江苏省PM_(2.5)时空变化及土地利用影响研究

基于江苏省2013年12月-2014年11月期间71个监测点PM_(2.5)日数据以及2014年土地利用数据,以年、季为时间尺度,利用泰森多边形划分研究区域,在系统分析PM_(2.5)时空分异规律基础上,揭示PM_(2.5)浓度变化及其与土地利用的关系。结果表明:(1)PM_(2.5)浓度分布存在明显的时空变化趋势。时间上,冬季浓度最高,达109.72μg/m~3,春季次之,为70.13μg/m~3,秋季最低,仅53.20μg/m~3;空间上,从各监测点一年PM_(2.5)浓度看,南京、泰州和宿迁数个监测点是PM_(2.5)高浓度区域,浓度范围81~85μg/m~3。盐城开发区管委会浓度最低,仅49.75μg/m~3,全省呈现"内陆高,沿海低;内陆南高北低"的趋势。(2)土地利用类型及景观格局对PM_(2.5)浓度分布有一定影响。耕地、草地、水域和未利用地与PM_(2.5)呈负相关,林地和建设用地则呈正相关。景观面积、密度、破碎度和聚散性是影响PM_(2.5)的主要因素,冬夏季较为敏感。     

银川市颗粒物污染特征分析

通过银川市2015年空气污染物质量浓度值分析,结果表明,PM_(10)和PM_(2.5)的浓度变化具有明显的季节特征和区域特征。PM_(10)质量浓度春季高于夏季,秋季最低,且PM_(2.5)质量浓度夏季略低于秋季,春季最低;PM_(10)和PM_(2.5)月均质量浓度变化均为1月份最大,9月份最小;PM_(10)和PM_(2.5)分指数等级冬季最差,PM_(10)分指数等级秋季好于夏季,PM_(2.5)分指数等级春季好于秋季;4#监测点各个季节PM_(10)浓度均表现为最高,5#监测点PM_(2.5)浓度有3个季节均为最高。     

西安市PM_(2.5)的时空分布特征研究

大气污染物PM_(2.5)对空气质量造成严重危害,威胁着人类健康。根据西安市13个监测区2013年1月1日—4月26日的PM_(2.5)质量浓度数据,得出西安市PM_(2.5)的浓度呈冬季高、春季低的特点。结合西安市的海拔数据、气象资料,并引入污染系数,分析得出了西安市13个监测区PM_(2.5)的浓度有以下规律:从西到东递减;分布与海拔高度和风向特点相一致;与平均温度、最高温度、最低温度均呈现负相关关系,但相关性不是很高。这为PM_(2.5)的针对性治理工作提供了理论指导。     

深圳市PM_(2.5)浓度特征及统计预报研究

根据2015年1—12月深圳市城区11站点PM_(2.5)小时浓度监测数据,探讨了深圳市PM_(2.5)浓度的时空分布特征。结果显示:监测期间深圳市城区PM_(2.5)平均浓度为29.8μg/m~3,PM_(2.5)平均浓度整体呈现出:冬季>秋季>春季>夏季的特征,PM_(2.5)质量浓度日变化整体呈现出双峰型分布,午后12:00—16:00浓度较低。空间分布上,年均浓度从东南至西北方向依次升高,梯度特征明显。PM_(2.5)浓度与PM_(10)呈高度相关,与SO_2、NO_2、CO呈显著正相关,与O_3呈实相关。相邻城市间空气污染物浓度呈现出一定的相关性,区域污染突出。建立的PM_(2.5)回归统计模型对深圳市2015年PM_(2.5)临近预报的级别准确率在70%以上,能较好地反映PM_(2.5)浓度变化趋势。     

阜新市MODIS AOD与大气PM_(2.5)浓度相关性研究

利用卫星遥感MODIS数据研究区域大气PM_(2.5)浓度分布是环境管理的有效方法。获取美国国家航空航天局MODIS L1B1KM数据,采用暗目标法反演阜新市大气气溶胶厚度AOD数据;提取阜新市5个大气监测站点位2014年3月至5月、2015年3月至4月期间PM_(2.5)浓度数据进行相关性分析,建立PM_(2.5)浓度-AOD之间的线性、一元二次、对数函数、幂函数及指数函数5种相关性模型;引用湿度影响因子建立大气PM_(2.5)浓度订正模型,采用PM_(2.5)浓度订正模型、Peterson模型分别订正PM_(2.5)浓度及AOD标高,应用阜新市环保局5个监测点位2014年6~12月、2015年5~12月期间PM_(2.5)的月平均浓度进行模型检验。对比分析订正后的5种相关性模型拟合优度,检验结果表明:订正方法提高了PM_(2.5)浓度-AOD相关性;线性相关性模型R2为0.633 6,相对误差为12.41%,相对其他4种模型相对误差较小。利用阜新市大气AOD预测PM_(2.5)浓度具有良好环境指示意义。     

河北省PM_(2.5)时空分布及传输过程分析

根据2013-2015年河北省PM_(2.5)浓度监测数据研究了PM_(2.5)时空分布特征以及污染区域传输情况。结果表明,河北省PM_(2.5)浓度分布与地域及时间分布有关,并呈现整体下降趋势。     

2014年宝鸡市大气颗粒物时空分布特征分析

基于2013年12月和2014年全年宝鸡市8个自动空气质量监测子站的PM_(10)和PM_(2.5)的监测数据,探讨PM_(10)和PM_(2.5)的时间分布特征和空间分布特征。结果表明:PM_(10)的日平均浓度为118.23μg/m~3,全年中PM_(10)超过二级标准的天数为80 d,超标率为22%;PM_(2.5)的日平均浓度为68.93μg/m~3,全年中PM_(2.5)超过二级标准的天数为92 d,超标率为25%;PM_(10)和PM_(2.5)的浓度有明显的季节差异。PM_(2.5)和PM_(10)浓度由高到低的季节依次是冬季、春季、秋季和夏季;不同的监测点位中,解放军第三陆军医院监测点位的PM_(10)和PM_(2.5)浓度对于宝鸡市大气颗粒物的污染贡献率相对其他点位较高,主要是其地理位置导致的。     

邯郸市PM_(10)、PM_(2.5)和PM_(1.0)在线监测研究

对2015年3月—2016年2月邯郸市大气中的PM_(10)、PM_(2.5)和PM_(1.0)进行了在线监测,探讨了其质量浓度的变化特征,并分析了其质量浓度与风速、风向的关系。结果表明:邯郸市颗粒物质量浓度水平较高,β射线吸收法所监测的PM_(10_WET)、PM_(2.5_WET)和PM_(1.0_WET)年均浓度值分别为202.5,114.8,81.1μg/m~3,PM_(2.5_DRY)/PM_(10_WET)和PM_(2.5_WET)/PM_(10_WET)分别为0.58、0.70,PM_(1_DRY)/PM_(2.5_WET)和PM_(1_WET)/PM_(2.5_WET)分别为0.58、0.71,PM_(2.5)为PM_(10)中的主要组成,PM_(1.0)为PM_(2.5)中的主要组成。邯郸市PM_(10)、PM_(2.5)和PM_(1.0)质量浓度冬季最高;PM_(10)、PM_(2.5)和PM_(1.0)日变化峰值为上午09:00左右,谷值为下午16:00左右,扬沙、降雨,霾和春节不同条件下PM_(10)、PM_(2.5)和PM_(1.0)差异明显。邯郸市PM_(10)、PM_(2.5)和PM_(1.0)的浓度高值主要分布在风向0°~100°和175°~225°、风速小于1 m/s的情况下。     

宝鸡市春季PM_(2.5)、PM_(10)、SO_2、NO_2污染现状分析

收集PM_(2.5)实时监控网提供的2015年春季宝鸡市大气污染物浓度的实时数据,分析宝鸡市各监测点大气污染物PM_(2.5)、PM_(10)、SO_2、NO_2的日均值和月均值浓度变化特征以及各污染物的负荷系数。结果表明:各监测点大气污染物月平均浓度3—5月呈下降趋势,但整体的空气质量状况有待进一步提高;宝鸡市大气颗粒物呈区域性污染,各监测点之间的差距较小,而污染气体SO_2和NO_2具有点状污染特征;4种主要的大气污染物中,PM_(2.5)和PM_(10)的贡献率超过一半以上,但SO_2和NO_2同样不可忽视。     

潍坊市环境空气质量现状及变化特征研究

文章分析了潍坊市区大气环境空气质量时空分布特征,监测的污染物为PM_(10)、SO_2、NO_2、PM_(2.5)、O_3、CO共6项。2015～2017年SO_2和NO_2年均浓度基本呈下降趋势,均低于国家二级标准,SO_2/NO_2值呈逐年下降趋势;PM_(10)、PM_(2.5)浓度时间变化规律基本相同,呈现夏季浓度较低、冬季浓度较高;CO年均浓度呈小幅下降趋势;O_3-8 h年均浓度在109～119μg/m~3之间,臭氧的污染不容忽视。从空间分布来看,8个自动监测点位周边情况不同,均能反映其区域环境空气质量状况。     

城市森林植被区空气PM_(2.5)质量浓度时空变化

该研究选取北京大兴南海子公园植被区与亦庄非植被区PM_(2.5)数据进行研究,对比分析植被区与非植被区PM_(2.5)质量浓度日变化、月变化和年变化特征,典型天气下的PM_(2.5)质量浓度变化。结果表明:植被区PM_(2.5)质量浓度整体上低于非植被区,二者日变化均呈典型的双峰曲线,白天低,夜间高,最小值出现在下午15:00左右;从不同月份看,PM_(2.5)质量浓度最高值出现在冬季的1月、2月,最低值出现在6月、8月,整体表现为冬季月份明显高于其余月份;气温、降雨和大风均与PM_(2.5)浓度呈负相关,晴天时,温度较高,有利于PM_(2.5)浓度降低;降雨有利于空气颗粒物沉降,有效清除大气PM_(2.5)污染,降低其浓度;大风天气会增加大气环流,有助于颗粒物在大气中扩散,使PM_(2.5)不易滞留,从而导致浓度降低。降雨和大风均能导致PM_(2.5)污染降低,且城市森林植被对于PM_(2.5)有明显降低作用。     

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。     

郑州城区PM_(10)、PM_(2.5)质量浓度变化特征及其对气象因子的响应

利用郑州城区9个国控监测点位PM_(10)、PM_(2.5)的日监测数据,研究2013～2016年间郑州城区大气颗粒物质量浓度变化特征及其对气象因素的响应。结果表明,2013～2016年间郑州城区环境空气污染总体状况改善趋势较为显著,重度及以上的污染天数占全年有效天数的比例逐年降低,PM_(10)、PM_(2.5)浓度逐年下降;PM_(10)和PM_(2.5)浓度月均值变化基本一致,浓度变化均呈"U"型分布。PM_(10)和PM_(2.5)质量浓度变化具有明显的季节性特征,冬季其质量浓度最高,春季和秋季次之,夏季最低。选取气温、气压、风速、相对湿度和降水量等气象因子,利用Spearman秩相关分析研究各个气象因子对大气PM_(10)、PM_(2.5)浓度的影响。相关性分析结果表明,与PM_(10)、PM_(2.5)浓度显著相关的气象因素存在季节性差异,风速、相对湿度和降雨量是影响郑州城区大气颗粒物质量浓度的主要气象因子。     

基于AOD数据反演地面PM_(2.5)浓度研究进展

随着中国城市发展,城镇化进程的不断推进,能源消耗持续增加,空气中的污染物含量越来越高,空气污染事件频发,城市空气质量研究成为一个热点议题。PM_(2.5)作为表征空气质量的重要指标之一,越来越受到人们的关注,目前获取PM_(2.5)数据主要有地面监测和卫星遥感监测2种方式。传统的地面监测手段可以得到高精度的局部PM_(2.5)污染数据,但是由于其覆盖范围的局限性,并没有办法反映出整个区域的PM_(2.5)污染情况。遥感卫星监测恰到好处地弥补了这一缺陷,其中应用最为广泛的是使用卫星遥感数据产品大气气溶胶光学厚度AOD来反演地面的PM_(2.5)浓度。文章从AOD数据的多样性及其应用、反演地面PM_(2.5)浓度模型的选择以及反演模型的优化这3个方面对目前国内外利用遥感卫星AOD数据反演地面PM_(2.5)浓度的研究进行了归纳梳理。其中AOD数据分辨率的不同产生了不同精度的反演结果;而线性回归模型和非线性回归模型的反演精度也存在较为明显的差异;通过在模型中加入气象参数、气溶胶垂直分布特性以及地表信息等因素会显著地改善反演结果。上述研究为流行病学中PM_(2.5)人口暴露研究及健康影响提供方法论基础。     

不同空气质量等级下环境空气颗粒物及其碳组分变化特征

为研究不同空气质量等级下环境空气颗粒物及其碳组分变化特征,于2016年3月在廊坊市对环境空气中PM_(10)、PM_(2.5)和PM1质量浓度及PM_(2.5)中碳组分质量浓度进行了在线监测.结果表明,监测期间廊坊市PM_(10)、PM_(2.5)和PM1质量浓度较高,其分别为204.1、107.9和87.8μg·m~(-3),日变化趋势呈双峰型分布.总体来说,当空气质量越好,PM_(10)、PM_(2.5)、PM1及其碳组分(OC、EC、SOC和POC)质量浓度越低,PM1/PM_(2.5)、PM1/PM_(10)和PM_(2.5)/PM_(10)比值越小.但"中度污染"时,PM_(10)质量浓度最高,且PM1/PM_(10)和PM_(2.5)/PM_(10)达到谷底值;同时OC质量浓度比"轻度污染"略低,而明显低于"重度污染",且主要出现在13:00~23:00,表明"中度污染"时细颗粒物和超细颗粒物占比下降,与其对应的首要污染物相一致.此外,OC/EC比值大于2.0,通过最小OC/EC比值法估算PM_(2.5)中SOC和POC,其浓度均值分别为12.2μg·m~(-3)和5.0μg·m~(-3).     

玉溪市大气中PM_(2.5)与气象参数的相关性研究

以玉溪师范学院校园的空气质量为研究对象,选择校园中具有代表性的6个监测点,于2016年2—4月采集PM_(2.5)样品进行测定和分析,同时与玉溪市2016年1—12月的PM_(2.5)含量做对比。结果表明,玉溪师范学院PM_(2.5)浓度在34~71μg/m3,AQI在49~95,与玉溪市2016年2—4月AQI相比略高,但总体环境空气质量为良好。PM_(2.5)浓度与气象参数的相关性分析结果说明,PM_(2.5)浓度随时间变化趋势平稳;PM_(2.5)浓度与气温呈正相关,与湿度呈负相关。     

城市街谷内PM_(2.5)浓度时空变化及影响因素分析

通过现场观测研究西安市和平路街谷内的PM_(2.5)浓度时空变化特征及其影响因素.在2015年4月8~10日进行了街谷内PM_(2.5)浓度、车流量、风速、温湿度等参数的日变化规律和PM_(2.5)浓度空间分布规律的观测实验.观测结果显示西安市和平路街谷内PM_(2.5)浓度值较高,日间PM_(2.5)浓度呈"凹"字形变化,早晚PM_(2.5)浓度相对较高,在16:00前后PM_(2.5)浓度到达一天当中的最低值.PM_(2.5)浓度与温度、湿度有良好的相关性,对应R2值分别达到0.75和0.81.静风天气条件下,由温度变化引起的大气边界层伸缩运动被发现是影响街谷内污染物扩散的主要因素.     

近20年来中国典型区域PM2.5时空演变过程

近20年来PM_(2.5)污染严重制约了中国可持续发展.长时间序列历史监测数据的缺失阻碍了相关研究.为此,本文以四大典型区域2013~2016年的PM_(2.5)浓度监测值和2000~2016年MODIS AOD数据、边界层高度、温度等气象数据作为基础数据,将反向人工神经网络和支持向量回归机两种算法相结合,构建组合模拟模型,并利用地理空间分析技术实现近20年来PM_(2.5)浓度历史变化过程的情景再现.研究结果表明,组合模型具有较低的误差和更高的泛化能力;时空分析结果表明,2000~2010年京津冀和东三省PM_(2.5)浓度持续增长,珠三角PM_(2.5)浓度缓慢下降,3个研究区PM_(2.5)污染范围呈扩大趋势,长三角PM_(2.5)浓度值及污染范围基本保持稳定.2012年4个研究区PM_(2.5)浓度值降低且污染范围缩小,但2013~2016年PM_(2.5)浓度略微上升后又下降,高污染范围缩小,这与国家采取PM_(2.5)区域联防等治理措施有关.     

青岛市PM_(2.5)输送来源研究

基于轨迹聚类,结合全球数据同化系统的气象资料以及青岛市PM_(2.5)的浓度监测资料,对2014年1-12月到达青岛市的气团进行了统计分析。利用潜在源区贡献法(PSCF)和浓度权重法分别分析了青岛市PM_(2.5)的潜在污染来源地区及不同地区对青岛市PM_(2.5)的权重浓度贡献。结果表明:在研究期间内,影响青岛市的气团主要有3类:第1类为来自西北内陆的大陆性气团,第2类为海洋性气团,第3类为区域输送气团;其中来自西北内陆的气团占46%,对应的PM_(2.5)浓度为60.86μg/m3,海洋性气团占39.95%,对应PM_(2.5)浓度为45.53μg/m3;区域传输特征气团占14.05%,对应浓度最高,为62.97μg/m3。PSCF分析结果显示:青岛市PM_(2.5)的潜在污染源地区为河南中部、安徽北部、山东西部、内蒙古中部、京津唐地区及长江三角洲附近黄海区域。CWT分析结果表明:对青岛市PM_(2.5)污染的权重浓度贡献较高的为河南中部地区、山东与河北交界地区,蒙古东部,京津唐地区及黄海南部等。区域传输是青岛市PM_(2.5)污染的重要来源。     

太原市PM_(2.5)和PM_(10)质量浓度的变化特征

为了了解太原市PM_(2.5)、PM_(10)的污染水平变化情况及其相关关系,本文基于太原市颗粒物自动监测数据,对太原市2015年12月-2016年11月PM_(2.5)、PM_(10)质量浓度进行分析。分析发现:PM_(2.5)和PM_(10)日均质量浓度变化幅度较大,但其变化趋势非常相似;PM_(2.5)和PM_(10)月均质量浓度均超过年均二级标准,特别是秋季最为严重;PM_(2.5)、PM_(10)小时平均质量浓度呈双峰现象;ρ(PM_(2.5))与ρ(PM_(10))相关系数为0.9371,ρ(PM_(2.5))/ρ(PM_(10))在0.5-0.6之间出现的频率最高达30.33%。