一种基于小波变换和LSTM的大气污染物浓度预测模型

针对现有大气污染物浓度预测模型存在预测精度不高、污染物种类单一等不足的问题,通过小波分解将高维大气污染物数据转换为低维数据,再对分解序列建立长短期记忆网络（LSTM）预测模型,最后通过小波重构将分解序列重构为污染物时间序列,建立了1种基于小波变换（WT）的LSTM大气污染物预测模型（WT-LSTM）,用以预测目标区域内的次日平均ρ（PM_2.5）、ρ（PM₁₀）、ρ（SO₂）、ρ（NO₂）和ρ（O₃）。采用长沙市2015—2018年10处国控站点的数据进行验证,结果表明:相对于LSTM、多元线性回归（MLR）和基于WT的WT-MLR模型,WT-LSTM的均方根误差和绝对平均误差均下降了50%,其对PM_2.5、PM₁₀、SO₂、NO₂和O₃的污染等级预测准确率均在80%以上。     

贵阳市城区PM10和PM2.5水溶性离子特征分析

分别于2013年10月和2014年2月、5月、7月在贵阳市城区3个环境空气质量监测国控点位（南明区市监测站、云岩区黔灵公园马鞍山和观山湖区贵阳一中）进行PM₁₀、PM_2.5样品采集,并对10种水溶性离子（SO₄^2-、NO₂^-、NO₃^-、NH₄⁺、Cl^-、F^-、Na⁺、K⁺、Mg²⁺、Ca²⁺）的含量进行了分析。结果表明,研究时段内,贵阳市3个点位PM₁₀、PM_2.5平均质量浓度分别为（64.8±25.5）、（46.6±21.2）μg/m³。其中,云岩区黔灵公园马鞍山点位的颗粒物浓度最低,南明区市监测站点位最高。3个点位PM_2.5平均浓度与PM₁₀平均浓度的比值为0.719,表明贵阳市城区PM₁₀中,PM_2.5占主导地位。水溶性离子分析显示,SO₄^2-、NO₂^-、NO₃^-、NH₄⁺、Cl^-、F^-、Na⁺、K⁺主要分布在PM_2.5中,Mg²⁺、Ca²⁺主要分布在PM₁₀中。3个点位PM₁₀和PM_2.5中的水溶性离子均表现为SO₄^2-、NH₄⁺、Ca²⁺浓度较大,F^-、NO₂^-较小,表明3个点位的污染源总体相同,且水溶性离子占PM₁₀、PM_2.5含量的比例达33.6%~48.1%。贵阳市城区大气中的SO₂转化率在5月、7月、10月较高,2月最低,主要是由于5月、7月、10月的高温、高湿、强辐射环境条件促进了SO₂向SO₄^2-的转化。阴阳离子平衡分析表明,贵阳市城区PM₁₀、PM_2.5呈现出偏碱性的特征。水溶性离子主成分分析表明,贵阳市城区PM₁₀中的水溶性离子主要来源于城市扬尘、生物质燃烧尘、煤烟尘、建筑尘以及二次粒子,PM_2.5中水溶性离子的来源与PM₁₀较为相似。     

达州市城区环境空气质量变化趋势及CMAQ模型预报分析

利用Spearman秩相关系数法、污染日历图、浓度分析法和CMAQ预测模型研究了达州市城区2015—2019年空气质量状况。结果表明:2015—2019年,达州市城区O_3浓度变化趋势为显著上升(P0.05),季度变化明显,8月易发生因O_3超标导致的轻度污染状况;CO年均值变化趋势为显著降低(P0.05);NO_2年均值呈上升趋势,但尚未达到显著水平(P0.05);SO_2、PM_(10)和PM_(2.5)年均值呈下降趋势,但变化趋势不明显(P0.05)。2019年,1月和12月污染最重,PM_(2.5)超标是主因,PM_(10)和PM_(2.5)年均值达标形势严峻,全年一半以上天数的PM_(2.5)浓度超过年均值二级标准限值,PM_(10)也近半;NO_2年均值达标形势严峻,全年212 d超过年均值二级标准限值。CMAQ模型对不同污染指标的预测准确率不同,预测PM_(2.5)浓度、首要污染物和空气质量等级时的准确率不及人工预测,预测AQI时的准确率高于人工预测,更多污染指标的预测比较还有待进一步研究。     

安阳市冬季观测期间PM2.5污染特征及来源解析

为探究安阳市冬季PM_(2.5)的污染特征及来源,于2019年11月19—26日在安阳市3个站点(柏庄镇政府、红庙街小学、安阳师专)采集PM_(2.5)样品,并对PM_(2.5)质量浓度和无机元素、水溶性离子进行测定,利用正定矩阵因子模型(PMF)并结合大气污染源排放清单进行源解析。结果表明:观测期间安阳市的PM_(2.5)平均质量浓度为104.09μg/m~3,水溶性离子平均质量浓度为48.9μg/m~3,占PM_(2.5)质量浓度的46.9%。PMF解析结果为二次源58.9%、燃煤源15.7%、机动车排放源9.2%、扬尘源8.6%、工业源2.5%、其他源5.1%。结合2018年安阳市大气污染源排放清单对二次源贡献进行重新分配,得到安阳市PM_(2.5)主要贡献来自燃煤源29.8%、工业源28.5%、机动车源27.1%。后向轨迹聚类结果显示,安阳市气团输送路径主要有远距离传输、城市间输送和本地运输3类,其中本地运输占比最大,其次为正南和东南方向上的城市间输送。     

城市植被对杭州市大气污染物浓度的影响

使用RBLM Chem模式,利用杭州市高分辨率城市建筑资料,通过敏感性试验的方法,定量分析城市植被的直接环境效应。结果表明,城市植被对大气污染物干沉降速率总体上起增加作用。夏季城市植被使城区SO2、NO2、O3、PM25的干沉降速率分别增加015 cm/s、010 cm/s、002 cm/s、005 cm/s,冬季该作用不太明显。城市植被对大气污染物干沉降速率的增加作用白天显著大于夜晚。城市植被可以显著降低城市地区大气污染物浓度,对不同大气污染物浓度的下降作用强弱在昼夜的分布依物种而异。     

基于GC-QTOF/MS的大气中有机污染物的非靶标筛查及半定量分析

本文借助气相色谱-四极杆飞行时间质谱仪(GC-QTOF/MS)开展了大气中有机污染物的非靶标筛查,并对识别出的特征污染物进行半定量分析.基于高分辨质谱数据库和NIST质谱数据库的匹配,样品中共识别出139种污染物,主要以多环芳烃(PAHs)及其衍生物、邻苯二甲酸酯(PAEs)为主;除此之外,还识别出多种尚未受到监管的杂环类化合物,例如苯并噻唑、四甲基哌啶酮、1-甲基-2吡咯烷酮、氧杂蒽等.识别出的有机污染物半定量浓度为288 ng·m-3,其中大气常规监测的16种PAHs的浓度是18.1 ng·m-3,仅占总浓度的6.28％.PAEs的浓度为44.6 ng·m-3,邻苯二甲酸二丁酯(DBP)的浓度最高(14.8 ng·m-3).以含氮、氧、硫为主的杂环化合物浓度是47.9 ng·m-3,其中苯并噻唑浓度最高,为9.51 ng·m-3;其次是1-甲基-2吡咯烷酮、四甲基哌啶酮、尼古丁和二苯并呋喃,浓度分别为9.22、8.78、5.11、4.15 ng·m-3.本研究展示了高分辨质谱技术在未知物识别中的优势,并对识别出的特征污染物进行了半定量分析,其结果能够为后期污染物的风险评估提供借鉴意义.     

不同类型建筑垃圾堆场大气降尘中水溶性离子污染特征

为了解建筑垃圾长期堆放产生的扬尘对大气的影响,选择北京市两个拆迁建筑垃圾堆放场,于2019年夏季、秋季进行降尘连续采样.共收集拆迁原地堆放有效降尘样品11个,异地集中堆放有效降尘样品11个,利用离子色谱法对大气降尘中水溶性离子组分及质量浓度进行分析.结果表明：阳离子中质量浓度最高的是Ca²⁺,其次是K⁺,NH₄⁺浓度最低;阴离子中质量浓度最高的是SO₄^2-,其次是Cl^-,NO₃^-最低,降尘样品呈碱性.建筑垃圾拆迁原地堆放场地Ca²⁺、Mg²⁺、SO₄^2-、Cl^-、Na⁺、NH₄⁺平均浓度高于异地集中堆放场地对应各离子浓度.拆迁原地堆放场地中Ca²⁺、SO₄^2-、Na⁺、Cl^-受局地风向影响较大,空间分布情况与风向扩散趋势大致相同;异地集中堆放场地各离子浓度高值区域分布较原地堆放远,Ca²⁺、K⁺、SO₄^2-、Cl^-、Mg²⁺这5种离子空间分布与次主导风向较为相符.同时,两个场地水溶性离子平均浓度与距建筑垃圾堆放地的距离有一定的关系,采样点在距堆放中心200 m范围之内离子平均浓度最大,总体来说,距离堆放中心近的采样点位离子浓度高于距离较远的采样点位离子浓度.     

基于监测及Kriging方法的京津冀地区大气污染物暴露分布研究

为了实现充分利用已有环境监测站点数据进行人群精细化暴露评估的目的,同时解决某些待测人群社区周边无监测站点时数据的选择问题,以保定市作为大气高污染研究城市,基于现场监测和Kriging（克里金插值）空间分析方法,明确了在研究大气污染物人群暴露时,某一个固定监测站污染物数据的代表性问题.研究表明:对于大气中φ（SO₂）、φ（NO₂）、颗粒物及其组分,空气质量监测点位的代表性一般为5~6 km;对于φ（CO）、φ（O₃）和φ（VOCs）,它们在城市不同地区的空间分布更为均匀,空气质量监测点位的代表性范围更大.通过使用Radial Basis Functions（径向基函数,RBF）、Local Polynomial Interpolation（局部多项式插值,LPI）、Inverse Distance Weighting（反距离权重插值,IDW）、Kriging、Kernel Smoothing（内核平滑插值,KS）和Diffusion Kernel（内核扩散插值,DK）等6种空间分析方法对大气污染物浓度进行预测发现,Kriging方法对大气污染物浓度预测时可使预测值和实测值间的偏差小于10%,准确度最高.因此,在进行某城市某点位的污染物人群暴露浓度预测时,若该点位周边5 km以内有空气质量监测点位,则可用该点位的监测值代替;若5 km以内没有空气质量监测点位,则可基于最近监测点位的污染物浓度进行Kriging空间插值,从而获得该点位的污染物暴露水平.