广州城区近地面层不同高度空气质量评价

为了阐明大城市中心城区不同高度的空气质量差异及其成因,为大气污染防治工作提供科学支撑,该研究基于广州塔大气污染物垂直梯度观测平台的监测数据,采用环境空气质量综合指数和环境空气质量指数(AQI),分别对广州城区近地面层不同高度的空气质量进行评价。结果表明,2015年广州塔4个高度(地面、118 m、168 m和488 m)的空气质量综合指数分别为4.96、5.01、4.83和3.64,AQI超标率分别为27%、30%、25%和40%。总体上,中、低层(168 m以下)的空气质量差异较小,其中118 m点位的综合指数和AQI超标率相对较高;高层(488 m)因O_3污染尤其显著导致其AQI超标率为各高度最高,但O_3质量浓度上升的贡献被其他污染物质量浓度的大幅下降所抵消,故其综合指数反而最低。随着高度增加,PM_(2.5)和NO_2超标程度下降,O_3超标程度上升,导致高层的PM_(2.5)和NO_2几乎不超标,而O_3超标率达40%且其超标天数占AQI超标天数的比例高达99%。随着污染级别上升,PM_(2.5)和NO_2成为首要污染物的比例减少,O_3比例增加,O_3成为各高度AQI超标时最主要的首要污染物。当低层空气质量处于优或重度污染级别时,各层等级一致性相对较好;但在其他情况下,低层与高层的空气质量最多可相差3个级别。因PM_(2.5)和NO_2以低矮源排放贡献为主,而O_3来源于复杂的二次反应,使PM_(2.5)和NO_2质量浓度随高度上升而递减,而O_3质量浓度随高度上升而递增,最终形成了中、低层以PM_(2.5)、NO2和O_3复合污染为主、高层以O_3单一污染为主的空气质量垂直分布特征。     

煤改气后天津市采暖期大气污染特征的时空分布研究

燃煤供暖被认为是中国北方采暖期大气污染的主要来源之一,因此国家计划以天然气替代燃煤作为取暖燃料以减轻大气污染。基于2016-2017年天津采暖期前后的空气质量监测数据,探究"煤改气"后城市大气污染物的时空分布特征及影响因素,为大气污染治理提供依据。研究表明,煤改气后天津采暖期主要大气污染物有PM_(2.5)、PM10和NO_2 3种,CO日均质量浓度有超标现象发生,SO_2和O_3日均质量浓度均低于二级标准限值。与使用燃煤采暖时期相比,大气中SO_2、PM_(2.5)、PM_(10)和CO的日均质量浓度均有不同程度的降低,尤其是SO2浓度降幅高达70%,但NO_2质量浓度没有有效降低。从日变化特征来看,采暖期PM_(2.5)、PM10和CO的日变化规律受到了采暖活动影响,呈单峰单谷型的变化趋势。NO_2、SO_2和O_3的日变化规律与非采暖期相似,受采暖活动影响较小。由于受供暖和大气逆温层的影响,采暖期晚上至上午时段大气污染物(O3除外)的质量浓度远远高于非采暖期相同时段的质量浓度。天津大气污染物在非采暖期呈现出典型的"周末效应",但是在采暖期没有出现"周末效应"。冬季,周末白天人为活动较工作日更为活跃,与之相对应增加的城镇生活源可能是造成周末白天PM_(2.5)和PM_(10)质量浓度偏高及"周末效应"消失的主要原因。     

天津市空气质量健康指数（AQHI）的建立及应用

为了解大气污染物对人体健康的影响,利用广义相加模型(Generalized Additive Models,GAM)根据2013年1月1日—2018年10月31日大气污染物质量浓度资料和天津全市就医人次数据计算了大气污染物的暴露反应关系系数。利用该系数建立了天津地区空气质量健康指数(AQHI)。结果表明,天津市6种大气污染物对人群的就医人次数均有正反馈,SO_2、NO_2、CO、O_3、PM_(10)和PM_(2.5)质量浓度每升高10μg·m~(-3),全市就医人次数分别增加1.99%,3.16%,0.09%,1.17%,1.19%和1.94%。2018年SO_2、NO_2、CO、O_3、PM_(10)、PM_(2.5)造成就医人次数量增加率分别为2.41%,15.31%,9.00%,8.55%,9.69%和10.32%。在当前状况下,控制NO_2和PM_(2.5)浓度将有助于降低天津居民的健康风险。构建了天津空气质量健康指数AQHI,根据频度分布情况,将天津市空气质量健康风险级别分为:低风险(AQHI:0—3)、中度风险(AQHI:4—6)、高风险(AQHI:7—8)、极高风险(AQHI:9—10+),并针对心血管类疾病患者、儿童和老人等敏感人群分别给出健康建议。经与AQI对比和检验,发现AQHI能更好地描述人群的就医行为,AQHI指数对居民采取健康行为有指导意义,AQHI的预报将更有利于居民提前采取预防措施以规避大气污染对人体健康的风险。     

基于MODIS数据的山东省秸秆焚烧与空气质量关系探析

秸秆焚烧释放的各类气体污染物和细微颗粒对空气质量影响极大,是大气污染的来源之一。MODIS传感器具有灵敏度高、时效性强和空间覆盖宽等优势,利用其数据对秸秆焚烧进行监测,可以快速获取大范围内秸秆焚烧火点的位置、数量和烈度等信息。采用基于MODIS发展的上下文算法提取火点,并收集研究区空气质量指数(air quality index,AQI),PM_(10)、PM_(2.5)、NO_2、SO_2、CO和O_3 6个空气质量分指数(individual air quality index,IAQI)数据以及相关气象数据,将山东省17个地市按照"是否沿海岸线分布"划分为沿海地区和内陆地区,对比分析秸秆焚烧对空气质量影响的差异性。将两类地区每日空气质量数据进行空间插值,对得到的区域所有栅格点的空气质量指数总和与该区域火点数进行时间序列上的相关性分析,进而分析秸秆焚烧造成的污染对环境空气质量的影响程度以及内陆、沿海地区空气污染的差异性。结果表明,火点数量与空气质量指数总和呈现正相关关系,且分别与AQI、PM_(2.5)、PM_(10)和O_3这4个指数呈极显著正相关关系(P0.01),火点增多产生的污染物使空气质量指数升高,导致空气质量下降。同时,沿海地区秸秆焚烧火点与空气质量指数的相关性强于内陆地区火点与空气质量指数的相关性,这表明大气扩散条件是研究秸秆焚烧环境效应的重要前提条件之一。     

北京采暖期典型区域环境空气污染特征分析

北京采暖期空气污染较非采暖期严重得多,但目前针对采暖期北京城市上风向、下风向、中心区和主干道路等典型人类活动区域的主要污染物浓度特征及其受气象条件变化影响的研究还比较缺乏,为了摸清北京市采暖期不同典型区域大气污染特征,更有针对性地制定环境空气污染防治对策,利用2014年采暖期首月(11月15日—12月14日)北京市北郊(八达岭)、南郊(永乐店)、城市中心区(天坛)、城市交通干道(永定门内大街)等典型区域的PM_(2.5)、SO_2、NO_x、O_3质量浓度监测数据和气象数据,分析4类代表性区域的环境空气污染特征和时空变化情况。结果表明,PM_(2.5)是各区域冬季主要污染物,日均质量浓度在61.75~143.81μg?m-3,总体空间分布状况为南郊最严重、城市交通干道和城市中心区次之、北郊的PM_(2.5)污染最轻,除北郊外其余监测点ρ(PM_(2.5))均超过二级标准限值。各区域的主要污染物略有不同,其中北郊ρ(SO_2)较其他区域高,白天12:00时最低(29.09μg?m-3),夜晚18:00—次日01:00持续居高(58.8~63.19μg?m-3),这与燃煤采暖等人类活动规律一致;南郊以PM_(2.5)、NO_x混合型污染为主;城市交通干道附近ρ(NO_x)和ρ(O_3)较高,表明局地光化学反应NO_x-O_3生消机制作用明显,污染物浓度变化与人类出行时间一致。气象条件对不同污染物浓度的影响存在差异,微风无持续风向、大气扩散条件较差时,PM_(2.5)呈现不断累积状态,SO_2、NO_x和O_3累积效应不明显,但其单日质量浓度峰值显著增加;北风和微风反复交替、大气扩散条件总体较好时,各监测点的SO_2、NO_x受地区性污染源排放影响波动不大,随扩散条件转差南郊ρ(PM_(2.5))会迅速增加。城市交通干道机动车排放典型污染物ρ(NO_x)及其二次污染物ρ(O_3)随着气象条件变化其峰值在日内变化显著。     

成都G20会议期间大气污染特征及污染防治分析

为保障2016年7月22—24日G20财长与央行行长会议期间空气质量良好,成都市政府采取了大气污染排放控制应急措施。为评估这些措施的成效,提出未来进一步改善成都空气质量的措施建议,利用成都2016年7月1日—8月18日8个国家级空气质量监测点PM_(10)、PM_(2.5)、SO_2、NO_2、O_3和CO等污染物浓度数据和地面气象资料,比较了减排前(7月1—15日)、减排中(7月16—26日)和减排后(7月27日—8月18日)空气质量与气象条件变化特征,同时量化了PM2.5来源。结果表明,采取的污染控制措施取得了一定效果。在减排期低压、低风速及无降雨等不利的气象条件情况下,PM_(10)、PM_(2.5)、O_3、SO_2和NO_2浓度在开始减排后出现了明显下降;相反,它们在停止减排后出现了明显上升。虽然整个研究时段内市区PM2.5和PM10浓度均达到了国家空气质量二级标准,但仍超过世界卫生组织准则值,超标天数占总天数50%以上;约80%天数的臭氧日最大8 h浓度超过世界卫生组织准则值;成都已面临雾霾和臭氧的双重污染。虽然雾霾和臭氧污染发生的主要季节不同,但臭氧和二次颗粒物的前体物(如NO_x和VOCs)具有共同主要来源。市区与背景点在PM_(2.5)、PM_(10)和O_3的浓度上接近且具有似的变化趋势,表明市区空气质量与区域污染物排放密切相关,成都SO_2浓度受本地源和污染物远距离传输的共同影响。为进一步改善成都空气质量,建议加强成渝地区区域减排,特别要控制臭氧前体物和二次颗粒物前体物的排放。     

北京地区PM_(2.5)浓度影响因素及估算模型

为研究PM_(2.5)与大气污染物浓度之间的关系以及气象条件对PM_(2.5)浓度的影响,本文运用数学统计方法,对北京顺义区2016年1月—12月PM_(2.5)及大气污染物和气象要素的数据资料进行分析并建立了北京顺义区PM_(2.5)浓度的估算模型.双变量相关性分析的结果表明,PM_(2.5)浓度与PM_(10)、SO_2、NO_2、O_3以及CO等大气污染物浓度与温度、湿度、压强和风速风向等气象条件间呈现强的相关性.建立了PM_(2.5)与单因素拟合模型,其中PM_(10)、NO_2和CO与PM_(2.5)浓度拟合模型的R~2均大于0.6.识别了对PM_(2.5)浓度有显著影响的二阶、三阶交互作用的因素交叉项.综合考虑单个影响因素与影响因素间交互作用的对PM_(2.5)浓度的影响,采用因子分析方法并对提取的主成分进行回归分析,建立了拟合度R~2为0.887的PM_(2.5)浓度估算模型.     

上海市大气污染物时空分布及其相关性因子分析

利用2016—2020年上海市PM_(10)、PM_(2.5)、SO_2、NO_2、O_3的质量浓度和温度、相对湿度、平均风速、水平能见度气象条件,分析了上海市PM_(10)、PM_(2.5)、SO_2、NO_2、O_3污染物的时间变化趋势。同时,利用多元线性回归模型及BP神经网络建立污染物与气象因素之间的相关关系,对其质量浓度进行预测,分析对比不同模型的预测结果。研究表明:2016—2020年上海市大气污染物质量浓度随时间变化整体呈现下降趋势;污染物质量浓度季节性差异显著,PM_(2.5)及PM_(10)质量浓度呈现"冬高夏低",而O_3质量浓度呈现"冬低夏高";可吸入颗粒物质量浓度(PM_(2.5)、PM_(10))与SO_2、NO_2质量浓度,O_3质量浓度与NO_2的质量浓度之间存在显著相关性;多元线性回归分析表明相对湿度、平均风速及水平能见度3个气象因素对上海市PM_(2.5)、PM_(10)质量浓度产生显著影响;温度、相对湿度、平均风速及水平能见度4个气象因素对上海市O_3质量浓度产生显著影响;多元线性回归分析表明上海市PM_(10)质量浓度与温度之间显著性水平为0.303,意味着温度对上海市大气PM_(10)质量浓度并没有产生显著影响;PM_(10)质量浓度随相对湿度的增加、平均气压及水平能见度的增大而减小;O_3质量浓度则与温度和平均风速呈正相关,与相对湿度和水平能见度呈负相关。相比多元线性回归,BP神经网络在预测上海市气象污染物质量浓度表现出强大的泛化能力,PM_(2.5)、PM_(10)、NO_2与O_3的真实值与预测值相关系数(r~2)分别为98.6%,97.4%,97.6%和98.3%。     

基于AQI的深圳大气污染特征及其典型环流形势分析

随着中国城市化加速以及机动车保有量的大幅增加,城市环境问题日益突出。深圳地处珠江三角洲城市群,空气质量恶化引起社会各界广泛关注。利用深圳市11个国控站空气质量时平均、日平均监测资料、欧洲中心中期天气预报(ECMWF)再分析资料以及温度、湿度等自动气象监测数据,采用数理统计和典型环流分型等方法,在分析2013—2015年深圳市大气污染时空分布特征的基础上,探讨了深圳污染日典型环流形势特征,以期为深圳大气污染的预警预报、防治及其影响评估提供科学依据。基于空气污染指数(AQI)的污染分析表明:2013—2015年深圳市空气质量呈转好趋势,污染以轻度污染为主(92.4%);引起污染天气的主要污染因子是PM_(2.5)(75%)、O_3(19%)和NO_2(4.8%),PM_(2.5)和NO_2引起的污染天气呈下降趋势,而O_3引起的污染天气呈上升趋势,这表明光化学污染已成为深圳大气污染的重要形式。深圳的大气污染过程持续时间短,以1~2 d为主,污染天气集中出现在冬季,且易出现长时间持续(≥5 d)的污染过程。主要污染物季节特征明显,冬季为PM_(2.5),夏季O_3,春秋季PM_(2.5)、O_3和NO_2均会出现。深圳污染天气空间差异性较大,总体呈现西多东少的分布,东部沿海地区是深圳空气质量最好的区域。深圳污染日典型天气形势可分为大陆高压型、热带气旋型两类,其中秋冬季为大陆高压型,夏季为热带气旋型,在空气质量预报预警服务中,不同季节应关注不同污染物浓度变化和天气形势演变。     

呼和浩特市城区大气污染物浓度变化特征分析

本文利用呼和浩特市8个国控监测点中CO、NO_2、SO_2、O_3、PM_(10)和PM_(2.5)逐时地面观测数据资料,采用聚类分析、相关性分析等方法,综合研究呼和浩特市城区大气污染物浓度时空变化特征.结果表明,2017年呼市PM_(10)、PM_(2.5)和O_3的污染较为严重,超标天数分别为49 d、52 d和41 d;CO和SO_2整体污染较轻.CO、NO_2、SO_2以及PM_(2.5)浓度表现出冬高夏低变化,O_3表现出夏高冬低变化,PM_(10)则表现为春冬高而夏秋低.O_3和NO_2均呈现单峰型日变化特征,且变化趋势相反;CO、SO_2和PM_(2.5)都呈现出相似的双峰型日变化.小召和工大金川校区监测点污染整体较为严重,小召监测点主要污染物为PM_(2.5)和PM_(10),工大金川校区主要污染物为SO_2.相关性分析表明,O_3浓度与气温呈显著正相关;PM_(2.5)与湿度呈显著正相关;CO、NO_2和SO_2均与风速呈显著负相关;PM_(10)与各气象要素在不同的季节相关性不同.     

广东省大气环境质量的时空分布特征

随着社会经济的迅速发展、城市化进程的不断加快以及能源消费需求的增加,广东省大气污染问题日益成为人们关注的重要环境污染问题之一。为了进一步了解广东省主要大气污染物质量浓度的时空变化情况,以广东省21个地级市为研究对象,选用广东省生态环境厅历年发布的环境状况公报以及《环境空气质量标准》(GB3095-2012)中的SO_2、NO_2、PM_(10)、PM_(2.5)、O_3~(-8) h,以及CO 24h平均第95%位数的质量浓度作为评价因子,基于ArcGIS 10.2软件分析平台,分析了广东省主要大气污染物的年际变化特征、空间分布特征及其变化原因。结果表明,1998—2017年间,广东省降水pH年均值由1998年的4.71提高到2017年的5.14,且大多年份维持在5.0-5.6之间,酸雨发生频率均属轻酸雨。除少数年份外,全省SO_2、NO_2、PM_(10)、PM_(2.5)、O_3~(-8)h和CO平均质量浓度均达到国家二级标准。空间分布上,全省大气主要污染物除NO_2上升,O_3~(-8)h波动变化外,SO2、PM10、PM2.5和CO的质量浓度均呈现下降趋势。近年来,珠三角地区的大气环境首要污染物主要为O_3~(-8)h,其次为PM_(2.5)和NO_2,粤东西北地区除O_3~(-8)h和PM2.5污染较重外,PM_(10)的污染也较为严重。总的来看,研究期间,广东大气环境质量逐年得到改善,主要原因在于全省在社会经济快速发展的同时,也加大了大气环境污染防治工作力度,取得了显著成效。     

福州市太阳总辐射变化特征及与PM、O_3关系分析

太阳辐射是天气气候形成和演变的基本动力,也直接影响着近地层的空气质量,研究太阳辐射变化对空气质量的影响规律具有重要意义。基于2007-2018年福州市太阳总辐射、PM-(10)及2014-2018年PM_(2.5)、O_3观测资料,采用趋势分析、相关分析、对比分析等方法,研究福州市太阳总辐射的时间分布规律、变化特征及与PM、O_3的相关关系。结果表明,(1)近12a福州市太阳年总辐射呈上升趋势,平均上升率为6.7%/10a,ρ(PM_(10))和ρ(PM_(2.5))年平均值呈现明显下降趋势,太阳年总辐射与ρ(PM)呈负相关关系。(2)福州市太阳总辐射7月最强、12月最弱,平均而言夏季(7-9月)太阳总辐射量最丰富,春季次之,冬季最少。(3)太阳日总辐射与ρ(O_3)日均值、ρ(O_3)–max–8h、IAQI(ρ(O_3))呈现明显的正相关关系,相关系数分别为0.452、0.594、0.572,通过0.01显著性检验。(4)随着大气中ρ(PM)逐年降低,太阳总辐射量增加,又引起了O_3污染日趋严重的问题,2017-2018年福州市O_3污染明显加重,这与太阳辐射增强、气温异常偏高,日照时数明显偏多关系密切。(5)利用AQI(空气质量指数)评价空气质量后,太阳总辐射对空气质量从单一的影响ρ(PM)高低到主要影响ρ(PM)和ρ(O_3)高低转变。研究结果揭示了《环境空气质量标准》(GB3095-2012)执行后,太阳总辐射与空气质量的相关关系取决于当天的首要污染物,进而决定并影响空气质量的好坏。     

云贵高原城市冬夏季PM_(2.5)与O_3相互作用机理——以贵阳市为例

在对环境细颗粒物进行治理的过程中,一些地区随着PM_(2.5)下降而出现O_3浓度增加的现象。分析两者的变化规律和影响因素,对云贵高原大气PM_(2.5)和O_3治理具有参考意义。利用贵阳2013—2017年PM_(2.5)与O_3监测数据及太阳辐射、温度等气象观测资料,采用对比观测方法分析大气复合污染中PM_(2.5)和O_3在不同季节相互作用的机理和变化特征。结果表明:不同气象条件下,PM_(2.5)和O_3的相互作用表现为:夏季,高浓度的O_3在较强的大气氧化条件下可促进二次颗粒物形成,增加环境中PM_(2.5)的浓度水平,两者表现为正相关(r=0.609,P0.01);冬季,较高浓度的PM_(2.5)削弱了太阳辐射,同时抑制O_3的产生,两者表现为负相关(r=-0.373,P0.01)。PM_(2.5)与O_3在不同季节的相互作用机理受温度和太阳辐射等气象因素影响,夏季光化学反应速率较高,O_3二次生成浓度相对较高,且多种污染物共存;冬季,采暖期细粒子排放增加,大气层结稳定促使PM_(2.5)在大气中累积,导致气溶胶光学厚度增大,削弱了到达地面的太阳辐射,加之贵阳冬季太阳辐射只相当于夏季的2/5,抑制了生成O_3的光化学反应,空气污染以PM_(2.5)为主。综上,贵阳大气复合污染的季节变化可由大气环境中PM_(2.5)和O_3的季节性相互作用决定。     

济南市采暖季污染指数构建及应用

作为东亚冬季气候系统的重要组成部分,西伯利亚高压的存在强烈的影响亚洲东部地区天气系统的变化,阿留申低压的强度和位置异常对北半球的天气、气候异常有重要的影响,它们都是影响中国东部地区空气质量的重要的天气系统,其强度和位置变化,影响中国东部地区大尺度污染物扩散条件,本地水平风速、行星边界层高度、相对湿度等影响局地空气中污染物的生成、累积、传输、扩散、沉降等过程。基于2013—2019年采暖季(11月至次年3月)气象数据及济南市空气质量指数(AQI)数据,通过研究西伯利亚高压、阿留申低压、南部气压距平中心气压值强度的变化,以及本地2 m相对湿度、10 m风速、行星边界层高度等气象因素,结合AQI数据,确定各气象因子阈值范围及权重系数,通过权重求和,建立基于经验预报的济南市采暖季污染指数(PI),两者相关系数达到0.579,为显著相关,随着污染加重,污染指数相应增大,该指数能够反映空气质量变化趋势。以2020年12月出现的两次重污染过程为例,分析不同污染阶段污染指数变化,评估所建公式对济南市空气质量的预报能力,结果表明:12月7—13日重污染过程中,污染指数能够较好的预测本次污染过程的累积及消散过程,11日由于GFS资料中对相对湿度的预报偏差导致预测与实际偏差较大;25—31日污染过程中,污染指数与AQI变化完全一致,预报效果好。污染指数能够较好的反映污染过程的不同阶段,具有较好的提前预报能力,对空气质量预报尤其是重污染期间预报具有较好的指导意义。     

宝鸡高新区春节前后大气中黑碳浓度特征及来源解析

基于春节前后(2018年1月1日—2018年3月31日)宝鸡市高新区宝鸡文理学院站点的黑碳气溶胶(BC)、浊度仪、颗粒态污染物(PM_(10)、PM_(2.5)和PM_(1.0))、气态污染物(CO、NO_2、SO_2和O_3)的逐时数据及常规气象数据,对宝鸡市高新区BC气溶胶的时间变化特征、来源及影响因素进行分析.结果表明,观测期间BC质量浓度的变化范围为0.01—5.62μg·m~(-3),平均浓度为0.63μg·m~(-3).BC与风速和能见度均呈负相关.观测期间BC浓度日变化呈"双峰双谷"型,峰值出现在09:00和19:00,谷值出现在05:00和16:00;寒假前BC浓度昼夜变化整体高于寒假期间和春季开学,可能与寒假前频繁的人为活动,不易扩散的气象条件有关.BC占PM_(2.5)的0.84%,其吸收作用占大气消光的2.14%.除O_3外,BC日平均浓度与PM_(2.5)、CO和NO_2呈显著相关,相关系数分别为0.626、0.623和0.473,说明BC气溶胶与之均有部分共同源.     

区域尺度大气污染物特征分析

大气污染是人民的"心肺之患",为研究区域尺度下大气污染特征,为大气污染防治攻坚战提供理论支持,以华北平原7地市作为研究区,以2015年全年空气质量指数为数据基础,通过描述性统计分析及建立向量自回归模型得出以下结论:研究区重污染天气主要发生在1月、12月,且空气质量指数波动性较大,4月至9月空气质量指数在100左右波动,起伏较小;以PM_(2.5)和PM_(10)为首的颗粒物是研究区的首要污染物;首要污染物为臭氧,主要发生在6月至9月,呈现明显的季节性特征;以研究区内濮阳市为例,通过运用脉冲响应函数及方差分解分析得出濮阳市空气质量以内源污染为主.     

西安市PM_(2.5)时空分布特征及气象成因

PM_(2.5)是危害环境及人体健康的重要空气污染物之一,但目前对PM_(2.5)的时空分布及气象成因的研究还相对缺乏。为了更好地控制ρ(PM_(2.5)),利用西安市2013年9月1日至2014年8月31日的PM_(2.5)逐日质量浓度、首要污染物数据及气象数据,分析PM_(2.5)逐日质量浓度对空气质量的影响,ρ(PM_(2.5))的分布特征及其气象成因。结果表明,PM_(2.5)是影响空气质量的重要因素。ρ(PM_(2.5))年超标率高达42.1%,在季节上具有冬秋季高、春夏季低的特征,月变化呈现"V"字形变化。各类型站点的ρ(PM_(2.5))总体空间分布状况为:道路参照点污染最严重;居民参照点、工业参照点次之;商贸参照点及文化、生态参照点的PM_(2.5)污染较轻,基本处于良好状态;PM_(2.5)的空间分布状况及站点间的变动幅度会随季节而有所不同。采用逐步回归模型建立的ρ(PM_(2.5))的预测模型具有较好的预测效果,ρ(PM_(2.5))拟合值均能较好的反映ρ(PM_(2.5))的变化规律,ρ(PM_(2.5))与气象条件有一定的关系。     

2018年春节期间烟花爆竹燃放对银川市空气质量的影响

为了解银川市2018年春节期间烟花爆竹燃放对空气质量的影响,分析了2016—2018年春节期间、2018年烟花爆竹禁放区与非禁放区以及2018年春节期间污染时段和非污染时段空气质量变化情况.并利用银川市大气超级监测网络的在线观测数据,对颗粒物中的水溶性离子、黑碳(BC)以及区域污染传输情况进行了分析.分析结果表明,与2016年和2017年春节期间同期比较,2018年优良天数同比分别增加4d、2d.除O_3外,其它5项参数整体均呈下降趋势,空气质量改善幅度较大;银川市城区禁放区空气质量较好于周边非禁放区域;春节期间银川市城区PM_(10)、PM_(2.5)、SO_2、NO_2、CO日均浓度在污染时段(除夕至初二)明显高于非污染时段(初三至初六),分别高出65.2%、90.8%、68.4%、58.2%、67.7%,PM_(2.5)/PM_(10)的日均浓度比值在初一最大,为68.6%;污染时段与非污染时段相比,K~+日均浓度增幅最大,达到了361.0%;污染时段PM_(10)中的BC日均浓度较非污染时段上升85.2%,春节期间BC与CO小时浓度呈正相关、相关系数为0.73;气溶胶激光雷达监测图显示,春节期间空气质量主要以本地污染为主.     

2018年春节期间烟花爆竹燃放对银川市空气质量的影响

为了解银川市2018年春节期间烟花爆竹燃放对空气质量的影响,分析了2016—2018年春节期间、2018年烟花爆竹禁放区与非禁放区以及2018年春节期间污染时段和非污染时段空气质量变化情况.并利用银川市大气超级监测网络的在线观测数据,对颗粒物中的水溶性离子、黑碳(BC)以及区域污染传输情况进行了分析.分析结果表明,与2016年和2017年春节期间同期比较,2018年优良天数同比分别增加4d、2d.除O_3外,其它5项参数整体均呈下降趋势,空气质量改善幅度较大;银川市城区禁放区空气质量较好于周边非禁放区域;春节期间银川市城区PM_(10)、PM_(2.5)、SO_2、NO_2、CO日均浓度在污染时段(除夕至初二)明显高于非污染时段(初三至初六),分别高出65.2%、90.8%、68.4%、58.2%、67.7%,PM_(2.5)/PM_(10)的日均浓度比值在初一最大,为68.6%;污染时段与非污染时段相比,K~+日均浓度增幅最大,达到了361.0%;污染时段PM_(10)中的BC日均浓度较非污染时段上升85.2%,春节期间BC与CO小时浓度呈正相关、相关系数为0.73;气溶胶激光雷达监测图显示,春节期间空气质量主要以本地污染为主.     

气象条件对西安市夏季和冬季近地面大气环境污染特征影响

利用2018年1—12月西安市13个环境空气质量监测点的六项大气污染常规分析指标(PM_(10)、PM_(2.5)、O_3、SO_2、NO_2和CO)逐小时监测数据,结合气象条件(温度、相对湿度、风向、风速、大气压、光照、紫外辐射、混合层高度及大气能见度)和颗粒物样品采集,对西安市近地面大气污染物浓度特征进行分析,结果表明,西安市近地面大气污染物浓度呈现明显的季节变化特征,冬季空气污染物主要为颗粒物(PM_(10)、PM_(2.5))对应质量浓度分别为:(154.04±92.88)、(101.84±60.11)μg·m~(-3),PM_(2.5)/PM_(10)的值为0.66,夏季空气污染物主要为O_3,质量浓度为(89.07±20.62)μg·m~(-3);西安市冬季PM_(2.5)数浓度、表面积浓度、质量浓度分别为(51 890±14 619)cm~(-3)、(2 882.21±939.83)μm~2·cm~(-3)、(0.32±0.13)mg·m~(-3),PM_(10)数浓度、质量浓度、表面积浓度分别为(51 897±14 618)cm~(-3)、(3 410.50±1 060.31)μm~2·cm~(-3)、(0.86±0.29)mg·m~(-3),数浓度粒径分布集中在0.010≤d_p≤0.484μm,占总数浓度的99.13%,表面积浓度粒径分布集中在0.072≤d_p≤8.136μm,占总表面积浓度的98.32%,质量浓度粒径分布集中在0.316≤dp≤8.136μm,占总质量浓度的98.75%。颗粒物数浓度对大气能见度影响最大的3个粒径段分别为d_p=0.762μm、d_p=1.956μm、d_p=1.232μm,3个粒径段与能见度的R~2(拟合优度)分别为:0.840、0.789、0.775;西安市夏季,在近地面环境温度大于30.23℃,相对湿度小于58.09%,光照强度大于107.83 W·m~(-2),紫外辐射强度大于324.10μW·cm~(-2)时,有利于近地大气层中高质量浓度O_3((112.16±53.01)μg·m~(-3))的生成与累积。研究结果可为西安市及汾渭平原其他城市大气污染物减排、大气污染防治策略的制定提供数据支持。