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.     

2014-2018年春节期间北京交通站PM_(2.5)及NO_2污染特征分析

利用2014-2018年北京市春节前后交通污染监测站的PM_(2.5)和NO_2浓度数据,采用浓度特征对比、PM_(2.5)/CO比值等方法,初步评估春节期间烟花禁燃措施和机动车减排的效果,探讨烟花燃放及气象条件对空气质量的影响。结果表明:PM_(2.5)和NO_2浓度变化特征不同,春节期间PM_(2.5)平均浓度为103.6μg/m~3,高于非春节期间25.3%;而NO_2平均浓度为53.8μg/m~3,低于非春节期间19.5%,主要受到机动车减排的影响。2014年春节期间PM_(2.5)浓度最低,2015-2018年PM_(2.5)浓度呈逐年下降趋势;NO_2浓度无明显年际变化特征。烟花爆竹燃放对PM_(2.5)浓度影响显著,对NO_2浓度影响较小,除夕期间对PM_(2.5)浓度的最大贡献值达283.4～704.1μg/m~3。2018年北京市五环内禁燃烟花措施对交通站PM_(2.5)污染改善明显,PM_(2.5)浓度较前4年均值下降25.2%,NO_2浓度仅下降2.4%;禁燃对燃放高峰期PM_(2.5)浓度有明显削峰作用,无有利扩散气象条件下,除夕期间烟花燃放对PM_(2.5)浓度的最大贡献值仍较前4年下降45.0%。气象条件对春节期间PM_(2.5)浓度变化的影响作用较NO_2显著,有利扩散气象条件是2014年春节期间PM_(2.5)污染较非春节期间明显改善的主要原因。     

2014年天津市武清区PM_(2.5)污染特征

为分析2014年武清区PM_(2.5)污染的变化特征,运用统计学方法对全年PM_(2.5)常规日值监测数据进行分析,结果发现:2014年武清区大气环境中PM_(2.5)年均浓度为92μg/m3,PM_(2.5)日均浓度分布区间较宽,主要分布区间为20~120μg/m3,占样本总数的71.1%。PM_(2.5)污染呈现夏季及春末、秋初较轻,冬季污染严重的特征。PM_(2.5)浓度变化"周末效应"表现较为突出的季节是春季,夏季、秋季和冬季并未出现"周末效应"。研究结果有利于认识武清区PM_(2.5)污染的时间变化规律,从而正对性开展大气污染防控。     

北京地区PM2.5浓度与气象要素的相关分析

利用美国驻中国大使馆2009年以来的PM_(2.5)浓度监测数据、MODIS光学厚度数据和NCEP边界层气象要素数据,对近年来北京地区PM_(2.5)和边界层内气象要素进行分析。结果表明:2009—2011年夏、秋季以及2012年夏、冬季北京地区PM_(2.5)污染情况较为严重,2013和2014年污染情况稍有转好;北风为有利于PM_(2.5)扩散的气象条件,且随着北风增强,扩散效果更好;南风为有利于PM_(2.5)堆积的气象条件,且随着南风增大,堆积效果略微增加;边界层高度越高,越有利于PM_(2.5)的扩散;相对湿度越大,越有利于PM_(2.5)的堆积;降水对PM_(2.5)有明显的驱散作用。21世纪以来,北京地区的平均边界层高度有明显的降低趋势,从2500 m降低到1500 m以下,其他气象要素没有明显的年际变化。     

成都地区近3 a空气污染物变化特征及降水对其影响

利用成都市2014-2016年逐时空气污染物质量浓度资料和同期逐时降水资料,分析了成都市空气污染物质量浓度变化特征及降水对其影响.结果表明,成都地区2014-2016年大气颗粒物(PM_(10)和PM_(2.5))质量浓度逐年减少,气态污染物(SO_2、NO_2和CO)质量浓度呈波动式降低; 5种污染物质量浓度有明显的年内变化,重污染期均出现在冬季, 1月污染物质量浓度最高, PM_(10)变化幅度最大,最高达192.9μg/m3; 5种污染物质量浓度均存在明显日变化特征,最大值出现时段为09:00-11:00,其中PM_(2.5)、PM_(10)、NO_2和CO质量浓度日变化为双峰型, SO_2为单峰型.降水对污染物的清除效率总体上随降水量的增加而增大:暴雨中雨大雨小雨,对中雨清除率高于大雨清除率的原因进行了初步分析.连续性降水对污染物的清除率极大值出现在第2天,之后清除效率逐渐降低;单位时间降水清除效率中,阵性降水明显大于连续性降水.     

基于LUR和GIS的西安市PM_(2.5)的空间分布模拟及影响因素

从地学角度出发,基于土地利用、人口状况、道路交通和地形等自然人文因素构建土地利用回归模型(LUR),模拟西安市主城区2014年和2015年冬季采暖季PM_(2.5)平均浓度的空间分布,并分析其空间分布成因和年际变化原因。结果显示:LUR模型构建中,2014年采暖季选择的变量主要有500m缓冲区内植被面积、1 000m缓冲区内植被和居民地面积以及人口密度,2015年采暖季选择的变量主要有1 500m、2 000m、2 500m和3 000m缓冲区内道路总长度。2014年和2015年采暖季LUR模型的R2分别为0.933和0.832,拟合效果很好。2014年采暖季各城区PM_(2.5)平均浓度均较高,碑林区绝大部分区域空气质量为严重污染,新城区次之,其他区空气质量基本为重度污染。2015年各城区PM_(2.5)平均浓度均有所下降,大部分区域为轻度污染。土地利用、污染源、道路交通、人口密度、国家环保相关政策、风向和DEM是西安市2014年和2015年采暖季PM_(2.5)浓度空间分布规律、成因、污染来源和年际变化的影响因素。     

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.     

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。     

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.     

兰州市环境空气质量变化趋势分析研究

利用2014—2017年中国空气质量在线监测分析平台公布的兰州市监测数据,采用综合指数、空气质量指数和Pearson相关系数法,分析了兰州市环境空气质量变化情况及其与气象条件的关系。结果表明:2014—2017年兰州市环境空气质量变化趋势并不一致,相比于2014年,2015年环境空气质量略有好转,2016和2017年环境空气质量呈恶化状态。近4年PM10和PM_(2.5)两项污染因子污染负荷贡献率均超过55%,是兰州市环境空气质量主要的污染物;除PM10和PM_(2.5)外,其他污染因子均达到国家环境空气质量二级标准。兰州市环境空气质量有明显的季节性变化特征,整体上呈现冬春季差,夏秋季好的趋势;监测的污染因子中,除O3浓度的变化趋势为夏秋季高,春冬季低外,其他污染因子浓度均为春冬季高,夏秋季低;以PM10为首要污染物的天数在逐年降低,但O3成为首要污染物的天数在逐年增加。气温、降水和相对湿度是影响兰州市环境空气质量的主要气象因子;气温升高、降水和相对湿度的增加均有利于改善环境空气质量。     

陕北地区冬季采暖期大气污染特征分析

基于2016年12月1日至2017年3月31日陕北地区(延安市、榆林市)SO_2、NO_2、PM_(10)、PM_(2.5)、O_3、CO逐小时监测数据,研究陕北地区冬季采暖期大气污染水平及污染特征,并为陕北地区冬季空气质量改善提出建议.结果显示,2016年陕北地区冬季大气污染首要污染物为PM_(10)和PM_(2.5),大气污染类型为颗粒物污染型;通过月变化趋势分析和Pearson相关系数验证,各项大气污染物间表现出极强的相关性,O_3与其他5项污染物均为负相关,其他5项污染物两两互为正相关;经日变化趋势分析,SO_2、NO_2、PM_(10)、PM_(2.5)、CO污染物浓度日变化趋势均为"双峰双谷"型,且时间变化上保持一致,O3为"单峰"型;"周末效应"分析发现,SO_2、NO_2、PM_(10)、PM_(2.5)周末浓度均大于工作日浓度,CO周末浓度与工作日浓度变化不显著,日平均偏差为6.24%,O_3工作日浓度普遍高于周末浓度.建议陕北地区加强对冬季颗粒型污染物的抑制,加大城市绿化建设投入,积极宣传环保理念,倡导绿色出行,市民在周末尽量减少出行.     

ECMWF和T639数值预报产品在兰州市空气质量预报应用中的对比

利用2013-2015年兰州市空气污染逐日监测资料,分析了兰州市6种主要空气污染物PM_(10)、PM_(2.5)、NO_2、SO_2、CO和O_3的污染特征;以2014年欧洲中期天气预报中心(ECMWF)资料与T639气象要素预报产品,结合兰州市同期污染物质量浓度监测数据,分别建立了基于最小二乘法支持向量机(LS-SVM)的6种主要空气污染物未来2d的日均质量浓度预报模型;将ECMWF和T639中2015年2月1日-10月31日的气象要素与同期污染物质量浓度监测数据分别输入各模型进行试预报检验.结果表明,以ECMWF建立的预报模型对未来2 d的PM_(10)、PM_(2.5)、NO_2、SO_2和CO的日均质量浓度的预报效果优于T639,而T639对预报O_3有一定优势.用ECMWF建立的预报模型对未来24 h的空气质量指数等级和首要污染物的预报成功率为86.14%,48 h的为82.33%;T639对应的未来24 h预报成功率为83.52%,48 h的为74.43%.两种数值预报产品均可应用于基于LS-SVM预报模型的空气质量预报,其中使用ECMWF的预报产品的释用预报效果整体上更好.     

由光化学反应和排放清单判断城市PM_(2.5)首要污染源的方法

以江苏省扬州市区2013年和2015年空气主要污染物浓度数据为例,依据光化学反应和空气污染物排放清单,提出了一种简易判断城市PM_(2.5)首要污染源的方法.结果证实:可通过光化学反应规律和空气监测数据推断对城市PM_(2.5)形成影响最大的一次污染物,并由该一次污染物的排放清单,确认其中排放量最大的污染源为该城市PM_(2.5)的首要污染源.该方法可为控制和治理城市PM_(2.5)提供相应参考.     

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。     

泰安市空气污染物时空变化趋势及污染防治对策

以2009—2015年泰安市空气污染物的监测数据为依据,对其平均浓度时空变化特征进行分析.结果表明:从年际变化看,2009—2015年泰安市SO_2、NO_2、PM_(10)浓度均呈下降趋势,PM_(10)浓度在2013年明显上升后平稳下降,PM_(2.5)浓度自2013年有观测记录以来就一直呈下降趋势;各污染物月变化曲线呈U字形,且季节变化明显,污染程度由高到低顺序为冬季、秋季、春季、夏季;空间变化显示:SO_2、NO_2、PM_(10)、PM_(2.5)具有一定的空间差异,农业大学和电力学校污染物浓度较高,人口学校和交通技校污染物浓度较低;通过科学的管理和技术的改进,近年来泰安市空气中污染物浓度呈明显下降趋势,并根据上述研究结果,为空气污染的防治提供参考依据.     

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).     

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.     

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.     

基于WRF-Chem模式的呼和浩特市大气污染过程模拟及特征分析

本研究基于WRF-Chem模式,利用环境监测资料、气象观测资料以及再分析资料,对2015年12月发生在呼和浩特大气污染过程进行数值模拟,着重分析了该过程中的气象影响因子以及污染物的时空变化特征。结果表明:(1)WRF-Chem模式对气象因素的模拟结果与实际观测值的相关性较高,相关系数均大于0.62。(2)WRF-Chem模式能够模拟出主要污染物PM_(2.5)、PM_(10)、NO_2的时间变化趋势及空间分布特征。(3)气象条件在污染区聚集及扩散过程中起到重要作用,在小风或静风条件下,污染物的扩散能力减弱导致污染物堆积,较高的相对湿度也有利于污染物的凝聚。(4)HYSPLIT模式轨迹分析显示,此次重污染天气过程主要受西北地区气团南下影响,输送的主要污染物为PM_(10)。     

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。