阜新市MODIS AOD与大气PM_(2.5)浓度相关性研究

利用卫星遥感MODIS数据研究区域大气PM_(2.5)浓度分布是环境管理的有效方法。获取美国国家航空航天局MODIS L1B1KM数据,采用暗目标法反演阜新市大气气溶胶厚度AOD数据;提取阜新市5个大气监测站点位2014年3月至5月、2015年3月至4月期间PM_(2.5)浓度数据进行相关性分析,建立PM_(2.5)浓度-AOD之间的线性、一元二次、对数函数、幂函数及指数函数5种相关性模型;引用湿度影响因子建立大气PM_(2.5)浓度订正模型,采用PM_(2.5)浓度订正模型、Peterson模型分别订正PM_(2.5)浓度及AOD标高,应用阜新市环保局5个监测点位2014年6~12月、2015年5~12月期间PM_(2.5)的月平均浓度进行模型检验。对比分析订正后的5种相关性模型拟合优度,检验结果表明:订正方法提高了PM_(2.5)浓度-AOD相关性;线性相关性模型R2为0.633 6,相对误差为12.41%,相对其他4种模型相对误差较小。利用阜新市大气AOD预测PM_(2.5)浓度具有良好环境指示意义。     

基于AOD数据反演地面PM_(2.5)浓度研究进展

随着中国城市发展,城镇化进程的不断推进,能源消耗持续增加,空气中的污染物含量越来越高,空气污染事件频发,城市空气质量研究成为一个热点议题。PM_(2.5)作为表征空气质量的重要指标之一,越来越受到人们的关注,目前获取PM_(2.5)数据主要有地面监测和卫星遥感监测2种方式。传统的地面监测手段可以得到高精度的局部PM_(2.5)污染数据,但是由于其覆盖范围的局限性,并没有办法反映出整个区域的PM_(2.5)污染情况。遥感卫星监测恰到好处地弥补了这一缺陷,其中应用最为广泛的是使用卫星遥感数据产品大气气溶胶光学厚度AOD来反演地面的PM_(2.5)浓度。文章从AOD数据的多样性及其应用、反演地面PM_(2.5)浓度模型的选择以及反演模型的优化这3个方面对目前国内外利用遥感卫星AOD数据反演地面PM_(2.5)浓度的研究进行了归纳梳理。其中AOD数据分辨率的不同产生了不同精度的反演结果;而线性回归模型和非线性回归模型的反演精度也存在较为明显的差异;通过在模型中加入气象参数、气溶胶垂直分布特性以及地表信息等因素会显著地改善反演结果。上述研究为流行病学中PM_(2.5)人口暴露研究及健康影响提供方法论基础。     

京津冀及周边地区PM2.5时空变化特征遥感监测分析

为分析京津冀及周边地区的PM_(2.5)时空变化特征,先利用MODIS数据反演1 km分辨率的AOT产品,采用地理加权回归模型实现京津冀及周边地区2016~2017年逐日PM_(2.5)浓度的遥感反演,并在此基础上对多种时间尺度PM_(2.5)浓度合成结果进行验证分析,最后从不同时间尺度对2016年和2017年PM_(2.5)时空变化特征进行了对比分析.结果表明本研究反演的日均、月均和年均这3种时间尺度的PM_(2.5)浓度结果总体上效果较为理想,时间尺度越大,遥感估算的PM_(2.5)效果越好,年均PM_(2.5)结果相对精度达80%以上,并且2016年和2017年同一时间尺度的PM_(2.5)遥感结果精度较为接近.京津冀及周边地区PM_(2.5)分布总体均呈现"冬季秋季≈春季夏季"和"南高北低"的季节变化和空间分布趋势.与2016年相比,2017年京津冀及周边地区PM_(2.5)浓度平均下降约9.2%,且高值区范围明显减小,PM_(2.5)浓度高值一般发生在11月和12月,而低值则一般发生在8月.2017年与2016年PM_(2.5)浓度时空变化与2017年的大气污染综合治理攻坚行动巡查和空气质量专项督查活动密切相关,这也能间接说明大气污染减排的成效.     

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.     

西安市PM_(2.5)的时空分布特征研究

大气污染物PM_(2.5)对空气质量造成严重危害,威胁着人类健康。根据西安市13个监测区2013年1月1日—4月26日的PM_(2.5)质量浓度数据,得出西安市PM_(2.5)的浓度呈冬季高、春季低的特点。结合西安市的海拔数据、气象资料,并引入污染系数,分析得出了西安市13个监测区PM_(2.5)的浓度有以下规律:从西到东递减;分布与海拔高度和风向特点相一致;与平均温度、最高温度、最低温度均呈现负相关关系,但相关性不是很高。这为PM_(2.5)的针对性治理工作提供了理论指导。     

2014年宝鸡市大气颗粒物时空分布特征分析

基于2013年12月和2014年全年宝鸡市8个自动空气质量监测子站的PM_(10)和PM_(2.5)的监测数据,探讨PM_(10)和PM_(2.5)的时间分布特征和空间分布特征。结果表明:PM_(10)的日平均浓度为118.23μg/m~3,全年中PM_(10)超过二级标准的天数为80 d,超标率为22%;PM_(2.5)的日平均浓度为68.93μg/m~3,全年中PM_(2.5)超过二级标准的天数为92 d,超标率为25%;PM_(10)和PM_(2.5)的浓度有明显的季节差异。PM_(2.5)和PM_(10)浓度由高到低的季节依次是冬季、春季、秋季和夏季;不同的监测点位中,解放军第三陆军医院监测点位的PM_(10)和PM_(2.5)浓度对于宝鸡市大气颗粒物的污染贡献率相对其他点位较高,主要是其地理位置导致的。     

多尺度PM_(2.5)分布特征的空间插值与遥感反演对比

精确识别污染物浓度的空间分布是进行区域大气污染防治的重要基础。利用MODIS卫星数据,采用基于地面气象和环境空气质量监测站点观测数据为基础的反演模型,反演获取2013年12月珠三角地区典型大气污染过程1 km分辨率的PM_(2.5)浓度数据,对比分析遥感反演及基于环境空气质量监测站点观测数据的空间插值方法对区域、城市和乡镇尺度PM_(2.5)浓度空间分布特征的再现效果差异。结果表明,珠三角地区PM_(2.5)遥感反演结果与地面观测数据的相关性达到0.74,相关性水平较好,遥感反演结果可描述区域、城市和乡镇尺度上PM_(2.5)污染浓度的空间分布特征,识别不同空间位置的污染程度差异;基于站点观测数据的空间插值方法对PM_(2.5)浓度空间分布特征的再现能力有限,在区域尺度PM_(2.5)浓度空间分布特征分析时效果尚可,在站点有限的城市和乡镇尺度分析中效果不佳,容易产生对高浓度污染地区的误判;在需要利用站点观测数据分析区域尺度PM_(2.5)浓度空间分布特征时,析取克里金、反距离权重或径向基函数插值方法的效果相对较好。     

气象要素对气溶胶光学厚度估算PM2.5的影响

地面监测得到的近地面细颗粒物PM_(2.5)浓度较为精确,但数据覆盖范围相对较小,卫星遥感反演的气溶胶光学厚度(AOD)数据可以反映污染物浓度分布,具有范围大且速度快的特点,因此,大多数学者通过建立PM_(2.5)-AOD模型来实现卫星遥感监测PM_(2.5)浓度,并通过引入气象要素来优化模型.然而,气象要素的选择与引入往往对模型的精度有较大的影响,如何有效地选择对PM_(2.5)浓度影响较大的气象要素一直是PM_(2.5)-AOD模型中的关键问题.因此,本文基于华东地区2014—2015年的MODIS AOD和地面监测站的PM_(2.5)浓度数据,结合再分析气象资料,利用多元逐步线性回归方法建立PM_(2.5)-AOD模型,从由特定时刻、高度上的气象要素与随时间、高度变化的气象要素组成的气象要素集中,筛选出对因变量PM_(2.5)浓度有显著影响的关键气象要素.结果表明:在地域与季节双重尺度下的PM_(2.5)-AOD模型精度更高;相较于特定时刻高度的气象要素,随时间和高度变化的气象要素对PM_(2.5)-AOD模型的影响更为显著;在地域与季节双重尺度下,1000～850 hPa经向风速差、世界时0:00—6:00近地面温度差、850～600 hPa温度差、6:00边界层高度、12:00—18:00近地面压强差、1000～850 hPa温度差对模型影响较大,但应依据不同季节和不同地区的具体影响程度作为选择标准.     

基于地理加权模型的我国冬季PM2.5遥感估算方法研究

为了分析冬季我国区域范围内近地面PM_(2.5)质量浓度时空分布特征,根据卫星遥感反演PM_(2.5)质量浓度的基本原理,综合考虑我国不同地区的PM_(2.5)污染特征的空间差异性,基于卫星遥感、气象模式资料及同期地面观测的PM_(2.5)质量浓度数据采用地理加权模型进行回归分析,研究构建了我国区域范围内近地面PM_(2.5)遥感反演模型.结果表明:在冬季暗像元反演AOD算法受限制的情况下,深蓝算法产品可以一定程度上弥补暗像元算法的不足,将二者有效融合能同时提高AOD产品的精度和空间覆盖度;利用地理加权回归模型进行全国区域PM_(2.5)遥感估算,既能体现全国PM_(2.5)时空分布的全局变化特性,又能从局部体现全国PM_(2.5)组分、污染程度及垂直分布结构特征的空间差异特性,基于地理加权回归模型的PM_(2.5)遥感反演结果(R2=0.7)明显优于多元线性回归模型(R2=0.56);2013年12月—2014年2月份全国PM_(2.5)空间分布呈现明显的区域特征,PM_(2.5)浓度较高的地方主要分布在华北南部、长三角中部和北部、华中东部及四川东部等地,西部和北部地区PM_(2.5)污染相对较轻;从时间变化来看,全国冬季12月份PM_(2.5)污染最重,1月份次之,2月份相对最低.这可为全国PM_(2.5)区域联防联控提供有力的信息支撑.     

重庆市大气颗粒物污染特征及影响因素分析

利用重庆市17个大气自动站实时发布的数据,对PM_(2.5)与PM_(10)污染特征、变化规律与气象因子的相关性进行了分析。结果表明:2013年PM_(2.5)和PM_(10)的年均值分别为70,106μg/m3,均超过国家Ⅱ级标准。月均值、季均值变化明显,总体均呈两头高中间低的"U"型分布。2013年PM_(2.5)占PM_(10)的比例较大,均值为65.8%,PM_(2.5)和PM_(10)的Pearson相关系数为0.974,在0.01的置信水平上(双侧)显著相关。PM_(2.5)、PM_(10)的浓度与气温、大气压极显著相关;PM_(2.5)、PM_(10)的浓度与降雨量、日照时数(时)显著相关。     

天山北坡区域大气污染特征及冬季重污染成因分析—以石河子市为例

以天山北坡典型代表城市石河子市为例,基于地面常规污染物浓度监测、气象观测、激光雷达观测及中尺度气象模型(WRF)模拟资料,综合分析了气象条件和边界层结构变化对空气质量的影响。结果表明：以石河子市为代表的天山北坡地区空气质量季节性差异显著,PM_2.5浓度在冬、夏两季相差最高达11.4倍,且冬季（12月—次年2月）大气污染发生率高达81.2%,重度及以上污染天气占59.1%。冬季污染呈连续“污染季”变化特征,在2020—2021年冬季发生的4次重污染过程中,每次重污染过程持续时间为7~27 d,间隔仅1~3 d,各过程均以PM_2.5污染为主导,PM_2.5峰值浓度为373~425 μg/m³,PM_2.5/PM₁₀均值为0.82。进入秋冬季后,地面连续低温、高湿的气象条件对PM_2.5浓度的增长有显著促进作用,以温度<−3 ℃和65%<相对湿度<92%为主要影响条件,在该条件下边界层高度的显著降低和连续强逆温引起的近地扩散条件转差,是冬“污染季”形成的根本原因。在2021年1月16—22日重污染过程期间,地面为持续低温、高湿、微/静风状态,重污染生消仅随边界层和逆温条件改变,其中污染累积时段边界层高度较清洁时段降低近5倍,逆温强度超过1.5 ℃/(100 m),后续由逆温的减退和边界层抬升带来3 d清洁天气。

     

甘肃白银市大气颗粒物PM2.5的地球化学特征研究

2011年8月,横跨白银市区东西向布设12个采样点,间距约1km,采集1.5m高大气颗粒物PM2.5样品,获得了白银市区大气中PM2.5浓度,并测定了大气颗粒物PM2.5中Ag、As、B、Ba、Be、Bi等几十种元素含量。结果发现12个采样点大气颗粒物PM2.5浓度范围为91～277μg/m3,均超过中国环境空气质量二级标准(GB 3095-2012),达二级标准限值(24小时平均值)的1.21～3.69倍。受尾矿堆放及选矿、冶炼企业集中分布的影响,东城区大气颗粒物PM2.5浓度高于工矿企业较少的西城区,污染较为严重。大气颗粒物PM2.5中微量元素浓度与污染源间具有良好的空间对应关系。采用富集系数法和主因子分析法研究大气颗粒物PM2.5元素组成特征,结果表明,白银市大气中PM2.5主要来源为工业废气、矿山与尾矿扬尘及土壤扬尘,三者的贡献率分别为31.2%、28.6%、26.4%。     

韶关市大气颗粒物多环芳烃的污染特征研究

采集韶关市PM10和PM2.5样品,采用气相色谱-质谱法测定了16种PAHs的质量浓度,分析了16种PAHs在PM2.5中的时空分布特征,研究16种PAHs在PM10和PM2.5中分布的差异.结果显示:PAHs在PM2.5中的季节性分布具有冬、夏季高,春、秋季低的特点,且苯并[a]蒽、苯并[k]荧蒽、苯并[c]芘、苯并[a]芘、荧蒽等在一年四季含量均较高;在空间上的分布显示交通区>工业区>商业区>居民区>休闲区.PAHs在PM2.5中的分布明显高于在PM10中的分布,在人为活动较为频繁的季节和区域,PAHs的含量明显增加.     

长春市净月大学城区PM2．5及PM10空间分布特征初步研究

为掌握长春市主城区净月大学城区PM2．5和PM10质量浓度的空间分布特征,选择了8处室外环境空间,使用YT－HPC3000 C型主动采样激光粉尘仪,对各样点进行了质量浓度监测。结果表明,与区域内室外8处样点的PM10质量浓度,以轻轨站处为最高,其他7处样点均好于二级标准;室内4处样点的PM2．5和PM10的质量浓度,食堂均未达标,其他3处样点均达标。在室内各样点,PM2．5与PM10的浓度空间分布呈现随高度升高而降低的趋势;在室外各样点,PM2．5与PM10的浓度分布与其所处垂向位置无明显相关关系。     

2014年泉州市区PM2.5浓度的时空变化特征分析研究

基于2014年泉州市区环境空气自动监测站的PM2.5、PM10等监测数据,讨论市区PM2.5的时空分布特征.结果表明,泉州市区PM2.5浓度存在较为明显的时空分布特征.(1)时间分布特征:PM2.5的年均值为34μg/m3,月均值最大值出现在1月,最小值出现在7月;PM2.5浓度冬季最高,夏季最低,春冬两季明显高于夏秋;PM2.5/PM10最高值出现在2月,最低值出现在7月;PM2.5/PM10冬季最高,夏季最低.(2)空间分布特征:3个监测点位中,PM2.5浓度涂山街最高,津头埔略低,万安最低;PM2.5/PM10万安最高,涂山街略低,津头埔最低.时间分布特征与气象条件有一定关系,而空间分布特征与建成区的建成时间先后、地理位置差异等有一定关系.     

我国四城市空气中PM2.5和PM10的污染水平

为研究我国广州、武汉、兰州、重庆４城市空气中ＰＭ２．５和ＰＭ１０的污染水平，在这我国４城市分别设一污染点和对照点进行了为期２年的ＰＭ２．５、ＰＭ１０和ＴＳＰ监测。结果表明，空气中颗粒物的污染是严重的，污染点比对照点更甚．对人体健康危害大的ＰＭ２．５普遍超过美国新标准的２－８倍。     

广州大学城大气PM_(2.5)质量浓度与影响因素

选择广州大学城代表性学生宿舍、教室、食堂等多个室内采样点及几个室外采样点,准确测定各采样点大气中PM2.5的质量浓度,分析各室内和室外采样点大气中PM2.5污染程度及分布特征;根据同步记录的气象数据,分析评价气象因子对大气PM2.5质量浓度的影响。     

Characteristics of indoor/outdoor PM2.5 and elemental components in generic urban, roadside and industrial plant areas of Guangzhou City, China

Quantitative information on mass concentrations and other characteristics, such as spatial distribution, seasonal variation, indoor/outdoor （I/O） ratio, correlations and sources, of indoor and outdoor PM2.5 and elemental components in Guangzhou City were provided. Mass concentration of PM2.5 and elemental components were determined by standard weight method and proton-induced X-ray emission （PIXE） method. 18 elements were detected, the results showed positive results. Average indoor and outdoor PM2.5 concentrations in nine sites were in the range of 67.7-74.5μg/m^3 for summer period, and 109.9-123.7 μg/m^3 for winter period, respectively. The sum of 18 elements average concentrations were 5362.6-5533.4 ng/m^3 for summer period, and 8416.8-8900.6 ng/m^3 for winter period, respectively. Average concentrations of PM2.5 and element components showed obvious spatial characteristic, that the concentrations in roadside area and in industrial plant area were higher than those in generic urban area. An obvious seasonal variation characteristic was found for PM2.5 and elemental components, that the concentrations in winter were higher than that in summer. The I/O ratio of PM2.5 and some elemental components presented larger than 1 sometimes. According to indoor/outdoor correlation of PM2.5 and element concentrations, it was found that there were often good relationships between indoor and outdoor concentrations. Enrichment factors were calculated to evaluate anthropogenic versus natural elements sources.     

天津市滨海新区PM_(2.5)污染时空分布及影响因素研究

为了降低天津市滨海新区中PM_(2.5)的污染,需要对天津市滨海新区PM_(2.5)污染的时空分布和影响因素进行研究。研究天津市滨海新区近年来PM_(2.5)的时空分布特征,并选取PM_(2.5)的相关指标,对天津市滨海新区PM_(2.5)污染影响因素进行分析。结果表明,在天津市滨海新区的冬季时,PM_(2.5)的质量浓度值最高,在滨海新区的夏季时,PM_(2.5)的质量浓度值最低。PM_(2.5)在天津市滨海新区昼间大气中的质量浓度低于夜间大气中的质量浓度。     

城市空气质量数值预报系统对PM2.5的数值模拟研究

发展了南京大学城市空气质量数值预报模式系统(NJU-CAQPS),在模式系统中引入了气溶胶模块.运用该系统对南京地区冬夏两季PM2.5浓度的时间变化规律和空间分布特征进行了数值模拟研究,通过与实际观测资料对比,检验发展后的模式系统对于细颗粒物的模拟性能.结果表明,南京市城近郊内冬夏两季PM2.5浓度具有明显的时空变化特征,一般在半夜和清晨会出现较高浓度,午后至傍晚浓度较低.冬季浓度高于夏季,冬夏两季算例的浓度日均值之比为1.51.空间分布受到排放源位置、地面流场等因素影响.二次气溶胶在PM2.5中占相当的份额,冬夏两季算例中二次气溶胶在PM2.5中所占比例分别为12%和15%,夏季二次气溶胶对PM2.5浓度贡献较冬季大.与实际观测资料的对比验证表明,经过发展的该模式系统对于城市PM2.5等颗粒物的模拟性能良好.