基于相关分析的北京空气质量影响因素研究

涉及北京地区空气质量影响因素的研究相对比较丰富,但文献中仍缺少同时考虑其他大气污染物和气象因素对空气质量的影响。文章对北京市2020.03-2021.02每日空气质量和气象指标展开研究,得出近年来北京市空气质量得到了明显的提升;天气状况、风向都对PM2.5浓度有着显著的影响;相关性分析与回归分析都得出PM10、SO₂、NO₂、CO对PM2.5浓度都有着显著的正影响,但风力对PM2.5浓度有着显著的负影响。最终文章还对北京空气质量的治理提出相应的建议。     

不同城市人为及气象因素对空气质量的影响

空气质量的变化受人为排放与气象因素的双重影响,但这2个因素的相对贡献并不明确。该研究采用随机森林方法,分析了2020年中国武汉市、南京市和石家庄市人为因素和气象因素对6种大气污染物浓度的影响。与没有封控的情境相比,封控时期人为活动减少导致污染物排放的降低,使1-2月大气中PM_2.5、PM₁₀、NO₂、CO和SO₂的浓度降低27%以上,在4月解除了各个城市封控行动后,各污染物浓度逐渐回升。相反,在封控时期3市O₃浓度上升23%～29%。同时,基于2020年实际气象数据和2015-2019年的平均气象数据运用随机森林模型预测结果的对比分析表明,仅冬季石家庄和南京的气象条件不利于污染物的扩散,对除O₃外各污染物产生一定影响,总体而言气象因素对于3市全年污染物浓度的影响并不大。     

浙江省空气质量及主要气象因子的影响分析

利用浙江省环保厅发布的2004年9月以来的空气质量监测数据(API/AQI)和浙江省气象局2005年以来的逐时气象要素数据,分析浙江省近年的空气质量及其空间分布特征、与主要气象因子的相关性。结果表明:浙江省近年空气质量总体稳定,年际变化不大,但偶有区域性空气污染事件发生;春节效应明显,而星期效应较弱;区域上,浙北空气质量最差,浙中次之,沿海较好,浙西南山区更好,最佳为海岛舟山地区。主要污染物在监测API时期为PM10,2012年10月起改为监测AQI后,首要污染物为PM2.5取代,且臭氧(O3)作为首要污染物的比率凸显,AQI指数值比同期API高近15~30。进一步分析空气质量与(雾)霾、降水、连晴天数、风向风速等气象因子的相关性,发现适量降水和中等风速有利空气净化,连晴使空气污染加重;各地除舟山海岛地区外,空气质量与(雾)霾天气的出现比率较为一致。     

谈双鸭山市气象特征及地形特征对空气质量的影响

双鸭山市采暖期污染较重是因为采暖期燃煤量大、低矮分散的面源多的缘故，同时气象因素及地形特征对空气质量的影响也起着相当大的作用，采用2005年空气质量监测数据，进行双鸭山市气象特征及地形特征对空气质量影响分析，得出空气较稳定的取暖期和具有山风、谷风、局地环流的地形特征是形成双鸭山市空气污染的主要原因之一，并针对地形特征及气象特征对双鸭山市空气质量的影响提出空气污染治理措施。     

谈双鸭山市气象特征及地形特征对空气质量的影响

双鸭山市采暖期污染较重是因为采暖期燃煤量大、低矮分散的面源多的缘故,同时气象因素及地形特征对空气质量的影响也起着相当大的作用,采用2005年空气质量监测数据,进行双鸭山市气象特征及地形特征对空气质量影响分析,得出空气较稳定的取暖期和具有山风、谷风、局地环流的地形特征是形成双鸭山市空气污染的主要原因之一,并针对地形特征及气象特征对双鸭山市空气质量的影响提出空气污染治理措施.     

福州市AQI时空分布特征及影响因素研究

对福州市2013年4月-2016年3月空气质量指数AQI(Air Quality Index)数据进行小时变化、逐日变化、逐月变化、季节变化、空间分布及其影响因素分析,探讨引起AQI时间变化及空间分布差异的原因,找出最重要的影响因子。结果表明,福州市AQI在夜间较低,白天由于人类最活动增强,AQI增大;四季中春、冬季AQI较高,夏秋季节次之;通过对首要污染物进行统计分析得到,NO2、PM2.5、PM10、O3对AQI的贡献大,空气质量达到优的天数表现为秋季夏季冬季春季;福州市内各监测点中快安始终作为空气质量较为不好的监测点,而杨桥西路在四季中多表现为AQI较低,空气质量较好。     

黄河流域空气质量时空分布及影响因素分析

本文基于2015—2018年空气质量监测数据,研究了黄河流域空气质量的时空变化特征,量化分析了影响黄河流域空气质量空间分布的主要因素。结果表明:(1)2015—2018年,黄河流域空气质量总体趋于改善,除O3-8h外,PM2.5、PM10等污染物浓度均不同程度下降;(2)空气质量不达标天数未有明显减少,以O3-8h为首要污染物的持续时间明显延长,并且污染天数与PM2.5的差距逐渐缩小;(3)PM2.5、PM10浓度呈现东高西低的分布格局,O3-8h污染区域逐渐扩大并呈持续连片分布,热点城市主要分布在流域下游,冷点城市主要分布在流域上游;(4)平均气温、平均风速、人口密度和城镇居民人均可支配收入是影响PM2.5空间分布的主要因素;地形起伏度、降水量、平均气压和人口密度是影响PM10空间分布的主要因素,累积解释率为65.9%;平均气压、地形起伏度、日照时间和平均风速是影响O3-8h空间分布的主要因素。     

川南城市群空气质量变化特征及环流影响分析

基于川南城市群空气质量指数（AQI）数据和NECP/NCAR再分析资料,结合年内分配不均匀系数（C_V）,分析了该地区2020年空气质量变化特征及其与大气环流间的联系。结果表明：1）川南城市群AQI整体呈年内下降趋势,夏、秋季空气质量好于春、冬季;C_V轻微上升,表明年内空气质量分配不均匀状态增大,其中冬季空气质量分配差异最大,夏季差异最小,川南西部地区差异大于东部地区。2）受首要污染物PM_2.5影响,AQI空间上呈中部高四周低的分布形式,加之PM₁₀的影响,AQI空间分布有明显的季节差异性。春、冬季AQI空间分布特征较为相似,形成中部高值区和北部低值区;夏季分布西高东低,秋季为东南高西北低。3）川南城市群春、冬季处于高空槽后,冷空气的堆积不利于对流发生,污染物排出不畅,使得AQI较高;夏、秋季则由于副热带高压和中高纬低槽的存在易产生对流而发生降水,加之风场辐合形势较明显,污染物不易积聚,因此AQI较低。

     

华北地区空气质量空间分布特征及成因研究

以2015年华北地区71个主要城市的AQI监测数据为基础,通过交叉验证评估不同空间插值方法,选择克里金指数模型生成华北地区的AQI栅格数据;然后分析区域AQI的时空分布特征,并重点讨论了降水、风向、风速及地形对AQI的影响;最后利用逐步回归分析法,找出对AQI产生较大影响的社会经济因子,并结合ESDA方法和空间回归模型对AQI及社会经济因子进行空间相关性分析.结果表明:AQI的几种插值方法中以克里金指数插值法精度整体最优;AQI有明显的季节性变化,冬季AQI明显高于夏季;华北地区整体污染较重,最严重的区域集中在河北南部、河南北部和山东西部;降水、风和地形与AQI关系密切,当降水量大于10 mm时,对AQI具有显著的抑制作用;AQI与风速呈显著负相关,风速对不同污染物的影响强度具有明显的季节差异,冬季偏北风向是造成空气污染南移和扩散的主要原因;太行山脉和燕山山脉阻塞污染物向西和向北扩散,导致华北平原的东南部地区污染加重;社会经济因子中,工业对AQI的影响最大,其他依次为民用汽车保有量、人口密度、森林覆盖率.     

长江经济带空气质量的时空分布特征及影响因素

基于2015~2018年空气质量实时监测数据，研究了长江经济带AQI的时空变化特征，从大气污染物排放量和气象因素两方面选取评价指标，利用地理探测器揭示了长江经济带AQI分布的影响因素及其季节变化.结果表明：2015~2018年长江经济带空气质量总体趋于改善，平均超标率由19.8%降至16.2%，除O₃超标率上升外，其余常规监测指标均有不同程度的下降.2017年开始O₃的超标率超过PM₁₀，成为长江经济带仅次于PM_2.5的大气污染物.AQI月变化曲线大体呈U型，具有冬春高、夏秋低的特点.长江经济带空气质量改善主要体现在冬、秋两季，O₃浓度的上升使夏季空气超标率上升，春季变化不大.AQI和空气超标率总体呈东高西低、北高南低的分布特征，其中上海、江苏、安徽中北部和浙江北部污染最严重，湖北中部和成渝地区其次，云南、贵州和四川西部空气质量良好.春夏季AQI的差异主要表现为东西向，秋冬季则主要表现为南北向.污染物排放量因子对长江经济带AQI分布有显著的正向影响，气象因子的影响方向则随季节变化而变化.全年和春、秋、冬3季AQI的分布格局主要由大气污染物排放量决定，夏季气象因子的影响力则更大.     

2016~2020年山东省空气质量时空分布特征及影响因素分析

基于2016～2020年山东省城市空气质量监测结果,结合人口密度和城镇化率等社会经济数据以及风速、气温和相对湿度等气象要素,综合应用地理加权回归模型（GWR）、多尺度地理加权回归模型（MGWR）和小波分析等方法,探究山东省空气污染物的时空分布特征及其与社会经济和气象要素的关系.结果表明：（1）近5年来山东省空气质量整体呈好转趋势,除O₃外,SO₂、 NO₂、 PM_2.5和PM₁₀等污染物浓度逐年降低.空气污染物分布存在明显的空间差异,沿海地区污染物浓度更低.（2）山东省PM_2.5与人口密度和第二产业占比具有极显著的正相关关系（P<0.01）,而与城镇化率呈极显著负相关关系（P<0.01）.同时,这种相关关系在空间上存在尺度差异,人口密度、民用汽车量和工业用电量与PM_2.5空间关系较平稳,而城镇化率和第二产业占比对PM_2.5的影响的空间异质性较高.（3）气象要素对菏泽和威海两市PM_2.5     

青岛市不同空气质量下可培养生物气溶胶分布特征及影响因素

利用Andersen空气微生物采样器采集青岛市不同空气质量下的可培养生物气溶胶,分析了其浓度和粒径分布特征,并利用Spearman’s相关性分析了可培养生物气溶胶浓度和空气质量指数中的颗粒物质量浓度〔ρ(PM₁₀)、ρ(PM_2.5)〕、气体污染物质量浓度〔ρ(O₃)、ρ(SO₂)、ρ(NO₂)〕和气象参数(温度、相对湿度、风速)之间的关系.结果表明:可培养真菌和细菌气溶胶浓度范围分别为133～1 113和13～212 CFU/m3.真菌气溶胶浓度与ρ(SO₂)、ρ(PM₁₀)、ρ(PM_2.5)均呈正相关,而与相对湿度呈显著负相关(P<0.05).细菌气溶胶浓度与ρ(NO₂)、ρ(SO₂)呈负相关,而与ρ(O₃)、温度呈正相关.风速对可培养生物气溶胶浓度的影响较小.以AQI(空气质量指数)中ρ(PM₁₀)为依据,将研究时间段空气质量划分为4个空气污染等级.在不同污染等级下,真菌气溶胶均呈对数正态分布,粒径主要分布于2.1～4.7 μm.低污染时细菌气溶胶呈偏态分布(粒径>4.7 μm),高污染时粒径分布发生改变.初步推断,随着空气污染等级的升高,可培养生物(真菌+细菌)气溶胶总浓度增加,但单位颗粒物上的浓度变化较稳定.ρ(PM₁₀)是影响可培养生物气溶胶浓度及粒径分布的主要因素.      

厦门市环境空气污染时空特征及其与气象因素相关分析

利用2014年3月—2015年2月厦门市18个监测站点实测数据,运用GIS技术、相关分析以及统计分析等方法,进行空气质量指数(AQI)及其污染因子的时空分析,结合厦门市土地利用分类专题图和主要重工业企业分布图进行厦门市环境空气质量状况污染源的分析.结果表明:厦门市首要污染物为PM10,其天数占全年的48%,PM2.5紧随其后占到36%;厦门市空气质量较好时间段主要集中在夏季,其中7月份是厦门市空气质量最好的月份,而厦门市秋冬两季的空气质量较差;AQI与温度相关系数达-0.813,具有极显著负相关性(p0.01),与气压相关系数达0.835,具有极显著正相关性(p0.01),而与风速和相对湿度气象因素相关性都不显著(p0.05);PM2.5、PM10、SO2、NO2、O3污染因子存在明显的空间分布差异,海沧区和集美区南部的空气污染比厦门其他地方明显更为严重;从土地利用图和主要重工业企业的分布图可以看出,污染最为严重的地区土地利用类型主要是建筑用地,而且这些地区还分布着许多钢铁厂和发电站.     

影响深圳市空气质量的天气因素分析

影响城市空气质量的因素很多，其中天气因素的变化与空气污染指数关系十分密切。本文对深圳市2001—2002年冬春季、夏秋季共365天的空气污染指数与天气因素(天气类型、气象因子)的相关性进行了详细分析，以期对深圳市空气污染指数的预报工作有一定的参考。     

空气质量与气象因子关系及污染物变化趋势

本文中将对空气质量与气象因子之间的关系进行详细的阐述,并对主要污染物的变化趋势进行一定的分析研究,试图为空气质量的改良与控制提出一定的建议性对策。     

关中地区城市空气质量特征及影响因素分析

本文对陕西省关中地区33个城市环境空气质量自动监测站点2015年全年的监测数据进行统计和研究,讨论了关中城市空气质量特征和主要影响因素。结果表明,关中地区城市间空气质量具有密切的相关性和整体性,影响关中城市群全年空气质量最主要的污染因子是可吸入颗粒物(PM10)和细颗粒物(PM2.5),首要污染物呈现出显著的季节变化规律。人类活动、气象因素以及地形特征是造成关中地区空气质量现状的主要原因。     

沈阳大气污染物浓度变化及气象因素影响分析

为深入探究沈阳市区大气污染物浓度变化特征和气象因子对大气污染物浓度的影响,文章利用2014-2019年沈阳市区PM₁₀、PM_2.5、O₃质量浓度监测数据及地面气象观测数据,研究沈阳市区大气污染物质量浓度和空气质量变化特征,选取气温、气压、相对湿度、风速、降水量和日照时数,利用Person相关分析方法研究气象因子对大气污染物PM₁₀、PM_2.5和O₃质量浓度的影响,根据大气污染物浓度与气象因子相关性建立多元回归方程预报大气污染物浓度,并评估预报效果。结果表明:2014-2019年沈阳市区大气污染得到改善,总污染天数及其占比逐年降低,优良天数明显增加,重度及以上污染天数急剧减少;PM₁₀、PM_2.5质量浓度逐年下降,O₃质量浓度稍有上升;PM₁₀、PM_2.5月均浓度呈"U"型分布,O₃月均浓度呈倒"U"型分布;PM_10<...     

徐州市空气质量预测预报中的气象因素影响分析

利用2014年徐州市环境监测中心站SO2,NO2,PM10和PM2.5质量浓度的逐日监测资料及同期徐州市气象局的常规气象观测资料,分析了徐州市空气质量的现状及变化特征,探讨了SO2,NO2,PM10和PM2.5浓度与气象条件的关系。结果表明：徐州市空气质量以良和轻度污染为主,夏、秋季的空气质量好于冬、春季,冬季空气质量最差;较大的降水量过后,空气质量类别为优或者良,降水量较小时,污染物去除效果不明显;风速越大,越有利于污染物的扩散;雾和灰霾天气条件下,空气质量较差。     

呼和浩特市空气质量水平研究

采用数理统计方法,并结合现行和2012年2月新颁布的《环境空气质量标准》以及相应的空气质量评价方法,对实测数据进行分析和研究,结果表明:新、旧两种标准评价下均反映出颗粒物污染是影响研究地空气质量状况的主要原因.并且由于新标准比现行标准更为严格,使得空气质量综合评价结果中新标准评价下的空气质量优良天数比例少于现行标准评价下的优良天数比例.