中国PM2.5管理策略研究

文章通过对PM2.5的基本组成、来源与影响因素的分析,构建中国PM2.5全过程管理体系,建立、完善PM2.5削减和控制长效机制,进而实现中国PM2.5管理。     

武汉光谷空气PM10和PM2.5中的水溶性阴离子分析

2009年1月-2011年12月在武汉光谷商业区选取G、H两点,采集颗粒物样品,分析了PM10和PM2.5浓度,采用离子色谱测定了灰霾期间PM2.5中4种水溶性阴离子。结果表明:G点PM10和PM2.5年平均浓度分别超过《环境空气质量标准》(GB 3095-2012)二级浓度限值的1.48~1.73倍和1.94~2.4倍,H点分别超标1.16~1.4倍和1.26~1.86倍。灰霾期间PM2.5中主要水溶性阴离子为NO3-、SO42-、NO2-和Cl-,G点4种水溶性阴离子占PM2.5中总水溶性离子的比例分别是为20.29%、10.16%、9.51%和4.62%,H点为14.41%、30.12%、6.64%和3.83%。G点NOx-浓度约为SO42-浓度的3倍,而H点SO42-浓度约为NOx-浓度的1.5倍。G与H点NOx-和SO42-离子浓度的差异暗示两监测点的主要污染源不同,交通量和植被覆盖率可能是导致两点浓度差异的原因。。     

基于树模型的北京市PM2.5预测效果对比分析

在城市空气质量预测中,ρ（PM_2.5）会受到气象条件和时间周期的影响。选取北京市全市为实验区域,对多种污染物浓度特征、时间特征及天气特征等进行分析,采用2019年33个空气质量监测站逐小时数据开展PM_2.5预测实验,建立了基于特征的LightGBM （light gradient boosting machine） PM_2.5质量浓度预测模型,分别与随机森林模型（RF）、梯度提升树模型（GBDT）、 XGBoost模型3个PM_2.5浓度预测模型进行对比。结果表明:在PM_2.5浓度预测精度方面,LightGBM模型最高,XGBoost模型次之,RF模型最差。LightGBM模型的PM_2.5污染浓度预测准确率高于其他模型,R2为0.9614,且具有训练快、内存少等优点。LightGBM模型的5个评估指标均优于其他模型,说明其在PM_2.5逐时预测上具有很好的稳定性和应用前景。     

基于移动监测的城市道路PM2.5和PM10浓度分布研究

利用移动监测方法采集2016年7月14—16日上海市不同功能街区及道路环境的PM_2.5、PM₁₀、水膜高度等数据,研究城市不同街区及道路环境PM_2.5和PM₁₀浓度分布规律及影响因素。结果表明:降水对PM_2.5具有明显的去除效果,水膜高度与颗粒物浓度的变化存在负相关关系。生活区和虹桥商务区内的颗粒污染物以细颗粒为主,虹桥商务区和工业区的部分微环境分别由于工地和路面扬尘的影响会出现PM_2.5~10浓度严重升高的现象。小陆家嘴商务区的污染物扩散较好,不易堆积,该街区内没有污染十分严重的区域。实测证明,并不是所有的高架桥都会加重街道峡谷内的空气污染,合理的街道峡谷构造条件下,高架桥对街道峡谷内污染物扩散影响不大。     

2015—2018年乌鲁木齐市PM2.5及PM10时空分布特征

乌鲁木齐市是“丝绸之路经济带”关键节点城市,为了解乌鲁木齐市2015—2018年空气污染状况,利用2015年1月1日—2018年12月23日乌鲁木齐市7个国控空气质量监测站的ρ（PM_2.5）、ρ（PM₁₀）监测数据,基于ArcGIS空间分析平台,分析乌鲁木齐市PM_2.5、PM₁₀的时空分布特征.结果表明:ρ（PM_2.5）从2015年（66.60 μg/m3）到2016年（76.93 μg/m3）呈上升趋势,在2016—2018年呈单一下降趋势;ρ（PM₁₀）从2015年（132.74 μg/m3）到2016年（125.93 μg/m3）呈下降趋势,在2016—2018年呈单一上升趋势.2015—2018年工业活动集中的乌鲁木齐市边缘各区的ρ（PM_2.5）、ρ（PM₁₀）平均值比城市中心（商业区、居民区）分别高11.28、7.17 μg/m3,说明工业集中地区的大气环境质量受污染影响明显.此外,2015—2018年乌鲁木齐市大气污染呈季节性和北高南低的区域性分布特征.气象因子分析表明,ρ（PM_2.5）、ρ（PM₁₀）均与相对湿度呈正相关,与降雨量、风速等气象因素呈负相关.2015—2018年,乌鲁木齐市大气中ρ（PM_2.5）/ρ（PM₁₀）呈先增后降的趋势,冬季以PM_2.5污染为主,其他季节以PM₁₀污染为主.研究显示,2015—2018年乌鲁木齐市空气污染状况变化与地形、气象条件、城市化建设均有一定的关系.      

广州市区PM2.5的时间变化

PM2.5是指大气中直径小于或等于2.5微米的颗粒物,不仅能够造成灰霾天气,而且会对人体健康造成重大危害。本文以广州市环境监测中心站2009年的监测数据为基础,对广州市区PM2.5的时间变化和原因进行了分析,结果表明广州市区的PM2.5冬季较高,夏季较低,最高浓度出现在10月,最低浓度出现在7月。PM2.5浓度日变化呈现出明显的双峰形;PM2.5浓度的时间变化特征与气象因素和污染源排放密切相关。     

北京市区春夏PM2.5和PM10浓度变化特征研究

通过对北京市2012年3月～6月PM2.5和PM10实时数据的整理和分析,结果表明,北京市区大气中细颗粒物PM2.5和可吸入颗粒物PM10浓度日变化趋势基本相同,PM2.5和PM10存在显著或极显著的正相关关系;3月～6月,PM2.5浓度随季节变化逐渐升高,PM10的浓度随季节变化先升高后减小;3月～6月PM2.5与PM10日平均浓度分别为62.77μg/m3和133.88μg/m3,分别为国家二级标准的83.69%和89.25%。     

临沂市PM2.5和PM10中元素分布特征及来源解析

为探究临沂市PM_2.5和PM₁₀中元素的污染特征及来源,于2016年12月至2017年10月对临沂市环境空气中PM_2.5和PM₁₀进行了同步采样.利用电感耦合等离子体质谱仪(ICP-MS)和电感耦合等离子体发射光谱仪(ICP-OES)测定了其中的23种元素,并采用富集因子法和PMF法分析其来源.结果表明,采样期间临沂市PM_2.5和PM₁₀中主要元素为Si、Ca、Al、Fe、K、Na和Mg,分别占所测元素的质量分数为92.93%和94.61%. 18种元素(除Ti、Ni、Mo、Cd和Mg)的浓度水平在冬春季最高,夏秋季最低.其中Si、Al、Ca、K和Na表现为春季浓度最高,主要分布在粗颗粒中;Cu、Zn、Pb和Sb表现为冬季浓度最高,主要分布在细颗粒中.富集因子结果表明Cd、Sb和Bi元素富集程度显著,主要受燃煤、工业生产、垃圾焚烧等人为源共同影响.PMF源解析结果表明,临沂市PM_2.5中元素来源主要有燃煤和铜冶炼的混合源、市政垃圾焚烧...     

基于深度学习模型的广州市大气PM2.5和PM10浓度预测

精准预测大气污染颗粒物PM_2.5、PM₁₀浓度能为大气污染防治提供科学依据,但目前较多PM_2.5和PM₁₀浓度预测在缺少污染源排放清单和能见度数据时,预测精度不高。而目前深度学习模型应用于PM_2.5和PM₁₀浓度预测的研究还鲜见报道。基于广州市2015年6月1日—2018年1月10日的空气质量和气象监测历史数据,分别构建了随机森林模型(RF)、XGBoost模型2种传统的机器学习模型和长短时记忆网络(LSTM)、门控循环单元网络(GRU)2种深度学习模型,并对广州市的PM_2.5、PM₁₀日均浓度值进行预测。结果表明:在缺少污染源排放清单和能见度数据时,4种模型也能较好地预测PM_2.5、PM₁₀日均浓度。根据MSE、RMSE、MAPE、MAE和R2等评价指标,对4个模型的PM_2.5、PM₁₀预测效果进行测评,得出深度学习GRU模型预测效果均为最佳,RF模型的预测结果均为最差。相比目前研究及应用较多的RF模型、XGBoost模型、LSTM模型,基于深度学习的GRU模型能更好地预测PM_2.5、PM₁₀浓度。     

浅述环境中PM2.5的分析研究及其展望

综述了环境中PM_2.5的研究现状,重点围绕其来源、化学组成及组分分析方法进行介绍,并对工业园区PM_2.5的监控进行展望。     

基于国内外实践经验的国家级海洋公园建设研析

建设国家级海洋公园是完善自然保护地体系的重要一环,在平衡海洋生态保护与开发利用方面具有重要作用,是海洋生态文明建设的重要内容。我国国家级海洋公园建设起步较晚,在实践中仍存在诸多问题需要破解。本文以国外国家级海洋公园建设的实践经验为依据,结合现实中存在的困境,从创新管理模式、健全专项法律法规、建立多元化融资机制、加强人才队伍建设、构建监督反馈机制、优化科普宣教途径等方面对我国国家级海洋公园建设提出建议。     

国内外水环境管理体制对比分析

水环境管理体制建设是一项复杂的系统工程；即使在发达国家，水环境管理模式也随着认识水平的提高与需求的不断变化，处于逐步完善的过程。本文收集了国际上在水环境管理方面比较有代表性的国家，包括美国、英国、法国、荷兰、加拿大、澳大利亚、前苏联、日本、韩国、以色列与印度等水环境管理体制方面的资料，系统分析了这些国家在国家级、流域级与区域级的水环境管理体制与主要采取的水环境管理模式；并针对我国水环境管理体制的结症所在，提出了我国水环境管理体制改革所需遵循的基本原则。     

崇明岛地区PM10和PM2.5浓度分析研究

2010年1月上海市政府颁布了《崇明生态岛建设纲要(2010-2020)》,本文从2013年9月1日至2014年8月31日运用颗粒物采集仪器于森林公园、绿华、现代农业园区、城桥四个空气自动监测点位监测PM10和PM2.5,分析PM10和PM2.5的浓度与风向的关系得出PM10和PM2.5污染与江对面的吴淞工业区、宝钢、石洞口电厂、罗店工业区乃至江苏太仓沿江工业区的污染物排放密切相关,在相当大的程度上主要是来自于他们的贡献.     

基于ARIMA模型对扬州市PM2.5的分析和预测

针对扬州市PM2.5浓度变化的时间序列分布特征,应用求和自回归移动平均(ARIMA)模型,分别预测扬州市1月、4月、7月和10月每月的1-5日的PM2.5日均浓度,结果表明,所预测天数中约60％的PM2.5日均浓度与实测值较接近,但仍有极个别天数的PM2.5日均浓度存在较大偏差,说明运用ARIMA模型对扬州市PM2.5...     

基于ARIMA模型的PM_(2.5)预测

PM2.5的精确预测是大气污染评价和治理的关键性工作。本文针对PM2.5浓度变化的时间序列分布特征,结合环境监测站提供的相关数据,应用自回归移动平均模型(ARIMA(p,d,q))预测短期PM2.5的日平均浓度。结果表明:由于PM2.5浓度变化受气象场、排放源、复杂下垫面、理化生过程的耦合等多种因素的影响,不同时段内的变化模式存在巨大差异,因此采用分时段序列预测模型可以提高PM2.5的预测精度;通过将分时段序列模型与灰色GM(1,1)模型和全年时间序列模型的预测结果进行对比,发现该模型预测效果更好。     

基于社会因素视角的北京市PM2.5灰色关联分析研究

本文主要从社会经济的角度分析北京PM_(2.5)的影响因素,即从工业化因素、城市化因素、跨区域因素三个方面研究北京市PM_(2.5)成因与相应的评价指标体系。基于灰色关联理论,测量了北京PM_(2.5)污染的自变量和因变量间的灰色关联度,并筛选出影响北京PM_(2.5)污染较为显著的因素。基于计量经济学模型,北京PM_(2.5)问题影响因素指标可分为本地能源结构、本地源影响、区域传输影响、本地城市化进程影响四个传导因素,其中区域传输的影响最大。进而提出要坚持在整个京津冀地区进行雾霾污染跨区域协同治理,实行联防联控。     

国内外土壤种子库研究情况对比分析

摘要：土壤种子库是植被更新和生态恢复的自然来源。对生物多样性维护和植被的演替过程具有重要作用。通过查阅近年来国内外发表的关于土壤种子库的代表性文献,运用文献分析与管理软件EndnoteX3、Refviz和Excel数据处理软件对该领域的国内外研究情况进行了分析。同时,对国内外研究领域的扩展、土壤种子库的鉴别方法、土壤种子库的个体特征及群落结构的变化、土壤种子库的研究内容进行了系统对比,最后提出国内外对土壤种子库研究存在的问题,并就这些问题提出展望,为今后土壤种子库的研究工作提供了参考策略。     

国内外景观用水现状调查及对策分析

依据景观用水水质标准对国内外景观用水现状进行了调查,发现国外景观用水达标率很高,而国内景观水体富营养化现象严重,且存在多种污染物.针对该现象提出了解决措施.     

国内外加氢站安全间距分析研究

通过对亚洲、欧洲、北美洲等国家和地区的加氢站比较研究,发现现阶段我国加氢站发展在安全间距、储氢方式、氢能管理等方面与国外存在的差异,同时指出我国标准制定过程中采用的汽油与氢气能量等价换算方法计算得出了过大的安全间距,这在一定程度上制约了我国加氢站的发展。研究了基于量化风险评价的加氢站安全间距计算方法,为加氢站安全间距的科学合理制修订提供了基础。     

广州市PM_2.5和PM_1.0质量浓度变化特征

文章报道了2005年干季和2006年湿季广州市大气细粒子PM2.5和PM1.0质量浓度的实时监测情况。监测结果表明:干季监测点PM2.5日均质量浓度在11.8～164.0μg/m3之间,总平均值为81.7μg/m3;湿季日均质量浓度在19.9～121.2μg/m3之间,总平均值为57.7μg/m3。干季PM1.0日均质量浓度变化范围为14.9～129.1μg/m3,总平均值为59.4μg/m3;湿季日均质量浓度在11.9～86.7μg/m3之间,总平均值为52.9μg/m3。对比发现,PM1.0总平均质量浓度在干、湿季相差很小,且与湿季PM2.5总平均质量浓度也相差不大,显示PM1.0具有相对固定成因来源且基本不受季节变化影响,而且湿季PM2.5的组成主要由PM1.0大气细粒子构成。干季PM2.5和PM1.0质量浓度日变化特征呈明显夜间高、白天低的特点,质量浓度的最大值都出现在晚上21:00左右;湿季由于雨水频繁,没有明显的日变化特征。气象分析表明,干季大气细粒子质量浓度主要受冷空气影响,而湿季主要受降雨影响。