广东省大气污染典型案例特征及其影响因素分析

基于广东省空气质量监测和天气形势及气象观测数据,分析了2015年广东省典型大气污染案例中的空气质量污染特征,识别了主导天气形势及气象特征,并结合后向轨迹聚类分析,初步探讨了空气污染与气团来源的关系。结果表明:2015年全省共发生13次大气污染事件,呈现冬季(12~2月)主要为高浓度PM_(2.5)污染、春夏秋季(4~10月)高浓度O_3污染事件时有发生的时间特征和重污染区集中于珠三角地区的空间特征;从主导天气形势看,广东省大气污染事件可分为高压出海型、热带低压型、弱槽弱脊型和高压控制型4个类型;通过典型地区后向轨迹聚类分析,发现偏南和偏北方向的污染气团输送与珠三角地区O_3污染关系密切相关,东南和偏西方向的污染气团对PM_(2.5)污染有重要影响。该研究对本地区大气污染演变趋势预测和污染防治具有重要的参考意义。     

西安市的PM_(2.5)污染特征分析研究

分析和掌握大气中PM_(2.5)的污染特征,对控制PM_(2.5)的排放和改善空气质量具有十分重要意义。依据西安市连续2年多的空气质量监测数据,对AQI监测指标进行相关性分析,还从季节平均、月平均和日平均变化分析了PM_(2.5)随时间的分布特征,并应用MATLAB软件依据griddata插值算法绘制出了PM_(2.5)的空间分布图,直观地显示了PM_(2.5)污染在空间上的分布特征,突出了污染治理的重要季节和重点地区。研究结果表明:空气质量指数中的6项指标之间存在一定的相关性,PM_(2.5)与PM10的相关性最大,且PM_(2.5)污染呈季节性变化,春季污染最为严重,其次是冬季和秋季,夏季污染最轻;西安市的PM_(2.5)污染主要来源于燃烧、扬尘、尾气排放等过程,污染区域呈现北高南低的特征,污染源除人为源以外,周边污染扩散迁移也有较大影响。     

秸秆焚烧对黄石市空气质量的影响分析

以黄石市2019年秸秆露天焚烧火点数据、对应时段该市环境空气监测数据和气象数据为研究对象,文章综合运用相关分析和气团后向轨迹模式等方法,探讨秸秆焚烧对黄石市空气质量的影响及空气污染成因。研究发现,稻收期的火点数显著高于麦收期。各城区空气质量指数、秸秆焚烧排放的特征污染物（如PM_(10)、PM_(2.5)和CO）浓度、O_3浓度、特征指标（如PM_(2.5)/PM_(10)和PM_(10)/SO_2值）等均在秸秆露天焚烧后的2～7 d内迅速增加,并导致空气污染。秸秆焚烧后,各城区空气中PM_(2.5)与PM_(10)相关系数较焚烧前增加;CO质量浓度总体上与PM_(10)和PM_(2.5)呈显著的正相关关系（P<0.01）,与能见度呈显著的负相关关系（P<0.05）。结果表明黄石市空气污染与本地秸秆露天焚烧有关。基于后向轨迹模式的空气污染成因分析结果表明,秸秆露天焚烧、不利气象条件和污染物跨区域输送是导致黄石市2019年空气污染加重的主要因素。该研究结果为黄石市打赢蓝天保卫战、有针对性地协同治理大气污染提供科学依据。     

社论

<正>灰霾与近地表臭氧(O_3)是影响我国空气质量的主要因素,已成为当前科学研究与污染控制的重点。2005年以来,我国"十一五","十二五"规划持续推进PM_(2.5)与灰霾污染治理,"十二五"期间,我国大气污染取得显著成效,PM_(2.5)、SO_2和NO_x浓度有所下降。当前,二次污染物对空气质量的影响越来越重要,大气污染呈现出复合型污染特征,二次有机气溶胶和近地表O_3的环境影响尤为显著。大气污染控制需从一次排放源控制向二次污染前体物削减转变,近地表O_3污染主要受控于VOCs与NO_x排放影     

南京市大气污染减排多维度环境绩效评估

污染减排的环境绩效评估是经济发展转型、环境应急保障和环境绩效审计等领域研究热点。运用脱钩分析工具、空气质量模式和环境绩效审计方法,从宏观、中观、微观3个维度定量评估了南京市大气污染减排的环境绩效。结果表明:(1)2006-2013年工业经济增长与SO_2、NO_x和废气排放量基本实现脱钩,第二产业和重工业比重呈下降趋势,污染减排优化经济转型作用明显。(2)青奥会大气环境保障期间,临时管控方案情景下,SO_2、NO_x、PM_(10)和PM_(2.5)实际减排比例分别为29%、25%、65%和45%,相对应地SO_2、NO_x、PM_(10)和PM_(2.5)浓度环比分别下降18.8%、15%、35.4%和37%,大气污染减排与空气质量改善具有较好的响应关系。(3)"十一五"以来南京市电力行业单位发电量排放的SO_2、NO_x分别下降了78.7%、53.0%,大气污染减排技术改造的环境绩效显著,从降低PM_(2.5)浓度角度燃煤电厂可考虑实施超低排放改造。     

哈尔滨采暖季与非采暖季PM_(2.5)质量浓度变化特征研究

针对近几年来哈尔滨市空气污染问题,收集整理了2013年11月至2017年10月的气象数据及空气污染情况数据,分析了采暖季与非采暖季PM_(2.5)质量浓度变化情况以及空气质量级别的差别,并主要研究了采暖季PM_(2.5)质量浓度的变化特征及其与温度的相关性。结果表明,哈尔滨市每年的11月至次年10月的PM_(2.5)质量浓度总体呈U型变化趋势,采暖季与非采暖季空气质量差别明显;每年供暖初期,温度与PM_(2.5)的质量浓度呈显著的正相关性;煤炭燃烧和秸秆焚烧对哈尔滨市空气质量的污染影响较大。     

空气质量指数(AQI)的社会经济影响因素分析——基于指数衰减效应视角

中国面临着严重的环境恶化问题,其中空气污染问题尤为突出.基于中国2014年全国城市空气质量数据,利用自然正交函数分析城市空气质量指数的时空演变特征,并采用基于衰减效应的矩阵指数空间设定模型探讨了空气污染的影响因素.研究结果表明:(1)AQI以京津冀为高值中心向周边地区呈衰减变化,污染核心区由京津冀逐渐向豫北地区和鲁西北地区扩散,年内AQI在1—9月呈现下降趋势,然后逐渐上升;(2)150个城市的空气质量指数呈现出明显的空间集聚;(3)矩阵指数空间设定模型优于空间滞后模型,并且城市间空气污染呈现出显著的空间衰减效应;(4)人均地区生产总值的提高、SO_2排放量和PM_(2.5)浓度增加是导致空气污染加剧的重要原因,而外商直接投资和环保意识的提高有助于改善中国的空气质量.     

武汉市城市化进程与大气污染关系探究

通过借鉴国内外城市化与环境污染相关性的研究成果,分别选取12个指标代表武汉市城市化进程,5个指标代表大气环境水平,以武汉市1997~2013年各级指标数据为基础数据,量化计算其综合指数,建立城市化进程和大气污染两者的相关模型,以此来分析武汉市城市化进程与大气污染的相互关系。研究表明:武汉市1997~2013年城市化进程平稳快速发展,大致呈现直线增长趋势;武汉市大气污染综合指数波动明显,大致呈倒"N"型曲线方式,说明其污染出现反复,其中可吸入颗粒物PM_(10)和PM_(2.5)严重超标,超标率为100%,成为主要污染物;通过计算城市化综合指数和大气污染综合指数构建两者关系模型,分析发现,武汉市城市化进程与大气污染关系的拟合不符合环境库兹涅茨倒"U"型曲线,而呈现出环境库兹涅茨倒"U"型曲线的特殊格式—倒"N"型曲线关系,由此揭示出武汉市城市化进程的大气污染效应。通过对武汉市近10年城市化进程与大气污染相关性的探究,最后给出降低城市可吸入颗粒物的相关对策。     

京津冀城市群空气污染的模式总结与治理效果评估

为探明全国空气污染最严重的京津冀城市群的空气污染防治路径与效果,系统整理了2013年以来国家和地区实施的空气污染防治措施,提出了分层跨区多向联动的大气污染防治模式,并基于对比评价2014~2015年13个城市112个监测点的SO_2、NO_2、PM_(10)、PM_(2.5)、O_3、CO等大气主要污染物的监测数据,评价了大气污染的治理效果.结果表明,HCML模式包括由国家-城市群-城市构成的分层纵向联动构架,协同多个省市行政区的跨区横向联动管治方式以及涉及产业准入、能源结构、绿色交通、跨区援助、监测预警和会商问责等内容的协同多向联动机制.通过模式实施,2014~2015年城市群的空气质量显著改善,除O_3外,空气污染物浓度显著降低,高污染范围由北向南显著缩小,其中PM_(2.5)、PM_(10)、SO_2、NO_2和CO的年均浓度分别下降17.84%、14.61%、37.55%、4.82%和16.18%;除NO_2外,污染物全年空气达标天数明显增加.在今后的治理过程中,HCML应该转向治理主体多元化轨道;创新排污监管与问责模式,完善公众监督机制;推进京津冀协同立法,精准打击污染行为;针对当前大气污染的核心问题与需求创新治理路径;加强科普宣传,以提升公众环境伦理意识保障源头减排.     

基于数据挖掘算法和数值模拟技术的大气污染减排效果评估

近年来,京津冀地区采取了大量污染减排措施进行大气污染治理,如何客观评估减排效果是目前大气环境领域的研究难点.为准确评估大气污染过程的减排效果,本文利用北京地区常规气象资料、国控站PM_(2.5)浓度资料,遴选了北京地区2018年3月11—14日和2013年3月14—17日两次空气污染过程,计算了大气容量系数、静稳指数,并利用KNN数据挖掘算法和WRF-Chem模式,对比分析了有无减排条件下的PM_(2.5)日均浓度.结果表明:两次空气污染过程的天气形势和局地气象条件较相似,就大气热力和动力的垂直结构来看,2018年空气污染过程比2013年空气污染过程的大气稳定性更强、边界层高度更低、环境容量更小,但PM_(2.5)峰值浓度却显著下降,平均浓度明显降低,PM_(2.5)小时浓度的增长趋势相对平缓,重污染持续时间缩短.KNN数据挖掘算法减排评估结果显示,该方法能够较好地预测PM_(2.5)日均浓度的变化趋势,2018年3月11—14日,在减排和不减排情景下PM_(2.5)日均值分别为171和229μg·m~(-3),减排使得污染过程PM_(2.5)平均浓度下降了25.3%.数值模拟结果与KNN数据分析结论吻合,进一步验证了减排措施的有效性.综合看来,2018年空气污染过程中PM_(2.5)浓度相比历史相似气象条件下的污染过程显著降低,这是长期大力度减排效果的体现.     

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.     

上海地区对流层低层臭氧及硫酸盐气溶胶时空分布特征研究

基于Aura/OMI卫星资料,分析了上海地区2007—2016年近十年对流层低层O_3浓度(0~3 km)、SO_2柱浓度和硫酸盐气溶胶光学厚度(0~2 km)时空演变特征.结果表明,近十年来上海地区臭氧浓度总体呈现上升的趋势,最低值在2008年,为31.57μg·m~(-3),最高值在2016年,浓度为40.72μg·m~(-3);O_3季节变化明显,夏季高、春秋次之、冬季低.十年来,硫酸盐气溶胶污染先减少后增加,2007年硫酸盐气溶胶(AOD=0.81)污染最为严重,占近十年硫酸盐气溶胶发生频率的16.41%,2010年污染最轻(AOD=0.68),比2007年下降了16.12%,且硫酸盐气溶胶污染频率为7.68%,但在2013年以后,硫酸盐气溶胶污染又出现增长趋势;污染季节特征与O_3相同,这主要是因为夏季阳光充足有利于大气光化学反应的进行,从而使O_3和硫酸盐气溶胶等光化学产物的浓度升高.SO_2浓度在2007—2014年总体呈现下降的变化趋势,且下降趋势明显,最低值(2014年)比最高值(2007年)降低了52.76%,但在2014年后SO_2浓度略有反弹;SO_2污染主要集中在冬季.     

基于卫星观测的中三角地区吸收性气溶胶的时空演化解析

基于臭氧检测仪(Ozone Monitoring Instrument,OMI)的遥感数据,利用ArcGIS10.2对2005—2020年中三角地区(湖北省、湖南省、江西省)紫外吸收性气溶胶指数(Ultraviolet Aerosol Index,UVAI)的时空变化进行分析,结合气溶胶颗粒物(PM_2.5、PM₁₀)和气态污染物(CO)数据,利用HYSPLIT(Hybrid Single-Particle Lagrangian Integrated Trajectory model)方法研究主要污染城市气溶胶颗粒物的来源与传输路径,通过核密度估计法、相关性分析、聚类分析,研究其影响因素.结果表明：(1)在空间分布上,中三角地区吸收性气溶胶的高值区集中在襄阳市北部、孝感市东部、武汉市西部;在时间分布上,2008年UVAI最低,2014年达到最大值;季节分布具有明显变化,2005—2020年吸收性气溶胶指数季均值为冬季>春季>秋季>夏季.(2)UVAI与人口增长率、第二产业产值占总产值的比重呈正相关性,与节能环保预算支出呈显著负...     

陕西省PM2.5时空分布及影响因素区域差异研究

为了解陕西省PM_2.5分布特征及影响因素区域差异,基于陕西省2019年PM_2.5浓度数据,采用空间数据统计方法、空间自相关分析法和地理探测器法对PM_2.5时空分异特征及驱动因素进行探究,以期为陕西省PM_2.5研究与治理提供可靠的科学依据。结果表明：陕西省PM_2.5污染呈“冬高夏低”、“中部高、南北低”的特点。陕西省PM_2.5浓度空间分布表现为极显著的空间正相关性,陕南部分县域为低低聚集区,关中地区渭南、西安、咸阳部分县域为高高聚集区。对陕西省PM_2.5浓度影响最大的是社会经济因子(0.328—0.548),陕北地区为GDP(0.932),关中地区为人口密度(0.936),陕南地区为相对湿度(0.710)。交互探测结果表明：陕西省主导交互因子为人口密度∩GDP,各种复杂的自然因素和人为活动因素耦合会大大加强对PM_2.5浓度的解释力。     

北京2015年大气细颗粒物的空间分布特征及变化规律

近年来,随着雾霾事件的频发,人们逐渐提高了对雾霾的关注度,PM_2.5作为其首要污染物对大气能见度及人体健康造成了严重影响.因此,本文利用2015年北京12个环境监测站点的PM_2.5、PM₁₀、NO₂、SO₂、CO和O₃的浓度数据和气象数据,综合研究了北京2015年大气细颗粒物的空间变化特征及分布规律.同时,利用空间差异率（COD）统计方法评估了不同地区细颗粒物浓度的差异程度,并结合2015年2次特殊事件（春节和阅兵）,对大气污染特征及其与排放源控制的关系进行了深入对比分析.结果发现,重污染天气集中发生在秋冬季,且污染程度高、持续时间长.城区PM_2.5浓度比郊区高约12 μg·m^-3.东城区与对照区差异最大,COD值为0.24;东城区与西城区差异最小,COD值为0.05.春、夏、秋季颗粒物PM_2.5、PM₁₀浓度日变化较为平稳,在中午有所升高,冬季颗粒物质量浓度明显呈现出夜间高于日间的污染模式.近3年PM_2.5与PM₁₀保持显著的相关性,但PM_2.5/PM₁₀比值呈降低趋势.阅兵期间采取的空气质量管控措施和气象要素共同作用导致PM_2.5浓度下降约72%,市中心的首要污染物为NO₂,郊区首要污染物为O₃和PM₁₀.春节期间烟花燃放对PM_2.5的瞬时贡献量很大,对比春节假期和非假期2个阶段的大气污染特征发现,人口和机动车减少及餐馆暂停营业并没有使北京局地空气质量得到明显改善.该研究结果提示在进行PM_2.5控制的同时也要对O₃浓度有所关注,同时也进一步支撑了北京空气质量改善需要京津冀协同控制这一重要结论.     

基于LUR模型的2019年北京地区PM2.5与PM10浓度空间分异模拟

在城市区域内,空气污染物的浓度在小范围内存在显著差异,而离散的地面监测点分布不均匀,且监测范围有限,无法满足污染物暴露评估等研究的需求.本研究基于GIS空间分析和多元逐步回归的模型构建的方法,建立了土地利用回归（LUR）模型,并模拟了北京市2019年PM_2.5和PM₁₀浓度的空间分布特征.选择土地覆盖数据、气象数据（风速、降水、温度）和植被覆盖度数据等预测变量,以研究区34个监测站点为中心建立0.1~5 km共7个系列缓冲区,表征不同尺度下各变量对PM_2.5和PM₁₀浓度的影响.研究结果表明：①进入PM_2.5回归模型中的变量有：年均风速、温度、降水量和周围中等植被覆盖、耕地和不透水面的面积;进入PM₁₀回归模型中的变量有：年均风速和周围中等植被覆盖的面积.两个模型的调整R²分别为0.829和0.677,模型精度较高.②抑制污染物浓度的变量,影响力随着空间范围扩大而增强;使污染物浓度增加的变量,影响力随着空间范围缩小而增强.③浓度模拟结果显示,PM_2.5和PM₁₀在西北部山区浓度较低,南偏东的城区浓度较高,并且向南有逐渐增加趋势.4植被覆盖度这一变量不仅进入了上述两个方程,且影响力都强于其他土地利用类型,故以后的模型改进应该考虑植被覆盖度这一因素.     

利用LUR模型模拟杭州市PM2.5质量浓度空间分布

模拟城市大气污染物浓度空间分布对研究城市空气质量及人体健康至关重要.本研究利用土地利用回归模型(Land Use Regression,LUR),提取包括污染点源因子、交通因子、人口因子、土地利用因子和气象因子等60个预测因子,基于地理加权算法(GWR)建立春、夏、秋、冬四个季节的模型,实现对杭州地区近地表PM_(2.5)质量浓度空间分布的预测.结果表明:基于地理加权回归算法时,检验模型的R2值分别达到0.76(春季)、0.70(夏季)、0.73(秋季)、0.76(冬季),模型能够解释PM_(2.5)浓度值80%以上的变异.每个季度杭州地区PM_(2.5)浓度变化不尽相同,但总体以杭州中部最高,西南部偏低.研究说明基于LUR模型模拟大尺度地区PM_(2.5)质量浓度空间分布是可行的.     

基于AOD数据与GWR模型的2016年新疆地区PM2.5和PM10时空分布特征

PM_2.5与PM₁₀的时空分布特征及其相关性是大气颗粒物研究的主要内容,传统方法是基于监测站点数据进行分析,难以揭示PM_2.5与PM₁₀时空分布的区域特征.为此,本文利用地理加权回归模型估算了2016年新疆地区PM_2.5与PM₁₀的月均浓度,在此基础上对区域尺度的PM_2.5与PM₁₀浓度特征进行分析.结果表明：地理加权回归相较最小二乘回归的拟合精度更高,PM_2.5和PM₁₀的决定系数分别为0.93和0.96,且误差较小;PM_2.5和PM₁₀年均浓度分别为70.88 μg·m^-3和194.53 μg·m^-3,说明大气颗粒物污染严重,且空间分布呈西南高、东北低的特征;PM_2.5和PM₁₀季节浓度均为春季最高,夏季最低;PM_2.5月均浓度2月最高,9月最低,PM₁₀月均浓度3月最高,8月最低;PM_2.5与PM₁₀年均浓度的相关系数r为0.95,相关性较高;PM_2.5/PM₁₀冬季最高为51%,其余季节小于50%,说明冬季PM_2.5对大气颗粒物污染贡献率较高,其余季节则以可吸入颗粒物中的粗颗粒贡献为主.     

基于GWR降尺度的京津冀地区PM2.5质量浓度空间分布估算

卫星遥感估算PM_(2.5)质量浓度研究已较为成熟,但精度还未取得突破性进展.本文利用2017年京津冀地区气溶胶光学厚度(AOD)遥感数据、戈尔德地球观测系统的GEOF气象格网数据以及地面环境监测站PM_(2.5)数据,采用地理加权回归空间降尺度方法,估算京津冀地区的逐月PM_(2.5)质量浓度.基于3种不同的残差插值修正,修正后的PM_(2.5)估算结果均很理想,其中,基于自然邻近残差插值修正后的模型估算结果最优.经验证,在95%的置信水平下,其相关系数r达到0.951,决定系数R~2为0.904,调整后的R~2为0.903,平均预测误差MPE为7.307μg·m~(-3),均方根误差RMSE为11.62μg·m~(-3),相对预测误差RPE为18.35%,说明该模型能客观估算京津冀地区2017年PM_(2.5)质量浓度.2017年PM_(2.5)呈现出南高北低的空间分布特征,南北高低值区域界线与保定市和沧州市的市级行政界线具有较高的一致性.经变异系数分析发现PM_(2.5)在2017年内的稳定性程度与PM_(2.5)质量浓度空间分布呈反向性,即PM_(2.5)质量浓度高的区域稳定性低,年内的变化程度剧烈,而PM_(2.5)质量浓度低的区域稳定性强,年内变化程度弱.     

中国二氧化硫污染治理分析:基于卫星观测数据和空间计量模型的实证

中国经济的快速增长伴随着严重的环境污染问题,已经成为阻碍中国实现可持续发展的桎梏.为了客观地反映中国的SO₂污染状况,本文利用中国2005-2017年的卫星观测SO₂柱浓度数据来表征SO₂污染状况.首先,采用探索性空间数据分析方法进行SO₂污染的时空演变分析;然后,基于环境库兹涅茨曲线框架纳入社会经济驱动因素及环境规制,采用空间计量模型探究SO₂污染是否越过拐点,并借此探索环境规制对于中国SO₂污染治理的重要意义.结果表明：1华北地区是中国SO₂污染最严重的区域,但污染状况逐年改善.从长期时间趋势来看,尽管空气污染在个别年份中有所加剧,但整体上呈现向好的趋势.从空间上来看,SO₂污染在空间上明显存在正向的空间自相关现象.2环境库兹涅茨曲线实证结果显示,尽管回归结果呈现显著的倒N型曲线,但无实根解,说明无实质性的经济意义.从另一方面来说,在研究环境库兹涅茨曲线时,除了统计学意义之外,经济意义更为重要.3空间计量模型回归结果显示,经济增长与SO₂污染在样本期内存在单调递减关系.换言之,中国已经越过了环境库兹涅茨曲线的拐点.此外,严格的环境规制有利于降低SO₂浓度.地区技术水平的进步及先进外资的“光环效应”都可以有效地改善SO₂污染.然而,人口密度增加、第二产业发展、电力消耗及固定资产投资增加是造成SO₂污染加剧的重要因素.