北京地区PM10质量浓度与边界层气象要素相关性分析

对北京市2007年观象台观测站PM₁₀质量浓度资料、观象台气象自动站资料、风廓线资料和探空资料进行了数据分析。结果表明, 在污染物源强一定的条件下, 污染物的积累、稀释、扩散和清除主要取决于气象条件。近地面风速、温度、湿度、气压和边界层高度等气象条件对于可吸入颗粒物的污染程度有着很重要的影响: PM₁₀质量浓度与地面风速、温度、湿度、气压和大气边界层高度呈显著相关性, 并且相关性随季节变化明显。其中, 6月PM₁₀质量浓度与地面风速和大气边界层高度呈负相关性, 而与温度呈正相关, 11月则与温度成负相关; 风速与PM₁₀质量浓度之间的相关性可以用二次多项式来描述, 二者呈“U”形变化。另外由11月份PM₁₀质量浓度资料的分析表明, 当月PM₁₀质量浓度最小值对应的风速为4.1 m/s。     

基于PCA-BP神经网络的PM2.5季节性预测方法研究

【目的】分季节预测PM_2.5浓度值,利用PCA方法对数据进行降维,分析季节及气象因素对PM_2.5的影响,在提高预测准确率的同时降低时间复杂度。【方法】以合肥市2014—2017年的PM₁₀、SO₂、CO₂、CO、O₃浓度值,以及同时段的气象因素值,对PM_2.5浓度进行预测。数据分析中发现PM_2.5在不同季节浓度差异较大,故本研究选择分季节进行预测;为了提高预测准确率,加入如风力、温度、湿度、气压等气象因素进行预测,同时采用主成分分析(PCA)的方法进行数据降维,将降维后的数据再输入BP神经网络模型进行预测。【结果】实验采用3组实验进行对比:5种污染物指标(PM_2.5-5)预测PM_2.5、加入气象因素的综合12项指标(PM_2.5-12)预测PM_2.5、对综合指标进行PCA处理后的(PM_2.5-PCA)预测PM_2.5。实验结果表明:4个季节的PM_2.5浓度值有较大变化,均方根误差(RMSE)的差值较大;采用PM_2.5-PCA的方法,在任何季节的RMSE均有降低,相关系数(r)均有所提高。【结论】PM_2.5浓度具有季节性特征,采用季节性预测方法可以提高预测准确率;同时采用PCA方法进行降维,可以在保证准确率的同时降低预测时间复杂度。     

公园绿地及周边环境PM2.5浓度特征及影响因素

【目的】评价城市公园对降低大气PM_2.5质量浓度的作用,同时探讨环境因素对PM_2.5质量浓度的影响。【方法】以北京市北小河公园为研究对象,通过PM_2.5质量浓度监测仪测定公园绿地内、公园附近建筑室内及公园道路旁(开敞空间)的PM_2.5质量浓度,对公园及其附近建筑室内与道路旁PM_2.5浓度做差异对比分析,同时监测温湿度、风速及气压、车流量,以分析环境因素对PM_2.5质量浓度的影响。【结果】①公园及其附近建筑室内与道路旁PM_2.5浓度日变化趋势基本一致,呈现双峰单谷型,即早晚高、白天低。②无污染或轻度污染时,公园绿地PM_2.5质量浓度均低于道路旁及附近建筑室内,PM_2.5质量浓度分别降低了5.7%和6.9%,说明公园绿地对PM_2.5有一定的滞留作用; 中度污染天气条件下,公园内PM_2.5浓度同样低于道路旁与建筑室内,降幅分别为3.6%和7.3%,公园绿地对PM_2.5仍有一定的滞留作用; 重度污染质量条件下,公园内PM_2.5质量浓度略低于道路旁,降幅仅为0.3%,而比建筑室内升高了5.5%。③公园绿地PM_2.5质量浓度与温度、风速呈负相关关系,与相对湿度、气压呈正相关关系; 道路旁PM_2.5质量浓度与车流量呈正相关。【结论】在中度污染及以下环境空气质量条件下,公园绿地对PM_2.5有一定的滞留作用,说明公园绿地对PM_2.5滞留作用的发挥受一定的环境空气质量条件的制约。     

基于有限元法的同走廊交直流线路混合电场的计算研究

特高压直流线路与超高压交流线路同走廊架设将会有效地减少架设输电线路的土地成本,但却带来了新的电场计算问题.为了研究二者的混合电场,首先使用有限元分析软件Comsol Multiphysics计算了±800kV特高压直流线路下方的合成电场及500kV超高压交流输电线路下方的工频电场,进而计算了混合电场,最后重点探讨了导线布局对混合电场的影响.结果表明,基于Comsol Multiphysics的混合电场计算是合理可靠的;合理的接近距离和导线最小对地高度能分别有效地减少混合区域场强和混合电场最大值.     

基于U-net神经网络模型的PM2.5逐小时浓度值预测模型

针对目前多数PM_2.5预测模型泛化能力较差的问题, 提出基于U-net神经网络模型的PM_2.5逐小时浓度值预测模型。该模型通过引入历史风场数据, 将离散的监测站点PM_2.5浓度值插值为PM_2.5网格图; 然后将U-net神经网络作为预测模型, 基于实验区域的10小时内的PM_2.5网格图, 预测下一时刻的PM_2.5网格图。该模型可以利用历史不同时刻提取的PM_2.5浓度值网格图, 在预测区域内所有位置PM_2.5浓度值的同时, 还可以提升预测的准确性以及对PM_2.5浓度值突变情况的适应性。实验结果表明, 所提方法在PM_2.5浓度值短时间突变情况下, 预测精度比传统方法有10%左右的提升。     

海陆风环流和城市热岛环流相互作用及其对空气污染的影响

沿海城市的PM_2.5和臭氧除受排放源、天气条件影响以外，还往往同时受城市热岛环流和海陆风环流的双重影响.利用2015年杭州市气象和环境监测数据以及数值模式RBLM-Chem，分析研究了杭州市在陆风天气、海风天气和海陆风三种环流条件下污染物浓度特征及城市效应对其的影响.得到了以下主要结论：海风使杭州市污染物浓度增大，在观测数据中PM_2.5浓度和臭氧浓度分别最大增高了10.9μg·m^-3和12.0μg·m^-3，在模拟结果中相比于陆风天气型，海陆风天气型的PM_2.5浓度和臭氧浓度分别增大13.1μg·m^-3和18.9μg·m^-3；相比于海风天气型，海陆风天气型的PM_2.5浓度和臭氧浓度分别减小24.1μg·m^-3和11.6μg·m^-3.城市效应导致杭州市边界层高度增加63.8 m，地面风速减小0.99 m·s^-1，地面气温增高1.14℃，PM_2...     

基于多机器学习模型的逐小时PM2.5浓度预测对比

【目的】比较分析XGBoost模型、LightGBM模型、随机森林模型(RF)、K最近邻模型(KNN)、长短期记忆神经网络(LSTM)、决策树模型(DT)共6个PM_2.5浓度预测模型,以准确、及时预测环境PM_2.5浓度。【方法】基于重庆市合川区2020年全年空气质量监测数据和气象数据,通过最大相关最小冗余算法(MRMR)进行数据降维选择最优特征子集,作为模型的输入,逐一进行PM_2.5浓度预测;考虑到不同季节PM_2.5浓度差异较大,故分季节预测了PM_2.5浓度;为了探究各模型预测性能,计算了各模型运行时间和内存占用,并基于PM_2.5与特征变量的相关性和特征变量的重要性探讨了模型预测性能季节性差异原因。【结果】模型总体预测精度从高到低排序为 XGBoost、RF、LightGBM、LSTM、KNN、DT模型;预测性能方面,6个模型均表现为秋冬季节预测精度高于春夏季节;LightGBM模型可在保证模型精度的情况下,大幅减少模型训练时间和内存占用;特征重要性显示PM₁₀浓度、气温和气压的重要性高,O₃浓度、风向和NO₂浓度重要性相对较弱。【结论】采取MRMR方法进行数据降维选取的最优特征子集能较好地预测PM_2.5浓度;相比较而言,XGBoost、RF、LightGBM、LSTM模型在PM_2.5浓度预测上具有较优性能,其中综合性能较好的为LightGBM模型。     

燃煤电厂电除尘PM10和PM2.5的排放控制VII:以2×600 MW机组为例分析讨论电除尘选型和改造

 分析了2×600 MW机组所配套的两台双室五电场电除尘器(ESP)的设计、选型和改造。每台电除尘配套20台高压电源、一台炉配40台高压电源,改造工作不仅包括更换原80台单相电源为80台三相电源,而且将第一和第二电场的极板、极线及振打系统全部做了更换,改造后电除尘出口PM₁₀和PM_2.5(粒径分别低于10 μm和2.5 μm的颗粒物)的排放分别低于15 mg·Nm^-3和1.0 mg·Nm^-3,PM_2.5占PM₁₀的比例在6.5%~7.5%,与改造前比较PM_2.5下降了95%以上。     

燃煤电厂电除尘PM10和PM2.5的排放控制III:电除尘电源及小分区改造与PM10和PM2.5的排放(以4×330 MW机组为例)

 讨论了4 台典型电除尘改造和细颗粒物(PM_2.5)排放控制,对四电场电除尘器通过本体小分区和电源改造实现了颗粒物(PM₁₀)和细颗粒物(PM_2.5)的超低排放控制.仅对五电场电除尘器进行电源改造,即可实现PM₁₀和PM_2.5的超低排放,电除尘出口PM₁₀和PM_2.5可分别控制在15 和2 mg/m³以下.脱硫塔对PM₁₀有较好的捕集效果,但对PM_2.5的去除几乎没有效果.电除尘振打引起的二次飞扬过程及烟气温度也影响PM₁₀和PM_2.5的排放,当烟气温度从150~160℃降低到约110℃时,电除尘出口及脱硫塔出口的PM_2.5均在2 mg/m³以下.     

基于激光雷达数据对混合层高度与细颗粒物浓度关系的研究

利用微脉冲激光雷达观测资料, 运用人工辅助算法, 获得2016―2019年白天混合层高度(MLH), 并分析其变化特征及其与空气污染物PM_2.5浓度的关系。结果表明, 混合层高度表现出明显的季节变化和日变化, 春季高度明显大于其他季节, 最大值均发生在 5月。混合层高度在08:00―15:00 BJT的变化趋势与PM_2.5浓度负相关。线性拟合结果表明, 当考虑风速的影响时, 通风指数与 PM_2.5具有更强的负相关关系; 当考虑风向的影响时, 西南风情况下, 混合层高度与PM_2.5具有更强的负相关关系。对天气分型后, 每个天气类型的PM_2.5浓度与混合层高度的相关性更加显著。     

2014年1月济南市空气污染气象条件分析

为研究大气环流背景及气象条件对山东中西部PM2.5污染的影响,利用气象及PM2.5浓度资料,选取济南市作为典型代表城市,诊断分析了大气环流背景及气象演变过程对2014年1月济南市PM2.5浓度的影响,建立济南静稳指数公式。结果表明：2014年1月华东北部至华北南部地面至对流层中层风速均为负距平,水平方向污染扩散能力差,偏南风异常加强了南方水汽的输送,有利于气态污染物向颗粒态转化,推高了PM2.5浓度;对流层低层东亚冬季风异常偏弱,逆温增多,垂直方向污染扩散能力差;500 hPa异常高压,抑制了东亚大槽的发展,更加有利于污染物在底层的累积。天气演变过程分析表明：地面水平方向及高空垂直方向气象条件对PM2.5浓度均有影响,地面风速偏弱（偏强）,高（低）湿度,风场辐合（辐散）时,PM2.5污染偏高（偏低）;边界层高度降低（升高）,垂直方向气流下沉（上升）,对流层中低层大气层结不稳定增强（减弱）时,PM2.5污染升高（降低）。静稳指数对于空气质量及重污染过程具有较好的预报能力。     

深圳PM2.5浓度变化趋势及其月尺度预测方法

基于深圳市环境监测站的PM2.5浓度数据以及深圳市国家气候观象台发布的月度气象监测公报,研究了2012年至2019年深圳市PM2.5浓度的变化规律,分析了PM2.5浓度与月尺度气候要素的关系,并利用多元线性回归分析法建立了PM2.5月均浓度的预测模型。结果表明：2012年至2019年深圳PM2.5浓度呈明显下降趋势,PM2.5浓度有季节性特征,干季(1~3月及10~12月)PM2.5浓度比较高,也是PM2.5污染防控的重要时段。月降水日数、月降水量以及月平均温度与PM2.5浓度的负相关较明显,偏北风频率与PM2.5浓度呈显著正相关,可一定程度上帮助预判月均PM2.5浓度。与前人研究结果相反,月平均相对湿度与PM2.5浓度呈显著负相关。包含气象因素项以及PM2.5浓度项的月平均PM2.5浓度预报模型拟合度较高,偏北风频率、月平均相对湿度是对月平均PM2.5浓度影响最大的气象因素。利用深圳市2020年数据对模型进行检验,结果证明方程对于月平均PM2.5浓度的预报有一定适用性,可较好预报PM2.5浓度月增量。     

广西北部湾海雾天气形成预测研究

本研究利用北部湾地区6个气象站的大雾记录及降水量、气温、相对湿度、风速、气压、露点等逐小时气象资料,采用相关分析和主成分分析法确定大雾形成的关键影响因子并分析其特征规律,利用逻辑回归分析法建立北部湾地区海雾预测模型,结果表明,相对湿度和风速是北部湾海域大雾天气的关键的影响因子。在相对湿度越大,风速越小时大雾天气出现的可能性越大,且大雾天气在相对湿度为95%~100%、风速为0~3 m/s时出现的频率最高。利用相对湿度和风速所建立的大雾预测模型对无雾天气预测准确率为75.2%,大雾天气预测准确率为77.9%,总预测准确率为76.6%,总体预测效果较理想。     

南宁市空气中细颗粒物污染水平及其与气象因素的关系

分别于2010年1月和3月在南宁市城中心区的市监测站、文教区的区农校、工业区的英华嘉园、城市郊区的仙葫,应用自动监测仪器监测空气颗粒物的浓度,并分析监测站点位细颗粒物浓度随季节的变化及其与日平均气温、风速和降雨量等气象因素的关系.结果发现,1月份和3月份南宁市城市中心区域的细颗粒物浓度高于郊区的,城市区域范围内则以下风...     

南京地区PM2.5和PM10浓度分布特征及与相关气象条件的关系

利用2014年12月至2015年5月南京市PM_(2.5)和PM_(10)的质量浓度以及天气观测数据,研究南京市颗粒物浓度空间、时间分布特征及其与相关气象因子的关系。研究表明PM_(2.5)和PM_(10)同季节内高度线性相关,时间分布具有明显的季节性差异;PM_(2.5)与风速呈负相关关系,与降雨清除量呈正相关关系;相对湿度达到75%左右时污染最严重。研究首次将其他污染气体和相关气象因子结合起来,用逐步回归法建立PM_(2.5)预测模型,能较好地拟合冬春两季PM_(2.5)变化趋势,较准确地反映南京市PM_(2.5)的污染特征,具有一定的理论和实用价值。     

沙尘天气对内蒙古草原城市大气环境质量的影响研究

沙尘不仅是生态环境恶化的重要标志,也会污染大气环境,影响气象、气候和人体健康。为了探讨沙尘天气对内蒙古草原城市大气环境的影响,综合利用遥感影像与地面观测数据,研究了沙尘天气对锡林郭勒盟草原城市大气环境质量的影响,以期为沙尘天气环境影响评价提供理论依据。研究表明利用MODIS(the moderate resolution imaging spectroradiometer)数据可以实现沙尘活动的遥感监测,结果与基于地面观测发生规律一致;并得到气溶胶自动观测网(aerosol robotic network,AERONET)AOD(aerosol optical depth)产品验证。沙尘天气引起草原城市能见度下降,空气环境质量下降。大气污染主要由颗粒物的增加引起;但伴随沙尘天气的大风使CO、NO_2、SO_2等污染物浓度下降,具有清除人为源所排放污染物作用。     

耦合植被与T639模式的森林火险气象潜势预报

 利用中国2425个测站地面观测资料和T639数值预报资料，以下垫面地理信息、森林植被分布特征为理论依据，通过分析大气降水、地表气温、湿度、风速等气象要素与可燃物状况之间的关联性，建立森林火险气象预报模型。预报结果表明，模型结果能够较好地反映出局地森林火险气象等级较高的区域，对预报有很好的指导作用。     

基于单颗粒质谱技术的石家庄市2016年秋季空气重污染成因分析

利用单颗粒气溶胶质谱仪并综合地面空气污染监测数据、常规气象观测数据、卫星遥感火点监测资料和气流后向轨迹,分析了2016年石家庄市秋季出现的两次空气重污染过程的演变特征及主要影响因素。结果表明：机动车尾气和地面扬尘是PM_2.5的重要来源。高低空稳定的天气形势配置是两次重污染过程形成的直接原因。在这些天气形势下,湿度高、风速小、气压低、逆温层厚、混合层高度低是造成两次重污染过程的重要原因。同时东南和西南方向周边污染物的输送对重污染天气的形成发展也有一定的贡献。     

特高压输电线路工频电磁场的影响因素分析

电磁环境是制约特高压建设和发展的一个关键问题。对1 000 kV特高压输电线路的相导线对地高度、相间距离、分裂导线数量、分裂间距、双回路导线相序布置方式和接地避雷线设置等因素对工频电场的影响进行了仿真和分析。并针对不同的影响因素,提出了降低特高压输电线路工频电场强度的应对策略。     

基于多元回归分析的STM32空气质量监测系统设计与开发

以鞍山市空气环境资料为基础,用统计软件SPSS分析了空气质量指数与PM2.5,PM10,SO2,NO2,CO以及O3的相关性,选取相关性最显著的因素建立多元回归模型,并以此为基础设计并开发出基于STM32处理器的具有温湿度和紫外线测量及空气质量指数预报的空气质量监测系统。测试结果显示,测量及预报值与实际值相符合。