太原市典型大气污染物时空分布及其成因分析研究

根据太原市2001年-2012年环境空气定点监测数据,采用分时段统计分析和GIS空间分析相结合的方法探讨了太原市主要大气污染物的时空分布特征,并分析了形成原因.结果表明,太原市环境空气污染物浓度呈逐年下降趋势,环境空气质量逐步改善,这与太原市积极转变经济结构,加强污染控制有直接的关系.但是,太原市自然气象条件和污染源格局都不利于环境空气质量的改善,太原市空气污染情况依然严峻.     

浅析气象条件对大气污染时空分布的影响

本文讨论了一些主要城市边界层污染气象条件及其与浓度分布的关系。经研究发现,城市空气污染的长期平均状况与污染系数有直接关系。风向脉动方差能够反映出湍流扩散的强度;混合层厚度及通风量对大气污染也有重要影响。     

毕节市中心城区大气污染物时空分布特征分析

为研究毕节市中心城区大气环境污染现状,利用2019—2021年毕节市中心城区3个国控监测站点的6项基本污染物以及AQI监测数据,采用趋势分析法,对毕节市中心城区各污染物浓度的时空分布特征进行了分析。结果表明：(1) 2019—2021年毕节市中心城区PM_2.5、PM₁₀、SO₂、CO、NO₂年平均浓度整体呈下降趋势,O₃年平均浓度呈上升趋势。(2) PM_2.5、PM₁₀、SO₂、CO、NO₂浓度月变化大致呈“U”型分布,O₃浓度月变化呈倒“U”型。(3) PM_2.5、PM₁₀、SO₂、CO、NO₂浓度季节变化规律为冬季最高、春秋季次之、夏季最低;O₃浓度季节变化特征为春>夏>秋>冬。(4) PM_2.5、PM_10<...     

珠江三角洲大气环境VOCs的时空分布特征

在珠江三角洲地区的 8个大气功能区观测点、5个主导风向加强观测点和 3个不同高度监测点进行了为期 1年以上的观测 ,采用美国环保局TO15方法定性并定量分析了 5 5种臭氧前体物 (NMHCs)和 6 2种有毒挥发性有机化合物 (ToxicVOCs) ,系统研究了该地区大气VOC的组成特征及其时空分布规律 .结果发现 ,各大气功能区VOC的浓度水平和组成特征差别明显 ,珠江三角洲大气VOCs呈现区域性污染特征 ;广州市区始终具有最高的VOC浓度水平 ,夏季、冬季其下风向地区的VOC浓度呈现出明显的空间变化规律 ;夏季的NMHC及单环芳香烃的浓度均为全年最高 ,VOC各组分表现出并不相同的日变化和季节变化特征 ;城市近地面VOC主要受机动车排放的影响 ,而越往高空 ,一次污染物去除与二次污染物的影响显得突出和显著     

焦作市大气污染时空分布特征及来源分析

焦作市是京津冀地区"2+26"通道城市之一.为研究焦作市大气污染特征,于2016年1月-2018年2月使用3个国控站点（马村区生态环境局、焦作市生态环境局和高新区政府）大气环境监测数据,以及2018年1月焦作市边界站PM_2.5及其化学组分（水溶性离子和碳组分）监测数据进行分析.结果显示:焦作市大气污染以PM_2.5污染为主,2017年ρ（NO₂）、ρ（PM_2.5）、ρ（PM₁₀）、ρ（CO）和ρ（SO₂）平均值分别为42.4 μg/m3、79.0 μg/m3、136.5 μg/m3、1.42 mg/m3和38.3 μg/m3,较2016年分别下降了10.5%、10.6%、11.2%、20.7%和37.6%.在时间分布上,大气污染物质量浓度日变化具有明显的季节性特征,春、夏两季ρ（NO₂）日变化较秋、冬两季呈更宽的"U型",ρ（SO₂）峰值出现在12:00左右,推测原因与夜间高架源排放有关;在空间分布上,本地一次污染排放可能主要来自市区工地扬尘、西南地区交通源和东部污染点源.观测期间,ρ（NO₃-）、ρ（NH₄+）和ρ（SO₄2-）较高,平均值分别为39.42、23.66和23.01 μg/m3,分别占水溶性离子质量浓度的41.8%、25.1%和24.4%,占ρ（PM_2.5）的27.4%、16.4%和16.0%.污染天的NOR（氮转化率）（0.35）和SOR（硫转化率）（0.43）明显高于清洁天的NOR（0.25）和SOR（0.18）,表明污染天NO₂和SO₂二次转化程度更高.SOR和NOR随相对湿度的增加而增加,表明相对湿度较高时有利于NO₂和SO₂的二次转化.污染天和清洁天ρ（SOC）（SOC为二次有机碳）估算值分别为19.79和3.51 μg/m3,分别占ρ（OC）的79.4%和54.9%,占ρ（PM_2.5）的9.8%和10.4%,表明焦作市SOC对OC有较大的贡献.PSCF（潜在源贡献因子法）结果表明,本地源是影响焦作市秋、冬两季PM_2.5的主要潜在源,太行山南麓区域输送也对其有一定贡献.研究显示,焦作市大气污染较严重,本地一次排放、二次转化和区域输送是焦作市PM_2.5的主要来源.      

峨眉山市城区硫酸盐化速率时空分布特征

本文以峨眉山市城区１９９１－１９９５年所测硫酸盐化速率数据为依据，找出该城区硫酸盐化速率五年来的年度变化、季节变化和月变化规律以及空间变化规律，从而为防治大气污染提供了有用资料。     

昆明城区大气污染物时空分布特征

利用2013—2020年昆明城区国控点监测数据,分析大气污染物时空分布特征。结果表明：2013—2020年昆明城区O₃年均浓度总体呈上升趋势,其余污染物年均浓度呈下降趋势,O₃增幅为4.1%,SO₂降幅为67.9%,其余污染物降幅为35.0%~55.0%。超过GB 3095—2012《环境空气质量标准》一级以上标准的首要污染物天数占比显示,O₃已经代替PM_2.5成为昆明市最主要的大气污染物;O₃浓度春季最高,夏季次之,秋季最低;PM₁₀和PM_2.5浓度春、冬季高,夏季最低;SO₂、NO₂、CO浓度冬季最高,夏季最低,但SO₂和NO₂四季变化幅度较其他污染物小。春、夏季的O₃,冬、春季的PM_2.5是昆明市大气污染的防治的重点。O₃浓度日变化呈单峰型分布,CO、NO₂、PM₁₀、PM_2.5浓度呈双峰型分布,但PM₁₀、PM_2.5浓度峰谷变化不明显;NO₂、CO、PM_2.5、PM₁₀浓度峰值出现在早高峰时段,O₃浓度峰值出现在14:00—15:00,SO₂浓度上午高于下午。大气污染物浓度分布具有明显的空间差异性,SO₂、PM_2.5、NO₂、PM₁₀、CO浓度城区西部高于东部,分别高出54.5%、20.0%、17.9%、14.6%和2.4%,O₃浓度则相反,城区东部高于西部,高出9.0%;SO₂、NO₂、O₃浓度东部、西部差异呈逐年减小趋势,不排除上风向安宁工业园区污染传输影响变弱的可能性。

     

发展可持续交通 提速大气污染防治

机动车污染是造成我国灰霾污染的重要原因,能否建立与我国社会经济发展要求相适应的绿色可持续交通系统,解决好机动车污染问题,直接关系到大气环境质量改善的速度与成效。为降低机动车污染排放,改善大气环境质量,需要推进可持续交通发展,重视交通战略环评及规划,引导交通结构向低污染和资源节约的合理模式发展,使交通发展适应城市承载力;加强供能基础设施建设,为新能源汽车产     

基于TSIS区域范围内交通尾气的时空分布研究

本研究的主要目的是通过案例分析建立区域范围内交通尾气排放时空分布的研究框架,为通过交通管理优化减少区域尾气排放提供理论依据。以四川大学望江校区为研究区域,利用微观交通模拟软件TSIS,结合机动车尾气排放模型,研究校区范围内的交通流量及其尾气排放的空间分布。结果表明:利用TSIS结合道路交通属性和路网结构可以成功构建区域范围交通模拟和尾气排放预测模型。该模型能用于分析交通流和尾气排放的时空分布,进而为四川大学望江校区改善校园交通和减少尾气排放提供数据支撑。     

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。     

应用OSPM模式进行澳门街区峡谷污染评价

采用ＯＳＰＭ模式计算澳门城区街区峡谷内污染物浓度，进行污染评价．计算结果表明，对于高宽比较大的街区峡谷，ＯＳＰＭ模式有良好的适用性；在考察的时段内，澳门街区峡谷内机动车污染已经达到相当严重的程度，必须通过相应的措施进行控制．     

城区交通干线空气污染负荷核算的研究

现代的交通工具机动车给人们的生活、工作带来极大的方便,是不可否认的,但却给人们生活、工作的城区空气环境造成很大的压力,甚至污染,尤其是其所排放的尾气中的NOX在城区交通干线空气的污染负荷都在日益加剧,为使城区交通可持续发展,需进行有效的预防和控制。     

天津重污染期间大气污染物浓度垂直分布特征

利用天津气象局255 m铁塔垂直4层观测平台(高度分别为3、40、120和220 m),对各层大气中的NO_x、O₃、SO₂浓度(均以φ计)和PM_2.5浓度(以ρ计)进行了连续观测,结合同步气象要素分析了2010年10月3—11日天津发生的一次重污染事件.结果表明:在此次重污染事件期间,一次及二次污染物浓度的垂直梯度变化差异显著,φ(NO)、φ(NO₂)和ρ(PM_2.5)随高度上升而降低,φ(NO)在3～120和120～220 m的递减率分别为58.0%和8.5%,ρ(PM_2.5)在3～220 m递减率为13.0%;而φ(O₃)和φ(SO₂)平均值却随高度的上升而增加,其中φ(O₃)在3～40、40～120和120～220 m的增长率分别为108.0%、19.1%和56.4%,φ(SO₂)在3～220 m的增长率为25.0%. NO_x主要来源于局地近地面污染源的排放;SO₂主要来源于高架点源的排放,O₃则来源于局地光化学过程积累;PM_2.5受局地排放源和光化学过程的双重影响,垂直梯度变化最不显著. 不利于扩散的气象条件使以局地排放为主的污染物积累升高及其伴随的光化学反应造成了天津此次重污染事件.      

北京市汽车污染分担率的研究

本文首先明确了汽车道路污染分担率和汽车区域污染分担率两个不同的概念,介绍了汽车区域污染分担率的计算方法。计算结果表明北京市三环内汽车区域污染分担率冬季CO为14.3％,NO_x为32.2％,THC为46.0％,秋季CO为58.4％,NO_x为68.7％,THC为86.6％。北京市汽车道路污染分担率(路中)冬季CO为65.7％,NO_x为71.6％,THC为37.6％;秋季CO为58.8％,NO_x为75.5％,THC为67.5％。     

柳州市区交通与机动车污染排放研究

现场监测表明,柳州市机动车保有量迅速增加,而交通基础设施建设相对滞后,导致交通主干道NOX时均浓度在0.04～0.111mg/m3之间,时最大浓度值超标2.75倍,时均值超标路段占所监测路段的100%;TSP时均浓度值为0.11～0.660mg/m3,时均最大浓度值超标倍数达3.3倍,时均值超标路段占所监测路段的87.5%;机动车CO排放量216936.71吨、NOX排放量10431.78吨,小汽车和摩托车成为主要污染源。     

考虑车流分布特性的环形交叉口交通噪声预测模型

考虑到环形交叉口环道上车流分布不均匀的特点,运用数学建模的方法,建立了考虑环道车流分布特性的交通噪声预测模型。同时,采用Paramics微观交通仿真和实地调查两种手段,对环形交叉口进行了大量的交通噪声模拟计算。仿真和实地调查的结果均表明:所建立的交通噪声预测模型具有较高的预测精度,与现有预测模型相比提高了在环道车流分布不均匀时的交通噪声拟合效果,更符合实际情况。     

兰州市交通干道车流量与噪声污染分析研究

兰州市受河谷地形限制，用地紧张，交通问题突出。近年来，市内车流量呈显著攀升趋势，噪声污染基本保持平稳。近期监测表明，市内交通干道车流量较大，声环境质量较差；典型路段车流量变化时间规律明显，车流量与Leq均值在工作日与休息日有显著性差异；公交车站噪声比站旁道路更为严重。     

应用模式模拟济南市机动车污染的空间分布

以济南市机动车污染排放实际情况为基础,结合具体的地理、气象等特点,采用ISCST3模式模拟计算了济南市196 km2范围内年均CO 和NOx浓度空间分布,确定出济南市机动车污染较为严重,需要重点控制机动车污染的区域。      

中国重点城市大气污染与健康风险的时空分布特征

基于中国168个大气污染防治重点城市2015～2020年的5种污染物浓度监测数据,利用MAKESENS模型和综合风险指数(ARI),定量分析全国与6大城市群的大气污染总健康风险的时空分布特征.结果表明：(1)中国重点城市PM_2.5污染最严重,仅15%的城市PM_2.5浓度6 a均值达到了国家二级标准,NO₂次之,77%的城市NO₂浓度6 a均值达到了国家二级标准,京津冀和汾渭平原城市群空气污染最严重,PM_2.5、 SO₂、 CO和NO₂浓度6 a均值高于其他城市群;(2)中国重点城市PM_2.5、 SO₂、 CO和NO₂浓度呈下降趋势,除成渝城市群外,其余地区O₃浓度呈上升趋势;京津冀和汾渭平原城市群SO₂浓度下降最显著;(3)中国重点城市大气污染健康风险总体呈下降趋势,2017～2018年出现急剧下降,暴露在极高风险下的人口从1...     

临街建筑群间交通噪声一维分布灰色系统模型预测

研究交通噪声在建筑群间传播与分布的计算机模拟方法,建立在物理模型的基础上。由于噪声实际传播过程中未知因素太多,使由物理模型得出的预测结果在离声源较远处与实际相比有较大误差。本文提出的灰色系统模型预测方法,首先给出非本征灰色系统中物理参量按坐标分布的一般GM(1,1)模型,用计算机模拟方法在其有效的范围内获取的数据构成原始序列,按GM(1,1)建模方法给出交通噪声按坐标分布的预测值,预测结果在离交通干道较远处的分布更符合实际情况,在此范围内提高了预测精度。