城市微环境PM2.5浓度空间分异特征分析

以长沙市主城区为例,在203个地面点通过加密观测并获取PM_2.5浓度小时观测值,辅以同步常规稀疏国控点PM_2.5浓度观测数据,在点、面尺度对比分析加密、稀疏两种观测模式下城市微环境PM_2.5浓度空间分布的特征差异.结果表明：地面加密观测模式下PM_2.5浓度高值区主要集中在道路、地表扬尘、住宅小区、医院和工业园等人群、车辆活动的微环境场景;低值区主要出现在公园景区等高植被覆盖度区域.同一空间点位,地面加密观测PM_2.5浓度值均高于常规稀疏国控点PM_2.5浓度观测值,平均高出29.71μg/m³.反距离权重空间插值制图揭示地面加密观测模式下的PM_2.5浓度呈现明显的西北部高（>75μg/m³）、中部和南部居中（65~75μg/m³）、东部低（<55μg/m³）的三级阶梯式异质特征,剖面分析各向波动较大.相比,稀疏国控观测模式空间分布图仅能反映主城区PM_2.5浓度整体较低（<55μg/m³）、除北-南向之外各向剖面PM_2.5浓度相对无明显变化的格局.与此同时,稀疏国控观测模式在地面加密观测点估算的PM_2.5浓度同样显著低于实际观测值,所揭示的研究区高值PM_2.5浓度微环境为道路、地表扬尘、汽车站.研究结果证实,出于环境保护目标建立的空气质量国控监测点难以精确反映同点位近地面PM_2.5浓度,所识别的城市高低PM_2.5浓度值微环境与真实情景存在偏差,空气质量越优等级下偏差越大.     

城市环境PM2.5空间分布监测方法研究进展

随着城市化和工业化的发展,城市环境中日益增多的PM_(2.5)对人类健康造成了严重威胁。本文旨在分析总结目前PM_(2.5)空间分布的相关监测方法以及空气质量预测模型。当下,PM_(2.5)浓度的监测不仅涉及大气化学、污染物的源解析、大气化学运输模型、线性及非线性空气质量模拟等方面,还涉及地理信息系统与卫星遥感等新技术的运用。本文在比较传统PM_(2.5)监测与新型监测方法不同的基础上,分析了各自的优劣,为空气质量监测提供建议和指导。     

基于LUR模型的2019年北京地区PM2.5与PM10浓度空间分异模拟

在城市区域内,空气污染物的浓度在小范围内存在显著差异,而离散的地面监测点分布不均匀,且监测范围有限,无法满足污染物暴露评估等研究的需求.本研究基于GIS空间分析和多元逐步回归的模型构建的方法,建立了土地利用回归（LUR）模型,并模拟了北京市2019年PM_2.5和PM₁₀浓度的空间分布特征.选择土地覆盖数据、气象数据（风速、降水、温度）和植被覆盖度数据等预测变量,以研究区34个监测站点为中心建立0.1~5 km共7个系列缓冲区,表征不同尺度下各变量对PM_2.5和PM₁₀浓度的影响.研究结果表明：①进入PM_2.5回归模型中的变量有：年均风速、温度、降水量和周围中等植被覆盖、耕地和不透水面的面积;进入PM₁₀回归模型中的变量有：年均风速和周围中等植被覆盖的面积.两个模型的调整R²分别为0.829和0.677,模型精度较高.②抑制污染物浓度的变量,影响力随着空间范围扩大而增强;使污染物浓度增加的变量,影响力随着空间范围缩小而增强.③浓度模拟结果显示,PM_2.5和PM₁₀在西北部山区浓度较低,南偏东的城区浓度较高,并且向南有逐渐增加趋势.4植被覆盖度这一变量不仅进入了上述两个方程,且影响力都强于其他土地利用类型,故以后的模型改进应该考虑植被覆盖度这一因素.     

城市内部尺度PM2.5传输关联方法研究—以北京市为例

基于数据驱动思想,以城市内部环境空气质量监测站点为研究对象,建立了目标站点与周边站点间PM_2.5浓度、风向、风速、欧几里得距离等参数的多元线性关联回归模型,使用梯度下降算法学习得到各参数权重系数,计算得出周边站点对目标站点PM_2.5传输贡献,并评估了模型的可行性.以北京市丰台花园（FT）为目标站点的应用研究结果显示,2016年FT站点PM_2.5浓度为82μg/m³,周边站点大兴（DX）、房山（FS）、亦庄（YZ）、东四环（DS）、古城（GC）和万柳（WL）浓度分别为93,82,80,79,77,71μg/m³;FT站点PM_2.5浓度与上一时刻周边站点WL、GC、DX、YZ的相关性分别为0.634、0.631、0.608和0.601,显示其对FT站点PM_2.5污染传输显著;建立的4个季节关联回归模型RMSE值分别为13.22、11.74、12.51和13.22,PM_2.5模拟浓度与监测浓度变化趋势一致,验证了模型的可行性;WL、DX、YZ、GC分别是对应春、夏、秋、冬4个季节对FT站点PM_2.5污染传输贡献较大的站点,其贡献值分别为1.61%、1.71%、2.20%和8.57%.该模型解析的结果可为北京市未来城市规划、建设提供依据,提出的PM_2.5传输多元线性关联回归方法同样可用来解析其他城市内部尺度PM_2.5传输关联,为挖掘城市内部PM_2.5传输路径、精准溯源提供基础.     

农村散煤替代对PM2.5污染影响及健康效益评估——以河南省为例

基于2016年河南省农村污染物排放清单,采用县级优化模型,设置了基准和散煤治理2种情景,评估了2025年1月份河南省农村散煤替代的减排潜力,利用空气质量模型（WRF-CMAQ）模拟其对PM_2.5污染改善的贡献,并采取泊松回归模型分析了相应的居民健康效益.结果表明,由于围护结构改造的成本较低及保温效果显著,其与采暖设备的组合技术在河南省农村家庭是最适合推广的采暖技术.在散煤治理情景下,2025年1月河南省农村居民燃烧源的SO₂,NO_x,CO,PM₁₀,PM_2.5,VOCs,NH₃排放量与基准情景相比分别下降了98.3%,82.6%,99.8%,99.2%,98.8%,98.2%和99.4%.散煤治理情景下河南省2025年1月PM_2.5浓度模拟结果与基准情景相比下降4.1μg/m³,可以避免2220人过早死亡,带来23.5亿元经济效益.     

中国PM2.5管理策略研究

文章通过对PM2.5的基本组成、来源与影响因素的分析,构建中国PM2.5全过程管理体系,建立、完善PM2.5削减和控制长效机制,进而实现中国PM2.5管理。     

长三角居民PM2.5暴露水平下降的健康效益评估

为评估长三角地区居民PM_2.5降低的健康经济效益,基于时间加权PM_2.5暴露水平,通过综合暴露反应关系模型和支付意愿法等,分析了2011～2019年长三角地区居民PM_2.5暴露水平下降趋势及其健康和经济协同效益.结果表明:2011～2019年间,长三角地区的PM_2.5暴露浓度从45.06μg/m³下降至37.39μg/m³,降幅为17.03%;同时归因于PM_2.5暴露导致的过早死亡人数从139962 (95%CI:87306～192619)人下降至105461 (95%CI:66306～14416)人,降幅为24.65%.从敏感性分析的年际变化看,归因于PM_2.5暴露导致的过早死亡在2012年政策实施后呈逐年下降趋势,表明我国各项PM_2.5控制政策卓有成效.产生的累积协同效益为40.55亿美元;2018年开始PM_2.5减排健康协同经济效益有所降低.因此在降碳的同时还需继...     

基于城市面板数据的PM2.5对公共健康的影响

基于Grossman健康生产函数,利用2008~2017年全国280个城市的面板数据,以PM_2.5为空气污染的代表指标,探讨中国空气污染与公共健康之间的动态关系,考虑到公共健康的空间效应,采用空间计量模型进行实证研究.结果表明,在未考虑空间效应的情况下,PM_2.5浓度每增加1%,城市总人口死亡率增加0.040%;考虑空间效应后,PM_2.5浓度每增加1%,城市总人口死亡率增加0.0606%.PM_2.5污染对公共健康具有显著的负面影响,由于存在空间溢出效应,PM_2.5污染对城市公共健康水平的影响程度增加,表明忽视空间相关性的存在,会低估PM_2.5污染对公众健康的影响;而经济发展水平的提高以及产业结构的调整对公共健康有较强的改善作用.     

基于城市面板数据的PM2.5对公共健康的影响

基于Grossman健康生产函数,利用2008~2017年全国280个城市的面板数据,以PM_2.5为空气污染的代表指标,探讨中国空气污染与公共健康之间的动态关系,考虑到公共健康的空间效应,采用空间计量模型进行实证研究.结果表明,在未考虑空间效应的情况下,PM_2.5浓度每增加1%,城市总人口死亡率增加0.040%;考虑空间效应后,PM_2.5浓度每增加1%,城市总人口死亡率增加0.0606%.PM_2.5污染对公共健康具有显著的负面影响,由于存在空间溢出效应,PM_2.5污染对城市公共健康水平的影响程度增加,表明忽视空间相关性的存在,会低估PM_2.5污染对公众健康的影响;而经济发展水平的提高以及产业结构的调整对公共健康有较强的改善作用.     

陕西省PM2.5浓度空间维度分析与预测

文章基于陕西省2014年1月-2020年12月59个空气站的空气质量数据,对陕西省各城市PM_2.5浓度及其影响因素进行分析和预测。通过绘制陕西省各城市PM_2.5浓度及其变化的热度图和折线图可以发现,西安、宝鸡、咸阳以及渭南这4个城市的PM_2.5浓度存在一定的同期变化性。利用全局、局部莫兰指数对陕西省各城市PM_2.5浓度的空间效应进行检验,结果表明,陕西省各城市PM_2.5浓度具有正向的空间自相关性,其中西安、咸阳和渭南呈现出较强的PM_2.5高浓度聚集效应。考虑到地理位置对PM_2.5浓度的影响,建立陕西省各城市PM_2.5浓度与PM₁₀、O₃、NO₂、SO₂、CO浓度的空间变系数模型。通过绘制解释变量回归系数估计值的3D散点图可以发现,PM₁₀、NO₂及CO浓度等在不同的地理位置对PM     

北京市道路绿地消减PM2.5总量及其健康效益评估

以交通污染严重的北京市建成区为研究区,在前人实地观测的基础上,利用泊松回归相对风险度模型与环境健康价值评估方法,定量评估了北京市道路绿地消减PM2.5总量及其健康效益.结果表明:北京市建成区道路绿地年消减PM2.5总量为1.09t;对降低人群健康风险作用较为显著,可减少受危害总数约3024例,其中早逝18例、呼吸系统疾病住院53例、心血管疾病住院25例、儿科门诊324例、内科门诊761例、急性支气管炎1134例、慢性支气管炎264例、哮喘445例;带来的健康经济效益为1.98亿元.建议加强道路绿地建设,丰富植被层次结构,以积极应对城市交通空气污染.     

我国典型城市PM_(2.5)空间分布均匀性分析

随着空气质量新标准的实施,从2013年开始我国部分城市先期开展了PM2.5的例行监测,从中选取不同区域的典型城市,分析了PM2.5在环境中的分布情况。分析结果表明:典型城市PM2.5日均值相对标准偏差(RSD)范围为13%~26%,平均值为18%;我国南方城市PM2.5空间分布均匀性优于北方城市,北方城市冬、春季节PM2.5分布的均匀性较差,南方城市夏季PM2.5分布的均匀性较差;PM2.5的空间分布均匀程度与PM10接近,但明显优于其他气态污染物。综合分析认为,目前我国国家监测网内PM2.5监测点位的代表性能够满足城市空气质量监测与评价工作需要。     

基于GIS和LUR模型的西安市PM2.5浓度空间分布模拟研究

基于地理信息系统GIS和土地利用回归LUR模型,模拟西安市PM2.5浓度空间动态分布,结果表明:与PM2.5浓度相关性最高的分别为缓冲区为2 km的水域面积、人口密度和距离水域距离,R 2分别为0.501,0.393和0.280;与PM2.5浓度相关性最低的分别为缓冲区为4 km的水域面积、未利用地面积和耕地面积,R 2分别为0.039、0.021和0.017.未考虑风速建立的LUR模型多元回归的相关系数为0.856,R 2为0.733,考虑风速的相关系数为0.892,R 2为0.796,表明风速对于污染物的分布影响较大,LUR模型模拟效果较好.模拟的PM2.5年均浓度高风险区分布于中部,中风险区分布于中西部,低风险区分布于东南部和西部.     

合肥市PM2.5与用地类型特征比较及建设性方案研究

通过对合肥市环境空气质量指数进行分析比对,研究了合肥市明珠广场、三里街、琥珀山庄、董铺水库及长江中路五个地区的空气质量情况,并进行对比分析.结果显示合肥市空气的首要污染物为PM2.5,其来源与汽车尾气排放有很大关系;大气污染物氮氧化物与空气质量有明显的滞后关系;大气污染物SO2对合肥市的空气质量没有明显影响.研究发现空气质量与用地类型有密切的关系,远离市区的城郊地带空气质量最好,市区中绿化较好的居民小区空气质量相对较好,空气质量最为严重的是市中心缺乏绿化带的主干道,尤其以上下班交通拥堵时是空气质量下降最快的时刻.最后以合肥市为例,探寻降低大气污染的建设性方法.     

京津冀地区控制PM2.5污染的健康效益评估

基于流行病学综合研究成果,运用环境健康风险评估技术和环境价值评估方法,对京津冀地区实施并达到2012年新颁布的《空气质量标准》中细颗粒物(PM2.5)浓度标准可实现的健康效益进行了评估,并对区域内各城市的健康效益进行了比较分析.结果表明,京津冀地区能够实现的健康效益总和可达到612~2560亿元/a(均值为1729亿元/a),相当于该地区2009年地方生产总值的1.66%~6.94%(均值为4.68%).其中河北省所能实现的总健康效益最大,北京、天津和石家庄这些大城市能够实现的健康改善和经济效益最为显著.本文的研究结果可望为实施PM2.5空气质量标准的成本效益分析提供科学依据,并为大气污染区域联防联控和环境质量管理与合作提供重要的政策决策参考.     

基于空间网格尺度的中国PM2.5污染健康效应空间分布

以全国城市空气质量实时发布平台的监测数据为基础,运用空间插值法模拟中国PM_2.5在10kmx10km空间网格尺度上的暴露水平,利用BenMap工具估计2017年中国PM_2.5污染的健康损失,在城市尺度上对PM_2.5污染的健康经济损失进行空间分析.结果表明,在统计意义层面上,2017年PM_2.5污染共计造成我国321435例早逝、746078例住院、14877551例患病,健康经济损失约为12625亿元,占当年全国GDP的1.53%.从城市尺度来看,健康效应呈现出一定的空间聚集效应,京津冀地区城市较为严重.在空间分布上,主要以“高-高”型和“低-低”型分布为主,即健康经济损失高值城市相互聚集、健康经济损失低值城市也相互聚集,并且存在高值城市之间相互影响并逐渐向四周扩散,进而影响周围低值城市的现象.     

城市绿地及其溢出效应对PM2.5浓度影响研究—以合肥市主城区为例

为探究城市绿地及其溢出效应对 PM_2.5 浓度的影响,利用2018年合肥市主城区的遥感影像和PM_2.5栅格数据,通过PM_2.5浓度空间分布自相关分析将城市划分为HH（high-high）效应区、LL（low-low）效应区和无明显效应区3个区域。根据绿地解译和筛选得到研究绿地,通过ArcGIS软件对PM_2.5栅格数据进行空间统计,并利用SPSS软件进行相关分析和回归分析。结果表明：不同区域绿地的溢出效应对PM_2.5浓度的影响不同,在HH效应区内随距离增加PM_2.5平均浓度减小,在LL效应区内随距离增加PM_2.5平均浓度增加;不同区域绿地指标对PM_2.5浓度变化的影响效应不同,在LL效应区归一化植被指数（NDVI_g）对PM_2.5浓度变化影响最大,在HH效应区和无明显效应区绿地面积指数（S_g）对PM_2.5浓度变化影响最大。