2007—2014年北京地区PM2.5质量浓度变化特征

为更好地解析北京地区ρ(PM_2.5)的长期变化特征及气流轨迹聚类分析结果,对2007年8月—2014年7月在中国环境科学研究院实测的ρ(PM_2.5)数据进行了统计分析,分析其年际、季节和月际变化特征;通过计算PM_2.5的AQI分指数,分析了污染等级的时间变化特征;结合后向气流轨迹,对ρ(PM_2.5)年际、季节变化与气团来源的关系进行了分析.结果表明:北京地区2008—2013年ρ(PM_2.5)年均值分别为111.5、95.8、94.8、80.5、75.2、81.3 μg/m3,整体呈逐年下降趋势,但污染水平依然较高;ρ(PM_2.5)由高到低的季节次序为秋季、冬季、春季、夏季,平均值分别为111.6、94.8、77.2、70.5 μg/m3,PM_2.5重污染时段主要出现在秋冬季节,并且冬季ρ(PM_2.5)近年来逐渐呈上升趋势;ρ(PM_2.5)月均值呈单峰型变化,11月最高(为125.3 μg/m3),7月最低(为76.4 μg/m3);轨迹聚类分析发现,途经山西省北部和河北省南部的气流轨迹中ρ(PM_2.5)较高,而来自北方及西北方向的气团相对较清洁,ρ(PM_2.5)较低.北京地区近些年实施的大气污染减排措施对于控制PM_2.5污染取得了一定效果,但针对秋冬季节重污染过程的控制力度仍需要加强,同时也要注意区域污染传输对北京地区ρ(PM_2.5)的影响.      

北京市区春夏PM2.5和PM10浓度变化特征研究

通过对北京市2012年3月～6月PM2.5和PM10实时数据的整理和分析,结果表明,北京市区大气中细颗粒物PM2.5和可吸入颗粒物PM10浓度日变化趋势基本相同,PM2.5和PM10存在显著或极显著的正相关关系;3月～6月,PM2.5浓度随季节变化逐渐升高,PM10的浓度随季节变化先升高后减小;3月～6月PM2.5与PM10日平均浓度分别为62.77μg/m3和133.88μg/m3,分别为国家二级标准的83.69%和89.25%。     

秋季嘉兴PM2.5质量浓度特征分析

利用膜采样、颗粒在线称重方法和维萨拉气象仪对2004和2006年秋季嘉兴大气中ρ(PM_2.5)及气象因子进行了分析.结果表明:2004和2006年秋季ρ(PM2.5)分别为(84.7±62.4)和(89.0±61.5) 　μg/m3;ρ(PM2.5)占ρ(PM₁₀) 比例为42%～69%;ρ(PM_2.5)日均值变化大(16.7～345.7 μg/m3),晴天ρ(PM_2.5)约为阴雨天的2倍.ρ(PM_2.5)日变化分析表明,晴天呈双峰双谷现象,晚高峰(16:00—20:00)ρ(PM_2.5)大于早高峰(06:00—10:00),阴雨天日变化不明显.PM_2.5与相对湿度无显著相关性,但在不同相对湿度下PM_2.5与能见度呈显著的负指数关系.东北风和西北风是观测期内当地的主导风向,ρ(PM2.5)高值出现在西南风方向,重污染天气过程形成原因复杂.      

北京秋冬季近地层PM2.5质量浓度垂直分布特征

选取秋冬两季各14 d对北京地区近地层ρ(PM_2.5)垂直分布进行监测,获得ρ(PM_2.5)垂直廓线;结合同步测得的气象数据,就气象因素对垂直分布的影响进行了分析;最终拟合了ρ(PM_2.5)垂直廓线方程.研究表明:秋冬两季ρ(PM_2.5)的垂直分布随高度增加而呈对数递减的规律;风速随高度的变化遵循对数规律;发生逆温时,大气层结稳定,垂直方向上的湍流受到抑制,风速与PM_2.5逐时质量浓度在垂直方向的分布呈较好的线性关系,ρ(PM_2.5)随高度改变呈显著的对数相关关系;而在非逆温的情况下,PM_2.5逐时质量浓度垂直分布与风速线性相关的概率较小,质量浓度的垂直分布与高度的对数关系不显著.      

鼎湖山PM2.5 中水溶性离子浓度特征分析

为研究珠江三角洲背景区域大气气溶胶中水溶性离子的特征及其来源,于2007年1月～2008年12月,在鼎湖山利用大流量滤膜采样器采集PM2.5样品,并用离子色谱(IC)分析其中的水溶性离子成分含量.结果表明,PM2.5中总水溶性离子年平均浓度为(36.3±16.4)μg.m-3.其中,3种主要离子SO24-、NH4+和NO3-占总离子浓度的89%;夏季受到来自海洋气团的影响,Na+和Cl-相关性明显增强,相关系数R2为0.91;NO3-/SO24-的平均值为0.32,表明固定源对鼎湖山地区污染的贡献更大;PM2.5中Σ阳离子电荷/Σ阴离子电荷的变化范围为0.44～2.59,平均值是1.03,水溶性离子电荷基本平衡.     

陕西省PM2.5浓度空间维度分析与预测

文章基于陕西省2014年1月-2020年12月59个空气站的空气质量数据,对陕西省各城市PM_2.5浓度及其影响因素进行分析和预测。通过绘制陕西省各城市PM_2.5浓度及其变化的热度图和折线图可以发现,西安、宝鸡、咸阳以及渭南这4个城市的PM_2.5浓度存在一定的同期变化性。利用全局、局部莫兰指数对陕西省各城市PM_2.5浓度的空间效应进行检验,结果表明,陕西省各城市PM_2.5浓度具有正向的空间自相关性,其中西安、咸阳和渭南呈现出较强的PM_2.5高浓度聚集效应。考虑到地理位置对PM_2.5浓度的影响,建立陕西省各城市PM_2.5浓度与PM₁₀、O₃、NO₂、SO₂、CO浓度的空间变系数模型。通过绘制解释变量回归系数估计值的3D散点图可以发现,PM₁₀、NO₂及CO浓度等在不同的地理位置对PM     

2015~2018年中国代表性城市PM2.5浓度的城乡差异

选取中国6大城市群中的11座代表性城市为研究区域,将监测站点划分为城区、郊区和乡村站,进而分析各城市间PM_2.5浓度的城乡差异规律.结果表明,同一城市群各城市之间,或同一城市的城区、郊区、乡村站间PM_2.5日变化皆较为相似.京津冀和长三角地区的城市城区PM_2.5浓度最高,高于郊区7.8%~9.7%,高于乡村11.3%~16.9%,而粤港澳大湾区和内陆城市群（成渝、长江中游、关中平原城市群）的城市郊区PM_2.5浓度最高,高于城区2.6%~11.2%,高于乡村16.7%~26.5%.各城市间城乡PM_2.5浓度差值的日变化规律不尽相同,可呈单峰（如上海）或双峰（如杭州）变化,极值可出现在白天（如广州）,亦可在夜间（如深圳）.PM_2.5的排放与传输扩散共同对11城市城乡PM_2.5浓度分布产生影响.     

沈阳市PM2.5浓度ARIMA-SVM组合预测研究

首先利用回归树分类方法,对采暖期与非采暖期各日进行气象类型划分,识别出易造成重污染天气的气象类型.其次分别在各气象类型内,以污染源排放量为自变量,利用差分自回归滑动平均与支持向量机（ARIMA+SVM）组合方法建立起PM_2.5浓度日均值预测模型,并选取2013年01月~2017年06月间,沈阳市区内9个环境监测点PM_2.5浓度日均值进行实证分析.结果表明,使用气象分类下的ARIMA+SVM组合模型对PM_2.5浓度日均值进行预测,相比于不划分气象类型时的普通机器学习模型,其模型预测值与实测值趋势的吻合度更高,且对峰-谷值的识别能力更强.在采暖期与非采暖期,组合模型均具有平均绝对误差更低、预测正确率更高的优点.     

手工法与自动监测法测定PM2.5质量浓度比对研究

采用小流量颗粒物采样器手工采样重量法和基于微振荡天平原理自动监测法监测PM2.5质量浓度。通过2010年9月至2011年8月期间两种方法的监测数据比对显示出季节差异,冬、春两季手工法获得质量浓度高于自动法,夏、秋两季手工法低于自动法,可能与两种采样方法下膜置于不同的温度有关。当受沙尘影响、持续污染或者高温污染时,两种方法结果偏差较大,可能与仪器的粒径切割效率改变有关。     

基于深度学习模型的广州市大气PM2.5和PM10浓度预测

精准预测大气污染颗粒物PM_2.5、PM₁₀浓度能为大气污染防治提供科学依据,但目前较多PM_2.5和PM₁₀浓度预测在缺少污染源排放清单和能见度数据时,预测精度不高。而目前深度学习模型应用于PM_2.5和PM₁₀浓度预测的研究还鲜见报道。基于广州市2015年6月1日—2018年1月10日的空气质量和气象监测历史数据,分别构建了随机森林模型(RF)、XGBoost模型2种传统的机器学习模型和长短时记忆网络(LSTM)、门控循环单元网络(GRU)2种深度学习模型,并对广州市的PM_2.5、PM₁₀日均浓度值进行预测。结果表明:在缺少污染源排放清单和能见度数据时,4种模型也能较好地预测PM_2.5、PM₁₀日均浓度。根据MSE、RMSE、MAPE、MAE和R2等评价指标,对4个模型的PM_2.5、PM₁₀预测效果进行测评,得出深度学习GRU模型预测效果均为最佳,RF模型的预测结果均为最差。相比目前研究及应用较多的RF模型、XGBoost模型、LSTM模型,基于深度学习的GRU模型能更好地预测PM_2.5、PM₁₀浓度。     

我国PM2.5浓度分阶段改善目标情景分析

分析了部分发达国家、地区PM_(2. 5)改善经验和我国74个重点城市2013～2016年PM_(2. 5)年均浓度的改善情况,得出不同浓度区间城市所能达到的PM_(2. 5)年均浓度降幅,并据此设计了我国城市PM_(2. 5)浓度改善情景,通过自下而上的计算方法,测算了全国城市、31个省(区、市)及重点区域的PM_(2. 5)浓度分阶段改善目标.结果表明,在2种情景下我国PM_(2. 5)年均浓度均将在2025年前实现达标,在2030年下降到30μg·m~(-3)以下;京津冀及周边地区在2030年实现达标;长三角地区在2025年达标,2030年区域内城市实现全面达标.北京、天津、河北、河南等省(市)基准年PM_(2. 5)年均浓度高,在2030年实现达标的压力较大;在重点区域强化情景下,京津冀及周边地区2030年仍有接近40%的城市PM_(2. 5)浓度超标,应持续加大重污染地区PM_(2. 5)污染防治工作的力度,以推进PM_(2. 5)浓度目标的实现.     

北京市大气环境PM2.5和PM1及其碳质组分季节变化特征及来源分析

大气颗粒物是影响我国大多数城市环境空气质量的首要污染物,近年来随着监测技术的进步和采样设备的改进,相关研究对象逐渐从大粒径的PM_10、PM_(2.5)转移到更小粒径的PM_1上.碳质组分是大气颗粒物的重要组成部分.以北京市为研究区域,选取2016年7月、10月及2017年1月、4月作为4个季节的代表月,对大气环境中的PM_(2.5)和PM_1进行采集,分析了二者的质量浓度和季节变化特征.采用两层嵌套气象-空气质量模型系统(WRF-CMAQ)耦合模型对采样时段进行了模拟,分析观测期间PM_(2.5)和PM_1的来源贡献,并使用因子分析法解析了碳质组分的来源.结果表明,PM_(2.5)和PM_1的质量浓度均呈现春、夏、秋、冬这4个季节递增的趋势;PM_1是PM_(2.5)中的主要组成,而且秋冬季节随着灰霾发生频率的增加,PM_1质量浓度占PM_(2.5)的比值明显升高;北京市大气环境中存在明显的二次污染,且SOC更容易在粒径更小的PM_1中积聚.散煤燃烧、机动车尾气排放、居民面源及生物质燃烧排放是北京市大气颗粒物的重要贡献来源;汽油车尾气、柴油车尾气、生物质燃烧和燃煤排放是北京市大气颗粒物中碳质组分的主要来源.     

2013年北京市不同方位PM2.5背景浓度研究

利用2013年北京市6个站点PM_(2.5)浓度及5个站点气象监测数据,综合采用数理统计、物理识别、数值模拟的方法分析了2013年北京市不同方位PM_(2.5)的背景值.结果表明,2013年北京市西北、东北、东、东南、南、西南这6个方向边界点位的背景浓度在40.3~85.3μg·m-3之间,按由低到高顺序依次为密云水库、八达岭、东高村、榆垡、永乐店和琉璃河;2013年北京市PM_(2.5)北风时段背景值最低,西风时段次之,南风、东风时段明显偏高,不同风向下背景浓度的平均值分别在6.5~27.9、22.4~73.4、67.2~91.7、40.7~116.1μg·m-3之间,表现出北京东、南方向PM_(2.5)背景浓度较高分布特点;模拟的2013年北京市PM_(2.5)背景浓度空间分布呈现出南高北低的特征,周边区域对北京市PM_(2.5)背景浓度空间分布影响显著.     

2000~2019年中国PM2.5时空演化特征

本研究利用PM_2.5实测数据、MERRA-2 AOD与PM_2.5再分析数据、气象因子和夜间灯光等数据,基于极限梯度提升、梯度提升、随机森林模型和Stacking模型融合技术提出了PM_2.5浓度组合估算模型.在此基础上,从年、季、月尺度综合分析了2000~2019年中国PM_2.5时空变化特征.结果表明：①组合模型实现了中国2000年以来PM_2.5逐月浓度的可靠估算.②2000~2019年中国PM_2.5年均浓度呈快速增加保持稳定显著下降的趋势,2007年和2014年分别为增加到稳定和稳定到下降的转折点.PM_2.5月均浓度呈先降后升的"U"型趋势,最小值在7月,最大值在12月.③自然地理条件和人类活动奠定了中国PM_2.5浓度年度空间格局变化的基础,气象条件的逐月变化决定了PM_2.5浓度月度空间格局变化的主基调.④2000~2014年中国PM_2.5浓度的标准差椭圆中心向东移动,2014~2018年椭圆中心向西移动.1~3月椭圆中心向西移动,4~9月椭圆中心先北移后南移,9~12月椭圆中心向东移动.     

漯河市PM10和PM2.5中水溶性离子浓度特征及其来源解析

为了研究漯河市PM_2.5和PM₁₀及其水溶性离子变化特征,于2017年5月—2018年2月在漯河市3个采样点同步采集PM_2.5和PM₁₀样品,分别获得PM_2.5和PM₁₀有效样品191和190个.用离子色谱法分析样品中F-、Cl-、NO₃-、SO₄2-、Na+、NH₄+、K+、Mg2+、Ca2+等9种水溶性无机离子.结果表明:在采样期间,漯河市ρ（PM_2.5）平均值为72.42 μg/m3,其中ρ（总无机水溶性离子）的年均值为34.76 μg/m3,占ρ（PM_2.5）的46.72%;ρ（PM₁₀）平均值为126.52 μg/m3,其中ρ（总无机水溶性离子）的年均值为46.40 μg/m3,占ρ（PM₁₀）的35.67%.2种颗粒物水溶性离子质量浓度的季节性变化均呈冬季高、夏季低的趋势.PM_2.5/PM₁₀〔ρ（PM_2.5）/ρ（PM₁₀）〕在四季分别为0.50、0.61、0.56、0.57.采样期间漯河市PM_2.5中NOR（氮氧化率）和SOR（硫氧化率）的年均值分别为0.17和0.30,PM₁₀中NOR和SOR的年均值分别为0.22和0.34,说明颗粒物中SO₄2-的二次转化效率高于NO₃-.PM_2.5和PM₁₀在采样期间均呈弱碱性,且碱性在夏季最强,秋季最弱.利用PMF模型分析PM_2.5和PM₁₀中水溶性离子的主要来源发现,PM_2.5中水溶性离子来源主要包括生物质燃烧源、燃煤源、建筑扬尘源、工业源和二次污染源,PM₁₀中水溶性离子来源主要包括燃煤源、建筑扬尘源、二次污染源、生物质燃烧源和工业源.研究显示,漯河市颗粒物污染中水溶性离子来源复杂,应采取多源控制的污染防治措施.      

太原市PM2.5中有机磷阻燃剂初步研究:污染特征及季节变化

2013年10月至2014年7月,在太原城区,分4个月采集大气细颗粒物,每个月选取4个样品,分析了颗粒物上8种有机磷酸酯阻燃剂(OPFRs)的浓度与组成。结果表明,大气PM2.5样品中OPFRs总浓度算术平均值为890±486 pg/m3,其中三种含氯有机磷阻燃剂(TCEP,TCPP和TDCPP)占总量的80%,其他5种无氯OPFRs占总量的20%。化合物组成上,以TCPP(38.5%)最高,其次分别为TCEP(34.6%)、TPP(9.6%)、TDCPP(6.9%)、TTP(5.1%)、TBP(3.2%)、Eh DPP(1.1%)和TEHP(0.8%)。季节变化来看,夏秋季样品中OPFRs浓度较高,而冬春样品浓度较低,且在化合物组成上,夏秋季样品中含氯OPFRs相对浓度要高于冬春季样品。相关分析显示,有机磷阻燃剂浓度变化与颗粒物浓度、有机质含量高低和环境温度无相关性,而主要与气团来源有关。     

2014~2016年间郑州市控制PM10和PM2.5污染的健康效益评估

根据郑州市2014~2016年间大气中PM₁₀和PM_2.5年平均浓度数值,采用泊松回归相对危险模型,评估了控制PM₁₀和PM_2.5污染后所能带来的95%置信区间下的健康效应及健康效益.结果表明,2014~2016年间,PM₁₀浓度达到二级限值后所带来的经济效益（以亿元计,括号中为置信区间,下同）分别为181.8（150.4,211.2）、242.5（202.5,279.4）和206.2（173.3,239.2）,分别占郑州市当年生产总值的2.7%、3.3%和2.5%;PM_2.5浓度达标后所带来的经济效益分别为178.8（143.7,211.6）、216.5（174.6,255.3）和172.5（137.8,205.5）,分别占郑州市当年生产总值的2.6%、3.0%和2.1%.PM₁₀和PM_2.5浓度达标后,城镇受益人数高于农村,急性支气管炎减少人数高于其他健康终端,对于慢性支气管炎,成人受益比儿童大,哮喘则相反.慢性支气管炎人数减少带来的健康经济效益最高,其次为哮喘,门诊和住院的健康效益最低.     

南昌市城市空气PM2.5和PM10时空变异特征及其与景观格局的关系

基于2013—2015年南昌市9个空气环境监测点的连续数据,分析了空气PM_(2.5)、PM_(10)质量浓度(以下简称浓度)的时空变异规律,并以景观格局指数为定量指标,研究了监测点的两种颗粒物浓度与其周边500 m半径、1000 m半径缓冲区的土地利用状况的关系.结果表明:(1)南昌市3年来PM_(2.5)和PM_(10)浓度逐年显著降低.(2)通过聚类分析,9个监测站依据颗粒物污染可分为4大类,表现出一致的城乡梯度差异.(3)在斑块类型水平上,PM_(2.5)和PM_(10)浓度与500、1000 m半径缓冲区的C-PLAND(建筑用地覆盖率)、C-SHDI(建筑用地多样性指数)显著正相关,与1000m缓冲区的F-ED(林地边界密度)显著正相关;与F-PLAND(林地覆盖率)、C-Fi(建筑用地分离度指数)、F-MPS(林地平均斑块面积)显著负相关.在景观水平上,PM_(2.5)和PM_(10)浓度在500 m缓冲区与LPI(最大斑块所占景观比例)显著负相关;与1000 m缓冲区的MPS(平均斑块面积)显著负相关.景观格局指数直接反映土地利用状况,它与PM_(2.5)和PM_(10)浓度的相关性,表现出生态学中典型的"源汇景观"关系.