台州市区PM2.5和O3污染特征及相互作用关系

基于2016—2020年台州市区大气污染物监测数据及气象观测资料,分析了台州市区PM_2.5和O₃的污染特征及受气象因素影响情况,并探究了不同季节下的PM_2.5浓度和O₃浓度的相关性及相互作用关系。2016—2020年,台州市区PM_2.5年均浓度和超标天数呈显著下降趋势,O₃-8 h年均浓度和超标天数总体呈上升趋势。PM_2.5浓度在冬季最高,且易发生超标;O₃浓度在春、夏、秋季均较高,且均会发生超标。通过相关性分析可知：PM_2.5浓度与气温、相对湿度、风速、降水量呈负相关,与大气压呈正相关;O₃浓度与气温、风速呈正相关,与相对湿度、降水量呈负相关。不同季节下的PM_2.5浓度与O₃浓度均呈正相关,两者存在协同增长。在春、夏、秋季,二次PM_2.5在总PM_2.5中的占比随着O₃     

河南省2014-2020年PM2.5浓度时空分布特征及气象成因分析

利用2014—2020年河南省18个地级城市空气质量监测资料和气象数据,运用空间自相关分析、ArcGIS制图及相关性分析等方法,从时空分布特征上揭示河南省PM_2.5污染特征,并分析其气象成因。结果表明：河南省2014—2020年PM_2.5年均浓度为40～100μg/m³,总体呈递减趋势。PM_2.5浓度季节分布特征为冬季>秋季=春季>夏季。河南省2019年和2020年PM_2.5污染空间分布存在显著自相关,污染程度严重的地区主要是中部和东北部地区。冷热点分析发现,热点城市为濮阳、安阳、济源、郑州、新乡、焦作、鹤壁,冷点城市为信阳、驻马店、周口。PM_2.5在年尺度上与气压、气温、相对湿度、风向、风速、能见度显著相关,其中,与气温相关性最高,相关系数为-0.424。当相对湿度处于90%以下时,PM_2.5浓度与相对湿度呈正相关;而在相对湿度超过90%之后,PM_2.5浓度下降至70μg/m³...     

重庆市北碚区空气质量改善效果评估分析

基于2014—2020年重庆市中心城区北碚区环境监测数据及地面观测气象要素,分析了北碚区大气污染特征,利用KNN算法建立大气污染的评估模型,对空气质量改善效果进行评估。结果表明,重庆市中心城区北碚区的PM_2.5浓度逐年呈明显下降趋势,O₃浓度除夏季有一个弱的下降趋势外,其余3个季节和年平均值整体均呈上升趋势。全年以优良天气为主且呈增加趋势。O₃与气温、日照时间呈正相关,与相对湿度呈负相关性,PM_2.5与气温、降水及风速呈负相关。基于KNN算法对空气质量改善状况评估表明,减排对O₃污染平均贡献率在-4.7%左右,对PM_2.5污染平均贡献率为-52%,气象条件对O₃污染的平均贡献率在17%左右,对PM_2.5污染的平均贡献率在-7%左右。该大气污染评估模型能够有效地评估空气改善效果。     

漯河市一次秋季典型PM2.5和O3复合污染过程中挥发性有机物污染特征分析

基于漯河市大气灰霾站在线观测数据,分析2022年10月12—19日PM_2.5-O₃复合污染过程中VOCs的污染特征及来源,以期判别复合污染过程中需要优先管控的VOCs物种及来源,为PM_2.5和O₃协同管控提供依据。结果表明：污染期间VOCs平均质量浓度(96.7μg/m³)显著高于污染前(49.4μg/m³)和污染后(54.8μg/m³),以烷烃和卤代烃占比较高;整个污染过程中质量浓度较高的物种包括乙醛、乙烷、丙烷、异戊烷、氟利昂-12、二氯甲烷、甲苯、苯、一氯甲烷、氟利昂-11、正丁烷和1,2-二氯乙烷;污染期间正丁烷、异戊烷、丙烷、二氯甲烷、一氯甲烷和苯的质量浓度增幅均超过100%。漯河市VOCs的O₃生成潜势(OFP)以OVOC和烯烃占比较高,二次有机气溶胶生成潜势(SOAp)以芳香烃占比最高。OFP贡献较高物种为乙醛、乙烯、甲苯和丙烯,SOAp贡献较高物种为甲苯、苯、间、对二甲苯、乙苯和邻二甲苯;污染期间...     

广州市城区站点冬季PM2.5时间变化及碳氮同位素组成特征

于2018年冬季在广州城区磨碟沙站点开展细颗粒物(PM_2.5)样品采集,并获得PM_2.5中水溶性离子、含碳组分、稳定碳氮同位素的组成及时间变化特征,重点讨论了PM_2.5浓度升高时段的化学组成特征变化,进而利用稳定碳氮同位素变化特征探究了主要污染来源。结果表明：采样期间,研究站点PM_2.5平均质量浓度为22.1μg/m³,共出现两个PM_2.5浓度水平升高时段,所对应的平均质量浓度分别达46.0μg/m³和63.0μg/m³。风速降低、温度升高等不利气象条件是导致上述时段PM_2.5浓度上升的重要原因。在上述时段,伴随着PM_2.5浓度的升高,NO^-₃和NH⁺₄浓度均出现显著升高,NO^-₃与SO^2-₄的摩...     

基于KZ滤波法的江淮地区PM2.5浓度变化影响分析

基于2018—2020年合肥、芜湖和马鞍山3个城市国控站点的PM_2.5逐日监测数据和同期地面气象观测资料,利用Kolmogorov-Zurbenko(KZ)滤波对PM_2.5日浓度的原始时间序列进行分解,获取短期分量、季节分量和长期分量,并进行多元线性逐步回归构建各分量与气象因子的模型,最后依据短期分量和基线分量的回归模型和残差分析,对序列进行重建,获取消除气象条件影响的PM_2.5长期分量。KZ滤波分析结果表明：2018—2020年气象条件对江淮区域PM_2.5污染改善影响存在波动,在2018—2019年为负贡献,而在2020年秋冬季则变为正贡献;江淮地区3个城市2018年和2020年PM_2.5修正后的长期分量均值表明气象条件对各市PM_2.5改善影响存在差异较大,气象条件对合肥PM_2.5改善的贡献仅为1.0%,芜湖为7.8%,马鞍山为21.0%;NAQPMS数值模式情景分析结果显示,减排措施对江淮之间PM_2.5浓度改...     

基于复合LSTM模型的PM2.5浓度预测

在对淄博市19个空气质量监测站点监测数据进行分析后,提出了一种基于机器学习的复合模型——灰色关联度分析(GRA)-改进的完备总体经验模态分解(ICEEMD)-长短期记忆网络(LSTM)模型。通过分析淄博市2019年大气污染物和气象数据,选用LSTM模型预测PM_2.5浓度。由于传统单一模块机器学习模型具有训练时间较长和预测精度较低的问题,提出了复合LSTM模型。该模型由3部分组成：GRA,用于PM_2.5浓度影响因素变量筛选;ICEEMD,用于PM_2.5分解、分量筛选和原始大气污染物及气象数据处理;LSTM,用于PM_2.5浓度预测。预测结果表明：淄博市中部丘陵地带PM_2.5浓度高于南部山区和北部平原,东部高于西部;淄博市逐月PM_2.5浓度呈“U”形分布,1月最高,8月最低;淄博市PM_2.5浓度受PM₁₀和CO影响较大,受湿度和温度影响较小。对比单一LSTM模型和GRA-LSTM模型,GRA-ICEEMD-LSTM模型...     

成都气象要素等级对大气污染的改善作用研究

为找到对成都空气质量有改善作用的气象要素等级，量化成都气象条件对大气污染物的影响，对2015—2018年成都环境监测站空气质量监测数据和温江国家气候观象台同时段的气象观测资料进行了研究分析。结果表明：(1)成都中部地区的空气质量污染较为严重，全年主要以PM_2.5和O₃污染为主，占比达75%,2015—2018年成都的PM_2.5污染呈下降趋势，而O₃污染虽有所波动但没有显著改善。(2)PM_2.5持续重污染过程中，过去12 h降水量和过去24 h降水量均大于1 mm,均为有效降水，大于2.5 mm对PM_2.5污染的改善作用显著增强；相对湿度低于70%对中度及以上PM_2.5污染的改善作用同步增加，低于40%对轻度PM_2.5污染的改善作用较为明显，优良天气的发生概率显著增加；风速大于1 m/s时PM_2.5浓度随风速的增大而减小，大于2 m/s对PM_2.5浓度的改善作用显著加强。...     

基于神经网络模型对城市空气质量预报方法的优化研究

基于郑州市2017年1月1日—2022年2月28日环境空气细颗粒物(PM_2.5)逐日质量浓度监测数据和同期气象数据,利用反向传播(BP)神经网络构建了环境空气PM_2.5质量浓度预报模型,实现了对郑州市后1日环境空气PM_2.5质量浓度日均值进行预报。构建了考虑大气氧化性因素(情景一)和不考虑大气氧化性因素(情景二)这2种情景,并对2种情景下的预报效果进行评价。结果显示,在情景一下,各季节PM_2.5预报质量浓度与实况质量浓度的标准化平均偏差(NMB)和均方根误差(RMSE)均处于较低水平,表明预报效果均具有较好的稳定性;各季节PM_2.5实况质量浓度与预报质量浓度之间的相关系数(r)、一致性指数(IA)、准确率(Q)和级别预报准确率(G)均处于较高水平,其中Q值均>79%,G值均>80%,表明各季节PM_2.5实况质量浓度与预报质量浓度趋势的吻合程度较高。情景一各季节PM_2.5预报质量浓度与实况质量浓度的NMB和RMSE均低于情景...     

襄阳市秋冬季PM2.5污染特征及潜在源区分析

为了解襄阳市秋冬季PM_2.5的污染特征及来源，基于2020年11月至2021年1月在线监测数据，对PM_2.5质量浓度、气象因素、化学组分、来源及潜在源区进行了分析。结果表明，襄阳市秋冬季污染天首要污染物均为PM_2.5,且随污染程度加重，PM_2.5与PM₁₀质量浓度比呈上升趋势，二次颗粒物的形成对PM_2.5的贡献更高。在PM_2.5化学组分中，水溶性离子占比最大，随着污染程度加重，二次离子(SNA)快速增长，二次离子的生成转化是污染的重要成因。轻度、中度污染时，湿度高、风速小、气温低，有利于污染的积累，重度污染时湿度大、风速回升，有利于上游污染的输送与二次转化。PMF模型解析出襄阳市PM_2.5主要来源及贡献率为二次源58.0%、工业企业源22.6%、机动车源10.7%、扬尘源8.7%。襄阳市潜在源区主要分布在河南省中北部、河北省南部、山东省西部、安徽省北部、江汉平原东部及南部区域，极少量分布在襄阳区域，长距离区域传输...     

2017年江苏省PM2.5数值模拟及内外源解析

根据江苏省72个国控点监测数据,采用了区域大气模式和多尺度空气质量模式系统(RAMS-CMAQ)模拟了2017年江苏省ρ(PM_2.5)的时空分布,耦合综合源追踪算法(ISAM)分析了不同地区排放源对ρ(PM_2.5)的贡献特征。结果表明,PM_2.5模拟与观测值的相关系数(r)=0.76,标准平均偏差(NMB)=5.2%,均方根误差(RMSE)=23.4μg/m₃,模拟结果落于观测结果0.5~2倍的比例(FAC2)=84.2%。源追踪模块结果显示,夏季主要受东南风控制,本地排放的贡献更大(省内贡献为52.34%),其他季节受偏北风输送影响,外源输送的影响较大(省外贡献为53.48%~56.84%);冬季苏北5市的排放贡献比沿江8市的更大,而春、夏季沿江8市排放贡献较大。     

临汾市大气污染物的时间分布特征与源区分析

多年来,临汾市多次名列我国生态环境部公布的空气质量最差的重点城市之列,对其大气污染的时间分布特征和潜在源区进行分析对其环境管理与污染防治具有重要意义。利用2015—2019年临汾市5个国控空气环境质量监测站点的6种空气污染物(SO₂、NO₂、CO、O₃、PM_2.5和PM₁₀)浓度数据和气象观测数据,使用HYSPLIT模型研究了该市空气污染物的时间变化特征、轨迹输送特征和可能的来源。结果表明,PM_2.5和PM₁₀的年均浓度均超过了《环境空气质量标准》(GB 3095—2012)Ⅱ级标准,SO₂仅在2016—2017年超过该标准,其余3种污染物的年均浓度均低于该标准。6种污染物2015—2019年的月均浓度的变化特征表现为O₃浓度呈以6、7月为中心的近似正态分布,SO₂、NO₂和CO以及PM_2.5和PM₁₀浓...     

苏州大气颗粒物PM2.5和PM10质量浓度异常“倒挂”现象的成因及影响分析

为深入研究PM_2.5和PM₁₀质量浓度异常“倒挂”现象的成因及影响,在苏州市相城区国控点开展比对监测分析,回顾性分析了2016—2020年苏州全部国控点颗粒物浓度数据。苏州市相城区国控点PM_2.5浓度的比对分析结果表明：该国控点频繁出现PM_2.5浓度高于其他国控点PM_2.5浓度和高于该站点PM₁₀浓度(“倒挂”率高达34%)的“双高”现象,PM_2.5平均浓度比其他9个国控点高12.5%～37.2%,比位于同一站点的备用监测仪器(“倒挂”率为0)高38.1%。2016—2020年,苏州全部国控点“倒挂”时间的总体趋势都是逐年递增,且集中发生在相对湿度较高的20:00至次日07:00。这5年间各国控点PM_2.5浓度异常偏高导致的异常“倒挂”现象对全市年均浓度产生的正误差分别为1.6%、2.8%、6.0%、6.2%和4.1%,基本呈现出逐年递增的趋势。上述结果表明：苏州PM_2.5浓度偏高是由动态加...     

基于不同时间尺度综合指数贡献率的攀枝花市大气污染特征分析

选取2016—2022年攀枝花市环境空气质量监测数据，基于年度、季度、月度、小时时间尺度评价环境空气质量综合指数贡献率。结果表明，攀枝花市污染类型已由传统的单一工业型污染转变为复合型污染，且污染物在不同时间尺度下的分布特征明显。从季度尺度来看，第一季度细颗粒物(PM_2.5)综合指数贡献率较大，第二和第三季度臭氧(O₃)综合指数贡献率较大，第四季度二氧化氮(NO₂)及PM_2.5综合指数贡献率较大。从月度尺度来看，O₃在3—8月的贡献较大，PM_2.5、NO₂、可吸入颗粒物(PM₁₀)、一氧化碳(CO)、二氧化硫(SO₂)在1—2月及11—12月的贡献较大。从小时尺度来看，O₃在13—19点贡献较大，PM₁₀、PM_2.5、CO在8—13点贡献较大，SO₂在9—13点贡献较大，NO₂在8—1...     

莆田地区夜间臭氧污染成因分析

基于2016—2020年莆田市监测站O₃逐小时质量浓度观测资料和边界层高度数据，分析5年间4次夜间O₃质量浓度超标的过程。沿海各市的O₃数据、后向轨迹和MEIC污染排放清单表明，O₃污染前体物来源于长三角地区和福州地区。4次夜间O₃污染期间，O₃与NO_x整体相关性小，相关系数为0.23,外来源输送导致出现O₃与NO_x整体相关性较小的现象。4次夜间O₃质量浓度超标成因是外来源输送的O₃在夜间时段随着后向轨迹向本地区输送时，O₃因缺少NO的滴定作用而无法分解，且垂直方向上边界层高度降低。     

乌鲁木齐市2011年冬季PM2.5/PM10浓度特征分析

利用乌鲁木齐市PM2.5//PM10自动监测数据,分析PM2.5与PM10的浓度分布特征和时间变化规律。结果表明,按照《环境空气质量标准》(二次征求意见稿)的标准限值,乌鲁木齐市冬季PM2.5污染重于PM10。PM2.5浓度为0.164mg/m3,超过二级年标准限值的3.7倍,超标率为73.9%。PM2.5浓度日变化曲线昼高夜低,呈单峰型,峰值出现在13:00~14:00(北京时间)。PM10中PM2.5所占比例较高,PM2.5/PM10为0.79,相关分析和检验显示PM2.5与PM10的线性相关显著,相关系数为0.92。     

新冠疫情管控期间西安细颗粒物中碳组分浓度变化特征

于2019年1月27日—3月18日及2020年1月27日—3月18日对西安市细颗粒物(PM_2.5)的碳组分浓度进行了在线观测,对比分析了非疫情与疫情期间各常规污染因子、气象要素、PM_2.5中有机碳(OC)和元素碳(EC)的污染特征。结果表明：非疫情与疫情期间西安市的气象条件总体水平较为相近。疫情期间的二氧化硫(SO₂)、臭氧(O₃)浓度相对升高。重污染天气下,除PM_2.5外,其他污染物浓度均降低,说明疫情管制对重污染天气污染物浓度的削弱作用明显。疫情期间,PM_2.5中的OC组分浓度及占比有显著升高,与疫情期间的各类交通管制导致的机动车尾气排放量显著降低有关。另外,OC与EC的相关性较强,说明污染来源与人类日常生活有关。疫情期间西安市颗粒物中碳组分主要来自各类生物质燃烧,并且存在SOC污染,SOC在OC中的占比达到37.8%。疫情期间重污染天气下,SOC在OC中的占比达到87.5%,说明SOC对重污染天气OC的贡献较大。     

“十三五”期间伊宁市大气污染特征分析及对策建议

基于伊宁市“十三五”期间大气国控监测点位数据，分析伊宁市“十三五”期间环境空气质量变化特征并提出建议对策。结果表明：“十三五”期间，伊宁市空气优良率在78.9%～86.3%,重污染天气在3～17 d,重污染天气仍频发；PM_2.5年均浓度在38～47μg/m³,年均值均超标。影响空气质量的主要污染物为PM_2.5、PM₁₀和CO。与三大区域相比，伊宁市SO₂和CO污染程度相对较重，燃煤型的污染特征显著。此外伊宁市采暖季空气污染较重，PM_2.5、SO₂、CO等污染物浓度显著高于非采暖季，采暖季主要污染物呈现双峰变化特征。     

“十四运”期间西安PM2.5中水溶性无机离子污染特征

为探究中国第十四届运动会(简称“十四运”)期间西安大气PM_2.5中水溶性无机离子浓度水平及来源,利用高分辨率MARGA ADI 2080离子在线分析仪对西安“十四运”前、“十四运”期间和“十四运”后水溶性无机离子进行实时观测,分析了不同时段水溶性无机离子组分污染特征、pH变化及污染来源。结果表明,“十四运”前、“十四运”期间和“十四运”后PM_2.5质量浓度分别为13.4、11.9、32.6μg/m³,SNA(NO^-₃、SO₄^2-和NH⁺₄三者统称)质量浓度分别为5.8、5.4、13.3μg/m³,占总水溶性无机离子的91.6%～93.6%。“十四运”前和“十四运”期间NO^-₃与SO₄^2-质量浓度比分别为0.7和0.9,表明移动源的比例增加,主要受交通管控的影响。“十四运”后NO     

渝东南典型城区冬季一次罕见的PM2.5污染过程及溯源分析

2020年12月底,以生态旅游业为主的重庆市渝东南地区出现了一次较为罕见的PM_2.5污染过程,持续时间长且污染程度重。以渝东南地区武隆区为例,应用污染特征雷达图、后向轨迹模型及潜在源污染贡献估算等方法分析了本次PM_2.5污染的特征及来源,结果表明：(1)在污染前期主要受扬尘、燃煤和机动车等污染排放影响,污染源直接排放贡献较大;中、后期污染受二次颗粒物影响显著,扬尘影响也较为明显。(2)污染期间的气流轨迹均为短距离输送,轨迹主要来自东北方向(65%)。(3)除自身污染排放贡献外,渝东北地区和主城都市区是武隆区PM_2.5污染的主要潜在源区,对武隆区传输贡献占比超50%。