共查询到18条相似文献,搜索用时 140 毫秒
1.
《环境科学导刊》2021,(4)
对2019年昆明市官渡区环境空气中臭氧监测数据进行分析,研究昆明市官渡区的臭氧(O3)污染情况、分布特征以及与影响因子的相关性。结果表明,该地区臭氧从3月份开始逐步升高,7—10月维持高位,其中8月达到峰值。O3浓度和超标天数均具有明显的季节变化特征,春季和夏季的O3污染最为严重。对臭氧浓度与影响因子(气压、气温、相对湿度、风速、降水量、NO2、NO、PM10、CO、PM2. 5)进行相关性分析,结果显示臭氧浓度与气温的相关性呈现中等程度正相关,与相对湿度、风速的相关性呈现较强的负相关性,NO2、PM10等会影响近地面臭氧浓度,但相关性较低。影响因子对臭氧浓度的作用不受海拔高度的影响。 相似文献
2.
3.
随着经济社会的发展,人们对环境质量更加重视,光化学烟雾成为影响城市环境空气质量的重要因素。利用东北地区大连市全年臭氧监测的时间浓度,对臭氧污染的浓度分布特征,时间以及季节变化特征进行了分析。结果表明:臭氧浓度变化受太阳辐射强度和气温的影响明显,呈单峰型变化,臭氧浓度季节变化趋势明显。春、夏季节臭氧浓度较高,秋季臭氧浓度次之,臭氧与大气中的NO、NO2、CO、VOCs等前体物的浓度、太阳辐射的强度以及CO的浓度都有不同程度的相关性。 相似文献
4.
章建义 《环境与可持续发展》2018,(4)
本文通过对安康市2015—2017年臭氧(O3)污染趋势分析,深入探讨臭氧(O3)污染成因并提出相关治理对策。从监测结果看,安康市臭氧浓度逐年上升,已成为继PM2.5后困扰城市空气质量改善和达标管理的一种重要大气污染物。安康市2015—2017年臭氧浓度不断升高主要由气候变化、自然输入、机动车尾气排放、挥发性有机物等因素导致。因此建议:(1)开展低速及载货柴油汽车专项整治;(2)加快新能源汽车推广普及;(3)开展餐饮油烟集中整治;(4)继续深化油气回收治理;(5)加快机动车维修企业及4S店有机废气治理;(6)深入开展工业企业挥发性有机物治理;(7)严格控制道路沥青铺设及路沿刷漆时间;(8)倡导绿色出行方式。 相似文献
5.
6.
7.
8.
9.
利用合肥地面紫外辐射及环境空气质量观测资料,分析了晴天状况下9-15时逐时紫外线辐射强度与对应时段的PM10、PM2.5、SO2、NO2、O3、CO这6种污染物浓度及空气质量指数(AQI)之间的关系。结果表明:在PM2.5为首要污染物的情况下,紫外线辐射强度与PM2.5、PM10、AQI存在较好的负相关,与PM2.5的相关系统可达-0.72,而与SO2、NO2、O3、CO的相关性较差;与PM2.5的相关性存在明显的日变化,PM2.5/PM10越大,相关性越好;以PM2.5为首要污染物的重度污染可使紫外辐射衰减32%以上。 相似文献
10.
基于太原市2015年1月~2019年2月的空气质量监测数据,分析了太原市近地面臭氧浓度变化特征。结果表明:2015~2018年太原市臭氧年平均浓度为78.42、82.33、95.87、103.77μg/m 3,臭氧浓度存在加速上升趋势;臭氧浓度逐日变化范围为5~270μg/m 3,共有181 d超过GB 3095—2012《环境空气质量标准》二级标准限值(160μg/m 3),超标时段主要集中于5~8月份;臭氧浓度日变化呈单峰型分布,峰值与谷值时段分别为14∶00~16∶00和6∶00~7∶00;臭氧浓度有明显的月变化规律,峰值与谷值时段分别为6~7月和1月、12月;臭氧浓度还表现出显著的季节变化规律,按浓度高低依次排序为夏季、春季、秋季和冬季;臭氧浓度与NO 2、CO、PM 2.5浓度呈负相关性。 相似文献
11.
北京夏季道路环境中NO_x,NMHCs及气象因子对ρ(O_3)的影响 总被引:1,自引:0,他引:1
通过对北京市2009年夏季3种典型道路(开阔道路、交叉道路、街道峡谷)环境中O3,O3前体物(NO,NMHCs等)及气象因子的监测,分析了北京市典型道路环境中ρ(O3)的变化规律及O3前体物质量浓度与气象因子对ρ(O3)的影响.结果表明:夏季北京市典型道路环境中ρ(O3)呈明显的日间单峰变化规律,这与非道路环境并无不同.不同类型道路环境中ρ(O3)的变幅与峰值出现时间有所不同;3种典型道路环境中ρ(O3)与ρ(NO),ρ(NMHCs)等均呈良好的负相关关系,与ρ(NO2),ρ(NO2)/ρ(NO)呈良好的正相关关系;3种类型道路环境中ρ(O3)均呈现出与紫外强度、温度相同的变化趋势,而与相对湿度的变化趋势相反,ρ(O)高值出现于高温、强紫外线与低湿度的时刻,ρ(O)变化略滞后于紫外强度变化. 相似文献
12.
文章利用乌海市2006-2010年污染物SO2、NO2、PM10浓度值和气象资料,分析了乌海市近5年空气污染的特征,计算了各污染物与主要气象要素的单相关系数,采用灰色关联分析方法对近5年来影响乌海市污染物浓度的气象要素进行分析。结果显示:(1)乌海市环境空气的首要污染物是可吸入颗粒物,其次是SO2。(2)2006-2010年,NO2变化不大;SO2下降幅度较大,从平均值超标1倍下降到不超标;PM10也呈下降趋势,但下降幅度稍小,5年均超标。(3)SO2一年内平均值变化幅度最大,12月浓度最大,7、8月最小,相差达3倍;PM10也是夏季最小,冬季12月最大,但3、4月份沙尘天气频发时也较大。(4)相关系数通过信度0.05检验的情况下,SO2、NO2、PM10浓度值与平均风速、平均气温、水平能见度、相对湿度、日照时数、平均总云量等具有一定的相关性。(5)用灰色关联分析法得出影响SO2和PM10的气象因素排序,平均风速是影响大气污染的主要气象因素,日照时数和总云量与污染物浓度关联较大。 相似文献
13.
上海大气颗粒物中溴、碘浓度水平的影响因素 总被引:1,自引:1,他引:0
统计分析了2008年采样期间大气颗粒物TSP和PM10中溴、碘浓度水平与气象条件和气态污染物SO2、NO2的关系。结果表明,风向为向岸流时,大气中TSP、PM10浓度以及颗粒物中溴、碘的浓度均低于离岸流时的数值;在各气象因素中,影响颗粒物中溴、碘浓度的主要气象因素为风向、气压和气温,风速和相对湿度的影响较小;颗粒物中溴、碘的浓度水平随大气中SO2、NO2浓度的上升而上升,颗粒物中碘与SO2、NO2呈显著正相关,而颗粒物中溴呈较弱的正相关性;当空气质量恶化时,PM10中Br、I浓度增大,而Br/I比值降低,城市大气中污染物质之间的化学反应对颗粒物中Br/I的比值有一定影响。 相似文献
14.
15.
根据2015年1—12月深圳市城区11站点PM_(2.5)小时浓度监测数据,探讨了深圳市PM_(2.5)浓度的时空分布特征。结果显示:监测期间深圳市城区PM_(2.5)平均浓度为29.8μg/m~3,PM_(2.5)平均浓度整体呈现出:冬季>秋季>春季>夏季的特征,PM_(2.5)质量浓度日变化整体呈现出双峰型分布,午后12:00—16:00浓度较低。空间分布上,年均浓度从东南至西北方向依次升高,梯度特征明显。PM_(2.5)浓度与PM_(10)呈高度相关,与SO_2、NO_2、CO呈显著正相关,与O_3呈实相关。相邻城市间空气污染物浓度呈现出一定的相关性,区域污染突出。建立的PM_(2.5)回归统计模型对深圳市2015年PM_(2.5)临近预报的级别准确率在70%以上,能较好地反映PM_(2.5)浓度变化趋势。 相似文献
16.
基于2019年五指山背景点、海口市和三亚市的环境空气自动监测数据和气象观测资料,分析了海南省背景区域和重点城市O3及其前体物NO2污染特征;结合挥发性有机物(VOCs)在线监测数据,分析了五指山背景点VOCs的时间变化规律、O3浓度高值月份O3及其前体物VOCs和NOx的污染特征以及VOCs的臭氧生成潜势(OFP).结果表明,O3是影响五指山背景点空气质量的关键污染物,五指山背景点O3日最大8 h浓度平均值与海口市和三亚市显著相关.背景点NO2月均浓度水平显著低于城市点,然而背景点和城市点O3月均浓度水平和变化趋势高度一致.背景点O3变化与风向密切相关,春夏季偏南风频率较高,O3浓度相对较低;秋冬季以东北风为主,易受内陆污染输送影响,O3浓度较高.五指山背景点春夏季VOCs体积分数低于秋冬季,但对应的OFP高于秋冬季;其中异戊二烯夏季体积分数显著高于秋冬季,且其夏季体积分数占总挥发性有机物的比例最高,对应的OFP贡献率可达70%以上,O3则表现出秋冬季显著高于夏季的特征.11月O3高浓度时段乙炔和芳香烃的体积分数较清洁日出现较大上升,同时其对应的OFP显著上升.VOCs优势物种和OFP主要贡献物种的分析结果表明,O3高浓度时段机动车尾气和油气挥发排放源对五指山背景点VOCs的化学组成和OFP有重要贡献. 相似文献
17.
采用Daniel趋势检验法对哈尔滨市近年来SO2、NO2和PM10年均浓度变化趋势分析,并对城市总人口与经济、产业结构、民用汽车保有量和能源状况五个城市发展因素进行数据统计分析,用SPSS探究城市发展过程中影响大气污染的因素及相关性.结果表明:浓度变化趋势是SO2明显上升;NO2缓慢上升;PM10整体明显下降,但在2013年点突增至了0.119 mg/m3.SO2与NO2显著相关,相关系数为0.533.经统计,哈尔滨人口经济发展、产业结构调整较为缓慢,全市民用汽车保有量增加并未对NO2浓度影响显著,能源结构依然以煤为主,虽然能源强度提升,但也存在着煤质、散煤的问题.哈尔滨市各城市发展因素与污染物浓度关联度不显著. 相似文献
18.
夏末秋初北京市区与背景区大气污染物的对比分析 总被引:3,自引:1,他引:2
在北京市区和背景区——河北兴隆县选点,对比两地大气污染物浓度变化及污染状况.结果表明:除O3外,北京市区主要大气污染物浓度均高于背景区,其ρ(PM10),φ(NOx)和φ(SO2)的平均值分别是背景区的1.6,3.1和4.0倍,而背景区φ(O3)平均值则是北京市区的2.2倍;与国家二级标准限值比较,夏末秋初基本上不存在SO2和NOx污染,大气污染物中超标最严重的是O3,北京市区与背景区的超标天数分别是46.9%和65.5%,其次是PM10,北京市区超标天数达到25%,背景区则全部达标;北京市区与背景区的大气污染物日变化特征明显不同,其中北京市区的日变化主要受人为活动影响,表现出典型的城市特征,而背景区日变化受人为活动影响小. 相似文献