长沙市PM2.5浓度时空分布特征及影响因子分析

为分析长沙市PM2.5浓度时间变化特征、空间分布特征及其影响因子,利用数据统计分析、克里金空间插值技术、地理探测器等方法与Arc GIS平台表达,选取长沙市中心城区10个监测点2013—2019年PM2.5日变化数据.结果显示:在PM2.5浓度时间变化特征方面,不同季节中,PM2.5浓度表现出冬季>秋季>春季>夏季的季节特征,不同时段中,各季节PM2.5浓度日均小时变化曲线均大致呈双峰形态;在PM2.5浓度空间变化特征方面,PM2.5浓度的高值区主要分布在中部芙蓉区,整体呈城区向郊区逐渐递减的变化规律.根据地理探测器研究结果发现,2017年长沙主城区PM2.5浓度主要受气温、降雨和风速因子影响,其次是道路、相对湿度、气压和人口密度,高程、植被和餐饮因子影响较小;且任意两个影响因子共同作用均会对PM2.5浓度影响增强.     

上海市大气环境中PM_(2.5)/PM_(10)时空分布特征

针对上海市颗粒物的污染和防治问题,利用2014年4月14日—2015年3月24日10个国控监测点的PM2.5和PM10小时数据及对应的气象因素资料,以PM2.5质量浓度占PM10质量浓度的比例为研究对象,使用聚类分析和相关性分析PM_(2.5)/PM_(10)的时空分布特征.结果表明:P2.5和PM10的季节高低为冬春秋夏,PM_(2.5)/PM_(10)的季节分布在不同区域存在差异性.PM_(2.5)/PM_(10)的日变化呈现双峰型趋势,峰值出现在05:00和14:00左右,上午PM_(2.5)/PM_(10)高于下午.颗粒物质量浓度及PM_(2.5)/PM_(10)具有明显的"周末效应",这与车辆通行政策与人类作息时间变动相关.在空间分布上,颗粒物质量浓度及PM_(2.5)/PM_(10)均表现为背景站浦西站浦东站.     

天津蓟县夏季PM_(2.5)污染特征及影响因素

为探究天津蓟县大气细颗粒物(PM2.5)污染特征及气象因素对它的影响,搜集了2013年蓟县PM2.5质量浓度变化资料,对PM2.5污染情况进行了详细分析;并针对夏季典型天气,对PM2.5质量浓度进行监测,结合同步气象数据,运用线性回归及相关性分析方法研究PM2.5质量浓度与气象因素关系.结果表明:蓟县PM2.5质量浓度呈现明显冬高夏低特征,夏季污染超标率达45%,其日变化呈明显双峰型;PM2.5质量浓度受温度、相对湿度、风速、风向、降雨影响显著,与气压无显著关系,能见度随PM2.5质量浓度增大呈现e指数衰减规律.研究结果可为当前的京津冀区域大气污染协同防控提供一定的科学参考.     

深圳PM2.5浓度变化趋势及其月尺度预测方法

基于深圳市环境监测站的PM2.5浓度数据以及深圳市国家气候观象台发布的月度气象监测公报,研究了2012年至2019年深圳市PM2.5浓度的变化规律,分析了PM2.5浓度与月尺度气候要素的关系,并利用多元线性回归分析法建立了PM2.5月均浓度的预测模型。结果表明：2012年至2019年深圳PM2.5浓度呈明显下降趋势,PM2.5浓度有季节性特征,干季(1~3月及10~12月)PM2.5浓度比较高,也是PM2.5污染防控的重要时段。月降水日数、月降水量以及月平均温度与PM2.5浓度的负相关较明显,偏北风频率与PM2.5浓度呈显著正相关,可一定程度上帮助预判月均PM2.5浓度。与前人研究结果相反,月平均相对湿度与PM2.5浓度呈显著负相关。包含气象因素项以及PM2.5浓度项的月平均PM2.5浓度预报模型拟合度较高,偏北风频率、月平均相对湿度是对月平均PM2.5浓度影响最大的气象因素。利用深圳市2020年数据对模型进行检验,结果证明方程对于月平均PM2.5浓度的预报有一定适用性,可较好预报PM2.5浓度月增量。     

空气中PM2.5演变规律的研究——以合肥市为例

针对空气中PM2.5的演变规律问题,运用SPSS定量分析PM2.5浓度和气温、风力、湿度等气象因素与季节因素的相关系数,定性分析PM2.5浓度在气温、风力、湿度等气象因素与季节因素影响下的变化特征,结合传统的大气点源高斯扩散及其法定推荐修正模型,逐步改进,建立多因素影响下的多元高斯扩散模型,并通过残差检验模型的合理性.     

扬州市区大气污染的变化规律及其机理探讨

通过对2013年江苏省扬州市市区大气污染状况进行监测和统计,分析了扬州市大气主要污染指标的变化规律,并探讨其光化学反应机理.研究结果表明:1)受气压变化的影响,扬州市每日细颗粒物(PM2.5)、可吸入颗粒物(PM10)、SO_2和NO_2浓度大约在早晚8:00达最高值;2)O_3浓度全年隔月发生周期性变化,双月份涨幅较大;3)O_3形成的控制区的类型随监测地点、季节、污染物浓度及气象条件的不同而改变,从而影响PM2.5的生成浓度;扬州市区多数情况下属挥发性有机物(volatile organic compounds,VOCs)控制区,因此O_3浓度的变化趋势与PM2.5、PM10、SO_2和NO_2的相反;4)春节期间燃放烟花炮竹引起PM2.5和SO_2浓度急剧上升,据此可预测人口密度的相对高低和污染物的分布特征.     

银川市大气细颗粒物(PM_(2.5))污染现状及影响因素分析

依据2013年银川市城市环境空气质量大气细颗粒物(PM2.5)的监测数据,对银川市环境空气中PM2.5的污染现状、变化趋势及与气象因子关联性进行了系统分析.结果表明,银川市PM2.5的质量浓度变化呈现明显的采暖季和非采暖季2种典型的季节性特征,非采暖季PM2.5的质量浓度与气压呈显著的正相关,与气温、能见度呈显著的负相关,采暖季PM2.5的质量浓度与风向、相对湿度呈显著的正相关,与风速、气温、能见度呈显著的负相关.     

影响银川市城区环境空气质量因素分析

通过对2014年银川市环境空气质量自动监测站监测结果分析,根据频度、首要污染物分布、空气质量单项指数等判断,确定4项污染物PM10、PM2.5、SO2和NO2为研究目标,对他们浓度变化趋势分析得出:银川市环境空气质量综合指数1~6月呈下降趋势9~12月呈上升趋势,环境空气主要污染物浓度随季节变化特征明显,影响银川市环境空气质量的主要因素与自然条件、地理环境有很大关系。     

北京市城区单监测点PM2.5质量浓度变化特征

2009年在北京师范大学科技园内对PM2.5质量浓度的连续监测结果表明,PM2.5质量浓度的年均值为55.2μg.m-3,日均值在1.2~325.9μg.m-3之间变化,且频数分布呈现出明显的倾斜:大量的质量浓度值位于30~70μg.m-3之间;季节变化特征为冬季PM2.5污染水平明显高于其他季节;不同季节的日变化模式存在显著差异:整体上是冬季夜间质量浓度高于白天,夏季白天质量浓度高于夜晚,同时在各个季节下午16:00以后质量浓度都存在回升现象.     

PM2.5简介及福州市PM2.5污染分布特征

该文介绍了PM2.5细粒子污染重要的空气质量指示意义.利用2010年～2011年福州市PM2.5观测资料,分析了福州市细粒子污染的分布状况、主要特征及与气象条件的关系.结果表明:福州市PM2.5年平均浓度接近新标准规定的35ug/m3,污染程度较轻;月平均浓度峰值出现在5月,谷值出现在7月;季节分布高低排序为春季＞冬季＞秋季＞夏季,春季污染最严重,一级超标率达72.7％,夏季最轻;日分布呈单峰型,中午前后浓度最高;PM2.5浓度月季分布特征明显,说明PM2.5浓度变化与天气条件关系密切.     

宝鸡市城区空气细颗粒物(PM2.5)污染特征及源分析

目的研究宝鸡市城区PM2.5的污染特点及成因,为制定控制污染应对策略,改善空气质量提供参考依据。方法利用2013年1月至2014年8月宝鸡市城区7个空气自动监测子站24h对PM2.5的监测数据,结合宝鸡地形特点、同期气象数据以及对颗粒物源解析在线监测资料进行分析与讨论。结果分析结果表明,宝鸡市城区PM2.5及其它污染项目与各气象参数有关,总结了PM2.5时空分布特征,宝鸡市PM2.5的组成和来源随昼夜、季节而变,其主要组成为硫酸盐、硝酸盐、铵盐、有机物、元素碳和土壤尘等化学成分,主要来源为燃煤、汽车尾气排放、扬尘、工业排放、二次气溶胶污染和周边输送等。结论分阶段经常性地分析宝鸡城区PM2.5污染现状与机理,提出治理建议和防控对策,为宝鸡市区空气污染控制提供参考依据。     

模糊时序与支持向量机建模相结合的PM2.5质量浓度预测

为解决进行PM2.5质量浓度预测中多因素回归模型的不稳定、神经网络模型的过拟合及局部最小等问题,提出应用支持向量机和模糊粒化时间序列相结合的方法,对PM2.5质量浓度未来变化趋势和范围进行预测.根据PM2.5不同季节的日变化周期模式,确定以24 h为周期的粒化窗宽,利用三角型隶属函数对数据样本进行特征提取作为支持向量机的输入,并在k重交叉验证法下采用网格划分寻找出模型的最佳参数.以2013年3月—2014年2月北京市海淀区万柳监测点四个季节PM2.5的1 h质量浓度监测值为样本数据,应用该方法建立PM2.5质量浓度的时间序列预测模型,并在MATLAB平台下应用LIBSVM工具实现计算过程.结果表明,基于模糊粒化时间序列的预测模型,能较好解决PM2.5机理性建模方式下由于影响因素考虑不全而造成的预测结果不稳定,对模糊粒子拟合效果较好.     

长春市PM_(10)污染特征及与气象因素的相关分析

为了研究长春市PM10污染特征以及影响PM10浓度的因素,利用长春市PM10的实时监测资料,分析长春市PM10浓度的季节变化特征和污染程度.并利用同期的气象资料,建立PM10浓度和气象因素之间的多元线性回归模型,来进行两者之间的相关分析.采用逐步回归法,建立了"最优"回归方程,分析不同季节对污染物浓度有显著影响的气象因素,从而为长春市大气污染防治和雾霾天气预测提供科学依据.结果表明,长春市PM10浓度冬季偏高、夏季偏低、春季和秋季居中,2013年全年中1、4、10月份出现了不同程度的高污染现象,日平均浓度最高值达到591μg/m3.研究发现对长春市PM10有显著影响的气象因素主要有当日平均风速和最高最低气温温差.     

郑州市区PM2.5的污染特征简析

灰霾天气对大气环境的影响日趋严重,对人居环境和居民的身心健康都有很大的危害,引起了公众极大的关注,本文根据PM2.5的研究数据,介绍了PM2.5的季节和小时分布特征,并结合郑州气象因素、能源结构、城市污染源的特点做出原因分析,为PM2.5监测做出基础性研究。     

重庆中心城区空气污染特征及气象影响因素分析

根据环境空气质量监测数据和气象观测数据,对重庆中心城区2013—2020年空气污染特征及气象影响因素进行了分析.结果表明:2013—2020年影响重庆中心城区空气质量的大气污染物主要为PM2.5和O3,重度污染日首要污染物基本为PM2.5;PM2.5污染和O3污染均呈现出明显的季节差异,PM2.5超标主要出现在初春、秋...     

基于卫星遥感和气象数据的2015年徐州市PM2.5时空特征

在2015年徐州市7个地面观测站PM2.5质量浓度监测数据的基础上,结合MOD04_3K AOD产品和地面气象数据,构建了基于物理机理修正的近地面PM2.5多元回归反演模型。利用实测和遥感反演数据共同分析了徐州市PM2.5质量浓度时空变化特征。分析结果表明,在徐州中心城区PM2.5质量浓度的日变化特征表现为PM2.5浓度白天降低,夜间升高的趋势。春秋两季的峰值出现在8:00—9:00,夏季峰值出现在6:00—7:00之间,冬季峰值出现在10:00—11:00之间。PM2.5浓度的季节变化特征为冬季>春季>秋季>夏季。PM2.5浓度的空间分布格局为：徐州市区及铜山中心区、新沂市及新沂与邳州边界为PM2.5高浓度的主要区域,与徐州的城镇会格局相似。     

空间插值法在热环境流动观测中的应用

以重庆都市区华岩公园3次流动观测(GPS+温湿度自动记录仪)的温度为例,选取常用的反距离加权插值法、普通克里格插值法和样条插值法3种空间插值方法,对不同插值方法及其在不同参数时的空间温度插值结果进行验证分析和评价,筛选出适合流动观测的空间插值法。最后,根据普通克里格插值法中的指数模型插值得到的温度场,分析了华岩公园的冷岛效应。研究结果表明:普通克里格插值法的指数模型对描绘流动观测(GPS+温湿度自动记录仪)范围内的温度场分布效果最佳,其他模型的插值结果精度波动性大;对测点密度大且分布均匀的温度可使用反距离加权插值法进行快速插值,但要根据温度的密度来确定1个合适的幂指数;样条函数插值法精度不稳定且不可估计,因此,该方法不适用于流动观测数据的空间插值处理。     

中国大范围雾霾期间大气污染特征分析

为分析我国2013年1月份大范围雾霾成因及特点,在收集相关污染物与气象数据的基础上,运用主成分及相关性分析,对雾霾期间我国8个重点城市大气细颗粒物(PM2.5)浓度、粒径分布,时空变化规律,雾霾与气象因素的关系以及雾霾期间各城市大气污染指标的主成分及相关性进行了分析.结果显示雾霾期间8个城市PM2.5平均超标2.34倍,11~14号超标最为严重,PM2.5/PM10浓度比值平均为0.72,高湿、逆温、低压、静风等气象条件有利于雾霾的形成,PM2.5与SO2,NO2等表现出较好的相关性,主成分分析表明多数城市表现出明显的复合污染特征.此次雾霾是以特殊气象条件为主导的机动车尾气及煤烟型复合污染引起的大范围污染现象.     

万州城区PM_(2.5)中有机碳与元素碳污染特征

为了解重庆万州区PM2.5中碳质气溶胶的污染特征,于2012—2013年分4个季节采集了PM2.5样品,并分析了其中有机碳(OC)和元素碳(EC)的浓度。结果显示,在采样期间,万州区PM2.5中OC和EC的年平均质量浓度分别为29.72μg·m-3和8.42μg·m-3,OC和EC浓度之和达PM2.5的27.25%。OC浓度的季节变化趋势由高到低分别为冬季、秋季、春季和夏季,EC在冬季浓度最高,其他季节浓度变化不大。OC和EC在4个季节都有较好的相关性(r为0.67~0.84),其中,冬季相关性(r=0.84)最高,秋季相关性(r=0.67)最差,这与污染物来源复杂有关。应用OC/EC比值法对二次有机碳(SOC)进行估算,SOC年平均浓度为13.79μg·m-3,占OC含量的46.72%,冬季SOC的浓度远高于其他季节,冬季较高的OC排放及较低的大气扩散能力利于碳气溶胶中SOC的生成。     

环境空气PM2.5污染特征研究

通过对鞍山市环境空气中PM2.5的监测,研究了鞍山市环境空气中PM2.5不同时间与空间的分布规律;对化学PM2.5的组成进行了分析,分析了不同季节PM2.5的组成变化规律.