陕西省汉中市大气环境质量的灰色预测

依据汉中市汉台区城区2005—2011年大气环境中SO2,NO2,CO,PM10的监测值,应用灰色理论建立GM(1,1)灰色模型对汉中市汉台区城区空气中的SO2,NO2,CO,PM10浓度进行预测。经过相关检验和修正,确定所建的SO2和CO模型具有较高的精确性和可信度,PM10模型经残差模型修正后准确度和精确度均有所提高,NO2模型不太适合小样本数据灰度建模。另外,利用建立的灰色模型对汉中市汉台区城区2012—2015年主要污染物浓度进行预测,为汉中市汉台区城区大气污染防治工作提供有益参考依据。     

PM10治理措施有效性的灰色关联评价及实证分析

大气环境是一个复杂的、多因素相互作用的开放系统。区域大气环境受整个大气环境影响的同时,更与区域内经济发展水平、工业布局、环境治理实效等因素密切相关。如何有效地监测和控制大气环境中的PM10污染,已经成为全球及区域大气环境治理的重点和难点。PM10在时间、空间和数量上的不确定性以及大气治理措施的不稳定性等系列特征,使大气治理措施与PM10在区域环境中的分布和运动现状构成了一个灰色关联系统。首次将斜率关联分析法应用于PM10治理措施有效性的评价,并实证分析重庆市“九五”期间各大气环境治理措施与PM10污染的相对有效性。     

干旱区绿洲城市大气环境承载力分析及预测——以乌鲁木齐市为例

以乌鲁木齐市2001—2012年大气环境中SO2,NO2,PM10作为对象进行环境承载力研究,采用美国橡树岭大气质量指数(ORAQI)模型、环境承载力指数模型和灰色预测GM(1,1)模型等研究方法,探讨了乌鲁木齐市大气环境承载力指数及其影响因素;建立预测模型,得到2013—2020年大气环境承载力指数预测值.结果表明,2001—2012年乌鲁木齐市空气中主要污染物是SO2和PM10,呈现典型的煤烟型污染特征.大气环境质量IO指数平均为91,属于"坏"的等级;大气环境承载力指数平均为16.21,处于中等承载等级.预测结果显示,环境承载力指数呈逐年上升趋势,到2020年该指数将达到19.86,处于较高承载等级,表明未来大气环境承载能力水平将有所提高,大气环境质量会得到进一步改善.     

常德市大气环境质量的灰色评价

随着经济的迅速发展,城市大气环境质量的日趋恶化,愈来愈受到人们的重视。利用灰色系统优势分析的原理及方法,分析了1997年至2000年期间影响常德市大气环境质量的主要因素,结果表明:对大气环境质量影响最大的因素为SO2浓度,而汽油、煤等燃料消耗量对大气SO2浓度影响较大。针对上述原因,提出了改善大气质量的相关对策。     

呼和浩特市大气污染物浓度与气象要素的灰色关联分析

基于呼和浩特市大气污染和同期气象要素的监测数据,采用灰色关联度方法,研究了气象要素对PM10、SO2、NO2污染物浓度时空变化的影响.结果表明,对PM10影响最强的气象要素是日平均风速,而对SO2和NO2影响最强的气象要素是日平均相对湿度,逆温强度对三者的影响次之,总云量对其影响最弱.研究结果可为呼和浩特市大气污染预报提供有效依据.     

基于灰色聚类法的平顶山市空气质量评价

大气污染质量问题一直是关注的环境问题之一,而灰色聚类分析方法在很多领域已有应用.选取污染因子(SO2、NO2、PM10),采用灰色聚类分析方法对平顶山市2008—2012年环境监测数据进行评价,结果表明:平顶山市2008—2012年均空气质量灰色聚类结果为灰类2,并且所属灰类2的趋势越来越明显,平顶山市的大气综合质量处于稳中趋好的态势,平顶山市大气环境质量趋势在逐步转好.     

基于 VAR 模型的重庆市大气污染物分析及研究

目的 研究重庆市首要空气污染物 PM2. 5 与 PM10 、SO2 、NO2 、CO、O3 的动态影响关系,为政府制定防治大气 污染措施及相关政策提供有价值的建议。 方法 收集重庆市 2021-05-01—2021-10-31 日的 PM2. 5 、PM10 、SO2 、 NO2 、CO、O3 这 6 项大气污染物的日浓度数据,利用 Eviews8. 0 软件,对原始数据进行序列平稳性检验;根据 Granger 因果检验结果选择变量,建立时间序列 VAR 模型,并检验模型的稳定性;利用广义脉冲响应分析和方差分 解分析,研究各污染物浓度对 PM2. 5 的动态影响及相对重要性。 结果 Granger 因果检验表明:PM10 、SO2 、NO2 、O3 是 PM2. 5 的 Granger 原因, CO 不是 PM2. 5 的 Granger 原因;广义脉冲响应分析表明:NO2 对 PM2. 5 的影响最大;方差 分解分析表明:NO2 的浓度对 PM2. 5 的影响最大;O3 对 PM2. 5 的影响次之,对 SO2 的影响作用最小。 所以,从长期 影响效应看,NO2 对 PM2. 5 具有长期较大的影响,SO2 对 PM2. 5 的影响最弱。 结论 防治 PM2. 5 对重庆市空气的污染 应着重控制 NO2 的污染,因此,政府应大力发展绿色交通,控制交通污染;大力监管高污染行业,将烟雾、粉尘、颗粒 物等排放量较大的行业作为工业污染源治理的重点;大力发展清洁能源,加快化石燃料替代资源的开发利用。     

2000-2004年山东中西部五城市大气污染变化特征

以2000-2004年山东省中西部五城市(济南、济宁、德州、淄博、泰安)的主要大气污染物SO2、NO2、PM10的浓度资料为依据,分析了2000-2004年五城市主要大气污染物的季节变化特征以及年际变化趋势.根据2004年五城市主要大气污染物SO2、NO2、PM10的日均浓度值,分析了2004年五城市的空气质量现状.结果显示:2004年五城市的空气质量,济南市最差,其次是淄博、德州、济宁,泰安市最好.大气污染物浓度呈明显的季节变化特征,冬季污染最严重,夏季空气质量最好;总体来说,2000-2004年大气污染物SO2、PM10浓度呈逐年下降趋势,NO2浓度没有明显的变化趋势,到2004年,PM10污染浓度依然较高,是最主要的大气污染物.同时分析了引起大气污染物浓度变化的原因,表明大气污染物浓度的变化是地形、污染源和气象条件等因素共同作用的结果.     

基于灰色关联分析指标筛选的RBF神经网络-马尔可夫链的空气质量预测模型

根据天津市空气质量监测数据及实际情况,应用RBF神经网络-马尔可夫模型对天津市空气中物浓度进行预测.首先,分别以SO2、NO2、PM10为参考序列,应用灰色关联理论选出关联度较高的因F神经网络的输入节点.其次,应用RBF神经网络对各污染物浓度进行预测,并利用马尔科夫模型修值,可使修正值更加接近实测值.以SO2为例,RBF神经网络的平均相对误差为1.797%,应用马尔可正后的平均相对误差为1.035%,验证了该方法的可行性.     

郑州市PM_(2.5)和PM_(10)中水溶性无机离子的污染特征

于2009年10月至2010年8月间采集郑州市大气颗粒物PM2.5与PM10样品,对其质量浓度及水溶性离子进行分析研究.结果表明:PM2.5在秋、冬、春、夏四季的质量浓度的平均值分别为134.9、121.6、77.9和102.0μg/m3,PM10在秋、冬、春、夏四季的质量浓度的平均值分别为193.2、184.0、140.9和140.5μg/m3,日均值超标率分别达77.8%和59%.PM2.5和PM10质量浓度呈现很好的相关性,春季粗粒子在PM10中的比例相对较高,而秋、冬和夏季细粒子是PM10的主要组成部分.主要的水溶性离子是SO2-4、NO-3和NH+4,大部分以(NH4)2SO4和NH4NO3形式存在;NO-3和SO2-4质量比小于1,说明采样期间郑州市大气以固定排放源污染为主.     

临汾市大气环境质量的灰色优势分析

随着经济的迅速发展和城市人口的急剧增加，城市大气环境质量日益恶化，愈来愈受到人们的重视。利用灰色系统优势分析的原理及方法，分析了“九五”期间景响山西临汾市大气环境质量的主要因素，结果表明：对大气环境质量影响最大的因素为ＳＯ２浓度，而燃料消耗量对大气中ＳＯ２浓度影响最大。针对上术原因，提出了有关改善大气质量的措施。     

模糊综合评判在武汉市空气质量评价中的应用

运用模糊综合评判的方法,选取二氧化硫、二氧化氮和可吸入颗粒物作为评价因子,参照我国环境空气质量标准,通过建立各污染物的隶属函数和权重集,计算出各污染物的隶属度和权重分配系数,进而对武汉市空气质量进行模糊综合评判.针对武汉市空气污染的特点,提出若干治理空气污染的建议.     

西安市大气环境容量估算研究

为估算西安市大气环境容量,了解西安市大气环境质量现状,用国标《制定地方大气污染物排放标准的技术方法》中规定的以箱模型为基本模型推导出的宏观总量控制A值法,结果为西安市SO2,NO2,PM10大气环境年容量分别为4.2450×10^4,3.7351×10^4,9.5937×10^4t。估算结果表明,SO2和NO2环境容量剩余,可以满足当前工业生产的需要,而PM10的排放量已超过了西安市环境的承载力。     

广西城市环境空气质量变化趋势分析

根据2005～2009年广西14个设区市的环境空气监测数据,统计和分析了主要污染物浓度以及环境空气综合污染指数和污染负荷系数的年际变化特征及趋势,探讨影响空气质量的主要因素.结果表明,广西城市环境空气质量保持良好的水平,二氧化硫和可吸入颗粒物浓度总体上呈现下降的趋势,二氧化氮的污染程度虽然比较小,但是其浓度却逐年上升....     

COVID-19疫情不同阶段管控措施对大气污染物浓度的影响研究

2020年COVID-19疫情席卷全球，在我国疫情的集中爆发区和局部散发区均采取了严格的管控措施.论文采用2015年1月—2020年9月我国国控环境监测站点6种大气污染物(CO、SO2、NO2、O3、PM10、PM2.5)月均浓度值结果，分析了疫情管控措施对集中爆发区和后续局部散发区内大气污染物浓度的影响.结果显示在实施严格管控的疫情集中爆发期，湖北省内6种大气污染物中NO2浓度的减小最为明显，浓度变化与省内采取管控措施及复产复工的时间一致性较好.在2020年2月—4月的管控期间内，NO2各月均浓度值相较于前5年对应月份平均浓度均有显著减小，复工复产后逐渐恢复.SO2、PM10、PM2.5在管控期的部分月份也有显著下降，而CO月均值浓度亦出现了近6年来对应月份的最低值，但持续时间都相对较短.选用对管控措施表现最为明显的大气污染物指标NO2，持续监测了后续疫情局部散发区管控措施对其浓度的影响.吉林市、北京市、乌鲁木齐市等管控措施超过20天以上的散发区在其疫情管控期内均表现出了NO2浓度的显著降低.而确诊人数较少、扩散范围小的大连市、德宏傣族景颇族自治州瑞丽市由于管控时间较短，则未出现明显变化.证实了NO2浓度对人为活动强度的变化有直接的响应关系.     

PCA-BP模型下皖北城市群PM2.5浓度分析

为探究皖北城市群大气污染物在不同地域、不同时间下的分布规律以及影响空气中PM2.5浓度的相关变量,结合2018-2021年安徽省生态环境厅统计数据及相关地域资料,采用主成分分析(PCA)法按时间段长短及季节性变化分别选取月度数据与年度数据对空气质量的影响因子做相关性分析,对比分析不同季节下空气污染物PM2.5、PM10的浓度及其它空气污染物的变化,构建基于PCA算法的反向传播神经网络 (BP),建立PCA-BP模型并采用交叉-验证法提高模型精度,对大气中的污染物PM2.5浓度做短期预测。实验结果表明:PM2.5浓度的主要影响因子为PM10、CO、NO2、SO2;皖北地区PM2.5含量整体在冬季偏高;预测模型的精度在夏季与秋季较高,冬季较低,四季的预测精度R2分别达到0.924、0.958、0.935、0.794。     

2004年中国典型城市大气污染现状及污染差异分析

以北京、青岛、兰州、乌鲁木齐、南京、厦门、广州、重庆、昆明、武汉10个典型城市城区空气质量为研究对象,主要利用2004年的空气质量公报数据研究分析这10个城市的PM10、NO2和SO2的污染状况和污染差异。结果表明南方城市总体的污染程度轻于北方城市,厦门市的空气质量状况最佳,城市大气的污染程度与其地理位置、气象和地形条件、能源结构和经济发展状况等因素都有很大关系。最后针对城市大气污染的特点提出了治理方案。