基于高频AQI数据的关中城市群空气污染规律探索

基于高频分时AQI及各污染物浓度数据,本文使用"AQI小时指数"、首要污染物等进行统计分析并建立VAR模型对关中城市群空气污染的总体情况、日内波动规律以及城市间空气污染的关联规律做了不同层次的挖掘。研究结果表明:(1)关中城市群的空气质量整体较差,春、冬季空气污染程度明显大于夏季,空气污染的"季节效应"和"集簇性"明显,且主要表现为颗粒物污染。(2)空气质量的日内波动规律在春、冬两季表现为下半天优于上半天,夏季夜间优于白天。但在不考虑四季AQI小时指数图"相位"差异的情况下,四季空气污染的日内波动呈现出明显的相似性。(3)各城市空气污染存在明显的关联规律。城市群内一个城市空气污染的恶化会加剧其他城市的空气污染,并且对其他城市空气污染的影响峰值会在24小时之内出现,且该影响会随着空间和时间尺度的增大而逐步衰减。     

空气质量AQI实时发布的改进探讨

针对《环境空气质量指数(AQI)技术规定(试行)》(HJ 633-2012)中对空气质量AQI实时发布存在的欠缺,从增加颗粒物1 h浓度的AQI分级浓度限值及颗粒物24 h滑动平均值计算方法改进着手,解决PM2.5和PM10的24 h滑动平均值实时延迟、1 h平均值代替24 h滑动平均值偏高等问题。     

成都地区污染天气分型及其污染气象特征研究

污染天气分型研究对空气质量预报、污染源总量控制等具有重要的意义。基于2013年1月~2014年12月高空及地面天气形势划分了成都市的天气类型并探讨各天气类型下的空气质量状况及其污染天气特征,以期为空气质量预报和预警提供依据。结果表明,空气污染过程中,500 hpa环流形势主要有两槽一脊型、一槽一脊型、纬向型、槽脊同位相型等,其中两槽一脊型和槽脊同位相型控制下的空气质量最差。发生空气污染时,地面环流形势可分为高压型、高压后部型、高压底部型、低压型、低压顶部型、低压前部型、低压底部型、鞍型场型、冷锋前部型和均压场型,其中高压型、高压底部型、高压后部型控制下的空气质量最差。     

北京雾霾天气生物气溶胶浓度和粒径特征

近年来北京雾霾天气频发,空气颗粒物聚集是导致雾霾天气发生的主要原因之一.作为一种重要的空气颗粒物,生物气溶胶对人体健康存在危害.本研究调查了雾霾天气时,生物气溶胶浓度和粒径分布规律;对其同空气质量指数PM2.5(AQI),环境温度和湿度间的Spearman’s相关性进行了研究;分析了冬夏两季重度雾霾天气时,生物气溶胶粒径分布规律.结果表明,生物气溶胶浓度与PM2.5(AQI)呈负相关,与环境温度呈正相关.环境湿度与细菌气溶胶浓度呈负相关而与真菌气溶胶浓度呈正相关.在冬季,最大浓度细菌和真菌气溶胶分别在4.5~7.0μm和2.1~3.3μm粒径范围内检测到,而夏季最高浓度细菌和真菌气溶胶均分布在3.3~4.5μm范围内.本研究结果将为不同雾霾天气下,评价生物气溶胶对人类健康造成的危害提供基础数据.     

基于微信公众平台的空气质量显示系统的设计与实现研究

空气质量的好坏直接影响着人类的出行和健康,创建便于查询的空气质量显示系统,可以使人们简单直观的了解当日的空气质量指数(AQI).随着互联网的迅猛发展,"微信"逐渐成了人们日常通信的重要工具.本系统利用物联网技术与微信公众平台相结合,提出了空气质量显示系统的设计与实现方案,来建设空气质量显示系统.该系统可从各个区内监测点得到空气质量指数数据,进而将每日各个时段的空气质量指数(AQI)以动态图的方式直观清晰的展示给用户,为人们的出行带来了方便.     

成都市大气水汽与空气质量关系的研究

为深入分析大气水汽对空气质量的影响,基于2016年成都温江国家气候观象台的气象观测资料和成都市环境监测中心的环境空气质量指数(AQI),首先利用地面气象要素估算出逐时的大气可降水量(PWV),继而结合空气质量指数资料研究了成都地区降水、静稳天气、太阳辐射强度等气象条件对空气质量及其与大气水汽关系的影响.结果表明:在降水条件下,臭氧(O_3)浓度随着PWV的增大而显著减小,PWV与PM_(2.5)、PM_(10)浓度的正相关系数减小,其中对PWV与PM_(10)浓度的相关性影响最大,相关系数减小47.62%.PWV与O_3的负相关系数在春季增大、夏季减小;PWV与PM_(2.5)的正相关系数在秋、冬季减小.当天气处于高静稳指数时,PWV变化对污染物浓度变化的影响更为显著.不同太阳辐射强度下,PWV与O_3的相关性也不同,随着太阳辐射增强,PWV与PM_(2.5)、PM_(10)的相关性从正相关转变为负相关.     

基于数据分解的AQI的CEEMD-Elman神经网络预测研究

针对Elman神经网络在预测空气质量指数（AQI）时易受到数据非平稳性的影响导致预测趋势良好但准确度较低的问题,提出以互补集合经验模态分解（Complementary Ensemble Empirical Mode Decomposition,CEEMD）为基础的CEEMD-Elman模型.应用CEEMD对AQI序列分解成不同时间尺度上的本征模态函数分量和剩余分量,进而首次将对非平稳的AQI序列的预测研究转化为对多个平稳的本征模态函数分量的研究.分别与Elman单一模型、EMD-Elman模型、BP单一模型及CEEMD-BP模型进行实验对比.结果表明：应用该方法建立的模型的均方误差、平均绝对误差和平均绝对百分比误差分别为4.80、0.71、1.84%,均小于其他模型结果;对应空气质量等级预报正确天数的频率为94.12%.该模型能有效的降低非平稳性对实验预测结果的影响,实现对空气质量等级的准确预报;该研究为进一步预测AQI的走向提供了有效依据,也为政府决策和管理部门制定空气污染控制提供了更充分的参考.     

近3年西双版纳州勐腊县大气污染基本特征及污染原因分析

对西双版纳州生态环境局勐腊分局2017年8月-2020年8月逐日空气质量数据的分析表明,2-4月是勐腊县空气质量指数（Air Quality Index,AQI）频繁达到二级及以上的时段,空气质量分指数（Individual Air Quality Index,IAQI）能够达到二级及以上标准的污染物为PM_2.5、PM₁₀、O₃、SO₂中的一种或几种,PM_2.5、PM₁₀污染较为严重,PM_2.5对空气质量的影响最大,可使空气质量达到重度污染,混合污染出现比例远大于单一污染.2019、2020年3-4月勐腊县轻度及以上连续污染日数超过5 d的5次过程中,4次污染过程的主要潜在源区在勐腊上风方向老挝西北部及泰国与其相邻的区域,权重潜在源贡献因子（Weight Potential Source Contribution Function,WPSCF）大于0.6的区域与同年3、4月泰国西北部、老挝西北部的火点密集区有较好的对应关系,4次污染过程与老挝西北部及泰国与其相邻区域的生物质燃烧关系密切;1次污染过程的主要潜在源区主要在当地,当地建筑施工、交通运输、生物质燃烧和餐饮行业细颗粒物的排放会导致勐腊县空气质量出现明显下降.为验证勐腊县连续污染过程受到了周边国家烧荒的影响,利用逐日气溶胶光学厚度（Aerosol Optical Thickness,AOT）对2020年3月23-4月9日的污染过程进行了个例分析,发现AOT大值区位于勐腊上风方向,高浓度污染物持续稳定地向勐腊传输导致勐腊出现持续重污染.     

铜川市空气质量变化及重度污染的气象条件

利用2014年铜川市空气质量指数(AQI)、常规气象资料和NECP/NCAR再分析资料,分析2014年铜川市AQI与首要污染物的时间分布,并探讨典型重污染时段的气象条件。结果表明:夏季AQI小于全年均值,首要污染物以臭氧为主,秋冬AQI较高,首要污染物以PM为主。2月的环流条件不利于污染物的扩散,500 hpa位势高度与AQI的变2.5化存在一定相关性,高空条件是2月持续污染的一个重要原因。春节和元宵节期间AQI均达到重度污染等级,对此间出现的连续性空气重度污染的气象条件分析得出,在高空稳定的平直纬向西风,配合地面的弱低压这一天气形势下,相对稳定的大气层结和持续较强逆温使得污染物难以扩散进而堆积,是持续数日重度污染的重要原因。     

植物叶表尘及重金属对城市大气颗粒物污染的指示与评估

城市大气颗粒物污染问题日渐突出,目前主要依靠大气站点的直接观测数据反映污染的即时状况,而植物叶表尘及重金属的监测为评价大气颗粒物阶段性污染状况提供了新的途径.本研究通过分析北京交通带和公园共7个样点的臭椿(Ailanthus altissima)、槐(Sophora japonica)、北京杨(Populus beijingensis)、榆树(Ulmus pumila)、紫叶李(Prunus cerasifera f.atropurpurea)等5种常见绿化树种的叶表尘及重金属Cd、Cr、Cu、Mn、Ni、Pb、Zn含量,并计算尘金属综合累积指数(MAI),进而与邻近站点大气颗粒物观测数据对比并进行统计分析,尝试量化评价植物所处环境的大气颗粒物及尘重金属综合污染状况.结果表明:采用榆树叶表尘可量化评价大气可吸入颗粒物PM10的月均质量浓度,相对误差为1.2%~10.6%;臭椿叶表尘可量化评价大气细颗粒物PM2.5的月均质量浓度和月均空气质量指数(AQI),相对误差分别为0.18%~3.7%和0.26%~5.7%.MAI值可指示大气尘重金属综合污染状况,本研究中京承高速和朝阳公园大气尘重金属综合污染较重,其次为念坛公园、望京公园和玉蜓桥,最轻为岳各庄桥和麋鹿苑.