2017年汾渭平原东部大气颗粒物污染特征分析

高度集中的煤炭产业和繁忙的交通运输使得汾渭平原成为全国污染最严重的地区之一.利用中国环境监测总站发布的大气环境监测资料,以统计的方法分析了2017年汾渭平原东部三门峡市、运城市、渭南市、洛阳市的颗粒物质量浓度演变特征,并与北京市开展对比分析.结果表明:①2017年汾渭平原东部颗粒物污染形势较为严峻,ρ（PM_2.5）年均值范围为61~75 μg/m3,高于北京市（58 μg/m3）,ρ（PM_2.5）/ρ（PM₁₀）范围为0.47~0.57,远低于北京市的0.66,说明汾渭平原东部一次颗粒物的贡献更为显著.②与北京市相比,汾渭平原东部重污染有效时数较长,在三门峡市、运城市、渭南市和洛阳市出现PM_2.5重度及以上污染过程的时数分别占全年总时数的6.56%、8.91%、9.23%和9.10%.但由于汾渭平原东部重污染期间颗粒物质量浓度较北京市低,因此造成汾渭平原东部和北京市重度及以上污染过程中颗粒物质量浓度平均值在颗粒物质量浓度年均值中占比基本相同.③汾渭平原东部颗粒物质量浓度的周变化特征与北京市有显著区别.④重污染期间,汾渭平原东部ρ（PM_2.5）和ρ（PM₁₀）的日变化特征与ρ（SO₂）相同,均呈白天高、夜间低的特征,而北京市ρ（PM_2.5）和ρ（PM₁₀）的日变化特征与ρ（SO₂）相反,呈白天低、夜间高的特征,说明汾渭平原东部特殊的能源结构、边界层动力演变和局地环流造成高架点源对重污染期间污染物质量浓度的影响较显著.研究显示,汾渭平原东部应该加强重污染期间高架点源的管控.      

2008～2017年北京市PM2.5周期性变化特征与影响机制

利用Morlet小波方法分析北京市2008~2017年PM_2.5资料,结果表明,北京市PM_2.5浓度存在显著的日变化、周变化、以及季节和年变化周期性特征,并且秋冬季的周期性特征显著高于春夏季.结合气象资料,包括水平风速、大气边界层高度、以及大气稳定度指数等,分析PM_2.5不同周期性变化对应的主要影响机制表明：大气边界层过程是PM_2.5日变化的主要影响机制,导致PM_2.5浓度白天低、夜间高.秋冬季PM_2.5日变化幅度高于春夏季;天气过程是PM_2.5周变化的主要机制,PM_2.5浓度与天气变化过程带来的风速变化和边界层高度呈强反相关关系;PM_2.5的季节变化与大气扩散能力的季节变化密切相关,秋冬季减弱的大气扩散能力加速了PM_2.5在近地面累积,春夏季则相反.     

汾渭平原PM2.5浓度的影响因素及空间溢出效应

基于实时监测和遥感反演数据,利用空间自相关分析和空间回归分析等方法,探讨了汾渭平原2015~2017年PM_2.5浓度时空变化规律和影响因素,揭示了各因素的空间溢出效应.结果表明：（1）2015~2017年汾渭平原PM_2.5浓度逐年上升,主要由采暖期（11月~次年3月）的快速上升引起,非采暖期（4~10月）年际变化不大.（2）PM_2.5月均浓度变化曲线呈底部宽缓的U型,采暖期PM_2.5污染明显高于非采暖期,超标天数占全年总超标天数比例由2015年的75.0%上升到2017年的83.4%.（3）2015~2017年,除铜川和三门峡外,各城市PM_2.5浓度都有不同程度的上升.咸阳至运城间的平原地区和洛阳盆地污染最严重,已形成连片的高污染区域,且区域内城乡差异小.临汾及其上游平原地区其次,但主要分布在城镇,城乡差异较大.（4）空间回归分析表明,汾渭平原PM_2.5浓度有显著的空间溢出效应.年均气温、城镇化率、能源消费指数和年均人口不仅与本地PM_2.5浓度有显著的正相关,而且会加重邻近地区PM_2.5污染.年降水量和地形起伏度则不仅与本地PM_2.5浓度有显著的负相关,而且能降低邻近地区PM_2.5浓度.风的传输作用能加重本地PM_2.5污染,植被覆盖度能消减本地PM_2.5浓度,但其间接效应都不显著.     

汾渭平原秋冬季PM2.5化学组分特征及其来源

汾渭平原是我国空气污染最严重的区域之一,2018年被列为重点区域. 本研究针对汾渭平原11城市开展PM_2.5化学组分连续观测,分析PM_2.5浓度和主要化学组分的时空分布规律,并利用PMF模型解析PM_2.5污染来源. 结果表明:①2018—2019年秋冬季汾渭平原11城市ρ(PM_2.5)平均值为(101.4±65.4)μg/m3,是京津冀及周边地区“2+26”城市的1.1倍. 临汾市ρ(PM_2.5)最高(216.8 μg/m3),是汾渭平原的2.1倍. ②2018—2019年秋冬季汾渭平原PM_2.5的主要化学组分是有机物、硝酸根离子、地壳物质和硫酸根离子,其中地壳物质占比是京津冀及周边地区的1.6倍. ③受污染物排放、气象条件以及地理位置的影响,汾渭平原PM_2.5中有机物、硝酸根离子、地壳物质、硫酸根离子、铵根离子和氯离子的空间分布具有明显的差异性. ④随着污染的加重,硝酸根离子、硫酸根离子和氯离子在PM_2.5中的占比均逐渐增加,地壳物质、元素碳、微量元素等与一次排放相关的组分占比随污染加重逐渐减少,表明污染期间燃煤源管控仍需进一步加严,而对扬尘源和机动车等污染源的管控起到了良好的效果. ⑤重污染过程期间,相对湿度增加、风速减小是影响PM_2.5浓度上升的客观因素,二次组分以及与燃煤源和生物质燃烧源有关的化学组分的增长是影响PM_2.5浓度上升的重要原因,二次源和燃烧源是PM_2.5的主要来源. 研究显示,汾渭平原秋冬季PM_2.5污染较重,尤其需要关注燃烧源的管控.      

气象和排放变化对PM2.5污染的定量影响

基于WRF-CMAQ模型系统定量分析了气象和排放因素对全国及重点区域PM_2.5污染影响程度.从年度特征来看,与2015年相比,2016年、2017年全国空气质量明显改善,PM_2.5年均浓度分别下降7%和14%;2016年气象条件总体转好,气象因素和排放因素变化导致全国PM_2.5年均浓度下降幅度分别为4%和3%;2017年全国气象条件与2015年相比基本持平,大气污染物排放量下降是PM_2.5污染减轻的决定因素.除汾渭平原外,京津冀及周边地区"2+26"城市、长三角、成渝地区空气中的PM_2.5年均浓度持续下降;珠三角气象条件变化对PM_2.5影响较大,2017年导致PM_2.5浓度上升了29%;除汾渭平原外,其他4个重点地区的污染物排放变化导致PM_2.5年均浓度下降且2017年的下降幅度进一步加大,说明污染管控措施的环境效益明显.从季节特征来看,气象影响值的区域性差异明显.本文分析方法可用于制定空气质量目标或者评估污染控制方案的环境效果.     

汾渭平原中长期PM2.5冬季目标约束下的控制情景优化分析

为研究汾渭平原在中长期PM_2.5冬季浓度目标约束条件下的最优控制策略及成本效益,本研究基于2015-2022年PM_2.5浓度监测数据,结合国内外PM_2.5实际改善历程,利用自下而上的计算方法,提出汾渭平原“十四五”“十五五”PM_2.5年均浓度目标;针对冬季污染突出的问题,建立季节贡献率方法,设计差异化的PM_2.5冬季浓度目标;并在此基础上结合ABaCAS-OE模型,以冬季PM_2.5浓度目标为第一约束条件进行最优控制情景的模拟与费效分析.结果表明：(1)情景3(基于2019年汾渭平原PM_2.5年均浓度超标比例的分类情景,该情景中PM_2.5年均浓度下降比例以3年为周期计算得到)对PM_2.5浓度改善幅度最大,在此情景下,2030年汾渭平原区域PM_2.5年均浓度为35μg/m³,较2019年下降35.2%,2032年实现所有城市达标的目标;冬季情景3(基于...     

中国重点城市大气污染与健康风险的时空分布特征

基于中国168个大气污染防治重点城市2015～2020年的5种污染物浓度监测数据,利用MAKESENS模型和综合风险指数(ARI),定量分析全国与6大城市群的大气污染总健康风险的时空分布特征.结果表明：(1)中国重点城市PM_2.5污染最严重,仅15%的城市PM_2.5浓度6 a均值达到了国家二级标准,NO₂次之,77%的城市NO₂浓度6 a均值达到了国家二级标准,京津冀和汾渭平原城市群空气污染最严重,PM_2.5、 SO₂、 CO和NO₂浓度6 a均值高于其他城市群;(2)中国重点城市PM_2.5、 SO₂、 CO和NO₂浓度呈下降趋势,除成渝城市群外,其余地区O₃浓度呈上升趋势;京津冀和汾渭平原城市群SO₂浓度下降最显著;(3)中国重点城市大气污染健康风险总体呈下降趋势,2017～2018年出现急剧下降,暴露在极高风险下的人口从1...     

2013年南昌市区PM2.5的浓度水平及时空分布特征与来源

对2013年南昌市区9个自动空气质量监测点的ρ（PM_2.5）数据进行分析,探讨了PM_2.5浓度水平及时空分布特征,并采用轨迹聚类、PSCF（潜在源贡献因子）、CWT（浓度权重轨迹分析）进行了大气PM_2.5的来源分析.结果显示:2013年南昌市区ρ（PM_2.5）年均值为69.1μg/m3,超过GB 3095-2012《环境空气质量标准》二级标准限值（35μg/m3）的97%;ρ（PM_2.5）昼夜变化呈双峰型分布,峰值位于09:00-11:00和20:00-22:00;月际变化呈两边高、中间低的"V"型趋势;ρ（PM_2.5）有明显的季节性变化特征,由高到低依次为冬季、春季、秋季和夏季;ρ（PM_2.5）空间分布呈由东南至西北递减的分布特征.气流轨迹聚类结果表明,南昌市气流输送季节性变化特征明显,夏季来自南方或东南方向的气流比例高达65.6%,而在另外三个季节,东北和偏北方向的气流分别占62.0%（冬）、59.6%（春）、54.7%（秋）,对南昌市ρ（PM_2.5）影响较大;夏季南方或东南方向的气流所占比例较高,为65.6%;PM_2.5的PSCF和CWT的高值主要集中在南昌本地和邻近的浙江省及福建省北部地区,但周边的河南南部、江苏中部也是南昌市PM_2.5的潜在来源地.      

全国2018~2019年秋冬季气象条件变化对PM2.5影响研究

本文基于WRF-CMAQ模型定量分析了气象条件变化对PM_2.5的影响.全国337个城市2018~2019秋冬季气象条件转差导致PM_2.5平均浓度同比上升约5.55%.24个省市气象条件同比转差，北京气象转差致使PM_2.5同比上升约3.66%.从重点区域来看，京津冀及周边“2+26”城市气象条件转差最显著，汾渭平原次之，长江三角洲（以下称长三角）基本持平，分别导致PM_2.5浓度同比上升约9.4%、8.3%、1.1%.“2+26”城市和汾渭平原气象条件在11月、1月、2月转差，10月、3月气象条件转好.长三角则10月、11月、3月气象条件转差；12月、1月、2月转好.“2+26”城市2018~2019秋冬季PM_2.5浓度同比上升主要为气象条件转差所致；汾渭平原PM_2.5同比变化较小，人为减排有效抵消了气象条件转差带来的不利影响；长三角PM_2.5浓度同比下降，与气象条件变幅小且污染排放较去年同期降低有关.     

基于熵权法的汾渭平原城市空气质量模糊综合评价

为了促进科学减排、精准防治大气污染,选取PM_2.5、PM₁₀、SO₂、CO、NO₂、O₃作为评价因子,通过熵权法建立污染因子权重集,以扩展后的环境空气质量标准为基础,通过计算各评价因子的隶属度,对汾渭平原11个城市不同季节的环境空气质量进行模糊综合评价,得出各城市的大气污染水平及季节变化特征。结果表明:该地区各城市空气质量受季节影响变化大,春、夏、秋季空气质量明显优于冬季,PM_2.5、PM₁₀、SO₂、O₃为主要污染物,评价结果可客观全面地反映该地区不同季节环境空气质量状况。     

华北平原和山区城市PM2.5和O3变化关系比较分析

利用2015~2019年环境监测数据,对比分析华北地区平原城市保定市和山区城市张家口市PM_2.5和O₃变化和相关关系.结果表明：保定市PM_2.5夏低冬高,O₃夏高冬低,日变化为午后单峰型,而张家口市PM_2.5浓度低,日变化幅度较弱,冬季O₃日变化为午后峰值和凌晨5：00左右弱峰值双峰型.张家口市冬季全天及春夏秋季夜间O₃浓度显著高于保定市,甚至夏季出现夜间O₃超标异常,最高浓度达到202μg/m³,反映了平原城市和清洁山区大气物理化学过程变化的影响.PM_2.5和O₃在4~9月为正相关,11~3月为负相关;保定市PM_2.5-O₃相关系数日变化呈单峰型,张家口市为双峰型变化,凌晨和午后各有一峰值,华北地区平原污染区和高山相对清洁区,大气复合污染物PM_2.5和O₃作用关系的日变化及季节特征具有明显差异.     

南京主要大气污染物季节变化及相关气象分析

为研究南京主要大气复合污染物PM_2.5、PM₁₀和O₃四季变化特征及其气象影响因子,利用2013年1月～2015年2月国控点环境监测数据对浓度特征进行统计分析,再利用WRF模式模拟的精细大气边界层气象场,分析气象要素与各污染物的相关性,并建立统计模型.结果表明：PM₁₀、PM_2.5冬高夏低,冬季日均值分别为160.6μg/m³和98.0μg/m³;日变化特征四季基本一致,但秋冬季最强,夏季最弱,且冬季上午峰值比其余三季延后1～2h.各季大气可吸入颗粒物中细粒子占主导,PM_2.5/PM₁₀年均值为0.59;首要污染物为PM_2.5、PM₁₀、O₃的年频率分别为51.5%、26.6%和13.5%,PM_2.5主导四季AQI的变化,尤其是在重污染的情况下,首要污染物为PM_2.5占96%.O₃浓度春末夏初高、秋末冬初低,日变化为单峰式;O₃与边界层高度呈显著正相关,四季相关系数分别为0.500、0.572、0.326、0.323.四季PM₁₀、PM_2.5、O₃_8h_max日值逐步回归方程拟合度为40%～65%.     

高原山地城市O3和PM2.5污染时空分布特征

为研究高原山地城市大气污染物时空分布特征,文章利用2018年云南省国控环境空气质量监测数据,对O₃和PM_2.5污染按照区域性特征进行了分析,结果表明：2018年云南省环境空气质量总体保持良好,总体污染形势呈南高北低型。O₃和PM_2.5区域性、季节性污染特征明显,春、夏季节是污染天气高发期;O₃浓度峰值主要出现在2-5月及8月,全年呈现出“大小双峰”的特征,主要出现区域为滇南的红河、德宏、普洱;PM_2.5浓度峰值主要出现时段为2-4月,主要出现区域为滇西南的德宏;云南省各地理区域浓度变化具有较好一致性;研究时段内,滇西南、滇东南以及滇中区域以O₃和PM_2.5为首要污染物的复合型、区域性污染特征初现。区域性污染特征研究结果表明,2-5月是区域性污染主要出现时间范围,滇南的红河、普洱、德宏等地区是区域性污染的主要地区。     

京津冀地区大气环境容量时空变化特征研究

本研究利用中国地区污染物浓度和气象再分析数据集,分析“十三五”(2016—2020年)期间京津冀地区PM_2.5污染趋势和大气环境容量系数的时空分布特征.结果表明,近年来京津冀地区空气质量不断改善,PM_2.5年均浓度在2016年(61μg·m^-3)—2020年(45μg·m^-3)间逐年降低.对这期间京津冀地区边界层高度、风速以及干、湿沉降速度的分析发现,京津冀地区年均大气环境容量系数呈上升趋势,表明该区域大气扩散条件逐渐好转,利于污染物的稀释和扩散.大气环境容量系数呈现春季高、秋季低的分布特征,峰值出现在15:00左右,2020年的年均大气环境容量系数超过3000 m²·s^-1.研究结果对于了解京津冀地区大气扩散条件的改变以及加强对空气污染成因的理解具有借鉴意义.     

中国城市PM2.5和PM10时空分布特征和影响因素分析

PM_2.5和PM₁₀浓度超标引发的空气质量问题严重影响公众健康,研究PM_2.5和PM₁₀浓度对制定有效的污染防控和治理措施具有重要意义.运用时空分析法,分析2018年季度PM_2.5和PM₁₀浓度时空分布,并用GWR探究浓度差异的原因.结果表明：(1)PM_2.5和PM₁₀的浓度均呈冬春高、夏秋低的季节性规律;四季污染物浓度在胡焕庸线两侧存在显著差异,该线以东地区高浓度聚集在京津冀地区,该线以西地区高浓度聚集在新疆中南部.(2)PM_2.5和PM₁₀浓度的Moran’s I在四季均为正,且均在冬季增至最大值;PM_2.5和PM₁₀的分布格局基本一致,“高-高”类和“低-低”类集中分布现象明显.(3)各因素对PM_2.5和PM₁₀浓度的影响存在较大空间异质性.温度和坡度对PM_2.5     

基于精细监测的襄阳冬夏季颗粒物污染时空变化研究

为精细了解襄阳市近地面颗粒物污染时空风险，该文利用空气质量监测密集微型站、气象监测站、GDAS等数据，结合ArcGIS空间插值、气流运动轨迹聚类、潜在源贡献因子分析、相关性分析等方法研究了局地尺度下襄阳城区2018年冬夏季大气颗粒物时空污染特征及其影响因素。研究表明：(1)襄阳城区颗粒物污染具有明显季节性，冬季明显较夏季更为严重，冬季颗粒物污染具有“周末效应”和“春节效应”，而“周末效应”在夏季并不明显；(2)冬季PM_2.5、PM₁₀污染总体呈现以汉江和唐白河为界线的“南高北低”态势，而夏季PM_2.5浓度呈现“北高南低”态势，PM₁₀浓度则呈现“西高东低”态势；(3)不管是冬季还是夏季，襄阳城区均受本地污染的影响较大，其次是周边地区或城市的中短距离污染传输，途径内蒙古、青海、陕西等省份的北方冷空气携带颗粒物南下也是造成襄阳城区冬季雾霾天气的重要潜在来源。研究验证了高密度、全方位空气质量监测网络构建的有效性和必要性，且为精确掌握局地尺度近地面大气污染规律特征、分析污染成因以及制定具体防控应对策略提供了...     

汾渭平原NO2柱浓度时空分布特征及其与O3、HCHO相互关系研究

2018年，汾渭平原首次被确定为大气污染防治重点区域，成为“蓝天保卫战”继京津冀地区的第二个主战场.本文利用卫星OMI传感器反演产品，对汾渭平原2016—2020年二氧化氮、臭氧和甲醛数据进行分析，结果表明：在空间上，汾渭平原NO₂柱浓度有自东向西逐渐减弱的趋势.高浓度地区受煤炭、物流、钢铁、航空等产业，以及特殊地形等因素影响，沿山脉走势呈“人”字形分布.在时间上，年均NO₂浓度呈总体减少趋势，2018年最大，2020年最小；月均变化呈U字型，1—8月，NO₂柱浓度逐月降低，9—12月逐月增加.NO_x敏感控制区、VOCS-NO_x协同控制区，以及VOCS敏感控制区时的年均NO₂柱浓度分别为1.48×10¹⁵～6.3×10¹⁵、6.3×10¹⁵～13.2×10¹⁵、13.2×10¹⁵～20.1×10¹⁵ molec·cm^...     

北京地区夏冬季气溶胶变化特征分析

北京市夏季平均可吸入颗粒物质量浓度(ρ(PM₁₀))和气溶胶粒子数密度的平均日变化呈现明显的双峰结构,冬季除12:30—15:00相对较小外,其余时间都很大;夏季大气能见度的平均日变化呈单峰结构,而冬季呈双峰结构;夏季平均PM₁₀和气溶胶粒子数密度通常比冬季的小;北京市夏季平均大气能见度比冬季的小,主要原因在于夏季空气相对湿度大,半径大于1 25μm的大粒子数密度较大,夏冬季0:00—9:00各时刻的平均能见度存在较大差别,其余时间的差别不大。      

基于线性混合效应模型的河北省PM2.5浓度时空变化模型研究

京津冀地区大气PM_2.5污染严重.为揭示区域PM_2.5时空分布规律,使用2013-2014年河北省地面站点PM_2.5监测数据、MODIS AOD（气溶胶光学厚度）遥感数据、地面气象站点数据和土地利用调查数据,基于线性混合效应模型（LME）,建立了ρ（PM_2.5）时空变化与AOD因子、气象因子、土地利用因子之间的关系模型.采用十折交叉验证法对模型精度进行检验,并利用计算得到的校正因子[全部实测的ρ（PM_2.5）年均值除以参与建模的所有实测ρ（PM_2.5）年均值]纠正因AOD非随机性缺值导致的抽样偏差.结果表明:①河北省区域模拟精度R2（决定系数）为0.85,经交叉验证后R2为0.77,RMSE（均方根误差）和RPE（相对预测误差）分别为18.28 μg/m3和28.68%.②ρ（PM_2.5）年均值模拟结果的校正因子范围为1.24~2.05,校正后的研究区ρ（PM_2.5）年均值为89.84 μg/m3,与实际监测数据相近.③ρ（PM_2.5）空间分布呈平原高、山区低,平原地区西南高、东北低的趋势.④ρ（PM_2.5）与AOD、温度、相对湿度呈正相关,与风速、大气能见度呈负相关.研究显示,线性混合效应模型能有效对ρ（PM_2.5）进行时空变化模拟,并实现对非地面监测地区ρ（PM_2.5）时空变化的预测,恰当的预测因子组合和模型校正有助于模型预测精度的提升.      

集成AEC和时空特征的工业园区PM2.5浓度预测

为实现工业园区企业污染排放精细化管控,捕捉工业园区内企业污染排放与污染物浓度之间的响应关系,提出一种集成大气环境容量(AEC)和时空特征的工业园区PM_2.5浓度预测模型.通过有限体积法获得工业园区日均大气自净能力指数(ASI),结合工业园区日排放数据作为AEC特征;同时利用小波分析和Pearson相关系数法提取时空特征,包括目标监测站PM_2.5浓度的时间变化特征和其与周围监测点PM_2.5的空间相关特征.通过CNN获取训练数据中PM_2.5的关联特征,并利用BILSTM充分反映时间序列训练数据中隐含的关键历史长短期依赖关系,确保快速准确的预测性能,以2018～2020年濮阳市工业园区大气污染物观测数据、气象数据及排放数据进行实验验证.结果表明:本文提出的CNN-BILSTM预测模型相较于传统LSTM模型预测精度提升10%;AEC特征和时空特征有利于提高模型精度和稳定性,集成AEC和时空特征的CNN-BILSTM预测模型在PM_2.5污染天数预测准确率最高,达93%;分季节预测结果表明...