沈阳地区相对湿度与PM2.5浓度对能见度的影响分析

通过对2014—2015年沈阳市大气细粒子质量浓度数据和气象资料进行统计处理,得到PM_(2.5)和相对湿度分别与能见度之间的相关性。结果表明:相对湿度(RH)和PM2.5浓度都对能见度呈显著负相关,相比于PM_(2.5)对大气能见度的影响,相对湿度和大气能见度的相关性较高,虽然PM_(10)对大气能见度也为负相关,但其影响极弱(R=-0.06);当RH≥80%的区间内,大气水平能见度随着相对湿度的逐渐上升而迅速降低,表明在此RH区间内,RH是影响大气能见度的主要因素;在RH80%的区间内,细粒子的质量浓度与大气能见度之间的相关性高于RH80%区间内的相关性,而且二者呈高度的幂指数对应关系。尤其是在相对湿度在70%~80%的区段内,二者的相关性明显比其他相对湿度区段强;最后当细粒子的质量浓度在小于60μg·m~(-3)的区间内,大气水平能见度随着细粒子质量浓度的降低而迅速增加,但当ρ(PM_(2.5))大于60μg·m~(-3)的区间内,细粒子的质量浓度对大气能见度改变并不显著。     

太原市大气能见度研究

针对太原市区2015年4月—2016年3月期间大气能见度、常规气象资料(温度、相对湿度、风速)、环境空气污染因子(PM_(2.5)、SO_2、NO_2)等影响因子,采用IBM SPSS Statistics 20统计分析软件,对太原市区大气能见度变化及其影响因素进行统计和相关性分析,归纳总结出了太原市区大气能见度的主要影响因素和变化规律,并提出了改善太原市区大气能见度的应对措施。     

典型生态旅游城市黔江区大气污染物分析及健康风险评估

以典型生态旅游城市黔江城区大气为研究对象,采用相关性分析、主成分分析、聚类分析和多元统计分析等方法对大气污染物进行研究,结果表明:黔江城区主要污染物随季节变化呈明显时空变化特征,PM_(10),PM_(2.5),SO_2,NO_2,O_3年平均质量浓度分别为(55±19.4),(28±12.5),(18±8.0),(28±5.8),(22±4.8)μg/m~3,均符合国家二级标准(GB3095-2012).研究期间气压、温度、风速和湿度等重要气象因子对5种大气污染物均产生显著性影响;5种大气污染物之间也存在极显著性或显著性影响.利用主成分分析和正交旋转方法,共抽取3个主成分,累计解释了总因子的38.067%,58.408%,70.148%,反映了人类生产生活活动、汽车污染源等排放.气象因子与大气环境中5种污染物之间具有聚合性,综合分为2类,其聚类距离大小为:第一类PM_(10),SO_2,NO_2小于气压,PM_(2.5)最大;第二类O_3、风速小于风向和湿度,温度最大.城区大气环境中PM_(10)和PM_(2.5)健康风险值为0.78×10~(-6)~1.64×10~(-6),0.52×10~(-6)~1.72×10~(-6),除夏季外,其余3个季节均为PM_(2.5)值大于PM_(10)值,由此表明PM_(2.5)比PM_(10)对人类的健康危害更大.     

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。     

基于主成分分析法对河南省大气主要污染物关系的研究

以2015年河南省17个城市为研究对象,借助统计产品与服务解决方案(statistical product and service solutions,SPSS)软件对数据进行计算,运用主成分分析法对大气主要污染物数据进行分析.依据计算分析结果,提取占总方差85%以上的3个因子来反映空气的污染程度:1)PM_(10)、NO_2.2)CO、O_3.3)PM_(2.5)、SO_2.第一主成分的贡献率为52.049%;第二主成分的贡献率为25.306%;第三主成分的贡献率为13.947%.相关性分析发现:SO_2、NO_2与PM_(2.5)和PM_(10)的相关性显著,表明这几种污染物具有相似的来源;CO和O_3呈现出一定的负相关性,可能由于CO和O_3均是光化学反应的重要参与物质,这也表明河南省存在一定程度的光化学污染.分析结果将有助于为环保部门大气污染物的治理工作提供参考.     

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.     

武汉市PM_(2.5)与主要大气污染物浓度间相关性分析

通过分析武汉市PM_(2.5)与SO_2、NO_2、CO、O_3浓度间的相关性,得到PM_(2.5)与SO_2、NO_2、CO间存在正相关性,与O_3间存在负相关性,并对存在这种相关性的原因进行了解释,同时对PM_(2.5)与SO_2、NO_2、CO间的上尾相关系数进行了估计。估计结果表明:SO_2、NO_2、CO、O_3浓度的急剧上升会加剧PM_(2.5)的产生,最后对武汉市治理PM_(2.5)提出了建议。     

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.     

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。     

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。     

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。     

福建省主要大气污染物分布研究

针对我国当前大气环境污染严重问题,以福建省为研究对象,对福建省2015年大气污染物中的PM2.5、PM10、SO_2、NO_2、CO和O_3之间错综复杂的关系进行综合分析,并运用多变量统计分析方法中的因子分析法,将这些复杂关系进行处理以归结为少数的主因子.结果显示,福建省目前主要的大气污染物为PM10.因子分析结果表明,原生大气污染物如PM和SO_2等自聚合成一类称为第1个主因子,主因子中的PM10和PM2.5贡献度最大;O_3之类的二次污染物构成第2个主因子.所讨论及建立的大气污染物之间的相关关系和所生成的因子模型,将有利于综合分析判断福建省主要大气污染物分布,对于未来控制和改善大气空气质量等均具有重要意义.     

西安市区大气污染物时空分布特征分析*

利用2014年10月31日～2015年11月31日西安市区13个环境空气质量监测站AQI、CO、SO_2、NO_2、O_3、PM_(2.5)和PM_(10)逐日数据,分析了西安市区各种污染物的时空分布特征,研究污染物之间的相关性及西安和周边城市的空气质量相关性。结果表明,西安市空气主要分布国家标准在二三级之间,长安区超标率最低(24.41%)。利用空间插值法分析污染物空间分布各监测点夏季空气质量均优于冬季,长安区空气质量较好,主城区污染严重,西安大气污染物呈现明显的主城区向郊区递减变化趋势。月平均气温与CO、SO_2和PM_(10)显著负相关,与O_3显著正相关;月降雨量与CO、SO_2和PM_(10)显著负相关;日照时数与O_3显著正相关。SO_2月均浓度值在监测期中达到一级标准;O_3在5～8月份月均浓度值达到最大,其他月份均达到一级标准;NO_2在11月～次年1月月均浓度为全年最高,其他月份达到一级标准;CO在1～2月份浓度达到最高值,其他月份满足一级标准;PM_(2.5)和PM_(10)在整个监测期内均未达到一级标准。西安和周边城市空气质量存在显著相关性,需要城市间协同解决大气污染问题。     

天津市近五年空气质量变化特征分析

利用天津市2013—2018年空气质量监测数据和同期气象数据,分析了天津市大气主要污染物浓度变化特征及其与气象要素之间的关系。结果表明,自2013年实施"大气十条"以来,天津市环境空气质量逐年改善效果显著,6项主要污染物中,除O_3外,PM_(2.5)、PM_(10)、SO_2、NO_2、CO_5项污染物浓度均明显下降。与京津冀13个城市平均水平相比,天津市2018年环境空气质量总体略好,但与首批实施新环境空气质量标准的74个重点城市平均水平相比仍有一定差距。降水、风速、湿度和温度等气象要素对于天津市空气质量影响显著,风速、气温、降水、日照时数与O_3正相关,与其他污染物负相关;气压与SO_2、NO_2、CO正相关,与O_3负相关性,与颗粒物无明显相关性;相对湿度与PM_(2.5)和CO正相关,与SO_2、NO_2负相关,与PM_(10)、O_3无明显相关性。     

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.     

焦作市春季大气降水化学特征及来源研究

为研究典型矿业城市焦作市春季大气降水水化学特征及来源信息,选取具有代表性的采样点5个,采集大气降水水样30个,测试大气降水中主要离子成分.研究表明,焦作市降水阳离子的浓度变化规律为NH_4~+Ca~(2+)Mg~(2+)K~+Na~+,阴离子的变化规律为SO_4~(2-)NO_3~-Cl~-F~-. NH_4~+、Ca~(2+)、Mg~(2+)、SO_4~(2-)、NO_3~-、Cl~-是降水中主要的离子占离子总量的87.08%,且降雨对其有一定的冲刷作用.降水中Ca~(2+)、NH_4~+、SO_4~(2-)、NO_3~-贡献比率变化表明随着降雨时间的持续NO_3~-酸化的作用逐渐增强,Ca~(2+)的中和作用也逐渐增强.相关性分析表明典型碱性阳离子Ca~(2+)、NH_4~+、Mg~(2+)和典型致酸阴离子SO_4~(2-)、NO_3~-的相关性显著.在降水过程中发生酸性物质与碱性物质间的中和反应,硝酸盐和硫酸盐是降水中主要的致酸物质,NH_4~+、Ca~(2+)作为主要的阳离子,对降水中的酸性物质有着较强的中和能力.富集因子表明Ca~(2+)、Mg~(2+)、K~+绝大部分来自地壳源,Cl~-的42.6%来自海洋源,57%来自人为源;SO_4~(2-)和NO_3~-来自人为源的输入.     

福州市大气PM_(2.5)中水溶性无机离子污染特征研究

为研究福州市大气PM_(2.5)中水溶性无机离子组成与污染特征,于2015-2016年分四个季节对8个点位进行PM_(2.5)样品采集,分析了PM_(2.5)的质量浓度和9种水溶性无机离子SO_4~(2-)、NO_3~-、F~-、Cl~-、NH_4~+、K~+、Na~+、Ca~(2+)、Mg~(2+)成分。分析表明,研究期间福州市大气PM_(2.5)浓度的日均值为35.1μg/m~3,呈现春、冬季节高,夏、秋季节低的特征;水溶性无机离子浓度总和占PM_(2.5)浓度的47.1%,其中SO_4~(2-)、NO_3~-、NH_4~+的浓度Cl~-、Na~+、K~+、Ca~(2+)的浓度Mg~(2+)、F~-的浓度。离子平衡分析显示,阴离子相对亏损。二次离子(SO_4~(2-)、NO_3~-、NH_4~+,简称SNA)占水溶性无机离子浓度总和的81%以上,相关性分析表明,NH_4~+主要以(NH_4)_2SO_4和NH_4NO_3的形式存在。各季的NO_3~-/SO_4~(2-)比值均小于1,呈现冬季高、夏季低的特点,表明固定源排放是福州PM_(2.5)的主要影响因素。对非海盐离子贡献的分析表明,海盐源对PM_(2.5)的影响较小,人为活动是主要来源。     

2018年春节期间燃放烟花爆竹对福州市晋安区大气污染物浓度的影响

利用2018年春节期间晋安区五个空气自动监测站点PM_(10)、PM_(2.5)、CO、NO_2、SO_2、O_3的监测数据,分析了春节期间燃放烟花爆竹对晋安区大气污染物浓度的影响,重点讨论了除夕、初一两日大气污染物浓度的小时变化特征。结果表明,晋安区春节期间首要污染物主要为颗粒物。烟花爆竹对PM_(10)、PM_(2.5)、SO_2、NO_2浓度有直接影响,对PM_(10)和PM_(2.5)浓度的影响尤其突出,对CO、O_3浓度无显著影响。     

基于修正A值法评估率水流域大气环境容量及其敏感性分析

修正A值法是大气环境容量评估的主要方法之一,主要基于经验性公式,参数取值主观性较大,已有研究并未能系统分析参数取值对基于修正A值法的大气环境容量核算结果的影响.本文基于修正A值法评估率水流域的大气环境容量,并对修正A值法的主要参数(降水量、大气稳定度、风速和干沉积速率)在±30%范围内进行调整,系统分析主要大气污染物(SO_2、NO_2、PM_(10)和PM_(2.5))的环境容量对各参数变化的敏感性.研究结果表明:(1)在现阶段条件下,率水流域内SO_2、NO_2、PM_(10)和PM_(2.5)的允许排放量分别为11.8×10~4 t/a、5.0×10~4 t/a、10.1×10~4 t/a和2.2×10~4 t/a;(2)4种主要污染物的大气环境容量敏感性分析结果一致,风速对环境容量的影响最大,各污染物的环境容量变化范围为-50%～70%;大气稳定度的影响次之,各污染物的环境容量变化范围为-1%～20%;干沉积速率和降水量的影响甚微,大气环境容量变化范围分别为±2%和±0.1%.     

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.