以珠三角典型灰霾天气为例谈资料分析方法

分析处理复杂问题需要抓住主流,以珠三角地区发生的一次典型灰霾天气过程为例讨论了抽丝剥茧的资料分析方法.这次灰霾过程同期20日左右,中亚、蒙古国与我国北方发生了当年沙尘天气影响范围最广的一次强沙尘暴过程,冷空气前锋22日凌晨到达穗港地区,但穗港两地空气质量发生了相反的变化,香港空气质量急剧恶化,气溶胶浓度超过700μg/...     

F/M对活性污泥微生物生态网络的影响

为深入理解有机负荷率(F/M)对活性污泥(AS)微生物群落的影响,以F/M(以BOD/MLVSS计,下同)设计建议范围0.2～0.5 kg·(kg·d)-1为依据,将采集的AS样品分为3组,运用基于随机矩阵理论(RMT)的网络分析方法,解析了不同F/M条件下的AS微生物生态网络拓扑性质及结构特征.结果表明,较低的F/M...     

2005-2010年乌鲁木齐市空气质量达标特征研究

利用近6年（2005-2010年）乌鲁木齐市环境空气质量监测数据,分析研究了乌鲁木齐市PM10／SO2、NO2等主要污染物浓度时间变化和空气质量分级特征。结果表明：近6年来乌鲁木齐市空气质量保持稳定,并持续改善。主要污染物SO：和PM10年均浓度超标但整体呈下降趋势,N02浓度达标但逐年升高。冬季（1月、12月）空气质量达标天数显著增加,空气质量达标率由2005年的4．8％提高到2010年的24．2％;同期,重污染天气发生频率则由21％降低至3．2％。PM10是乌鲁木齐市冬季出现频数最高的首要污染物。     

2012年春季京津冀地区一次沙尘暴天气过程中颗粒物的污染特征分析

本研究表征了2012年春季一次沙尘暴天气过程中京津冀地区大气可吸入颗粒物(PM10)的污染特征.借助PM10的水溶性元素、有机碳和元素碳的浓度,分析推断沙尘暴天气过程中矿物气溶胶对城市气溶胶污染的交汇叠加作用.使用中流量大气颗粒物采样器,于2012年4月1日～5月24日,在北京市西三环、天津空港经济区和张家口火车南站附近同时采集可吸入颗粒物(PM10),采用离子色谱和元素碳/有机碳分析仪分析获取其水溶性离子、元素碳和有机碳浓度.结果表明,采样期间北京、天津和张家口这3个采样点PM10质量浓度的日均值分别为233.82、279.64和238.13μg·m-3.4月27～29日,3个地区发生了沙尘暴天气,PM10质量浓度的最大日均值分别达755.54、831.32、582.82μg·m-3.沙尘暴期PM10的有机碳(OC)浓度、二次有机碳(SOC)/OC的比值、硝酸根(NO-3)和硫酸根(SO2-4)浓度均高于非沙尘暴期间.采用电荷平衡计算证明沙尘暴期间大气颗粒物表明呈碱性,说明外来沙尘暴与本地污染相互叠加,矿物元素改变了颗粒物表面的酸碱性,沙尘暴和有机物发生耦合,促进了二次有机物的转化.     

利用LUR模型模拟天津市大气污染物浓度的空间分布

针对传统监测方法无法满足对大气污染物空间分布高分辨率的要求,以Arcgis为平台,利用LUR模型模拟天津市PM10和NO2年均浓度的空间分布.选取的回归变量为1~4km半径缓冲区内的道路总长度、不同土地利用类型的面积、人口密度、风向指数及距海距离,选取3个监测点的监测数据对方程进行了验证.结果表明,对PM10年均浓度影响最大的因素是缓冲区为1km的道路总长度(R2为0.560),而对NO2年均浓度影响最大的因素是人口密度(R2为0.414).多元线性回归方程计算结果显示,PM10和NO2的R2分别达到0.946和0.691;如果考虑风向的影响,R2可分别提高到0.980和0.849.对天津市中心城区建立5km′5km网格嵌套,根据多元线性回归方程计算每个网格交点的污染物浓度模拟值.通过kriging插值得到2种污染物在天津市中心城区的空间模拟分布图.PM10年均浓度分布以研究区中心最高,向四周逐渐降低;NO2的年均浓度以研究区中心最低,向四周逐渐升高.模拟结果与实际情况相符.     

沧州市大气污染特征观测研究

利用沧州2009年7月～2011年7月的NOx(NOx=NO+NO2)、O3、SO2以及PM10的观测数据,分析了沧州市大气污染物的日变化、月平均变化、年变化以及季节平均变化特征.结果表明,NOx、PM10日变化为双峰型,O3为单峰.SO2日变化也呈现为双峰型,但是其变化幅度较平缓.NO、NO2、NOx、SO2有较相同的季节变化趋势.NO、NO2、NOx、SO2及PM10冬季值最大,分别为(30.0±18.9)μg·m-3、(50.5±19.8)μg·m-3、(80.5±38.7)μg·m-3、(62.1±34.7)μg·m-3、(201.6±98.5)μg·m-3.臭氧夏季浓度最高,其月均值为(88.0±22.3)μg·m-3.NO、NO2、NOx、O3、SO2及PM10年均值分别为(18.9±14.5)μg·m-3、(37.6±13.0)μg·m-3、(56.5±27.5)μg·m-3、(49.9±16.3)μg·m-3、(31.6±19.5)μg·m-3、(156.7±79.1)μg·m-3.秋冬季污染物主要为NOx(NOx=NO+NO2)、SO2以及PM10,夏季污染物主要为O3.     

秸秆焚烧对玉溪市大气PM10的影响解析研究

以水溶性钾为示踪元素,解析秋收季节秸秆焚烧对玉溪市大气PM10的贡献.结果表明,2001年秋收季节(10月)水溶性钾浓度(7.68μg/m3)比夏季水溶性钾浓度(2.38μg/m3)高3.2倍,与7月至12月份PM10浓度变化呈显著相关,相关系数为0.810.很显然,秋收季节秸秆焚烧对玉溪市大气PM10有负面影响.     

北京市不同尺度大气颗粒物元素组成的特征分析

在2000年2个典型季节分别采集不同尺度的颗粒物样品,分析其中22种无机元素的含量.利用这些数据较详细地研究了北京市颗粒物的元素组成特征.数据分析结果表明,北京市大气颗粒物中的元素主要分为地壳元素、污染元素和双重元素三大类.利用不同污染元素在各种尺度颗粒物中的富集因子,确定了北京市大气颗粒物具有复合型污染的特征.      

基于特征气象因素和深度学习组合模型的干散货港口PM10浓度预测

准确预测PM₁₀浓度是控制干散货港口人群PM₁₀暴露水平,降低健康和经济风险的关键.然而,港口气象环境因素的特殊性,为准确预测PM₁₀浓度的时序非线性变化特征带来了挑战.为此,构建了一个级联卷积神经网络（CNN）、 长短期记忆（LSTM）和注意力机制（AM）的深度学习组合模型（CLAF）,预测干散货港口PM₁₀的小时浓度.首先,基于随机森林特征重要性算法,从5个气象因素中筛选出重要特征气象因素,与PM₁₀浓度一起构建预测模型的输入变量.其次,利用CNN层提取输入变量中高维时变特征,通过LSTM层捕捉顺序特征以及长期依赖性,并在AM层为LSTM层的输出特征分配不同的权重,强化重要信息的影响.最后,应用3个评价指标将CLAF模型分别与3个基本模型和3个常用预测模型的性能进行对比分析.基于实例数据的分析结果表明,考虑特征气象因素可以提高港口PM₁₀浓度的预测精度和拟合性能,CLAF模型可以将平均绝对误差降低13.92%~56.9%,将均方误差降低45.99%~81.02%,将拟合优度提高3.2%~15.5%.将特征气象因素作为输入变量,可以提高模型的预测性能.     

北京城6区大气颗粒物质量浓度变化规律研究

为较好地了解当前北京城6区大气颗粒物PM2.5和PM10质量浓度的污染水平及变化规律,根据2013年3月11日至2014年2月28日城6区12个空气质量实时监测点连续、实时的监测结果,构建多点位、完整时间序列的颗粒物质量浓度数据资料.应用数理统计分析手段,对当前北京城6区大气颗粒物质量浓度的频数分布、相关性和逐时变化特征进行分析,并结合全年实际气象特征,对引起大气颗粒物质量浓度变化的因素进行了初步探讨.结果表明,2013年3月至2014年2月北京城6区大气颗粒物污染较为严重,且PM2.5和PM10质量浓度具有特别显著的线性相关关系,全年相关系数达0.9,10年间无显著变化;二者年均值达91.7 μg/m3和116.9 μg/m3,分别超标162％和67％;二者质量浓度比达78.4％,10年间同比增长约20％.颗粒物质量浓度逐时变化受季节变化影响明显,总体呈现夜间最高、白天最低的趋势,变化周期为7～9h.研究表明,影响颗粒物质量浓度变化的因素包括春季的大风和生物粒子、夏季的湿热和降雨、秋季和冬季的逆温现象和降雪等气象因素及规律性的人为源因素.