基于LMDI的城市化不同阶段PM2.5浓度影响因素——以我国5个特大城市群为例

以我国5个特大城市群为研究区,采用人均GDP和产业结构标准,将2000~2015年划分为不同的城市化发展阶段,利用LMDI指数分解法探讨不同发展阶段排放强度、能源强度、经济产出和人口规模等4种社会经济因素对PM_2.5浓度变化的可能驱动机制及贡献率.结果表明,5个特大城市群被划分为四个不同的城市化发展阶段,随着城市化进程的推进,PM_2.5浓度呈现先上升后下降的趋势.总体上,经济产出和人口规模产生正效应,且经济产出效应是促进PM_2.5浓度增加的主要因素;排放强度和能源强度产生负效应,且排放强度效应是抑制PM_2.5浓度增加的主要因素.能源强度效应的累积贡献率在工业化初期和中期有正有负,但在工业化后期和发达经济时期均为负.从工业化初期至发达经济时期,经济产出效应和人口规模效应的累积贡献率均在增加且经济产出效应的累积贡献率增加更为显著;排放强度效应的累积贡献率为负且累积贡献率的绝对值不断增加.探讨不同城市化发展阶段PM_2.5浓度的影响因素可为政府部门制定针对性的环境保护政策提供依据.     

长三角秋冬季典型区域霾天气特征及对比

为总结出霾天气发生时的相关影响因子、特征共性,选取长三角地区8个主要城市,2016~2019年秋冬季发生的7次典型霾天气过程,对比分析了3次霾天气过程中AQI、PM_2.5浓度、气象要素、天气形势、边界层特征的变化以及污染物来源.结果表明：不利的气象条件及高低空配置的静稳天气型导致霾天气的形成.3次过程AQI指数峰值分别为247、306及272,与PM_2.5浓度变化趋于一致.PM_2.5浓度和能见度呈明显负相关关系,且污染过程发生时能见度普遍偏低,2、3次过程能见度谷值均低于50m.高相对湿度、稳定的气温及静风与霾过程的形成有着紧密的联系.总体上混合层高度与AQI呈现负相关关系,混合层高度较低抑制垂直对流,从而使污染物在低空区域性积聚,3次污染过程混合层高度最低值均小于100m.逆温层的出现利于霾污染过程中污染物的累积,近地层的贴地逆温将污染物集聚在地表,第1次过程贴地逆温强度高达8.2℃;脱地逆温导致污染物在边界层内堆积并抑制其扩散,均易导致高浓度污染发生,第2次过程脱地逆温为主,强度高达4.8℃.气溶胶类型多为沙尘、大陆型污染物、污染型沙尘及烟粒.污染发生通常受局地排放、区域输送及长距离输送的共同影响,气团携带的因人为产生的细粒子也是造成污染的主要原因之一.     

廊坊市夏季大气气溶胶消光特性及其来源

通过对廊坊市2016年5~9月的空气污染指标进行连续观测,分析了PM_2.5污染特征、消光特性,并进行来源解析及潜在污染区域分析.观测期间PM_2.5浓度为（43.82±28.68）μg/m,PM_2.5中SO₄^2-,NO₃^-,NH₄⁺,OC和EC分别占PM_2.5总质量的24.74%,22.98%,20.54%,8.79%和5.50%,各组分随着PM_2.5浓度增加而增加;气溶胶散射系数（Bsp）和吸收系数（Bap）分别为（294.54±257.35）,（16.05±9.14）Mm^-1,粗粒子（CM）对消光系数的贡献为11.12%,细颗粒子PM_2.5在大气消光中起主要作用,其中硝酸盐（32.23%）,硫酸盐（27.28%）和OM （20.56%）为最主要消光成分;PM_2.5主要来自工业（14.14%）、机动车（15.15%）、二次无机气溶胶（38.38%）、燃煤（22.22%）及扬尘和生物质燃烧（10.10%）,对消光系数的贡献分别为工业（1.32%）、机动车（17.25%）、二次气溶胶（55.57%）、燃煤（18.56%）,扬尘和生物质燃烧（7.32%）.后轨迹分析表明廊坊市以来自山东、河南的小尺度_,短距离和来自内蒙古东北部、中部的中短距离传输为主,占比接近80%,污染源的潜在分布区域主要是山东东北部、河南东部、山西东部、辽宁西南等地.     

唐山一次冬季重污染过程污染特征及成因分析

选取河北省唐山市2017年12月27~31日一次典型重污染过程,开展其污染特征及成因分析,对污染期间气象要素、大气颗粒物组分特征进行综合研究.结果表明,此次大气重污染过程中PM_2.5平均质量浓度为154μg/m³,重度污染及以上时PM_2.5/PM₁₀为0.7;PM_2.5中SNA质量浓度占比达58.0%,OC/EC的比值为4.1,说明颗粒物二次反应和有机物在此次污染过程有较大贡献;长期均压场以及近地面高湿、小风、逆温的出现导致唐山地区大气层结稳定,加之周边地区区域传输的贡献,是导致此次大气重污染过程的重要影响因素.     

东北亚冬季PM2.5水溶性离子空间分布特征及来源

为探讨东北亚冬季PM_2.5水溶性离子空间分布特征及来源,测定了2017~2018年沈阳冬季PM_2.5水溶性离子浓度.结果显示：沈阳冬季PM_2.5水溶性离子平均质量浓度为28.5±11.9μg/m³,二次离子（SO₄^2-、NO₃^-和NH₄⁺）的浓度最高,分别占总水溶性离子质量浓度的31.0%、22.4%和19.2%.运用离子化学计量学关系、相关性和主成分分析,探讨了沈阳冬季PM_2.5水溶性离子的可能来源.并整合了东北亚冬季（中国东北、韩国、日本）近20a来PM_2.5水溶性离子数据,发现沿着东亚冬季风,东北亚冬季PM_2.5水溶性离子浓度从中国东北,经韩国海岸、韩国和济州岛,日本海岸至日本整体呈下降趋势,在韩国和日本出现局部上升,且在不同区域,不同水溶性离子占比明显不同.其中,韩国冬季PM_2.5中SO₄^2-、Ca²⁺和K⁺受外来源影响显著,NO₃^-和NH₄⁺主要来自本地源,Cl^-、Na⁺和Mg²⁺主要来自本地源或海源;日本中部冬季PM_2.5中SO₄^2-、NO₃^-、NH₄⁺和K⁺主要来自本地源,Cl^-、Ca²⁺、Na⁺和Mg²⁺主要来自本地源或海源.     

基于MRMR-HK-SVM模型的PM2.5浓度预测

以赣州市2017年全年的空气质量和气象数据为研究对象,通过最大相关最小冗余算法（MRMR）提取出最优的特征子集,并将其作为预测模型的输入数据,同时构造混合核函数（HK）对传统的支持向量机模型（SVM）进行改进,最终建立MRMR-HK-SVM模型.实验结果表明,MRMR-HK-SVM模型有着更低的平均绝对误差（MAE）、平均绝对百分比误差（MAPE）和均方根误差（RMSE）,相较于传统SVM模型,预测结果平均绝对误差下降了26.9%,且能更加准确的追踪到PM_2.5浓度的突变时刻.可见,MRMR-HK-SVM模型具有更好的泛化能力,能够更加精确地预测PM_2.5浓度.     

2001~2015年中国城镇化与PM2.5浓度时空关联特征

综合运用时空统计、剪刀差、地理加权回归等手段分5个阶段从人口、土地、经济角度研究了2001~2015年中国大陆地区城镇化水平与PM_2.5浓度的时空分布以及相互关联特征.结果表明：2001~2015年,我国3a均人口、土地、经济城镇化水平平均值稳步提高,PM_2.5浓度波动上升（44.14~50.89 μg/m³）,不同经济区之间时序变化趋势相似但强度存在差异.不同阶段PM_2.5浓度空间分布趋势基本一致,京津冀、河南与山东北部、新疆西部等地区始终为高值区,3类城镇化水平高值区域逐步扩大.城镇化水平的时序变化趋势与PM_2.5浓度随时间变化的趋势存在差异（切线夹角：15.33°~62.92°）,难以解释PM_2.5浓度在时间上的突变.城镇化水平与PM_2.5浓度空间分布关联特征显著,土地城镇化水平与PM_2.5浓度在0.01水平上正相关,其相关系数依次为东北（0.609~0.723） > 中部（0.572~0.631） > 东部（0.218~0.323） > 西部（0.079~0.255）,除中、西部地区外,经济城镇化水平对PM_2.5浓度正效应明显,东北地区人口城镇化水平与PM_2.5浓度负相关,GWR模型调整R²在2001~2003年阶段最高（0.6~0.77）,2013~2015年阶段最低（0.08~0.64）.     

气象因素对大连空气中PM_(2.5)的去除效应分析

根据2013年1月1日至2月15日大连市环境监测中心PM2.5监测数据和大连市气象局风向、风速、降水量等资料,研究了降雪、降雨、风等气象因素对大气中PM2.5的去除效应。结果表明,大连市冬季采暖期PM2.5污染较重,PM2.5浓度受气象因素影响较明显。降雪、降雨、风三种气象因素对大气中PM2.5均有明显的去除效果,因去除机理不同,各气象因素对PM2.5的去除能力大小依次为风、降雨、降雪,去除效率分别为61.6%、46.0%、34.5%。     

基于MODIS数据与多机器学习法的日PM2.5模拟研究

为了深入了解地面PM_2.5的空间分布,以山东省为研究区,利用2019年的PM_2.5站点实测数据,结合中分辨率成像光谱仪(MODIS)的L3级别的MCD19A2气溶胶光学厚度产品,充分考虑人口、地形、气象等因素,使用RF、SVR、BPNN、DNN等4种机器学习算法对山东省2019年逐日PM_2.5进行了模拟.结果表明:随机森林模型(RF)的RMSE和MAE的值分别为12.67和6.62,优于BPNN、SVR和DNN模型.随机森林模型(RF)最适合山东省的日PM_2.5模拟.     

晋东南地区冬季PM2.5污染输送路径分析

利用2017~2019年晋城市和长治市冬季PM_2.5逐时浓度资料、地面风场数据等,结合HYSPLIT轨迹模型和中尺度数值模式WRFV4.2分析了晋东南地区冬季PM_2.5污染的特征和传输特点.结果表明,晋城市冬季PM_2.5污染程度高于长治市.受地形影响,晋城市地面盛行偏南风、偏北风和西北风,污染方向主要为偏南风和偏北风;长治市近地面盛行偏南风,该风向污染频率最高.影响晋城市和长治市污染的潜在源区主要分布在偏西、东北和东南方向,偏西气流来自陕西省中部,东北气流来自河北省西南部,东南气流来自河南省中东部.污染经过晋东南地区主要影响山西省中南部和北京南部.通过数值模拟流场,结合潜在源区和影响区域的分析结果,在均压场或高压后部的天气形势下,晋东南地区污染输送路径包括来自东北方向（河北省西南部一带）的气流,沿长治市东北部的滏口陉向晋东南地区输送污染物及沿太行山东麓向南在晋豫交界处的太行陉发生转折向晋东南地区输送污染物;来自东南方向（河南北部及东部）的气流输送和来自偏西方向（陕西中南部）的气流输送.污染物经过晋东南地区向北输送至山西省中南部,部分经过山西省中东部的井陉输送至北京南部.