济南市石化企业大气污染物周末效应研究

利用2016年6-9月石化企业周边大气污染物(PM_(2.5)、SO_2、O_3、NO、NO_2、CO)浓度的连续观测数据,研究了PM_(2.5)、SO_2、O_3的"周末效应"及出现的原因。结果显示,PM_(2.5)、SO_2存在工作日浓度明显高于周末浓度的"周末效应"现象。PM_(2.5)、SO_2的"周末效应"与人类活动强度在工作日较大有着密切关系。O_3的"周末效应"表现为:抑制阶段周末浓度较高,光化学生成和消耗阶段工作日浓度较高,可能的原因是在上述阶段周末NO浓度较低,而NO_2和CO浓度较高。     

气象因素对成都市主要大气污染物影响的非参数分析

通过获取2014年成都市大气污染物和气象因素的在线监测数据,分析大气污染物的时间变化规律,并采用Spearman秩相关系数来分析污染物逐日浓度和气象因素的相关性。结果显示,SO_2、NO_2、CO、PM_(10)和PM_(2.5)夏季浓度最低,冬季最高,O_3则夏季最高,冬季最低;受秸秆露天焚烧影响,5月各污染物浓度均出现一个小高峰。温度和风速均与O_3显著正相关,与其他污染物显著负相关;大气压则相反;相对湿度与各污染物均显著负相关,但在严重污染时与颗粒物显著正相关。     

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)。     

我国部分地区大气污染现状及其分布特征

收集2014—2016年我国部分地区环保部常规监测的6项大气污染物浓度,重点分析了我国东北、华北、华东、华中、西部地区经济快速发展城市空气污染的状况及分布特征。结果表明:除O_3外,其余污染物浓度均下降,SO_2二级达标率持续上升。各污染物区域性分布显著,北方比南方污染重。东部O_3污染严重;PM_(10)、CO浓度在华北地区最高;SO_2浓度在东北、华北最高;PM_(2.5)、NO_2浓度在华中、华北最高。华北地区大气污染严重,华东PM及SO_2污染最轻。     

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。     

香港地区不同类型站点大气污染变化特征对比研究

选取香港环境保护署设立的5个代表性站点(可归类为路边站、一般站及背景站)2016年的监测结果,对获取的各类污染物(PM_(2.5)、PM_(10)、NO_2、NO_X、SO_2、O_3)浓度变化特征进行对比研究,结果表明:(1)三类站点颗粒物及SO_2浓度年均值差异较小,体现了其区域性的污染特性,NO_2与NO_X年均值均为路边站一般站背景站,而O_3则相反,路边站最低而背景站最高;(2)各类站点PM_(2.5)与PM_(10)季节差异表现为夏季最低而冬季最高,O_3最低值也出现在夏季;(3)三类站点大气污染物日变化特征差异显著,路边和一般站NO_2与NO_X日变化表现为"早晚双峰"型,背景站变化幅度较小;路边站、一般站颗粒物日变化表现为单峰型,峰值出现在晚间22∶00,背景站变化幅度较小;O_3在路边站和一般站呈现双峰型变化,而在背景站为单峰型,峰值出现在下午15∶00左右;(4)所有站点PM_(2.5)、NO_X及O_3"假日效应"明显,具体表现为:PM_(2.5)和O_3浓度在假日全天浓度高于工作日;路边站和一般站的NO_X浓度在假日0∶00~8∶00时段高于工作日,其余时间均低于工作日。     

秦皇岛市环境空气质量状况及污染防治对策

2015—2017年秦皇岛市环境空气质量有所好转,SO_2、CO、PM_(10)和PM_(2.5)污染程度呈现下降趋势,NO_2和O_3污染程度呈现上升趋势,主要污染物为PM_(10)和PM_(2.5)。秦皇岛市大气污染的主要因素有工业废气、机动车尾气、扬尘和燃煤等,是典型的复合型污染。建议通过加强工业污染源治理、强化机动车尾气治理、推进扬尘治理、加强燃煤锅炉治理、推广清洁能源、完善大气预警应急体系等污染防治对策来改善秦皇岛市环境空气质量。     

成都市城区大气污染特征及其假日效应研究

对成都市城区O_3、SO_2、NO_X、CO、PM_(2.5)、PM_(10)、苯和甲苯进行了为期一年的在线观测。结果表明:成都市超标最严重的为NO_X,年平均质量浓度为(100. 9±61. 5)μg/m3,超标天数为119 d。PM_(2.5)、PM_(10)、CO和NO_X的浓度均为冬季最高; O_3春夏季高而冬季低; SO_2浓度冬季相对较高但总体水平较低。春、夏、秋季成都市大气中苯系物的主要来源为机动车,冬季则是机动车源和燃烧源的综合贡献。O_3日变化呈"单峰型"; NO、苯和甲苯都在上午出现峰值; NO_2与PM_(10)、PM_(2.5)均呈现出"双峰双谷"型日变化; CO也为双峰型日变化。各大气污染物浓度没有明显"周末效应",但"长假效应"显著。     

新疆“乌-昌-石”区域空气质量变化特征分析

《自治区打赢蓝天保卫战三年行动计划(2018-2020)》将"乌-昌-石"重点区域作为主战场,其空气质量受到广泛关注。通过收集2018～2020年"乌-昌-石"区域空气质量数据,分析区域及所辖城市主要大气污染物浓度的时空分布特征和变化趋势。结果显示:2018～2020年"乌-昌-石"区域空气污染具有明显的时间和空间分布特征。2018～2020年"乌-昌-石"区域污染物PM_(10)、PM_(2.5)、NO_2和SO_2的年均浓度呈波动下降的趋势,CO和O_3的年均浓度呈小幅度波动上升的趋势;优良天数比例呈波动上升趋势。6种污染物质量浓度年内分布特征为单峰型分布,PM_(2.5)、PM_(10)、SO_2、NO_2、CO峰值在1～2月,O_3峰值在7月;五个地区的优良天数比例年内变化规律基本一致,均呈现倒"U"型曲线,1～2月污染最重,优良天数比例为22.60%～21.40%,12月次之,为38.70%。PM_(2.5)质量浓度在空间分布上呈现阜康最高、乌鲁木齐市最低,NO_2质量浓度分布为乌鲁木齐市最高、昌吉市和石河子市较高、其余地区较低,O_3质量浓度最大的地区为石河子市、其余地区均较低。     

秦皇岛大气污染物的分布特征及其天气背景

根据官方公布的空气质量观测数据,对秦皇岛城市PM_(2.5)细颗粒物的分布以及主要污染物(CO、NO_2、SO_2、O3)进行了分析研究。研究结果显示:秦皇岛城区年均119 d处于轻度以上污染,冬季年均有16 d处于重度以上污染,NO_2是最主要污染物,PM_(2.5)浓度在春夏季早晚各有一个峰值、秋冬季午夜前后出现极值。"静稳天气"是空气污染的必要条件,重度空气污染与近地面深厚逆温层紧密相关,地面风速0~3 m/s的风场会发生空气污染。     

乌鲁木齐市空气质量5参数对PM_(2.5)的影响及PM_(2.5)浓度时空变化特征分析

根据新疆环境质量发布平台提供的数据,对乌鲁木齐市2014-2016年3年间7个监测点的PM_(2.5)(粒径小于等于2.5μm)日均质量浓度监测数据进行时空特征分析,其中,空间上运用IDW反距离权重插值法,分别对全年、采暖期和非采暖期数据进行整理分析。运用灰色关联模型对空气质量6参数(PM_(2.5)、SO_2、NO_2、CO、O_3、PM_(10)六项因子)进行计算,结果表明全年、采暖期、非采暖期对PM_(2.5)影响最大的因素都是CO。     

天津市河东区空气质量状况分析及其污染防治对策

以相关空气质量数据为基础,对天津市河东区2016年空气质量状况进行了研究,分析大气环境中PM_(10)、PM_(2.5)、SO_2、NO_2、O_3等污染因子的污染时间和污染来源,分析结果表明,河东区空气质量受季节性影响较为严重,工业扬尘和机动车尾气等构成了大气污染物的主要来源。据此,从政府、企业以及民众等角度提出污染防治对策。     

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。     

川南城市群大气污染时空分布及气象因子分析

以大气环境地面监测数据及其对应的地面气象数据作为基础数据,分析了2005~2014年间川南城市群大气污染时空分布特征及与气象因子相关关系。结果表明,近10年来,川南城市群PM_(10)存在典型的双峰变化,NO_2和SO_2年平均值总体保持稳定趋势;季节上表现为冬季大气污染最严重,夏季大气污染最轻。风速对PM_(10)浓度影响较大,能见度与PM_(10)呈明显的相关性。     

南昌市冬季一次大气重污染过程的特征分析

对南昌市2016年1月一次以PM_(2.5)为首要污染物的大气重污染过程进行了综合分析,研究其污染特征及成因。重污染时段PM_(2.5)中SO_4~(2-)、NO_3~-和NH_4~+质量浓度之和占42.1%,重污染日OC/EC为4.73,均明显高于非污染期间,说明二次无机离子和有机物贡献较大;NO_3~-/SO_4~(2-)均值为0.85,高于非污染期间的0.56,表明南昌市固定源和移动源污染并重,且重污染期间移动源贡献比例增大。区域污染传输,加上低压、低风速和相对较高的湿度等不利于大气扩散的气象条件可能是此次重污染的成因。     

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。     

乌鲁木齐大气污染“周末效应”特征及其变化趋势分析

利用乌鲁木齐市主城区内四个国控环境空气质量自动监测站点2015—2019年的小时数据,对乌鲁木齐城区大气污染物"周末效应"情况及演变趋势进行研究,并对其产生的原因进行简要分析。研究结果表明:乌鲁木齐大气环境中PM_(10)、PM_(2.5)、SO_2呈现出明显的"负周末效应"现象,工作日PM_(10)、PM_(2.5)、SO_2浓度分别较周末高出2.2%、3.5%和0.5%。臭氧(O_3)呈现明显的"正周末效应",周末臭氧浓度较工作日高出3.5%。周末臭氧前体物CO、NO、NO_2浓度较工作日分别低3%、5.9%、2.2%,均呈现明显的"负周末效应"现象。近五年乌鲁木齐市各主要大气污染物"周末效应"偏差呈现逐渐减小的趋势,并在整体上呈现出由"负周末效应"向"正周末效应"转变的趋势。     

降水对西宁市大气污染物浓度的影响分析

文章利用西宁市区2013~2014年逐日空气污染日平均浓度资料和日平均降水资料,分析了西宁市区大气污染物浓度的分布和不同等级降水对SO_2、NO_2、PM_(10)、PM_(2.5)污染物浓度的清除能力。结果表明,西宁市空气质量以二级为主,二级天数占样本总数的57.8%;西宁市大气中的首要污染物是PM_(10)和PM_(2.5);降雨、降雪对污染物浓度具有稀释作用;不同等级的降雪量对4种污染物的稀释作用不同,降雪量在0.5mm以下时对污染物浓度的清除作用较弱甚至出现反弹现象,降雪量≥5.0mm时对4种污染物的清除能力最强;降雨量越大,对各项污染物的清除作用越明显,日降水量≥10.0mm对4种污染物的清除率达到了29.54%~57.57%;清除能力表现为SO_2PM_(10)PM_(2.5)NO_2的特征;连续降雪比连续降雨更有利于空气质量的改善;降雨等级不同时,AQI指数级别不变的天数居于首位的均为PM10;降雪量为0.6~1.0mm、1.1~1.9mm、≥5.0mm时,AQI指数级别不变的天数居于首位的是PM2.5;无论降雪还是降雨,PM_(10)和PM_(2.5)级别下降天数明显大于上升天数,尤其以PM2.5明显。     

克拉玛依市PM_(2.5)污染特征分析

对克拉玛依市2014-2015年PM_(2.5)质量浓度进行整理统计,通过Arc GIS空间插值和EXCEL数理统计分析得出PM_(2.5)的质量浓度变化特征。结果表明,PM_(2.5)各小时浓度均低于国家二级标准,整体空气质量为良;PM_(2.5)季节浓度呈现冬季高,春夏低的规律,其中2月份浓度最高,为63.7μg/m3,4月份最低为23.6μg/m3;各监测站PM_(2.5)浓度受盛行风影响自西北向东南方向递增,依次为南林小区、长征新村、白碱滩区、独山子区、乌尔禾区商贸区;PM_(2.5)与PM10全年平均比值为0.53,整体空气污染较重。此外,PM_(2.5)与NO_2和SO_2均呈正相关,与O_3呈负相关性,说明汽车尾气和化石燃料排放是PM_(2.5)的主要来源。     

遵义市汇川O_3、NO_2和SO_2变化特征分析

根据2015年1月—2017年12月间监测数据,分析了遵义市汇川大气中O_3、SO_2和NO_2浓度变化特征。结果表明,3年间SO_2污染最轻,NO_2次之,O_3污染较重;NO_2与SO_2浓度冬春季要显著高于夏秋季,O_3浓度表现为夏高冬低。夜间建筑施工及渣土车排放对NO_2浓度影响较大,社会生活燃煤排放对冬春大气中SO_2的贡献较大。相关性研究表明,不同天气下各污染物与相对湿度均呈负相关性,多云和晴天NO_2和SO_2浓度与风速、气温呈显著负相关性,而与O_3浓度呈正相关性。