和NO₂的下降幅度更大,但SO₂的下降幅度相当;在复工复产后,NO₂的反弹幅度最大（38%~138%）,远高于SO₂（2%~42%）,显示交通源相对于固定源更易受到疫情管控的影响;春节后风速增大和降水增多也为SO₂、NO₂和PM的下降提供了正向影响.利用反距离插值权重法,得到管控前后厦门湾城市群不同污染物的空间分布变化特征,显示NO₂浓度高值区的变化与交通源高度相关,CO和SO₂空间分布特征保持稳定,复工后PM_2.5和PM₁₀在人口与路网密集区变化不明显,而在工地相对集中区域有明显上升,O₃空间分布的低值区与NO₂的高值区具有较好的空间匹配性,显示NO₂对O₃滴定作用明显,可为进一步O₃污染减排措施的制定提供参考.     

太原市2014年春节期间常规大气污染物浓度变化及聚类分析

为了探寻太原市春节期间不同监测站点各常规大气污染物的质量浓度变化规律及相互之间的关系,记录和收集了太原市上兰、南寨、涧河、尖草坪、桃园、坞城、小店、金胜、晋源9个监测点2014年农历小年至元宵节(2014-01-23—2014-02-14)期间的大气PM2.5、PM10、CO、NO2、O3、SO2小时浓度值以及相应的气温、气压、湿度、风级、能见度等气象数据,采用相关分析、小波分析、单因子污染指数评价和系统聚类等方法进行研究,发现:1该时段内就太原市总体而言,PM2.5超标倍数最大,其次是PM10、SO2、CO、NO2,O3污染最小.2农历小年、除夕、正月初八、元宵节大气PM2.5和PM10的浓度迅速增加,与自然气象因子基本无关,说明烟花爆竹的集中燃放对大气颗粒物尤其是细颗粒物产生较大影响.3SO2、NO2、CO与PM2.5和PM10浓度变化的波动趋势相似、主周期相同,反映了部分PM2.5和PM10与SO2、NO2、CO有共同的来源;O3的波动趋势及主周期与上述污染物完全不同,显示出它来源的特殊性.4按PM2.5聚类,南寨、涧河、尖草坪、桃园4个点聚为一类,小店和坞城2个点聚为一类,金胜和晋源聚为一类,位于太原市最北端作为清洁对照的上兰监测点自成一类,与它们的地理位置有较好的相符性,同时,聚类分析结果与各监测点的单因子污染指数评价结果相一致.本文提示小波分析与聚类分析相结合可以较好地反映城市大气污染物浓度变化的时间与空间分布规律.     

南京市交通流与NO2、CO时空分布特征关系研究

基于南京RFID基站2014年数据,获取南京市主城区范围内多条道路车流量、车速、车队构成信息,结合南京市国控空气质量监测站点NO_2、CO浓度数据,从时间、空间两个维度对交通流特征及污染物浓度趋势进行分析,并对其相关性进行讨论.结果表明,南京市2014年交通第一季度最通畅,第四季度车速最低;2月车流量最低,12月最高,且12月是周末流量最高的月份;工作日早晚高峰车流量与车速变化趋势明显,节假日平缓;夜间大型车辆占近25%.NO_2与CO浓度在2月下降明显,在10—12月攀升到较高水平,与交通流变化趋势同步;净浓度日变化趋势呈双峰,与车流量变化相关性系数在0.57~0.82之间;空间关系上,路网密集、交通拥堵区域污染物浓度明显高于其他区域,表明南京市交通流与气态污染物NO_2、CO变化趋势有高度时空关联.     

基于BP神经网络的大气污染物浓度预测

利用BP神经网络结合变量筛选的方法建立了SO_2、NO_2、O3、CO、PM_(10)、PM_(2.5)等6种污染物的浓度预测模型,并选取2014-01-01至2015-11-28时段,昆明市区5个环境监测点以上6种污染物浓度的监测数据建立了昆明市污染物日均浓度预测模型.采用平均影响值(Mean Impact Value,MIV)的方法筛选出分别对6种污染物日均浓度值有主要影响的变量,作为BP神经网络的输入变量,利用建立的预测模型分别对6种污染物的日均浓度进行预测.结果表明,在关上监测点利用浓度预测模型对SO_2、NO_2、O3、CO、PM_(10)、PM_(2.5)等6种污染物浓度进行预测,污染物浓度预测值和实测值趋势吻合度较高.变量筛选后SO_2、PM_(2.5)预测效果比变量筛选前的预测效果好.O3的均方根误差和PM_(10)的标准化平均偏差,变量筛选前的预测效果比变量筛选后的预测效果好.变量筛选前的NO_2和CO的预测结果比变量筛选后的预测效果好.其他4个环境监测点的污染物浓度预测结果与关上监测点的结果相似.     

基于遥感资料的北京大气污染治理投资对降低PM_(2.5)的效能分析

采用北京市环境监测中心35个站点的PM2.5监测数据及MODIS Terra的大气气溶胶光学厚度L3 C051产品数据,分季度建立北京市PM2.5历史浓度遥感估算模型.结合北京大气污染物(PM10、PM2.5、SO2、NO2)年均浓度数据,对北京市2001—2012年间用于工业废气污染治理投资累计额进行了效能分析.研究表明,北京市工业废气污染治理投资对于改善大气PM10、SO2、NO2均有显著贡献,但其对于大气PM2.5污染的治理效果并不明显.可能原因包括PM2.5排放源的复杂性、相关治理措施对PM2.5的针对性、经济增长导致的区域PM2.5源排放持续增长及区域外排放的持续影响等.因此,需要采取专门的有针对性的治理措施,建立健全大气污染治理技术和激励机制,控制工业燃煤及城市交通排放,削减本地及周边源排放,以有效改善北京地区大气PM2.5污染状况.     

成都市降水对大气污染物的清除效果分析

成都市受特殊地形和气候条件影响,地面风速小,静风比例高,空气湿度大,大气污染物扩散缓慢,主要靠降水的冲刷和清除作用去除大气污染物.利用2014年5月13日-2017年12月31日成都市逐小时ρ（PM_2.5）、ρ（PM₁₀）、ρ（NO₂）、ρ（O₃）、ρ（CO）、ρ（SO₂）监测数据和同期地面降水量观测数据,分析了降水前污染物质量浓度、小时最大降水量、降水持续时间及累积降水量对大气污染物清除效果的影响.结果表明:①降水对6种大气污染物的清除率随降水前污染物质量浓度的增加而增大,并且汛期降水对大气污染物的清除率大于非汛期降水.②降水对大气污染物起正清除作用,清除率随降水持续时间的增加而增大.③不同降水量对不同污染物的清除效果不同,对PM_2.5、PM₁₀、NO₂、CO和SO₂的清除率随降水量的增加而逐渐增大,对O₃的清除效果相差不大且清除率均较大;小时最大降水量对PM_2.5、PM₁₀、NO₂、O₃、CO、SO₂的清除率平均值分别为29.48%、26.95%、22.02%、26.87%、11.94%、28.75%,累积降水量的清除率平均值分别为31.64%、30.66%、24.38%、26.31%、13.89%、32.91%,其中CO不易溶于水,降水对其清除作用明显小于其他几种污染物.研究显示,降水对大气污染物的清除作用显著,对SO₂、PM_2.5和PM₁₀的清除效果较好,而对CO的清除效果较差.      

车载激光雷达对北京地区边界层污染监测研究

介绍了自行研制的车载差分激光雷达AML-2探测原理及技术参数,于2006-08、2006-09在不同天气因素条件下对北京西南郊榆垡地区大气边界层污染物O3、NO2、SO2进行了实时监测,对比分析了3种污染物浓度垂直分布及日变化特征.结果表明,无外来污染输送时,3种污染物在阴雨天气总体浓度较小,O3和NO2浓度随高度升高而减小,SO2浓度垂直分布少见此特征,但在近地面0.6 km左右有较强SO2污染层.南部气流输送对北京地区大气环境影响明显,2006-08-23～2006-08-25这次强污染气流输送高度约1～1.5 km,3种污染物浓度垂直分布及日变化特征受到干扰,北京榆垡地区边界层O3、NO2、SO2总体浓度明显上升.     

基于快速聚类方法分析常州市区PM2.5的统计特性

运用统计方法研究常州市区2013~2014年6个国控点六项基本污染物(SO_2、NO_2、CO、O_3、PM_(2.5)和PM_(10))月平均浓度变化,结果表明,除O_3外,其它五项污染物月平均浓度夏季较低冬季较高.颗粒物与风速之间的关系为PM_(2.5)浓度随风速的升高一直降低,PM_(10)随风速的升高浓度先降低后升高.采用快速聚类分析(k-means)并运用SWV和DIV指数对六项基本污染物进行分类,得到4个样本分类.与依据颗粒物化学成分或粒径谱对PM进行源解析方法不同,本研究更多是从PM_(2.5)与其它污染物相关关系以及污染程度等角度按照欧式距离进行分类.不同类中PM_(2.5)来源明显不同,类1中PM_(2.5)与化石燃料燃烧排放密切相关,类2与O_3密切相关,类3与城市不完全燃烧排放、区域灰霾污染密切相关,类4可以归类于城市"背景"类.快速聚类分析结果也表明常州市区PM_(2.5)有着复杂的来源.