沈阳市空气污染特征

以沈阳市8个国控环境空气监测点位和一个清洁对照点位2004年全年小时浓度为基础数据,研究了沈阳市空气PM₁₀、SO₂和NO₂的季节变化、日变化、空间分布及综合污染指数(API)等空气污染特征,并用1995～2004年的监测数据,分析了沈阳市空气质量的总体变化趋势.结果表明,首要污染物为PM₁₀,其空气污染具有典型的煤烟型污染季节特征,环境空气质量在1995～2004年期间逐年好转.     

2017～2020年临汾市空气质量特征分析及评价

以临汾市为研究区域,基于2017～2020年空气质量逐日数据,对研究区AQI和首要污染物的年季变化特征进行分析,采用综合污染指数法对空气质量进行了评价。结果表明:2017～2020年,空气质量为优良的天数呈逐年增加趋势,而轻度污染及以上等级的天数呈逐年减少趋势;煤炭能源总量消耗,私家车保有量,绿化覆盖率,第二产业占比和工业粉尘排放等因素影响了污染物的排放;空气质量总体上呈现"夏好冬差,春秋居中"的规律;秋冬季节的首要污染物主要为PM_(2.5),夏季的首要污染物主要为O_3;空气质量综合指数优良排序依次为2020年、2019年、2018年和2017年; 2017和2018年的空气质量等级为中度污染,2019和2020年的空气质量等级为轻度污染,空气质量有所改善,但需要继续加强治理。     

基于精细观测资料的深圳不同季节霾及其污染特征分析

利用2010~2013年逐时霾、能见度和空气质量监测数据,分析了深圳霾天气的变化特征、霾与空气质量和气象条件的关系.结果表明:深圳市霾日数总体呈现增多增强趋势,2009年开始明显下降;霾日数呈“V”型月变化:即秋冬季多、春夏季少,秋冬季多发持续时间长、影响严重的霾过程,春夏季多发持续时间短的霾过程; 霾常伴有污染发生(35%),污染以轻度污染为主;霾时首要污染物PM2.5最多、其次O3,这说明PM2.5是造成深圳霾的主因,且深圳光化学污染严重. 霾时PM2.5、PM10 和O3季节变化明显,冬春季首要污染物以PM2.5为主(75%以上),夏秋季O3和PM2.5为主;分析还发现,风、相对湿度与霾密切相关,风速越弱,湿度越大, 越利于霾出现和发展.约80%的中重度霾出现在风速<2m/s,相对湿度70%~90%的情况下.     

2005年-2014年安阳市城市空气质量变化趋势分析及治理对策研究

利用2005年-2014年安阳市城市空气质量自动监测数据,采用Daniel趋势校验法对空气质量变化趋势进行分析,确定主要污染物,探讨影响空气质量变化的因素,提出改善空气质量的综合治理措施.结果表明2005年-2014年安阳市空气综合污染指数为2.60,属轻度污染,首要污染物为PM10,其次为SO2,冬季污染较重,呈现尘污染与煤烟型污染特征;大气污染物存在显著的空间差异性,西北工业区污染较重;总体上,综合污染指数、SO2、PM10均呈不显著上升趋势,NO2呈现显著上升趋势.     

西安市大气污染物时空分布特征及其趋势评估

近年来空气质量受到了人们的日益关注,然而目前尚缺乏针对西安市空气质量的系统分析。通过西安市2014—2017年环境监测的实时数据以及环境空气质量指数(AQI),可分析西安市雾霾天气的时空分布特征以及污染变化趋势。从年度变化看,西安市AQI呈现明显的单峰特征,取暖季重度污染和严重污染约占总天数的40%,PM_(2.5)作为首要污染物的天数增加到72 d,非取暖季2016年重度污染天数比2014年提高了4.4%。从空气污染物成分看,PM_(2.5)和PM_(10)的正相关性最强,而与臭氧则呈负相关关系。研究结果可预测未来几年污染趋势,为政府部门采取有针对性的大气污染治理措施提供了参考。     

为了京城的蓝天

今年北京蓝天计划的目标是全年实现238个蓝天,但从新年伊始,这一计划就不断受到挑战:1月份的连续逆温造成了4个中、重度污染天,3月份的5次沙尘天都造成了中、重度污染,仅这两次就夺走了9个"蓝天";4月份空气质量达标的蓝天天数只有9天,是近5年来同期最少的一个月,而中重度污染天数却出现了6天……今年北京的蓝天计划目标能否实现,成了上至北京市长下至京城市民都普遍关注的话题.     

人努力,但天不帮忙咋办

虽然2005年北京市政府承诺的空气污染指数“二级和好于二级”蓝天数量较2004年的计划目标227天（2004年实际完成229天）又提高了3天，难度再次增加，但2005年伊始，蓝天天数之多出人意料。京报网2月3日报道“今年1月份，北京市空气质量二级和好于二级的天数累计达到21天，占当月总天数的67．7％，比去年同期增加两天……是1998年以来同期空气质量达标天数最多的一个月……这种情况在北京的采暖季节中是从来没有过的。”欣喜之情溢于言表。据统计，今年1、2月蓝天数量较去年同期增加7天。在一年里污染最严重的季节有如此好的表现，看来完成2005年230天的蓝天指标不在话下。     

沧州市空气质量及相关气象条件统计分析

本文应用2002年6月1日至2004年5月31日沧州市环境监测站一年的逐日空气质量报告数据，对沧州市的城市空气质量及其污染物进行了统计分析，并且对影响沧州市空气质量的气象因子进行了初步统计分析，发现沧州市的空气质量受季节影响较为严重，属于“煤烟型”污染，并与气象因子具有很大的相关性。     

许昌市环境空气质量变化趋势分析

依据许昌市2006至2015年空气质量监测数据,对许昌市空气质量现状及其变化趋势进行分析,并结合许昌市的实际情况提出相应的对策和建议。结果表明,近十年来许昌市空气质量并没有明显好转,环境空气污染以煤烟型为主,PM10为首要污染物,污染负荷呈上升趋势;NO2的污染负荷呈不显著上升趋势;SO2的污染负荷呈下降趋势。污染物浓度表现出明显的季节性变化特征,冬季污染程度最严重,春季次之,夏季最轻。     

对首要污染物所揭示的京津冀环境空气质量状况的认识启迪与对策建议

利用中国环境监测总站发布的实时大气环境监测资料,选择京津冀地区8个城市（北京市、天津市、石家庄市、保定市、唐山市、邢台市、邯郸市和秦皇岛市）57个站点为研究对象,对2015年该地区AQI（环境空气质量指数）及其首要污染物日报和实时报特征进行综合分析与评估.结果表明:①京津冀地区8个城市空气质量等级日报的首要污染物主要是PM_2.5,其中邯郸市以PM_2.5为首要污染物日数占比（即出现日数占全年总天数的比例）最高,为90%;北京市最小,为50%;其余城市在70%左右.以O₃为首要污染物日数占比较高的是北京市和保定市,超过20%;秦皇岛市最小,为2.8%.以NO₂为首要污染物日数占比较高的是秦皇岛市,为10.6%.②京津冀地区8个城市AQI实时报中以O₃为首要污染物的情况最多不超过10%,几乎没有以NO₂为首要污染物的情况;但在AQI日报中,以O₃为首要污染物的日数占比最高的可达26%,以NO₂为首要污染物的日数占比高达11%.③以2015年北京市奥体中心站点为例,当AQI日报仅以NO₂为首要污染物时（23 d）,空气质量等级日报均为良的情况主要发生在1-3月和10-12月;然而同期AQI实时报白天（08:00-16:00）空气质量等级均呈现优、良,而夜晚（16:00以后）ρ（PM_2.5）为中度和重度污染等级;当AQI日报仅以O₃为首要污染物时（55 d）,空气质量等级日报均为良的情况主要发生在4月和7-8月;同期,尽管AQI实时报中ρ（PM_2.5）日变化差异不明显,但ρ（PM_2.5）达到中度和重度污染等级的时段明显增多,且峰值多出现在10:00左右.④导致AQI日报和实时报结果差异的主要原因是在计算实时AQI时颗粒物质量浓度标准仅参考ρ（PM_2.5）和ρ（PM₁₀）24 h限值,这将会导致不确定性及滞后性.研究显示,在全国已有5 a长时间监测数据的基础上,有必要对AQI等内容开展深入研究,以加强对标准及其相关指南和规定的修改与完善工作.      

中国典型城市环境空气质量变化趋势分析研究

文章选取北京市、兰州市、乌鲁木齐市、青岛市、武汉市、深圳市这六个典型城市为研究对象,利用2003年-2013年六个城市的SO2、NO2和PM10浓度数据,计算出区域空气综合污染指数和污染负荷指数,并采用Daniel趋势检验法分析主要污染物的变化趋势.结果表明,六个典型城市环境空气质量状况从优至差排列依次为深圳、青岛、武汉、北京、兰州、乌鲁木齐;六个典型城市空气首要污染物为PM10,SO2的污染负荷呈下降趋势,NO2的污染负荷呈上升趋势;各城市的空气质量整体呈现好转趋势,表明大气治理初见成效.     

基于ESDA的省域空气污染空间特征研究

运用探索性空间数据分析(ESDA)方法,对中国31个省份的空气质量指数和PM2.5进行了空间分布和时空演化分析,结果显示,中国省域空气综合污染存在较强的空间自相关性,可对相邻区域空气质量造成影响.PM2.5污染与空气综合污染的空间相关趋势保持了高度的一致性,体现主导污染物的地位.辽宁与华北省份北京、天津、河北、山东,以及部分华中省份河南、湖北及江苏形成了较为稳定的高污染集聚区,较轻污染的集聚大多分布在西部、西南和东南沿海区域.基于空间特征的污染治理措施,可实现功效发挥的最大化.     

基于BP神经网络的空气污染指数预测模型研究

BP神经网络已成为研究空气污染预测的有效工具之一。文章利用近十年北京市地面气象观测资料和空气污染指数数据,通过BP神经网络技术构建了不同季节的空气污染指数预测模型,对北京市空气污染指数进行了预测。通过相关系数分析法,对比分析了预测结果与实际监测结果,研究结果表明:春、夏、秋、冬季的预测值与监测值线性相关系数分别为0.81、0.84、0.89、0.85。北京春季常伴随有沙尘天气,而文章并没有考虑沙尘天气对预测模型的影响,因此春季BP神经网络预测精度在四季中最低,其预测值与监测值的线性相关系数为0.81。由于秋季不同空气质量级别的数据都有较多分布,因此该季节构建的网络更具有代表性,其预测精度在四季中最高,预测值与监测值的线性相关系数高达0.89。总之,BP神经网络模型对于北京空气污染指数预测是行之有效的。     

沙尘天气对我国北方城市大气环境质量的影响

采用2001—2006年沙尘天气的统计数据以及城市空气污染指数(API),分析了沙尘天气对沙尘源区和影响区代表城市的空气质量影响,并分析了2005—2007年兰州和北京春季沙尘天气与非沙尘天气下气溶胶光学厚度与波长指数的变化特征.结果表明:近些年沙尘天气呈先减少后略微增加但总体呈缓慢下降的趋势;春季沙尘天气加重了城市大气污染,对沙尘源区内代表城市的影响超过了区域本底污染指数的50%,使兰州、银川、呼和浩特和包头的春季非沙尘天气API平均值分别增加了64%,53%,86%和90%;使影响区内代表城市,如北京、天津、太原、石家庄、沈阳、济南、西安和郑州的春季非沙尘天气API平均值分别增加了85%,62%,49%,57%,29%,41%,27%和45%;沙尘天气使城市大气气溶胶光学厚度升高,气溶胶波长指数降低.      

2013-2015年十堰市环境空气质量变化趋势分析研究

利用十堰市空气自动监测站的监测数据,采用综合指数、空气质量指数(AQI)和Spearman秩相关系数法等评价方法,研究十堰市2013年-2015年环境空气质量变化情况及其影响因素,为城市的大气污染防治提供治理思路.结果表明:2013年-2015年十堰市城区空气质量逐年好转,除PM10和PM2.5外,其他因子均达标,污染物贡献比例中,PM10和PM2.5污染负荷占比超过50%,为主要污染物;十堰市城区空气质量整体呈夏季较好,冬季较差的趋势;全市中开发区铁二处空气质量较好,张湾区刘家沟空气质量较差;结合自然因素和人为因素,综合分析空气质量的变化情况,通过调整能源结构、减少污染源排放和使用清洁能源等多项措施,并注意季节特征和加强预警预报工作,进而改善空气质量.     

奥运时段北京及近周边区域空气污染观测与比对分析

为研究奥运时段北京与近周边区域空气质量的相互影响,评价区域污染源协同减排对奥运时段北京空气质量的作用,寻求北京空气污染预警的有效途径,2008-06-01～2008-10-03在北京奥运村以及近周边的河北涿州、廊坊、香河、燕郊进行了空气污染联网观测.结果表明,夏秋季节北京和近周边首要污染物均为颗粒物,北京和周边可吸入颗粒物(PM10)平均质量浓度分别为(114±66)μg/m3和(128±59)μg/m3;细粒子(PM2.5)质量浓度则分别为(77±47)μg/m3和(81±51)μg/m3;臭氧质量浓度小时最大值的平均分别为(164±52)μg/m3和(165±55)μg/m3;NOx分别为(58±23)μg/m3和(25±14)μg/m3.相对于6月,奥运会时段(8月8日～8月24日)北京地区PM10、PM2.5、O3、NOx的浓度分别下降69%、62%、18%和41%,残奥会时段(9月6日～9月17日)PM10、PM2.5、O3、NOx的浓度分别下降56%、49%、17%和16%.北京大气中细粒子浓度受周边影响严重,而NOx有向周边扩散的潜势,夏季臭氧则表现出区域污染的特征.结合气象要素分析表明,近周边区域联网观测,有助于北京空气质量预警研究,并可为区域协同防控空气污染提供科学支撑.     

中国空气污染指数变化特征及影响因素分析

以2001～2010年我国42个城市逐日空气污染指数、主要污染因子、空气质量级别和空气质量状况资料为基础,分析了近10 a我国空气质量的变化特征.结果表明,我国城市大气受燃煤影响较为严重,可吸入颗粒物为主要污染因子,空气质量状况以优、良和轻微污染居多;空气质量季节变化明显,冬季空气污染最严重,夏季最轻;从年际变化看,空气质量表现出逐年好转趋势;城市大气环境质量在区域上存在显著差异,表现为由南到北、从沿海到内陆逐渐变差的趋势.对空气污染影响因素的分析表明,局地污染和西北地区沙尘传输造成的自然降尘是我国城市空气质量的主要污染源;气象要素对大气污染物有制约关系,空气污染指数与降水量、风速、逆温线性相关;地形的空间差异影响着气象条件的分布,进而对空气质量的空间变化产生影响;人类活动对城市空气质量也存在一定的影响,且具有双重作用.     

Ambient air quality trends and driving factor analysis in Beijing, 1983-2007

The interaction between pollution sources change and implementation of air pollution control measures was the main driving factor that caused the variation in air quality.     

Evaluation of ambient air quality in Guangzhou, China

On the basis of the reported air quality index （API） and air pollutant monitoring data provided by the Guangzhou Environment Monitoring Stations over the last twenty-five years, the characteristics of air quality, prominent pollutants, and variation of the average annual concentrations of SOE, NOE, total suspended particulate （TSP）, fine particulates （PM10）, CO and dustfall in Guangzhou City were analyzed. Results showed that TSP was the prominent pollutant in the ambient air environment of Guangzhou City. Of the prominent pollutants, TSP accounted for nearly 62%, SOE 12.3%, and NOx 6.4%, respectively. The average API of Guangzhou over 6 years was higher than that of Beijing, Tianjin, Nanjing, Hangzhou, Suzhou and Shanghai, and lower than that of Shenzhen, Zhuhai and Shantou. Concentrations of air pollutants have shown a downward trend in recent years, but they are generally worse than ambient air quality standards for USA, Hong Kong and EU. SOE and NOx pollution were still serious, impling that waste gas pollution from all kinds of vehicles had become a significant problem for environmental protection in Guangzhou. The possible causes of worsening air quality were also discussed in this paper.