杭州市典型雾霾期污染特征及污染源的HYSPLIT模型分析

为探究杭州市冬春季节大气污染特征与雾霾成因,本文分析了2015年12月—2016年3月市区10个空气质量监测站的PM_(2.5)、SO_2等6种污染物的浓度变化规律,对比了雾霾期和非雾霾期各污染物间的相关性,利用HYSPLIT(Hybrid Single Particle Lagrangian Integrated Trajectory)模型探讨了期间5次典型雾霾期污染物的潜在来源.结果表明,研究期内各污染物浓度呈现冬高春低的变化趋势(除O3浓度3月最高),颗粒物和NO_2是主要的超标污染物,其中PM_(2.5)和PM_(10)日均值分别是一级标准的2.2和2.4倍.雾霾期PM_(2.5)、PM_(10)、SO_2、NO_2和CO浓度是非雾霾期的2.4、2.3、1.3、1.5和1.6倍,PM_(2.5)与CO的正相关性最强(0.863),远高于NO_2(0.410)和SO_2(0.399),而非雾霾期三者差异不大,表明雾霾期机动车尾气的贡献更为重要.HYSPLIT后向轨迹和浓度权重轨迹CWT(Concentration-Weighted Trajectory)分析结果表明雾霾时期西南(38.3%)、西北(19.1%)方向和近距离输送(27.3%)的气团携带了较多的污染物,远距离输送是污染物的主要来源.研究结果可为长三角的雾霾污染控制提供数据支撑.     

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。     

石家庄PM_(2.5)变化规律及与其他污染物的相关性分析

以河北省重点城市石家庄2014年环境空气质量监测数据为依据,分析了PM_(2.5)的变化规律及其原因,以及PM_(2.5)与其他污染物之间的相关性。结果表明,石家庄PM_(2.5)的最高值出现在1月份,主要原因是冬季雨雪少,且因受太行山阻挡,在高燃煤重污染的条件下,污染物易聚集而不易扩散。由于形成的逆温层不利于污染物扩散,造成夜间浓度高于白天。冬季颗粒物污染是典型的煤烟型污染,燃煤排放在PM_(2.5)中占49%;春季颗粒物污染是混合型污染,扬尘和煤烟尘的分担率在PM_(2.5)中达到了76%。PM_(2.5)浓度与SO_2的变化趋势呈现出显著正相关性、与NO_2具有一定的正相关性、与CO具有一定的正相关性、与O_3呈现负相关性、与VOCs呈现正相关性、和NH_3呈现负相关性。     

西安市主要大气污染物的相关性分析及时空分布特征

为深入了解西安市大气污染程度,对2015年西安市主要大气污染物(SO_2、NO_2、CO、PM_(2.5)、PM_(10)、O_3)的空气质量指数进行了逐日变化分析、相关性分析及空间插值分析。结果表明:SO_2、NO_2、CO、PM_(2.5)、PM_(10)空气质量指数春冬季高于夏秋季,而O_3空气质量指数则是春冬季低于夏秋季。11月和12月份污染较为严重。在4个季度中,PM_(2.5)和PM_(10)与气态污染物SO_2、CO、NO_2均呈正相关,说明PM_(2.5)、PM_(10)与这3种气态污染物具有同源性。SO_2与CO、NO_2均呈显著性正相关,三者均受化石燃料燃烧及机动车尾气影响。O_3与CO、SO_2相关性不大,与NO_2在二季度呈现正相关。SO_2、NO_2、PM_(2.5)、CO、PM_(10)多聚集在高新西区、莲湖区、碑林区、经开区、雁塔区、长安区,O_3多聚集在阎良区、未央区和灞桥区。     

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。     

呼和浩特市大气污染物污染特征及污染物的相关性分析

为了探究呼和浩特市大气污染物污染特征,对2014年一年的AQI做出统计整理并对PM_(10)、PM_(2.5)、SO_2、CO、NO_2的相关性进行分析。研究结果发现:呼和浩特市2014年空气质量总体良好,空气质量为良所占比重为58%,中度污染和重度污染所占比重为35%。该市的主要污染物PM_(10)、PM_(2.5)、SO_2的超标率分别达到了88.81%、52.60%、36.20%。空气污染指数AQI与PM_(10)、PM_(2.5)、SO_2、CO、NO_2、呈显著相关,尤其是PM_(10)和PM_(2.5),相关性系数高达0.959和0.851,可见其污染主要以颗粒物物为主。PM_(10)、PM_(2.5)、SO_2、CO、NO_2浓度间两两正相关。O_3的浓度与PM_(2.5)、SO_2、CO、NO_2均呈现负相关,O_3与AQI和PM_(10)的相关性不显著。     

基于气象条件下哈尔滨市污染特征分析

利用2013年哈尔滨市环境监测资料及气象资料,分析了4种主要污染物(PM_(10)、PM_(2.5)、SO_2、NO_2)的时空分布特征及各种气象条件对城市大气污染的影响。结果表明:风速在采暖期对污染物浓度的影响尤为显著,相关系数达-0.87;混合层高度对雾霾天气形成影响较大,PM_(2.5)浓度与混合层高度呈现负相关;气温、气压、降水与PM_(2.5)浓度均有较好相关性,哈尔滨市污染物特征受气象条件影响较大。     

温州城区大气污染特征数值模拟与来源解析

文章以位于温州城区的瓯海区为例,在建立大气污染源清单的基础上,利用WRF-CMAQ、CALPUFF模型分析了外来污染物区域输送对瓯海区的影响,模拟了瓯海区主要大气污染物浓度分布,解析了区域大气污染物排放来源。WRF-CMAQ模型模拟结果表明,区域大气污染物SO_2、NO_2、PM_(10)和PM_(2.5)的输送对瓯海区的贡献影响均呈现冬季(1月)>春季(4月)>秋季(10月)>夏季(7月)的变化规律,这可能与大气污染物来源有关。CALPUFF模型模拟结果显示,瓯海区SO_2和PM_(10)的年平均浓度达标,但NO_2和PM_(2.5)出现超标现象。除SO_2均能达标外,部分敏感目标处NO_2、PM_(10)和PM_(2.5)年平均浓度有不同程度的超标现象。来源分析结果表明,瓯海区大气污染物SO_2和NO_2主要来自本地源排放,而PM_(10)和PM_(2.5)本地源与外来源的排放贡献相当。     

十堰市空气质量特征分析

根据十堰市2013-2015年的空气质量数据,对十堰市空气质量状况及PM_(10)、PM_(2.5)、SO_2、NO_2的浓度变化特征进行了分析。结果表明,十堰空气质量达标率逐年上升,SO_2、NO_2、PM_(2.5)年均浓度呈逐年下降趋势,PM_(10)、PM_(2.5)有着显著的相关性,各项污染物浓度春、冬季高于夏、秋季,且在12月至次年1月监测结果最高、6-8月份监测结果最低,4个因子不同季节的日变化规律基本一致,但各因子之间的变化规律又不尽相同。     

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。     

Die Bleisulfidhalogenide Pb2SJ2 und Pb2SBr2

The Science of Nature -