南宁市PM_(2.5)浓度与气象因素的关系

空气污染主要与污染源的排放、气象条件、地形地貌三方面因素有关。对南宁市空气质量指数与气象因素的关系进行研究,进一步探究空气污染的主要污染源PM_(2.5)与气象因素之间的关系,分析了促进空气污染发生的气象条件,并在此基础上建立多元线性模型对空气污染物PM_(2.5)的浓度值进行预测。结果表明预测模型拟合度最大达到了0.747,说明了该预测模型能够适用于南宁市空气污染物PM_(2.5)的监测和预报。     

福州市台江区2016-2018年环境空气质量变化趋势及规律分析和探讨

以2016—2018年福州市台江区空气质量监测自动站的监测数据为样本,分析统计了台江区的环境空气质量变化,以及主要环境污染物的季节、日变化趋势和规律。结果表明,除O_3浓度升高外,PM_(2.5)、PM_(10)、NO_2、SO_2、CO浓度均有所降低,NO_2、PM_(2.5)、O_3、PM_(10)是该地区的主要污染物。其中NO_2、PM_(2.5)、PM_(10)浓度表现为冬春季节较高、夏秋季节较低;O_3浓度春夏季较高,冬季低,O_3是夏季的首要污染物。NO_2、PM_(2.5)、PM_(10)日变化呈双峰型特征,O_3日变化呈单峰型特征,各污染物之间及污染源之间具有相关性。结合分析结果,提出了对台江区道路、工地扬尘控制、机动车尾气排放、挥发性有机物(VOCs)企业排放控制等建议。     

南京市电力行业大气污染物排放清单建立及校验分析

该研究以2014年为基准年,使用排放系数法对南京市电厂开展SO_2、NO_x、PM_(2.5)、PM_(10)等大气污染物排放情况进行了定量研究,建立了电厂大气重点污染物排放源清单数据库。结果表明:排放系数法计算得到的SO_2和NO_x排放量均与环境统计资料中的数值较一致,PM_(10)的排放量可能存在较大偏差,这可能与企业除尘效率使用的数值有关。因此未来南京市分粒径颗粒物排放系数实现本地化是清单编制工作的重点。     

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.     

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.     

长治市空气颗粒物PM_(2.5)来源解析研究

空气颗粒物是影响城市空气质量的首要污染物,城市PM_(2.5)的主要来源是由人类生产活动产生的。通过采集长治市4个点位的PM_(2.5)样品,分析了PM_(2.5)中18种元素、9种离子和3种碳的组分,并采用CMB受体模型对长治市PM_(2.5)来源进行了解析,为颗粒物污染的控制提供科学依据。     

泉州市PM_(2.5)时空变化特征及其影响因素

为研究泉州市PM_(2.5)的时空变化特征及其影响因素,以期为有针对性地提出大气污染防治对策提供科学依据,选取2016年泉州市主城区的一城区点和一背景点大气监测站在线PM_(2.5)与污染气体数据,并同期采集PM_(2.5)样品进行综合分析.结果表明:1)城区点和背景点的年均PM_(2.5)质量浓度分别为(31.06±20.96)μg/m~3和(20.59±10.29)μg/m~3,低于我国空气质量标准中的年均质量浓度二级限值;2)PM_(2.5)的月均质量浓度在2—3月最高,其次为11月,这可能与污染物远源传输和不利天气条件的双重影响有关;3)冬、春季城区点PM_(2.5)同时受到一次排放污染物(如工业、机动车)和二次颗粒物的共同影响,而背景点PM_(2.5)则和较多的二次反应产物生成相关;4)夏、秋季两个站点PM_(2.5)和SO_2、NO_2的相关性明显提升,伴随着夏、秋季主导的西南风,验证了西南部工业区排放污染物传输的影响,此外,城区点PM_(2.5)质量浓度还受到粉尘的显著影响;5)硫氧化率和氮氧化率在冬、春季高于夏、秋季,这可能与上游区域污染物的远源传输相关.上述结果为全面掌握泉州市大气颗粒物的分布规律提供了基础数据.     

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。     

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.     

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.     

基于无人机平台的细颗粒物三维分布监测

为获取高空间分辨率的污染物浓度数据,搭建了基于无人机技术的大气污染物立体监测平台,并成功获取临安市2014年11月一次重污染事件1 km以下高度的细颗粒物(PM_(2.5))浓度及同步气象场的三维分布数据。结果表明:大气湍流对PM_(2.5)浓度时空变化具有重要影响。清晨及上午大气垂直湍流活动较弱,大气稳定度较高,逆温等温层多重大气结构不利于PM_(2.5)垂直扩散。中午大气湍流活跃度最高,PM_(2.5)混合充分,垂直浓度梯度较小。下午PM_(2.5)在边界层内水平输送显著,并逐步向下沉降,说明此次重污染事件主要受外地污染源输送影响。     

基于微博大数据的游客情感与空气质量关系研究——以西安市为例

利用西安市国内游客发布的微博数据,采用修正的"微博情感倾向算法验证程序"(MBEWC)计算游客的情感倾向值,对情感倾向和空气质量进行相关分析,研究情感倾向和空气质量的相互关系。研究发现:PM_(2.5)、PM_(10)、NO_2、SO_2、CO这5种污染物均与游客微博情感值呈现较弱的负相关;在所有污染物指标中,NO_2对游客情感的影响程度最大,具体表现为每多排放1 000μg NO_2,游客微博情感值下降21分;其次,在烟尘污染物PM_(2.5)和PM_(10)中,PM_(2.5)粒径很小,对游客情感的影响比PM_(10)严重;而对于气体污染物,NO_2和SO_2对游客情感的影响程度远大于CO。空气中多种污染物同时存在对游客情感的影响要明显大于某一污染物单独存在时的影响,具体表现为PM_(2.5)和SO_2同时存在对游客情感的影响程度大于SO_2单独存在对游客情感值的影响。     

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。     

厦门船舶控制区(绿色港口)大气污染物减排成效评估

在编制厦门船舶控制区大气污染物排放清单基础上,根据厦门绿色港口建设进程及国家船舶控制区的政策落实情况,核算绿色港口大气污染物减排数量与减排比例,应用AERMOD模型模拟船舶控制区污染物排放对市区环境空气质量的贡献、港区污染物减排对港口环境质量的提升效果,结合港区环境空气质量的实测变化幅度,评估船舶控制区大气污染物减排成效。评估结果表明,2018年港区大气污染物排放对市区环境空气质量的贡献是:SO_2 60.0%、NO_x 32.3%、PM_(10) 12.0%、PM_(2.5) 12.3%、CO 6.7%,其中以SO_2的贡献最大;同时,港区SO_2减排取得显著效果,CO、HC、PM_(10)、PM_(2.5)的减排也取得一定效果,但NO_x因减排放量小对环境质量的影响不明显。     

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。     

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.     

南昌市大气污染典型过程PM_(2.5)来源分析

利用南昌市PM_(2.5)浓度数据和地面观测资料数据,通过基于CMAQ模式开发的污染源示踪系统对2017年10月23日至11月16日南昌市PM_(2.5)来源进行模拟分析。结果显示:南昌市2017年秋冬秸秆焚烧旺季期间,PM_(2.5)本地贡献率为42%,周边省市对南昌市PM_(2.5)浓度影响较大的主要为江西省以北的省市,江西省其他地市对南昌市影响最大的为九江;重污染过程期间,南昌市及周边地市秸秆燃烧是PM_(2.5)的重要来源。     

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.     

集中供暖与非集中供暖城市的冬季大气污染状况——以天津和上海为例

为了解集中供暖和非集中供暖2种不同模式对空气质量的影响,基于天津和上海冬季采暖期及非采暖期的空气质量数据,分析不同供热模式下大气污染物的长时间变化和日变化特征及其影响因素.结果表明:天津和上海采暖期PM_(2.5)、PM_(10)、CO、NO_2和SO_2的质量浓度均高于非采暖期.天津采暖期PM_(2.5)、PM_(10)、CO和SO_2浓度较高主要是受到集中供暖消耗的化石燃料燃烧排放和大气逆温层2个方面因素的影响.上海虽然处于非集中供暖区,但也受到了北方城市供暖区远距离污染物传输的影响.天津集中供暖模式产生的PM_(2.5)、PM_(10)、CO和SO_2排放对空气质量的影响高于非集中供暖城市上海.与非采暖期相比,天津和上海采暖期NO_2浓度的增加量几乎一致,说明供暖活动对大气中NO_2的贡献并不明显;天津和上海采暖期O_3浓度均低于非采暖期,表明供暖活动未对O_3排放产生显著作用.采暖活动明显改变了天津PM_(2.5)、PM_(10)和CO的日变化特征;受采暖活动和逆温层的影响,SO_2和NO_2浓度均在夜间呈现升高趋势;O_3的日变化趋势未受采暖活动影响.与非采暖期对比,采暖期上海的非集中供暖未对污染物的日变化趋势产生显著影响.     

九江市PM_(2.5)时间变化特征及其与气象要素的关系

利用2014年-2015年九江市环境监测站污染物浓度监测资料以及常规的气象观测资料,统计分析近两年九江市PM_(2.5)浓度的时间变化特征及其与气象要素的关系。结果表明:1)2014-2015年年九江市年平均污染日数为68 d,其中首要污染物为PM_(2.5)的天数占64%,重度污染日的首要污染物均为PM_(2.5);2)PM_(2.5)日变化表现为白天扩散晚上堆积,PM_(2.5)的月平均峰值主要出现在10月至次年1月以及5月底至6月初;3)秋冬季的污染主要由污染物水平输送造成,其次出现在不利于污染物扩散的稳定大气层结条件下。春夏交替期的污染主要由秸秆燃烧造成;4)PM_(2.5)浓度与能见度、温度风速、降水量呈显著负相关,而且弱降水有利于污染的加剧,高相对湿度更有利于出现重污染天气。