2013年北京市PM2.5重污染日时空分布特征研究

根据2013年北京市环境保护监测中心监测的PM2.5数据,系统分析了北京市重污染日PM2.5污染的时空分布特征,并利用克里格插值初步统计了全年和重污染日PM2.5不同浓度区间的国土面积。2013年全市PM2.5年均浓度为89.5μg/m3,重污染日平均浓度为218μg/m3,重污染日主要集中在冬季;PM2.5年均浓度呈现明显的南高北低梯度分布特征,而重污染日空间分布较均匀,南部及城六区存在明显的高污染区,平均浓度在180μg/m3以上;2013年北京市重污染日PM2.5平均浓度为150~250μg/m3,其对应的国土面积约为12 656 km2,PM2.5平均浓度在250μg/m3以上的国土面积约为883 km2,而全年无PM2.5平均浓度在150μg/m3以上所对应的国土面积。     

典型沙尘回流天气过程对北京市空气质量影响的特征分析

利用不同方位监测数据和气象资料,结合后向轨迹模型和激光雷达观测结果,对2011年3月18—21日北京市空气污染过程的天气形势、沙尘输送路径、污染物浓度的变化特征进行了分析.结果表明,这次污染过程主要是由于沙尘在上游沙源地起沙后先直接输送穿过北京,然后停留在渤海湾和朝鲜半岛区域,在渤海弱高压系统作用下,沙尘又回流至北京所致,其中,沙尘回流直接造成北京市空气质量达到重度污染天气.在沙尘回流影响过程中,PM10浓度呈现青龙山-北京市区-八达岭逐步升高的变化特征,国控站点PM10小时浓度持续16 h超过350μg·m-3,最大值达到571μg·m-3.SO2、NO2与PM10的小时浓度表现为同步变化规律,沙尘回流影响时,除了沙尘粒子外,周边地区的人为排放也是一个重要因素.     

2014年春节期间北京市空气质量分析

对2014年1月30日(除夕)13时到1月31日(初一)12时期间北京市官园、怀柔和良乡监测站的CO、SO2、NOx、PM10、PM2.5浓度及PM2.5化学组分和能见度等监测数据进行分析,探讨了污染源减排和烟花爆竹燃放对北京市空气质量的叠加影响.研究发现,烟花爆竹的集中燃放会在短时间内造成严重的大气污染,其中,对PM10、PM2.5和SO2的影响最为显著.官园、怀柔和良乡监测站在1月31日凌晨1时的PM10浓度值分别为377.8、253.2和627.0μg·m-3,分别为1、2月份平均值的2.4、2.0和3.6倍;PM2.5浓度值分别为292.0、184.7和522.4μg·m-3,分别为1、2月份平均值的2.1、1.5和3.2倍.烟花爆竹的燃放对PM2.5化学组分中的K+、SO2-4、Cl-、Mg2+和Na+等影响最大,1月31日凌晨1时这5种离子在PM2.5浓度中占的比例高达92.1%.烟花爆竹的燃放造成1月31日凌晨1时监测中心和良乡的能见度分别降至2422 m和3591 m,是1、2月份能见度均值的22.9%和32.8%.2010—2014年"春节半月"期间官园、怀柔和良乡PM10平均浓度大多低于冬季均值和年均值,2014年"春节半月"这3个监测站的PM2.5浓度相比于冬季均值分别下降了33.3%、20.6%和39.2%,表明污染源减排对空气质量的正影响非常明显.     

基于LSTM-GCN的PM2.5浓度预测模型

应用机器学习算法开展空气质量预测已成为当前研究热点之一,空气质量监测数据具有显著的时空特征,即具有时间维度时序特征和空间维度传输演化特征。面向空气质量监测数据,联合LSTM提取的时间特征和GCN提取的空间特征,提出预测PM_2.5浓度的LSTM-GCN组合模型。以北京市35个空气质量监测站2018—2020年监测数据进行仿真实验,并将LSTM-GCN模型与LSTM模型、GCN模型以及时空地理加权回归模型(GTWR)进行对比,结果显示:LSTM-GCN模型相较于LSTM模型均方根误差(RMSE)、平均绝对误差(MAE)分别降低了11.68%、7.34%;相较于GCN模型RMSE、MAE分别降低了40.22%、36.37%;相较于GTWR模型RMSE、MAE分别降低了17.52%、23.69%,表明所提出LSTM-GCN模型在准确率上有所提升。用LSTM-GCN模型预测2021年1—7月PM_2.5浓度,结果显示预测效果较好。     

2013年北京市细颗粒物时空分布特征研究

根据2013年北京市PM2.5监测数据,系统分析了北京市PM2.5污染的时空分布特征,并利用克里格插值统计了四季PM2.5不同浓度区间的国土面积。结果显示:2013年全市PM2.5年均浓度为89.5μg/m3,超过年均35μg/m3的国标1.56倍;PM2.5浓度由高到低的季节依次是冬季、春季、秋季和夏季;空间分布上PM2.5呈现明显的南北梯度分布特征;2013年PM2.5平均浓度达标对应的国土面积占比夏季最大为73%,冬季最小为22%。     

北京市夏季不同O3和PM2.5污染状况研究

从天气背景场、气象要素、前体物和PM_(2.5)化学组分、气团运动轨迹以及大气氧化性等方面对北京市夏季两种不同的O_3和PM_(2.5)污染状况进行了分析.结果表明,O_3达到中度污染而PM_(2.5)浓度优良(O_3和PM_(2.5)一高一低)污染状况的天气形势场为:高空为偏西北气流,地面受高压后部控制;而O_3和PM_(2.5)同时达到中度污染(O_3和PM_(2.5)两高)的天气形势场为:高空为偏西气流,地面受低压控制.与O_3和PM_(2.5)一高一低污染状况相比,O_3和PM_(2.5)两高时的气象要素特征为:偏南风更为明显和相对湿度更高.O_3和PM_(2.5)两高时污染物浓度演变特征为,O_3和PM_(2.5)的起始浓度较高,PM_(2.5)日变化特征更为明显,而O_3平均浓度却低于O_3和PM_(2.5)一高一低的污染状况.前体物、大气氧化性以及PM_(2.5)化学组分分析的结果表明,较高的起始浓度在不利气象条件下的积累和吸湿增长以及当天较大偏南风造成的区域传输可能是造成O_3和PM_(2.5)两高污染状况中PM_(2.5)浓度达到四级中度污染的主要原因.     

2019～2021年北京市PM2.5及组分受风向影响研究

利用北京市2019～2021年的气象数据、PM_2.5及组分浓度数据,结合常规污染物NO₂浓度,分别对PM_2.5及组分浓度、气象参数、NO2浓度和氮氧化率(NOR)大小的时空变化进行分析比较.结果表明:2019～2021年三年间北京市城区PM_2.5浓度下降14%,但NO₃^-上升12%;各风向上,北京市城区PM_2.5浓度大小顺序为:东北风>东风>西南风>东南风>南风>西风>北风>西北风,此外,二次无机盐组分最高浓度均出现在偏东风风向,有机物(OM)最高浓度出现在西南风;各风向年际变化上,2019～2021年,北京市PM_2.5、各组分及NO₂浓度在空间上均呈现高浓度“东移”特征,NO₃^-在东北风向上上升幅度最高,达65.7%;东北、东风及东南风风向上,相对湿度同步升高,NOR在东北、东风风向上同步升高,升高幅度达...     

基于环境监测数据的APEC会议空气质量保障环境改善效果评估

在简要回顾APEC期间的空气质量情况的基础上,从多方面较系统的分析了APEC期间北京市空气质量的变化特征,包括各项污染物浓度水平的同比分析、不同区域不同类别站点小时浓度的百分数分布及变化情况分析、污染物日变化规律变化特征分析、空气质量改善效果的空间分布特征分析、颗粒物组分变化特征分析、污染来源解析模型、数值污染模型等方法,力求从多个方面深入了解APEC控制措施对北京市污染水平、污染特征造成的影响,并利用组分、模型等方法定性定量的评估主要空气质量影响因素、不同的污染控制措施对APEC期间空气质量改善的作用及贡献。结果表明,APEC期间,北京市空气质量得到明显改善,空气质量基本处于优良级别,各项污染物浓度大幅下降,APEC污染控制期各项污染物的百分位数浓度与无控制期出现明显分离特征,污染物的日变化低浓度持续时间更长且增长更缓慢。     

北京市高海拔地区百花山空气质量状况及与市区的差异性研究

对北京市远郊百花山(海拔1300 m)2007—2017年大气常规6项污染物数据进行了分析,并与代表市区的国控站点均值数据进行了比较。研究发现,百花山SO2、CO、PM2.5浓度为国控站点浓度的35.5%~35.7%,NO2、PM 10、O 3浓度分别为国控站点浓度的14.0%、41.5%、185.5%。11年间,百花山6项常规污染物浓度逐年降低。2013—2017年,百花山PM2.5浓度年均降速为11.4%,低于国控站点13.3%的年均改善水平。百花山和国控站点在污染物季节变化趋势上基本一致,秋季颗粒物浓度差异最大,春季差异最小。百花山6项污染物的日变化峰谷比值为1.21~1.44,其差异小于国控站点。各项污染物浓度在18:00出现峰值,认为主要受城区远距离传输影响。2013—2017年,百花山共出现5个PM2.5重污染天,5级以上重污染小时数为442 h,国控站点有2%的重污染小时与百花山同步。     

北京大气PM2.5遥感监测业务化方法探讨

为探索卫星遥感监测大气ρ(PM_2.5)业务化方法,以北京为例,利用2013年MODIS卫星资料和北京35个地面自动监测站(下称自动站)的实时观测数据,以目前国内外应用最广泛的3种卫星反演大气气溶胶的方法——AOD(气溶胶光学厚度)、K_drya,0(气溶胶干消光系数)和R_a(气溶胶表观反照率)反演地面ρ(PM_2.5)的方法(分别称为AOD法、K_drya,0法和R_a法)为基础,结合地面ρ(PM_2.5)实测数据,建立了气溶胶反演参数与ρ(PM_2.5)统计关系,进一步测算了全市区域ρ(PM_2.5)的分布情况.结果表明:3种方法都具有较高的反演精度,其获取的全年ρ(PM_2.5)与地面实测数据的相关系数分别达到0.80、0.81和0.85,其中R_a法结果精度最高.从季节来看,R_a法在除夏季外的其他季节与地面监测数据相关系数都在0.70以上,优于其他2种方法.建议在春、秋、冬三季以R_a法,夏季以AOD法或K_drya,0法为基础进行北京PM_2.5业务化遥感监测.基于R_a法探讨了在2013年11月20—23日区域性大气重污染过程中北京PM_2.5区域分布特征和变化过程,卫星反演结果相对误差低于20%,直观地反映了区域大气颗粒物污染的时空分布规律.研究显示,三者都可以用来反演北京地区ρ(PM_2.5),其中R_a法最简便易行,尤其适用于业务化遥感监测.