重庆市主城区大气中NO2浓度时空分布特征

利用2017年1月1日～2017年12月31日重庆市主城区17个国控空气质量监测站24 h自动连续采样的二氧化氮(NO_2)浓度小时数据,探讨九个主城区大气中NO_2浓度的时空分布特征、与气象参数之间的关系和气团运动的影响。结果表明,主城区大气NO_2浓度全年北碚区达标率较高(76.16%),渝中区达标率低(3.84%),日均浓度呈夏季前下降、夏季后上升的趋势;月均浓度表现为冬季月份浓度高,其次为春季、秋季和夏季月份;周六、周日、周一和周二的浓度均值较高,周三、周四和周五的较低;小时浓度基本呈5:00～11:00和16:00～20:00上升、其余时间段下降的变化趋势;大气NO_2浓度空间分布差异显著,西北地区(北碚)大气NO_2浓度偏低、渝中区及其附近区域浓度偏高。影响大气中的NO_2浓度的主要气象因素有:气温、降水量、气压、日照和相对湿度;四季气流输送中,春冬季气流轨迹相似,主要源自西部、西北部气流,春季气流轨迹的ρ(NO_2)最高,夏季最低。研究结果可为今后重庆市大气的治理提供研究基础。     

中国八大经济区域5月与7月CO地面浓度时空分布规律研究

利用2013年5月与7月全国76个城市CO地面小时浓度连续自动监测数据,分析了我国八大经济区域春(5月)、夏(7月)季CO地面浓度的时空分布规律.结果发现,76个城市春夏季CO浓度日变化基本一致,1 d中CO最低浓度出现于傍晚17:00左右,但各个区域峰值出现的时间略不同,多数地区出现于早晨8:00—10:00,南部沿海地区出现于凌晨1:00;CO地面浓度季节变化明显,5月CO地面浓度高于7月,但西北地区7月CO地面浓度高于5月;西北地区和长江中游地区春夏季CO地面浓度变化差异大,南部沿海地区季节变化小;黄河中游和北部沿海等地区CO地面浓度相对较高,东北地区CO地面浓度较低.机动车尾气排放是造成CO空间分布差异的原因之一.     

兰州市区臭氧时空分布特征及气象和环境因子对臭氧的影响

s利用2014~2016年兰州市4个监测点O_3、NO_2和CO浓度实时监测数据和日平均气温、相对湿度、气压和风速气象观测数据,统计分析了近3年O_3的时空分布特征以及环境因子(NO_2和CO)和气象因子对兰州市区O_3浓度的影响。结果表明:兰州市区O_3浓度年变化特征呈倒U型结构,夏季最高,峰值出现在5月,为(65.6±16.9)μg/m~3。4个监测点中生物制品所的年平均浓度最高。O_3的日变化为单峰分布,午后浓度较高,兰炼宾馆监测点峰值出现时间比其他区域超前约2 h。NO_2和CO与O_3的年变化相反,均表现出U型结构的年变化特征,都在12月达到峰值,分别为(2.53±0.80)mg/m~3,(78.9±28.2)μg/m~3。而NO_2和CO浓度白天浓度高于夜间。O_3浓度都随着NO_2和CO浓度的增加呈现指数形式下降。兰州市高温低湿气象条件有利于O_3的前体物(NO_2和CO)转化形成O_3。兰州市区发生高浓度O_3的气象和环境条件主要为日均气温高于20℃,相对湿度位于40%~50%以及风速≤5 m/s;NO_2浓度低于20μg/m~3,CO浓度低于0.5 mg/m~3。     

毕节市区大气污染特征及影响因素分析

根据毕节市2015年大气污染物浓度和气象因子的监测数据,分析了毕节市区大气污染物SO_2、NO_2、PM10、PM2.5、CO及O_3浓度的月、季和年平均变化特征及其影响因素,并对大气污染物浓度之间以及大气污染物浓度与气象因子之间的相关性进行了分析。结果表明:(1)毕节市区2015年空气质量总体良好,空气质量优良天数占95.1%,主要大气污染物为PM10和PM2.5;(2)大气污染物SO_2、PM10、NO_2、PM2.5、CO的月浓度都呈"V"型单谷变化趋势,而O_3的月浓度则为单峰变化趋势;大气污染物SO_2、PM10、NO_2、PM2.5、CO浓度的季节变化为冬季最高、夏季最低,O_3浓度的季节变化则为春季最高、冬季最低,且季节之间的差异性显著(p0.05);大气污染物PM10和PM2.5的年平均浓度分别超过我国《环境空气质量标准》(GB 3095—2012)中一级标准年平均浓度限值的18.2%和112.4%,SO_2和NO_2的年平均浓度均未超过国家一级标准的年平均浓度限值;(3)大气污染物SO_2、NO_2、CO浓度与颗粒物PM10、PM2.5浓度之间两两呈极显著正相关性(p0.01),其与O_3浓度之间呈极显著负相关性(p0.01);PM2.5浓度与PM10浓度之间呈极显著正相关性,而PM2.5浓度与O_3浓度之间呈显著负相关性,多元线性回归分析得出PM2.5浓度与其他大气污染物浓度之间的拟合方程为:PM2.5=2.718+0.130SO_2+0.747PM10+0.255NO_2-0.077O_3+0.678CO;(4)气压与大气污染物SO_2、NO_2、CO、PM10浓度之间呈显著正相关性,其与O_3浓度之间呈极显著负相关性;温度除与O_3浓度之间呈极显著正相关性外,与其他大气污染物浓度之间呈显著负相关性,且其与O_3浓度的相关性系数最大(r=0.501),说明温度对O_3浓度的影响较大;相对湿度除与CO浓度之间无显著相关性外,与其他大气污染物浓度之间均呈显著性负相关性;风速与O_3浓度之间呈极显著正相关性,其与其他大气污染物浓度之间均呈极显著负相关性。     

夏季空气污染物指数与气象参数相关性分析

以西安市为例,选取2017-06-01至2017-08-31的气象数据,研究空气污染物与气象参数之间的相关性,利用SPSS软件对与空气质量指数(AQI)相关的各项监测指标(PM_(2.5)、PM_(10)、CO、NO_2、O_3、SO_2)与温度、湿度和风级等气象条件进行分析,从相关性分析、线性模型分析等方面来探索西安市夏季空气污染物与气象参数之间的关系。得出结论如下:统计发现西安市夏季首要污染物以PM_(2.5)、PM_(10)和O_3为主;湿度对各项污染物均显著相关,O_3的相关系数最大为0.709;温度对PM_(2.5)、PM_(10)、O_3和CO显著相关,对SO_2和NO_2的影响不显著;风级只与CO显著相关。     

淮安市大气CO_2浓度变化规律及影响因素的探索

采用二氧化碳自动分析仪和气象资料一套监测了淮安市区大气中的CO2,通过分析采集的数据探索CO2浓度和各种气象条件、季节之间的变化规律。结果表明,淮安市大气CO2浓度一年四季都存在明显的日变化,每天CO2浓度最低值均出现在北京时间15:00时前后;大气CO2浓度随季节变化明显,夏季出现最低值,浓度范围为369.0～395.0μmol/mol,最高值多出现在冬季,浓度范围为420～455μmol/mol。其原因与光合作用的强弱、人为因素、风向等有关。     

北京市大气中CO的浓度变化监测分析

CO是城市大气中一种重要的污染物,在城市和区域的光化学反应中起着重要的作用.用装配氢火焰离子化检测器(FID)的HP5890II气相色谱(GC)方法,以每10min的采样频率,在北京中科院大气物理研究所325m气象环境观测铁塔上(39°9′N,116°4′E),对北京城市大气CO浓度进行了连续监测,时间为2004-01～2004-12.结果显示北京城市大气CO浓度日变化呈双峰型,1d之中出现2个高峰期,早晨07:00～08:00和夜晚22:00～23:00,最高浓度值分别达到13.8mg·m-3,17.1mg·m-3.不同季节CO的日变化存在差异:冬季、秋季的日变化幅度大,而夏季、春季的日变化幅度小.秋季、冬季早晨上班高峰期后CO浓度下降快,春季、夏季上班高峰期后CO浓度下降慢.CO的这种日变化是由地表排放源和气象条件共同决定的.另外,CO存在明显的季节变化,总的表现为浓度最高值出现在冬季12月份(4.0±3.4)mg·m-3,浓度最低值出现在5月份(1.7±0.7)mg·m-3.整个观测期间1a的平均浓度为(2.6±1.9)mg·m-3,采暖期平均浓度为(3.5±2.6)mg·m-3,非采暖期平均浓度为(2.2±1.2)mg·m-3.     

绵阳市大气污染物浓度变化特征及相关性分析

随着我国工业化、城市化和机动化的高速发展,大气环境质量越来越受民众关注,我国已建成国控—省控—市控—县控四级环境空气自动监测网络,监测项目包括SO2、NO2、CO、O3、PM2.5和PM10.基于2018年绵阳市环境空气监测数据、颗粒物化学组分及气象资料分析上述6个监测项目年均、季度、月均、日均及每日最大小时浓度变化特征,并进一步探讨污染物浓度与气象条件的相关性,结合颗粒物化学组分对产生原因进行剖析.结果表明:绵阳市冬季环境空气质量较差,夏季相对较好.Pearson相关性分析表明:SO2、NO2、CO和颗粒物(PM2.5和PM10)之间存在显著相关性,冬季PM2.5与SO2、NO2的相关系数分别为0.610和0.635,PM10与SO2、NO2的相关系数分别为0.655和0.655,颗粒物主要化学组分为硫酸盐、硝酸盐、铵盐和二次有机气溶胶,颗粒物二次转化尤为明显,冬季需重点管控颗粒物;春季和夏季O3与PM2.5、PM10呈显著正相关,需做好颗粒物和O3的协同管控.O3每日最大小时浓度多集中在13:00?—?18:00,其他污染物每日最大小时浓度多集中于08:00?—?12:00和20:00?—?24:00,同时NO2在20:00?—?24:00出现每日最大小时浓度的频次占67.1％,控制机动车等污染源排放尤为重要.     

近年南京冬季首要大气污染物时空分布特征

近年来,随着气候变化以及工业化程度的加深,城市的大气污染问题日益突显。作者收集了2013-2018年南京地区首要大气污染物资料,对该地冬季大气污染物的时空分布特征及各污染物之间的相关性进行分析。结果表明:(1)从时间分布来看,除O_3外,南京冬季各污染物浓度均在2月达到最小值,AQI、PM_(10)、SO_2和NO_2浓度均在12月达最大,1月次之。PM_(2.5)、PM_(10)与AQI日变化趋势高度一致,在上午10∶00-11∶00出现峰值,在下午17∶00出现最低值。SO_2日变化呈单峰式变化特征,在上午11∶00出现峰值。NO_2浓度的日变化趋势与O_3正好相反,在下午14∶00-15∶00,NO_2出现低值,而O_3出现峰值。(2)从空间分布来看,南京冬季AQI与PM_(2.5)、SO_2的空间分布特征类似,呈东南高、西北低的分布特点,而PM_(10)呈西南-东北向递增的分布特点。(3)AQI与PM_(2.5)、PM_(10)的相关性最好,与SO_2、NO_2的相关性次之,而AQI与O_3没有明显的相关性,即影响南京冬季空气污染的主要是PM_(2.5)、PM_(10)、SO_2和NO_2。     

长沙市城区臭氧浓度特征研究

根据2014年4月至2015年3月湖南省长沙市城区10个监测点O_3小时浓度监测数据,综合分析了长沙市O_3的时空分布及其与前体物、气象要素相关关系。结果显示:监测期间长沙市城区O_3小时平均浓度为44.47μg/m~3,O_3高值浓度主要集中在5-9月份,季节分布上O_3平均浓度整体呈现出冬季春季秋季夏季的特征。日变化上O_3呈现倒U型分布,一般在15:00、16:00左右达到峰值浓度,日循环可分为4个阶段:即臭氧累积阶段、臭氧抑制阶段、臭氧光化学生成阶段、臭氧的消耗阶段。空间分布上整体呈现出对照点峰值浓度明显大于城市环境评价点,从城区外围站点浓度大于市中心点浓度特征。O_3的前体物CO、NO_2均呈现双峰型分布,其中O_3与CO、NO_2呈现显著的负相关关系;与气压、湿度呈负相关关系,与温度呈正明显相关关系。     

乌鲁木齐市近地面O_3与前体物及颗粒物相关性分析

利用2016年10月~2018年2月乌鲁木齐市近地面O_3、PM_(2.5)、PM_(10)、NO_2、CO的连续观测资料,主要分析乌鲁木齐市O_3浓度的变化特征与部分前体物质、颗粒物之间的关系。结果表明:(1)2017年月分布:监测期间乌鲁木齐市O_3平均浓度为79.33μg/m~3,O_3浓度较高主要集中在6~9月份,其平均O_3浓度为121.14μg/m~3。O_3季平均浓度整体呈现出夏季春季秋季冬季。(2)时间分布上:O_3小时浓度的日变化分布呈现"单峰型"特点,且日间浓度明显高于夜间。一般在15∶00~16∶00左右达到峰值浓度;空间分布上:对照点浓度城区监测站点,城区外围站点浓度城区监测站点的特征。(3)在O_3与前体物CO、NO_2及与OX之间的关系中,O_3与CO、NO_2均呈显著的负相关关系,相关系数分别为-0.789(P0.01)、-0.871(P0.01),与OX呈显著正相关关系(r=0.985,P0.01)。(4)O_3与大气颗粒物PM_(2.5)、PM_(10)呈明显的负相关关系,其相关系数分别为-0.754(P0.01)、-0.718(P0.01)。     

气压对西安市城区空气质量的影响

以西安市城区2014年1月1日至2015年12月31日空气质量监测数据和气象资料为基础,分析了气压对空气质量的影响及其空气污染特征。结果表明:AQI及各污染物浓度变化很好的拟合二次函数,且拐点横坐标均在7月前后。相关性分析表明:平均海平面大气压与SO_2、CO、NO_2、O_3呈现为显著正相关性,与AQI、PM_(2.5)、PM_(10)呈现为显著负相关。平均海平面大气压P对各污染物的影响在夏季最为强烈,而在春季和冬季最弱;P对O_3的形成存在较明显的影响。各污染物浓度和气象因素之间存在明显的共线性,PM_(10)主成分回归模型通过了显著性检验、拟合优度很好且无多重共线性。     

燃放烟花爆竹对云南省环境空气质量的影响

利用2016—2018年春节期间(除夕—初六)云南省环境空气中PM_(2.5)、PM_(10)、SO_2、NO_2、CO和O3的质量浓度监测数据,研究了春节期间燃放烟花爆竹对环境空气质量的影响,并采用spearman分析了除夕—初一PM_(2.5)、PM_(10)、SO_2、NO_2、CO小时浓度值变化相关性。结果表明:春节期间(除夕—正月初六)超标天数集中出现在大年初一,首要污染物均为细颗粒物(PM_(2.5));烟花爆竹集中燃放阶段,SO_2、PM_(2.5)、PM_(10)日均值显著升高,O3、NO_2和CO的日均浓度值变化则基本不受其直接影响;总体上PM_(2.5)、PM_(10)、SO_2、NO_2和CO的小时浓度值变化趋势呈正相关,其中SO_2与PM_(2.5)、PM_(10)相关系数均值在0.800左右,高度正相关,这与全省除夕—初一污染物浓度的逐时变化趋势相一致。     

葫芦岛近地面臭氧变化特征分析研究

为进一步了解葫芦岛地区臭氧污染,以该市2014年-2016年臭氧(O_3)监测数据为基础分析了O_3浓度变化特征。结果表明:葫芦岛市O_3污染有明显的加重趋势;O_3污染天气集中出现在4～10月;O_3浓度的日变化特征呈现单峰分布,峰值出现在15:00,谷值出现在06:00; O_3前体物(NO、NO_2、CO)浓度休息日低于工作日,O_3浓度休息日高于工作日。日间为环境监测和预报的关键时期。     

中国香港地区O_3与NO_2耦合作用的时间尺度特征

于2012年7月6日-7月31日和2012年12月1日-12月31日,借助中国香港地区东涌和观塘2个大气环境监测点的近地面O_3与NO_2浓度观测数据,采用去趋势互相关分析法对二者的相关性及其时间尺度特征进行分析。研究对冬季和夏季O_3与NO_2相关性在一定时间尺度内长期持续特征进行了分析。分析结果表明,香港地区近地面O_3与NO_2浓度波动的相关性在一定时间尺度内具有长期持续性特征,以幂律形式随时间缓慢衰减;其相关性在冬季和夏季的差异显著,可能与当地夏季温度、光照强度、太阳总辐射以及气象因子等有关。     

重庆市大气主要污染物特征分析

基于环境空气质量监测数据,分析了各项污染物时间变化特征,并利用SPSS 19.0软件进行相关性分析和主成分分析。结果表明:SO_2和CO污染较轻,NO_2浓度水平较高,O_3和PM_(2.5)污染相对严重。SO_2和O_3呈现"单峰型",NO_2、CO、PM_(10)、PM_(2.5)呈现"双峰双谷型"的日变化特征。SO_2、NO_2、CO、PM_(10)和PM_(2.5)呈"U型",O_3呈现倒"U型"季节变化特征。PM_(10)、PM_(2.5)与SO_2、NO_2、CO,SO_2与NO_2、CO,NO_2与CO呈现正相关;NO_2、CO与O_3呈现负相关。主成分分析法结果显示第1个因子为PM_(10)、PM_(2.5)、NO_2,第2个因子为O_3。     

基于GAM模型分析影响因素交互作用对PM2.5浓度变化的影响

对南京市2013~2015年PM2.5及影响因素的时间变化序列,运用广义可加模型(GAM)分析影响因素交互作用对PM2.5浓度变化的影响.结果表明,PM2.5及影响因素都基本服从正态分布类型,影响因素间具较强相关性,其中气温、气压和水汽压间具有显著相关性.PM2.5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,其中SO_2、CO、NO_2等影响因素的模型拟合度较优,方程解释度较高;PM2.5浓度变化的多因素GAM模型中SO_2、CO、NO_2、O_3、平均降雨量(PRE)、平均风速(WIND)和相对湿度(RHU)等影响因素对PM2.5浓度变化解释率为73.9%,对其变化具有显著性影响;通过多因素对PM2.5浓度变化影响效应的诊断分析,得到SO_2、NO_2和WIND与PM2.5浓度变化呈线性关系,CO、O_3、PRE和RHU与PM2.5浓度变化呈非线性关系;在影响因素交互作用对PM2.5浓度变化影响的GAM模型中,SO_2与CO、PRE、RHU间交互作用,CO与NO_2、O_3、PRE、WIND、RHU间交互作用,以及NO_2与WIND、PRE、RHU间交互作用,都在P0.01(或P0.05)水平下显著影响PM2.5浓度变化;大气污染物SO_2、CO及NO_2分别与气象等其它因素的交互作用对PM2.5浓度变化产生最主要影响作用;通过对影响因素交互作用GAM模型可视化三维图分析,定量研究了影响因素交互作用对PM2.5浓度变化的影响特征.结论表明,运用GAM模型,能够定量化分析影响因素交互作用对PM2.5浓度变化的影响,研究方法具有一定创新性,对PM2.5浓度污染与控制研究具有重要意义.     

典型西南工业城市柳州市核心区大气污染物时空分布与气象因素研究

为研究柳州市核心区大气污染物浓度时空变化规律与气象因素之间的关系,统计分析了2018年全年研究区内6个自动监测站点PM_(2.5)、PM_(10)、SO_2、NO_2、O_3和CO的浓度监测数据和气象站气象数据,并对28次超标日污染物来源进行了解析.结果显示:①核心区颗粒污染物污染较为严重,且以PM_(2.5)为主的细颗粒污染物仍为柳州市主要的大气污染物;各污染物月均浓度季节差异显著,除NO_2外柳州大气污染物浓度下降明显,指示柳州市多项节能减排综合整治措施成效显著;PM_(2.5)、PM_(10)、CO受早晚高峰期影响,浓度日变化均呈双峰型;NO_2在不同季节峰型不同,作为O_3前体物其浓度日变化与O_3相反,呈现"早峰午谷"的变化趋势.②通过对污染物浓度插值发现,由于核心区主要工商业区位于西部且处于主导风向下风向,故PM_(2.5)和SO_2浓度西北高、东南低,PM_(10)、NO_2和CO浓度西南高、东北低;核心区东部的山区为O_3生成带来大量前体物,使O_3浓度东南高、西北低.③由于气候特征,核心区春、夏季主要气象因素均为降水量;秋季的主要气象因素是风速,风速与污染物的负相关关系表明了风的扩散效应;冬季大部分污染物与气象因素的相关性不显著,表明人为因素对污染物的影响大于气象因素;核心区大气污染物主要来源于局地排放和区域传输,且南北主导风向对大气污染影响最大.④HYSPLIT模型结果指示柳州超标日大气污染物主要来自于珠三角地区,且陆源颗粒物浓度普遍比海洋源高,来自南部的远距离输送气流颗粒物含量最低,表明远距离输送为影响颗粒物传播的主要原因.     

塔克拉玛干沙漠腹地冬季近地层CO2浓度变化特征

利用Li-8150系统在塔克拉玛干沙漠腹地进行了冬季近地层(￡6m)CO2浓度数据收集,结合同步气象资料,分析了近地层CO2浓度变化特征,土壤呼吸速率及气温、风速等气象因素对其变化特征的影响.结果表明,近地层CO2浓度日变化曲线呈单峰型结构,白天浓度高于夜晚.沙漠腹地冬季近地层大气CO2浓度主要集中分布在371.6~387.1μmol/mol,日平均最高值出现在12:00,最低值出现在凌晨;近地层CO2浓度对土壤呼吸速率的响应程度较好;不同高处气温与CO2浓度均存在着显著的正相关关系;近地层(31m)的CO2浓度受风速变化影响较大,而风速对0.5m及以下高度CO2浓度分布特征的影响相对较小;流动沙漠腹地,土壤呼吸和微弱的气象条件相互作用,共同调节和控制着近地层CO2的浓度变化.     

广州某区PM_(2.5)和气态污染物质量浓度的日变化特征及其相关性分析

本文分析了2015年3月至2016年2月广州某区细颗粒物(PM_(2.5))和气态污染物(SO_2、NO_2、CO、O_3)质量浓度的日变化特征,并对PM_(2.5)和气态污染物之间质量浓度的相关性进行分析,结果表明:PM_(2.5)、SO_2、NO_2、CO、O_3大气污染物存在一定规律的日变化特征。PM_(2.5)与SO_2、NO_2、CO、O_3全年质量浓度的相关系数范围分别为0.184～0.219,0.271～0.436,0.170～0.368和0.051~0.318,存在一定的线性正相关关系。