兰州市3种主要污染物大气环境容量季节差异及排放总量控制

基于气象数据与大气污染物网格化排放清单,利用ADMS-Urban大气扩散模型,模拟了兰州市3种主要大气污染物ρ(PM_(10))、ρ(NO_2)和ρ(SO_2)日均值的空间网格分布,结合线性规划模型反推得到污染物各季节的大气环境容量,采用指南推荐的修正A值法验证了该大气环境容量的准确性及合理性.基于兰州市2015年3种主要大气污染物排放量,估算了各行政区县3种主要大气污染物的剩余大气环境容量,提出以大气环境容量作为基准的总量控制目标值,并基于各行政区县2015年的排放水平提出了削减目标和对策.结果表明, ADMS-Urban模拟得到的ρ(PM_(10))、ρ(NO_2)和ρ(SO_2)分别为108.9、37.8和35.4μg/m~3,与2017年实际监测值的相对标准偏差在20%以内.基于模拟的质量浓度值,估算得到3种大气污染物的年大气环境容量D(PM_(10))、D(NO_2)和D(SO_2)分别为3.81×10~5、1.68×10~5、5.14×10~5t/a,各区县的大气环境容量由大到小依次为永登县皋兰县榆中县红古区西固区城关区七里河区安宁区;环境容量由大到小的季节差异为夏季春季秋季冬季.与2015年排放的3种主要污染物相比,兰州市全部区域整体大气环境容量均有剩余, SO_2的剩余量最大,其次为PM_(10)和NO_2;各行政分区的大气环境容量中SO_2均有剩余, PM_(10)除永登、榆中以外的各行政区已无剩余大气环境容量,包括红古、西固、城关和七里河区的NO_2已无剩余大气环境容量.以大气环境容量、2015年排放量及空气质量二级标准为基准,兰州市整体仍需削减PM_(10)和NO_2的排放量为5.53×10~4和1.41×10~4t/a.     

北京市大气污染物与呼吸系统疾病入院人数的时间序列

为评价北京市空气污染对居民呼吸系统疾病急诊就诊人数的影响,采用基于时间序列的半参广义相加模型,在控制了长期趋势、"星期几效应"及气象因子等混杂因素的影响后,分析2009-2011年北京市空气污染物与呼吸系统疾病入院人数的暴露—反应关系,并按上呼吸道感染(上感)和下呼吸道感染(下感)分层建立模型.结果表明,污染物有一定的滞后效应,NO_2在当天或滞后2 d,SO_2在滞后2 d,PM_(10)在滞后2 d或4 d使得呼吸系统疾病急诊就诊人数的相对危险度(RR)值达到最大,其中SO2、NO2和PM_(10)浓度每增加10μg/m~3,对应的呼吸系统疾病全人群的RR值及95%置信区间(CI)分别为:1.0114(95%CI:1.0077~1.0183),1.021 3(95%CI:1.0150~1.021 3)和1.011 3(95%CI:1.0049~1.0173).同时还发现,大气污染物对上感的影响比下感明显.     

南京市呼吸系统疾病死亡人数与气象因子的关系

利用2005年1月1日-2008年12月31日南京市逐日呼吸系统疾病死亡人数资料和同期气象资料,研究了气象要素变化对呼吸系统疾病死亡人数的影响.结果表明:南京市呼吸系统疾病死亡人数冬季最高,其次是春季,秋季和夏季较少;南京市逐日呼吸系统疾病死亡人数对气象要素变化的响应存在滞后性,春季滞后6-7 d,夏秋季滞后8-10 d,冬季滞后2-5 d;对风寒指数响应的滞后响应时间,春季7-8 d,夏季和秋季相关弱,冬季2-3 d;前期的空气污染和后期的剧烈降温叠加,可能是南京冬季呼吸系统疾病患者死亡的重要诱因;春季随着气温的回升,空气污染程度减轻,患者对气温变化的耐受性也延长了,但响应敏感性比冬季增强了;通过逐步回归,建立了冬季和春季南京呼吸系统疾病的死亡人数预报方程.     

基于集对分析法的长株潭城市群大气环境质量评价

运用集对分析方法,选取2016年1-12月大气污染物的月均浓度分析长沙、株洲、湘潭三市大气环境的变化规律.研究结果表明:三市大气环境质量联系度rk呈折线型关系,并伴有明显的升降现象,12月污染最严重,7月污染最轻;三市的第一污染物均为PM_(2.5);三市的大气质量呈鲜明的季节性变化,即冬春季高,夏秋季低,冬季是大气污染物PM_(2.5)、PM_(10)、SO_2、NO_2、CO的典型污染季节,夏季是大气污染物O_3的典型污染季节.     

重庆北碚地区大气污染物与气象要素的相关性分析

利用北碚地区2009—2014年空气质量监测数据和同期的气象资料,分析了大气污染物的变化情况及其与气象要素的相关性.结果表明:大气污染物PM_(10),SO_2,PM_(2.5)的浓度具有先减小后增加的周期性变化规律,NO_2变化规律周期性不明显.大气污染物浓度从高到低依次为PM_(10),SO_2,NO_2,可吸入颗粒物为北碚地区首要污染物.北碚地区天生、缙云山、蔡家3个监测点大气污染物浓度差异有统计学意义,从高到低依次为蔡家、天生、缙云山,造成这种差异与地理环境、人类活动有密切联系.大气污染物浓度与气温、风速、降雨量具有负相关性,静风更容易造成大气污染物积累,并且静风时出现高浓度的比例更大.在特定条件下,高湿环境能使大气污染物浓度升高.大气污染物浓度在不同的月份受气象要素的影响程度不同,主要影响因素也不同.     

天津武清区PM_(2.5)与气态污染物SO_2及NO_2污染特征研究

利用2016年武清区大气污染物监测数据,研究了武清区PM_(2.5)及SO_2、NO_2等典型大气污染物浓度变化特征和相互关系。结果表明:2016年PM_(2.5)污染较严重,年均浓度分别为73μg·m~(-3),超标1.1倍。大气中SO_2年均值为25μg·m~(-3),NO_2年均值47μg·m~(-3)。冬季及春秋季节大气中存在明显的二次转化过程,大气中的SO_2和NO_2通过转化生成硝酸盐和硫酸盐,对PM_(2.5)浓度变化具有重要影响。     

冷空气过程与兰州市呼吸系统疾病的关系分析

收集兰州市2001-2005年呼吸系统疾病资料、气象资料和空气污染资料,对呼吸系统疾病发病人数进行统计分析.结果表明:冷空气过程对于呼吸系统疾病有同期、滞后和前期影响.同期影响中,过程持续时间、最低温度降幅、气压升幅以及降水对呼吸系统发病人数影响较大;滞后影响主要存在于冷空气过程后1~4 d,受气压增幅、持续天数、最低温度降幅和降水影响较大;冷空气过程发生前1~3 d对呼吸系统疾病发病有影响,最低温度降幅、持续时间和平均温度降幅影响较大.冷空气过程之前第3天和之后第3、4天大气中可吸入颗粒物浓度对呼吸系统疾病发病有影响.冷空气过程前后气象要素的变化会对呼吸系统疾病产生影响,还可以通过影响大气可吸入颗粒物浓度而进一步影响呼吸系统疾病发病.     

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。     

基于高分辨率在线气溶胶监测仪数据分析南京北郊冬季PM_(2.5)中水溶性离子污染特性

于2017年1月~2月在南京北郊利用MARGA在线监测仪采集大气细颗粒物(PM_(2.5))测量气溶胶中的无机离子质量浓度,分析各离子的变化特征及来源。研究表明,南京北郊冬季总水溶性无机离子质量浓度平均值为(48.47±25.44)μg/m~3,8种无机离子质量浓度高低顺序为SO_4~(2-)NO_3~-NH_4~+Cl~-(K~+、Ca~(2+))Na~+Mg~(2+),其中二次无机离子(NH_4~+、NO_3~-和SO_4~(2-))是最主要的水溶性离子。各水溶性无机离子的日变化特征存在差异,其中SO_4~(2-)和Cl~-的日变化较为显著,变化特征为日间高夜间低。NH_4~+、NO_3~-和SO_4~(2-)三者在大气中的结合方式为(NH_4)_2SO_4和NH_4NO_3,主成分分析结果显示,南京北郊冬季大气的污染物来源主要为化石燃料燃烧,另外生物质燃烧和二次转化、矿物粉尘对大气污染也有贡献。     

北京市气温对腹痛急诊日就诊人数的影响

定量分析北京市气温对腹痛急诊日就诊人数的影响.收集2009-2012年北京市海淀区某三甲医院腹痛急诊资料和同期北京市气象、大气污染物资料,采用广义相加模型在控制时间、其他气象要素和大气污染物(SO_2,NO_2,PM_(10))的混杂效应下,拟合日均气温、最高温度、最低温度、气温日较差、24 h变温对腹痛急诊日就诊人数影响的剂量-反应关系.几项气温指标对腹痛急诊日就诊人数均有不同程度影响,日均气温、最高温度和最低温度每增加1℃,腹痛急诊日就诊的相对危险度RR分别为1.0052(95%CI:1.0034~1.0070),1.0049(95%CI:1.003 2~1.0066)和1.004 7(95%CI:1.002 9~1.006 5).温度日较差和24 h变温对腹痛急诊日就诊人数有正向的影响,但结果无统计学意义.研究结果表明腹痛急诊日就诊人数夏季较多,日均气温、最高温度和最低温度对其均有影响.     

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。     

兰州市大气PM_(2.5)中水溶性无机离子特征及其季节性差异

于2013年非采暖期(秋季)和采暖期(冬季)分别对兰州市代表性功能区(城关居民区和西固工业区)大气PM_(2.5)中的6种水溶性无机离子进行了观测研究.结果表明:兰州市大气PM_(2.5)中Na~+、K~+、NH_4~+、Cl~-、NO_3~-、SO_4~(2-)的质量浓度具有明显的季节性差异,采样期间平均质量浓度分别为1.17、1.45、10.75、5.92、13.09、15.46μg/m~3,水溶性无机离子在PM_(2.5)中所占的平均比例为37.01%,非采暖期平均质量浓度分别为0.91、1.23、9.57、3.74、11.56、14.69μg/m~3;采暖期平均质量浓度分别为1.44、1.67、11.93、8.10、14.62、16.23μg/m~3;采样期间6种水溶性无机离子的质量浓度均为采暖期大于非采暖期,西固工业区高于城关居民区(K~+除外).NO_3~-/SO_4~(2-)的比值表明兰州市大气污染正由煤烟型向汽车尾气型特征转换.兰州市大气PM_(2.5)中的NH_4~+与SO_4~(2-)主要以(NH_4)_2SO_4方式结合.     

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).     

兰州市大气降尘和土壤中水溶性离子的研究

为了解大气降尘中水溶性离子的污染特征,采集了兰州市大气降尘和表层土壤样品,分析其中的F~-、Cl~-、NO_3~-、NO_2~-、PO_4~(3-)、SO_4~(2-)、Li~+、Na~+、NH_4~+、K~+、Ca~+、Mg~+,12种水溶性离子的含量。结果表明兰州市大气降尘中水溶性离子以SO2-2+4和Ca的含量最高,土壤中水溶性离子以SO_4~2和Na~+的含量最高,SO_4~(2-)、Na~+、Ca~(2+)、Cl~-、NO_3~-这五种离子是兰州市大气降尘和土壤中的主要水溶性离子;降尘中的F~-、Cl~-、NO--3、NO-2、SO24、Na~+、K~+、Ca~(2+)、Mg~(2+),9种离子的含量均远高于土壤中同种离子的含量。相关性分析的结果显示,除七里河某大型车站和安宁某住宅小区采样点大气降尘和土壤中的水溶性离子含量相关性不显著外,其他七个采样点大气降尘和土壤中的水溶性离子含量在0.01水平显著相关。因子分析的结果表明,兰州市大气降尘中的水溶性离子主要来源于土壤和生物质燃烧、工业污染、交通污染,其贡献率分别为37.2%、34.0%、20.0%。     

近两年武汉市环境空气质量时空分布特征及污染源解析

运用主成分分析和聚类分析法,对2016—2017年武汉市环境空气10个国控点10个市控点的6个空气质量指标数据进行分析,揭示武汉市环境空气质量时空分布差异性,辨识主要污染因子,解析污染成因.结果表明:2016—2017年,武汉市空气质量有变好的趋势,主要是因为PM_(2.5)和PM_(10)同期月均浓度下降; SO_2、NO_2、PM_(10)、PM_(2.5)浓度排序依次为:冬春秋夏; CO浓度排序依次为:冬秋春夏; O_3浓度排序依次为:夏秋春冬;武汉市监测点位空气质量从好到坏的顺序为:远郊区中心城区工业园(区)或经济开发区;春季的主要污染物因子为NO_2、CO、O_3、PM_(10),夏季的主要污染物因子为NO_2、SO_2、PM_(2.5),秋季的主要污染物因子为NO_2、PM_(2.5)、CO、O_3、PM_(10),冬季的主要污染物因子为NO_2、CO、O_3、PM_(2.5)、PM_(10);近两年,机动车尾气、工业废气排放以及建筑扬尘构成武汉市空气污染的主要来源,秸秆燃烧对空气质量的影响逐渐减小.     

基于A值法的庆阳地区大气环境容量研究

大气环境容量是指特定区域所能容纳污染物的最大负荷量。本文利用A值法,通过计算各控制区的大气环境容量得出庆阳地区SO_2的环境容量为9.46×10~4t/a,NO_2的环境容量为7.57×10~4t/a,PM10的大气环境容量为12.11×10~4t/a,结合庆阳地区大气污染物排放量现状,分析表明庆阳地区SO_2、NO_2的环境容量剩余空间较大,而PM10的排放量已经接近庆阳市的大气环境容量。     

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。     

苏州城市颗粒物与臭氧相互作用的数值模拟研究

利用南京大学城市空气质量预报模式(NJU-CAQPS)研究苏州城市颗粒物和臭氧的相互作用,评估各效应对污染物的影响和冬夏两季相对重要性.研究表明冬季颗粒物的辐射效应造成模拟域向下短波辐射减小5.4%~22%,近地面气温降低0.25~0.48℃,湍能和风速减小,边界层高度降低,城区PM2.5、NO_2、NO和SO_2浓度分别增加1.01%、0.48%、1.58%和0.71%,O_3浓度降低0.99%;颗粒物的光化学效应造成PM2.5、硫酸盐、硝酸盐、O_3和NO浓度分别降低0.04%、0.07%、0.04%、4.33%和8.09%,NO_2浓度升高3.59%;颗粒物的非均相效应造成PM2.5、硫酸盐、硝酸盐和NO浓度分别升高4.72%、22.07%、6.93%和2.59%,O_3、NO_2和SO_2浓度分别降低5.05%、1.19%和11.38%.非均相效应对颗粒物、O_3和SO_2起主导作用;光化学效应对NO_2和NO起主导作用.夏季各效应引起污染物浓度变化趋势与冬季相近,但夏季辐射效应对除O_3外的NO_2、NO和SO_2影响程度加强,对颗粒物影响程度减弱;光化学效应对各污染物(除NO)的影响程度加强尤其对硝酸盐和硫酸盐;非均相效应对各污染物(除硝酸盐)的影响程度加强.     

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.     

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.