基于距离相关系数和支持向量机回归的PM2.5浓度滚动统计预报方案

针对目前空气质量统计预报方法存在的主要缺陷,本文提出了距离相关系数和支持向量机回归相结合的统计预报方案DC-SVR.利用淮安市2013年1—12月PM_(2.5)观测资料和常规气象观测资料,首先在选入预报当日气象要素的基础上,增加选取前期污染物和气象要素作为预报因子,再采用距离相关系数分季节从预报因子中筛选出重要预报因子,最后采用支持向量机回归对PM_(2.5)浓度值进行逐日滚动统计预报.研究发现,淮安地区气温和气压对PM_(2.5)的距离相关性要高于其他气象要素,夏秋季PM_(2.5)与气象要素的距离相关性较春冬季好.基于距离相关系数和支持向量机回归建立DC-SVR模型,PM_(2.5)的试预报值和实测值的全年相关系数高达0.76,平均偏差仅为1.13μg·m~(-3),平均绝对误差为23.47μg·m~(-3).通过与支持向量机回归、人工神经网络的统计预报效果对比,DC-SVR模型有效降低预报因子维数且能自适应选取最佳参数,预报精度显著优于其他3种统计预报方案,可为业务化预报提供参考.     

重庆市主城区大气细颗粒物污染特征与来源解析

重庆市主城区大气细颗粒物(PM_(2.5))浓度从1990s的100μg·m~(-3)下降至当前的约70μg·m~(-3),但仍高于环境标准限值.为探讨重庆市主城区PM_(2.5)化学组成与来源特征,于2012—2013年在渝北区大气超级站利用四通道采样仪连续采集了颗粒物样品,分析了其中水溶性离子、碳质组分和无机元素含量.采样期间,重庆市主城区大气PM_(10)和PM_(2.5)的年日均浓度分别为103.9和75.3μg·m~(-3),扩散条件不利的冬季,细颗粒物污染较为严重.受静稳天气影响的1月和2月,受沙尘影响的3月,及二次转化显著的6月是重庆市细颗粒物污染较重的月份.重庆市PM_(2.5)组成以有机物(OM,30.8%)为主,其次为硫酸盐(SO_4~(2-),23.0%)、硝酸盐(NO_3~-,11.7%)、铵盐(NH_4~+,10.9%)、地壳物质(Soil,8.2%)、元素碳(EC,5.2%)、K~+(1.1%)、Cl~-(1.0%)和微量元素(Trace,0.6%).较高的SO_4~(2-)浓度和逐步上升的[NO_3~-]/[SO_4~(2-)]比值反映了重庆市燃煤污染较重,同时机动车污染比例逐步增加.采用主因子分析/绝对主因子得分法解析了重庆城区细颗粒物5类主要来源是:二次粒子(41.7%)、燃煤(15.6%)、建筑/道路尘(12.4%)、土壤尘(11.0%)和工业尘(10.4%),通过各污染源季节变化及与其他结果对比,该源解析结果能够较可靠反映重庆市细颗粒物的来源信息.     

纳米TiO2添加剂对DMDF发动机大负荷燃烧及PM排放影响的试验研究

在一台电控增压中冷四缸柴油机的进气道上加装一套电控喷射装置,使其运行柴油/甲醇双燃料(DMDF)模式.研究了甲醇中Ti O_2添加剂的添加量及同一添加剂添加量在不同甲醇分散系喷射量时对发动机大负荷工况的燃烧和颗粒物(PM)排放的影响.结果表明,在甲醇中添加适量(30和100 mg·kg~(-1))的纳米Ti O_2能够使爆发压力升高,对燃烧有一定的促进作用,但添加过量(100 mg·kg~(-1))会对燃烧产生不利影响.加入纳米Ti O_2后,干炭烟烟度排放和积聚态颗粒数明显降低,在添加剂添加量为1000 mg·kg~(-1)时,最大降幅分别达到26.8%和29.4%,而核态颗粒物排放变化不大.在相同添加剂添加量下,增加甲醇分散系替代率R_m会使放热始点后移,放热更加集中,爆发压力增大,干炭烟烟度和颗粒物排放均大幅度降低.在添加剂添加量为100 mg·kg~(-1)时,与R_m=10%相比,R_m=40%时爆发压力增加0.94 MPa,放热率峰值增加53.5%,烟度、核态颗粒数、积聚态颗粒数和颗粒物总数的降幅分别达66.9%、42.3%、67.0%和58.0%.     

北京2015年大气细颗粒物的空间分布特征及变化规律

近年来,随着雾霾事件的频发,人们逐渐提高了对雾霾的关注度,PM_2.5作为其首要污染物对大气能见度及人体健康造成了严重影响.因此,本文利用2015年北京12个环境监测站点的PM_2.5、PM₁₀、NO₂、SO₂、CO和O₃的浓度数据和气象数据,综合研究了北京2015年大气细颗粒物的空间变化特征及分布规律.同时,利用空间差异率（COD）统计方法评估了不同地区细颗粒物浓度的差异程度,并结合2015年2次特殊事件（春节和阅兵）,对大气污染特征及其与排放源控制的关系进行了深入对比分析.结果发现,重污染天气集中发生在秋冬季,且污染程度高、持续时间长.城区PM_2.5浓度比郊区高约12 μg·m^-3.东城区与对照区差异最大,COD值为0.24;东城区与西城区差异最小,COD值为0.05.春、夏、秋季颗粒物PM_2.5、PM₁₀浓度日变化较为平稳,在中午有所升高,冬季颗粒物质量浓度明显呈现出夜间高于日间的污染模式.近3年PM_2.5与PM₁₀保持显著的相关性,但PM_2.5/PM₁₀比值呈降低趋势.阅兵期间采取的空气质量管控措施和气象要素共同作用导致PM_2.5浓度下降约72%,市中心的首要污染物为NO₂,郊区首要污染物为O₃和PM₁₀.春节期间烟花燃放对PM_2.5的瞬时贡献量很大,对比春节假期和非假期2个阶段的大气污染特征发现,人口和机动车减少及餐馆暂停营业并没有使北京局地空气质量得到明显改善.该研究结果提示在进行PM_2.5控制的同时也要对O₃浓度有所关注,同时也进一步支撑了北京空气质量改善需要京津冀协同控制这一重要结论.     

基于GIS和LUR模型的西安市PM2.5浓度空间分布模拟研究

基于地理信息系统GIS和土地利用回归LUR模型,模拟西安市PM2.5浓度空间动态分布,结果表明:与PM2.5浓度相关性最高的分别为缓冲区为2 km的水域面积、人口密度和距离水域距离,R 2分别为0.501,0.393和0.280;与PM2.5浓度相关性最低的分别为缓冲区为4 km的水域面积、未利用地面积和耕地面积,R 2分别为0.039、0.021和0.017.未考虑风速建立的LUR模型多元回归的相关系数为0.856,R 2为0.733,考虑风速的相关系数为0.892,R 2为0.796,表明风速对于污染物的分布影响较大,LUR模型模拟效果较好.模拟的PM2.5年均浓度高风险区分布于中部,中风险区分布于中西部,低风险区分布于东南部和西部.     

西安市重污染与清洁天PM2.5组分及其活性氧物质对比

针对重霾污染,在西安市冬季重污染日(2015-11-30~2015-12-09)和清洁日(2016-01-13~2016-01-22)各进行了为期10d的PM_(2.5)采集,测量其中的有机碳、元素碳,及NH_4~+、NO_3~-、SO_4~(2-)等无机水溶性离子,探讨两种污染条件下的组分特征及其成因.结果表明:观测期,重霾日和清洁日PM_(2.5)质量浓度分别为(170±47.5)μg·m~(-3)和(48.6±17.9)μg·m~(-3),且重霾日伴随低能见度、高湿静风等多种不利气象条件;重霾日二次无机离子(NH_4~+、NO_3~-、SO_4~(2-))组分占PM_(2.5)质量浓度的49.8%±13.1%,而清洁日为19.4%±5.95%,并且重霾日硫氧化速率(sulfur oxidation ratio,SOR)和氮氧化速率(nitrogen oxidation ratio,NOR)分别为0.282±0.157和0.269±0.124,远高于清洁日(SOR和NOR分别为0.189±0.057和0.077±0.046),重霾日二次有机组分浓度[(6.22±3.87)μg·m~(-3)]是清洁日[(1.44±1.63)μg·m~(-3)]的5倍,表明二次污染及不利气象条件是造成重霾期间相关组分浓度升高的重要原因.最后,通过二氯荧光黄双乙酸盐(2',7'-DCFH)化学荧光分析法测定了其中活性氧物质(reactive oxygen species,ROS)的浓度,探讨其对于二次无机组分形成的影响,结果表明观测期ROS平均浓度(以H_2O_2计)分别为(4.99±1.54)nmol·m~(-3)(重霾期),(0.492±0.356)nmol·m~(-3)(清洁期),二次反应及积累效应可能是西安重霾条件下ROS浓度升高的主要原因.NO_3~-、SO_4~(2-)与ROS均呈现正相关(P0.05),表明ROS可能通过二次氧化过程参与到二次无机组分形成过程中.     

南京北郊不同大气污染程度下气溶胶化学组分特征

为了解不同大气污染程度下大气细颗粒物中水溶性化合物和含碳物质的污染特征,使用瑞士万通850 professional IC型色谱仪和Model 2001热光碳分析仪分别对2015年南京北郊冬季清洁、轻/中度污染和重度污染程度下的水溶性离子、OC(有机碳)和EC(元素碳)进行了分析.结果表明,重度污染中PM_(2.5)日平均浓度为清洁天的4.0倍,SO_4~(2-)、NO_3~-和NH_4~+这3种主要二次离子平均浓度则分别为清洁天的6.4、3.1和3.9倍,且它们均以(NH_4)_2SO_4和NH_4NO_3的形式存在于清洁天和污染天中.两种呈酸性的污染天均主要受流动源影响.OC与EC的最高浓度均出现在重度污染天,分别达到49.8μg·m~(-3)和10.3μg·m~(-3).清洁天中SOC平均浓度最低(4.28μg·m~(-3)),但SOC占OC质量分数却高于另外两种污染天(41.14%).通过碳组分丰度值发现燃煤燃烧和汽油车尾气排放是观测期间内碳质颗粒物的共同主要贡献源.     

广西玉林市大气PM10和PM2.5中有机碳和元素碳污染特征分析

2015年7月~2016年3月期间在广西玉林市3个空气监测点位共采集环境大气颗粒物PM_(10)样品218份,PM_(2.5)样品202份,利用多波段热/光碳分析仪分析其颗粒物中有机碳和(OC)和元素碳(EC)浓度水平、时空变化、污染特征及可能来源.结果表明,玉林市PM_(10)中OC和EC质量浓度分别为10.99μg·m~(-3)和5.11μg·m~(-3);PM_(2.5)中OC和EC质量浓度分别为7.51μg·m~(-3)和4.70μg·m~(-3).3个监测点位大气中PM_(10)和PM_(2.5)冬季的OC和EC浓度水平均高于其他季节,PM_(10)、PM_(2.5)中OC和EC的相关性较好,R2分别为0.58和0.60(P均小于0.01).应用最小OC/EC比值法对二次有机碳(SOC)含量进行了估算,冬季大气PM_(10)和PM_(2.5)中SOC平均质量浓度分别为14.50μg·m~(-3)和6.74μg·m~(-3),高于其他季节.PM_(10)和PM_(2.5)中SOC/OC比值均0.5,玉林市大气中粗细颗粒物均以SOC为主.夏季PM_(10)和PM_(2.5)中SOC/OC分别为80.6%和77.7%,为四季最高值,与夏季温度较高、光照强烈、有利于光化学反应将OC转化为SOC有关.     

泉州市大气PM2.5镧系元素组成特征及来源解析

2014年3月、4月和7月分别采集了泉州市5个采样点共49个PM_(2.5)样品,采用电感耦合等离子体质谱(ICP-MS)测定样品镧系元素(Loid)及其他微量金属元素浓度水平.分析了PM_(2.5)镧系元素组成特征和配分模式,利用La-Ce-V三元图和化学质量平衡(CMB)受体模型解析了泉州市大气PM_(2.5)污染来源.结果表明:(1)泉州市大气PM_(2.5)总镧系元素(Σ Loid)浓度为2.490~5.708 ng·m~(-3)(含量65.682~126.529μg·g~(-1)),轻重镧系元素比值(L/H)为12.086~14.319;(2)PM_(2.5)镧系元素配分模式与福建土壤相似,PM_(2.5)中Ce元素表现为正异常,而Eu元素表现为负异常;(3)城市扬尘、燃煤尘、汽车尾气尘和垃圾焚烧飞灰是泉州市大气PM_(2.5)的主要来源,贡献率分别为18.9%、10.9%、30.6%和30.2%.     

长三角地区秸秆燃烧排放因子与颗粒物成分谱研究

为获取长三角地区秸秆燃烧污染物排放因子及其颗粒物成分谱,利用自行设计开发的开放式燃烧源排放测试系统,选取小麦、水稻、油菜、豆秸和薪柴等5类典型作物秸秆,分别采用露天焚烧和炉灶燃烧2种燃烧方式,实测其气态污染物和颗粒物排放特征.结果表明,露天燃烧各类秸秆的CO、NOx和PM2.5平均排放因子约为28.7、1.2和2.65 g·kg-1,由于炉灶氧含量相对较低,燃烧不充分,其污染物排放因子总体高于露天燃烧,分别为81.9、2.1和8.5 g·kg-1.各类秸秆中,油菜的排放水平相对较高.含碳组分(OC和EC)是生物质秸秆燃烧产生PM2.5的主要组成,在露天燃烧中OC和EC的质量分数分别占(38.92±13.93)%和(5.66±1.54)%;炉灶燃烧中OC和EC分别为(26.37±10.14)%和(18.97±10.76)%.Cl-、K+等水溶性离子也有较大贡献,在露天燃烧中分别为(13.27±6.82)%和(12.41±3.02)%;在炉灶燃烧中分别为(16.25±9.34)%和(13.62±7.91)%.小麦、水稻、油菜和豆秸等作物秸秆露天燃烧排放颗粒物的K+/OC值分别为0.30、0.52、0.49和0.15,这些特征值可用于判断长三角区域空气质量受秸秆燃烧排放影响的程度,为大气污染来源解析提供直接的判断依据.