基于AOD数据和GWR模型估算京津冀地区PM2.5浓度

利用MODIS气溶胶光学厚度（AOD）数据针对不同土地覆盖类型的适用性,提出了一种基于土地覆盖类型的AOD融合方法,生成了一种新的3km AOD数据集.在此基础上,通过地理加权回归（GWR）模型估算了京津冀地区2016年PM_2.5浓度,并用交叉验证的方法对模型性能进行评价.结果表明：利用融合后的AOD数据建立的模型可解释PM_2.594.85%的浓度变化,交叉验证R²为0.94,RMSE为9.27μg/m³,MPE为6.72μg/m³,明显优于多元线性回归（MLR）模型;基于GWR模型估算的京津冀地区2016年年均PM_2.5浓度为58.57μg/m³,其中冬季PM_2.5浓度最高,春秋季次之,夏季浓度最低,PM_2.5月均浓度变化范围32.78~140.83μg/m³,8月份浓度最低,12月份浓度最高;空间分布南北差异显著,衡水市PM_2.5污染最为严重,张家口市PM_2.5浓度较低.利用此方法成功弥补了PM_2.5空间缺失,为城市尺度的健康效应和环境流行病学研究提供数据支持.     

太原市大气PM2.5季节传输路径和潜在源分析

为了研究太原市大气PM_2.5不同季节的传输路径和污染源区,利用HYSPLIT后向轨迹模型和NCEP的GDAS全球气象要素数据,对2017~2018年不同季节太原市逐日48h气流后向轨迹进行聚类分析,同时结合小时污染物质量浓度数据,分析不同季节太原市PM_2.5的潜在源贡献因子（WPSCF）和浓度权重轨迹（WCWT）.结果表明,太原市PM_2.5的质量浓度在季节上呈现冬季（77.56μg/m³） > 秋季（69.89μg/m³） > 春季（63.78μg/m³） > 夏季（45.51μg/m³）的变化趋势.PM_2.5与SO₂、NO₂和CO之间存在明显的同源性和二次转化过程.春、秋和冬季大气传输路径主要以西和西北方向近距离、慢移速的轨迹为主,夏季以南和东方向轨迹为主.PM_2.5潜在源区季节变化明显：夏季主要受太原本地和晋中地区的影响;春、秋和冬季主要受陕西中北部、吕梁、临汾和晋中等地的影响.     

四川盆地PM2.5与PM10高分辨率时空分布及关联分析

为深入了解四川盆地PM_2.5与PM₁₀污染情况，通过机器学习的方法，基于卫星遥感气溶胶产品（MAIAC）与国家环境空气质量监测网数据以及气象、地理、社会经济变量等，构建2个随机森林机器学习模型（R²均为0.86），反演四川盆地2013~2017年间1km网格逐日PM_2.5与PM₁₀浓度时空分布，并分析两者的时空关联性.结果表明：2013~2017年四川盆地地面PM_2.5与PM₁₀平均浓度分别为47.8，75.2μg/m³.PM_2.5与PM₁₀浓度空间上均整体呈现"倒月牙"状分布，西部与南部区域浓度值较高.5a间，区域颗粒物浓度逐年递减，总降幅均达到27%，季节上则均具有"冬高夏低"的特点；PM_2.5与PM₁₀浓度空间相关性显著（相关系数0.96），呈现"内强外弱"的格局，春夏季相关系数（0.91、0.90）低于秋冬季（0.96、0.96）.盆地西南部PM_2.5与PM₁₀比值较高，比值高低的季节性排序为冬季 > 秋季 > 夏季 > 春季.     

武汉市城区PM2.5碳质组分特征及来源解析

为探究武汉市PM_2.5中碳质组分特征及来源,该研究于2018年夏季和2019年冬季在武汉市设点采集了PM_2.5样品,分析了PM_2.5及其碳质组分(OC、EC和SOC)的浓度水平及季节变化特征,并运用同位素贝叶斯模型对碳质组分进行了来源解析。结果表明,PM_2.5在夏季和冬季的平均浓度分别为43.702和89.897μg/m³,均超过《环境空气质量标准》(GB 3095-2012)二级标准限值(35μg/m³)。OC、EC和SOC的夏季浓度为5.628、2.811和1.574μg/m³,冬季浓度为7.928、4.232和3.378μg/m³。冬季OC、EC的绝对浓度虽增大,但在PM_2.5中的占比却略有下降,说明冬季PM_2.5浓度的上升更多归结于无机组分的增加。武汉市夏季PM_2.5中碳组分各污染源贡献率依次为柴油车(50.14%)>C3植物燃烧(3...     

粤港澳大湾区大气PM2.5浓度的遥感估算模型

PM_2.5对大气环境和人类健康危害极大,及时准确地掌握高时空分辨率的PM_2.5浓度对空气污染防治起着重要作用.基于粤港澳大湾区2015～2020年多角度大气校正算法(MAIAC)1 km AOD产品、 ERA5气象资料和站点污染物浓度(CO、 O₃、 NO₂、 SO₂、PM₁₀和PM_2.5),分别建立了估算PM_2.5浓度的时空地理加权模型(GTWR)、 BP神经网络模型(BPNN)、支持向量机回归模型(SVR)和随机森林模型(RF).结果表明,RF模型的估算能力优于BPNN、 SVR和GTWR模型,BPNN、 SVR、 GTWR和RF模型的相关系数依次为0.922、 0.920、 0.934和0.981,均方根误差(RMSE)分别为7.192、 7.101、 6.385和3.670μg·m^-3,平均绝对误差(MAE)分别为5.482、 5.450、 4.849和2.323μg·m^-...     

宁东基地大气PAHs污染特征及呼吸暴露风险

利用主动观测技术对宁东能源化工基地大气PM_2.5、PM_1.0和气相中的PAHs浓度水平、族谱特征、时空分布及来源进行研究,并基于该观测数据对居民呼吸暴露健康风险进行评估.结果表明,宁东基地大气PM_2.5、PM_1.0及气相中∑₁₆PAHs浓度范围分别为：17.95~325.12ng/m³、12.66~311.96ng/m³和26.33~97.88ng/m³,年均浓度分别为（99.42±117.48）ng/m³、（78.88±100.58）ng/m³和（57.89±47.39）ng/m³.宝丰基地冬夏季大气PM_2.5、PM_1.0和气相中∑₁₆PAHs浓度水平均明显高于英力特;宝丰和英力特基地冬季大气PM_2.5、PM_1.0中∑₁₆PAHs浓度水平均明显高于夏季浓度.宁东基地大气中∑₁₆PAHs的浓度水平要高于国内外其他城市,大气PAHs污染较为严重.源解析表明夏季宁东基地PAHs的主要排放源是工业煤燃烧和机动车尾气,冬季则主要来自工业煤燃烧和木材、薪柴等生物质燃烧排放.宁东基地人群暴露于大气PAHs可能会造成平均冬季每百万人中约有33~2628人罹患癌症,夏季每百万人中约有11~834人罹患癌症的风险.     

基于混合效应模型的京津冀地区PM2.5日浓度估算

利用2016年182d的MODIS 3km AOD数据与地面监测数据,评估了混合效应模型不同参数组合的模拟性能,得出模型在解释AOD-PM_2.5关系时,对时间序列变异的解释能力要比空间差异更佳.在此基础上,利用混合效应模型建立京津冀地区每日的AOD-PM_2.5关系,模型拟合R²为0.92,交叉验证调整R²为0.85,均方根误差（RMSE）为12.30 μg/m³,平均绝对误差（MAE）为9.73 μg/m³,说明模型拟合精度较高.基于此模型估算的2016年京津冀地区年均PM_2.5浓度为42.98 μg/m³,暖季（4月1日~10月31日）为43.35 μg/m³,冷季（11月1日~3月31日）为38.52 μg/m³,与同时期的地面监测数据差值分别为0.59,0.7,5.29 μg/m³.空间上,京津冀地区的PM_2.5浓度呈现南高北低的特征,有一条明显的西南-东北走向的高值区.研究结果表明,基于每日混合效应模型可以准确评估京津冀地区的地面PM_2.5浓度,且模型估算的PM_2.5浓度分布状况为区域大气污染防治提供了基础的数据支撑.     

攀枝花市大气污染物特征及气象因子关系分析

文章系统分析攀枝花市大气污染物时间、空间、季节变化趋势,揭示大气污染物特征及气象因子关系。基于2014-2020年攀枝花市环境空气质量监测数据,采用统计学的方法分析了2014-2020年攀枝花市6种污染物(PM_2.5、PM₁₀、NO₂、CO、SO₂、O_{3-8 h})的时空变化特征;通过典型相关分析方法,研究了气象因子(气温、湿度、风速、降雨量、气压)对大气污染物浓度的影响。结果表明：从时间来看,攀枝花市PM_2.5、PM₁₀、CO、SO₂近年来呈下降趋势,NO₂浓度呈上升趋势,但均不显著;O_{3-8 h}浓度呈显著上升趋势。从季节来看,PM_2.5和PM₁₀浓度表现为冬季>春季>秋季>夏季,SO₂浓度四季变化不显著,NO₂浓度和CO浓度大小变化顺序为冬季>秋季>春...     

基于遥感数据估算近地面PM2.5浓度的研究进展

卫星反演的气溶胶光学厚度(AOD)具有广泛的空间覆盖度和相对较高的时空分辨率. 基于AOD与PM_2.5的相关关系来估算PM_2.5浓度已成为监测近地面PM_2.5的有效途径,其估算结果较可靠,能够为治理PM_2.5污染提供数据基础和科学依据. 从反演AOD数据集和PM_2.5浓度估算模型2个方面进行梳理归纳,从卫星轨道运行类型角度分析各类传感器的产品特征,并对缺失AOD的插补方法进行分类评价;对PM_2.5浓度的估算模型进行比较分析,指出不同模型的优缺点和适应性. 结果表明:①各类卫星传感器均具有特定功能及优缺点,其中地球同步轨道(GEO)卫星的快速发展,使其在估算PM_2.5浓度的应用上越来越广泛. ②插补后的AOD比AOD初始产品具有更连续的时空分布和更高的准确性,基于模型的多变量估算不仅可以实现数据的全面覆盖,还可以获得更好的估算精度. ③组合模型成为估算PM_2.5浓度的重要方法,机器学习模型的加入能够有效提高PM_2.5浓度的估算精度. 研究显示,利用AOD估算近地面PM_2.5浓度不仅弥补了地面PM_2.5监测的空间不连续性,更有助于解析PM_2.5浓度的时空分布特征及污染来源.      

基于深度学习方法的PM2.5精细化时空估算模型

提出一种基于深度学习方法的地面PM_2.5浓度时空估算模型（PM_2.5-DNN）,该模型基于葵花-8卫星反演的AOD数据,结合PM_2.5监测站和气象站点观测数据对北京市地面PM_2.5浓度进行了逐时的高精度模拟,同时将PM_2.5-DNN模型的模拟性能与当前的主流方法进行了对比研究.结果表明,使用PM_2.5-DNN模型估算的北京地区1km分辨率每小时地面PM_2.5浓度与地表监测站观测数据对比的一致性较好,模型估算精度可达到R²=0.88,性能优于当前的主流方法.本文所提出的方法适用于区域尺度PM_2.5浓度时空分布细粒度建模与估算,采用端到端的训练方式构建模型,为精细的PM_2.5浓度估算提供了一个简便而有效的方法模型.     

全球PM2.5人口暴露风险时空格局

基于PM_2.5遥感数据和人口格网数据,利用污染物人口暴露风险模型、Theil-Sen Media和Mann-Kendall等方法,分析了2000~2016年全球PM_2.5人口暴露风险时空分布特征,并识别出暴露高风险区域.结果表明,PM_2.5遥感数据和人口格网数据可以客观地评价暴露风险程度.全球PM_2.5平均浓度在各大洲差异显著,PM_2.5污染的高值区域主要分布在东亚、南亚和东南亚.PM_2.5质量浓度的多年平均值从高到低分别是亚洲14.7μg/m³、非洲8.1μg/m³、欧洲8.03μg/m³、南美洲5.69μg/m³、北美洲4.41μg/m³和大洋洲1.27μg/m³.2000~2016年,全球PM_2.5人口暴露风险在宏观尺度上呈逐渐减少的趋势,而在区域内则呈现出差异性.空间上,全球PM_2.5人口暴露风险各大洲从高到低依次为亚洲5.94、非洲0.62、欧洲0.45、南美洲0.32、北美洲0.27和大洋洲0.01.时间上,2000~2016年,亚洲和非洲PM_2.5人口暴露风险呈增长趋势,欧洲和北美洲呈减少趋势,大洋洲和南美洲变化幅度较小.     

北方沿海城市大气PM2.5组分特征及来源分析：以青岛市为例

为探究北方沿海城市大气PM_2.5的化学组分特征及其关键来源,本文选择典型代表城市青岛市作为研究对象,在2021年3月-2022年2月采集大气PM_2.5样品,测定水溶性无机离子、碳组分及化学元素等组分,深入分析大气PM_2.5化学组分特征,采用正定矩阵因子分解(PMF)和潜在源贡献函数(PSCF)对青岛市PM_2.5的主要贡献源类和潜在源区进行分析研究.结果表明：(1)采样期间青岛市PM_2.5浓度平均值为42.2μg/m³,NO₃-、NH₄⁺、SO₄^2-、OC是PM_2.5的主导成分,浓度分别为11.77、5.76、5.20和6.67μg/m³,占比分别为27.88%、13.65%、12.32%和15.80%.(2)各组分浓度季节性变化与PM_2.5浓度变化基本一致,呈现冬季最高、夏季最低,春...     

基于小波变换的武汉市PM2.5、PM10与臭氧污染特征

为验证城市空气污染物排放及协同控制后的周期性规律,利用小波变换对武汉市2013～2020年共计2421d的逐日PM_2.5、PM₁₀及臭氧浓度数据进行分析.结果表明:可吸入颗粒物污染情况逐年改善,PM_2.5浓度年均值由80.5μg/m³降至45.3μg/m³,超标比例由44%降至11%;PM₁₀浓度年均值由113.6μg/m³降至72.6μg/m³,超标比例由22%降至2%.臭氧污染未有明显改善,浓度年均值在90～100μg/m³间波动.PM_2.5、PM₁₀与臭氧浓度均表现出明显的周期性,PM_2.5浓度主周期300d、次周期140d左右;PM₁₀浓度主周期300d、次周期125d左右;臭氧浓度主周期300d、次周期143d左右.PM_2.5与PM₁₀的周期与位相均相...     

基于GF-4卫星的长三角城市群PM2.5遥感反演

基于静止卫星高分四号（GF-4）遥感数据,利用6SV辐射传输模型与暗目标算法进行高空间分辨率气溶胶光学厚度（AOD）遥感反演;在此基础上,结合地面监测站大气细颗粒物（PM_2.5）浓度、气象资料等数据,采用物理订正方法及线性混合效应模型,实现长三角城市群区域大尺度空间连续的PM_2.5浓度遥感反演;最后利用十折交叉验证法对反演精度进行验证.结果表明：GF-4反演的AOD结果分辨率较高,空间连续性好,与AERONET地基监测相关性R达到0.82;利用GF-4 AOD的PM_2.5估算模型精度较高,模型估算PM_2.5浓度与地面实测数据拟合度R²为0.74;在分春夏秋冬4个季节建模情景下,交叉验证R²依次为0.67,0.59,0.63和0.72,平均绝对误差MAE为10.40,7.42,10.10,13.34μg/m³,表明GF-4卫星适用于区域PM_2.5浓度监测.     

玉龙雪山PM2.5稳定碳同位素特征及来源分析

于2020年4~8月在青藏高原东南部玉龙雪山进行PM_2.5采样,共采集44个样本,测定其水溶性离子成分、水溶性有机碳(WSOC)浓度、总碳(TC)浓度及其稳定碳同位素组成(δ¹³C_TC).结果表明,玉龙雪山春夏季TC浓度分别为(7.1±3.8)μg/m³和(2.9±0.7)μg/m³,WSOC浓度分别为(3.3±2.1)μg/m³和(1.5±0.4)μg/m³,均呈现春高夏低的变化趋势.春夏季δ¹³C_TC值分别为(-24.7±1.0)‰和(-26.0±0.6)‰,春季较夏季偏正,表明可能受到不同来源影响.通过对非海盐钾离子(nss-K⁺)相关性、NASA火点图及后向轨迹分析可知,东南亚地区春季生物质燃烧可能是主导原因.利用贝叶斯模型计算玉龙雪山PM_2.5中TC来源贡献,结果表明春季主要来源于生物质燃烧和煤燃烧,贡献比分别为60.6%和23.5%;夏季主要来源于生物质燃烧、植物蒸发和机动车排放,同时二次有机气溶胶形成对TC的贡献也不可忽视.     

盘锦市夏冬季PM2.5中碳组分污染特征及来源分析

于2016年7月和2017年1月采集盘锦市3个点位的PM_2.5样品,研究盘锦市夏冬季节PM_2.5中碳组分的特征与来源.结果表明：盘锦市夏季PM_2.5、有机碳（OC）和元素碳（EC）日均浓度分别为（46.14±12.70）,（8.58±2.82）和（2.89±1.54）μg/m³;冬季分别为（91.01±43.51）,（24.50±15.51）和（7.31±5.00）μg/m³.夏季开发区和第二中学2个采样点的OC与EC之间不具有线性相关性;冬季3个采样点OC、EC高度相关.采用最小相关系数法（MRS）估算SOC浓度,得到夏季SOC的浓度为4.65μg/m³,占OC总量的54.19%;冬季SOC浓度为8.42μg/m³,占OC总量的34.36%.通过比值分析和主成分分析得出盘锦市夏季PM_2.5中碳组分主要来源为汽油车尾气和燃煤排放;冬季PM_2.5中碳组分主要来源为机动车尾气、燃煤排放和生物质燃烧.     

基于模糊综合评价的主要大气污染物来源浅析

本文基于四川省21个城市2017年PM_2.5、PM₁₀、SO₂、NO₂、CO和O₃浓度监测数据,运用模糊综合评价法对空气质量状况进行了评价与分析,选用复合污染特征分析研究了主要大气污染物来源。结果表明,2017年全省PM_2.5、PM₁₀、SO₂、NO₂、CO和O₃平均值分别为38μg/m³,60μg/m³,13μg/m³,29μg/m³,1.3 mg/m³,129μg/m³。PM_2.5年均值超过了二级标准浓度35μg/m³限值;21个城市ρ(PM_2.5)/ρ(PM₁₀)在0.40～0.75波动,ρ(NO₂)/ρ(SO₂     

常州某纺织工业园区周边PM2.5和PM10中重金属源解析及健康风险评估

以江苏省常州市典型纺织工业园区为例,在其周边区域采集PM_2.5和PM₁₀样品,通过微波消解的前处理方法,采用电感耦合等离子体质谱仪(ICP-MS)测定样品中的Sb、Co、V、Pb、Cd、As、Cu、Ni和Cr浓度,分析夏、冬两季样品中重金属浓度特征及季节变化规律,利用正定矩阵因子模型(PMF)和美国国家环境保护局(US EPA)健康风险评估模型评估其来源及健康风险。结果表明：该纺织工业园区周边夏、冬两季PM_2.5的平均浓度分别为64.41和109.29μg/m³,PM1₀的平均浓度分别为89.08和146.65μg/m³,冬季PM_2.5和PM₁₀浓度水平分别是夏季的1.70和1.65倍,均呈冬季大于夏季的特征;纺织工业园区周边大气颗粒物中As出现超标现象,最大超标倍数为GB 3095—2012《环境空气质量标准》参考浓度限值的33.3倍,冬季各金属浓度水平均大于夏季;PMF模型分析表明,纺织工业园区周边区域PM<...     

江苏省大气复合污染特征与相关气象驱动

基于2014~2017年江苏省13个市的PM_2.5浓度和O₃_8h_max数据,探讨了其时空分布特征.在此基础上,研究了日益升高的近地层O₃浓度与气象因子的关系.结果表明：江苏省2014~2017年PM_2.5浓度整体上呈下降的趋势,年均浓度减少率为6.06μg/m³,而O₃_8h_max整体上呈上升趋势,年均浓度增长率为3.84μg/m³.总体上,PM_2.5浓度呈现冬春高、夏秋低的V型月变化特征,O₃_8h_max则基本呈现不规则的M型,在5月份达到峰值后逐渐降低,又在7~9月份保持平缓,而后又逐渐下降.空间上,江苏省PM_2.5浓度呈现"内陆高,沿海低"的状态,而O₃_8h_max却呈现"沿海高,内陆低"的状态.与气象因子的相关性表明,O₃浓度与气温和太阳辐射呈正相关关系,与相对湿度呈负相关关系,太阳辐射对O₃浓度的影响最大,其次是温度和相对湿度.当日平均气温在20~30℃、相对湿度在50%~70%、太阳辐射强度高于150w/m²时O₃浓度容易出现超标.     

银川市PM2.5的输送路径及潜在源解析

基于2015~2017年银川市PM_2.5逐小时质量浓度和同期气象数据,采用气流后向轨迹聚类分析法、潜在来源贡献函数法（PSCF）和浓度权重轨迹分析法（CWT）研究银川市PM_2.5的输送路径及潜在源分布.结果表明：2013~2018年银川市大气PM_2.5质量浓度呈先升高后下降的趋势,其中2016年PM_2.5浓度年均值最高（54.25±20.91）μg/m³;在四季变化中,冬季PM_2.5浓度最高（75.11±29.21）μg/m³,夏季最低（31.83±7.09）μg/m³.聚类分析表明西北方向气流是银川市四季PM_2.5主要的输送路径,在春、秋、冬3季PM_2.5均为西北长距离输送路径;而在夏季,短距离输送气流是PM_2.5主要的输送方式.PSCF与CWT分析表明,冬季PM_2.5潜在源区范围最大,主要集中在西北-东南走向的潜在贡献源区带,包括新疆中东部、青海省北部、河西走廊地区、内蒙古西南部、甘肃省南部以及宁夏西北部;春、秋两季PM_2.5潜在源区主要位于新疆东部与甘肃省交界区域、甘肃省东南部、湖北北部、陕西西南部以及重庆北部;夏季的潜在源区范围最小,主要集中在新疆东部与甘肃交界区域.在PM_2.5重污染天气期间,其主要来源于西北方向气流,潜在源区主要分布在新疆东部与甘肃交界区域、内蒙古西南部与甘肃交界区域以及甘肃中南部地区.因此,在实施防风固沙的基础上,加强区域环境合作,实施大气污染联合防治,可以有效缓解银川乃至京津冀地区的大气污染.