乌鲁木齐空气质量指数特征及其与气象要素相关性分析

利用2018年3月至2019年2月乌鲁木齐市空气质量指数(AQI)和同期6种主要空气污染物(PM_(2.5)、PM_(10)、NO_2、SO_2、CO、O_3)以及气象要素数据,研究空气质量指数的变化特征,并分析其与6种主要空气污染物浓度及气象要素的相关性,为乌鲁木齐市大气污染与气象要素相关性研究提供一定的数据支撑。结果表明:乌鲁木齐市首要污染物最多的是PM_(2.5),其次是PM_(10)、NO_2和O_3,AQI指数与PM_(2.5)、PM_(10)、NO_2、SO_2、CO均呈高度相关,与O_3呈中度相关;空气质量指数与平均气温以及能见度具有显著的负相关性(p0.01),而与平均本站气压、平均相对湿度、平均风速、日照时数的相关性均不显著(p0.01)。     

2015～2019年云南省城市空气质量特征及影响因素研究

利用2015～2019年云南省16个州市29188个空气质量日报数据进行数理统计,采用克里金插值法及Daniel趋势检验法分析AQI (空气质量指数)及主要污染物浓度的时空变化特征,探讨近5年云南省城市空气质量时空变化特征及其影响因素。结果表明:(1) 2015～2019年云南省SO_2、PM_(2.5、)PM_(10)浓度呈下降趋势,NO_2浓度保持基本稳定,O_3浓度呈显著上升趋势,各年间空气质量综合指数值波动较小,且逐年改善。(2) 2019年O_3-8h作为超标污染物占比达57.52%。云南省PM_(2.5)年均值相对较高区域面积略有减少,O_3年均值相对较高区域面积显著增加。(3)云南省PM_(2.5)与PM_(10)月均值呈现冬春高夏秋低的变化规律,O_3月均值为春季单峰高值,SO_2月均值整体趋势平稳变化幅度不大。(4)云南省AQI值及平均能见度和平均降水量呈显著负相关(P0.01),AQI值与平均气温及平均风速不存在显著相关性。研究显示云南省空气质量优良逐年改善,污染类型由颗粒物污染转为以颗粒物和臭氧为特征的复合型污染。空气质量受气象条件影响,能源结构优化、污染物总量减排等措施对空气质量改善起到积极作用。     

大连市南部地区冬季气态总汞浓度特征研究

利用RA-915AM汞监测仪对大连市南部地区冬季环境空气中的气态总汞进行连续监测,研究了该地区气态总汞的污染现状、日变化特征以及与空气质量指数(AQI)和气象参数的关系。结果显示,采样期间气态总汞浓度日均值变化范围为2.1~7.1 ng/m3。气态总汞浓度与AQI具有几乎一致的变化趋势。气态总汞浓度从早晨7:00左右开始逐渐减小,中午时达到最小值,之后又逐渐增大。夜间浓度高于昼间,属于夜间控制型。气态总汞与风速呈显著负相关性,与相对湿度呈显著正相关性,与温度无相关性。     

长沙市空气质量变化特征及气象要素影响分析

利用2015—2018年长沙市连续在线观测得到的环境空气6项污染物质量浓度和同期的气象要素数据,分析空气质量变化特征及其与气象要素的关系。结果表明:长沙市空气质量正逐年好转,且具有明显的季节特征,呈春夏季较好、冬秋季较差的特征;影响长沙市空气质量最主要的首要污染物为PM_(2.5),其次为O_3,且以PM_(2.5)为首要污染物的天数逐年减少,以O_3为首要污染物的天数逐年增加。PM_(2.5)、PM_(10)、NO_2、SO_2、CO浓度的季节变化特征都是夏低冬高,但O_3浓度的季节变化却是夏高冬低。各项污染物浓度与同期5种气象要素的相关性分析结果表明:各项污染物浓度与气压、气温、降水量、风速相关程度较高,其中,O_3与气象要素的相关性与另外5种污染物的相关性完全相反。     

“十二五”期间高平市空气质量特征及其与气象要素的关系

基于高平市2011~2014年间的常规污染物浓度监测数据并结合同期气象资料,分析了高平市的空气质量变化特征,并讨论了空气污染指数与气象要素之间的相关关系。结果表明,高平市的空气质量从2013年开始下滑,空气良好率下降了7个百分点;首要污染物以PM_(10)为主;空气污染指数月变化具有统计学意义,季变化差异无统计学意义;气象因素与空气污染密切相关,气压、相对湿度与空气污染指数呈显著正相关,全年降水量、风速、气温与空气污染指数呈显著负相关;气温与空气污染指数间的相关性最高,其次为风速;东南气流为主导风向时往往给高平市带来优良空气质量,而北西北风向常伴随着污染日的出现。     

近20年来乌鲁木齐空气质量时空变化趋势分析

基于2001～2018年乌鲁木齐市空气质量监测数据及2014～2018年各监测站点的数据,采用主成分分析法、BFAST趋势分析法、及反距离权重插值法对乌鲁木齐市空气质量进行时空分析。结果表明:乌鲁木齐市空气质量在2012年前呈升高降低交替的趋势,2012年煤改气后呈急速下降的趋势;污染物以PM_(2.5),SO_2,CO为主,方差累计贡献率达到85.37%;由BFAST对AQI时间序列进行分解与识别发现,周期为1年且AQI呈现两头高中间低的双峰型特征,6～8月为U型谷底,趋势上呈现逐年递减的趋势。由空气质量空间分布得出AQI高值区仍然聚集在新疆农科院农场和米东区环保局,低值区则集中在收费所与监测站且由北向南呈逐渐递减的趋势;变化速率最快的为铁路局,改善最好的是米东区环保局,空间插值与主成分分析结果一致。     

2014~2016年成都地区空气污染气象要素分型研究

为研究成都地区发生不同程度空气污染时,地面气象要素的搭配类型特征,基于成都地区2014~2016年多个逐日气象要素值(气温、气压、湿度等)和逐日AQI资料,对2014~2016年成都地区空气质量状况进行特征分析,并且通过TSI天气分型方法,并结合同期逐日空气质量资料探讨了四季不同天气类型下空气质量特征,主要结果为:(1)2014~2016年成都市总体空气质量夏秋季空气质量最佳,春季次之,冬季最差。(2)不同天气类型空气质量状况差异较大。春季3型和4型容易发生轻度污染;夏季1型和4型容易发生轻度污染;秋季3型容易出现轻度污染;冬季4型和5型天气下容易发生轻度污染以上的空气污染状况。研究为成都地区空气污染气象研究提供参考依据,也为空气污染预报提供一些借鉴意义。     

基于Moran’s I指数的京津冀地区PM2.5空间自相关分析

选取2014~2018年京津冀地区环境监测站点PM_2.5浓度观测数据,基于Moran's I指数,分析了该地区PM_2.5浓度的时空变化特征以及空间相关性。研究表明:2014~2018年京津冀地区PM_2.5浓度空间分布差异显著,2014年良、轻度、中度污染面积约占1/3,降至2018年以“良”为主;PM_2.5浓度空间分布北部、西部优于南部、东部地区,山区优于平原地区;PM_2.5浓度年平均值、IQR、Q1、Q3值及标准差均呈下降趋势,达到且接近于“良”以上程度的站点,从2014年2成增长至2018年8成;通过对历年及各月PM_2.5浓度全局Moran's I指数分析,I值(除7月外)均超过0.5,生成的P值均小于显著水平0.01,Z得分均超过了临界值2.58;年、月平均值均呈显著的集聚效应,年值集聚效应呈减弱趋势,月值集聚效应秋、冬季大于春、夏季,空间集聚效应与污染程度呈显著正相关;局部空间自相关历年、各月H-H集聚主要出现在京津冀南部地区,L-L集聚主要出现在北部地区。京津冀地区PM_2.5浓度值分布存在空间异质性,主要影响因素为地理、气候和经济环境。     

营口市臭氧污染变化特征和相关分析

基于2015—2021年营口市环境空气质量监测数据,分析了营口市臭氧污染变化特征及与其他污染物、气象要素之间的相关性。结果表明：营口市臭氧浓度于2015—2016年下降,2017—2018年上升且于2018年达到峰值,2019—2021年持续稳定下降;月变化呈单峰特征,1月起快速上升,5月达到峰值,6—10月缓慢下降,11—12月快速下降;日变化亦呈单峰变化特征,09:00起开始上升,16:00达到峰值,随后下降,08:00达到最低值。臭氧与其他污染物之间呈负相关,与气象要素之间呈正相关,其与二氧化氮、氮氧化物、一氧化氮、温度相关性较强。     

基于三次指数平滑模型的雾霾天气预测

通过分析郑州市2013—2016年空气质量指数月统计数据,可以看出空气质量指数(AQI)、PM_(2.5)、SO_2等指标均关于时间呈非线性趋势。应用三次指数平滑模型对郑州市2017年每月的AQI、PM_(2.5)、SO_2等指标进行预测。结果表明,郑州市2017年雾霾天气与实际季节变化相符,且呈"U"型分布。     

西宁市空气质量指数AQI现状分析

文章根据西宁市2014~2015年空气质量监测数据,对西宁市AQI的主要特征和首要污染物等进行了分析和对比,得出西宁市空气质量主要以良为主,且有部分轻度污染,首要污染物为颗粒物,提高西宁市的空气质量应着重控制颗粒物的排放及形成。     

草面温度的变化特征及影响因素分析

利用2013年6月~2014年11月青海15个站草面温度观测资料,运用气候统计诊断方法对青海省草面温度的变化特征、草面温度与气象要素的关系等进行了分析。结果表明,草面温度呈一峰一谷的日变化特征,全省草面温度日最低值出现在6时,日最高草面温度出现在14时,说明太阳辐射是影响草面温度日变化的主要因素。月平均最低值出现在12月,为-10.6℃,月平均最高值为18.1℃,出现在7月;各站草面温度的月变化趋势基本一致,最大变温均出现在11月;草面温度的季节变化均表现为夏季春季秋季冬季的气候特征;青海省草面温度变化呈东部高西部低、北部高南部低的特点,说明草面温度的高低受纬度、拔海高度和地理环境的影响比较明显。15个站草面温度与气温、地温均呈显著的正相关,与总云量、低云量呈显著的反相关,全部通过了0.05以上显著性检验水平。无论是晴天、阴天还是多云天,草面温度的日变化均为不光滑的曲线,但不同天空状况下草面温度的日变化趋势基本一致。     

气象要素及前体物对嘉兴市区臭氧浓度的影响

臭氧是光化学反应的重要产物，反映空气质量的重要指标之一，对空气中臭氧浓度变化规律及影响因素开展研究，对大气污染防治具有重要的意义。利用2021年嘉兴市区环境空气质量自动监测站监测结果与相关气象资料，统计了嘉兴市区近地面臭氧污染分布特征，利用Pearson相关性分析了气象要素及前体物NO₂对臭氧浓度的影响，利用最大增量反应活性系数法分析了不同VOCs组分对臭氧生成重要性评估。结果表明，2021年嘉兴市区臭氧浓度月度变化呈“M”型，超标主要出现在5～9月；日变化呈单峰型。臭氧浓度与气温为显著正相关，与相对湿度和气压均为负相关，降水有利于臭氧浓度的降低。白天当风向为西南、南或东南风，风速大于4m/s时，臭氧浓度较高。NO₂与臭氧显著负相关，VOCs中芳香烃对臭氧生成潜势最大。综合现有研究，气象要素及NO₂对嘉兴市区臭氧污染的影响不可忽略，芳香烃对嘉兴市区臭氧生成贡献显著，是臭氧污染优先治理的重要前体物。     

眉山市一次秋季持续大气污染过程气象条件分析

为深入了解眉山市不同气象要素对大气污染过程的影响,基于空气质量数据、地面气象资料、探空数据和NCEP提供的再分析资料,利用时间序列分析法、相关性分析和Holzworth提出的干绝热法等,从不同气象条件对眉山市2020年11月9～18日这段污染天气过程进行分析。结果表明：静稳的天气环流背景非常有利于污染物的积累和维持,过程中AQI与PM_2.5浓度变化表现为高度一致,8:00～12:00、19:00～23:00、0:00～2:00是污染易出现时段;ρ(PM_2.5)与不同气象要素间的相关性有明显差异。研究结果为眉山市大气污染潜势预报提供了依据,也为大气污染治理和开展成都平原经济区区域联防提供参考。     

高密市环境空气污染物浓度变化特征

基于2014—2018年高密市大气监测数据,分析了SO_2、NO_2、PM_(10)、PM_(2.5)浓度的变化特征及成因,对四项污染物及降雨量进行了相关性分析,利用GM(1,1)模型对高密市未来空气质量进行了预测。结果表明,2014—2018年高密市环境空气中SO_2、NO_2、PM_(10)、PM_(2.5)年际变化呈现出逐年下降趋势;污染物月均值变化均为冬春季浓度高,夏秋季浓度低;通过相关性分析发现,环保政策对高密市空气质量总体改善起到了决定性作用,自然地理因素对高密市大气污染物月均值的变化影响明显。     

中国城镇居民食物消费碳排放的时空演变特征分析

本文运用碳折算系数法和投入产出模型测算了1990—2018年中国30个省(区、市)城镇居民食物消费的人均直接碳排放、人均家庭间接碳排放和人均产业间接碳排放,并运用探索性空间数据分析(ESDA)对总碳排放的空间特征进行分析。研究表明:1990—2018年中国30个省(区、市)人均间接碳排放在研究期内呈增长趋势,人均产业碳排放增长幅度最大且始终处于主导地位,大部分地区的人均直接碳排放增长较为缓慢;人均碳排放和总碳排放都呈显著增长趋势,人均碳排放的增长幅度宁夏>新疆>上海>浙江>青海>北京,甘肃最小,总碳排放增长幅度广东>浙江>山东>江苏>河北>上海,吉林最低;总碳排放在大部分年份呈正的空间相关性,整体上呈"M"形波动;局部空间自相关分析结果表明,食物消费总碳排放存在高高型和低高型两种,且2000年及以后高高型稳定在上海、江苏、浙江地区。最后,本文依据实证结果对如何降低城镇居民食物消费碳排放提出了相应的政策建议。     

基于Models-3的自修正空气质量预报系统及其效果检验

本文介绍了一个以Models-3为基础的自动化空气质量数值预报系统,该系统通过Gambas、Yabasic和R语言等工具进行开发,集成WRF-SMOKE-CMAQ三个模式,可通过监测数据进行自动修正,完成空气质量业务数值预报,并将结果发布到Web服务器上进行呈现。该系统对硬件的要求较低,将部署于一台DELL Optiplex 9010工作站上,设置6km—2km双层嵌套,进行成都市空气质量数值预报。本文分析了成都市2014年1月1日至2014年12月31日的空气质量数值预报结果,评价系统对成都市NO_2、SO_2、PM_(10)、PM_(2.5)、O_3、CO以及空气质量指数(AQI)的预报效果。结果显示,系统对于成都市2014年空气质量变化情况趋势的预报效果较好,302天有效预报中,24小时直接预报的空气质量等级准确率为58.27%,AQI预报相关系数0.71,观测值自动修正预报对24小时空气质量预报具有明显改善效果,使其等级预报准确率达到64.9%,相关系数提高到0.89。     

成都太阳总辐射变化特征及对臭氧污染影响分析

为了研究成都太阳总辐射变化特征及对臭氧污染的影响,利用成都1993～2020年太阳总辐射数据分别对年、季、月成都市太阳总辐射变化特征进行分析,并结合2015～2020年空气质量数据对太阳总辐射与臭氧浓度以及AQI等级间关系进行了研究分析.结果表明,近28年太阳总辐射总体呈上升趋势,倾向率为31.63 MJ/(m2·a)...     

合肥市颗粒物时空分布特征及其气象成因研究

利用2014—2015年合肥市颗粒物浓度及气象观测资料,对合肥市颗粒物浓度时空分布特征及其与气象要素的关系进行了分析。结果表明:2015年,合肥市PM10、PM2.5日均浓度均呈现"一增一减"趋势;PM10与PM2.5日均浓度分布季节差异明显,呈现"V"型特征;在空间分布上,PM2.5的浓度主城区高于周边地区,PM10浓度北部整体高于南部;PM10与PM2.5浓度与降水量、相对湿度、风速和风向均有一定相关性。     

气象因子对我国西北5城市API的影响

依据2001年～2012年的空气污染指数(API)日报数据,研究西北5城市(西宁、兰州、银川、西安和乌鲁木齐)API的变化特征,同时与气象资料进行相关性分析。统计分析结果表明:(1)西北5城市首要污染物以可吸入颗粒物为主,空气质量等级以Ⅱ级良为主,日数为2 454～3 292d,比例在56.1%～75.2%。(2)5城市API指数变化规律有明显的时间和空间差异。从多年API年均值来看,西安、兰州和乌鲁木齐较高,银川和西宁相对较低,而且乌鲁木齐、兰州和西宁波动较大,西安和银川变化相对比较平缓;5城市的年变化也呈现不同的变化特征,总体上夏秋季空气质量明显好于冬春季。(3)西北5城市API和主要气象因子的相关显示出不同区域差异性。API和温度、降水与能见度均呈现显著的负相关,西宁、银川和兰州API与相对湿度为显著的负相关,西安呈负相关但相关性不显著,乌鲁木齐则为显著的正相关关系。兰州、西安和乌鲁木齐API与风速为显著的负相关,西宁和银川API则与风速为显著的正相关关系。(4)采暖和沙尘天气分别是影响我国西北5城市冬春季空气质量的重要因素。