基于MODIS数据的郑州地区PM_(2.5)时空分布特征分析

卫星观测不仅能反映全球尺度的大气污染状况,也能从城市等区域尺度上监测大气污染物的变化.本文基于2004-2013年MODIS气溶胶标准产品,利用PM_(2.5)卫星遥感估算的统计模型,统计分析了郑州地区的PM_(2.5)质量浓度的年际及季节变化特点,有助于深入研究郑州地区细颗粒物污染水平变化.研究发现,在空间上,郑州地区PM_(2.5)高值区主要集中在郑州市市辖区、中牟县、新郑市、荥阳市以及巩义市西北等地区,低值区主要分布于登封市和巩义市南部的山地地区.在时间上,2004-2011年整个郑州地区PM_(2.5)质量浓度总体呈现逐年增长的趋势,直到2011年达到峰值(108.59μg/m3).2011年之后,该地区PM_(2.5)污染状况有所好转,但仍处于重度污染状态.季节变化方面,PM_(2.5)高值通常出现在冬季(149.28μg/m3),秋季次之,春、夏季该地区PM_(2.5)质量浓度较低(81.71μg/m3).研究结果表明,利用卫星数据可以有效地分析郑州地区的PM_(2.5)时空分布特征,为该地区的PM_(2.5)污染治理提供有力的数据和技术支撑.     

中国工业基地城市群PM2.5时空分布特征及相关性分析

为研究2014年中国四大工业基地25个主要城市的空气质量污染情况,对25个城市2014年1月~2015年2月的数据进行SPSS聚类分析,研究其整体分布情况,并应用统计学和GIS软件分析其主要城市大气颗粒物的污染分布特征,同时利用SPSS软件对大气污染物PM_(10)、SO_2、NO_2、CO、O_3和PM_(2.5)做相关性分析。结果表明:(1)25个城市PM_(2.5)年均质量浓度在32.94~100.23μg·m~(-3)之间,其中分布在40~70μg·m~(-3)之间的城市相对集中,占所有城市的68%,仅3个城市的PM_(2.5)年均质量浓度小于35μg·m~(-3);(2)PM_(2.5)季节变化特征大体表现为冬季秋季春季夏季,重度污染主要集中在12月和1月;(3)从空间分布上看,京津唐污染水平高于其他三个工业基地,珠三角污染水平最低;(4)四大工业基地城市群PM_(2.5)的浓度与PM_(10)、SO_2、NO_2、CO的浓度存在显著相关性。由于温度、气候等原因,在珠三角和长三角O3与PM_(2.5)呈正相关,而在京津唐和辽中南工业基地则呈负相关。     

珠江三角洲高质量浓度PM_(2.5)和O_3复合污染特征

利用广东省环境监测中心2013-2015年的O_3和PM_(2.5)质量浓度数据分析了珠三角的高质量浓度PM_(2.5)和O_3复合污染的主要特征,结果表明:PM_(2.5)与O_3一般不会在同一时刻产生叠加污染,但PM_(2.5)与O_3的日均质量浓度同时超过国家二级标准的现象时有发生。3年间,珠三角共出现了161个复合污染日,复合污染日数呈现出10月最多,5月最少的时间分布特征以及西部多于东部、内陆多于沿海的空间分布特点。其中肇庆的复合污染日数最多,其次是广州和佛山。造成珠三角地区PM_(2.5)和O_3复合污染事件的天气形势主要有大陆冷高压型、热带气旋型、变性高压型、副热带高压型和低压槽型,其中大陆冷高压型最多,占49.4%,其次是热带气旋型,占21.9%。     

吉安市城市空气PM_(10)与PM_(2.5)污染状况及时空分布特征

为研究吉安市城市PM_(10)及PM_(2.5)污染状况及时空分布特征,对吉安市2015年1月至2017年8月4个城市环境国家环境空气监测点的PM_(10)及PM_(2.5)监测数据进行统计分析。结果表明:吉安市城市空气质量表现出冬季PM_(10)浓度明显高于春、夏、秋季,PM_(2.5)/PM_(10)比值为0.632~0.851,PM_(10)及PM_(2.5)均呈现出W型变化规律,6:00达到最低值,11:00-12:00达到最高值;12:00-17:00浓度下降,17:00-23:00浓度再次回升,至23:00再次达到最高值。     

天津市环境空气质量时空特征分析

基于对天津市23个自动空气质量监测站点的SO_2、NO_2、PM_(10)、PM_(2.5)、CO和O_3监测数据进行分析,掌握了2014年12月1日-2015年11月30日期间各项污染物的时空分布特征,并选取主要污染物分析其时间变化特征和空间分布特征.采用Kriging方法对6项污染物进行分析,获取天津市大气污染物的空间插值分布图.研究结果表明,天津市PM_(10)质量浓度年均值为113μg/m~3,PM_(2.5)年均值为69μg/m~3,均超过二级标准;颗粒物质量浓度呈现明显的季节变化特征,PM_(2.5)浓度季均值从高到低依次为冬季(95μg/m~3)、秋季(64μg/m~3)、春季(63μg/m~3)、夏季(54μg/m~3);站点对比结果表明团泊洼站点污染最严重,而塘沽环保局优良率最高.从空间分布来看,PM_(10)、PM_(2.5)、SO_2、NO_2均表现出中部至南部区域为高值分布区域,说明天津市本地污染排放对大气环境污染的贡献为主要影响因素;而O_3和CO均表现为市区浓度较低而天津市南北区域形成高值且呈现相反分布.     

济南市气象要素对大气污染物浓度的影响

利用2014-12-01—2015-11-30期间济南市空气质量的监测数据,运用Spearman秩相关分析法研究该市大气中细颗粒物PM_(2.5)、可吸入颗粒物PM_(10)、臭氧(O_3)的浓度与气象要素之间的相关性,其中气象要素选取温度、相对湿度和风速。结果表明:PM_(2.5)、PM_(10)及O_3与气象要素有显著的相关性,PM_(2.5)、PM_(10)的浓度与相对湿度呈正相关,与温度和风速呈负相关,O_3的浓度与温度和风速呈正相关,与相对湿度呈负相关;PM_(2.5)、PM_(10)浓度的日变化特征呈双峰双谷型,O_3浓度的日变化特征呈单峰单谷型;PM_(2.5)、PM_(10)的浓度在冬季、秋季、春季较大,在夏季较小;O_3的浓度在夏季最大,在冬季、秋季、春季相对较小,O_3已成为影响济南市夏季空气质量的首要污染物。     

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。     

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.     

PM2.5及气象要素对乌鲁木齐市臭氧的影响

利用乌鲁木齐市2016年12月～2017年11月臭氧(O_3)小时浓度数据,分析了乌鲁木齐市近地面O_3浓度变化特征以及PM_(2.5)和气象要素对O_3浓度的影响。结果表明,2016年12月～2017年11月乌鲁木齐市近地面O_3浓度均值为43.74μg·m~(-3),O_3-8 h浓度第90百分位数为119.98μg·m~(-3)。O_3日变化呈"单峰型",09:00为低谷,16:00达到峰值。臭氧浓度在5～9月相对较高,季节变化从高到低依次为:夏季、春季、秋季、冬季。O_3浓度与PM_(2.5)浓度负相关,高温低湿时二者相关性较高。O_3浓度与相对湿度负相关,与气温、日照时数、风速正相关。在低PM_(2.5)、高温、低湿、长日照时数及风速大于3 m·s~(-1)的气象条件下易发生O_3污染。     

基于模糊综合评判的京津冀地区空气质量评价

选取PM_(2.5)、PM_(10)、SO_2、NO_2、O_3和CO作为评价因子,并在环境空气质量标准的基础上对评价标准扩展到五级,通过建立各污染物的隶属函数和权重集,运用模糊综合评价法对2013年京津冀地区13个城市的环境空气质量进行评价,得出各个城市的环境空气质量污染水平及其污染因子的大小排序.结果表明,该区域空气质量状况总体较差,石家庄的首要污染物为PM_(10),张家口和承德对大气污染贡献率最大的污染因子为O_3,其他城市最主要的污染物均为PM_(2.5),可吸入颗粒物仍是该区域对大气污染影响最大的因子.评价结果能够较客观地反映该地区环境空气质量优劣状况,从而为改善和治理大气污染提供理论依据.     

重庆市沙坪坝区环境空气PM_(2.5)和PM_(10)相关性分析

以重庆市沙坪坝区国控空气自动监测点为例,研究了细颗粒物(PM_(2.5))和可吸入颗粒物(PM_(10))污染现状和相关性.结果表明:颗粒物,尤其是细颗粒物(PM_(2.5)),是影响城市环境空气质量的主要污染因子,尤其是在春、冬季节易导致污染天气.大气扩散条件不佳,颗粒物质量浓度越高,细颗粒物(PM_(2.5))在可吸入颗粒物(PM_(10))中的比重也越高.细颗粒物(PM_(2.5))和可吸入颗粒物(PM_(10))具有较好的统计相关性,两者可能具有同源性,在环境空气污染中的变化规律相似,有可能遵循相同的迁移转化规律,可以进行协同治理.     

福州市空气质量变化趋势分析

利用2013—2017年福州市空气质量监测数据,计算出空气污染综合指数和污染物负荷系数,并运用秩相关系数法首次对空气质量新标准实施后增加的PM_(2.5)、O_3等主要污染物变化趋势进行定量分析。结果表明,福州市空气质量整体向好,6项污染物指标呈现"五降一升"趋势,其中PM_(10)和PM_(2.5)浓度显著下降,O_3浓度显著上升;NO_2、SO_2和CO_浓度呈下降趋势。大气十条实施以来,福州市大气污染防治工作初见成效,下一阶段应将臭氧污染防治作为大气污染防治攻坚战的重点工作。     

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.     

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.     

北京市空气污染与气象条件的关系及其预报

利用北京市2015-2017年逐日、逐小时w(PM_(2.5))、w(SO_2)和w(O_3)资料,及同期NCEP/NCAR的高分辨率全球预报系统数值预报产品,计算了相关空气污染气象参数,研究了北京市空气污染物质量浓度与气象条件的关系.采用逐步回归方法,建立了北京市空气污染物w(PM_(2.5))、w(SO_2)和w(O_3)的预报方程,并对预报结果进行了检验.结果表明,稳定能量和涡度与w(PM_(2.5))、w(SO_2)以正相关为主,与w(O_3)以负相关为主.低层平均风速和边界层厚度与w(PM_(2.5))、w(SO_2)以负相关为主,与w(O_3)以正相关为主.地面露点温度与w(PM_(2.5))、w(SO_2)和w(O_3)以正相关为主;在优选空气污染气象参数的基础上,利用逐小时空气污染物质量浓度资料和逐步回归方法,筛选了最佳预报因子,建立了北京市逐3 h的0～72 h短期精细化空气污染物质量浓度预报模型,能够拟合w(PM_(2.5))、w(SO_2)和w(O_3)随边界层气象条件的变化趋势.     

探究四川省PM_(2.5)污染的空间分布

为探究四川省21个市州PM_(2.5)污染的空间分布,有效地利用数据、减少信息损失,将各市州的地理距离与经济变量相关性相结合,构建地理-经济变动空间权重矩阵来刻画各市州之间的相互影响程度,并采用一种改进的Moran’s I指数分析四川省PM_(2.5)污染的空间分布情况,绘制Moran散点图、局部Moran’s I指数集聚图等将PM_(2.5)污染直观地呈现.结果表明:从整体看,四川省PM_(2.5)污染呈现空间正相关性,高污染地区与高污染地区聚集;从局部看,成都平原城市群、川南城市群和少部分川东北城市群的城市PM_(2.5)污染情况较严重,且呈现空间聚集状态,而在攀西城市群、3个少数民族自治州以及少部分川东北城市群的城市自身的PM_(2.5)污染较轻,但周围城市污染较为严重,呈现PM_(2.5)污染空间负相关性.     

晋安区大气污染物浓度变化分析

利用2016年1月1日~12月31日福州市晋安区五个空气质量监测站点CO、SO_2、NO_2、O_3、PM_(2.5)、PM_(10)的监测数据,分析了晋安区大气污染物的污染水平及时间分布情况。结果表明,晋安区空气质量基本处于国家一、二级标准内,首要污染物为PM10,按污染物浓度日均值分布情况分析,O_3浓度在14时前后出现峰值,其余污染物浓度日变化主峰值均出现在9时前后,次峰值出现在18时前后。     

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O_3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。PM_(2.5)、PM_(10)、SO_2、CO浓度秋冬高,春夏低,O_3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。对污染物年平均值贡献较大的是各污染物的重污染累积浓度,其中PM和SO_2影响尤其显著。SO_2、NO_2、SO_2/NO_2与湿度相关性为负,PM_(2.5)/PM_(10)与湿度相关性为正,并且与工业比重、能源结构、环境质量、机动车和人口等也存在相关性。     

武汉市大气污染特征及变化趋势

以2013—2015年武汉市大气污染物特征及变化趋势为研究对象,对大气污染物综合指数和各污染物单项指数进行分析.其主要结论是:大气污染冬季的污染状况比夏季严重,其中空气质量2013年优于2015年,2014年最差;根据各污染物单项指数,确定颗粒物(PM_(2.5))为大气污染的主要因子;PM_(2.5)、PM_(10)、SO_2、NO_2、CO的浓度冬季大于夏季,O_3的浓度夏季大于冬季;根据各污染物之间相关性及气象因素的分析,PM_(2.5)、PM_(10)、SO_2、NO_2、CO之间均成正相关关系,其中PM_(2.5)与CO的相关性为0.901(P0.01),接近1,说明CO对PM_(2.5)的形成有直接作用;污染物与气象因素的相关性分析,几种污染物与气压、降水量、气温有明显的相关性;根据聚类分析,大气污染变化趋势与季节有关,季节变化特征为夏季春秋季冬季.     

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。