滇东地区城市空气污染变化特征及其与气象条件的关系

基于滇东城市曲靖2014-2018年2个国控空气质量监测点的逐日空气质量指数和6种空气污染物(SO_2、NO_2、PM_(10)、PM_(2.5)、CO和O_3)逐小时浓度资料以及同期气象要素数据,统计分析了曲靖主城区空气污染变化特征及气象因子对污染物浓度分布的影响.结果表明:①2014至2018年,曲靖主城区空气质量优良率为97%-99.7%,污染日数呈逐年减少趋势,首要污染物以PM_(10)、PM_(2.5)和O_3为主.②曲靖主城区空气质量呈现出夏秋季节较好、冬春季节较差的季节性特征.③6种污染物浓度各自表现出不同的季节性变化和日变化特征.气象条件影响着曲靖主城区污染物的扩散、迁移和转变.④风速与SO_2、NO_2、CO和PM_(2.5)浓度具有较好的负相关关系;与O_3浓度呈正相关关系;风速对PM_(10)影响较复杂,当风速小于2 m/s时有利于PM_(10)扩散,当风速超过2 m/s时反而导致PM_(10)浓度增加.⑤地面盛行西北风和东南风时,SO_2、NO_2、CO、PM_(10)和PM_(2.5)浓度较高;地面盛行西南风时,O_3浓度达到最高值.⑥降水对6种污染物具有显著冲刷清洁作用.⑦温度与O_3浓度呈显著性正相关关系,与NO_2、CO、PM_(10)和PM_(2.5)浓度呈显著性负相关关系;与SO_2浓度关系不显著.⑧相对湿度与O_3、PM_(10)和PM_(2.5) 3种首要污染物浓度呈显著性负相关关系;与SO_2、NO_2和CO 3种非首要污染物浓度的关系不显著.     

石家庄市采暖期空气质量特征及其与气象条件的关系

为确定石家庄市采暖期易引发大气污染的气象条件,通过对石家庄市2016—2018年采暖期的空气质量逐日监测数据,以及同期气象观测资料进行研究,分析了石家庄市采暖期的空气质量变化特征,探讨了影响环境数据变化的主要气象要素,筛选并确定了PM_(10)、PM_(2.5)、AQI的污染气象指标。结果表明:石家庄市采暖期内所有天数均为非一级天,其中污染日较多,占69.58%,以PM_(2.5)为首要污染物的天数最多,其次是PM_(10);PM_(10)、PM_(2.5)、SO_2、NO_2、CO浓度与气温、变压、风速和混合层高度负相关,与相对湿度正相关(SO_2除外),O_3与气象要素的相关性和上述五种污染物相反;气象要素对大气环境影响的排序为:相对湿度风速混合层高度水汽压变压气温;确定的三种污染气象指标准确率分别是70.37%、70.37%、72.97%。     

章丘区空气污染特征及气象因素相关分析

利用济南市章丘区2016年3月至2017年2月空气污染指数(AQI)和6种污染物(PM_(10)、PM_(2.5)、NO_2、SO_2、CO、O_3)数据,结合章丘区气象因子(温度、湿度、风速),运用统计分析、相关分析等方法,对该地区污染特征变化及与气象因子的相关性进行了研究.结果表明:章丘区主要污染物有PM_(10)、PM_(2.5)、O_3三项,分别占全年总天数的46%、44%、10%;章丘区全年空气质量较好的时间段集中在夏秋季节,冬春季节空气质量较差,但O_3变化趋势与总体趋势相反;全年温度变化成抛物线状,相对湿度变化不大,春旱现象明显,全年风速起伏变化较小,冬季风速较小;AQI与温度相关系数为-0.329,P0.01,具有显著的负相关性;AQI与湿度相关系数为0.150,P0.01,具有比较显著的正相关性;AQI与风速相关系数为-0.051,P0.01,相关性不显著.     

太原市近5年环境空气污染物浓度变化与趋势分析

采用综合污染指数法、污染负荷系数法、Daniel趋势检验、Spearman秩相关系数法并结合空气质量指数(AQI)数据,探讨了近5a来太原市环境空气污染物浓度变化,结果表明,2015—2019年,太原市SO_2的超标天数和污染物浓度均逐年下降(超标天数由50d下降至0d,污染物浓度由77.55μg·m~(-3)下降至29.52μg·m~(-3));而NO_2的超标天数和污染物浓度均逐年上升(超标天数由2d上升至40d,污染物浓度由43.11μg·m~(-3)升至59.81μg·m~(-3)),变化趋势显著;PM_(10)和PM_(2.5)的变化表现出一定的波动,变化趋势不显著;空气综合污染指数呈现先升高后降低的趋势,环境空气污染在冬季较为严重.可吸入颗粒物(PM_(10)和PM_(2.5))历年的负荷系数均显著高于SO_2和NO_2,空气污染物以可吸入颗粒物为主.从各年AQI累积的数值之和来看,空气污染有逐渐加重的趋势.     

重庆涪陵大气污染物特征及其与气象要素的关系

利用重庆涪陵2010—2014年空气质量监测数据和同期的气象资料,分析了涪陵地区大气污染物的变化情况与气象要素的相关关系.结果表明:涪陵从2010到2014年空气质量有变好趋势,迎宾大道和兴华中路的空气质量总体较好,AQI指数优良天数分别占87%和85.6%,PM_(10)为涪陵首要污染物.PM_(10),SO_2质量浓度具有周期性变化特征,从1月至12月为先降低后升高的趋势,每年较冷的12月、1月、2月PM_(10)质量浓度值较高,较热的月份质量浓度值较低.NO_2质量浓度年际间变化幅度较小.PM_(10)与气温、降水量、相对湿度、平均风速具有负相关性,与气压具有正相关,即气温越高、降雨量越大、气压越低、风速越大,PM_(10)质量浓度越低.SO_2,NO_2与气温、气压、降水量均为负相关,与相对湿度正相关.不同月份大气污染物与气象要素的相关性存在较大差异.     

河南省不同地域空气质量特征及其与气象要素的关系研究

基于2014—2016年逐小时安阳、郑州和南阳市空气质量六要素质量浓度及常规地面气象资料,分析了空气质量总体特征及气象要素对主要污染物浓度的影响,结果表明:2014—2016年,河南省空气质量南部好于中、北部,主要表现为南阳的优良天数最多,安阳、郑州的较少.2014—2016年河南省空气质量逐年提高,安阳、郑州和南阳市平均优良天数分别为153、165、178 d,呈逐步增多趋势.河南省夏季污染类型正由煤烟型向油烟型转变,冬季仍以煤烟型为主.夏季空气污染物中PM_(2.5)、PM_(10)污染水平逐年下降,O_38 h污染水平急剧上升,而冬季主要以PM_(2.5)和PM_(10)为主.O_3与气温和风速呈正相关,与气压、降水量和相对湿度呈负相关,相关系数最高的为气温,最低为风速.而PM_(2.5)和PM_(10)与气象要素的相关性与O_3相反.3个城市O_3重污染条件下基本都是以SE风向为主,而PM_(2.5)和PM_(10)重污染条件下多以偏N风和E风向为主.     

海口市空气质量的特征及其与气象条件的关系

根据海口市2013—2014年空气污染物的监测数据及气象资料,研究了该市的空气质量特征及其与气象要素的关系.结果表明:海口市空气质量优良率为95%;PM_(2.5),PM_(10),O_3是该市的主要污染物,年均质量浓度分别为25.29μg·m~(-3),44.48μg·m~(-3),77.15μg·m~(-3);该市的空气质量随季节变化的特征明显,春、夏、秋、冬四季的AQI值分别为42,35,54,65;污染物的"周末效应"与北京、深圳等国内其他城市不同,表现为:周末浓度大于工作日浓度;旅游黄金周期间污染物均有不同程度增加;污染物日变化特征明显;SO_2,PM_(2.5)表现出一定的区域污染特征;NO_2,PM_(10),CO和O_3表现出一定的局部污染特征;降水、风速、风向、温度、湿度对空气质量的影响显著,在多数情况下AQI与降水、风速、温度、湿度等存在负相关,而与气压存在正相关;对典型污染过程的分析表明:PM_(2.5)受扩散条件、本地排放及外地输送共同影响,O_3浓度与蒸发量、相对湿度及风速等指标有明显关系.     

南京市一次大气污染事件时空演化特征及影响因素

利用数理统计和后向轨迹方法,分析江苏省南京市2015年全年空气质量指数(AQI)及1月21—27日各污染指标数据,探讨南京市大气污染时空分布特征及影响因素.研究发现:2015年南京市AQI达到污染程度的天数在瑞金路、迈皋桥最多,在玄武湖最少;AQI值在秋、冬季较高,春、夏季较低,推测南京市AQI主要受不同功能区污染排放和不同季节天气变化控制.在1月21—27日大气污染事件中, AQI在仙林大学城最高,为211.094;玄武湖最低,为168.881. PM_(10)平均浓度在奥体中心最大,为229.472,玄武湖最小,为179.932. PM_(2.5)的空间分布情况与PM_(10)类似, SO_2, NO_2和O_3浓度空间差别不大.在此期间, AQI总体呈波动上升趋势, 21日、24日、26日出现3次高峰, 25日和27日下降. PM_(10)、PM_(2.5)、NO_2浓度变化趋势与AQI呈正相关关系, O_3与AQI呈负相关关系.因此,南京市大气污染在空间上具有明显区域特征,在时间上具有累加特征,同时还受周末效应和天气作用影响;主要污染物为汽车尾气、燃煤燃气和工业废气.气团后向轨迹显示,大气污染源主要来自局地和西北地区, 25日气团方向改变,导致污染物浓度下降,推测南京市大气污染受气团带来的外地污染物及天气变化的综合影响.     

重庆市大气污染物分布特征及影响因素分析

基于重庆市2014—2018年的六大气体污染源PM_(2.5)、PM_(10)、SO_2、CO、NO_2、O_3的月均浓度数据以及AQI(空气质量指数),对污染物的月度变化、季度变化、年度变化特征进行了描述性的分析,再根据收集的7个变量数据,运用多元回归分析,建立AQI与六大污染物之间的回归方程,运用分位数回归,对主要污染源在各个分位点上的变化进行分析。     

信阳城区气温和降水量与主要污染物之间关系分析

以2014—2017年信阳城区逐日气象要素(最高气温、最低气温、均温和降水量)和环境空气自动监测系统逐日数据(SO_2,NO_2,PM_(10),PM_(2.5),CO,O_3污染物浓度和AQI)为研究对象,采用统计分析和Pearson相关系数法,分析气温和降水量与主要污染物之间关系.结果表明:(1)2014—2017年信阳城区空气质量以优良为主,重度、严重污染的日数较少.(2)日气温(最低、平均和最高)和日降水量与主要污染物SO_2,NO_2,PM_(10),PM_(2.5),CO浓度和AQI呈显著的负相关,与O_3呈显著的正相关,说明气温愈高、降水量愈多,空气质量愈好,即夏季空气质量优于冬季.通过统计2014—2017年逐日空气质量,四季空气质量从夏季、秋季、春季和冬季依次由好转差.(3)相较于非雨日,雨日主要污染物浓度明显降低;降水过程中或者降水之后,大气主要污染物浓度显著下降,共同说明降水量对主要污染物具有显著淋洗作用,尤其是颗粒物PM_(10)和PM_(2.5).     

近两年武汉市环境空气质量时空分布特征及污染源解析

运用主成分分析和聚类分析法,对2016—2017年武汉市环境空气10个国控点10个市控点的6个空气质量指标数据进行分析,揭示武汉市环境空气质量时空分布差异性,辨识主要污染因子,解析污染成因.结果表明:2016—2017年,武汉市空气质量有变好的趋势,主要是因为PM_(2.5)和PM_(10)同期月均浓度下降; SO_2、NO_2、PM_(10)、PM_(2.5)浓度排序依次为:冬春秋夏; CO浓度排序依次为:冬秋春夏; O_3浓度排序依次为:夏秋春冬;武汉市监测点位空气质量从好到坏的顺序为:远郊区中心城区工业园(区)或经济开发区;春季的主要污染物因子为NO_2、CO、O_3、PM_(10),夏季的主要污染物因子为NO_2、SO_2、PM_(2.5),秋季的主要污染物因子为NO_2、PM_(2.5)、CO、O_3、PM_(10),冬季的主要污染物因子为NO_2、CO、O_3、PM_(2.5)、PM_(10);近两年,机动车尾气、工业废气排放以及建筑扬尘构成武汉市空气污染的主要来源,秸秆燃烧对空气质量的影响逐渐减小.     

昆明市MODIS AOD与大气污染物浓度在气象因子影响下的相关性分析

利用昆明市2018年MODIS L1B数据通过暗像元法反演大气气溶胶光学厚度,分别与空气污染指数AQI、PM_(2.5)、PM_(10)、SO_2、NO_2、CO和O_3进行相关性分析。分析发现,AOD与AQI、PM_(2.5)、PM_(10)、CO、O_3的质量浓度有显著相关性,相关系数分别为0.502、0.411、0.512、-0.401、0.559,均满足0.05置信度要求,与SO_2、NO_2的相关仅为-0.084和-0.168,相关性程度较低;在进行垂直湿度修订后AOD与AQI、PM_(2.5)、PM_(10)、O_3的相关性有了显著的提升,但与SO_2、NO_2、CO并未得到提升;基于垂直湿度订正后的AOD分别与AQI、PM_(2.5)、PM_(10)、O_3建立最优拟合模型,并利用反演计算的AQI、PM_(2.5)、PM_(10)、O_3值与实测值进行拟合分析,其拟合优度R均大于0.700;引入湿度、风速、能见度、气温和气压等气象因素进行多元回归分析,结果显示,与最优拟合模型相比拟合优度分别提升11.76%、13.57%、12.02%及2.89%,说明利用MODIS L1B数据反演的AOD在经过垂直湿度订正并考虑气象因素的情况下,可以作为AQI指数估算及大气污染物质量浓度监测或者是地面辅助监测的一种手段。     

四川盆地城市群6种大气污染物的时空分布

利用四川盆地18个城市2015-2016年6种大气污染物质量浓度资料,采用了集中期、集中度和变异系数等统计学方法,对该地区大气污染的时空分布特征进行了分析,将四川盆地划分为3个区进行对比研究.结果表明,四川盆地18个城市中,大气污染最严重的是自贡市,年均空气质量指数为100,污染天数占总天数的37.6%;污染最轻的是广元市,年均空气质量指数为57,污染天数占总天数的4.5%.四川盆地3个区域按照污染物质量浓度高低以及出现污染天数的长短排序均为:川南经济区成都平原经济区川东北经济区.研究时间段内,18个城市PM_(2.5)年均质量浓度达标的只有广元市;PM_(10)年均质量浓度达标的只有广元市和巴中市;SO_2年均质量浓度18个城市均达标;NO_2年均质量浓度除成都市和重庆市外,其他16个城市均达标;所有城市的CO和O_3日质量浓度均达标.近36年来,颗粒物和SO_2质量浓度呈现不同程度降低,表明国家对大气污染物排放的管控措施对颗粒物和SO_2污染改善明显.污染物PM_(2.5)、PM_(10)、CO、NO_2和SO_2质量浓度的季节变化为冬季高,夏季低;O_3质量浓度季节变化则为冬季低,夏季高.PM_(2.5)、PM_(10)和O_3质量浓度高的时段相对于SO_2、NO_2和CO来说更为集中,PM_(2.5)、PM_(10)、SO_2、NO_2和CO高质量浓度时段主要集中在1月左右,O_3高质量浓度时段主要集中在6月左右.不同城市间SO_2和NO_2质量浓度差异明显,其他污染物质量浓度分布则较为均匀.     

福州市城区不同粒径颗粒物污染特征

利用福州市国控监测站点2013年4月-2017年3月PM_(2.5)和PM_(10)质量浓度监测数据,对福州市不同粒径颗粒物污染特征进行研究.结果表明:时间变化方面,福州市空气质量整体较好,PM_(2.5)和PM_(10)浓度呈逐年下降趋势;PM_(2.5)、PM_(10)、PM_(2.5)/PM_(10)时间变化规律具有一致性:呈现冬季>春季>秋季>夏季的季节性特征;春季、夏季和秋季工作日浓度均高于周末的浓度,存在周末效应,冬季周末浓度则显著高于工作日浓度;日变化呈明显的双峰型变化趋势.空间变化方面,PM_(2.5)和PM_(10)浓度变化表现为工业区>市区>清洁区,清洁区PM_(2.5)/PM_(10)比值最高,其次是市区、工业区.相关分析结果表明:PM_(10)和PM_(2.5)存在显著相关性,且相关性明显受季节影响,夏季相关性最高.城市颗粒物与气态污染物(SO_2、NO_2)复合性较强.     

黔东南州城市环境空气质量季节性变化特征

以2018年黔东南州16个县(市)城市空气自动监测数据为基础,分析城市环境空气污染物浓度变化趋势、污染物之间相关性以及城市环境空气综合指数,研究黔东南州城市环境空气质量季节性变化特征。结果显示:黔东南州城市环境空气中除CO浓度水平具有不明显的季节特征外,其余SO_2、NO_2、O_3、PM_(10)和PM_(2.5)浓度水平具有明显的季节特征,其中,SO_2浓度高值出现在秋季和冬季;NO_2浓度高值出现在冬季和春季;O_3浓度高值出现在冬季和春季;PM_(10)和PM_(2.5)浓度高值出现在冬季和春季。在0.01的置信水平下,PM_(10)和PM_(2.5)的Pearson相关系数达到0.962,具有极强的正相关,初步判断PM_(10)和PM_(2.5)是影响黔东南州城市环境空气质量季节性变化的主要污染物。从全年空气质量变化趋势来看,黔东南州城市环境空气质量从好到差依次为夏季、秋季、春季、冬季,PM_(10)和PM_(2.5)浓度的高低直接影响城市空气质量综合指数的变化。     

乌鲁木齐市PM_(2.5)及其影响因素关系的研究——基于VAR模型的脉冲响应和方差分析

通过对乌鲁木齐市从2015年1月1号到2016年12月31号每天的PM_(2.5)、PM_(10),以及SO_2、CO NO、NO_2、O_3污染物浓度等数据的整理和分析,进一步设立向量自回归(VAR)模型,对时间序列PM_(2.5)与其它空气污染物之间的关系探索使用格兰杰因果关系检验、脉冲响应函数方法和方差分解的方法分析,建立了它们之间的自回归模型关系,探讨了其他空气污染物对PM_(2.5)的影响。结果表明:乌鲁木齐市PM_(2.5)与其它空气污染物所构成的空气质量系统是稳定的,PM_(10)SO_2、CO、PM_(2.5)、NO_2、O_3浓度值的增加会引起PM2.5浓度值持续较长时间的增加,其中SO_2对影响作用最大;O_3浓度值的增加则会使PM_(2.5)浓度值降低。     

日照市空气质量变化特征及其与气象条件的关系

根据日照市2015年3月至2016年2月的空气质量日报数据以及同期气象数据,研究了该市空气质量特征及其与气象条件的关系.结果表明:日照市空气质量以II级良为主,占全年总天数的58%.PM2.5、O3和PM10为该市主要污染物;空气质量具有明显的季节特征,冬季空气质量最差,AQI的平均值为132.8,并且中度污染、重度污染和严重污染在冬季多次出现,夏季空气质量最好,AQI值为78.4;降水、风速、湿度和温度对于空气质量影响显著,大部分情况下,AQI指数与降水、风速、湿度呈负相关,与气压、气温存在正相关关系.     

龙岩市中心城区大气污染特征与相关性研究

为了解龙岩市中心城区大气环境质量现状,利用2016—2019年龙岩市中心城区6种大气污染物监测数据进行统计分析,结果表明,2016—2019年,龙岩市中心城区SO_2、CO和NO_2三种污染物质量浓度年际变化平稳。O_3的质量浓度年际变化呈明显上升趋势。PM_(10)和PM_(2.5)质量浓度于2016—2018年呈上升趋势,2019年则下降。龙岩市中心城区SO_2、NO_2、PM_(10)、PM_(2.5)和CO的空气质量分指数(IAQI)具有冬季最高、夏季最低的特征,O_3的IAQI则是秋春季高,冬季最低。PM_(10)、PM__(2.5)、NO_2和CO日间浓度变化呈现双峰特征,O_3和SO_2日间浓度变化呈单峰分布特征。通过对一次臭氧超标事件的模拟表明,外来输入和本地的臭氧污染物的集聚是臭氧超标的原因。分析各种污染物间的关系表明,SO_2、NO_2、PM_(10)、PM_(2.5)和CO浓度之间呈显著的两两正相关。O_3与CO、SO_2、NO_2呈显著负相关,与PM_(10)、PM_(2.5)呈正相关。     

河北廊坊重污染天气特征及气象条件影响研究

利用2013—2016年廊坊市环境监测数据以及同期相关气象资料,采用数理统计等方法,研究重污染天气特征及影响的气象条件.结果发现:空气质量达标天数呈逐年上升趋势,而重污染天数逐年下降;重污染天气主要出现在1—3月、10—12月;重污染天气首要污染物只有PM_(10)、PM_(2.5)、O_3与PM_(10),PM_(2.5)4种情况.重污染天气日气象要素特征明显:主导风向主要位于风玫瑰图的第一、第三、第四象限,风速基本上小于1.6 m/s;相对湿度多在50%以上;年均能见度小于10 km;1—3月、10—12月主要污染月逆温层厚度更厚,强度更强,逆温出现频率也更高;静稳天气指数除了4、5、7月小于10以外,其余月均大于等于10;3—6月混合层高度在1000 m以上,其余月小于1000 m;重污染日霾、雾、轻雾、露、霜、结冰6种天气发生的频率较高.     

郑州市城区PM2.5和PM10变化特征及其与气象要素关系研究

利用2018年1月、4月、7月、10月郑州市城区8个监测站点的PM_(2.5)和PM_(10)浓度数据与气象数据,对郑州市城区PM_(2.5)和PM_(10)的时相变化特征及气象要素对其产生的影响进行研究.结果表明:郑州市城区在1月份的PM_(2.5)浓度最高(118.1μg·m~(-3)),污染严重,4月份PM_(10)浓度最高(169.4μg·m~(-3)).通过分析PM_(2.5)和PM_(10)的比值(PM_(2.5)/PM_(10))发现, PM_(2.5)是郑州市城区主要的大气污染物.PM_(2.5)和PM_(10)与气象要素之间的相关分析表明,PM_(2.5)和PM_(10)与气温和露点温度均呈显著负相关(P0.01),PM_(10)与降水呈显著负相关(P0.05),PM_(2.5)与气温之间的相关性(r=-0.441,P0.01)高于PM_(10)和气温的相关性(r=-0.311,P0.01).另外,当风速在2～3 m·s~(-1)时,PM_(10)最低;而风速大于4 m·s~(-1)时,颗粒物浓度增加明显,且对于PM_(10)的增加作用更显著.露点温度与颗粒物浓度之间也存在一定关系,当露点温度大于0℃时,颗粒物浓度会随露点温度的增加而降低.2018年郑州市PM_(2.5)与PM_(10)昼夜变化呈双峰型特征;风速与温度的双重作用导致PM_(2.5)浓度先于PM_(10)达到最高值,而空气湿度和露点温度则是造成04:00时颗粒物较低的主要原因.另外,通过多元回归分析发现,各月份昼夜时段颗粒物浓度主要受温度和相对湿度影响;在各时段中,温度与颗粒物浓度关系最为密切,风速次之,湿度最弱,各气象要素对PM_(2.5)浓度的影响较PM_(10)浓度更大.