呼和浩特市大气污染物污染特征及污染物的相关性分析

为了探究呼和浩特市大气污染物污染特征,对2014年一年的AQI做出统计整理并对PM_(10)、PM_(2.5)、SO_2、CO、NO_2的相关性进行分析。研究结果发现:呼和浩特市2014年空气质量总体良好,空气质量为良所占比重为58%,中度污染和重度污染所占比重为35%。该市的主要污染物PM_(10)、PM_(2.5)、SO_2的超标率分别达到了88.81%、52.60%、36.20%。空气污染指数AQI与PM_(10)、PM_(2.5)、SO_2、CO、NO_2、呈显著相关,尤其是PM_(10)和PM_(2.5),相关性系数高达0.959和0.851,可见其污染主要以颗粒物物为主。PM_(10)、PM_(2.5)、SO_2、CO、NO_2浓度间两两正相关。O_3的浓度与PM_(2.5)、SO_2、CO、NO_2均呈现负相关,O_3与AQI和PM_(10)的相关性不显著。     

绍兴市大气环境容量与污染控制研究

利用2014—2016年绍兴市16个监测点位监测数据和代表年份2015年环统数据,分析了绍兴市大气环境现状、大气污染物变化特征和空间分布特征,重点对中心城区主要空气污染物浓度年、季和月变化特征进行分析,结果表明:绍兴市中心城区环境空气中SO_2、NO_2、CO、PM_(10)和PM_(2.5)质量浓度呈现"秋冬较高,春季次之,夏季较低"的季节变化特征,O_3质量浓度则正好相反。利用CAMX模型,对绍兴市主要大气污染物浓度进行模拟和结果校验,结果表明:绍兴市通过减排SO_2、NO_X和VOCS,全市SO_2、NO_2、PM_(2.5)、PM_(10)、O_3等污染物浓度将得到一定改善,PM_(2.5)则需协同削减至少18%的烟粉尘才能满足达标要求。推荐以烟粉尘为主其他污染物为辅的PM_(2.5)协同削减方案。建议从环境准入、强化减排、行业整治、协同削减、联防联控监管等方面进行污染控制。     

重庆市大气主要污染物特征分析

基于环境空气质量监测数据,分析了各项污染物时间变化特征,并利用SPSS 19.0软件进行相关性分析和主成分分析。结果表明:SO_2和CO污染较轻,NO_2浓度水平较高,O_3和PM_(2.5)污染相对严重。SO_2和O_3呈现"单峰型",NO_2、CO、PM_(10)、PM_(2.5)呈现"双峰双谷型"的日变化特征。SO_2、NO_2、CO、PM_(10)和PM_(2.5)呈"U型",O_3呈现倒"U型"季节变化特征。PM_(10)、PM_(2.5)与SO_2、NO_2、CO,SO_2与NO_2、CO,NO_2与CO呈现正相关;NO_2、CO与O_3呈现负相关。主成分分析法结果显示第1个因子为PM_(10)、PM_(2.5)、NO_2,第2个因子为O_3。     

夏季空气污染物指数与气象参数相关性分析

以西安市为例,选取2017-06-01至2017-08-31的气象数据,研究空气污染物与气象参数之间的相关性,利用SPSS软件对与空气质量指数(AQI)相关的各项监测指标(PM_(2.5)、PM_(10)、CO、NO_2、O_3、SO_2)与温度、湿度和风级等气象条件进行分析,从相关性分析、线性模型分析等方面来探索西安市夏季空气污染物与气象参数之间的关系。得出结论如下:统计发现西安市夏季首要污染物以PM_(2.5)、PM_(10)和O_3为主;湿度对各项污染物均显著相关,O_3的相关系数最大为0.709;温度对PM_(2.5)、PM_(10)、O_3和CO显著相关,对SO_2和NO_2的影响不显著;风级只与CO显著相关。     

重庆市都市功能核心区秋季大气污染物时空分布特征

为研究重庆市都市功能核心区大气污染物浓度水平及变化规律,统计分析了2014年9月至2014年11月5个监测站(解放碑、高家花园、杨家坪、新山村和南坪)24 h连续监测PM_(2.5)、PM_(10)、SO_2、NO_2、CO和O_3浓度数据.结果表明,观测期间,大气颗粒物污染严重,5个站点PM2.5日均浓度超标率分别为30.8%、37.4%、38.5%、37.4%和31.9%,5个站点PM10日均浓度超标率分别为23.1%、22.0%、18.7%、19.8%和19.8%;重庆市都市功能核心区细颗粒物(PM_(2.5))污染严重,5个站点PM2.5占PM10比例分别为60.2%、64.6%、64.1%、75.4%和62.8%;PM_(2.5)、PM_(10)、NO_2和CO早晚出现高峰值;SO_2和O_3浓度日变化曲线呈现单峰型,峰值分别出现在中午和午后;降水量、气温和水汽压与PM_(2.5)、PM_(10)、SO_2和NO_2呈显著负相关;相对湿度与O_3呈显著负相关,气温、水汽压和风速与O_3呈显著正相关;CO与相对湿度呈显著正相关;风向也影响着大气污染物浓度的时空分布,南偏西、南偏东和东北偏北风利于PM_(2.5)、PM_(10)、SO_2、NO_2和CO浓度积累,西北风利于PM_(2.5)、PM_(10)、SO_2、NO_2和CO扩散;但西北风控制下利于O_3浓度积累.     

广州某区PM_(2.5)和气态污染物质量浓度的日变化特征及其相关性分析

本文分析了2015年3月至2016年2月广州某区细颗粒物(PM_(2.5))和气态污染物(SO_2、NO_2、CO、O_3)质量浓度的日变化特征,并对PM_(2.5)和气态污染物之间质量浓度的相关性进行分析,结果表明:PM_(2.5)、SO_2、NO_2、CO、O_3大气污染物存在一定规律的日变化特征。PM_(2.5)与SO_2、NO_2、CO、O_3全年质量浓度的相关系数范围分别为0.184～0.219,0.271～0.436,0.170～0.368和0.051~0.318,存在一定的线性正相关关系。     

基于WRF-CMAQ模式的非线性预报模型研究

文章基于WRF-CMAQ空气质量数值预报系统,对石家庄地区未来3 d逐小时SO_2、NO_2、CO、O_3、PM_(10)和PM_(2.5)6种污染物浓度进行预报,选取2014年5-11月市区7个国控点的监测数据对模式预报能力进行评估检验。结果表明,CMAQ模式预报系统对CO的日均浓度预报准确率较高,而对其他污染物浓度的预报均有不同程度高估,其中PM10的预报效果相对较好,对SO_2、NO_2和PM_(2.5)这3种污染物浓度的预报值均明显大于观测值,O_3的预报效果最差。这与石家庄市排放源清单的不确定性及污染物日浓度变化幅度较大有关。为提高模式预报的准确性,采用非线性自适应偏最小二乘回归滚动法建立订正模型对逐小时污染物浓度预报值进行订正,结果明显改善了CMAQ模式预报值,对县市级的精细化预报有一定指导意义。订正结果对首要污染物PM_(10)和PM_(2.5)浓度的日变化特征表征较好,日变化曲线及波峰波谷值与观测结果基本一致,订正后的污染物浓度能反映出其在石家庄的区域分布特征,有利于预报分析不同天气背景下污染物的空间分布特征及输送变化过程。     

福州市区大气污染物质量浓度时空分布特征分析

利用2014年2月1日—2015年1月31日福州市区6个国控空气质量监测站点CO、SO_2、NO_2、O_3、PM_(2.5)、PM_(10)逐时监测数据,综合分析了福州市区大气污染物污染水平及其时空分布特征。结果表明:福州市区首要污染物为PM_(10),且SO_2、CO污染程度极低,6个站点质量浓度超标率均未超过10%,其中鼓山站的空气质量最优,达到国家一级标准的概率超过了50%。在污染物质量浓度日变化曲线中发现,只有O_3呈单峰形态,峰值出现在14:00左右,通过对污染物的"周末效应"分析,发现CO、PM_(2.5)工作日质量浓度显著高于周末。     

湖北大气颗粒物污染水平及污染物相关性研究

基于2012-2014年湖北省环境空气质量监测统计数据,根据污染浓度水平,利用ArcGIS软件分析湖北省大气颗粒物污染空间分布特征,并利用SPSS软件对大气污染物SO_2、NO_2、O_3、CO、PM_(2.5)和PM_(10)的相关性进行分析。结果表明:2012-2014年期间,湖北省PM_(10)年均浓度总体呈上升趋势,超标城市几乎分布于湖北省各区域;武汉、荆州、宜昌3个城市PM_(2.5)与PM_(10)、SO_2、NO_2、CO均呈较高的正相关性,鄂州、恩施、黄冈、黄石、荆门、十堰、随州、咸宁、襄樊和孝感10个城市PM_(10)与NO_2、SO_2均呈正相关性。文章的分析结果可为湖北省改善环境空气质量,降低颗粒物浓度水平提供基础信息和建议。     

达州市城区大气污染物浓度变化特征及影响因素分析

利用达州市城区环境空气自动监测站2015—2017年数据,研究了大气污染物的浓度变化特征和影响因素。结果表明:达州市城区未受到SO_2污染,PM_(10)和PM_(2.5)同比大幅下降,NO_2、CO和O_3-8 h浓度有所上升。污染物在不同季节的差异显著性不同,SO_2、CO、O_3-8 h在不同季节之间均存在显著差异(P<0.05),NO_2浓度在除秋季和冬季外的其他季节之间均存在显著差异,PM_(10)和PM_(2.5)浓度在除春季和秋季外的其他季节之间均存在显著差异。不同污染物的月均浓度变化曲线和不同季节的小时浓度变化曲线,以及不同季节的相关性也具有明显的特征。同时,本研究还建立了PM_(10)和PM_(2.5),NO_2和CO分别在不同季节的预测线性模型,为进一步了解污染物之间的相互关系和预测污染物的浓度发展趋势提供了参考。     

潍坊市环境空气质量现状及变化特征研究

文章分析了潍坊市区大气环境空气质量时空分布特征,监测的污染物为PM_(10)、SO_2、NO_2、PM_(2.5)、O_3、CO共6项。2015～2017年SO_2和NO_2年均浓度基本呈下降趋势,均低于国家二级标准,SO_2/NO_2值呈逐年下降趋势;PM_(10)、PM_(2.5)浓度时间变化规律基本相同,呈现夏季浓度较低、冬季浓度较高;CO年均浓度呈小幅下降趋势;O_3-8 h年均浓度在109～119μg/m~3之间,臭氧的污染不容忽视。从空间分布来看,8个自动监测点位周边情况不同,均能反映其区域环境空气质量状况。     

山东省环境空气质量动力统计预报系统

以山东省17个城市2014年至2015年环境空气质量监测指标和同步的气象观测数据为基础,采用线性回归和神经网络方法建立统计预报模型,构建山东省环境空气质量动力统计预报系统。该系统实现了业务化自动运行,对山东省17城市的6项污染物指标(PM_(2.5)、PM_(10)、NO_2、SO_2、CO日均浓度和O_3日最大8小时滑动平均浓度)和AQI指数进行逐日预报。预报结果能较好的反应各市空气质量的变化趋势,为预报业务提供参考。     

西安市主要大气污染物的相关性分析及时空分布特征

为深入了解西安市大气污染程度,对2015年西安市主要大气污染物(SO_2、NO_2、CO、PM_(2.5)、PM_(10)、O_3)的空气质量指数进行了逐日变化分析、相关性分析及空间插值分析。结果表明:SO_2、NO_2、CO、PM_(2.5)、PM_(10)空气质量指数春冬季高于夏秋季,而O_3空气质量指数则是春冬季低于夏秋季。11月和12月份污染较为严重。在4个季度中,PM_(2.5)和PM_(10)与气态污染物SO_2、CO、NO_2均呈正相关,说明PM_(2.5)、PM_(10)与这3种气态污染物具有同源性。SO_2与CO、NO_2均呈显著性正相关,三者均受化石燃料燃烧及机动车尾气影响。O_3与CO、SO_2相关性不大,与NO_2在二季度呈现正相关。SO_2、NO_2、PM_(2.5)、CO、PM_(10)多聚集在高新西区、莲湖区、碑林区、经开区、雁塔区、长安区,O_3多聚集在阎良区、未央区和灞桥区。     

西安市主要大气污染物的观测分析研究

该文分析了西安地区的AQI指数以及PM_(2.5)、PM_(10)、CO、NO、O_3、SO_2 6种污染物浓度在2013年7月到2014年4月的每小时观测数据,利用统计方法研究了各污染物不同时间尺度(小时、日、周、月)的浓度变化特征,分析了各个污染物之间的相关系数,对各个污染物之间的相互关系和相互作用进行了探讨。结果表明,PM_(2.5)、PM_(10)、CO、NO_2、O_3、SO_2的平均浓度和标准差分别为:(92.37±75.59)μg/m~3、(166.79±106.27)μg/m~3、(2.16±2.39)mg/m~3、(51.01±20.84)μg/m~3、(36.85±34.44)μg/m~3、(36.97±30.62)μg/m~3、(39.99±31.27)μg/m~3。PM_(2.5)、PM_(10)以及CO浓度都是在中午12时以及夜间12时左右达到峰值,在下午或傍晚达到低谷;O_3则是白天浓度高,夜间浓度低,清晨达到一天中的极小值;研究还发现,O_3浓度在周末要高于工作日,CO、SO_2却是周末浓度低于工作日浓度;PM_(2.5)和PM_(10)浓度都在冬季达到峰值,在夏季达到低谷,O_3浓度则是在夏季明显高于冬季。O_3与其他所有污染物之间都呈负相关,而其他污染物之间都是正相关。     

挥发性污染物二硫化碳处理技术

2016年11月—2017年2月在西安市城郊连续观测了NO_2、SO_2、O_3和PM_(2.5)的浓度,利用观测数据分析大气污染物的日变化和周末效应特征,结合不同污染物间的相关性分析结果,初步探讨了污染物间的相互作用机理。结果表明:观测期间NO_2、SO_2、O_3和PM_(2.5)浓度的平均值分别为(39.9±21.0),(77.2±22.8),(37.7±23.5),(192±141)μg/m3。PM2.5污染最为严重,超过国家二级标准的2.56倍。NO_2、SO_2和O_3浓度日变化特征显著,其中NO_2和O_3日变化为单峰型,SO_2日变化为单峰单谷型,PM_(2.5)日变化幅度较小。NO_2和SO_2周末效应较为明显,O_3和PM_(2.5)周末与工作日相差较小。PM_(2.5)浓度与NO_2、SO_2和OX浓度均为显著正相关,表明前体物和大气氧化性对PM_(2.5)浓度有显著影响。     

西安城郊采暖季大气污染物浓度特征研究

2016年11月—2017年2月在西安市城郊连续观测了NO_2、SO_2、O_3和PM_(2.5)的浓度,利用观测数据分析大气污染物的日变化和周末效应特征,结合不同污染物间的相关性分析结果,初步探讨了污染物间的相互作用机理。结果表明:观测期间NO_2、SO_2、O_3和PM_(2.5)浓度的平均值分别为(39.9±21.0),(77.2±22.8),(37.7±23.5),(192±141)μg/m3。PM2.5污染最为严重,超过国家二级标准的2.56倍。NO_2、SO_2和O_3浓度日变化特征显著,其中NO_2和O_3日变化为单峰型,SO_2日变化为单峰单谷型,PM_(2.5)日变化幅度较小。NO_2和SO_2周末效应较为明显,O_3和PM_(2.5)周末与工作日相差较小。PM_(2.5)浓度与NO_2、SO_2和OX浓度均为显著正相关,表明前体物和大气氧化性对PM_(2.5)浓度有显著影响。     

餐厨垃圾与污泥厌氧发酵动力学特性分析

基于2016—2017年大连市6种大气污染物(PM_(10)、PM_(2.5)、SO_2、NO_2、O_3、CO)的监测数据,研究污染物浓度的时间变化、周末效应及气象影响因素。结果表明,大连市大气污染物以O_3、PM_(10)和PM_(2.5)为主;冬季主要污染物为颗粒物,夏季为O_3。受供暖燃煤等影响,PM_(10)、PM_(2.5)和SO_2浓度供暖季显著高于非供暖季。大气污染物浓度季节变化显著,且PM_(2.5)、PM_(10)、SO_2及NO_2呈现周末较高的"周末效应"。利用相关性分析考察温度、湿度、风速等气象因素对污染物的影响;利用后推气流轨迹等方法分析大连市大气PM_(2.5)可能的来源。     

大连市大气污染特征、影响因素及来源分析

基于2016—2017年大连市6种大气污染物(PM_(10)、PM_(2.5)、SO_2、NO_2、O_3、CO)的监测数据,研究污染物浓度的时间变化、周末效应及气象影响因素。结果表明,大连市大气污染物以O_3、PM_(10)和PM_(2.5)为主;冬季主要污染物为颗粒物,夏季为O_3。受供暖燃煤等影响,PM_(10)、PM_(2.5)和SO_2浓度供暖季显著高于非供暖季。大气污染物浓度季节变化显著,且PM_(2.5)、PM_(10)、SO_2及NO_2呈现周末较高的"周末效应"。利用相关性分析考察温度、湿度、风速等气象因素对污染物的影响;利用后推气流轨迹等方法分析大连市大气PM_(2.5)可能的来源。     

深圳市PM_(2.5)浓度特征及统计预报研究

根据2015年1—12月深圳市城区11站点PM_(2.5)小时浓度监测数据,探讨了深圳市PM_(2.5)浓度的时空分布特征。结果显示:监测期间深圳市城区PM_(2.5)平均浓度为29.8μg/m~3,PM_(2.5)平均浓度整体呈现出:冬季>秋季>春季>夏季的特征,PM_(2.5)质量浓度日变化整体呈现出双峰型分布,午后12:00—16:00浓度较低。空间分布上,年均浓度从东南至西北方向依次升高,梯度特征明显。PM_(2.5)浓度与PM_(10)呈高度相关,与SO_2、NO_2、CO呈显著正相关,与O_3呈实相关。相邻城市间空气污染物浓度呈现出一定的相关性,区域污染突出。建立的PM_(2.5)回归统计模型对深圳市2015年PM_(2.5)临近预报的级别准确率在70%以上,能较好地反映PM_(2.5)浓度变化趋势。     

京津冀大气污染的时空分布与人口暴露

经济的快速发展和城市化导致京津冀地区的空气质量不断恶化,已经引起学术界广泛的关注.为了揭示近年来京津冀地区大气污染状况,本研究基于中国空气质量在线监测分析平台发布的PM_(2.5)、PM_(10)、SO_2、CO、NO_2和O_3_8 h_max长期监测数据,采用统计学的方法分析了2014—2018年京津冀13个市这6种污染物的时空变化特征,结合各城市人口数据,评估了在此背景下该地区PM_(2.5)和O_3_8 h_max的人口暴露风险.结果表明:京津冀地区PM_(2.5)、PM_(10)、SO_2、CO和NO_2近年来整体上呈下降趋势,而O_3_8 h_max则呈上升趋势.总体而言,PM_(2.5)、PM_(10)、SO_2、CO和NO_2表现为冬季最高、春秋季次之、夏季最低的特征,而O_3_8 h_max则表现为夏季春季秋季冬季的特点,并在月变化上呈倒"V"型,从1月份开始逐渐上升,在6月份达到峰值,而后又逐渐下降.空间上,PM_(2.5)、PM_(10)、SO_2、CO和NO_2呈现南高北低的分布特征,而O_3_8 h_max在2014—2016年呈现北高南低的分布特征,但在2017—2018年则呈现南高北低的分布特点.此外,京津冀北部地区PM_(2.5)的来源主要是一次气溶胶,而二次气溶胶是中部地区PM_(2.5)的主要来源.除秦皇岛、承德和张家口外,其他城市细粒子在颗粒物中占的比重较大.随着近年来PM_(2.5)浓度的降低,暴露于高浓度的PM_(2.5)中的人口比例逐年减少,但距离年平均浓度限值还相差很远.除2014年外,暴露在O_3浓度超标情况下的人口在2015—2017年逐渐上升.