安徽省2017—2018年PM2.5浓度时空分异特征

以2017—2018年安徽省133个空气质量监测站（国控点66个,省控点67个）228万条PM_2.5质量浓度数据为基础,基于空间自相关和地统计方法对该区PM_2.5浓度的时空分异特征进行分析。结果显示：安徽省年平均PM_2.5质量浓度为49.63 μg/m³,88%的监测站点PM_2.5质量浓度超过国家环境空气质量标准二级限值;PM_2.5浓度呈现明显的冬季高、夏季低、春秋季适中的特征,日变化曲线呈双峰结构,峰值在09：00和22：00前后,低值在16：00—17：00;全省PM_2.5浓度全局Moran指数为0.673 6,月度指数为0.389 6~0.745 6,均表现为空间聚集性,且冬季PM_2.5浓度的空间聚集性更强;局部空间自相关指数表明全省PM_2.5浓度呈西北高-高集聚、东南低-低集聚的特点,低值集聚区稳定在黄山市及其周边;全省PM_2.5浓度总体表现为由北向南递减的趋势,但受局部地形的影响,PM_2.5浓度在西部大别山和皖南山区出现明显的下降趋势。研究结果综合了国控点和省控点监测数据,更加详细地表征区域PM_2.5浓度的时空分异特征,为该区实施有效的环境污染防控提供重要参考。     

烟台市PM2.5空间分布特征与来源解析

2016—2017年,选取烟台市3个代表性点位采集了PM_2.5样品,分析了其质量浓度和化学组成特征,并利用化学质量平衡(CMB)模型对环境空气受体进行了来源解析。结果表明:PM_2.5浓度呈现出盛泉工业园点位[(68.9±30.5)μg/m³]>福山环保局点位[(64.5±25.5)μg/m³]>百盛商城点位[(58.8±19.2)μg/m³]的空间分布特征。水溶性离子、碳组分(OC和EC)和地壳类元素表现出不同的分布特征,与各点位所代表的不同功能区有关。形成机制上,NO^-₃在福山环保局点位主要以NH₄NO₃形式存在,而在盛泉工业园点位存在一定的Ca(NO₃)₂形式占比。源解析结果显示,3个点位均受到海盐源的影响,福山环保局点位二次颗粒物污染最为严重(43.9%),盛泉工业园点位燃煤源贡献突出(16.4%)。     

乌鲁木齐市2011年冬季PM2.5/PM10浓度特征分析

利用乌鲁木齐市PM2.5//PM10自动监测数据,分析PM2.5与PM10的浓度分布特征和时间变化规律。结果表明,按照《环境空气质量标准》(二次征求意见稿)的标准限值,乌鲁木齐市冬季PM2.5污染重于PM10。PM2.5浓度为0.164mg/m3,超过二级年标准限值的3.7倍,超标率为73.9%。PM2.5浓度日变化曲线昼高夜低,呈单峰型,峰值出现在13:00~14:00(北京时间)。PM10中PM2.5所占比例较高,PM2.5/PM10为0.79,相关分析和检验显示PM2.5与PM10的线性相关显著,相关系数为0.92。     

2013年北京市PM2.5重污染日时空分布特征研究

根据2013年北京市环境保护监测中心监测的PM2.5数据,系统分析了北京市重污染日PM2.5污染的时空分布特征,并利用克里格插值初步统计了全年和重污染日PM2.5不同浓度区间的国土面积。2013年全市PM2.5年均浓度为89.5μg/m3,重污染日平均浓度为218μg/m3,重污染日主要集中在冬季;PM2.5年均浓度呈现明显的南高北低梯度分布特征,而重污染日空间分布较均匀,南部及城六区存在明显的高污染区,平均浓度在180μg/m3以上;2013年北京市重污染日PM2.5平均浓度为150~250μg/m3,其对应的国土面积约为12 656 km2,PM2.5平均浓度在250μg/m3以上的国土面积约为883 km2,而全年无PM2.5平均浓度在150μg/m3以上所对应的国土面积。     

荒漠草原无林地PM2.5、PM10时间变化特征及与气象因素的关系

选取荒漠草原无林地的PM_2.5、PM₁₀浓度以及气象因子数据,对颗粒物浓度的时间变化特征及其与气象因子的关系进行分析。结果表明:(1)1月的PM_2.5、PM₁₀月平均浓度最高,7月的PM_2.5与PM₁₀达到最低。季节尺度上PM_2.5、PM₁₀浓度变化为由大到小顺序依次为冬季>秋季>春季>夏季。(2)风速≤4.0 m/s时,随着风速增加,PM_2.5、PM₁₀浓度不断降低;当风速>4.0 m/s时,PM_2.5、PM₁₀浓度随风速增加而增加。PM_2.5、PM₁₀浓度与温度负相关。相对湿度≤50%时,随着相对湿度增加,PM_2.5、PM₁₀浓度呈增加趋势;相对湿度>50%时,随着空气湿度增加,PM_2.5     

山东省2015年PM2.5和O3污染时空分布特征

利用中国环境监测总站的城市空气质量自动监测数据,分析了2015年山东省细颗粒物（PM_2.5）和臭氧（O₃）污染的时空分布特征,并初步探讨了其与气象要素的相互关系。研究发现：山东省PM_2.5年均质量浓度和年超标天数的空间分布均呈现由东部向西部递增的趋势,半岛地区的浓度最低,其他地区浓度均较高,年均质量浓度最大值出现在德州（101 μg/m³）。各城市PM_2.5的月均质量浓度均呈现出季节性变化,冬季最高,夏季最低。O₃-8h年均值和O₃年超标天数的空间分布与PM_2.5不同,半岛地区污染天数最少,其次为南部地区,中部地区和西北部地区污染最为严重并且各区域的城市之间O₃污染情况存在较大差异,具有明显的局地性特征。O₃质量浓度在春末夏初最高,超标现象主要出现在5—8月。分析各城市PM_2.5污染和O₃污染的协同性与差异性发现,虽然不同城市之间两者污染情况存在一定差异,但整体上看,山东省大气复合污染特征明显,全年有10个城市的PM_2.5和O₃同时超标天数都在20 d以上,并且该现象主要发生在夏季。夏季高温低湿的大陆气团控制更有利于O₃和PM_2.5叠加共存形成复合型污染。温度≥26℃时,O₃-8 h与PM_2.5日均质量浓度的相关系数为0.63,相对湿度≤60%时,两者相关系数为0.69。此外,当在大陆气团的控制下发生O₃污染时,相对湿度的提高更有利于PM_2.5浓度的增加。     

基于特征指标的气象因子对PM2.5浓度的影响分析

以西安为研究区域,为探究气象因子对PM_2.5浓度的影响,采集2017-2019年空气质量与气象因子数据,改进k-Means聚类算法,形成严重污染、重度污染、中度污染、轻度污染共4个PM_2.5浓度与气象因子样本簇集。分析簇集数据分布,选择Spearman相关性分析方法,确定影响PM_2.5浓度的气象因子;定义PM_2.5凸显性条件,给出幅度特征FOA、浮动特征FOF和凸显特征FOH,构建三维空间,确定气象因子对PM_2.5影响的大小,进而建立气象因子对PM_2.5浓度的影响分析方法。比较多元线性回归和随机森林回归方法,结果表明:该方法提高了分析效率,且无需考虑因子选取和表达,能有效确定影响PM_2.5浓度的气象因子种类及影响程度。在低温、高湿、高压和相对静风的气象条件下,空气中颗粒物难以扩散和输送,使西安市PM_2.5浓度升高。严重污染、重度污染和中度污染中,PM_2.5浓度与相对湿度呈显著正相关,与风速、气温呈显著负相关,且影响大小依次为相对湿度>风速>气温;轻度污染中,PM_2.5浓度与相对湿度、气压呈显著正相关,与风速、气温呈显著负相关,且影响大小依次为气温>相对湿度>气压>风速。     

郑州市PM2.5浓度时空分布特征及预测模型研究

利用统计学原理和GIS技术,对郑州市2013年8月17—12月31日期间PM2.5浓度时空分布特征进行分析,同时结合气象资料与前一日污染数据,建立人工神经网络反向传播算法模型(BP-ANN)和多元线性回归模型用于该市细颗粒物污染的短期预测。结果表明,郑州市PM2.5浓度日变化呈单峰模式,随逆温现象的发生和交通的密集于上午11:00达到峰值,午后逐步下降。在工作日、周末与国庆节的对比中,国庆节期间颗粒物污染浓度高出平日32.8%,表明人为活动的加剧影响PM2.5的排放;周末与工作日期间无显著差异。在空间分布上,金水区、管城回族区污染最为严重,工业燃煤、地铁施工等源排放是造成污染的主要原因;位于远郊的岗里水库,受秸秆焚烧和市区污染输送等影响,PM2.5浓度亦维持较高水平。最后,研究将所构建的BP-ANN预测模型和多元线性回归模型对比,结果发现两模型在建模阶段预测值与真实值的拟合一致性指标分别为0.944、0.918,均方根误差分别为59.788、70.611;验证阶段拟合一致性指标分别为0.854、0.794,平均绝对误差分别为25.298、32.775,表明BP-ANN模型在预测郑州市PM2.5污染过程中更具优势。     

福州地区冬春典型污染过程PM2.5特征及成因分析

综合使用HYSPLIT、PSCF与CWT、PMF等分析方法,针对福建省福州地区冬春季节发生的多次污染过程(P1～P4),深入研究PM_2.5典型污染特征、成因及其潜在源区等。初步分析认为PM_2.5为影响P1～P4过程中福州地区环境空气质量的首要污染物。PM_2.5组分特征分析表明,移动源对PM_2.5污染有较大贡献,每次污染过程中的二次反应明显。HYSPLIT后向轨迹分析表明,P1、P2以本地污染源贡献为主,P3、P4存在较强的污染气团输送。PMF源解析分析P1、P2结果认为,福州地区冬春PM_2.5主要来源均为机动车源,分别为35.86%和42.75%,二次源分别为24.55%和30.52%,而冬季P1过程中工业/燃煤源(29.06%)的来源贡献明显高于春季P2过程(19.92%)。P3、P4作为受到外来污染传输叠加影响的典型案例,颗粒物激光雷达监测发现P3的PM_2.5污染主要受北方污染传输影响;PSCF与CWT联合分析结果表明,P4中的PM_2.5     

苏州大气颗粒物PM2.5和PM10质量浓度异常“倒挂”现象的成因及影响分析

为深入研究PM_2.5和PM₁₀质量浓度异常“倒挂”现象的成因及影响,在苏州市相城区国控点开展比对监测分析,回顾性分析了2016—2020年苏州全部国控点颗粒物浓度数据。苏州市相城区国控点PM_2.5浓度的比对分析结果表明：该国控点频繁出现PM_2.5浓度高于其他国控点PM_2.5浓度和高于该站点PM₁₀浓度(“倒挂”率高达34%)的“双高”现象,PM_2.5平均浓度比其他9个国控点高12.5%～37.2%,比位于同一站点的备用监测仪器(“倒挂”率为0)高38.1%。2016—2020年,苏州全部国控点“倒挂”时间的总体趋势都是逐年递增,且集中发生在相对湿度较高的20:00至次日07:00。这5年间各国控点PM_2.5浓度异常偏高导致的异常“倒挂”现象对全市年均浓度产生的正误差分别为1.6%、2.8%、6.0%、6.2%和4.1%,基本呈现出逐年递增的趋势。上述结果表明：苏州PM_2.5浓度偏高是由动态加...     

珠海市PM_(2.5)时空分布特征及其成因分析

选取2015年珠海市国控监测站ρ(PM_(2.5))数据,分析PM_(2.5)中有机碳(OC)、元素碳(EC)、水溶性离子组分等化学组成,ρ(PM_(2.5))时空分布特征,以及与气象因素的相互关系。结果表明,2015年珠海市PM_(2.5)年均值为31.0μg/m3,表现出显著的时间分布规律,月均值呈现"V"型趋势,PM_(2.5)中主要化学组分是有机物(OM),占总质量的34.0%,其次是硫酸根(SO2-4),占总质量的26.9%,具有明显的季节分布特征,呈现冬高夏低分布;ρ(PM_(2.5))日变化呈现双峰型分布,其值工作日显著高于非工作日;ρ(PM_(2.5))与平均温度、相对湿度、风速呈现负相关关系,与气压呈现显著正相关关系;珠海市ρ(PM_(2.5))空间分布总体呈现"东高西低,北重南轻"变化趋势,有机物、SO2-4和NH+4空间分布呈现东部高于西部趋势,颗粒物浓度受地形、气候因素和海域环境等影响呈现多样化分布趋势。     

2018—2021年安徽省PM2.5和O3时空分布特征及其健康风险分析

利用2018—2021年安徽省空气质量监测数据分析了PM_2.5和O₃时空分布特征及其引发的健康风险。结果表明:从时间分布来看,2018—2021年安徽省PM_2.5年均值下降25.5%,而O₃-8 h年均值则保持持平;PM_2.5和O₃-8 h月均值具有明显的季节变化特征,PM_2.5月均质量浓度和超标天数均在冬季达到最大值,O₃-8 h月均值和超标天数则在夏季达到最大值。从空间分布来看,PM_2.5、O₃-8 h年均值和超标天数均为皖北最高,其次为皖中,最后为皖南。夏季O₃是主要的健康风险因子,冬季PM_2.5是主要的健康风险因子。当PM_2.5超标时,除2021年皖北地区外(PM₁₀是主要的健康风险因子),PM_2.5均是主要的健康风险因子;当O₃-8 h超标时,O₃是主要的健康风险因子。     

基于GIS的石家庄市PM10和PM2.5时空分布研究

利用2018年261个乡镇环境空气自动监测站监测数据,结合GIS空间分析技术,对石家庄市PM10和PM2.5的时空污染特征进行了研究。结果表明,石家庄地区PM10和PM2.5污染的空间分布整体表现为西北部山区好于东南部的平原地区,主城区好于周边县(市、区)的特征。采暖期PM10和PM2.5的污染程度明显重于非采暖期。PM2.5稳定性差于PM10,PM10和PM2.5的稳定性与污染程度具有一定的负相关性,表现出污染越轻的区域稳定性越差。两者的日均值浓度变化在时间序列上呈极强正相关,且污染越重的区域时间相关性越强。与日均值相关性不同,污染程度越轻的区域PM10和PM2.5年均值的线性相关性越强。     

成都PM2.5与气象条件的关系及城市空间形态的影响

2013年2月1日至3月20日、2013年7月10日至8月10日对成都市大气中细颗粒物(PM2.5)进行连续监测,同步记录气象数据。将PM2.5质量浓度与城市气象条件进行相关性分析,研究气象条件对PM2.5质量浓度的影响。2月1日至3月20日PM2.5质量浓度平均为147.38μg/m3,7月10日至8月10日平均为50.19μg/m3,大气细颗粒物污染最严重的时间出现在2月1—6日。成都市各气象条件中,PM2.5质量浓度与能见度、风速呈现显著负相关,而与其他气象要素相关性较弱,降水对PM2.5质量浓度影响也很大。改善城市通风有利于成都市大气中PM2.5的稀释和消散。通过建立3D模型并运用计算流体力学(CFD)软件模拟成都市选定的一处密集的建成区域,分析城市空间形态对通风的影响。研究发现,在假设等温的情况下,多层密集的区域对城市通风影响小,而高层对城市通风影响很大,建筑高度相近的街道与风向平行的风速大于与风向成角度的,与风向平行的街道沿线为高层的风速高于沿线为多层的,较大的开敞空间及背景风速更有利于城市通风环境。     

齐齐哈尔市PM2.5与PM10污染趋势及相关性分析

对2014—2016年齐齐哈尔市PM_(2.5)与PM_(10)质量浓度的时间变化特征进行简要分析,并探究PM_(2.5)/PM_(10)以及PM_(2.5)与PM_(10)的相关性。结果表明:2014—2016年齐齐哈尔的PM_(2.5)与PM_(10)的年均质量浓度分别为36.7、62.9μg/m~3,且呈逐渐下降趋势;冬季的PM_(2.5)与PM_(10)浓度最高,秋季次之,春季与夏季相对较低;2014—2016年PM_(2.5)与PM_(10)质量浓度月变化趋势基本相同,整体呈现2—6月逐渐下降,9—11月逐渐上升的规律;PM_(2.5)与PM_(10)质量浓度的日变化均呈双峰现象;对PM_(2.5)与PM_(10)进行线性拟合,相关系数为0.896 3。同时,残差分析也说明两者拟合情况良好,四季相关系数为r_(秋季)(0.982 2)r_(冬季)(0.964 4)r_(夏季)(0.943 9)r_(春季)(0.829 6);2014—2016年PM_(2.5)/PM_(10)平均值为55.27%,大气颗粒物PM_(2.5)的贡献率高达一半以上。     

广州PM2.5污染特征及影响因素分析

对广州市2008—2010年PM_2.5质量浓度、影响因素数据资料进行整理统计,通过定性分析、定量计算以及对各物理量之间的相互作用过程研究,得出PM_2.5质量浓度变化特征和各影响因素之间的关系。结果表明,PM_2.5质量浓度变化呈现夏季和非夏季2种典型的季节性特征,夏季月平均值0.049 mg/m³,主要分布在0.03～0.05 mg/m³,非夏季月均值为0.063 mg/m³,分布于0.05～0.08 mg/m³之间;夏季、非夏季PM_2.5质量浓度超标率(采用美国EPA标准)分别为70.7%、77.8%,质量标准2倍、3倍以上出现的概率都表现出明显的季节性差异;PM_2.5与温度正相关,和其他因素负相关,其中与能见度相关性最大,其次是温度、风速,与降雨量相关性最差,与气压、相对湿度相关系数季节性特征显著。     

冬季大气中PM_(10)和PM_(2.5)污染特征及形貌分析

2008年冬季采集大气中PM10和PM2.5样品,利用SPSS软件进行分析。结果表明,PM10质量浓度在92.87～384.7μg/m3之间,平均值为201.09μg/m3,超标率71.43%。PM2.5浓度跨度为57.27～230.21μg/m3,平均值为133.82μg/m3,超标率89.47%。PM10和PM2.5空间分布略有差异。PM2.5/PM10在29.10%～94.76%之间,均值为66.55%。PM2.5与PM10质量浓度之间有显著相关性,相关方程:PM2.5=0.7993×PM10-55.984(R2=0.9524,置信度为95%)。通过颗粒物形貌分析,初步判定冬季大气主要污染源为燃煤和机动车尾气排放。