南京北郊BTESX特征及健康风险评估

采用AMA GC5000BTX监测2014年1月~2016年12月南京北郊大气中苯、甲苯、乙苯、间/对-二甲苯、邻-二甲苯和苯乙烯（BTESX）的体积分数,分析了BTESX体积分数的变化特征以及气象要素对其的影响,并使用特征比值法（T/B）对BTESX的来源进行了定性分析,最后利用EPA的人体暴露分析评价方法对BTESX健康风险进行评估.结果表明,在观测期间,φ（BTESX）平均值为（7.28±6.63）×10^-9,其中φ（苯）最高,为（2.45±3.91）×10^-9,其他物种体积分数由大到小为：甲苯>乙苯>间/对-二甲苯>邻-二甲苯>苯乙烯,分别为：（2.41±2.61）×10^-9、（1.37±1.28）×10^-9、（0.51±0.48）×10^-9、（0.30±0.36）×10^-9和（0.22±0.42）×10^-9.由于存在稳定的芳烃源,BTESX体积分数的月变化和季节变化均不如其他物种（NO_x、CO、SO₂和PM_2.5等）明显.同时,BTESX及其他污染物的"周末效应"不显著.BTESX体积分数很大程度受到来自东北方向化工等企业以及交通主干道的污染物短距离输送的影响,导致BTESX体积分数在东北方向上较大.BTESX体积分数受到相对湿度和温度的共同影响,其高值区主要位于30%~70%相对湿度范围内,在该相对湿度范围内,温度越高,BTESX体积分数高值区域范围也越大.BTESX在不同季节的HI （危害指数）处于EPA认定的安全范围内,而R（苯致癌风险）值则高于EPA规定的安全阈值,同时HI和R值在夏季较高,因此需要高度重视.     

基于轻量级梯度提升机的南京大气臭氧浓度预测

采用南京地区2015年1月至2016年12月期间的空气质量数据和常规气象资料数据,分析了南京地区O₃浓度变化特征,建立基于轻量级梯度提升机(LightGBM)的O₃浓度预测模型,并将该模型与支持向量机、循环神经网络和随机森林等3种在空气质量预测方向上常用的机器学习方法进行了对比,验证模型的有效性和可行性.结果表明,南京地区O₃浓度变化具有显著的季节性差异,浓度变化受前期浓度、气象因子和其他空气污染物浓度的共同影响.LightGBM模型较为准确地预测了南京地区地面O₃浓度(R²=0.92),且该模型的预测精度和计算效率等性能优于其他模型.尤其是在容易出现臭氧污染的高温天气,该模型预测准确性明显高于其他模型,模型稳定性较好.LightGBM具有预测准确度高、稳定性好、有良好的泛化能力和运算时间短等特点,在O₃浓度预测方面具有显著的优势.