2013—2017年间京津冀地区空气质量及影响因素分析

基于统计学和GIS方法对京津冀地区2013—2017年间空气质量指数（AQI）分布情况及影响因素进行分析,探究城市发展对空气质量的影响。结果表明：京津冀地区空气质量大体趋势由北向南逐渐恶化,可宏观对比5年的变化,污染程度逐年减弱;PM10为首要污染物所占的天数比例最高,O3为首要污染物所占的天数比例逐年增加;气温、风速与AQI呈负相关,而相对湿度、气压与AQI不同地区正负关系不同;空气质量与经济增长的环境库兹涅茨曲线为倒N型。     

北京市空气质量及其与能源消费结构的动态关联

运用模糊集理论中的Euclidean权距离评价2002—2011年北京市空气质量。根据最大隶属度原则确定空气质量等级值,结合灰色系统理论中的关联动态矩阵分析法,研究北京市主要大气污染物与9种能源消费因子的动态关系。结果表明,2002、2004—2007年北京市空气质量处于Ⅲ级,2003、2008—2011年处于Ⅱ级,空气质量由劣到优的年份排序为2002、2011、2010、2006、2007、2009、2008、2005、2004、2003年,2003、2008年空气质量得到改善,2009年以来有所恶化;燃料油、焦炭和煤炭是造成北京市大气污染的前3位能源,天然气是最清洁的能源;同种能源与不同污染物的关联程度相似;同种能源与污染物在不同时间段的关联序基本不变,不同能源因子分别表现出"缓慢上升"、"逐渐升高"、"水平S"型和"倒U"型4种态势;燃料油与大气污染物"同增同减",大气污染物与燃料油正相关;天然气与大气污染物"此涨彼消",天然气与大气污染物负相关。     

环境空气质量综合指数计算方法比选研究

环境空气质量综合指数是进行逐月城市环境空气质量比较和排序的重要方法,提出了4种涵盖SO2、NO2、PM10、PM2.5、CO、O3等6项污染物的综合指数计算方法,基于2013年74个城市逐月污染物浓度数据使用主成分分析方法进行了对比分析。结果表明,综合指数计算方法中污染物统计指标和标准化方法不同对于主要污染物的判定有重要影响,各种计算方法中PM2.5、PM10、O3是出现频率最多的主要污染物;除O3外其他5项污染物逐月统计指标间均有极显著的正相关性,冬季O3统计指标与SO2、NO2、PM10、PM2.5呈显著负相关,夏季则呈显著正相关;主成分分析结果表明,在去除冗余信息后,PM2.5、PM10的权重被相对削弱,SO2、NO2、CO的权重得到相对强化,O3的权重夏季得到强化、冬季被削弱;综合考虑不同方案下主要污染物频率分布情况和PM2.5、PM10、O3权重变化特征,建议计算逐月环境空气质量综合指数时,SO2、NO2、PM10、PM2.5宜以月均值除以年均值标准进行标准化,CO、O3宜以特定百分位数浓度除以日均值标准(或8 h均值标准)进行标准化;该方法可延伸到季、半年和年度的环境空气质量综合指数计算。     

层次分析赋权法在城市空气质量排名中的应用

通过对空气质量排名中常用的综合指数法的优缺点进行分析,提出了一种基于层次分析法的加权综合指数排名方法,根据每种污染物的重要性不同,赋予各污染物相应的权重,进行了城市间排名测算分析。结果表明,加权综合指数法兼顾了各项污染物对空气质量的贡献,又能够重点突出主要污染物的贡献,各城市间可比性强,能够客观、准确、公平地反映不同城市间空气质量状况差异,能满足当前中国城市环境空气质量排名工作的需要。     

基于AHP的密闭环境空气质量评价模型及其应用

针对指数法在评价密闭环境空气质量中存在评价因素单一,不能反映多种污染物对空气环境质量的综合影响等缺点,结合模糊数学的原理与方法,对密闭环境空气质量进行评价。采用层次分析法赋权,按最大隶属原则,通过模糊数学模型对某密闭环境空气质量进行综合评价,评价结果较科学地反映了空气质量的真实状况。     

2014—2018年洛阳市大气污染变化特征及影响因素研究

研究采用空气质量指数法对2014—2018年洛阳市大气污染变化特征进行了分析,构建了空气污染物浓度的影响指标体系,采用灰色关联法研究了空气污染物浓度与影响因子之间的关联度,得到了影响空气污染物浓度的主要指标因子,并提出了改善洛阳市空气质量的措施。结果表明:洛阳市空气质量指数类别主要为良和轻度污染。2014—2018年空气质量为优良的天数主要出现在春季、夏季和秋季,重度污染和严重污染主要出现在冬季。2018年PM₁₀、PM_2.5、NO₂、SO₂和CO这5项污染物浓度随时间变化呈"V"型,污染主要集中在1—5月和11—12月。O₃浓度随时间变化呈倒"V"型,污染主要集中在4—9月。研究期内PM_2.5、PM₁₀和O₃是主要污染物。市区总人口、工业(综合)能源消耗量、人均生产总值、城市机动车总数、城市房屋施工面积、人均公园绿地面积、建成区绿化覆盖率和一般工业固体废物产生量等8项指标因子与PM_2.5、PM₁₀和O₃的浓度表现出高关联度或较高关联度。     

佛山市高明区环境空气污染物变化分析

根据佛山市高明区2007—2012年环境空气监测数据资料,分析该区近6年来空气污染物的变化趋势和影响因素。结果表明,2007—2012年该区空气污染呈现由单一型污染向复合型污染转变,综合污染指数总体上升,污染物以SO2、PM10为主。SO2、NO2浓度呈逐年增长,PM10则呈平稳状态。三者污染浓度最高值均在每年第4季度出现。该区的SO2浓度主要受工业污染源影响;NO2也受工业影响显著,与机动车数量呈正相关;PM10与烟粉尘排放量呈正相关,与降水量呈负相关。因此,改善该区环境空气应着重从控制工业污染源、扬尘污染、机动车排气污染3大方面开展工作。     

基于分形求和模型的克拉玛依市空气质量评价

以克拉玛依市4个区2012年的大气自动监测数据为样本,基于分形求和模型,分析大气污染物的分布特征,利用分维数确定污染物浓度分布的随机程度,计算 SO2、NO2、PM10的大气环境背景值与标准值,确定适合于评价区域的ORAQI指数计算公式,并与 API指数作对比。ORAQI指数计算结果显示,克拉玛依市全年环境空气质量基本呈现“U”字形变化,春夏季大气质量好于秋冬季,全年空气质量有明显的季节变化,4个区中克拉玛依区空气质量相对较差,乌尔禾区空气质量最好。相对于 API指数的均匀分布结果,ORAQI指数具有更好的次要污染物体现能力,可以综合体现所评价的各项污染因子的贡献。     

乌鲁木齐市冬季AQI与气象要素的相关性分析

选取污染事件较为严重的冬季为研究对象，分析该季节空气质量指数(Air Quality Index,以下简称AQI)变化及其与气象要素之间的相关特性，为乌鲁木齐市在大气污染治理方面提供相关的理论依据。利用乌鲁木齐市2019—2021年的逐日AQI和地面气象要素数据，分析了该市冬季空气质量特征及其与气象要素的关系，结果表明：乌鲁木齐市1月空气质量最差，污染主要出现在冬季12月至翌年2月；冬季空气质量呈现明显的南优北劣的空间特征；冬季AQI与相对湿度呈显著的正相关，与降水量、气温、风速呈显著的负相关；降水量低于0.5 mm、相对湿度在60%～75%、平均气温在-20～-10℃、平均风速低于2 m/s时，容易出现重污染天气。     

重庆铜梁县空气质量历时演变与评价

以重庆市铜梁县为例,分析了西部小城镇空气质量的历时演变规律,并对小城镇空气质量进行了评价。结果表明,小城镇空气质量夏季优于冬季,NO2和O3年均浓度(分别为29~33、18~34μg/m3)有所增加,但均在《环境空气质量标准》(GB 3095—2012)标准值内,PM10和SO2的年均浓度则逐年下降,2012年年均浓度比2010年分别下降了34%和19%;PM10、SO2、NO2浓度与温度、风速呈显著负相关关系,与大气压、相对湿度呈显著正相关关系,O3浓度与温度、风速、气压、相对湿度的相关性则刚好与此相反。对铜梁县近3年空气质量状况的评价结果表明,铜梁县空气质量稳步提升,相对于2010年的空气质量状况来说,2012年空气质量等级为优和良的天数分别提高了5%和9%,空气质量等级为轻微污染的天数则降低了9%。研究结果可为小城镇空气质量的宏观调控提供参考。     

乌鲁木齐市大气污染物浓度与 GDP、耗煤量之间关系探讨

通过对1998-2009年乌鲁木齐市GDP值、耗煤量、大气污染物排放量及其浓度进行分析,结果表明,GDP的增长与耗煤量之间具有很高的线性相关性,"蓝天工程"实施后,各类污染物质在不同年度有着不同的起伏波动,但总的趋势是逐步降低,2005年以后,这种波动降低的趋势越来越不明显,说明目前的政策和治理手段对进一步改善环境空气...     

宁夏总量减排与环境质量改善的相关性分析

利用SPSS统计软件分析宁夏“十一五”期间主要污染物总量控制指标与环境质量数据的关联程度,并建立回归模型.结果表明:宁夏总量减排与环境质量改善存在高度关联,拟合曲线均为一元线性回归曲线.随着SO2排放总量降低,重点城市空气质量稳步改善,两者呈现同向变化的趋势;随着COD排放总量降低,黄河宁夏段水环境质量稳步改善,两者亦呈现同向变化的趋势.宁夏总量减排在环境质量改善上成效已显现,污染防治政策较为成功,环保成绩显著.     

石河子市环境质量库兹涅茨曲线分析

选取石河子市1996—2005年经济与环境数据,建立人均GDP与工业“三废”排放量之间的计量模型,对经济发展与环境质量关系进行计量分析,得出石河子市环境库兹涅茨曲线（EKC）特征。研究表明：石河子市经济增长与环境污染程度之间不完全符合典型的EKC特征,废气与固体废物的环境质量改善转折点尚未到来。因此,应倡导发展循环经济,加大治污力度,实现地区经济发展与环境保护的双赢。     

Preparation and Validation of Gridded Emission Inventory of Criteria Air Pollutants and Identification of Emission Hotspots for Megacity Delhi

Delhi is one of the many megacities struggling with punishing levels of pollution from industrial, residential, and transportation sources. Over the years, pollution abatement in Delhi has become an important constituent of state policies. In the past one decade a lot of policies and regulations have been implemented which have had a noticeable effect on pollution levels. In this context, air quality models provide a powerful tool to study the impact of development plans on the expected air pollution levels and thus aid the regulating and planning authorities in decision-making process. In air quality modeling, emissions in the modeling domain at regular interval are one of the most important inputs. From the annual emission data of over a decade (1990–2000), emission inventory is prepared for the megacity Delhi. Four criteria pollutants namely, CO, SO₂, PM, and NO _x are considered and a gridded emission inventory over Delhi has been prepared taking into account land use pattern, population density, traffic density, industrial areas, etc. A top down approach is used for this purpose. Emission isopleths are drawn and annual emission patterns are discussed mainly for the years 1990, 1996 and 2000. Primary and secondary areas of emission hotspots are identified and emission variations discussed during the study period. Validation of estimated values is desired from the available data. There is a direct relationship of pollution levels and emission strength in a given area. Hence, an attempt has been made to validate the emission inventory for all criteria pollutants by analyzing emissions in various sampling zones with the ambient pollution levels. For validation purpose, the geographical region encompassing the study area (Delhi) has been divided into seven emission zones as per the air quality monitoring stations using Voronoi polygon concept. Dispersion modeling is also used for continuous elevated sources to have the contributing emissions at the ground level to facilitate validation. A good correlation between emission estimates and concentration has been found. Correlation coefficient of 0.82, 0.77, 0.58 and 0.68 for CO, SO₂, PM and NO _x respectively shows a reasonably satisfactory performance of the present estimates.     

江苏省水泥制造业经济发展与大气环境变化相关性分析

选取了2001—2014年的相关数据,分析了江苏省水泥制造业的经济发展、资源能源消耗和污染物排放特征,同时对行业经济发展与大气环境污染变化进行了相关性分析。结果表明,2001—2014年,江苏省水泥制造业工业总产值呈现波动增加趋势,工业煤炭消费量呈现波动增加趋势,投入产出比呈现逐年波动上升态势;SO2的排放强度呈现波动下降的趋势,低于全省平均水平;烟粉尘的排放强度波动下降,高于全省平均水平;NOX的排放强度呈现波动上升的趋势,高于全省平均水平;SO2与烟粉尘排放量与GDP均高度呈负相关,回归曲线模拟基本类似U型的左半段,随着GDP的增加,SO2和烟粉尘的排放量呈现下降趋势。     

基于PSO-PPE模型的黑龙江省水资源生态安全探析

针对黑龙江省水资源生态环境现状,构建以水资源、社会经济、生态环境为子系统的水资源生态安全评价指标体系。运用粒子群算法(PSO)优化投影寻踪评价模型(PPE),对黑龙江省水资源生态安全进行研究。结果表明,该地区2003—2016年水资源生态安全整体呈现上升趋势。水资源污染指数和工业万元产值耗水量等指标状态的极大改善,使得2009、2013年水资源生态安全程度分别较前一年增加67.16%和98.76%。2003—2016年水资源、生态环境系统发展波动较大,前者略有降低,后者上升,社会经济系统(权重为0.426 5)发展最为迅速且对水资源生态安全影响最显著。对水资源生态安全影响最显著的指标有人均湿地面积、农业万元产值耗水量、水资源污染指数、工业用水比例、工业万元产值耗水量。该评价结果可为当地政府及环保部门制定政策提供理论参考。     

基于环境库兹涅茨曲线特征的桂林市大气环境状况研究

根据2006年-2012年桂林市经济发展主要指标和大气环境污染指标的统计资料,分析了该市人均 GDP 与SO2、NO x、烟（粉）尘排放量及 PM10质量浓度和 API优良率等大气环境指标的相关关系,建立了经济发展与大气环境指标之间的模拟曲线。模拟结果表明,桂林市处于工业时期,随着人均GDP增加,SO2和烟（粉）尘排放得到了一定程度的缓解,而NO x 和 PM10排放从长期看还处于上升趋势。建议改善能源结构,调整产业结构和工业布局,制定财税激励政策,开展环境综合整治,加大机动车排污防治力度,进一步控制大气污染。     

天水市空气微生物含量分析

用平皿沉降法测定了天水市空气微生物含量,结果证实其空气细菌、真菌及总菌的平均含量分别为5312.3、13．1和5325．4CFU／m3．空气真菌占总菌量的0．2％左右,空气微生物以细菌为主十分明显,所测风景区空气细菌含量与城区的平均水平间差异很大,说明天水市空气已受到较轻的中度污染,闹市区的一些测点空气污染已相当严重。     

对比分析法在环境空气质量预报业务中的应用

通过分析京津冀及周边区域环境空气质量预报的实际案例,从实时监测、污染源、大气条件以及数值预报模拟4个方面阐述了对比分析法在空气质量预报业务中的应用,帮助预报员比较类似污染源排放条件下的大气条件变化或者类似大气条件下的污染源变化,以便进一步开展量化分析。研究结果显示:利用时间同比、空间比较和大气条件对比的分析方法,能够判断在类似污染源排放和相似大气条件下,主要污染物的浓度水平、重污染发生、影响范围、持续时间、严重程度等污染特征以及污染物的水平传输影响等;采用污染源变化对比分析法,能够获得在类似大气条件下,污染源排放的减少或剧增对主要污染物浓度水平的影响程度;通过数值预报模式结果对比分析,能够获得在类似的污染源排放条件下,大气环流形势的稳定程度和变化情况,从而判断其对污染物浓度水平的影响。对比分析法是开展京津冀及周边区域环境空气质量预报业务中的重要环节,有利于持续提高空气质量预报的准确率,供全国空气质量预报员开展辖区空气质量预报时参考。