2000-2018年黄河流域县域尺度PM2.5污染时空格局

近年来,与PM_2.5有关的大气污染状况和改善问题成为公众关注的焦点.基于2000-2018年黄河流域县域PM_2.5浓度数据,采用空间自相关分析和标准差椭圆法对黄河流域PM_2.5浓度的时空格局演变特征进行分析.结果表明：(1)2000-2018年黄河流域地区PM_2.5年均浓度总体上呈现波动变化,其中2000-2013年呈现波动增长趋势,平均增长率达到2.02%,2014-2018年PM_2.5浓度逐年下降,但研究期内黄河流域PM_2.5年均浓度值均高于年均限值(35μg·m^-3).(2)黄河流域PM_2.5浓度的地区差异较大,形成西南部和内蒙古中部浓度低,中东部的山西、山东和河南省浓度高的空间格局.(3)黄河流域PM_2.5污染具有显著空间正相关特征.除2000年高值聚集区分布在甘肃省中南部、内蒙古自治区西部(阿拉善盟)、宁夏回族自治区、陕西省西南部和河南省中西部外,其他年份较为稳定地分布在河南和山东...     

上海市大气环境中PM2.5/PM10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PM_2.5和PM₁₀小时数据及对应的气象因素资料,以PM_2.5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PM2.5/PM₁₀的时空分布特征. 结果表明:P_2.5和PM₁₀的季节高低为冬>春>秋>夏,PM_2.5/PM₁₀的季节分布在不同区域存在差异性. PM_2.5/PM₁₀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/PM₁₀高于下午. 颗粒物质量浓度及PM_2.5/PM₁₀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/PM₁₀均表现为背景站>浦西站>浦东站.     

基于多源数据的北京地区PM2.5暴露风险评估

基于2014-2016年的北京地区PM_2.5监测数据, 用空间插值法获得北京地区的PM_2.5空间分布, 并基于DMSP/OLS夜间灯光数据, 模拟得到北京地区的人口密度空间分布。在此基础上, 从PM_2.5浓度空间分布、PM_2.5污染的人口暴露特征、PM_2.5污染人口暴露强度以及人口加权PM_2.5浓度4个方面评估北京地区PM_2.5污染暴露风险。结果显示: 1)PM_2.5浓度呈现南高北低的空间分布特征, 人口暴露风险空间分布与人口密度空间分布呈现高度的一致性, 即人口密度高的区域,PM_2.5污染人口暴露风险也相对较高; 2) 2014, 2015, 2016年北京地区GB3095-2012二级年均浓度标准35 μg/m³的超标人口比例均为100%, 24小时平均浓度标准75 μg/m³的超标人口比例呈逐年显著下降趋势; 3) 2014-2016年北京市人口加权PM_2.5年均浓度值与PM_2.5年均值均存在差异, 差异度与城市暴露人口和污染情况密切相关; 4) 由于PM_2.5污染物浓度空间分布特征与人口密度空间分布特征不同, 北京市PM_2.5污染对总体人群的实际影响和健康危害与其平均浓度水平并不相同, 因此考虑人口密度空间分布特征的暴露风险评估比只考虑PM_2.5污染物浓度的暴露风险评估更准确。     

山东省大气环境污染时空特征及其原因分析

 利用大气例行监测数据,分析了2014年山东省大气污染进行时空特征。从空间看,淄博、济南、枣庄等是山东省大气污染最严重的城市,日照、青岛、威海等城市的污染最轻,东部沿海城市的污染程度明显轻于内陆城市;各地市SO₂的达标情况较好,超过50%,其余污染物的达标率均较低,PM_2.5甚至出现各地市均超标的现象。从时间看,污染物冬季浓度高夏季浓度低;PM₁₀和NO₂浓度在3月有小高峰;8月份,SO₂、NO₂浓度略有升高;从全年来看,NO₂污染物排放浓度变化不大。通过灰色关联法分析可知,能源消费与污染物空间分布相关性最大,风速与污染物时间分布相关性最大。     

天津WRF-Chem模式空气污染浓度预报误差时空分析

分析2019—2021年天津WRF-Chem模式日预报结果与实况对比的误差时空特征，得出以下结论：(1)模式预报结果与O₃浓度的相关性最好(0.90)，与PM₁₀(0.59)的最差；(2)模式预报结果对污染物浓度的高估现象更显著，PM₁₀、PM_2.5和O₃浓度的预报绝对误差明显高于其他3种污染物；(3)模式预报的相对误差大小排序为O₃22102.5，且夏季最高，秋冬近似，春季最小，夏秋冬三季相对误差都为PM_2.5最大，春季则为PM₁₀最大；(4)从2种主要污染物浓度预报相对误差的空间分布特征来看，PM_2.5为蓟州、中心城区、大港偏大，PM₁₀为中部地区西青、武清、塘沽、宝坻偏大；(5)经综合衡量，模式预报效果最差的是PM     

基于PCA-BP神经网络的PM2.5季节性预测方法研究

【目的】分季节预测PM_2.5浓度值,利用PCA方法对数据进行降维,分析季节及气象因素对PM_2.5的影响,在提高预测准确率的同时降低时间复杂度。【方法】以合肥市2014—2017年的PM₁₀、SO₂、CO₂、CO、O₃浓度值,以及同时段的气象因素值,对PM_2.5浓度进行预测。数据分析中发现PM_2.5在不同季节浓度差异较大,故本研究选择分季节进行预测;为了提高预测准确率,加入如风力、温度、湿度、气压等气象因素进行预测,同时采用主成分分析(PCA)的方法进行数据降维,将降维后的数据再输入BP神经网络模型进行预测。【结果】实验采用3组实验进行对比:5种污染物指标(PM_2.5-5)预测PM_2.5、加入气象因素的综合12项指标(PM_2.5-12)预测PM_2.5、对综合指标进行PCA处理后的(PM_2.5-PCA)预测PM_2.5。实验结果表明:4个季节的PM_2.5浓度值有较大变化,均方根误差(RMSE)的差值较大;采用PM_2.5-PCA的方法,在任何季节的RMSE均有降低,相关系数(r)均有所提高。【结论】PM_2.5浓度具有季节性特征,采用季节性预测方法可以提高预测准确率;同时采用PCA方法进行降维,可以在保证准确率的同时降低预测时间复杂度。     

呼和浩特市大气污染特征及气象条件影响分析

为了解呼和浩特大气污染防治效果,选取呼和浩特市2017—2022年的主要大气污染物、气象要素数据,对污染物浓度的年、月变化、浓度比值、相关性进行分析,利用后向轨迹聚类对2020年3月进行分析。分析结果表明：呼和浩特市2017—2022年空气质量为优、良的天数呈上升趋势。各污染物浓度年变化特征明显,各污染物的浓度变化趋势除O₃均呈“U”形分布。PM_2.5、PM₁₀污染是呼和浩特市大气污染主要研究对象,PM_2.5/PM₁₀的值有明显的月变化特征,5月份为全年最低值。PM_2.5和PM₁₀高度相关性,而NO₂和SO₂与PM_2.5、PM₁₀均呈现正相关性。受气象要素影响,PM_2.5和PM₁₀污染物浓度变化趋势为夏低冬高,7、8月降雨量大,有利于空气质量改善,降水可带走、稀释更多的污染物。而后向轨迹聚类分析得4条气团...     

2001—2018年非洲尼日尔河流域PM2.5质量浓度的时空变化特征

探究PM_2.5质量浓度的时空演变过程，对于明确PM_2.5治理方向和推进非洲可持续发展目标至关重要.利用全球遥感反演PM_2.5数据集，结合GIS空间分析、空间自相关、Mann-Kendall检验和重标极差分析等方法揭示2001—2018年尼日尔河流域PM_2.5质量浓度的时空变化特征及趋势.结果表明：1)2001—2018年，尼日尔河流域PM_2.5质量浓度在时间变化上呈现波动且微弱增长趋势，年增长速率为0.06μg/m³;2)尼日尔河流域PM_2.5质量浓度在空间上整体呈现东南向西北递减的空间格局，其浓度高值区与低值区表现出强烈的空间集聚性特征，高值区集中在中下游地区的尼日尔东部地区、尼日利亚北部山地及南部三角洲地区，低值区集中在尼日尔河的上游地带、流域北端阿尔及利亚区域和下游支流贝努埃河流域；3)尼日尔河流域PM_2.5质量浓度变化的时空趋势上以不显著增加趋势为普遍特征，且在时间序列上具备长程相关性.研究结果将有助于尼...     

2015—2020年成都市PM2.5的时空分布及影响因素

以2015—2020年成都市PM_2.5浓度的时空分布为研究对象,运用克里金插值法、Pearson相关系数法、主成分分析法等方法,结合降水、风速2个气象因子及GDP、第二产业生产总值比重、人口密度、城镇化率4个社会因子进行分析,从而得到成都市PM_2.5的时空分布情况及其影响因素的相关分析,为成都市的空气污染治理提供科学依据.结果表明：成都市PM_2.5浓度在空间上整体呈中间高、两边低的特征,在时间上的整体走向为先降低后升高;同时成都市PM_2.5浓度与各种气象因子、社会因子都存在相关性,但相关程度存在较大的差异.     

重庆市荣昌区冬季典型霾期大气颗粒物浓度垂直变化特征

为探究川东平行岭谷大气颗粒物质量浓度垂直变化特征,通过对四川盆地偏东部的重庆市荣昌区典型雾霾期气象条件下大气颗粒物质量浓度(PM₁,PM_2.5和PM₁₀)的垂直连续监测,分析温度、风速、相对湿度等气象条件与大气颗粒物浓度垂直分布的关系。结果表明：PM₁,PM_2.5,PM₁₀的日变化在各高度范围内均表现为夜间浓度较高。3种粒径段颗粒物的质量浓度均随高度升高而下降,0～300 m内颗粒物质量浓度最高,PM₁,PM_2.5,PM₁₀分别为39.61,193.62,338.87μg/m³。不同空气质量状况下,颗粒物浓度纵向分布不同。空气质量为良时,颗粒物随高度升高缓慢下降,600 m处PM₁,PM_2.5和PM₁₀浓度为100 m处的70.49%,69.60%,65.94%;轻度污染期间,600 m高度的颗粒物浓度比...     

基于CMAQ-ISAM模型的长三角典型城市PM2.5来源解析

大气细颗粒物(PM_2.5)是影响长三角地区空气质量的关键污染物．近年来随着各项环保举措的实施,PM_2.5的来源特征也发生了变化,为了制定切实有效的PM_2.5治理方案,考察PM_2.5的主要来源及其贡献至关重要．本研究使用CMAQ-ISAM模型,定量分析了2018年长三角内4个典型城市(上海、杭州、南京和合肥)PM_2.5的主要来源．表明了上述4个城市PM_2.5的最主要来源:冬季为长三角外的远距离传输(38.5%~52.6%);秋季为各城市的本地排放(43.0%~50.9%);在春季和夏季,本地排放是上海、杭州和合肥PM_2.5的主要来源(春季37.1%~53.3%,夏季44.1%~64.7%),而南京则是周边区域传输 (春季38.5%,夏季46.3%)．针对冬季不同时期的来源解析表明,相较于清洁时期,4个城市在污染时期来自周边区域传输的贡献占比增大,上海、杭州、南京和合肥的增大幅度分别为10.0%、1.5%、8.1%和4.9%,因此开展长三角大气污染区域联防联控具有重要意义．      

利用葵花8号卫星资料反演中国东部地区地面PM2.5浓度

为了得到中国东部地区大范围的地面PM_2.5浓度分布, 用机器学习方法建立一个模型, 用2019年葵花8号静止卫星大气顶层反射率数据和欧洲中心气象资料作为输入数据, 地面PM_2.5浓度作为输出数据。验证结果表明, 在不同时间尺度下, 该模型对中国东部地区均有较高的精度。对于小时PM_2.5的浓度反演, 该模型的十折交叉验证的相关系数为0.82, 均方根误差为20.11 μg/m³。将2019全年卫星?气象格点数据放入模型, 得到中国东部地区全年逐小时的PM_2.5格点数据, 利用该格点数据分析中国东部地区PM_2.5浓度的季节变化和空间分布, 取得良好的效果。     

PM2.5浓度湍流特征和通量获取的实验研究

利用PM_2.5质量浓度测量仪E-Sampler的1 Hz高频采样功能, 采用涡动相关法, 计算山东省德州大气环境实验站2018年12月27日至2019年1月7日多次污染事件的PM_2.5浓度脉动和湍流通量, 探讨PM_2.5浓度湍流特征。结果表明, 实验观测期间PM_2.5浓度湍流通量均值为0.026 μg/(m²·s); 不同污染过程中PM_2.5浓度湍流通量传输方向不同, 表明不同污染过程的污染源汇属性不同。随着湍流统计特征量(如湍流动能、水平风速标准差、垂直风速标准差、水平风速、动量通量和感热通量)增大, PM_2.5湍流垂直通量呈现指数型减小的趋势, 即先急剧减小, 然后随各变量的增长变化不大。随着PM_2.5浓度增大, 其湍流通量绝对值呈现增加趋势, 因此PM_2.5浓度湍流通量的大小与PM_2.5浓度和湍流强弱有关。不稳定条件下, PM_2.5浓度归一化标准差与稳定度参数ζ = z/L 遵循-1/3幂次关系, 即 σ_c/C_* = 6.7(-ζ)^-1/3; 稳定条件下, 实验结果相对离散。另外, PM_2.5浓度脉动方差谱曲线在高频段满足-2/3幂指数率, PM_2.5浓度脉动与垂直速度脉动的协方差谱曲线在高频段满足-4/3幂指数率。研究结果表明, 利用E-Sampler的PM_2.5浓度1 Hz高频采样功能可以得到连续且有效的PM_2.5浓度湍流通量。     

燃煤电厂电除尘PM_(10)和PM_(2.5)的排放控制V:以660 MW机组为例分析讨论高压电源运行优化

本文讨论优化双室四电场电除尘器(ESP)所配套的16台中荷(ZH)三相高压电源和低压振打系统实现电除尘节能和减排。在16台传统单相高压电源供电下,电除尘出口PM10和PM2.5的排放分别为63 mg/m3和23.9 mg/m3,对应的高压一次电耗为1225 k V·A。采用16台ZH三相高压电源改造后,电除尘出口PM10和PM2.5的排放分别为10~16 mg/m3和2.0~2.5 mg/m3,对应的高压一次电耗为900~1050 k V·A。在同样高电压电耗下,PM10和PM2.5分别下降了78%和92%。     

时间精度与空间信息对神经网络模型预报PM2.5浓度的影响

以北京市为例, 利用2015—2018年空气质量监测站台资料, 通过BP神经网络、LSTM网络及CNNLSTM混合模型等多种模型, 分析时间精度和空间信息对PM_2.5浓度预报的影响。结果表明, 神经网络模型的效果普遍比多元线性回归模型好; 增加输入数据的时间精度能显著地提高 PM_2.5浓度日均值预报的准确率; 当输入数据的时间精度从一天提高到6小时后, LSTM模型的平均绝对误差从27.39 μg/m³降至20.59 μg/m³, 这种效果的提升在显著变好和显著变差的天气情况下更明显; 华北地区PM_2.5浓度分布有明显的时空特征, 第一空间模态为同增同减, 第二空间模态为南北反向; 北京市PM_2.5浓度与内蒙古、河北及天津等地区前一天的PM_2.5相关。利用CNN-LSTM混合模型学习华北地区PM_2.5的时空信息, 能进一步提高北京市PM_2.5浓度的预报水平, 使得误差降低至17.36 μg/m³。     

中国大气PM2.5污染的主要成因与控制对策

 2011年底以来,PM_2.5污染成为全国人民共同关心的环境问题。本文介绍PM_2.5的基本概念与污染和简要治理历史、梳理了中国PM_2.5污染现状,提出煤炭为主的能源结构是高浓度PM_2.5的直接原因、粗放型经济发展模式是雾霾频发的主要原因、污染物的跨界传输也容易形成区域性污染等3个共性原因,同时从不同区域的排放源差异、能源结构与经济发展水平不同及地形与气象条件不同等方面分析了PM_2.5污染的个性特征。从3个方面提出中国防治PM_2.5控制战略建议：大力调整能源结构,防治PM_2.5污染;以科技为核心构建新型的PM_2.5防治体系,实现科技治污;改革体制、法律和经济等管理制度,保障科技治污综合效益。     

公园绿地及周边环境PM2.5浓度特征及影响因素

【目的】评价城市公园对降低大气PM_2.5质量浓度的作用,同时探讨环境因素对PM_2.5质量浓度的影响。【方法】以北京市北小河公园为研究对象,通过PM_2.5质量浓度监测仪测定公园绿地内、公园附近建筑室内及公园道路旁(开敞空间)的PM_2.5质量浓度,对公园及其附近建筑室内与道路旁PM_2.5浓度做差异对比分析,同时监测温湿度、风速及气压、车流量,以分析环境因素对PM_2.5质量浓度的影响。【结果】①公园及其附近建筑室内与道路旁PM_2.5浓度日变化趋势基本一致,呈现双峰单谷型,即早晚高、白天低。②无污染或轻度污染时,公园绿地PM_2.5质量浓度均低于道路旁及附近建筑室内,PM_2.5质量浓度分别降低了5.7%和6.9%,说明公园绿地对PM_2.5有一定的滞留作用; 中度污染天气条件下,公园内PM_2.5浓度同样低于道路旁与建筑室内,降幅分别为3.6%和7.3%,公园绿地对PM_2.5仍有一定的滞留作用; 重度污染质量条件下,公园内PM_2.5质量浓度略低于道路旁,降幅仅为0.3%,而比建筑室内升高了5.5%。③公园绿地PM_2.5质量浓度与温度、风速呈负相关关系,与相对湿度、气压呈正相关关系; 道路旁PM_2.5质量浓度与车流量呈正相关。【结论】在中度污染及以下环境空气质量条件下,公园绿地对PM_2.5有一定的滞留作用,说明公园绿地对PM_2.5滞留作用的发挥受一定的环境空气质量条件的制约。     

上海市某区域PM2.5及其重金属对居民健康的影响

跟踪监测上海某典型工业居民混合区夏、秋、冬三季的PM_2.5及其重金属成分的质量浓度, 分析污染物质量浓度变化趋势, 通过人体暴露健康风险评价模型对居民健康进行风险评估. 结果显示, 调查区域内居民区的PM_2.5的质量浓度与全市均值相当; 各点位PM_2.5及其重金属成分的污染水平均呈现明显的季节性特征, 其中冬季明显高于夏秋季; 重金属中铅、镉的质量浓度均未超过国家标准, 各点位的砷的质量浓度均超过国家标准1倍; 调查区域内致癌和非致癌重金属成分的健康风险处于“可接受”水平, 不会增加当地居民的健康风险.