保定市空气质量综合评价模型研究

通过中国环境空气在线监测分析平台,收集保定市2018年全年空气质量监测指标数据。以环境空气质量指数(AQI)和二氧化硫(SO2)、二氧化氮(NO2)、可吸入颗粒物(PM10))、一氧化碳(CO)、臭氧(O3)、细颗粒物(PM2.5)六项指标浓度数据作为研究对象,采用因子分析法、多元逐步回归分析法对六项监测指标进行定量分析,建立空气质量综合评价模型。     

西安市挥发性有机物(VOCs)扩散迁移与气象因素的研究

近些年,伴随着西安市工业的发展及城市化进程的逐渐加快,环境问题日益突出.挥发性有机物(VOCs)是形成细颗粒物(PM2.5)的重要前体物,且也在一定程度影响AQI(Air Quality Index,空气质量指数)的指标,空气污染物含量也在随之增加.采用空气中PM2.5含量和AQI指数作为研究因变量,以各个气候因素作为...     

基于多元时间序列的哈尔滨市PM2.5影响因素分析

为探究哈尔滨市PM2.5与其他空气污染物和气象因子间的动态关系,基于哈尔滨市2013-2018年日值空气质量数据和气象观测数据建立PM2.5质量浓度的多元时间序列模型.利用相关性较强且平稳的空气污染物(包括SO2,NO2,PM10,CO和O3)和气象因子(平均气温、极大风速、累计降水量、日照时数和平均气压)建立PM2....     

依靠科技进步,加快我国PM_(2.5)污染治理与空气质量改善步伐

<正>随着中国经济的快速发展,城市化进程的加快,能源消耗和大气污染物排放总量不断增加,中国空气质量面临严峻挑战。目前,我国空气污染已由传统的总悬浮颗粒物(TSP)、可吸入颗粒物(PM10)和SO2污染转向以大气细颗粒物(PM2.5)和污染气体(VOCs、O3、NO x)等组成的跨区域、复合型大气污染,其中以PM2.5污染问题最为突出。2011年末以来,多次大范围灰霾天气引起了国内外广泛关注。从观测结果和能见度与气溶胶关系的研究发现,雾-霾或灰霾现象背后的根本原因是PM2.5污染及其与大气相互作用的问题。2012年2月国务院正     

环境空气质量标准修订后城市空气质量变化趋势及污染特征分析 ——以济南市为例

2012年环境空气质量标准修订后,大气污染物监测指标与频次发生变化,在一定程度上影响了城市空气质量评价及污染特征判定。为进一步促进城市空气质量改善,为地方环境管理与决策提供科学支撑,通过运用统计分析、趋势检验及相关分析等方法研究了济南市执行新环境空气质量标准后,各时段城市空气质量及6项污染物浓度变化趋势,在此基础上识别了空气污染特征。结果表明：自2013年起,PM10、PM2.5浓度不断下降,SO2、CO持续达标,近3年间全市无污染天数占50%左右;从季节变化来看,冬季大气污染最为严重,夏秋两季空气环境质量较好;PM10、PM2.5与NO2长期处于超标水平,O3污染愈加严重。可见济南市环境空气质量虽日趋改善,但以PM10、PM2.5和O3污染为代表的复合型大气污染特征已经形成。     

宁夏沿黄城市群大气复合污染物关联规则挖掘——以污染季PM2.5质量浓度为例

根据空气质量指数(AQI)高频数据,从污染物等级分布、年均污染物浓度变化和污染物日变化规律等视角,对宁夏沿黄城市群污染季PM2.5污染规律进行分析,并通过Apriori算法对PM2.5同其他大气污染物之间的关联规则进行挖掘.结果表明,宁夏沿黄城市群污染季PM2.5质量浓度达标率约为81％,且年均污染水平逐年下降,每年1...     

校园大气环境不同高度PM_(2.5)的物理化学特征比较

大气细颗粒物(PM2.5)已经成为影响我国大气环境质量和人们身体健康的首要污染物.作为青少年集中学习和生活的校园环境的空气质量状况已经成为多方关注的热点.为研究校园环境大气细颗粒物的空间分布状况及其物理化学特征,在不同高度(5,40 m)设立采样点,同步采集大气PM2.5样品,利用高分辨扫描电子显微镜-X射线能谱仪(scanning electron microscope-energy dispersive spectrometer,SEM-EDS)分析了不同高度和不同时间段校园大气环境中PM2.5的微观组成、化学组分,得出如下主要结论:校园环境PM2.5的微观组分主要有燃煤飞灰颗粒、矿物颗粒(原生的和新生的矿物颗粒)、烟尘集合体以及无法鉴定的颗粒物;5 m高度处采集的颗粒物的质量浓度和数浓度均高于40 m高度处,5 m高度处PM2.5的矿物颗粒相对较多,而40 m高度处PM2.5的烟尘集合体相对较多;晚上样品中颗粒物数量和种类都比白天要多.     

扬州市区大气污染的变化规律及其机理探讨

通过对2013年江苏省扬州市市区大气污染状况进行监测和统计,分析了扬州市大气主要污染指标的变化规律,并探讨其光化学反应机理.研究结果表明:1)受气压变化的影响,扬州市每日细颗粒物(PM2.5)、可吸入颗粒物(PM10)、SO_2和NO_2浓度大约在早晚8:00达最高值;2)O_3浓度全年隔月发生周期性变化,双月份涨幅较大;3)O_3形成的控制区的类型随监测地点、季节、污染物浓度及气象条件的不同而改变,从而影响PM2.5的生成浓度;扬州市区多数情况下属挥发性有机物(volatile organic compounds,VOCs)控制区,因此O_3浓度的变化趋势与PM2.5、PM10、SO_2和NO_2的相反;4)春节期间燃放烟花炮竹引起PM2.5和SO_2浓度急剧上升,据此可预测人口密度的相对高低和污染物的分布特征.     

PCA-BP模型下皖北城市群PM2.5浓度分析

为探究皖北城市群大气污染物在不同地域、不同时间下的分布规律以及影响空气中PM2.5浓度的相关变量,结合2018-2021年安徽省生态环境厅统计数据及相关地域资料,采用主成分分析(PCA)法按时间段长短及季节性变化分别选取月度数据与年度数据对空气质量的影响因子做相关性分析,对比分析不同季节下空气污染物PM2.5、PM10的浓度及其它空气污染物的变化,构建基于PCA算法的反向传播神经网络 (BP),建立PCA-BP模型并采用交叉-验证法提高模型精度,对大气中的污染物PM2.5浓度做短期预测。实验结果表明:PM2.5浓度的主要影响因子为PM10、CO、NO2、SO2;皖北地区PM2.5含量整体在冬季偏高;预测模型的精度在夏季与秋季较高,冬季较低,四季的预测精度R2分别达到0.924、0.958、0.935、0.794。     

典型会议期间污染调控对城市空气质量影响分析

以2017年5月在南京市举行的首届江苏发展大会期间的空气质量为例,研究空气质量保障措施对城市空气质量的影响。结合气象观测数据、污染物质量浓度观测数据、污染物排放清单等,采用时间序列分析方法分析空气质量变化情况。根据2012年的分类别污染物排放清单和首届江苏发展大会具体保障措施,估算了保障期间南京市污染物排放强度的变化,结果表明:PM2.5和PM10分别减排57%和60%; CO、非甲烷挥发性有机物(NMVOC)、SO_2和NOx分别减排36%、35%、33%和26%; CO、NO_2、SO_2、PM2.5和PM10日均质量浓度分别下降22.5%、30.1%、30.9%、3.94%和19.0%,O_3日均质量浓度上升了32.1%;会后,随着管控措施的取消,除O_3外的主要大气污染物日均质量浓度上升,而O_3日均质量浓度不变。气象条件稳定时,现行的调控措施可以控制南京市除O_3外的主要大气污染物。     

基于空气质量指数AQI的空间自相关特征分析——以福建省为例

以福建省9个地级市为研究对象，运用时间序列模型、全局空间自相关分析、K-medoids聚类及相关分析等研究方法，探索福建省各地级市空气质量指数的空间自相关特征。研究结果显示，相比秋冬两季，各地级市春夏两季的空气质量相关性较低，具体表现为，春夏两季各地级市莫兰指数（Moran's I）显著较低 。以空气质量指数AQI的6个空气质量分指标作为聚类标准进行研究，发现福建省地级市的空气相关性区分为两大类。进一步对AQI进行相关性分析，发现AQI与PM10、PM2.5、NO2分指标高度相关，由此说明，空气微粒与NO2是福建空气污染的主要来源。空气质量季节上的分布差异，可以为政府准确地制定治理方案提供有力证据。     

“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%.      

PM2.5的分布规律与综合治理模型研究

正随着经济的快速发展和人们生活水平的提高,环境空气质量恶化成为了亟待解决的问题之一。2012年环境保护部公布了《环境空气质量标准》,启用空气质量指数AQI作为空气质量检测指标,AQI是无量纲指数,它的分项检测指标包括6个基本检测指标:二氧化硫SO_2、二氧化氮NO_2、可吸入颗粒物PM10、细颗粒物PM2.5、臭氧O_3和一氧化碳CO。近年来,我国大多数城市出现严重的雾霾天气,其主要原因就是大     

燃烧源PM2.5微粒润湿性能

利用W ashburn动态渗透压力法研究了燃煤电厂与垃圾焚烧发电厂PM2.5微粒的润湿性能及其与微粒形态和组分的关系,并考察了添加润湿剂(十二烷基苯磺酸钠(SDBS)、十二烷基硫酸钠(SDS)、JFC、FS-310、Silanol w22)对水润湿燃烧源PM2.5的改善作用.利用扫描电镜和X-射线能谱分析了微粒的形态和化学组分.结果表明:微粒的形态和组分对润湿性能有较大影响,垃圾焚烧发电厂PM2.5微粒的水润湿性能优于燃煤电厂PM2.5;不同润湿剂改善燃烧源PM2.5微粒润湿性的效果与微粒特性密切相关,SDS,Silanol w22可明显改善燃煤电厂PM2.5微粒的润湿性能,而FS-310,JFC则对垃圾焚烧电厂PM2.5微粒有显著改善作用;研究结果可为利用蒸汽相变提高燃烧源PM2.5脱除效果及湿法除尘提供重要基础.     

基于云模型的PM_(2.5)污染程度评价

空气污染问题是近期公众关注的焦点问题.考虑污染因子PM2.5污染程度的模糊性和随机性,采用武汉市130个以PM2.5为首要污染物的AQI数据,利用云模型建立了空气质量评价体系,并用于PM2.5污染程度评价.以PM2.5指数88为例,评价其属于良好等级的隶属度区间为[0.64,0.87],属于轻度污染等级的隶属度区间为[0.03,0.13],最终评价为良好等级,与国家标准一致,但信息表达更充分.结果表明:采用云模型进行空气污染程度评价,实现了空气质量分级评估随机性与定性语言表达模糊性的统一,更符合人类对事物的认知规律.云模型评价空气质量是国家评价标准的有益补充.     

重庆市环境空气质量综合评价研究

环境空气质量对当地居民的生活和幸福指数至关重要。空气质量越来越受到政府的关注。本文对重庆市环境空气质量进行综合评价研究,具体分析了重庆市2013—2018年环境空气质量的状况及变化趋势。收集重庆市2013—2018年主要环境空气污染物(PM2.5、PM10、SO_2)的月度统计历史数据平均浓度监测数据,按照《环境空气质量标准》(GB3095-2012)中的二级标准,用空气综合污染指数评价法和空气污染负荷系数法分析其变化特征和环境空气质量影响因素。结果表明,2013—2018年大气PM2.5月度浓度大多超过平均年浓度限值,PM10浓度月度均值也大多也超标,SO_2均达标。相关的整改措施使得大气中PM2.5与PM10均呈浓度下降状态,SO_2基本呈稳定状态。年内变化显示,各污染物的浓度季节变化非常明显,污染物浓度从高到低的顺序大体为冬季、春季、秋季、夏季。全市的综合污染指数呈下降趋势,空气污染程度显著降低,空气质量不断变好。研究结果可为相关部门提供一定的参考。     

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。     

基于Pearson相关指标的BP神经网络PM2.5预测模型

为了降低PM2.5设备预测成本,同时分析大气因素与污染物的相关性,选取O3、CO、PM10、SO2、NO2污染物指标预测PM2.5,之后加入温度、湿度、风力等大气指标,建立综合气象的指标体系,采用pearson算法对指标进行合并,用pearson相关指标的BP神经网络的方法再次对PM2.5做预测。对比实验证明,基于pearson相关指标的BP神经网络PM2.5预测模型在提高了预测准确率的同时降低了预测的时间复杂度,起到了降低PM2.5预测成本的目的。     

农业活动的污染物排放及其大气环境效应研究进展

农业活动是一个重要的大气污染物排放源。随着我国工业污染物减排措施的不断加强以及我国农业现代化发展进程的加快,农业活动的污染物排放对大气环境的影响将日益突出。文章综述了农业活动排放大气污染物的基本形式和影响大气复合污染的主要机理,分析了农业活动的污染物排放及其大气环境效应模拟研究现状,并提出了面临的主要问题：(1)农业排放源估算和排放源清单制定的不确定性;(2)PM2.5与农业排放各前体物之间呈高度非线性关系;和(3)现有空气质量模式对PM2.5浓度及其化学组分预报准确性不够。     

重庆中心城区空气污染特征及气象影响因素分析

根据环境空气质量监测数据和气象观测数据,对重庆中心城区2013—2020年空气污染特征及气象影响因素进行了分析.结果表明:2013—2020年影响重庆中心城区空气质量的大气污染物主要为PM2.5和O3,重度污染日首要污染物基本为PM2.5;PM2.5污染和O3污染均呈现出明显的季节差异,PM2.5超标主要出现在初春、秋...