北京市PM2.5时空分布特征及其与PM10关系的时空变异特征

PM_(2.5)时空分布特征及其与其它污染物的相关关系是PM_(2.5)时空统计分析的主要研究内容.然而,现有的方法直接从监测站点的角度对时空分布特征进行分析,难以有效地揭示PM_(2.5)浓度的聚集分布特征;同时,常用的地理加权回归在对PM_(2.5)与其它污染物间关系进行建模的过程中,缺乏同时考虑时间异质性与空间异质性,从而不能准确地描述依赖关系的时空变异特征.为此,首先借助于空间聚类分析技术,对北京市2014年PM_(2.5)浓度的聚集结构进行探测,在此基础上,通过聚集结构来分析PM_(2.5)季节性时空分布特征.然后,利用地理时空加权回归对北京市PM_(2.5)与PM_(10)季节平均浓度间关系进行建模,依据回归结果分析PM_(2.5)-PM_(10)间关系的时空变异特征.实验结果表明,春夏季节PM_(2.5)污染程度及空间变异程度均低于秋冬季节,各季节PM_(2.5)浓度均表现为北部浓度低、南部浓度高的空间分布特征;地理时空加权回归具有更好的拟合效果,由回归系数进一步可发现,春夏季PM_(2.5)-PM_(10)相关性低于秋冬季PM_(2.5)-PM_(10)相关性;各季节均表现为西北部PM_(2.5)-PM_(10)的相关性高于东南部PM_(2.5)-PM_(10)的相关性.     

京津冀及周边地区PM2.5时空变化特征遥感监测分析

为分析京津冀及周边地区的PM_(2.5)时空变化特征,先利用MODIS数据反演1 km分辨率的AOT产品,采用地理加权回归模型实现京津冀及周边地区2016~2017年逐日PM_(2.5)浓度的遥感反演,并在此基础上对多种时间尺度PM_(2.5)浓度合成结果进行验证分析,最后从不同时间尺度对2016年和2017年PM_(2.5)时空变化特征进行了对比分析.结果表明本研究反演的日均、月均和年均这3种时间尺度的PM_(2.5)浓度结果总体上效果较为理想,时间尺度越大,遥感估算的PM_(2.5)效果越好,年均PM_(2.5)结果相对精度达80%以上,并且2016年和2017年同一时间尺度的PM_(2.5)遥感结果精度较为接近.京津冀及周边地区PM_(2.5)分布总体均呈现"冬季秋季≈春季夏季"和"南高北低"的季节变化和空间分布趋势.与2016年相比,2017年京津冀及周边地区PM_(2.5)浓度平均下降约9.2%,且高值区范围明显减小,PM_(2.5)浓度高值一般发生在11月和12月,而低值则一般发生在8月.2017年与2016年PM_(2.5)浓度时空变化与2017年的大气污染综合治理攻坚行动巡查和空气质量专项督查活动密切相关,这也能间接说明大气污染减排的成效.     

川东北低山丘陵区细颗粒物主要相关因素和季节变化分析——以南充主城区为例

基于中国空气质量在线监测分析平台和全球天气精准预报网的大气质量和气象数据,以四川盆地东北低山丘陵区典型城市南充市主城区为例,检验了细颗粒物(PM_(2.5))浓度的概率密度分布,发现其接近对数正态分布,由相关分析确定了PM_(2.5)浓度的主要相关因素为CO、NO_2(相关系数r分别为0.76、0.55,P0.01),再通过对2014年1月—2016年6月的日数据的逐步回归筛选出最优的回归指标和模拟方程(决定系数R_(adj)~2为0.68,P0.05),2016年7月—2017年6月的数据验证表明模拟效果较好(拟合优度为0.64,相对误差15.48%);最后根据时序插值、浓度和IAQI(PM_(2.5))的时段均值发现PM_(2.5)浓度在年际上有降低趋势;在季节上由高到低依次为冬季、春季、秋季、夏季;PM_(2.5)浓度在1月和6月分别呈现出年内的峰值和谷值,5、10月出现了阶段性峰值,尤其是5月;IAQI(PM_(2.5))的季节变化与浓度变化规律相似;且PM_(2.5)与PM_(10)比值的均值为0.67,表明现阶段南充市主城区大气污染物中细颗粒物占有较大比重。     

泰山区大气中PM_(10)和PM_(2.5)的污染特征分析

根据2014-2016年泰山区大气污染物PM_(10)和PM_(2.5)的监测数据,对PM_(10)和PM_(2.5)浓度的变化特征和二者的相关性以及PM_(2.5)占PM_(10)的比重进行分析。结果表明:受地形、气象和冬季燃煤取暖的共同影响,近三年的PM_(10)、PM_(2.5)月均浓度都具有明显的季节变化规律,冬季最高,夏季最低,春季、秋季居中。环保部门等采取了一系列措施,三年来空气中PM_(10)和PM_(2.5)的浓度逐年下降。PM_(10)和PM_(2.5)的浓度具备一定的相关性,且PM_(2.5)在PM_(10)中比重很大,可认为两者的变化趋势一致。秋冬季节是泰山区细颗粒物污染较重的季节,环境危害较大。在雾霾天气频发的阶段,PM_(10)和PM_(2.5)的防治更应成为大气污染防治工作的重中之重。     

西安市PM_(2.5)的时空分布特征研究

大气污染物PM_(2.5)对空气质量造成严重危害,威胁着人类健康。根据西安市13个监测区2013年1月1日—4月26日的PM_(2.5)质量浓度数据,得出西安市PM_(2.5)的浓度呈冬季高、春季低的特点。结合西安市的海拔数据、气象资料,并引入污染系数,分析得出了西安市13个监测区PM_(2.5)的浓度有以下规律:从西到东递减;分布与海拔高度和风向特点相一致;与平均温度、最高温度、最低温度均呈现负相关关系,但相关性不是很高。这为PM_(2.5)的针对性治理工作提供了理论指导。     

武汉城市圈PM_(2.5)的时空特征及其影响因素解析

文章基于2016～2017年武汉城市圈各城市站点PM_(2.5)逐时监测数据,主要利用空间自相关、核密度法和空间计量模型,从不同的时空尺度来分析武汉城市圈PM_(2.5)的空间分布格局和影响因素。结果表明:在年尺度上,2016～2017年武汉城市圈PM_(2.5)浓度整体上呈下降趋势,空间分布上呈中东部高、西南部低、局地略有突出的分布特征并表现出明显的空间集聚性,城市圈内部各城市PM_(2.5)污染浓度差异明显,且各城市之间存在一定的空间溢出效应;从年内尺度上看,武汉城市圈PM_(2.5)浓度总体上呈"U"字型分布,冬春季污染最为严重,秋季、夏季次之,且4个季节的PM_(2.5)浓度值存在较强的空间自相关性,表现出不同程度的空间集聚现象;从影响因素上看,无论是自然环境要素还是社会经济要素均对城市圈PM_(2.5)浓度变化起重要作用,按其贡献强度依次是温度民用汽车拥有量风速能源消费水平城镇化率第二产业占比湿度节能环保支出,而森林覆盖率和海拔高度对PM_(2.5)没有表现出明显的直接效应;从大气污染物本身关系上看,PM_(10)直接作用于PM_(2.5)的浓度变化,且起关键性的作用,CO和NO_2则主要是通过PM_(10)对PM_(2.5)浓度间接地产生影响,而O_3对PM_(2.5)浓度影响较小且呈负相关关系。     

贵州“两控区”城市PM_(2.5)及其阴阳离子污染特征

2015年3月~2016年2月,对贵州主要城市(包括贵阳、安顺、遵义、毕节、都匀)9个采样点和贵州省背景点雷公山的PM_(2.5)按照季节进行采样,分析PM_(2.5)污染特征及其中9种阴阳离子的分布特征.结果表明:PM_(2.5)平均质量浓度范围为13.84~167.17μg/m~3,从季节分布上看,冬春秋夏,从空间分布上看,贵阳市区PM_(2.5)污染较重,平均质量浓度为(80.15±30.18)μg/m~3.PM_(2.5)样品中总阴阳离子浓度范围为7.85~47.02ng/m~3,SO_4~(2-)、NO_3~-、NH_4~+(SNA)占PM_(2.5)质量浓度比重范围为10.00~68.48%,从季节分布上看,夏冬秋春,从空间分布上看,背景点贵阳高坡、雷公山SNA占PM_(2.5)质量浓度平均比重较大,分别为41.45%、53.45%.AE/CE平均值为1.53,总体呈弱酸性.NH_4~+与SO_4~(2-)的相关性(R=0.67)大于NH_4~+与NO_3~-的相关性(R=0.33),Ca~(2+)与Mg~(2+)的相关性(R=0.57)明显.与其他城市相比,研究区[NO_3~-]/[SO_4~(2-)]较低,均值为0.29,表明贵州主要城市PM_(2.5)受固定源影响较大,大气污染以煤烟型为主.     

能见度与PM2.5浓度关系及其分布特征

利用相对湿度、能见度和PM_(2.5)质量浓度观测数据,针对不同相对湿度下,建立了消光系数与PM_(2.5)质量浓度之间线性关系,并分析了相关关系的全国分布特征.结果表明,我国中东部大部分地区在一定相对湿度区间内均可建立线性相关关系,而且相关性较好,相对湿度40%～90%区间内的平均相关系数高于0. 75,其中北京相关系数高达0. 9.北京、长三角和四川等地的PM_(2.5)单位质量消光效率在同等相对湿度下明显大于其他地区.不同地区湿度对能见度影响程度不同,北京等地在相对湿度大于90%时相对湿度对能见度作用大于PM_(2.5),而广州在相对湿度大于80%时相对湿度的作用明显增强.利用能见度反算北京地区PM_(2.5)浓度可知,1980～1996年,PM_(2.5)浓度年际变化不大,受采暖方式影响冬季PM_(2.5)浓度显著较高; 1997～2009年呈现缓慢下降趋势; 2010～2012年呈现上升趋势. 1980年以来,全国的PM_(2.5)浓度整体呈上升的趋势,尤其是华北地区,PM_(2.5)浓度始终高于全国其他地区.     

2014年宝鸡市大气颗粒物时空分布特征分析

基于2013年12月和2014年全年宝鸡市8个自动空气质量监测子站的PM_(10)和PM_(2.5)的监测数据,探讨PM_(10)和PM_(2.5)的时间分布特征和空间分布特征。结果表明:PM_(10)的日平均浓度为118.23μg/m~3,全年中PM_(10)超过二级标准的天数为80 d,超标率为22%;PM_(2.5)的日平均浓度为68.93μg/m~3,全年中PM_(2.5)超过二级标准的天数为92 d,超标率为25%;PM_(10)和PM_(2.5)的浓度有明显的季节差异。PM_(2.5)和PM_(10)浓度由高到低的季节依次是冬季、春季、秋季和夏季;不同的监测点位中,解放军第三陆军医院监测点位的PM_(10)和PM_(2.5)浓度对于宝鸡市大气颗粒物的污染贡献率相对其他点位较高,主要是其地理位置导致的。     

苏锡常地区PM2.5污染特征及其潜在源区分析

利用2014年12月—2015年11月苏锡常地区国控大气环境质量监测站发布的逐时数据,分析了研究区PM_(2.5)浓度的季节变化和空间分布特征,并利用HYSPLIT模型分析了大气污染物的输送路径及苏锡常地区PM_(2.5)的潜在源区.结果表明,苏锡常地区PM_(2.5)浓度日均值变化趋势基本一致,均呈现冬季高、夏季低的规律.PM_(2.5)浓度四季空间差异显著,不同监测站之间的差异较小.四季PM_(2.5)浓度与其它污染物之间相关性显著.单位面积污染物排放量与空气质量分布的空间错位,表明该地区PM_(2.5)污染与区域性污染物迁移有较大关系.苏锡常地区气流后向轨迹季节变化特征明显,冬、春、秋季的气流主要来自西北内陆地区,夏季气流以东南和西南方向输入居多.聚类分析表明,来自内陆的污染气流和来自海洋的清洁气流是苏锡常地区两种主要输送类型,外源污染气流不仅直接输送颗粒物,还贡献了大量的气态污染物.山东南部、江苏西部、安徽东部、浙江北部及江西西北地区对苏锡常冬季PM_(2.5)浓度贡献较大,春、夏、秋季的潜在源区主要分布在苏锡常本地和周边城市.     

阜新市MODIS AOD与大气PM_(2.5)浓度相关性研究

利用卫星遥感MODIS数据研究区域大气PM_(2.5)浓度分布是环境管理的有效方法。获取美国国家航空航天局MODIS L1B1KM数据,采用暗目标法反演阜新市大气气溶胶厚度AOD数据;提取阜新市5个大气监测站点位2014年3月至5月、2015年3月至4月期间PM_(2.5)浓度数据进行相关性分析,建立PM_(2.5)浓度-AOD之间的线性、一元二次、对数函数、幂函数及指数函数5种相关性模型;引用湿度影响因子建立大气PM_(2.5)浓度订正模型,采用PM_(2.5)浓度订正模型、Peterson模型分别订正PM_(2.5)浓度及AOD标高,应用阜新市环保局5个监测点位2014年6~12月、2015年5~12月期间PM_(2.5)的月平均浓度进行模型检验。对比分析订正后的5种相关性模型拟合优度,检验结果表明:订正方法提高了PM_(2.5)浓度-AOD相关性;线性相关性模型R2为0.633 6,相对误差为12.41%,相对其他4种模型相对误差较小。利用阜新市大气AOD预测PM_(2.5)浓度具有良好环境指示意义。     

基于气象条件下哈尔滨市污染特征分析

利用2013年哈尔滨市环境监测资料及气象资料,分析了4种主要污染物(PM_(10)、PM_(2.5)、SO_2、NO_2)的时空分布特征及各种气象条件对城市大气污染的影响。结果表明:风速在采暖期对污染物浓度的影响尤为显著,相关系数达-0.87;混合层高度对雾霾天气形成影响较大,PM_(2.5)浓度与混合层高度呈现负相关;气温、气压、降水与PM_(2.5)浓度均有较好相关性,哈尔滨市污染物特征受气象条件影响较大。     

内蒙古自治区2016年PM_(2.5)时空分布

研究了内蒙古自治区2016年PM_(2.5)浓度时空分布规律及PM_(2.5)与其前体物之间的关系。结果表明,内蒙古自治区PM_(2.5)浓度具有一定的时空分布特征,并与气象条件、污染物排放及前体物二次转化均有关联。时间上,PM_(2.5)日浓度变化曲线呈双峰型分布,两个峰值时段分别为10:00—12:00、23:00—翌日01:00,PM_(2.5)月均浓度曲线呈"U"形分布,在8月最低;空间上,内蒙古自治区PM_(2.5)浓度由高到低的区域依次为中部、西部、东部;PM_(2.5)小时浓度与其前体物NO_2、SO_2小时浓度均为显著正相关,说明前体物对PM_(2.5)浓度变化影响显著。研究结论可为内蒙古自治区大气污染环境治理提供参考。     

玉溪市大气中PM_(2.5)与气象参数的相关性研究

以玉溪师范学院校园的空气质量为研究对象,选择校园中具有代表性的6个监测点,于2016年2—4月采集PM_(2.5)样品进行测定和分析,同时与玉溪市2016年1—12月的PM_(2.5)含量做对比。结果表明,玉溪师范学院PM_(2.5)浓度在34~71μg/m3,AQI在49~95,与玉溪市2016年2—4月AQI相比略高,但总体环境空气质量为良好。PM_(2.5)浓度与气象参数的相关性分析结果说明,PM_(2.5)浓度随时间变化趋势平稳;PM_(2.5)浓度与气温呈正相关,与湿度呈负相关。     

江苏省PM_(2.5)时空变化及土地利用影响研究

基于江苏省2013年12月-2014年11月期间71个监测点PM_(2.5)日数据以及2014年土地利用数据,以年、季为时间尺度,利用泰森多边形划分研究区域,在系统分析PM_(2.5)时空分异规律基础上,揭示PM_(2.5)浓度变化及其与土地利用的关系。结果表明:(1)PM_(2.5)浓度分布存在明显的时空变化趋势。时间上,冬季浓度最高,达109.72μg/m~3,春季次之,为70.13μg/m~3,秋季最低,仅53.20μg/m~3;空间上,从各监测点一年PM_(2.5)浓度看,南京、泰州和宿迁数个监测点是PM_(2.5)高浓度区域,浓度范围81~85μg/m~3。盐城开发区管委会浓度最低,仅49.75μg/m~3,全省呈现"内陆高,沿海低;内陆南高北低"的趋势。(2)土地利用类型及景观格局对PM_(2.5)浓度分布有一定影响。耕地、草地、水域和未利用地与PM_(2.5)呈负相关,林地和建设用地则呈正相关。景观面积、密度、破碎度和聚散性是影响PM_(2.5)的主要因素,冬夏季较为敏感。     

厦门市PM_(2.5)与分布特征及能见度关系的研究

利用2011-2012年厦门市PM2.5监测资料和气象要素资料,分析PM2.5分布规律,及与海陆风、低能见度天气的关系;尝试分不同季节,在不同主导气象要素场背景下,建立PM2.5与能见度的关系式,试图用能见度推算PM2.5浓度,探索AQI预报中PM2.5浓度预报的技术方法。结果表明:厦门市低能见度天气与PM2.5浓度关系密切,通过相对湿度、降水概率、风向风速以及对应典型的天气形势等差异可清晰表现出来;区分季节性气象要素,计算PM2.5浓度与能见度的相关系数,并建立7个关系式,发现夏季PM2.5浓度与能见度显著负相关,夏季是用能见度推算PM2.5浓度相对最容易、最准确的季节;秋冬春三季PM2.5与能见度关系分别可建立两种关系式,主要为负相关关系,且春季预报PM2.5的难度最大。     

基于Model-3/CMAQ和CAMx模式的台州市PM2.5数值模拟研究

为探究沿海城市大气细颗粒物污染特征,应用气象模式WRF耦合空气质量模式CMAQ和CAMx对台州市2016年PM_(2.5)空间分布特征及区域污染贡献情况进行分析。结果表明,2016年PM_(2.5)模拟值与监测值变化趋势基本一致,模拟效果较好。PM_(2.5)平均浓度从高到低依次为冬季春季秋季夏季,空间分布呈现"两边低中间高"态势,与地形分布特征相似,高值区出现在人口稠密的城区附近。PM_(2.5)具有明显的区域污染传输特征,2016年台州本地贡献率为34.7%,外来源贡献率为65.3%。另外,PM_(2.5)还具有明显的季节性变化特征,本地贡献最小的时间段是春季,贡献最大的时间段是秋季。     

大连市大气污染特征、影响因素及来源分析

基于2016—2017年大连市6种大气污染物(PM_(10)、PM_(2.5)、SO_2、NO_2、O_3、CO)的监测数据,研究污染物浓度的时间变化、周末效应及气象影响因素。结果表明,大连市大气污染物以O_3、PM_(10)和PM_(2.5)为主;冬季主要污染物为颗粒物,夏季为O_3。受供暖燃煤等影响,PM_(10)、PM_(2.5)和SO_2浓度供暖季显著高于非供暖季。大气污染物浓度季节变化显著,且PM_(2.5)、PM_(10)、SO_2及NO_2呈现周末较高的"周末效应"。利用相关性分析考察温度、湿度、风速等气象因素对污染物的影响;利用后推气流轨迹等方法分析大连市大气PM_(2.5)可能的来源。     

湖北大气颗粒物污染水平及污染物相关性研究

基于2012-2014年湖北省环境空气质量监测统计数据,根据污染浓度水平,利用ArcGIS软件分析湖北省大气颗粒物污染空间分布特征,并利用SPSS软件对大气污染物SO_2、NO_2、O_3、CO、PM_(2.5)和PM_(10)的相关性进行分析。结果表明:2012-2014年期间,湖北省PM_(10)年均浓度总体呈上升趋势,超标城市几乎分布于湖北省各区域;武汉、荆州、宜昌3个城市PM_(2.5)与PM_(10)、SO_2、NO_2、CO均呈较高的正相关性,鄂州、恩施、黄冈、黄石、荆门、十堰、随州、咸宁、襄樊和孝感10个城市PM_(10)与NO_2、SO_2均呈正相关性。文章的分析结果可为湖北省改善环境空气质量,降低颗粒物浓度水平提供基础信息和建议。     

餐厨垃圾与污泥厌氧发酵动力学特性分析

基于2016—2017年大连市6种大气污染物(PM_(10)、PM_(2.5)、SO_2、NO_2、O_3、CO)的监测数据,研究污染物浓度的时间变化、周末效应及气象影响因素。结果表明,大连市大气污染物以O_3、PM_(10)和PM_(2.5)为主;冬季主要污染物为颗粒物,夏季为O_3。受供暖燃煤等影响,PM_(10)、PM_(2.5)和SO_2浓度供暖季显著高于非供暖季。大气污染物浓度季节变化显著,且PM_(2.5)、PM_(10)、SO_2及NO_2呈现周末较高的"周末效应"。利用相关性分析考察温度、湿度、风速等气象因素对污染物的影响;利用后推气流轨迹等方法分析大连市大气PM_(2.5)可能的来源。