太原市典型大气污染物时空分布及其成因分析研究

根据太原市2001年-2012年环境空气定点监测数据,采用分时段统计分析和GIS空间分析相结合的方法探讨了太原市主要大气污染物的时空分布特征,并分析了形成原因.结果表明,太原市环境空气污染物浓度呈逐年下降趋势,环境空气质量逐步改善,这与太原市积极转变经济结构,加强污染控制有直接的关系.但是,太原市自然气象条件和污染源格局都不利于环境空气质量的改善,太原市空气污染情况依然严峻.     

昆明城区大气污染物时空分布特征

利用2013—2020年昆明城区国控点监测数据,分析大气污染物时空分布特征。结果表明：2013—2020年昆明城区O₃年均浓度总体呈上升趋势,其余污染物年均浓度呈下降趋势,O₃增幅为4.1%,SO₂降幅为67.9%,其余污染物降幅为35.0%~55.0%。超过GB 3095—2012《环境空气质量标准》一级以上标准的首要污染物天数占比显示,O₃已经代替PM_2.5成为昆明市最主要的大气污染物;O₃浓度春季最高,夏季次之,秋季最低;PM₁₀和PM_2.5浓度春、冬季高,夏季最低;SO₂、NO₂、CO浓度冬季最高,夏季最低,但SO₂和NO₂四季变化幅度较其他污染物小。春、夏季的O₃,冬、春季的PM_2.5是昆明市大气污染的防治的重点。O₃浓度日变化呈单峰型分布,CO、NO₂、PM₁₀、PM_2.5浓度呈双峰型分布,但PM₁₀、PM_2.5浓度峰谷变化不明显;NO₂、CO、PM_2.5、PM₁₀浓度峰值出现在早高峰时段,O₃浓度峰值出现在14:00—15:00,SO₂浓度上午高于下午。大气污染物浓度分布具有明显的空间差异性,SO₂、PM_2.5、NO₂、PM₁₀、CO浓度城区西部高于东部,分别高出54.5%、20.0%、17.9%、14.6%和2.4%,O₃浓度则相反,城区东部高于西部,高出9.0%;SO₂、NO₂、O₃浓度东部、西部差异呈逐年减小趋势,不排除上风向安宁工业园区污染传输影响变弱的可能性。

     

昆明城市主要空气污染物污染特征及时空分布

通过对昆明城市空气中主要污染物的来源和构成,以及SO2、NO2、PM10三种大气污染物浓度的季节变化、日变化和空间变化规律的分析研究,说明昆明空气污染物的主要污染特征,为昆明城市空气污染防治决策提供依据.     

近年南京冬季首要大气污染物时空分布特征

近年来,随着气候变化以及工业化程度的加深,城市的大气污染问题日益突显。作者收集了2013-2018年南京地区首要大气污染物资料,对该地冬季大气污染物的时空分布特征及各污染物之间的相关性进行分析。结果表明:(1)从时间分布来看,除O_3外,南京冬季各污染物浓度均在2月达到最小值,AQI、PM_(10)、SO_2和NO_2浓度均在12月达最大,1月次之。PM_(2.5)、PM_(10)与AQI日变化趋势高度一致,在上午10∶00-11∶00出现峰值,在下午17∶00出现最低值。SO_2日变化呈单峰式变化特征,在上午11∶00出现峰值。NO_2浓度的日变化趋势与O_3正好相反,在下午14∶00-15∶00,NO_2出现低值,而O_3出现峰值。(2)从空间分布来看,南京冬季AQI与PM_(2.5)、SO_2的空间分布特征类似,呈东南高、西北低的分布特点,而PM_(10)呈西南-东北向递增的分布特点。(3)AQI与PM_(2.5)、PM_(10)的相关性最好,与SO_2、NO_2的相关性次之,而AQI与O_3没有明显的相关性,即影响南京冬季空气污染的主要是PM_(2.5)、PM_(10)、SO_2和NO_2。     

长三角主要城市空气污染时空分布特征研究

文章以长三角10个主要城市2004~2012年空气污染指数数据为依据,研究了长三角地区近几年的空气环境质量、主要污染物、空气污染的年际变化、季节变化和空间分布特征。结果表明,以《环境空气质量标准》(GB3095—1996)为依据,长三角地区空气环境质量在2004年~2012年间逐步好转,主要污染物为可吸入颗粒物,春季和冬季污染较为严重。但是以《环境空气质量标准》(GB3095—2012)为依据,由于标准变严,使得长三角区域的空气质量面临这更多的挑战。从空间分布上看,南京为长三角地区空气污染较为严重的城市,其空气环境状况不容乐观。     

毕节市中心城区大气污染物时空分布特征分析

为研究毕节市中心城区大气环境污染现状,利用2019—2021年毕节市中心城区3个国控监测站点的6项基本污染物以及AQI监测数据,采用趋势分析法,对毕节市中心城区各污染物浓度的时空分布特征进行了分析。结果表明：(1) 2019—2021年毕节市中心城区PM_2.5、PM₁₀、SO₂、CO、NO₂年平均浓度整体呈下降趋势,O₃年平均浓度呈上升趋势。(2) PM_2.5、PM₁₀、SO₂、CO、NO₂浓度月变化大致呈“U”型分布,O₃浓度月变化呈倒“U”型。(3) PM_2.5、PM₁₀、SO₂、CO、NO₂浓度季节变化规律为冬季最高、春秋季次之、夏季最低;O₃浓度季节变化特征为春>夏>秋>冬。(4) PM_2.5、PM_10<...     

福州市区大气污染物质量浓度时空分布特征分析

利用2014年2月1日—2015年1月31日福州市区6个国控空气质量监测站点CO、SO_2、NO_2、O_3、PM_(2.5)、PM_(10)逐时监测数据,综合分析了福州市区大气污染物污染水平及其时空分布特征。结果表明:福州市区首要污染物为PM_(10),且SO_2、CO污染程度极低,6个站点质量浓度超标率均未超过10%,其中鼓山站的空气质量最优,达到国家一级标准的概率超过了50%。在污染物质量浓度日变化曲线中发现,只有O_3呈单峰形态,峰值出现在14:00左右,通过对污染物的"周末效应"分析,发现CO、PM_(2.5)工作日质量浓度显著高于周末。     

2017-2020年武汉市大气污染物时空分布特征研究

为进一步了解武汉市大气污染时空分布特征,对2017—2020年武汉市主要大气污染物(PM_2.5、PM₁₀、SO₂、CO、NO₂和O₃)进行了空间插值分析、时间变化分析以及与气象要素的相关性分析。结果表明：武汉市近4年环境空气质量达标率为72.98%。PM_2.5、PM₁₀、SO₂、CO和NO₂具有“冬高夏低”的“V”形特征,O₃呈“夏高冬低”的变化趋势。武汉市年均质量浓度超标的大气污染物主要有PM_2.5和PM₁₀,但其年均质量浓度均呈下降趋势,而O₃是年均质量浓度唯一处于上升状态的大气污染物,今后应重点关注颗粒物与臭氧污染。PM_2.5、PM₁₀、SO₂、CO和NO₂主要集中在武昌区、蔡甸区、青山区、江汉区、江岸区,而O<...     

四川盆地大气污染物时空分布特征及气象影响因素研究

利用2015—2018年四川盆地内18个城市的6种污染物逐日质量浓度监测资料、同期的常规气象观测资料，采用插值、相关分析等方法，分析了四川盆地3个区域6种污染物的时空分布特征，探讨了各个污染物质量浓度与气象要素之间的关系.结果表明：①O₃在盆地中西部污染较重，PM_2.5和PM₁₀在德阳、成都、眉山、内江、自贡一带污染较重，在广元和巴中污染较轻，SO₂在巴中、南充、绵阳、德阳一带污染较轻，在广元和盆地中南部污染较重；②NO₂平均浓度呈先增后减的趋势，O₃呈增加趋势，而CO、PM_2.5、PM₁₀、SO₂均呈减小趋势；③CO、NO₂、PM_2.5、PM₁₀、SO₂呈"夏低冬高"的特征，O₃则相反，CO、NO₂、PM_2.5、PM₁₀均表现为"双峰双谷"型，O₃和SO₂则表现为"单峰"型；④偏东风有利于CO、NO₂、PM₁₀、PM_2.5的稀释扩散，偏北风有利于O₃、SO₂的稀释扩散；⑤6种污染物质量浓度均与气压、气温、24 h变温、24 h变压、相对湿度、10 m风速、700 hPa散度、850 hPa高度显著相关.风速、相对湿度、混合层高度、逆温层平均高度的增加有利于大多数污染物的稀释扩散.     

西安市主要大气污染物的相关性分析及时空分布特征

为深入了解西安市大气污染程度,对2015年西安市主要大气污染物(SO_2、NO_2、CO、PM_(2.5)、PM_(10)、O_3)的空气质量指数进行了逐日变化分析、相关性分析及空间插值分析。结果表明:SO_2、NO_2、CO、PM_(2.5)、PM_(10)空气质量指数春冬季高于夏秋季,而O_3空气质量指数则是春冬季低于夏秋季。11月和12月份污染较为严重。在4个季度中,PM_(2.5)和PM_(10)与气态污染物SO_2、CO、NO_2均呈正相关,说明PM_(2.5)、PM_(10)与这3种气态污染物具有同源性。SO_2与CO、NO_2均呈显著性正相关,三者均受化石燃料燃烧及机动车尾气影响。O_3与CO、SO_2相关性不大,与NO_2在二季度呈现正相关。SO_2、NO_2、PM_(2.5)、CO、PM_(10)多聚集在高新西区、莲湖区、碑林区、经开区、雁塔区、长安区,O_3多聚集在阎良区、未央区和灞桥区。     

辽宁辽中县城郊地区大气污染物时空变化及来源特征

以辽中县水文站为辽宁省典型城郊地区大气背景站点,针对大气污染物,ρ(PM_2.5)和气象因子等进行了1年(2007年2月—2008年1月)的连续观测.研究了各污染物的浓度水平,日、季节变化以及来源特征.φ(O₃),φ(CO),φ(SO₂),φ(NO),φ(NO₂),φ(NO_x*),φ(NH₃)和ρ(PM_2.5)平均值分别为19.9×10-9,0.85×10-6,9.7×10-9,8.8×10-9,14.5×10-9,23.2×10-9,29.8×10-9和66.6 μg/m3. 除SO₂外,各污染物浓度水平均优于我国《环境空气质量标准》(GB 3095—1996)的二级标准.φ(O₃)在日间达到最大值,一次污染物呈现双峰分布.从季节变化来看,φ(O₃)在夏季最高,春季最低.一次污染物如CO,SO₂,NO以及PM_2.5的浓度均在冬季达到最大值.地面监测的φ(O₃)和OMI卫星反演的NO₂ 柱浓度的变换趋势相同,但地面观测的φ(O₃)在春季明显低于柱浓度.后推气流轨迹分析结果表明,在φ(O₃)较高的夏、秋季,从东北地区和渤海湾起源的气流贡献最大.      

重庆市大气污染物的空间统计分析

利用空间统计分析方法(spatial statistics analysis),借助GIS,分析了重庆市3种主要大气污染物TSP,SO₂和NO_x质量浓度在空间上的分布特点.研究表明,在"九五"期间和2002年2个时期,重庆市大气污染物在空间上均呈不均衡分布.整体上,SO₂的空间自相关性很强,属集中分布模式;TSP的空间自相关性较弱,属于随机分布模式;NO_x处于二者之间.局部相关性分析表明,大部分区县的大气污染物之间相关性较弱.此外,利用缓冲区和内插浓度表面法分析了2个时期的污染物质量浓度随离行政中心距离变化的趋势,发现ρ(TSP)和ρ(SO₂)在各地带内均有明显削减,而ρ(NO_x)削减不显著;ρ(SO₂)和ρ(NO_x)随距行政中心距离增大下降,但ρ(TSP)随距离增大而增加.3种污染物质量浓度都在离行政中心50～60 km的地带发生明显变化,由此得出目前重庆市大气污染物空间分布的特征距离为50～60km.      

中国84个主要城市大气热岛效应的时空变化特征及影响因子

日益加剧的城市化致使我国城市热岛效应日趋严重,进而严重影响区域环境和人类健康.目前有关我国城市热岛效应的研究多基于卫星遥感获取的辐射温度,有关大气热岛效应时空变化格局的认识相对薄弱.本文选取84个代表性城市,基于1960~2017年逐日气温观测数据,分析了我国大气城市热岛的地理分布特征及其昼夜、年内和年际变化趋势.结果表明,所有城市平均热岛强度为（0.9±1.1）℃,不同地区热岛强度差异明显,北部地区明显高于南部地区,华北地区最大,年均强度达（1.4±1.4）℃;不同时间和季节热岛强度差异大,尤其东北和西北地区,整体表现为夜晚[（1.2±1.1）℃]明显高于白天[（0.5±1.2）℃],白天夏季高于冬季,夜晚冬季高于夏季;从年际变化来看,大部分城市年平均热岛强度呈明显增加态势,平均增长速率达到0.040℃·（10 a）^-1,但在2009年后出现明显减弱趋势;通过分析热岛强度与局地气候和不透水面的关系,结果发现大气热岛强度空间分布受气候背景和气象站点位置影响较大,而长期变化受不透水面比例影响较大.本研究将深化对我国大气热岛效应变化规律的认识,为制定缓解高温热浪的城市土地利用策略提供参考.     

青藏高原纳木错湖水主要化学离子的时空变化特征

为揭示青藏高原纳木错湖水化学离子的时空变化特征、来源以及主要控制因子,于2006～2010年连续定点(30°47.27’N,90°58.53’E,4 718 m a.s.l.)采集近岸表层湖水样品;于2009年8月采集湖心区剖面样品;于2010年10月采集湖心区剖面样品及表层湖水样品;对其主要化学离子进行分析.结果表明,纳木错湖水中主要阳离子为Na+,主要阴离子为HCO3-.绝大多数离子浓度在季风期较高(6～9月),而非季风期尤其是封冻期(1～4月)偏低;Ca2+浓度的变化则相反,即封冻期较高,而非封冻期较低且变化较小.对垂直剖面湖水分析表明,在湖水垂直结构稳定的非季风期(如10月),除Ca2+浓度随深度无显著变化外,其他离子浓度随深度增加而增大.纳木错湖水主要离子来源于入湖河水的贡献;影响离子时空变化的因素包括蒸发、降水、pH值等,其中蒸发是最主要的影响因素,它造成湖水Na+浓度不断升高而Ca2+浓度降低.     

2000～2015年中国地级市化肥使用量的时空变化特征

化肥在农业生产中对粮食增产起到至关重要作用,但过量使用也带来诸如地表水富营养化、土壤结构恶化及农业承载力下降等一系列环境问题.目前对于化肥的研究多集中于利用效率方面,而空间变化特征的研究很少,充分认识化肥使用量空间上的变化对我国农业的可持续发展同样具有重要意义.基于2000~2015年全国地级市化肥折纯使用量和播种面积、粮食产量等数据,采用空间自相关分析、冷热点分析、核密度分析和标准差椭圆分析等方法,比较了2000、2005、2010和2015年这4年全国尺度各地区化肥使用总量及单位面积化肥使用负荷的时空变化特征.结果表明：①2000~2015年我国的化肥折纯使用量呈直线增加趋势,而在区域内一直处于比较高的集聚状态.化肥折纯使用量经历2000~2005年区域聚集状态增强,2005~2010年聚集状态减弱,2010~2015年又增加的过程.②从全国化肥使用的空间分布来看,2000~2015化肥使用总量呈现增加趋势,主要表现在化肥使用量超标的地级市变多,区域变广.东部经济发展较快的地区,如广东省和福建省由于播种面积减少比例大于化肥使用量的增长比例,导致超标地级市较为密集.③2000~2015年我国粮食重心的移动轨迹和化肥使用量的移动轨迹不相符,粮食重心往东北地区移动,而化肥使用量的重心往西部移动.一是表明东北地区的商品粮地位越来越重要,二是表明我国西部地区化肥使用量逐渐增加,有超标的趋势,应加以重视.     

洱海悬浮颗粒物时空分布特征及其环境学意义

水体ρ（SPM）（SPM表示悬浮颗粒物）是衡量水污染程度的指标之一,其在湖泊内源释放和水环境变化中扮演重要角色.通过采集不同季节、不同区域、不同水深的洱海SPM,研究其时空分布特征,并对其成因进行解析,从而阐明其对洱海水质的影响机制.结果表明:①ρ（SPM）的季节性变化趋势为夏季>秋季>冬季>春季,藻类生长是其夏季明显高于其他季节的主要原因,其空间分布规律为中部>北部≥南部,其垂向分布规律为表层>中层>底层.②水体ρ（SPM）与水中溶解性有机物浓度间的关系表明,上覆水中SPM的迁移转化是影响上覆水溶解性有机物的重要因素.③DON（溶解性有机氮）的K_d（分配系数）（lg K_d为6.12±0.47）高于TDN（溶解性总氮）（lg K_d为5.70±0.48）,表明DON比TDN具有更高的颗粒反应性,DON可以很大程度上被浮游植物吸收利用,产生更高的ρ（SPM）,使得湖泊存在富营养化的风险.研究显示,洱海水体ρ（SPM）受入湖河流和湿沉降的影响较小,受内源代谢影响较大,较高水温、较高pH（8.98）、较低ρ（DO）均是导致藻源性ρ（SPM）增大的原因.      

中国典型城市大气污染物浓度时空变化特征分析

利用2014年3月1日至2015年2月28日北京、广州和南京三市6种污染物浓度(PM_(2.5)、PM_(10)、SO_2、CO、NO_2、O_3)的日平均数据,统计分析了三市各污染物浓度的变化特征及其与气象条件的关系。结果表明:(1)3个城市中,广州空气质量最好,南京次之,北京最差。广州优、良出现的天数最多,分别为98和222天,占全年的26.8%和60.8%,没有出现重度污染和严重污染的现象。北京优出现的天数为55天,高于南京的29天,但是中度污染、重度污染和严重污染天数要高于南京,分别为61、34和8天;南京则为30、14和0天,南京没有出现过严重污染。(2)整个1年间,北京PM_(2.5)、PM_(10)、SO_2、NO_2、O_3年平均浓度分别为80.5、112.9、16.8、53.4和57.3μg/m~3,广州平均浓度分别为45.9、67.2、16.6、45.7和47.9μg/m~3,南京平均浓度分别为70.6、120.1、21.5、50.3和54.9μg/m~3,北京、广州和南京CO年平均浓度分别为1.2、1.0和0.9mg/m~3。(3)上述三个城市PM_(2.5)日均值超标率分别为42.7%、7.9%和38.4%,而PM_(10)日均值超标率分别为23.0%、1.6%和25.2%,NO_2日均值超标率分别为14.0%、3.8%和7.1%,CO浓度仅北京超标,超标率为1.4%,3个城市SO_2无超标现象。(4)3个城市SO_2和NO_2均随风速的增大而减小。风速对广州CO浓度影响不大,而北京和南京CO浓度则随风速的增大而减小。风速越大,南京PM_(2.5)和PM_(10)浓度越小,但当风速≥4m/s时,北京PM_(10)和广州PM_(2.5)与PM_(10)浓度增加。此外,风向对污染物的传输也有影响。     

福州区域雾霾天气时空分布特征分析

利用1968～2007年共40年的福州区域9个气象站的历史地面观测资料,分析雾霾天气的时间分布特征及其原因。结果表明:40年间,福州区域雾日最多的是永泰站,轻雾日最多的是福州站,霾日数最多的是福清站;福州区域40年来雾日数有减少趋势,而轻雾和霾日数有增多趋势,对比前后20年的雾霾日数分布,福清、福州、闽侯3个站的霾日数出现异常增多;雾日数和霾日数具有明显的季节性变化,雾主要出现在12月～翌年6月的冬春季节,霾主要出现在10月～翌年4月的秋冬春季节,轻雾日数的季节性变化不明显。     

大气污染物总量减排与空气质量的分析与对策研究——以苏州市高新区为例

利用2009年-2013年污染物大气的总量减排数据、大气污染物排放量和同期环境空气质量监测数据,采用大气污染综合指数法分析了苏州高新区的污染物总量减排、大气污染物排放量与空气质量的关系.认为大气环境主要污染因子为PM10、SO2和NO3,燃煤为SO2主要来源,机动车是NOx的重要来源.为预防与治理污染,应不断提高新生产机动车排放标准,推进车用油品升级,加强环保检验、工业企业大气污染治理和扬尘治理,完善公共交通体系,发展循环经济,推广清洁生产.