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。     

重庆市环境空气质量综合评价研究

环境空气质量对当地居民的生活和幸福指数至关重要。空气质量越来越受到政府的关注。本文对重庆市环境空气质量进行综合评价研究,具体分析了重庆市2013—2018年环境空气质量的状况及变化趋势。收集重庆市2013—2018年主要环境空气污染物(PM2.5、PM10、SO_2)的月度统计历史数据平均浓度监测数据,按照《环境空气质量标准》(GB3095-2012)中的二级标准,用空气综合污染指数评价法和空气污染负荷系数法分析其变化特征和环境空气质量影响因素。结果表明,2013—2018年大气PM2.5月度浓度大多超过平均年浓度限值,PM10浓度月度均值也大多也超标,SO_2均达标。相关的整改措施使得大气中PM2.5与PM10均呈浓度下降状态,SO_2基本呈稳定状态。年内变化显示,各污染物的浓度季节变化非常明显,污染物浓度从高到低的顺序大体为冬季、春季、秋季、夏季。全市的综合污染指数呈下降趋势,空气污染程度显著降低,空气质量不断变好。研究结果可为相关部门提供一定的参考。     

河北邯郸市典型大气污染物的特性分析

根据对邯郸市大气污染物特征研究,分析污染物在线监测数据、气象数据和水溶性离子数据的变化规律.结果表明,除O3外,邯郸市近年来大气污染状况有所改善,但PM浓度仍明显高于河北省其他城市.PM2.5、PM10、SO2、CO浓度秋冬高,春夏低,O3浓度则相反.春节期间污染物浓度的变化特征表明,烟花爆竹对粗颗粒物的影响较大.对污...     

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...     

中原城市群重点城市首要污染物日变化特征及成因分析

中原城市群重点城市是我国大气污染较为严重的区域之一。利用2017年河南省各地市环保局国控站点和地面监测站提供的首要污染物浓度和气象要素24h连续监测数据,分析得到2017年首要污染物占比和首要污染物浓度的日变化特征,采用相关分析法和主成分回归分析法得到各首要污染物之间的相关性及气象因子对首要污染物的影响。结果表明,2017年中原城市群重点城市首要污染物主要由PM2.5、PM10和O3组成;一天中,PM2.5呈双峰变化,主峰值出现在8:00-9:00,次峰值出现在22:00,谷值出现在下午16:00;PM10小时浓度呈三峰变化,主峰值出现在9:00,次峰值出现在1:00和21:00左右,主谷值出现在15:00,次谷值出现在0:00和5:00;O3小时浓度呈单峰变化,峰值出现在15:00,谷值出现在7:00左右;PM2.5在低温、高压、中等偏高的湿度、较弱风的条件下利于积累,PM10在低温、高压、中等偏高的湿度、较弱风的条件下易于积累,O3在高温、低压、中等偏低的湿度、强风的条件下易于生成与积累;对PM2.5、PM10浓度影响最大的两个气象因子是气温和气压,对O3浓度影响最大的两个气象因子是风速和气温。     

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。     

南通市大气污染物浓度变化特征及其与气象因素的关系

为了厘清南通市大气污染浓度的变化情况以及与气象因素之间存在的关系,分析南通市大气污染物潜在的输送来源。文章利用南通市2018年全年大气污染物资料和同期气象观测要素资料,对SO2、NO2、CO、O3、PM10、PM2.5污染物的时、日、月、季浓度变化规律及其与气象因素之间的关系进行分析,并结合南通市2次重污染天气过程,使用后向轨迹模式HYSPLIT4分析南通市大气污染物的主要来源。结果表明：SO2、NO2、CO、PM10和PM2.5浓度均呈现夏季最低,其次是秋季,冬、春季浓度最高,O3浓度呈现明显春、夏季高于秋、冬季。SO2、NO2、CO、O3年平均排放量均较低。一天当中不同时间段,气象因素影响情况不同导致污染物的浓度不同。O3浓度变化跟NO2浓度变化呈明显负相关性。O3污染最高的天气,一般是气压较低,能见度较好的晴朗天气。而研究发现,PM2.5在气温较低、湿度高、气压高、日降水量较小、能见度低且风速较小的气象条件下,污染浓度更容易升高。NO2在低温高湿,气压高且风速较小的气象条件下时跟容易堆积。NO2、CO、O3与6种常规气象要素均存在显著相关性。O3跟气象要素之间相关性关系正好与其他5种污染物相反(湿度除外)。通过两次重污染天气过程的后向轨迹分析,南通市大气污染物来源既有西北和偏北气流的长距离输送,也有偏西和偏南气流的区域性源。     

北京市2014年大气污染物空间分布特征分析

基于地理信息系统ArcGIS 10.2平台,采用反距离权重空间插值模型对2014年北京市35个环境质量监测点监测到的主要大气污染物:一氧化碳(CO)、二氧化氮(NO2)、臭氧(O3)、可吸入颗粒物(PM10)、细颗粒物(PM2.5)和二氧化硫(SO2)质量浓度年均值的变化规律及空间分布特性进行了分析.结果表明,在质量浓度分布上,2014年北京市CO、NO2、SO2、O3、PM10、PM2.5这6类大气污染物的质量浓度分别位于1～3 mg/m3、17.22 ～ 105.4 μg/m3、14.27～25.75 μg/m3、27～ 81μg/m3、76 ～ 179 μg/m3、67 ～ 123 μg/m3范围内.由此可知,北京市2014年大气污染物年均质量浓度除PM10和PM2.5外的其余污染物质量浓度并不高,都在轻度污染范围之内;在空间分布上,除O3质量浓度空间分布上呈现出北高南低的特征外,其余污染物均呈现南部、中部质量浓度较高,北部地区质量浓度较低的特征.     

2014-2017年除夕期间燃放烟花对南昌市空气PM2.5的影响

文章根据中国空气质量在线监测分析平台PM2.5污染物监测数据,定量评估南昌市2014-2017年除夕期间集中燃放烟花爆竹对大气PM2.5质量浓度的影响。结果表明:南昌市2015年除夕的降雨有效抑制了燃放烟花爆竹引起的对大气PM2.5浓度的增高速率。南昌市2014年、2016年和2017年除夕燃放烟花爆竹对大气PM2.5的贡献量分别为65.8、102.9、21.2μg/m~3,燃放烟花爆竹对空气中PM2.5的质量浓度增加显著。限制烟花爆竹的燃放可显著提升南昌市除夕期间的空气质量。     

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.