武汉PM_(2.5)时空特征分析

获取武汉市2013年全年10个监测点PM2.5监测数据,采用数理统计方法和GIS空间分析方法分析其时间变化特征和空间分布特征。2013年武汉市城区PM2.5年均值为89.0μg/m3,清洁对照点年均值75.2μg/m3。月变化上,1-7月,浓度逐月下降至7月份达到最低;7-12月,浓度整体上升,10月份浓度上升明显以至11月份有明显回落。日变化上,上午9:00为日间浓度峰值,下午16:00达到低谷;夜间浓度高于日间浓度且夜间变化幅度较小。城区内部污染差异明显,夏季PM2.5浓度空间异质性相对冬季更强;工业区和人口集中区污染最严重,城市绿地和公园局部污染相对较轻;污染程度变化的一致性不仅与距离有关,受周边环境影响更明显。     

南京地区PM2．5污染特征及其影响因素分析

文章利用2007年南京市草场门和迈皋桥采样点的PM2．5在线监测资料研究了南京地区PM2．5浓度的时空变化特征。对PM2．5质量浓度进行了月季变化、日变化特征分析。并利用同时期气象资料分析了PM2．5浓度与气象条件的关系。结果表明,南京市细颗粒物污染较严重,草场门采样点各月超标率均在55％以上,年超标率达72％;2采样点各季节霾天气下PM2.5质量浓度均大于非霾日下浓度均值,不管是霾天气还是非霾天气下,草场门采样点各季节PM2．5质量浓度均高于迈皋桥采样点（除秋季非霾天气）。2007年南京市PM2．5质量浓度呈现出春冬季节较高、夏秋季节较低的特点;日变化呈双峰分布。对PM2.5质量浓度与水平能见度的相关性研究表明,南京市大气能见度与细粒子质量浓度呈现很好的负相关性,相关系数高达0．98。草场门采样点霾天气下平均能见度水平仅5．2km,最高能见度为13km,最低为1．7km。     

长兴县城区空气质量变化及差异性分析研究

对长兴县城区空气自动站2007—2014年监测数据进行了分析。结果显示:SO2、NO2浓度年平均值总体呈下降趋势;PM10浓度年均值波动较大,2013年出现较大幅度回升。SO2、NO2和PM10浓度日均值单因素方差分析和多重比较结果显示:2014年与2007年SO2、NO2和PM10浓度的日均值都存在极显著差异,证明长兴县城区的空气质量好转明显。初步分析了长兴县城区空气质量变化与长兴县产业结构调整的相关性。     

北京城郊冬季一次大气重污染过程颗粒物的污染特征

本研究分析了北京冬季一次大气重污染过程的颗粒物污染特征,通过数学统计方法分析了其形成的可能原因.观测于2013年1月24—31日进行,在西三环城区和大兴郊区使用中流量大气颗粒物采样器采集可吸入颗粒物(PM10)和细颗粒物(PM2.5),并采用离子色谱和元素碳/有机碳分析仪分析了PM2.5上的水溶性离子、元素碳和有机碳浓度.结果表明,本次重污染天气的大气日均能见度低于3.0 km.PM10和PM2.5质量浓度日均最大值分别为675.5和453.4μg·m-3,平均质量浓度为349.2和260.8μg·m-3,超过环境空气质量标准(GB3095—2012)所规定的二级浓度限值.通过比较PM2.5上化学成分的浓度发现,在城区和郊区,此次天气形成的共同污染源为冬季燃煤燃烧、汽车尾气排放和二次有机气溶胶污染;而土壤/沙尘对郊区污染天气的形成有部分贡献.大气中PM2.5质量浓度与能见度呈对数负相关关系.     

古田县大气污染物变化特征与气象条件的关系

利用2017年古田县空气质量和气象观测数据,分析PM10、PM2.5的日变化、月变化和季节变化特征、通过进一步分析PM10、PM2.5与各气象要素的关系,得出结论:日平均气温与污染物浓度呈现明显的负相关,气温越高,污染物浓度越低,反之亦然;日降水量大小与PM10、PM2.5呈负相关的关系,降水对PM10、PM2.5有很...     

南京地区一次灰霾天气的微脉冲激光雷达观测分析

利用微脉冲激光雷达(MPL)对2012年10月南京地区的一次灰霾天气进行了不间断观测,结合地面气象要素和PM10、PM2.5质量浓度资料分析了此次污染过程颗粒物质量浓度、气象要素、气溶胶垂直方向光学特性和混合层高度(MLH)日变化趋势以及相关性并与11月11~12日非灰霾天气做了消光系数和MLH的比较.结果表明,本次灰霾天气颗粒物浓度与近地面消光系数日变化较相似,基本上呈现夜间高午后低的趋势;灰霾期间MLH峰值滞后于地面温度峰值2h,MLH与PM2.5呈现负相关关系,两者相关系数为-0.57;霾天MLH远低于非灰霾天;霾期间近地面消光系数大部分时刻大于1.0km-1,远大于非霾日0.1~0.25km-1范围的消光系数.     

北京地区冬春PM2.5和PM10污染水平时空分布及其与气象条件的关系

北京2012~2013年的冬春多次出现雾霾天气,可吸入颗粒物(PM10)污染严重.而PM2.5作为PM10中粒径较小的部分,在PM10中所占比重越高,污染越严重.因此,本研究选取了能够覆盖北京所有区县的30个PM2.5和PM10的质量浓度监测点,对该地区的PM2.5和PM10污染特征进行分析,确定其空间差异特征和时间性变化特征.普通克里格插值(Original Kriging)法得到的北京地区冬、春季颗粒物浓度分布图显示,颗粒物浓度从北部山区到南部地区逐渐递增,在中心城区处,西部高于东部,且局部地区存在一定的城乡差异.颗粒物浓度月变化曲线呈单峰单谷型,1月最高,4月最低;逐日变化反映了PM2.5和PM10浓度具有较好的相关性,且受气象条件影响显著;日变化呈双峰趋势.本文选取日平均气温(℃)、相对湿度(%)、风速(风级)、降水量(mm)等气象因子,利用Spearman秩相关分析研究各个气象因子对大气PM2.5和PM10浓度的影响.北京冬季PM2.5和PM10的质量浓度分别与气温、相对湿度正相关,与风速负相关,风速和相对湿度是影响污染物质量浓度分布的主要因素.     

沙尘和逆温对空气质量的影响

利用包头市环境空气质量自动监测系统实际监测资料研究分析了包头市2005—2007年大气污染物受逆温和沙尘两种特殊气象条件影响的变化状况。特别指出了逆温持续性、强度和厚度对大气污染扩散影响的正比关系,即逆温日数越多,超标污染日越多,逆温强度越大,污染越重的规律。及大风和特定地理条件下沙尘天气的发生、频次、强度对可吸入颗粒物（PM10）影响的正比关系。     

沙尘天气PM10对多种心血管疾病日门诊人数的影响

为研究沙尘天气大气可吸入颗粒物(PM10)与心血管系统疾病每日门诊人数的联系,采用半参数广义相加泊松回归模型(GAM),在排除了混杂因素如季节趋势、日历效应、气象因素和时间长期趋势等作用的前提下,分析2004年3月1日~5月31日沙尘暴频发区——甘肃省武威市大气PM10与多种心血管疾病每日门诊相对危险度(RR)的关系.结果表明,PM10与男、女总心血管系统疾病门诊RR均在滞后第2d(lag2)的联系有统计学意义.PM10分别在lag3和lag4对男、女性风湿性心脏病门诊RR的影响有统计学意义; PM10(lag2)与男性高血压门诊RR的联系有统计学意义.PM10在lag2对男性缺血性心血管疾病门诊RR的影响有统计学意义;PM10对男、女性心律失常以及充血性心力衰竭门诊RR的影响均无统计学意义.在调整了SO2和/或NO2后,PM10对男、女性心血管系统疾病门诊RR的作用有所下降,但在统计学上仍有意义.然而在分别调整了其他污染物后,SO2和NO2变得无统计学意义.沙尘天气PM10浓度分类模型分析表明,从正常清洁天、轻度污染天到扬沙天气、沙尘暴天气,随着PM10浓度水平的增大,心血管系统疾病(缺血性心血管疾病、充血性心力衰竭、心律失常、高血压、风湿性心脏病)门诊RR也随之增高,呈现一定的剂量效应关系.沙尘天气可吸入颗粒物可引起暴露居民多种心血管系统疾病(缺血性心血管疾病、充血性心力衰竭、心律失常、高血压、风湿性心脏病)门诊人数增多,且均呈现滞后效应. PM10浓度与心血管系统疾病门诊RR表现为一定的剂量效应关系.PM10浓度与沙尘天气强度有密切关系, 随着PM10浓度与沙尘天气强度的增大,暴露居民心血管系统多种疾病日门诊RR也增大,具体为:正常清洁天＜轻度污染天＜扬沙天＜沙尘暴天.     

北京PM2.5浓度的变化特征及其与PM10、TSP的关系

在连续2年进行累积1周同步采样的基础上,对北京市城区和居住区2个采样点环境空气中PM2.5的浓度及其时间变化特征进行了分析.PM2.5周平均浓度的变化范围为37~346靏/m3,年均浓度接近或超过PM10的二级年均标准.PM2.5浓度具有明显的季节变化特征,即冬季最高,夏季最低.2个采样点PM2.5浓度的周变化与季节变化均相似.PM2.5与PM10、TSP的比值均在冬季最高,春季最低,反映采暖燃烧源对细颗粒物的贡献较大,而沙尘天气对粗颗粒物的贡献较大;其年均值分别为55%和29%.     

上海市大气中PM10浓度的统计分析

以上海市2002年-2009年的PM10实测数据和同步气象资料为研究对象进行上海市PM10污染分析研究。对2002年-2009年的监测数据进行分析、归纳,得到了上海市可吸入颗粒物(PM10)浓度的季节变化规律、每日小时变化规律以及上海市不同地区可吸入颗粒物(PM10)浓度的分布特征,并对这种特征及变化规律进行了详尽地分析。研究表明上海市空气环境质量在逐年好转,其标志是累计超标污染天数每年减少5天;在一年当中,污染天数最多的是冬季,其次是春季,最少的是夏季;在空气环境质量逐年好转的大趋势下,针对其产生的原因进行了分析。     

龙华新区灰霾污染特征研究

根据龙华新区2个空气监测站2012年监测数据、气象数据以及不同污染源的排放数据,分析龙华新区空气质量现状,灰霾日数与PM2.5和PM10的相关性,并通过AERMOD模型着重探讨PM2.5和PM10的污染特征,计算不同污染源对PM2.5和PM10浓度的贡献率。结果表明,灰霾日数和PM2.5、PM10浓度均表现为明显的季节性变化,变化趋势较为一致,且灰霾日数与PM2.5的相关性较PM10更显著。龙华新区PM2.5和PM10主要来自本地源,其中PM2.5的主要来源为机动车尾气和道路扬尘,而PM10的主要来源为施工项目和裸地。     

Forecasting particulate pollutant concentrations in a city from meteorological variables and regional weather patterns

A synoptic meteorological classification and its correlation with particulate matter concentrations collected at five sampler points in the city of Valladolid (Spain) have been performed by means of a Q-mode clustering technique.The application of the algorithm to 11 meteorological variables related to the surface level and to the 500-hPa contour has permitted us to identify five synoptic meteorological types which have been split into nine synoptic meteorological classes. Also, the algorithm has been applied to the particulate matter concentrations recorded at each sampler point, and seven pollution levels have been obtained in each of them. The comparison between the days corresponding to the five synoptic meteorological types and the days included in each of the seven pollution clusters of every sampler point has revealed a satisfactory relationship between the particulate matter concentrations and the identified meteorological types at the 500-hPa contour.     

徐州大气PM10污染特征研究

通过分析徐州市近几年的大气PM10监测数据和气象条件,研究了大气PM10质量浓度的时间变化规律及气象因素的影响,结果表明:PM10质量浓度年变化呈"冬重夏轻"的规律;在大气污染源数量和污染物排放量相对稳定的情况下,风和降水是影响大气颗粒物污染程度的主要气象因子,PM10浓度随温度的升高而降低,随气压的增强而减少。     

北京地区一次重污染过程的大尺度天气型分析

对北京2000年11月的一次PM₁₀重污染过程进行分析,以期进行造成PM₁₀质量浓度增量的天气型诊断.结果表明:最不利于污染扩散的气象形势对应着PM₁₀质量浓度增量最大,而不一定是PM₁₀质量浓度达到最高的环境背景场;PM₁₀质量浓度的峰值是逐步累积而成的.提出定义PM₁₀质量浓度从谷值逐日累积到峰值而后重新下降到谷值的状态为一次环境污染过程.根据环境过程与天气型的诊断分析结果认为,PM₁₀质量浓度变化与天气形势演变有较好的对应关系.PM₁₀质量浓度在上升、达到峰值和下降阶段对应的天气形势分别为持续数日的大陆高压均压场、相继出现的低压均压区及锋后的高气压梯度场,其中持续存在的大陆高压均压场是造成重污染浓度累积的主要背景场.      

自贡市大气颗粒物污染特征及来源解析

利用自贡市大气监测数据、同期气象数据以及颗粒物源解析在线监测资料,对颗粒物污染的特征及成因进行研究.结果表明:颗粒物年均浓度受浮尘天气影响明显,季均浓度呈冬高夏低变化,月均浓度呈"U"字形变化,日均浓度呈双峰型变化;颗粒物与降水、温度、气压、风速存在相关性,与相对湿度无相关性,PM10、CO、NO2、SO2、O3浓度对PM2.5浓度变化影响显著;PM2.5主要成分为元素碳、有机碳、富钾颗粒等,主要来源为机动车尾气、燃煤、工业工艺源等.     

2002年北京PM10时间序列及其成因分析

以北京2002年的ρ(PM₁₀₎日平均值和气象要素观测资料为例,根据小波分析的原理,利用Matlab小波分析工具,对逐日ρ(PM₁₀₎时间序列进行分解和重构,分析了该地区ρ(PM₁₀₎的年变化规律和突变特征.结果表明:2002年北京PM₁₀污染季节性变化强,春季最严重,冬季次之,夏、秋季节较好;全年共有4个突变点,均出现在沙尘暴或强沙尘暴期间,并指出沙尘天气是北京ρ(PM₁₀₎发生突变的主要影响因素.在此基础上,根据形成原因及气象资料分析,将2002年PM₁₀重污染天气过程分为沙尘型和排放累积型2类,并阐述了形成各类PM₁₀重污染天气的气象原因.      

2009年8~9月成都市颗粒物污染及其与气象条件的关系

对成都市3个不同点位PM2.5和PM10进行了为期30d的连续观测,研究了大气颗粒物浓度的时空分布特征,及其与气象条件的关系.研究表明,观测期间成都市大气颗粒物PM2.5和PM10质量浓度日均值分别为66,94μg/m3,两者浓度变化范围较大,但变化趋势相同.从空间分布来看,大气颗粒物浓度均是熊猫基地>草堂寺>丽都花园,即下风向污染状况最严重,商业繁华地段次之,生活居住区最好;从时间分布来看,大气颗粒物污染最严重出现在9月17~19日,9月5~9日2个时间段,不利的气象因素和污染物的累积是造成该时间段大气颗粒物污染加重的主要原因.PM2.5与PM10质量浓度的相关性为0.93,PM2.5对PM10的贡献较大,两者质量浓度的比值达0.69.气温对大气颗粒物浓度变化没有显著影响;降水以及风速对颗粒物浓度影响较大,主要是对颗粒物的湿清除和促进扩散作用;在一定相对湿度范围内,高湿度条件容易造成大气颗粒物的较重污染.能见度与大气颗粒物浓度呈明显负相关性,且与PM2.5的相关系数大于与PM10的相关系数.     

广州亚运期间鹤山大气颗粒物及碳组分的分析

2010年11月广州亚运会期间,在鹤山连续测量了PM10、PM2.5及PM2.5中有机碳(OC)、元素碳(EC)的质量浓度,结合气象数据综合分析了该地区上述各种污染物的污染特征。研究结果表明:鹤山大气颗粒物以PM2.5为主,PM10和PM2.5具有较好的相关性(R2=0.72),其中PM2.5污染较严重;与国内外其他城市相比,鹤山OC、EC质量浓度处于中等偏高水平;OC和EC质量浓度的相关性较差(相关系数R2=0.32),OC/EC质量浓度比值远大于2,说明鹤山大气OC、EC来源较复杂,同时存在严重的二次污染;估算的二次有机碳(SOC)占OC总质量的66.5%。各种气象因素中,风速对污染物的质量浓度影响最大,秸秆燃烧等人类活动对其也有显著影响。     

吉林市大气中PM10和PAHs污染特征

研究了吉林市大气PM10的污染水平和其中优控PAHs总量的地区和季节分布特征。同时对PM10与PAHs的相关性进行了分析。研究表明，PAHs与大气PM10的地区分布大致成正相关，春季最重，夏季最轻：哈达湾最重，江南公园最轻。两者同时受到污染源排放和气象因素的影响。