2017年上半年北京市及周边地区空气质量特征分析

依托北京市、廊坊市和保定市高密度的地面空气质量监测、气象要素监测以及PM_2.5化学组分监测和后向轨迹分析等手段，对2017年上半年三地的空气质量进行分析。研究发现：三地中北京市空气质量较好，保定市较差。分污染物来看，保定市SO₂浓度水平明显高于廊坊市和北京市，颗粒物PM₁₀和PM_2.5也呈现保定市最高、北京市最低的规律。从污染物日变化来看，CO、SO₂、NO₂、PM₁₀和PM_2.5呈双峰型分布，O₃呈单峰型分布。从区域整体分布规律来看，PM_2.5和SO₂呈现明显的"南高北低"特征。PM_2.5化学组分分析结果表明：1—4月燃煤对该区域空气质量的影响较大，5—6月机动车排放的影响更为凸显。后向轨迹分析结果表明：在2017年上半年到达北京市的气流中有24%来自于北京市南部，且这些气流多为低空传输，表明区域传输对于北京市空气质量具有一定的影响。     

2010年春季沙尘天气对北京市空气质量的影响及其天气类型分析

利用2010年3-5月北京市市区以及北京西北部、西部和东部3个不同方位边界的空气质量自动监测站监测数据,结合气象资料和激光雷达观测数据,分析了春季外来沙尘对北京市空气质量的影响。研究结果表明:2010年春季北京市出现15次外来沙尘天气,外来沙尘输送对北京市空气质量的影响天数为21 d,直接造成15 d空气质量超标,最严重的一次API指数达到最大值500。沙尘的天气形势特征以及输送路径的不同,对北京市空气质量的影响有明显差异。当低压中心过境时,沙尘天气影响最重,颗粒物浓度显著上升,气态污染物迅速下降,沙尘呈现自西北向东南输送的特征;低压底部过境与低压中心过境类似,但是沙尘强度略弱;除此之外,沙尘回流也可以直接造成北京市空气质量超标,颗粒物浓度和气态污染物浓度均表现出上升的变化趋势。     

外来沙尘输送对北京市空气质量影响的预报预警技术初步研究

利用多方位监测数据和气象资料,分析了2010—2011年春季外来沙尘输送对北京市空气质量指数的影响,提出外来沙尘对北京市空气质量级别影响的预报判据。此外,基于NAQPMS模型的沙尘模块,开展数值预报研究,并对北京市2010年3月一次沙尘天气污染过程进行数值模拟试验,结果表明,模拟的PM10浓度值与实测值有较好的一致性。通过判别预报和数值模拟两种预报技术的开展,可以预报沙尘输送影响的空气质量级别、沙尘分布和演变规律,为进一步开展空气质量预报预警和防控沙尘工作打下了很好的科学基础。     

北京市空气污染指数及其影响因素分析

以北京市2001—2012年空气污染指数(API)和气象资料为基础,通过描述统计和GLM模型分析了北京市API的变化趋势和影响因素。分析结果表明,从年际变化看,北京空气质量呈逐年好转趋势;空气质量季节差别显著,春季和冬季的空气质量最差,夏季空气质量显著优于冬季和春季;各气象因素对空气质量均有显著影响,气压、气温、降水、日照时间与API呈负相关关系,其升高有利于空气质量改善,而日最高温、湿度、风速与API呈正相关关系。交通限行政策对北京空气质量有显著改善作用,但未发现API存在显著的周末效应。     

北京市空气质量及其与能源消费结构的动态关联

运用模糊集理论中的Euclidean权距离评价2002—2011年北京市空气质量。根据最大隶属度原则确定空气质量等级值,结合灰色系统理论中的关联动态矩阵分析法,研究北京市主要大气污染物与9种能源消费因子的动态关系。结果表明,2002、2004—2007年北京市空气质量处于Ⅲ级,2003、2008—2011年处于Ⅱ级,空气质量由劣到优的年份排序为2002、2011、2010、2006、2007、2009、2008、2005、2004、2003年,2003、2008年空气质量得到改善,2009年以来有所恶化;燃料油、焦炭和煤炭是造成北京市大气污染的前3位能源,天然气是最清洁的能源;同种能源与不同污染物的关联程度相似;同种能源与污染物在不同时间段的关联序基本不变,不同能源因子分别表现出"缓慢上升"、"逐渐升高"、"水平S"型和"倒U"型4种态势;燃料油与大气污染物"同增同减",大气污染物与燃料油正相关;天然气与大气污染物"此涨彼消",天然气与大气污染物负相关。     

基于环境监测数据的APEC会议空气质量保障环境改善效果评估

在简要回顾APEC期间的空气质量情况的基础上,从多方面较系统的分析了APEC期间北京市空气质量的变化特征,包括各项污染物浓度水平的同比分析、不同区域不同类别站点小时浓度的百分数分布及变化情况分析、污染物日变化规律变化特征分析、空气质量改善效果的空间分布特征分析、颗粒物组分变化特征分析、污染来源解析模型、数值污染模型等方法,力求从多个方面深入了解APEC控制措施对北京市污染水平、污染特征造成的影响,并利用组分、模型等方法定性定量的评估主要空气质量影响因素、不同的污染控制措施对APEC期间空气质量改善的作用及贡献。结果表明,APEC期间,北京市空气质量得到明显改善,空气质量基本处于优良级别,各项污染物浓度大幅下降,APEC污染控制期各项污染物的百分位数浓度与无控制期出现明显分离特征,污染物的日变化低浓度持续时间更长且增长更缓慢。     

2005年上半年47个环境保护重点城市空气质量分析

据中国环境监测总站对47个环境保护重点城市2005年上半年空气质量分析表明，与2004年相比，空气质量整体有所提高；二级及好于二级天数增加的城市有28个，天数相同的城市有6个，天数减少的城市有13个。空气质量全都为二级及好于二级的城市有7个；90％以上天数空气质量为二级及好于二级的城市有27个，占总数的57．4％，比2004年增加17．0％。二级及好于二级空气质量天数比2004年同期增加20％以上的城市有3个。     

北京市大气污染物浓度空间分布与优化布点研究

基于地统计学方法对北京市2012年11—12月的大气污染物SO2、NO2、PM10和PM2.5浓度数据进行了空间分析。结果表明,4种污染物浓度数据均符合正态分布,满足地统计学分析的使用条件且均呈现中等强度的变异性。4种污染物半变异函数的块金效应值分别是29%、24%、7%、4%,表现出很强的空间相关性。4种污染物长轴变程分别是63、58、62、90 km,短轴变程分别是31、37、48、50 km,空间分布呈现出各向异性,变程范围与中尺度天气系统相当。研究大气污染物的空间分布特性对于整体把握区域环境空气质量和监测点位优化十分重要,以北京市区域空气质量中PM2.5监测站点设置为例,其监测站点在长轴方向上的间隔设置应取20~25 km,短轴方向上布点间隔应为8~12 km。     

AQI标准下北京市空气质量数值预报系统及其在重大活动保障中的应用

围绕新AQI标准下环境空气重污染预报预警工作的需求,全面优化升级了北京市空气质量数值预报系统。该系统集成了新一代天气模式WRF,并进一步发展污染源处理模型SMOKE,实现了点源、面源、机动车源等排放源高时空分辨率制作,同时紧追空气质量模型(CMAQ、CAMx、NAQPMS)新发展,实现在线源解析模块的业务应用。这一系统不仅在日常业务预报中有效提升了北京市空气重污染过程的预报准确率,还成功应用于2014年APEC会议、2015年纪念中国人民抗日战争暨世界反法西斯战争胜利70周年阅兵等重大活动空气质量保障工作中,满足了重大活动对空气质量预报预警的特殊需求,为进一步提高城市空气质量预报预警技术的发展做出有益尝试,并积累了丰富的经验。     

47个环境保护重点城市空气质量分析

据中国环境监测总站对47个环境保护重点城市2004年1至11月空气质量监测结果分析表明：与2003年同期相比，空气质量整体略有提高；二级及好于二级天数比例增加的城市有22个，天数减少的城市有19个。空气质量全都为二级及好于二级的城市有7个，分别为海口、北海、珠海、桂林、湛江、汕头和厦门；90％以上天数空气质量为二级及好于二级的城市有21个，占总数的44．7％，比去年同期减少2．1％。     

三清山主要树种重金属污染与华东各山的比较

对江西三清山常见树木叶片重金属含量进行分析测定，并与黄山、庐山、西天目山、乌岩岭同种树种进行了比较。结果表明：三清山已受到一定程度的污染，树木叶片对重金属具有富集作用，富集特性比较：铅：苦槠〉樟〉木荷〉青岗；铜：苦槠〉甜槠〉樟〉木荷〉青岗；镉：甜槠〉樟〉木荷〉苦槠〉青岗；锌：青岗〉甜槠〉苦槠〉樟〉木荷，４种重金属富集能力比较为镉〉铜〉锌〉铅。     

2013—2019年青岛市空气质量变化特征分析

为掌握滨海城市环境空气质量变化特征,为污染精准管控和打赢蓝天保卫战提供科学参考,以沿海重要中心城市青岛市为研究区域,基于青岛市9个国控空气监测点位监测结果,对2013—2019年青岛市6项空气污染物浓度监测结果进行分析,总结归纳青岛市空气质量时间变化特征。结果表明：2019年,青岛市空气质量超标,超标指标为颗粒物;青岛市2014年空气质量最差,2018年空气质量最好;2013—2019年,青岛市O₃浓度总体呈上升趋势,其余5项污染物浓度呈下降趋势;青岛市环境空气主要污染物是PM_2.5,其次是O₃;青岛市空气质量冬季差于其他季节,春节期间烟花爆竹燃放等人为活动使空气质量变差。     

简讯

2005年上半年47个环境保护重点城市空气质量分析据中国环境监测总站对47个环境保护重点城市2005年上半年空气质量分析表明,与2004年相比,空气质量整体有所提高;二级及好于二级天数增加的城市有28个,天数相同的城市有6个,天数减少的城市有13个。空气质量全都为二级及好于二级的城市有7个;90%以上天数空气质量为二级及好于二级的城市有27个,占总数的57·4%,比2004年增加17·0%。二级及好于二级空气质量天数比2004年同期增加20%以上的城市有3个。摘自中国环境监测总站《环境监测信息简报》2005年第6期宁波市环境监测中心站饮用水源地藻类课题进…     

乌鲁木齐市冬季AQI与气象要素的相关性分析

选取污染事件较为严重的冬季为研究对象，分析该季节空气质量指数(Air Quality Index,以下简称AQI)变化及其与气象要素之间的相关特性，为乌鲁木齐市在大气污染治理方面提供相关的理论依据。利用乌鲁木齐市2019—2021年的逐日AQI和地面气象要素数据，分析了该市冬季空气质量特征及其与气象要素的关系，结果表明：乌鲁木齐市1月空气质量最差，污染主要出现在冬季12月至翌年2月；冬季空气质量呈现明显的南优北劣的空间特征；冬季AQI与相对湿度呈显著的正相关，与降水量、气温、风速呈显著的负相关；降水量低于0.5 mm、相对湿度在60%～75%、平均气温在-20～-10℃、平均风速低于2 m/s时，容易出现重污染天气。     

香港通过空气污染修订条例标准与美国欧盟相若

新华网消息香港特区立法会7月10日通过空气污染管制（修订）条例，特区政府环境局局长黄锦星对此表示欢迎。条例将于2014年1月1日生效，其目的是落实新空气质量指标。
　　黄锦星说，新空气质量指标是以世界卫生组织空气质量指引的中期和最终目标为基准，与欧盟及美国采纳的标准大致相若。为展示政府对保障公众健康和改善空气质量的持续关注，条例亦加入每5年最少检讨空气质量指标一次的条文。     

2013—2017年间京津冀地区空气质量及影响因素分析

基于统计学和GIS方法对京津冀地区2013—2017年间空气质量指数（AQI）分布情况及影响因素进行分析,探究城市发展对空气质量的影响。结果表明：京津冀地区空气质量大体趋势由北向南逐渐恶化,可宏观对比5年的变化,污染程度逐年减弱;PM10为首要污染物所占的天数比例最高,O3为首要污染物所占的天数比例逐年增加;气温、风速与AQI呈负相关,而相对湿度、气压与AQI不同地区正负关系不同;空气质量与经济增长的环境库兹涅茨曲线为倒N型。     

京津冀地区经济发展与PM10浓度变化的灰色关联分析

近几年,京津冀地区因灰霾天气频发而备受关注。通过分析京津冀地区PM10浓度变化与主要经济指标的关系,查找京津冀地区空气污染原因,并为今后污染控制措施提供参考。采用灰色关联分析法,对2007—2012年京津冀地区PM10与GDP、钢铁产量、煤炭消费总量、原油消费总量、天然气消费总量5项经济指标进行了分析,结果表明,在与本地经济指标的关联度方面,京津冀地区、北京市、天津市的PM10与煤炭消费总量相关性高;河北省略有不同,钢铁产量为关联度最高的经济指标。在与京津冀地区经济指标的关联度方面,相比本地,北京市、河北省均呈现较大差异性,天津市差异性较小,说明北京市、河北省空气质量受自身影响较大,天津市空气质量受区域传输影响明显。建议整个京津冀地区均应重点加大"控煤"力度,天津市还需加强区域联防联控力度,河北省应加快钢铁企业转型升级,压缩过剩产能。     

融合拓扑信息与气象信息的空气质量预测网络

通过空气质量监测数据对正在形成或即将到来的空气污染进行预测是一项具有重要意义的工作，而空气质量监测站只能检测其周围一定范围内的空气污染情况。为了衡量整个城市的空气污染情况，获取任意时间、任意位置的空气质量信息，结合交叉注意力机制，提出了一种融合拓扑信息与气象信息的空气质量预测网络(CGMIM)。将西安市空气质量监测数据与气象数据转换为图像拼接起来，作为输入信息。在高阶非线性时空动态神经网络(MIM)的基础上引入注意力机制，并增加拓扑图编码器模块，提高模型提取能力以及对空气质量监测数据中的空间特征的利用率。最后，使用时空损失函数替代传统的均方误差损失函数，提高模型对空间关系的关注。结果表明：CGMIM网络模型能够在准确预测的同时，对位置区域合理填充，能够有效提升空气质量监测数据的空间分辨率。     

兰州市空气质量预报系统研究

从潜势预报、统计预报、数值预报三方面介绍了兰州市空气质量预报系统的研究方法和结构特点,并检验分析了2001年4～10月兰州市空气质量预报,结果表明,此系统具有较强的预报能力,适用于兰州市空气质量预报业务。     

灰色关联分析模型在环境空气质量评价中的修正及应用研究

在深入研究灰色理论的基础上,对传统关联分析模型做了两点修正,先是利用参考点简化了模型的计算公式,再根据各污染物排放贡献率的不同确定了各级权重系数。利用此模型准确反映了杭州市经济技术开发区2003年环境空气质量综合等级为Ⅲ级,并对不同样本的空气质量进行了优劣性比较,进一步分析了该区因子与因子及因子与总量之间的相关关联程度,确定该区大气主要污染物为PM10。