共查询到18条相似文献,搜索用时 203 毫秒
1.
近年来,我国面临着细颗粒物(PM2.5)污染形势依然严峻以及臭氧(O3)污染日益凸显的双重压力.为进一步准确预测郑州市大气PM2.5与O3浓度并探明气象因子的影响,本研究使用2018-2022年郑州市大气污染物和气象因子逐时数据,结合统计学单因素分析和机器学习LightGBM模型多因素分析,建立了一种基于长时间序列数据的PM2.5与O3浓度预测及气象因子影响分析的综合分析方法.结果表明:(1)训练后的LightGBM模型能够较好地预测PM2.5污染,准确率达80.8%;对O3污染预测的准确率为52.5%.(2)郑州市大气PM2.5浓度与气压呈正相关,与比湿和环境温度均呈负相关;大气O3 8 h滑动平均浓度(O3-8 h浓度)与比湿和太阳辐射均呈正相关,与气压呈负相关.(3)有利的气象条件可能是2021年PM2.5年均浓度得到显... 相似文献
2.
基于我国337个地级行政区2019~2021年的3~8月O3逐时浓度数据及同期气象数据,使用经验正交函数(EOF)分解,分析了我国O3浓度的主要空间分布模态变化趋势及其主要气象驱动因素.选取31个省会城市,利用KZ滤波将O3及气象因子的时间序列分解为短期分量、季节分量和长期分量,结合逐步回归模型,建立O3与气象要素之间的关系,进而重构“气象调整”后O3浓度的长期分量时间序列.结果表明,在我国O3浓度变率的总体空间特征基本稳定的背景下,O3浓度的第一模态整体呈趋同性变化,即O3浓度变率的高值区域波动性减弱,低值区域波动性增强.气象调整前后不同城市O3浓度的变化趋势存在一定差异,大部分城市O3浓度经调整后的长期分量较调整前更“平缓”.其中,气象因素对石家庄、济南和广州等城市O3浓度长期变化的影响较大,而前体物排放变化对福州、海口、长沙、太原、哈尔滨和乌... 相似文献
3.
为探究成都市大气环境中气象因子交互作用对臭氧(8h浓度平均最大值,统一用O3表示)浓度变化的影响特征,利用成都市2014~2019年逐日大气污染物资料以及同期的气象资料,采用广义相加模型(generalized additive models,GAMs)分析气象因子对O3浓度变化的影响效应.结果表明,单影响因素的GAMs模型中,O3浓度与最高气温、日照时数、相对湿度、风速、降水量、最大混合层厚度(maximum mixed depth,MMD)和通风系数(ventilation coefficient,VC)间均呈非线性关系,无论全年还是夏季,最高气温、日照时数、MMD和相对湿度对O3浓度影响均较大,值得注意的是,夏季相对湿度和降水量对O3浓度变化的影响较全年更加显著.在构建O3浓度变化的多气象因子GAMs模型中,除平均风速以外的其他气象因子共同作用对O3浓度变化有显著影响,就全年而言,构建的GAMs模型判定系数(R2 相似文献
4.
在城市空气质量预测中,ρ(PM2.5)会受到气象条件和时间周期的影响。选取北京市全市为实验区域,对多种污染物浓度特征、时间特征及天气特征等进行分析,采用2019年33个空气质量监测站逐小时数据开展PM2.5预测实验,建立了基于特征的LightGBM (light gradient boosting machine) PM2.5质量浓度预测模型,分别与随机森林模型(RF)、梯度提升树模型(GBDT)、 XGBoost模型3个PM2.5浓度预测模型进行对比。结果表明:在PM2.5浓度预测精度方面,LightGBM模型最高,XGBoost模型次之,RF模型最差。LightGBM模型的PM2.5污染浓度预测准确率高于其他模型,R2为0.9614,且具有训练快、内存少等优点。LightGBM模型的5个评估指标均优于其他模型,说明其在PM2.5逐时预测上具有很好的稳定性和应用前景。 相似文献
5.
气象因子对臭氧(O3)浓度有重要影响,为探索O3浓度时空变化及相关因子,利用多元线性回归和后向轨迹聚类分析2014—2019年浙江省O3浓度和气象因子数据. 结果表明:①浙江省O3浓度时空分布不均匀,季节性变化差异显著,总体呈夏季>秋季>春季>冬季的特征,年均值呈上升趋势;春季、夏季、秋季和全年O3浓度均于07:00左右达最小值,之后呈上升趋势,至15:00达峰值后降低,冬季O3浓度最小值出现时间较其他季节晚1 h左右. 高浓度O3主要分布在浙江省东北部及北部区域. ②多元线性回归模型结果表明,多元线性回归模型影响因子和拟合效果存在季节性差异,其中,春、秋两季蒸发量对O3浓度的贡献率均超过20%,夏季相对湿度对O3浓度的贡献率超过40%,秋季日光照时长对O3浓度的贡献率超过40%,秋、冬两季NO2浓度对O3浓度的贡献率均超过35%. 春季多元线性回归模型均方根误差(RMSE)、均方绝对百分比误差(MAPE)和变异解释量(R2)分别为0.213、26.45%和0.422,夏季分别为0.234、30.49%和0.359,秋季分别为0.169、24.02%和0.445,冬季分别为0.154、34.14%和0.419. 研究表明,浙江省O3浓度具有显著的时空分布特征,多元线性回归模型拟合结果在浙江省春、秋两季显著优于夏、冬两季. 相似文献
6.
山东省空气质量存在明显的时空差异,并受气象和社会经济因子等的综合影响.为了解山东省空气质量指数(AQI)以及颗粒物和臭氧(O3)浓度等时空演化特征,探究颗粒物与O3浓度之间的协同关系,基于山东省16个地级市2013年12月—2021年12月的AQI和空气污染物(SO2、NO2、CO、O3、PM2.5和PM10)浓度数据与同期的气象数据、工业及生活污染物(氨氮、SO2、氮氧化物和烟尘、粉尘等)排放量和社会经济数据,运用R语言和ArcGIS对各地区AQI与PM2.5和O3浓度等的时间和空间变化特征及关键影响因素识别分析.结果表明:(1)山东省AQI和空气污染物浓度具有明显的月际、季节和年际变化特征以及地区性差异.鲁东地区各季节空气质量明显优于鲁西地区,呈现由东向西空气污染愈加严重的趋势. PM2.5浓度呈鲁西地区最高,鲁中、鲁南和鲁北地区次之,鲁东地区... 相似文献
7.
8.
气象条件对近地层臭氧(O3)的生成有重要影响.为了探讨未来气候变化如何影响中国不同地区的O3浓度,本研究将全球耦合模式比较计划CMIP5提供的CESM地球系统模式的气候预测数据作为WRF区域气象模式的初始边界条件,降尺度模拟了3种代表情景(RCP4.5、 RCP6.0和RCP8.5)下的未来2046~2055年夏季气候变化情况,并驱动CMAQ区域空气质量模式模拟气候变化对O3的影响.结果表明,气候变化使中国夏季边界层高度、温度均值和高温天数增加,相对湿度有所降低,近地面风速无明显变化.在气象要素的共同影响下,O3浓度在京津冀、四川和华南等地区呈现增加趋势,O3每日最大8 h滑动平均(MDA8)极值在不同情景下增幅为:RCP8.5(0.7μg·m-3)>RCP6.0(0.3μg·m-3)>RCP4.5(0.2μg·m-3).夏季MDA8超标日变化与高温天数变化有较为相似的分布,MDA8超标的发生与高温天... 相似文献
9.
基于空气质量监测数据,研究了2014~2018年西安市O3浓度和污染的变化特征,利用GAM模型揭示了气象因素对O3浓度的影响.结果表明:①西安市O3浓度逐年上升, 2016年开始O3年评价指标已连续3 a超标.但随着夏季O3污染治理的加强, 2017年后O3浓度升幅趋缓.②O3月均浓度变化曲线主要呈倒V型, 1~7月随气温的升高而上升, 8~12月随气温的下降而下降, 7月月均浓度最大.但在降水量偏大的年份,O3月均浓度常在降水量最大月出现谷值,曲线形态变为M型.③2014~2018年西安市O3污染明显加重,O3污染时段向前延长.O3超标率由2014年的1.9%上升到2018年的14.0%. 2016年起,O3污染出现时间由7月提前至5月.④GAM模型拟合结果表明,气温、气压、日照时数和相对湿度与O3浓度... 相似文献
10.
近年来,我国臭氧(O3)浓度呈升高趋势,成为仅次于PM2.5影响空气质量的重要因素.为掌握长三角地区蓝天保卫战实施期间O3时空变化特征和人群健康影响,采用莫兰指数和冷热点空间统计方法分析了长三角地区2017~2020年210个监测站点O3浓度时空特征,并利用健康风险和环境价值评价法评估了长三角区域人群O3暴露水平变化的健康收益.结果表明,2017~2020年,长三角地区O3年均值和暖季均值的四分位数范围(IQR)呈现从高浓度向低浓度位移的趋势.暖季和冷季O3浓度均值均呈现北高南低的空间分布态势.暖季O3浓度均值在长三角北部和中部腹地城市出现高浓度O3集聚的特征.区域O3年均暴露浓度超过160μg·m-3及以上的人口比例由2017年的72.3%降低至2020年的34.8%.三省一市人口加权年均O3暴露浓度总体呈现下降趋势,但长三... 相似文献
11.
基于环境空气质量数据、气象观测数据和卫星遥感资料,研究了2015~2020年海南岛臭氧(O3)污染的时空分布、变化趋势、O3生成敏感性及其与气象因子的关系.结果表明,海南岛O3-8h (日最大8 h滑动平均值)表现为西部和北部偏高,中部、东部和南部偏低的分布特征,2015年O3-8h浓度最高,2019年O3-8h浓度超标占比最大.O3-8h浓度与平均气温(P<0.1)、日照时数(P<0.01)、太阳总辐射(P<0.01)、大气压和平均风速呈正相关关系,与降雨量(P<0.05)和相对湿度呈负相关关系.卫星遥感数据显示,2015~2020年海南岛对流层NO2柱浓度(NO2-OMI)和HCHO柱浓度(HCHO-OMI)呈相反的变化趋势,2020年NO2-OMI较2015年上升了7.74%,HCHO-OMI下降了10.2%.海南岛属于NOx控制区,近6年FNR值(O3生成敏感性)呈波动式地下降趋势,其趋势系数和气候倾向率分别为-0.514和-0.123 a-1.气象因子与海南岛FNR值有较好的相关关系. 相似文献
12.
南京地区近地面臭氧浓度与气象条件关系研究 总被引:10,自引:0,他引:10
通过分析2013—2015年南京地区相关气象要素对近地面臭氧浓度的影响,建立了用于不同季节高浓度臭氧污染事件的预报预警模型,并归纳总结了南京地区高浓度臭氧出现的天气形势.结果表明,近地面臭氧浓度的变化与气象要素密切相关,气温、能见度、日照小时、总(净)辐射辐照度等要素与O_3浓度呈显著正相关,与相对湿度、总(低)云量呈负相关.高浓度臭氧污染是多因子综合作用的结果,典型气象条件表现为:太阳辐射强,低云量少,相对湿度适宜,地面小风速及特定的风向.通过定义高浓度臭氧潜势指数HOPI和风向指数WDI,并综合考虑14:00地面气温、相对湿度及8:00各标准层的相关气象要素,建立了逐季节多指标叠套的高浓度臭氧预报方程.采用2016年资料对其进行检验,发现预报值与观测值的相关系数分别达0.72(冬季)、0.76(春季)和0.73(夏季),说明方程具有较好的拟合效果和可预报性.通过普查历史天气图,归纳了伴随南京地区高浓度臭氧事件出现的8种主要天气形势,即高压类(高压中心G0、高压后部G1)、低压类(低压底部D0、低压前部D1、低压倒槽D2)、均压类(高压相关的均压JG、低压相关的均压JD、其它均压J).其中,以高压后部地面形势出现概率最大,低压前部均压场出现时对应臭氧平均浓度最高. 相似文献
13.
基于2021年6~8月新乡市市委党校站点观测的挥发性有机物(VOCs)、常规空气污染物和气象参数,采用基于观测的模型(OBM)对臭氧(O3)超标日的O3敏感性和前体物的管控策略进行了研究.结果发现,O3超标日呈现高温、低湿和低压的气象特征.在臭氧超标日,O3及其前体物的浓度均有上升.臭氧超标日的VOCs最高浓度组分为含氧挥发性有机物(OVOCs)和烷烃,臭氧生成潜势(OFP)和·OH反应性最大的VOCs组分为OVOCs.通过相对增量反应性(RIR)分析,新乡6月O3超标日臭氧生成处于VOCs控制区,7月和8月处于VOCs和氮氧化物(NOx)协同控制区,臭氧生成对烯烃和OVOCs最为敏感.6月各前体物的RIR值在一天中会发生变化,但始终保持为VOCs控制区;7月和8月在上午为VOCs控制区,中午为协同控制区,下午分别为协同控制区和NOx控制区.通过模拟不同前体物削减情景,结果表明削减VOCs始终有利于管控臭氧,而削减NOx 相似文献
14.
臭氧作为大气中的二次污染物,其形成和变化复杂,臭氧预报更是当下空气污染治理的难题之一.通过分析2014~2017年佛山地区近地面O3浓度与高低层气象要素的关系,建立了佛山O3浓度预报方程,并进行了检验和应用.结果表明,佛山近地面O3的变化与高低层气象要素关系密切,气温和日照时数等气象要素与O3浓度呈显著正相关,相对湿度、总(低)云量和风速等与其呈负相关;高浓度O3污染发生的气象条件为小风速、晴间少云、低相对湿度、较长的日照时间和较高的温度,高浓度O3潜势指数(HOPI)和风向指数(WDI)的定义可以较好地衡量O3污染气象条件的好坏;综合考虑HOPI和不同高度WDI等13种气象要素,采用多指标叠套和多元逐步回归建立了佛山地区臭氧浓度预报方程;利用2018年资料检验发现,模拟值与实测值二者的相关系数R可达0.82,预报方程具有良好的拟合效果和可预报性. 相似文献
15.
为深入分析大气水汽对空气质量的影响,基于2016年成都温江国家气候观象台的气象观测资料和成都市环境监测中心的环境空气质量指数(AQI),首先利用地面气象要素估算出逐时的大气可降水量(PWV),继而结合空气质量指数资料研究了成都地区降水、静稳天气、太阳辐射强度等气象条件对空气质量及其与大气水汽关系的影响.结果表明:在降水条件下,臭氧(O_3)浓度随着PWV的增大而显著减小,PWV与PM_(2.5)、PM_(10)浓度的正相关系数减小,其中对PWV与PM_(10)浓度的相关性影响最大,相关系数减小47.62%.PWV与O_3的负相关系数在春季增大、夏季减小;PWV与PM_(2.5)的正相关系数在秋、冬季减小.当天气处于高静稳指数时,PWV变化对污染物浓度变化的影响更为显著.不同太阳辐射强度下,PWV与O_3的相关性也不同,随着太阳辐射增强,PWV与PM_(2.5)、PM_(10)的相关性从正相关转变为负相关. 相似文献
16.
采用南京工业区2016年5月20日~8月15日这一高臭氧(O3)期的O3、O3前体物和常规气象资料数据,利用支持向量机回归(SVMr)方法分别预报O3的小时值、日最大值和最大8 h滑动平均值.结果表明,O3小时值预报的相关系数(R2)为0.84,平均绝对误差(MAE)和平均绝对百分误差(MAPE)分别为3.44×10-9和24.48,O3前期浓度、紫外B波段辐射(UVB)和NO2浓度是关键因子.O3日最大值预报的主要因子是NOx在07:00的浓度和UVB.预报O3 8 h时UVB和气温起重要作用.加入前体物项能够使O3的预报精度提升10%~28%.与多元线性回归方法相比,SVMr对O3浓度的预报有明显优势. 相似文献
17.
全国各地为了减少新冠疫情对社会和人民生活的影响,采取了必要的防疫防控措施,这些措施对空气质量的变化产生了重要的影响,此外空气质量的变化与气象条件也存在很大的关系.通过对河南省疫情前(1月1~26日)和疫情管控期(1月27日~2月29日)这两阶段的空气质量分析对比发现,整个河南省除了O3浓度上升了69.64%外,PM2.5、PM10、SO2、CO和NO2分别降低了36.89%、34.18%、19.43%、29.85%和58.51%;通过机器学习算法中的长短期记忆型网络(LSTM)模拟显示,气象条件引起污染物浓度的降幅大部分在15%~30%之间;人为排放减少引起的污染物浓度的降幅大部分在6%~40%之间.O3在疫情期间上升过程中,气象条件和人为排放两种因素分别占了34.84%和34.81%.结果表明,疫情管控期间,河南省空气质量总体上有所改善,但是也有重污染发生,其中O3的浓度对于疫情管控减排的影响不明显,呈负相关,需要进一步探索引起臭氧浓度上升的原因,以此帮助政府合理控制臭氧等前体污染物的减排比例. 相似文献
18.
为了解我国不同气候背景城市O3污染及其与前体物的关系,选取北京市、沈阳市、银川市、成都市、南京市和广州市作为典型代表城市,基于这6个城市2014-2016年ρ(O3)、ρ(NO2)和ρ(CO)资料对O3与其前体物质量浓度变化特征及二者相关性进行研究.结果表明:①2014-2016年6个城市ρ(O3)年均值大小顺序依次为南京市>沈阳市>北京市>银川市>成都市>广州市,ρ(NO2)年均值大小顺序依次为北京市>成都市>南京市>沈阳市>广州市>银川市,ρ(CO)年均值大小顺序依次为北京市>银川市>成都市>沈阳市>南京市>广州市.2014-2016年除广州市ρ(O3)下降、沈阳市变化不明显外,其他城市ρ(O3)总体呈上升趋势;各城市ρ(NO2)和ρ(CO)普遍呈下降趋势.②广州市ρ(O3)夏季最高、春季最低,其他城市四季ρ(O3)大小顺序依次为夏季>春季>秋季>冬季;北京市、沈阳市和银川市四季ρ(NO2)和ρ(CO)大小顺序依次为冬季>秋季>春季>夏季,成都市、广州市和南京市为冬季>春季>秋季>夏季.各城市ρ(O3)和ρ(Ox)日变化呈单峰型,ρ(NO2)和ρ(CO)日变化呈双峰型.③6个城市城区ρ(O3)均低于清洁对照点,城区ρ(NO2)和ρ(CO)均高于清洁对照点,并且城区与清洁对照点O3及其前体物质量浓度差值随城市和月份变化存在一定的差异.④各城市ρ(O3)与ρ(NO2)和ρ(CO)均呈负相关,与ρ(Ox)呈显著正相关;城区ρ(O3)与ρ(NO2)和ρ(CO)的相关性均好于清洁对照点,清洁对照点ρ(O3)与ρ(Ox)的相关性则好于城区.⑤各城市ρ(O3)超标率随ρ(NO2)和ρ(CO)的增加均呈先迅速上升再快速减小,之后缓慢变化的特征,但ρ(O3)超标率峰值对应的ρ(NO2)和ρ(CO)有所差异.研究显示,日照条件较好的银川市、北京市和沈阳市O3与其前体物相关性较成都市、南京市和广州市强. 相似文献