模糊时序与支持向量机建模相结合的PM2.5质量浓度预测

为解决进行PM2.5质量浓度预测中多因素回归模型的不稳定、神经网络模型的过拟合及局部最小等问题,提出应用支持向量机和模糊粒化时间序列相结合的方法,对PM2.5质量浓度未来变化趋势和范围进行预测.根据PM2.5不同季节的日变化周期模式,确定以24 h为周期的粒化窗宽,利用三角型隶属函数对数据样本进行特征提取作为支持向量机的输入,并在k重交叉验证法下采用网格划分寻找出模型的最佳参数.以2013年3月—2014年2月北京市海淀区万柳监测点四个季节PM2.5的1 h质量浓度监测值为样本数据,应用该方法建立PM2.5质量浓度的时间序列预测模型,并在MATLAB平台下应用LIBSVM工具实现计算过程.结果表明,基于模糊粒化时间序列的预测模型,能较好解决PM2.5机理性建模方式下由于影响因素考虑不全而造成的预测结果不稳定,对模糊粒子拟合效果较好.     

银川市大气细颗粒物(PM_(2.5))污染现状及影响因素分析

依据2013年银川市城市环境空气质量大气细颗粒物(PM2.5)的监测数据,对银川市环境空气中PM2.5的污染现状、变化趋势及与气象因子关联性进行了系统分析.结果表明,银川市PM2.5的质量浓度变化呈现明显的采暖季和非采暖季2种典型的季节性特征,非采暖季PM2.5的质量浓度与气压呈显著的正相关,与气温、能见度呈显著的负相关,采暖季PM2.5的质量浓度与风向、相对湿度呈显著的正相关,与风速、气温、能见度呈显著的负相关.     

天津蓟县夏季PM_(2.5)污染特征及影响因素

为探究天津蓟县大气细颗粒物(PM2.5)污染特征及气象因素对它的影响,搜集了2013年蓟县PM2.5质量浓度变化资料,对PM2.5污染情况进行了详细分析;并针对夏季典型天气,对PM2.5质量浓度进行监测,结合同步气象数据,运用线性回归及相关性分析方法研究PM2.5质量浓度与气象因素关系.结果表明:蓟县PM2.5质量浓度呈现明显冬高夏低特征,夏季污染超标率达45%,其日变化呈明显双峰型;PM2.5质量浓度受温度、相对湿度、风速、风向、降雨影响显著,与气压无显著关系,能见度随PM2.5质量浓度增大呈现e指数衰减规律.研究结果可为当前的京津冀区域大气污染协同防控提供一定的科学参考.     

粤东三市PM2.5和PM10质量浓度分布特征

采用在线监测方法于2009年7月8日至22日在广东省汕头、潮州、揭阳三市各选择1个有代表性的空气质量监测点同步进行PM2.5和PM10监测。监测结果表明,粤东三市PM2.5和PM10质量浓度低于部分沿海城市;PM10与PM2.5的质量浓度日变化呈双峰分布,分别处在上午(6:00至10:00)以及下午(18:00至22:00)两个时间段;PM10与PM2.5日平均浓度变化呈周期性波动,周期约为3～4 d;对于粤东三市区域,PM2.5/PM10为0.5215,说明PM10中细颗粒物含量大于粗颗粒物含量。     

宝鸡市区空气中PM_(10)、PM_(2.5)污染状况研究

目的研究宝鸡市城区采暖期和非采暖期PM10、PM2.5的质量浓度变化以及比例关系,为宝鸡的雾霾治理提供技术支撑。方法在宝鸡市环境监测中心站院子设点对PM10、PM2.5分别进行采暖期和非采暖期2个时段对比监测,结合气象条件进行分析,总结规律。结果在一般气象条件下PM2.5、PM10质量浓度采暖期高于非采暖期,昼间大于夜间,但细粒子在大气中漂浮时间长,昼夜变化幅度小于可吸入颗粒物。两种颗粒物浓度受气象条件影响较大,阴天浓度明显大于晴天。结论总结了不同时段PM10、PM2.5质量浓度和二者比例关系,为以后的研究和环境管理提供参考。     

长沙市PM2.5浓度时空分布特征及影响因子分析

为分析长沙市PM2.5浓度时间变化特征、空间分布特征及其影响因子,利用数据统计分析、克里金空间插值技术、地理探测器等方法与Arc GIS平台表达,选取长沙市中心城区10个监测点2013—2019年PM2.5日变化数据.结果显示:在PM2.5浓度时间变化特征方面,不同季节中,PM2.5浓度表现出冬季>秋季>春季>夏季的季节特征,不同时段中,各季节PM2.5浓度日均小时变化曲线均大致呈双峰形态;在PM2.5浓度空间变化特征方面,PM2.5浓度的高值区主要分布在中部芙蓉区,整体呈城区向郊区逐渐递减的变化规律.根据地理探测器研究结果发现,2017年长沙主城区PM2.5浓度主要受气温、降雨和风速因子影响,其次是道路、相对湿度、气压和人口密度,高程、植被和餐饮因子影响较小;且任意两个影响因子共同作用均会对PM2.5浓度影响增强.     

昆明市PM_(2.5)浓度时空变化特征及其与气象条件的关系

针对高原山地城市PM2.5的污染及防治问题,利用2014年4月—2015年3月昆明市主城区PM2.5小时浓度平均值及对应的气象参数连续观测资料,采用普通克里格插值法、非参数分析法对昆明市主城区PM2.5浓度时空特征及其与气象因素的影响进行了研究分析.研究结果表明:昆明市主城区PM2.5浓度季节高低为春季冬季秋季夏季.PM2.5日变化趋势呈双峰单谷型,上午PM2.5浓度高于下午浓度,这种变化趋势与人们出行高峰和当天气象条件有关.普通克里格插值法得到昆明市PM2.5高浓度主要分布在主城区西北至东南一带,五华区、盘龙区浓度高于西山区、呈贡区.通过Spearman秩相关分析得出日均温度、气压、风速气象因子对环境PM2.5浓度的季节分布具有显著影响.     

基于卫星遥感和气象数据的2015年徐州市PM2.5时空特征

在2015年徐州市7个地面观测站PM2.5质量浓度监测数据的基础上,结合MOD04_3K AOD产品和地面气象数据,构建了基于物理机理修正的近地面PM2.5多元回归反演模型。利用实测和遥感反演数据共同分析了徐州市PM2.5质量浓度时空变化特征。分析结果表明,在徐州中心城区PM2.5质量浓度的日变化特征表现为PM2.5浓度白天降低,夜间升高的趋势。春秋两季的峰值出现在8:00—9:00,夏季峰值出现在6:00—7:00之间,冬季峰值出现在10:00—11:00之间。PM2.5浓度的季节变化特征为冬季>春季>秋季>夏季。PM2.5浓度的空间分布格局为：徐州市区及铜山中心区、新沂市及新沂与邳州边界为PM2.5高浓度的主要区域,与徐州的城镇会格局相似。     

北京市城区单监测点PM2.5质量浓度变化特征

2009年在北京师范大学科技园内对PM2.5质量浓度的连续监测结果表明,PM2.5质量浓度的年均值为55.2μg.m-3,日均值在1.2~325.9μg.m-3之间变化,且频数分布呈现出明显的倾斜:大量的质量浓度值位于30~70μg.m-3之间;季节变化特征为冬季PM2.5污染水平明显高于其他季节;不同季节的日变化模式存在显著差异:整体上是冬季夜间质量浓度高于白天,夏季白天质量浓度高于夜晚,同时在各个季节下午16:00以后质量浓度都存在回升现象.     

重庆主城区PM 2.5中金属元素组分特征分析

利用Xact-625大气多金属在线监测仪监测重庆市2013年春季PM2.5中金属元素的含量,分析PM2.5及金属元素的浓度分布特征与时间变化规律;结果发现,春季PM2.5质量浓度变化范围为15.6～157.3 μg·m-3,15种金属元素平均总浓度为2 481 ng·m-3,占PM2.5总浓度的3.86％;典型日分析中,Zn、Pb的浓度从5点钟开始持续升高,在10点钟达到峰值;As浓度在1点钟出现最小值;富集因子法分析结果表明Zn、As、Se、Ag、Cd、Sn、Hg、Pb的富集因子较大,为人为污染.     

长沙市郊区环境大气中颗粒物PM10的质量浓度及其变化特性

于2007-11-2008-10对长沙市郊区环境空气中的颗粒物PM10的质量浓度采用TEOM 1400a进行实时监测,以揭示城市颗粒物污染的主要特征及其变化趋势.研究结果表明:长沙市郊区颗粒物污染相当严重,PM10年平均质量浓度为(120.8±47.7) μg/m3,明显超出我国环境空气质量标准,其中秋、冬季节质量浓度高于夏季质量浓度;PM10质量浓度日变化受城市交通密度的影响显著,峰值分别出现于9:00与18:00附近,与早晚交通高峰期吻合;PM10质量浓度在工作日与周末存在明显差异,夏季周末质量浓度明显高于工作日质量浓度,而冬季则相反;颗粒物PM10与PM2.5质量浓度具有很好的相关性,说明我国现行采用的PM10环境空气质量标准评价城市空气质量仍是合适的.     

贵州六盘水市PM2.5时空分布特征与植被覆盖相关性分析

以2017年PM2.5污染较为严重的贵州六盘水市为研究对象,分析PM2.5的月变化与季变变,探讨PM2.5污染来源与各个因子之间的关系。通过PM2.5与平均气温的相关性分析、PM2.5与平均植被指数的相关性分析,以月、季为时间尺度对六盘水市5的监测点(PM2.5)进行浓度变化分析。得出时间上六盘水市大气中PM2.5浓度变化具有季节性,季平均气温与季平均PM2.5呈负相关,各监测点(PM2.5)在冬季最高,各监测点平均PM2.5浓度达到55.16μg/m_³,夏季最低为22.59μg/m_³。季PM2.5浓度变化与季平均植被指数呈现负相关,植被覆盖的变化对大气PM2.5浓度变化有显著影响,在土地利用类型中耕地与领地的植被指数变化最大,土地利用类型当中的耕地与林地对大气中PM2.5浓度变化有显著影响。     

2014—2018年南通市区PM2.5浓度的变化特征及影响因素

近年来,高浓度颗粒物所带来的霾污染在南通市经常发生,但已有文献对其关注较少。文章以南通市区5个大气环境监测站点发布的小时数据为基础,运用数理统计法详细分析了2014—2018年PM2.5浓度在不同时间尺度上呈现出的特征和变化规律。结果表明:1)年尺度上,5年间南通市区PM2.5平均质量浓度总体呈下降趋势,但逐年值均超过国家Ⅱ级污染限值,超出率为11%～74%,表明城市雾霾污染仍不可忽视。2)季节和月变化上,南通市区的PM2.5质量浓度为“冬季最高,春季次之,夏、秋两季最低”。除此之外,冬季污染日出现多,占全部污染日的54%,这反映出南通市区雾霾污染在冬季不仅污染严重且发生率高。在60个月份中,75%的月均值超过35μg/m3。3)日变化上,PM2.5日质量浓度概率密度曲线表明,南通市区出现频率最高的PM2.5日质量浓度为20～40μg/m3,表明大部分时段空气质量是优良状态;在24时刻内,PM2.5质量浓度变化呈“双峰型”曲线,上午9:00前后和晚间10:00前后污染最重,下午4:00污染最轻。从影响因素看,南通市区PM2.5污染特征与其地理位置及天气条件、人类活动污染排放等多种因素相关,尤其是地方特定的湿度环境有可能加剧霾污染程度。     

福州紫阳、厦门集美PM2.5的浓度分析及与天气类型的关系

该文利用2012年5月～9月福州紫阳、厦门集美两地PM2.5的监测数据,分析了福州、厦门PM2.5的变化情况与气象条件之间的关系.结果表明:福州、厦门PM2.5浓度变化趋势较为相似,浓度峰值出现的时段基本相同;在高压楔控制、副热带高压的边缘、台风低压东南侧的天气条件下,PM2.5浓度升高现象明显；受夏季副热带高压的控制、台风天气的影响,6～9月福州、厦门两地的PM2.5浓度均处于较低水平.     

2013-2016年夏季南京市臭氧和细颗粒物的污染特征及其相关性

为进一步理解南京地区大气复合污染现状,对2013-2016年南京市9个自动空气质量监测站点的夏季臭氧（O3）和细颗粒物（PM2.5）数据进行分析,分别探讨两者的时空分布特征,并探求两者之间的相关关系。结果表明：①O3的质量浓度处于上升状态,从2013-2016年南京市夏季臭氧平均浓度依次为58.1、65.8、79.3、81.8μg/m3,年均浓度增长率为8.45μg/m3,与之相反,PM2.5的污染程度明显好转,夏季平均浓度依次为45.2、65.7、38.5、31.2μg/m3,其中,2014年出现的高值与当年的气象条件有着密切联系;②O3的日变化特征为单峰型,一般在下午3点出现一天中的最大值,PM2.5的日变化呈现出不太明显的“W”型,两个谷值一般出现在凌晨和傍晚;③臭氧超标情况下的PM2.5浓度远远大于不超标情况下的PM2.5浓度,表明O3可以通过增强大气氧化性造成PM2.5质量浓度升高,两种情况下O3和PM2.5的相关系数的不同也进一步表明了这一点。     

河南省供暖期大气污染特征及预测分析——以郑州市为例

近年来河南省大气污染问题引起社会的广泛关注,但有关供暖期间大气污染方面的研究相对较少.以郑州市为例,分析郑州市供暖期间大气颗粒物的浓度变化并进行预测,对提高当地空气质量具有重要意义.基于2014-2016年郑州市空气质量监测数据和同期气象数据,利用SPSS相关分析和BP神经网络模型,分析郑州市供暖期间PM2.5、PM10的超标情况、日变化特征,探究气象要素对PM2.5和PM10的影响,最后预测AQI指数的变化.结果表明:2014年供暖期郑州市空气质量相对较差,PM2.5和PM10平均质量浓度超标率最高;2015年供暖期郑州市空气质量相对较好,PM2.5和PM10平均浓度变化幅度较大;2014-2016年供暖期间郑州市PM2.5和PM10浓度具有明显的日变化特征,呈现双峰型变化;2014-2016年供暖期郑州市PM2.5、PM10与日均气温相关性不显著,与日均风速呈显著负相关,与日均相对湿度呈显著正相关;当供暖期郑州市主导风向为正西风时,污染天气出现频率较低;利用BP神经网络预测2016年AQI的精度较高,预测值与实测值相关系数为0.85.     

大气污染期间北京住宅室内外空气中PM2.5的浓度水平

由于2012~2013年北京大气环境质量整体较差,且多天的PM2.5日均浓度值超过0.500 mg/m3。鉴于此,为了解大气污染期间住宅室内外PM2.5的浓度水平,于2014年4~5月对北京市内4所住宅A、B、C和D的室内外PM2.5浓度分别进行了随时间变化的同步测试,并对其浓度水平及影响室内PM2.5的因素进行了分析。结果表明：(1)测试期间4所住宅中,B、C和D住宅室内外PM2.5的平均浓度均高于0.075 mg/m3,室外PM2.5平均浓度分别为0.143 mg/m3、0.122 mg/m3和0.124 mg/m3,室内PM2.5平均浓度分别为0.129 mg/m3、0.089 mg/m3和0.104 mg/m3;(2)在室内无明显污染源或污染源强度相对较低时,较高的室外PM2.5浓度对室内PM2.5浓度水平起主导影响;(3)吸烟和烹饪对室内PM2.5浓度影响较大,开、关窗时间及室外PM2.5浓度水平影响室内PM2.5的衰减时间;(4)北京市朝阳区2014年测试的住宅A、B和2015年同期测试的住宅Z1的室外PM2.5平均浓度分别为0.037 mg/m3、0143 mg/m3和0.028 mg/m3,2014年开始实施的《北京市大气污染防治条例》使2015年北京市室外空气质量有所改善。     

“9·3”阅兵期间协同减排措施对北京市大气PM2.5质量浓度及其来源影响的数值模拟

本文利用嵌套网格空气质量预报模式系统(NAQPMS),模拟研究了“9·3”阅兵期间北京市及周边地区主要气象要素和大气细颗粒物(PM2.5)质量浓度的时空变化特征,结合污染物源解析的方法,定量分析了基准和减排情景下各周边源地对北京市近地面层PM2.5质量浓度的贡献.结果表明:1)NAQPMS模式系统能较好地模拟北京市PM2.5质量浓度的时空变化特征;2)协同减排控制措施有效降低了首都地区PM2.5质量浓度,阅兵活动当天PM2.5质量浓度削减率高达31%;一次PM2.5排放量大,下风向特别是风场辐合区等污染物易累积的地区减排后的削减程度大;3)阅兵活动期间,北京市PM2.5质量浓度最主要的贡献来源于本地排放,日平均贡献率最高达48.6%,河北东南部、中部及河南等地是其主要的外来源地,日平均贡献率最高分别为21.1%、17.6%和16.4%;4)相比于基准情景,减排情景下北京及周边减排力度较大的源地贡献率显著降低,其中北京降幅最大,达2.2%.      

北京市MODIS气溶胶光学厚度和PM2.5浓度的时空差异及其相关性研究

利用NASA MODIS数据反演北京市气溶胶光学厚度,探讨与北京市12个环境污染监测站点PM2.5质量浓度的时空差异及其相关性。结果显示,AOT与PM2.5均有明显的时空分布特征;二者的日均值具有相反的季节性变化特征(AOT夏季日均值高于冬季,PM2.5浓度日均值相反);日均值空间分布围绕城区向远郊区递减;二者的相关性对季节变化敏感,夏季相关性较好,冬季相关性较差。且郊区相关性明显优于城区。因此,卫星气溶胶数据可以反映PM2.5的分布,弥补地面监测站点的不足。     

上海市大气环境中PM_(2.5)/PM_(10)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PM2.5和PM10小时数据及对应的气象因素资料,以PM2.5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PM_(2.5)/PM_(10)的时空分布特征.结果表明:P2.5和PM10的季节高低为冬春秋夏,PM_(2.5)/PM_(10)的季节分布在不同区域存在差异性.PM_(2.5)/PM_(10)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)/PM_(10)高于下午.颗粒物质量浓度及PM_(2.5)/PM_(10)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)/PM_(10)均表现为背景站浦西站浦东站.