利用多元线性回归方法评估气象条件和控制措施对APEC期间北京空气质量的影响

气象条件对大气污染物的扩散和传输有重要影响,准确分离和定量气象因素对空气质量的影响是评估大气污染控制政策有效性的前提.本研究利用APEC会议期间及前后(2014-10-15～2014-11-30)北京城区朝阳观测站点SO_2、NO、NO_2、NO_x、CO、PM_(2.5)、PM_1和PM_(10)以及气象因素的观测数据,采用多元线性回归分析方法,定量评估了气象条件和空气污染控制措施对APEC期间北京空气质量的影响.在假定排放条件不变的情况下,基于气象因素参数建立的预测污染物浓度的多元线性回归模型模拟效果较为理想,决定系数R~2在0. 494～0. 783之间.控制措施使得APEC控制期SO_2、NO、NO_2、NO_x、CO、PM_(2.5)、PM_1和PM_(10)浓度分别降低48. 3%、53. 5%、18. 7%、40. 6%、3. 6%、34. 8%、28. 8%和40. 6%,气象因素使得APEC控制期SO_2、NO、NO_2、NO_x、CO、PM_(2.5)、PM_1和PM_(10)浓度分别降低1. 7%、-2. 8%、18. 7%、4. 5%、18. 6%、27. 5%、30. 6%和35. 6%.气象因素和控制措施共同作用使得APEC控制期北京空气质量得到了明显改善.控制措施对SO_2和氮氧化物浓度的下降起主导作用,气象因素对CO浓度的下降起主导作用,气象因素和控制措施对颗粒物浓度降低的贡献相当.本研究还利用相对权重方法研究了气象因素对污染物浓度影响的贡献,结果表明影响不同污染物浓度的决定性气象因素不同.     

二级热脱附结合气相色谱-质谱联用分析大气细颗粒物中多环芳烃类污染物

化学组分是影响大气细颗粒物(即PM_(2.5))健康危害的重要因素,但目前流行病学研究对于颗粒物组分的暴露评价受到了传统分析方法的限制.为探索高效的颗粒物组分测定方法,本研究建立并优化了二级热脱附结合气相色谱-质谱联用(TD-GC-MS)方法,以多环芳烃(PAHs)为目标污染物开展研究.结果表明,该方法具有极高的灵敏度,当使用0.28 m~3PM_(2.5)样品时,该方法的检出限为0.018~0.26 ng·m~(-3).对于标准参考物质的测量显示,该方法具有较好的准确性和精密度.同时,分析了北京2012年3月—2013年3月PM_(2.5)样品并与索氏提取结果进行对比,发现两种方法测量3~5环PAHs的一致性较好;部分物种的差异较大,热脱附因减少前处理步骤,结果可能更为准确.北京PM_(2.5)中∑_(12)PAHs浓度为4.27~340 ng·m~(-3),采暖季比非采暖季高一个数量级.基于正矩阵因子分解法(PMF)的源解析显示,燃煤是采暖季的主要污染源,非采暖季则为交通排放.最后,估算了成年北京居民暴露于PAHs的终生致癌风险,结果表明,可重点控制交通源及煤炭源以降低其潜在危害.     

ARIMA时间序列分析模型在臭氧浓度中长期预报中的应用

近年来,京津冀地区近地面臭氧浓度呈现上升趋势,臭氧污染超标情况严重.目前由于前体物源排放清单、臭氧生成和扩散的物理和化学过程机制存在不足等原因,导致了数值模型在预报夏季臭氧浓度时仍然存在较大偏差,而时间序列分析方法由于具有建模简单、计算成本低的特点,在臭氧污染预报中具有很好的应用前景.本研究利用华北区域大气本底站上甸子站点和环境监测总站天津和保定站点的臭氧观测数据,采用ARIMA时间序列分析模型开展臭氧浓度中长期预报研究.结果表明,季节性ARIMA模型在预报臭氧长期月均值时,预测值和观测值的相关系数R可达0.951,均方根误差RMSE仅为10.2 μg·m^-3.加入了日最高气温及二次项作为协变量的动态ARIMA模型,对臭氧日最大8 h滑动平均值的预报效果得到了很大提升,预测值和观测值的相关系数由0.296~0.455提升至0.670~0.748,RMSE得到了有效降低.