基于LUR/BME的海岸带地区PM_(2.5)时空特性研究

以高程、距海距离、道路、归_化植被指数构建大区域土地利用回归模型LUR,并结合贝叶斯最大熵BME对LUR模型的残差进行时空分析,得到2015年中国沿海部分省市PM_(2.5)的时空分布.交叉验证结果表明在引入BME模型后R~2由0.36提高至0.85,均方根误差RMSE由23.53μg/m~3降低至11.08μg/m~3;整体海岸带地区以长江三角洲为界PM_(2.5)浓度呈现南低北高,且以京津冀及山东内陆区域秋冬季污染最为严重,同时以山东省为例进行各市室外人口空气污染暴露分析,表明沿内陆至近海,人均PM_(2.5)暴露浓度逐步递减,以济南85.5μg/m~3最高,沿海区域烟台,威海等地较低.     

基于时空克里格的PM_(2.5)时空预测及分析

PM_(2.5)作为大气污染的一种,正受到社会越来越广泛的关注和研究,但大部分研究仅单独分析各样点PM_(2.5)浓度时间维度或空间维度特征,忽略了PM_(2.5)的时空维度变化。为综合考虑PM_(2.5)时空维度特征,该文以山东省2014年PM_(2.5)浓度监测数据为对象,建立PM_(2.5)时空变异模型,利用时空克里格法对山东省全年PM_(2.5)浓度进行时空预测,得到时空分布立方体数据,最后基于该数据,对山东省PM_(2.5)污染特征作出分析。结果表明,2014年山东省整体PM_(2.5)污染严重。在空间上,中西部地区PM_(2.5)浓度超过75μg/m~3的天数超过290 d,存在持续性高危污染,东部小于37.5μg/m~3的天数超过146 d,存在间歇性轻微污染,且从西至东,PM_(2.5)污染天数和程度逐渐降低,具有明显地域性污染特征;在时间上,PM_(2.5)浓度最高时间段为1、2、11和12月,最低为6-8月,各季节污染程度依次为:冬季秋季春季夏季。研究表明时空地统计方法能够有效地对空气质量进行时空预测,是挖掘更多的时空分布特征和信息,进行环境数据分析的有效手段。     

2014年宝鸡市大气颗粒物时空分布特征分析

基于2013年12月和2014年全年宝鸡市8个自动空气质量监测子站的PM_(10)和PM_(2.5)的监测数据,探讨PM_(10)和PM_(2.5)的时间分布特征和空间分布特征。结果表明:PM_(10)的日平均浓度为118.23μg/m~3,全年中PM_(10)超过二级标准的天数为80 d,超标率为22%;PM_(2.5)的日平均浓度为68.93μg/m~3,全年中PM_(2.5)超过二级标准的天数为92 d,超标率为25%;PM_(10)和PM_(2.5)的浓度有明显的季节差异。PM_(2.5)和PM_(10)浓度由高到低的季节依次是冬季、春季、秋季和夏季;不同的监测点位中,解放军第三陆军医院监测点位的PM_(10)和PM_(2.5)浓度对于宝鸡市大气颗粒物的污染贡献率相对其他点位较高,主要是其地理位置导致的。     

重庆市主城区PM2.5时空分布特征

利用2014年6月1日至2015年5月31日重庆市主城区17个国控空气质量监测站24 h自动连续采样的PM_(2.5)浓度数据,探讨了重庆市主城区PM_(2.5)时空分布特征.结果表明:1重庆市主城区PM_(2.5)季节浓度由高到低依次为冬季(100.2μg·m~(-3))、秋季(66.1μg·m~(-3))、春季(45.9μg·m~(-3))和夏季(33.4μg·m~(-3))(P0.05).2重庆市主城区PM_(2.5)月均浓度变化呈单峰单谷型,1月PM_(2.5)月均浓度最高(P0.05),达到120.8μg·m-3.3逐日变化,国控17个空气质量监测站PM_(2.5)日均浓度曲线都呈现出尖峰和深谷交替变化的锯齿状.4重庆市主城区16个国控监测点(除缙云山对照点)PM_(2.5)浓度日变化在全年、春季、秋季和冬季都呈现明显的双峰双谷型.5PM_(2.5)与SO_2、NO_2和CO都呈显著正相关(P0.01),表明SO_2、NO_2和CO的二次转化对PM_(2.5)浓度具有显著影响.     

2014年北京市PM2.5质量浓度分析及比对研究

本研究选择污染严重的北京作为研究区域,自2013年12月起至2014年12月,通过设在北五环中国环境科学研究院(CRAES)内的定点监测,获得375天有效平行样品(T和Q)。统计结果表明,2014年北京市PM_(2.5)质量浓度从优良水平的6.9μg/m~3到极重污染的422.1μg/m~3,年均浓度值在100μg/m~3左右。T组和Q组线性相关,但T/Q并非定值,冬季最高,R~2=0.974,对应T/Q=1.014,可能由于冬季污染程度较重,滤膜性能差异可忽略。除春季外,其它三季的PM_(2.5)都是T组>Q组,与石英膜的纤维结构不够致密有关。以T组质量浓度数据为准,与国控监测点奥体中心点公报的日均PM_(2.5)进行比对,结果显示二者基本同步,在春冬季呈现较高的污染浓度,在夏季最低。在严重污染时(PM_(2.5)>250.0μg/m~3),在线监测可能低估PM_(2.5)而T组能更客观地记录实际污染状况。统计2014年全年污染等级分布,4~8月份基本未出现重度污染,而在冬季采暖期10~12月份,优良天数不足50%。综合分析风速、相对湿度对PM_(2.5)质量浓度的影响,证实冬季取暖燃煤和无风、高湿、逆温的静稳天气是霾频发的主要原因。     

京津冀地区不透水表面扩张对PM_(2.5)污染的影响研究

基于2000年、2003年、2006年、2009年、2014年的遥感影像提取不透水表面数据以及相应年份的PM_(2.5)质量浓度估算值.以不透水表面覆盖率(ISC)为城市化指标来分析城市化对PM_(2.5)质量浓度的影响,分别从城市、县区尺度探讨城市扩张对PM_(2.5)污染时空分布及演变的影响机制,定量研究二者相互关系;以京津冀地区为例,其ISC从2000年的0.7%增长到2014年的1.5%,而PM_(2.5)浓度从45.7μg/m~3飙升到77.3μg/m~3.根据2000与2014年的PM_(2.5)浓度差值,把京津冀地区划分为轻度(0~9.9μg/m~3)、中度(10~29.9μg/m~3)、重度(30~49.9μg/m~3)、严重(50~77μg/m~3)污染区域,相应的不透水表面增长率分别为43.3%、110.5%、165.5%和208.3%.严重污染区域位于北京-廊坊-天津-唐山(沿高速公路G1)和北京-保定-石家庄-邢台-邯郸(沿高速公路G4),伴随着较高的不透水面增长率(208.3%).同时,在2000~2014年期间,京津冀地区ISC空间分布与PM_(2.5)污染空间分布高度一致,以太行山和燕山山脉为界的东南地区的不透水表面增长率为160.0%,显著高于西北地区的增长率50%,同时东南地区的PM_(2.5)浓度增长值45.5μg/m~3也显著高于西北地区的17.0μg/m~3.此外,把京津冀地区174个乡镇按照其ISC划分为5个级别:松散型(0~4.9%)、轻度紧凑型(5%~9.9%)、紧凑型(10%~14.9%)、密集型(15%~24.9%)、高度密集型(25%),乡镇数量分别为42、35、52、34、11,对应的PM_(2.5)浓度均值分别为(42.7±10.5)、(79.9±11.9)、(95.6±15.4)、(99.1±10.8)、(115.3±9.2)μg/m~3.其中松散型乡镇的空气质量较好,而严重雾霾笼罩在高度密集型的乡镇中.结果表明当乡镇ISC为5%和25%时,对区域PM_(2.5)质量浓度带来剧烈的增长.当ISC5%时,PM_(2.5)浓度发生了激烈增长,其比5%的乡镇高了87.2%.当ISC25%时,其PM_(2.5)浓度飙升到(115.3±9.2)μg/m~3,大约是5%乡镇的3倍.结论表明,在城市化进程中,不透水表面扩张对PM_(2.5)污染的加剧带来严重影响,不透水表面扩张应该成为城市空气污染一个不可忽视的影响因素之一.     

基于GWR模型的天山北坡经济带PM2.5浓度反演及时空特征分析

构建PM_(2.5)浓度与相关因子的关系模型已成为获取干旱区经济带连续变化PM_(2.5)浓度数据的有效手段之一。本文以天山北坡经济带为研究对象,基于PM_(2.5)浓度监测数据、中分辨率成像光谱仪(moderate-resolution imaging spectroradiometer,MODIS)的气溶胶光学厚度数据(aerosol optical depth,AOD)和气象数据,利用地理加权回归模型(geographically weighted regression,GWR)反演了研究区2018年3～11月PM_(2.5)浓度,进而分析其时空变化特征。结果表明:(1)相比多元回归模型(multiple linear regression,MLR),GWR模型在天山北坡经济带的PM_(2.5)浓度反演效果更优,决定系数R2、平均绝对误差MAE和均方根误差RMSE分别为0.897、4.569μg/m~3和5.627μg/m~3,明显优于MLR模型的0.819、5.825μg/m~3和7.731μg/m~3;(2)天山北坡经济带PM_(2.5)浓度在月尺度上呈"凹字型"变化特征,其中11月最高,达到59.50μg/m~3,3月和10月次之,9月最低,仅为17.92μg/m~3;在季节尺度上表现出秋季(9～11月)春季(3～5月)夏季(6～8月)的变化特征,其中春季呈波动下降趋势,夏季总体维持在较低水平,秋季呈急剧上升趋势;(3)在空间分布上,研究区PM_(2.5)浓度呈现出"东高西低"的特征,峰值出现在乌鲁木齐附近,说明经济带东部地区PM_(2.5)污染相对严重,尤其是乌鲁木齐。     

典型城市冬季PM_(2.5)水溶性离子污染特征与传输规律研究

选取北京和石家庄两个监测点,于2014年冬季进行了PM_(2.5)样品采集,分析研究了PM_(2.5)及水溶性离子组分污染特征,并应用WRF-CAMx模型对采样时段进行了模拟,分析了观测期间PM_(2.5)和二次离子组分区域传输贡献情况.结果表明,采样期间北京PM_(2.5)质量浓度为(116.6±87.0)μg/m~3.水溶性离子质量浓度为(45.3±40.6)μg/m~3.其中SO_4~(2-)、NO_3~-和NH4+质量浓度分别为(13.3±13.6)μg/m~3、(14.8±15.1)μg/m~3和(9.1±7.2)μg/m~3;石家庄污染水平高于北京,PM_(2.5)浓度为(267.7±166.7)μg/m~3.总水溶性离子、SO_4~(2-)、NO_3~-和NH4+质量浓度分别(111.8±104.3)μg/m~3、(36.6±36.5)μg/m~3、(28.5±29.3)μg/m~3和(25.5±29.8)μg/m~3.两处采样点SOR与NOR分别为0.12、0.10(北京)和0.11、0.14(石家庄),冬季大气氧化性相对较弱,非均相氧化是主要二次转化原理.数值模拟结果显示,北京、石家庄城区1月PM_(2.5)受区域传输贡献分别为28.1%和28.3%,高浓度时段外来源贡献有所上升.二次离子中两地NO_3~-传输作用均强于SO_4~(2-).     

北京城市植被区PM_(2.5)浓度时空变化及影响因素分析

文章在北京城市森林植被区选择2个观测点,采集2个观测点的PM_(2.5)质量浓度数据,并结合北京植物园的气象数据,研究其PM_(2.5)质量浓度变化特征和影响因素,探讨PM_(2.5)质量浓度变化对城市生活的影响。结果表明:被选观测点的PM_(2.5)浓度月变化基本呈"M"型,PM_(2.5)浓度在6月最低(西山公园为(71.01±34.34)μg/m~3,北京植物园为(44.41±31.57)μg/m~3),2月最高(西山公园为(154.07±95.70)μg/m~3,北京植物园为(139.49±100.74)μg/m~3),10月达下半年的最高值(西山公园为(133.45±109.06)μg/m~3,北京植物园为(127.04±109.34)μg/m~3);PM_(2.5)浓度全年均值为西山公园((104.02±26.45)μg/m~3)>北京植物园((82.52±28.18)μg/m~3);PM_(2.5)浓度季节变化呈"V"型在冬季最高,春季次之,夏季最低PM_(2.5)质量浓度季节变化西山公园为冬季((115.46±41.37)μg/m~3)>春季((112.39±18.50)μg/m~3)>秋季((106.37±24.25)μg/m~3)>夏季((81.87±12.60)μg/m~3),北京植物园为冬季((97.35±41.38)μg/m~3)>春季((94.07±12.21)μg/m~3)>秋季((93.17±31.42)μg/m~3)>夏季((61.86±16.70)μg/m~3);森林空旷地的空气质量优于森林内部PM_(2.5)浓度变化主要受地理位置、气象因素、人文因素的影响。     

哈尔滨市PM_(2.5)质量浓度变化特征及影响因素分析

针对哈尔滨市的PM_(2.5)空气污染问题,收集整理了哈尔滨市2014年全年的空气污染物数据和气象数据,分析研究了当地PM_(2.5)质量浓度变化特征,找出其影响因素。结果表明,哈尔滨市PM_(2.5)日均质量浓度为72.64μg/m~3,初步达到国家标准。PM_(2.5)月均质量浓度11月最高,约为148.27μg/m~3,9月最低,约为21.07μg/m~3。秋冬两季PM_(2.5)平均质量浓度较高。PM_(2.5)/PM10比例春季最低,约为0.5,PM_(2.5)已成为哈尔滨市可吸入颗粒物中的首要污染物。从PM_(2.5)与SO~2、NO~2、CO的相关性来看,哈尔滨市PM_(2.5)与CO的相关性最高,四季均在0.9左右。各类空气污染物的平均浓度降水日低于非降水日。PM_(2.5)与气象因子的相关性较小,与风速呈负相关。     

广西玉林市大气PM10和PM2.5中有机碳和元素碳污染特征分析

2015年7月~2016年3月期间在广西玉林市3个空气监测点位共采集环境大气颗粒物PM_(10)样品218份,PM_(2.5)样品202份,利用多波段热/光碳分析仪分析其颗粒物中有机碳和(OC)和元素碳(EC)浓度水平、时空变化、污染特征及可能来源.结果表明,玉林市PM_(10)中OC和EC质量浓度分别为10.99μg·m~(-3)和5.11μg·m~(-3);PM_(2.5)中OC和EC质量浓度分别为7.51μg·m~(-3)和4.70μg·m~(-3).3个监测点位大气中PM_(10)和PM_(2.5)冬季的OC和EC浓度水平均高于其他季节,PM_(10)、PM_(2.5)中OC和EC的相关性较好,R2分别为0.58和0.60(P均小于0.01).应用最小OC/EC比值法对二次有机碳(SOC)含量进行了估算,冬季大气PM_(10)和PM_(2.5)中SOC平均质量浓度分别为14.50μg·m~(-3)和6.74μg·m~(-3),高于其他季节.PM_(10)和PM_(2.5)中SOC/OC比值均0.5,玉林市大气中粗细颗粒物均以SOC为主.夏季PM_(10)和PM_(2.5)中SOC/OC分别为80.6%和77.7%,为四季最高值,与夏季温度较高、光照强烈、有利于光化学反应将OC转化为SOC有关.     

乌鲁木齐市PM_(2.5)和PM_(2.5~10)中碳组分季节性变化特征

2011年1月至12月在乌鲁木齐市区用膜采样法采集了大气PM_(2.5)和PM_(2.5~10)样品,并利用热光/碳分析仪测定了其中有机碳(OC)和元素碳(EC)的质量浓度.通过OC与EC的粒径分布特征、比值和相关性的分析,初步分析了乌鲁木齐市大气可吸入颗粒物中碳质气溶胶污染特征,并用OC/EC比值法估算了二次有机碳(SOC)的浓度.结果表明,PM_(2.5)和PM_(2.5~10)的年平均质量浓度分别为92.8μg/m~3和64.7μg/m~3.PM_(2.5)中OC和EC的年平均浓度分别为13.85μg/m~3和2.38μg/m~3,PM_(2.5~10)中OC和EC的年平均浓度分别为2.63μg/m~3和0.57μg/m~3.OC和EC四季变化趋势基本一致,季浓度最高.碳组分主要集中于PM_(2.5)中,OC/EC比值范围为3.62~11.21.夏季和秋季的PM_(2.5)和PM_(2.5~10)中OC和EC的相关性较好(R20.65).估算得出的PM_(2.5)和PM_(2.5~10)中SOC的估算浓度为2.31~11.98μg/m~3和0.38~1.49μg/m~3.     

华东区域PM2.5变化背景下浙江省人口经济暴露水平评估

利用1998~2012年卫星反演的细颗粒物(PM_(2.5))全球高精度产品数据集,精细化地给出了华东地区PM_(2.5)时空分布与变化特征,并分析了此背景下浙江省PM_(2.5)的人口经济暴露水平.结果表明1998~2012年期间,浙江省区域平均PM_(2.5)浓度整体变化呈现出先增加、后下降的特征,拐点出现在2007~2009年前后,与华东区域大背景的变化趋势一致.1998~2000年华东南部与山东东部的年平均PM_(2.5)浓度基本保持在50μg·m~(-3)以下,其余地区大多在50~75μg·m~(-3)左右,华东地区和浙江省PM_(2.5)浓度超过35μg·m~(-3)的地区分别占到51.8%和21.1%.1998~2009年PM_(2.5)浓度上升趋势非常明显,华东地区的平均变化趋势为2.58μg·(m~3·a)~(-1),浙江省的上升趋势较华东区域慢,为1.43μg·(m~3·a)~(-1).2007~2009年PM_(2.5)浓度达到最大,华东和浙江省超过35μg·m~(-3)的地区分别占到82.1%和65.9%.此后PM_(2.5)浓度呈现出下降的变化趋势,华东地区和浙江省的平均变化趋势分别为-1.75μg·(m~3·a)~(-1)和-1.58μg·(m~3·a)~(-1),PM_(2.5)浓度超过35μg·m~(-3)的地区比例均有所下降,说明政府颁布的一系列节能减排方针政策可能对华东地区的空气质量改善起到了一定的成效.2010年浙江地区PM_(2.5)暴露水平超过35μg·m~(-3)的人口比例和GDP比例分别为74.0%和70.8%,其中38.1%的人口生活的环境和38.9%的GDP产生的环境PM_(2.5)浓度年平均值在50μg·m~(-3)以上.     

基于GAM模型分析中国典型区域网格化PM2.5长期变化影响因素

为探究中国典型区域地表PM_(2.5)浓度长期时空变化及其影响因素,运用广义可加模型(GAM)对1998～2016年均0. 01°×0. 01°地表PM_(2.5)浓度网格化数据进行分析.典型区域多年平均PM_(2.5)浓度从高到低:华东华中地区(40. 5μg·m~(-3))华北地区(37. 4μg·m~(-3))华南地区(27. 8μg·m~(-3))东北地区(23. 7μg·m~(-3))四川盆地(22. 4μg·m~(-3)).东北地区PM_(2.5)年际变化呈现明显上升趋势;其他地区1998～2007年呈上升趋势,2008～2016年出现下降趋势.在典型区域PM_(2.5)浓度空间分布上,PM_(2.5)浓度分布呈现显著的空间差异,多年来各区域PM_(2.5)浓度高值分布相对稳定. PM_(2.5)浓度变化的单因素GAM模型中,所有影响因素均通过显著性检验,典型区域中对PM_(2.5)浓度变化影响解释率较高的各个影响因素顺序有所不同. PM_(2.5)浓度变化的多因素GAM模型中,均呈现非线性关系,典型区域方差解释率为87. 5%～92%(平均89. 0%),模型拟合度较高,对其变化有显著性影响.典型区域YEAR和LON-LAT均对PM_(2.5)浓度变化影响最为显著.除此之外,气象因子对PM_(2.5)的影响大小在各个区域存在不同.东北地区影响PM_(2.5)最重要的3个气象因子排序为:tp v_(10) ssr;华北地区为:temp tp msl;华东华中地区为:temp tp ssr;华南地区为:temp RH blh;四川盆地为:tp temp u_(10).结果表明,运用GAM模型,能够定量分析区域PM_(2.5)浓度长期变化的影响因素,对PM_(2.5)污染评估具有重要意义.     

鞍山市春秋季PM2.5中碳组分特征及来源

为研究鞍山市春秋季PM_(2.5)中碳组分的污染特征及来源,该文于2014年10月和2015年4月在鞍山市设立6个点位采集PM_(2.5)样品,并测定了其中有机碳(OC)和元素碳(EC)的含量。通过对鞍山市PM_(2.5)中OC和EC的浓度水平、OC与EC的相关性及比值、二次有机碳(SOC)的估算和主成分分析等进行研究,分析了鞍山市春秋季PM_(2.5)碳组分的污染特征和来源。结果表明,春季和秋季PM_(2.5)浓度的日均值分别为(94.28±10.27)μg/m~3和(118.60±12.92)μg/m~3;春季PM_(2.5)中OC和EC的质量浓度分别为(12.44±1.53)μg/m~3和(3.80±0.74)μg/m~3;秋季PM_(2.5)中OC和EC的质量浓度分别为(18.53±1.92)μg/m~3和(4.74±1.24)μg/m~3,OC、EC在春秋季的差异具有统计学意义,各监测点位OC与EC浓度均表现为秋季高于春季;春季和秋季各点位的OC/EC值均大于2,说明各采样点位在春秋季均存在二次污染;相关分析表明,春秋季的OC与EC均显著相关,说明春秋季OC与EC来源相似;采用OC/EC最小比值法估算SOC含量,得到春季和秋季SOC浓度分别为4.65和10.37μg/m~3;主成分分析结果表明,鞍山市大气PM_(2.5)中碳组分主要来源于燃煤、生物质燃烧、道路扬尘和机动车尾气。     

长江经济带PM2.5分布格局演变及其影响因素

2000年以来,长江经济带高强度的人类社会经济活动引发了严峻的环境污染问题,灰霾污染尤为严重.研究该区域PM_(2.5)浓度的时空格局与影响因素是落实新发展理念、推进区域大气污染综合防治的迫切需要.本文基于遥感反演数据,研究了2000～2016年长江经济带PM_(2.5)浓度分布格局的演变过程,利用地理加权回归模型揭示了自然和社会经济因素对其影响的时空非平稳性.结果表明:①PM_(2.5)浓度分布总体表现为东高西低,且城市群污染特征明显.②以2007年为界, 2000～2016年PM_(2.5)年均浓度经历了逐年上升和波动下降的过程,年均浓度由27.2μg·m~(-3)上升至44.1μg·m~(-3)后, 2016年降至33.6μg·m~(-3).污染范围则先由长三角城市群、长江中游城市群和成渝城市群核心区域向四周快速扩展, 2007年后开始往回收缩.③空间自相关分析表明,PM_(2.5)浓度分布有显著的正空间自相关性,热点持续稳定地分布在上海、江苏、安徽中北部、浙江北部和湖北中部,冷点分布在云南、四川西部和南部及贵州西部.④自然因素与社会经济因素对PM_(2.5)浓度分布的影响具有时空差异性.其中社会经济因素主要呈正向影响;自然因素中,降水量主要呈负向影响,其余因子的影响大小和作用方向均随着时间和空间的变化而变化.     

中国南北方大气污染物的时空分布特征

利用中国环境监测总站2014年12月-2015年11月171个城市的逐小时大气污染资料,对比分析了南北方大气颗粒物和气体污染物的时空分布特征。结果表明:(1)全国出现PM_(2.5)和PM_(10)污染日的频率分别为17.23%和10.33%,PM_(2.5)、PM_(10)具有较好的线性相关性,PM_(2.5)浓度约占PM_(10)浓度的47%,颗粒物和气体污染物的重污染区主要分布在环渤海地区、长三角地区、西北地区、四川盆地和两湖地区。(2)南北方大气颗粒物和气体污染物浓度具有明显的月季变化,从12月到次年3月和6、11月差距大,其他月份小(O3除外),PM_(2.5)/PM_(10)比值在秋末冬初大,其他季节小。(3)北方PM_(2.5)年均浓度为62.28μg/m3,比南方高12.62μg/m3,北方PM_(10)年均浓度为115.98μg/m3,比南方高36.34μg/m~3,虽然北方颗粒物浓度比南方大,但除2015年11月外,PM_(2.5)/PM_(10)北方都小于南方;北方SO_2、NO_2、CO年均浓度分别为38.16、42.28、1 256.67μg/m~3,比南方高18.43、3.56、315.83μg/m3,南北O3年均浓度相当。(4)从日变化看,污染物平均浓度(O3和SO_2除外)白天低于夜间,下降速率白天大于夜间;南北PM_(2.5)、PM_(10)、CO、NO_2平均浓度日变化呈"双峰双谷"型,O3呈"单峰单谷"型;日变化曲线还表明,日间和夜间北方PM_(2.5)、PM_(10)、CO、NO_2平均浓度都高于南方,下降速率也是北方大于南方。     

西安市主要大气污染物的观测分析研究

该文分析了西安地区的AQI指数以及PM_(2.5)、PM_(10)、CO、NO、O_3、SO_2 6种污染物浓度在2013年7月到2014年4月的每小时观测数据,利用统计方法研究了各污染物不同时间尺度(小时、日、周、月)的浓度变化特征,分析了各个污染物之间的相关系数,对各个污染物之间的相互关系和相互作用进行了探讨。结果表明,PM_(2.5)、PM_(10)、CO、NO_2、O_3、SO_2的平均浓度和标准差分别为:(92.37±75.59)μg/m~3、(166.79±106.27)μg/m~3、(2.16±2.39)mg/m~3、(51.01±20.84)μg/m~3、(36.85±34.44)μg/m~3、(36.97±30.62)μg/m~3、(39.99±31.27)μg/m~3。PM_(2.5)、PM_(10)以及CO浓度都是在中午12时以及夜间12时左右达到峰值,在下午或傍晚达到低谷;O_3则是白天浓度高,夜间浓度低,清晨达到一天中的极小值;研究还发现,O_3浓度在周末要高于工作日,CO、SO_2却是周末浓度低于工作日浓度;PM_(2.5)和PM_(10)浓度都在冬季达到峰值,在夏季达到低谷,O_3浓度则是在夏季明显高于冬季。O_3与其他所有污染物之间都呈负相关,而其他污染物之间都是正相关。     

城市地区PM_(2.5)周末效应的初步研究

本文利用2014年全国78个城市497个环境监测站的实时观测数据,分析了2014年颗粒物(PM_(2.5)和PM_(10)和污染气体(包括SO_2、NO_2、CO和O_3)的分布特征并初步探讨了城市地区周末与工作日PM_(2.5)浓度的变化规律。2014年78个城市PM_(2.5)年均浓度值为71.9μg·m~(-3),华北地区PM_(2.5)年均浓度值在80~120μg·m~(-3),长三角地区PM_(2.5)的年均值在40~60μg·m~(-3)。污染气体相对于颗粒物更多的受到当地排放的影响。发现典型城市地区如北京、上海、广州、成都和西安等存在周末污染物浓度比工作日低的"PM_(2.5)周末效应",其中北京的周末效应最明显,对北京的周末效应进行初步分析发现周末与工作日机动车排放的变化是导致北京周末效应的主要原因。     

南京市大气PM2.5时空分布特征与潜在源区贡献分析

对2017年南京市区7个自动空气质量监测点的PM_(2.5)质量浓度ρ(PM_(2.5))数据进行分析,采用克里金(Kringing)空间插值法、气流运动轨迹聚类、潜在源贡献因子法(PSCF)和浓度权重轨迹分析法(CWT)探讨了四季大气中ρ(PM_(2.5))的时空分布特征和潜在来源。结果显示,四季大气中ρ(PM_(2.5))均值由高到低依次为冬季(65. 54μg/m~3)、春季(41. 70μg/m~3)、秋季(35. 18μg/m~3)和夏季(23. 56μg/m~3),秦淮区四季大气中ρ(PM_(2.5))均最高。春季南京大气中ρ(PM_(2.5))易受黄海海岸和北方大陆性输送气流的影响,来自黄海方向的气流轨迹2贡献比例达51. 65%,对应的ρ(PM_(2.5))为50. 91μg/m~3;夏季南京大气中ρ(PM_(2.5))主要受江苏、东部海洋和南部沿海城市输送气流的影响,其中源自江苏的气流轨迹1对南京大气PM_(2.5)贡献比例最大(33. 64%),气流轨迹对应的ρ(PM_(2.5))为35μg/m~3;秋季南京大气中ρ(PM_(2.5))易受短距离的偏北气流影响,来自山西南部,河南中部、安徽中部的气流轨迹5对应的ρ(PM_(2.5))最高,出现概率(21. 11%)和贡献比例(27. 81%)均较高;冬季南京大气中ρ(PM_(2.5))主要受北方大陆性输送气流影响,来自俄罗斯、蒙古国东部、河北北部、北京、天津、山东中部的长距离气流轨迹4对应的ρ(PM_(2.5))最高,达109. 8μg/m~3,其贡献比例为26. 86%。PSCF和CWT分析发现,安徽、山东、浙江与江苏交界和黄海海岸是影响南京市空气质量的主要潜在源区,此外,湖北、北京、天津以及渤海海岸也是南京大气PM_(2.5)的潜在源区。