珠三角区域PM2.5时空变异特征

珠三角区域PM_2.5污染严重,以 2012年9月─2013年8月62个大气监测站的PM_2.5联网数据为基础,采用地统计学方法定性、定量分析了该区域ρ(PM_2.5)的时空变异特征. 定性分析结果表明,基底效应在0.12~0.30之间,相应ρ(PM_2.5)变异属于以结构性变异为主的Ⅰ、Ⅱ类,对应的空间自相关程度为强、较强,说明珠三角区域的ρ(PM_2.5)分布差异主要由区域结构所致. 定量分析结果表明:①空间自相关距离受气象因素影响,随方向和时间在51~85 km之间变化,东西方向的影响距离(75~85 km)最大. ②ρ(PM_2.5)在南北方向的变异幅度指数(0.34~0.70)和变异速度指数〔0.14~0.38 μg/(m3·km)〕在各方向中均为最大;而东北─西南方向的2个指标则均为最小,其中变异幅度指数为0.25~0.42,变异速度指数在0.13~0.34 μg/(m3·km)之间,即南北方向的ρ(PM_2.5)变化大于其他方向.③综合异质指数介于0.14~0.54之间,说明ρ(PM_2.5)总体保持在中等异质水平. 鉴于珠三角区域ρ(PM_2.5)的空间变异特征,在进行监测站布设时,矩形网格相较于方形网格更适合于对该区域地理空间进行划分,其中网格的长为东西方向平均空间自相关距离(78 km)的2倍,宽为南北方向平均空间自相关距离(56 km)的2倍.      

多尺度PM_(2.5)分布特征的空间插值与遥感反演对比

精确识别污染物浓度的空间分布是进行区域大气污染防治的重要基础。利用MODIS卫星数据,采用基于地面气象和环境空气质量监测站点观测数据为基础的反演模型,反演获取2013年12月珠三角地区典型大气污染过程1 km分辨率的PM_(2.5)浓度数据,对比分析遥感反演及基于环境空气质量监测站点观测数据的空间插值方法对区域、城市和乡镇尺度PM_(2.5)浓度空间分布特征的再现效果差异。结果表明,珠三角地区PM_(2.5)遥感反演结果与地面观测数据的相关性达到0.74,相关性水平较好,遥感反演结果可描述区域、城市和乡镇尺度上PM_(2.5)污染浓度的空间分布特征,识别不同空间位置的污染程度差异;基于站点观测数据的空间插值方法对PM_(2.5)浓度空间分布特征的再现能力有限,在区域尺度PM_(2.5)浓度空间分布特征分析时效果尚可,在站点有限的城市和乡镇尺度分析中效果不佳,容易产生对高浓度污染地区的误判;在需要利用站点观测数据分析区域尺度PM_(2.5)浓度空间分布特征时,析取克里金、反距离权重或径向基函数插值方法的效果相对较好。     

基于GIS和LUR模型的西安市PM2.5浓度空间分布模拟研究

基于地理信息系统GIS和土地利用回归LUR模型,模拟西安市PM2.5浓度空间动态分布,结果表明:与PM2.5浓度相关性最高的分别为缓冲区为2 km的水域面积、人口密度和距离水域距离,R 2分别为0.501,0.393和0.280;与PM2.5浓度相关性最低的分别为缓冲区为4 km的水域面积、未利用地面积和耕地面积,R 2分别为0.039、0.021和0.017.未考虑风速建立的LUR模型多元回归的相关系数为0.856,R 2为0.733,考虑风速的相关系数为0.892,R 2为0.796,表明风速对于污染物的分布影响较大,LUR模型模拟效果较好.模拟的PM2.5年均浓度高风险区分布于中部,中风险区分布于中西部,低风险区分布于东南部和西部.     

长距离污染传输对珠江三角洲区域空气质量影响的数值模拟研究

采用CMAQ模型系统对珠江三角洲(以下简称珠三角)区域2006年主要大气污染物浓度进行模拟,获得该区域主要污染物浓度时空分布和大气传输季节变化特征,并结合其它相关研究方法分析长距离传输对珠三角区域空气质量的影响.模型模拟结果揭示了珠三角NO2、SO2、PM10、PM2.5浓度具有秋冬季高、春夏季低的季节变化特征,而珠三角O3浓度的高值出现在秋季.零排放扰动法表明长距离传输对珠三角15个区域监测子站NO2、SO2、PM10和PM2.5浓度平均贡献分别为2.6%、13.9%、24.2%和28.1%,并且秋冬季长距离传输贡献大于春夏季.反向轨迹聚类方法显示珠三角区域代表性站点万顷沙72 h反向控制气团依据其来向可分为沿岸气团、大陆气团、区域环流和海洋气团.万顷沙站点主要污染物小时观测浓度大于150μg·m-3的时段与短距离沿岸气团、短距离大陆气团以及区域环流主导下的污染物传输密切相关.四维传输通量分析结果证实,NO2污染传输通道无法由广东省外延伸至珠三角地区,因此珠三角大气NO2浓度主要来源于广东省内的排放.珠三角在受沿岸气团或大陆气团控制时存在从福建省或江西省一直延伸至珠三角的SO2和PM2.5高通量污染传输通道.因此控制珠三角区域大气污染需考虑区域背景气象条件差异,针对不同污染物采取不同的区域联防联控措施.     

基于ESDA的省域空气污染空间特征研究

运用探索性空间数据分析(ESDA)方法,对中国31个省份的空气质量指数和PM2.5进行了空间分布和时空演化分析,结果显示,中国省域空气综合污染存在较强的空间自相关性,可对相邻区域空气质量造成影响.PM2.5污染与空气综合污染的空间相关趋势保持了高度的一致性,体现主导污染物的地位.辽宁与华北省份北京、天津、河北、山东,以及部分华中省份河南、湖北及江苏形成了较为稳定的高污染集聚区,较轻污染的集聚大多分布在西部、西南和东南沿海区域.基于空间特征的污染治理措施,可实现功效发挥的最大化.     

福州市PM2.5污染过程中大气边界层和区域传输研究

以福建省会福州市2013年1月空气质量变化为对象,分析大气边界层变化和周边区域污染物传输对福州市大气颗粒物PM2.5的影响.利用福州市2013年1月逐日地面和探空观测资料以及NCEP提供的2013年1月FNL分析资料,通过大气边界层要素与PM2.5浓度之间的相关性,对PM2.5污染过程的大气边界层特征进行分析;同时采用HYSPLIT后向轨迹模拟及区域风场相关矢分析对影响福州雾霾的污染物区域传输路径进行探讨.结果表明:地面气温与PM2.5浓度呈正相关,地面风速与PM2.5浓度呈负相关,近地面边界层条件有利于霾颗粒物的形成和累积.但不同于我国东部主要污染源区霾污染过程中存在大气边界层逆温,福州PM2.5污染过程中并未出现大气边界层逆温结构,这一边界层结构的垂直混合可有利于区域传输的污染物从上层大气到达近地面从而加重福州霾污染,福州是华东地区一个PM2.5污染物的主要接受区,PM2.5污染物主要以外源输送为主.2013年1月份福州市清洁日近地面风向为海洋吹向大陆的东南风,霾污染日则为大陆吹向海洋的偏北风,PM2.5污染物主要从长三角地区、苏北以及安徽河南一带通过东北和西北方向的传输路径影响福州的空气质量.     

珠江三角洲一次大范围灰霾天气下的空气污染特征分析

利用粤港珠江三角洲区域空气监控网络的监测结果,对2006年10月珠江三角洲一次大范围灰霾过程进行分析,研究灰霾天气下珠江三角洲的空气污染特征。研究表明：灰霾引起空气质量恶化,细颗粒物在可吸入颗粒物中比重上升,多项污染物发生超标,臭氧是首要污染物。时间分布上,PM2.5和O3日均值浓度出现峰值相比SO2、NO2、PM10滞后数日,各站污染物的逐时变化曲线随着各自的主要影响因素不同而表现出不同的特征。空间分布上,珠三角空气污染的区域性特征比较明显,其中佛山-广州-东莞一带是珠三角的污染核心区。     

珠江三角洲一次大范围灰霾天气下的空气污染特征分析

利用粤港珠江三角洲区域空气监控网络的监测结果,对2006年10月珠江三角洲一次大范围灰霾过程进行分析,研究灰霾天气下珠江三角洲的空气污染特征。研究表明：灰霾引起空气质量恶化,细颗粒物在可吸入颗粒物中比重上升,多项污染物发生超标,臭氧是首要污染物。时间分布上,PM2.5和O3日均值浓度出现峰值相比SO2、NO2、PM10滞后数日,各站污染物的逐时变化曲线随着各自的主要影响因素不同而表现出不同的特征。空间分布上,珠三角空气污染的区域性特征比较明显,其中佛山-广州-东莞一带是珠三角的污染核心区。     

珠江三角洲秋季典型气溶胶污染的过程分析

为了解大气中各物理和化学过程对气溶胶浓度的贡献情况,利用Models-3/CMAQ模式系统对珠江三角洲(以下简称珠三角)秋季典型气溶胶污染进行研究.模拟时间是2012年10月,期间珠三角主要受高压系统的控制,在17日冷锋过境前后高压天气形势发生转变,风向从东北风转为偏东风.结果表明,珠三角秋季PM2.5浓度呈现西高东低的水平分布特征,随着高度的上升浓度高值中心也向西南方向偏移;受大气边界层高度的影响,陆地上PM2.5输送高度呈现白天高夜晚低的变化特征;过程分析结果表明源排放,水平输送和垂直输送是影响近地面PM2.5浓度变化的主要过程;本地污染物排放是城市中心(广州站)PM2.5浓度升高的主要原因,而在下风向位置(江门站)外来污染物的水平输送过程是PM2.5的最主要来源.     

我国典型城市PM_(2.5)空间分布均匀性分析

随着空气质量新标准的实施,从2013年开始我国部分城市先期开展了PM2.5的例行监测,从中选取不同区域的典型城市,分析了PM2.5在环境中的分布情况。分析结果表明:典型城市PM2.5日均值相对标准偏差(RSD)范围为13%~26%,平均值为18%;我国南方城市PM2.5空间分布均匀性优于北方城市,北方城市冬、春季节PM2.5分布的均匀性较差,南方城市夏季PM2.5分布的均匀性较差;PM2.5的空间分布均匀程度与PM10接近,但明显优于其他气态污染物。综合分析认为,目前我国国家监测网内PM2.5监测点位的代表性能够满足城市空气质量监测与评价工作需要。     

珠三角区域空气质量指数(RAQI)的研究

区域空气质量指数(Regional Air Quality Index,RAQI)是粤港政府联合发布、反映珠三角区域内不同地区的空气质量状况的评级系统。虽然RAQI综合考虑了空气污染的总量水平,较我国空气污染指数(Air Pollution Index,API)系统增加了O3,一定程度地考虑了大气氧化性增高的问题,但其所表征的空气质量状况与实际空气污染水平和公众感受仍存在差异。对2006年珠三角和香港监测数据的研究表明,RAQI较API能更充分地体现空气质量的分级;小时RAQI能够实时准确地反映了环境质量的变化,较每日RAQI更具有实际意义;加入PM2.5或采用不同的O3、PM10和PM2.5环境质量标准,是影响RAQI的重要因素。PM2.5/PM10为0.7,比世界卫生组织推荐的PM2.5/PM10为0.5的比例更符合珠三角的实际情况。因此,增加细粒子污染物PM2.5,适当调严某些污染物的环境质量标准,增加RAQI的发布频次,可以使RAQI更全面、准确地反映区域空气污染状况,是RAQI改进的方向。     

合肥紫外线辐射强度与空气质量的关系研究

利用合肥地面紫外辐射及环境空气质量观测资料,分析了晴天状况下9-15时逐时紫外线辐射强度与对应时段的PM10、PM2.5、SO2、NO2、O3、CO这6种污染物浓度及空气质量指数(AQI)之间的关系。结果表明:在PM2.5为首要污染物的情况下,紫外线辐射强度与PM2.5、PM10、AQI存在较好的负相关,与PM2.5的相关系统可达-0.72,而与SO2、NO2、O3、CO的相关性较差;与PM2.5的相关性存在明显的日变化,PM2.5/PM10越大,相关性越好;以PM2.5为首要污染物的重度污染可使紫外辐射衰减32%以上。     

苏州初夏大气中可吸入颗粒物的时空分布特点

利用苏州市2014年4月18日—5月6日空气质量监测资料,分析了苏州市大气中PM10和PM2.5的小时变化规律、日变化规律及其与温度、风速的气象相关性,研究其在空间上的分布,探讨PM10和PM2.5之间的相关性。结果表明:苏州市大气中PM10每小时质量浓度呈双峰分布,上午8∶00左右和下午20∶00左右出现峰值特征,而PM2.5每小时质量浓度呈单峰分布,只在上午8∶00左右出现峰值。PM10和PM2.5的每日变化规律相似,有周期性且周期为3~4d。在空间分布上,PM10质量浓度从高到低的排列顺序是:商业混合区居民区工业区交通干线远郊区,PM2.5质量浓度为:工业区交通干线居民区商业混合区远郊区。PM10和PM2.5两者之间存在显著相关性。     

山西省PM2.5污染时空演变特征及其影响因素分析

由于PM2.5污染存在空间异质性与空间相关性的特点,因此探究PM2.5的时空演变规律并分析PM2.5污染程度的影响因素,对于山西省协同治理联防联控有着重要作用.基于2008-2018年山西省11个地级市PM2.5年度数据,该研究运用标准差椭圆法、普通克里金插值法、探索性空间数据分析法和建立空间杜宾模型,分别对山西省PM2.5污染重心转移、污染的空间分布、空间关联性和影响因素进行了研究.结果 表明:(1)山西省PM2.5污染重心随时间不断移动,但一直位于晋中市;PM2.5污染存在空间聚集特征,但特征变化不明显.(2)时间上,山西省PM2.5浓度在2011年达到峰值,之后逐年下降;空间上,大致呈现南高北低、东高西低的特点.(3)山西省PM2.5具有明显空间集聚现象和空间溢出效应.山西省大部分南部城市处在PM2.5高-高聚集区域.(4)人口密度、规模以上发电量对山西省PM2.5浓度具有显著正向作用,而城镇率对山西省PM2.5浓度具有显著的负向作用.     

太原市采暖季PM2.5的污染特征分析

收集了采暖季太原市环境监测中心站公布的PM2.5和其它污染物（PM10、SO2、NO2、CO和O3）逐时监测数据,分析了PM2.5的月、日及小时浓度分布特征和变化规律,结果表明：太原市采暖季PM2.5的小时浓度范围为9～364μg/m^3,日浓度范围为19～ 208 μg/m^3,PM2.5最大日均值出现在2014年1月份,PM2.5小时浓度日变化规律呈单峰双谷趋势,PM2.5与PM10比值在0.30～0.77之间,二者相关性显著,相关系数为0.925.     

太原市采暖季PM_(2.5)的污染特征分析

收集了采暖季太原市环境监测中心站公布的PM2.5和其它污染物(PM10、SO2、NO2、CO和O3)逐时监测数据,分析了PM2.5的月、日及小时浓度分布特征和变化规律,结果表明:太原市采暖季PM2.5的小时浓度范围为9~364μg/m3,日浓度范围为19~208μg/m3,PM2.5最大日均值出现在2014年1月份,PM2.5小时浓度日变化规律呈单峰双谷趋势,PM2.5与PM10比值在0.30~0.77之间,二者相关性显著,相关系数为0.925。     

PM2.5浓度空间分异模拟模型对比:以京津冀地区为例

在我国快速的城市化进程中,快速的经济发展和日益增加的能源消耗带来的大气污染不断增加,特别是细颗粒物污染如PM2.5污染越来越严重,PM2.5污染相关研究成为一个热点议题.高浓度的PM2.5是形成我国京津冀、珠三角和长三角地区大气灰霾的主要原因,大气污染已成为制约京津冀地区乃至全国可持续发展的关键问题,长期暴露在PM2.5大气污染中,会对人类健康造成诸多不良影响.土地利用回归模型可以实现大气污染物浓度的时空模拟,明晰PM2.5浓度的空间分布特征对于大气污染的防治和流行病学的研究具有重要意义.本研究利用2014年1月1日至2014年12月31日京津冀地区104个监测站点的大气污染物浓度数据,结合VIIRS(visible infrared imaging radiometer)AOD(aerosol optical depth)、土地覆被、气象因子、道路分布、人口密度、污染源分布等信息,分别利用最小二乘和地理加权回归构建土地利用回归模型,对PM2.5浓度时空分布情况进行模拟,其中包括含VIIRS AOD数据的最小二乘土地利用模型和地理加权土地利用模型,以及不包含VIIRS AOD数据的最小二乘土地利用模型和地理加权土地利用模型,这4个模型的修正R2值分别为82.13%、84.87%、80.45%和81.99%.研究表明,相比最小二乘回归,使用地理加权回归的方法能一定程度上提升土地利用回归模型的结果.     

基于增强回归树的城市PM2.5日均值变化分析:以常州为例

利用2014年12月至2015年11月常州市区6个国控监测站空气污染物浓度逐时数据,分析了PM_(2.5)浓度季节变化特征,采用增强回归树模拟分析了PM10、4种气态污染物和7个气象因子对ρ(PM_(2.5))日变化的贡献.结果表明,常州市区PM_(2.5)污染季节差异明显,冬季污染严重且持续时间长,夏季污染较轻.四季ρ(PM_(2.5))空间分布特征存在一定差异,但各季内不同监测站差异较小.增强回归树对ρ(PM_(2.5))日均值进行模拟和验证得到,训练数据的相关性为0.981,交叉验证的相关性为0.957.此外,模拟值与实测值的标准化平均偏差为1.80%,标准化平均误差为10.41%,可见模型拟合效果较好.PM10、气态污染物、气象因子和区域输送及扩散这4种影响类型对全年ρ(PM_(2.5))日均值差异的贡献率分别为23.4%、28%、36.2%和12.6%,表明在对ρ(PM_(2.5))日均值差异的影响上,气象因子二次形成一次源区域输送及扩散.在对ρ(PM_(2.5))日均值差异贡献率大于5%的因子中,ρ(PM_(2.5))日均值与PM10、相对湿度、CO和O3正相关,与温度、SO2和混合层高度负相关,与大气压和NO2关系较复杂.区域输送及扩散方面,东南风向、偏西风向和偏北风向等上风向周边城市的污染物输送对常州市区PM_(2.5)污染存在较大的负面影响.     

2014年京津冀地区PM2.5浓度时空分布及来源模拟

采用模式(CAMx)模拟与污染物、气象观测资料相结合的方式,分析了2014年京津冀地区PM2.5时空分布及来源特征.结果表明:PM2.5具有较为明显的时间变化规律,呈秋冬高、春夏低的规律和双峰型分布的日变化特征;重污染日PM2.5高浓度(PM2.5>150μg/m3)主要分布在太行山前的华北平原区,特别是北京、保定、石家庄一线,而太行山、燕山等西部及北部山区PM2.5浓度明显低于平原区;重污染日京津冀地区PM2.5平均浓度在150μg/m3以上的面积约占总面积的73%;重污染日北京、天津、石家庄市的PM2.5外来输送率分别为58%、54%、39%;2014年10月6~12日京津冀地区发生的一次重污染过程中污染物由南向北输送,区域输送对于各地区PM2.5浓度有着十分重要的影响.     

重庆市冬季PM_(2.5)及气态污染物的分布特征与来源

利用重庆市大气污染物监测站2013年冬季(2013年11月—2014年1月)的实测数据,分析PM2.5及相关气态污染物(SO2、NO2、O3)的时空特征,并采用轨迹聚类与PSCF(潜在源贡献因子)分析污染物来源.结果表明:除ρ(O3)以外,其他3种污染物质量浓度的月际变化趋势基本一致,均呈12月升高、1月降低的特征;污染物空间分布不均,其中ρ(PM2.5)和ρ(NO2)在工业区和人口密集区较高,ρ(SO2)南高北低,ρ(O3)城区低于郊区.ρ(SO2)、ρ(NO2)与ρ(PM2.5)均呈显著正相关,其中ρ(SO2)与ρ(PM2.5)的R(相关系数)在城、郊区分别为0.71、0.65,ρ(NO2)与ρ(PM2.5)在城、效区的R分别为0.73、0.56;而ρ(O3)与ρ(PM2.5)未表现出显著相关.ρ(SO2)、ρ(NO2)与ρ(PM2.5)的相关性高低可在一定程度上说明二次气溶胶的污染程度,ρ(O3)与ρ(PM2.5)的相关性受到PM2.5来源和污染程度的影响.轨迹分析结果显示,重庆市2013年冬季主要受东北方向气流影响;聚类分析表明,重庆市11月没有表现出明显的PM2.5外来输送特征,但12月和1月的PM2.5外来输送特征明显,并且不同方向的气流污染物浓度差异也较大.PSCF分析发现,重庆市冬季PM2.5、SO2、NO2、O3主要来源于本地和周围城市局地传输,同时还受南宁、贵阳、遵义、达州等地的影响.