上海市大气环境中PM2.5/PM10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PM_2.5和PM₁₀小时数据及对应的气象因素资料,以PM_2.5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PM2.5/PM₁₀的时空分布特征. 结果表明:P_2.5和PM₁₀的季节高低为冬>春>秋>夏,PM_2.5/PM₁₀的季节分布在不同区域存在差异性. PM_2.5/PM₁₀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/PM₁₀高于下午. 颗粒物质量浓度及PM_2.5/PM₁₀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/PM₁₀均表现为背景站>浦西站>浦东站.     

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。     

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.     

中国PM2.5污染现状及其对人体健康的危害

 当前,中国大气中PM_2.5污染形势严峻。2013 年,在全国纳入监测范围的74 座城市中,接近92%的城市的PM_2.5年均浓度未达到国家标准,其中,京津冀、长三角和珠三角等重点区域PM_2.5污染尤为严重。PM_2.5中含有的多种有毒有害物质可直接危害公众身体健康。已有的研究结果显示,PM_2.5污染会直接影响人体的呼吸系统、心血管系统,与肺癌的发生率和死亡率密切相关,但需从PM_2.5毒理学及暴露-反应关系等影响机制方面做深入研究。中国对大气中PM_2.5污染的治理任重道远,强化PM_2.5的健康风险研究,科学评价PM_2.5污染对中国不同人群疾病发生的负担率等应是认真思考的问题。     

基于多源数据的北京地区PM2.5暴露风险评估

基于2014-2016年的北京地区PM_2.5监测数据, 用空间插值法获得北京地区的PM_2.5空间分布, 并基于DMSP/OLS夜间灯光数据, 模拟得到北京地区的人口密度空间分布。在此基础上, 从PM_2.5浓度空间分布、PM_2.5污染的人口暴露特征、PM_2.5污染人口暴露强度以及人口加权PM_2.5浓度4个方面评估北京地区PM_2.5污染暴露风险。结果显示: 1)PM_2.5浓度呈现南高北低的空间分布特征, 人口暴露风险空间分布与人口密度空间分布呈现高度的一致性, 即人口密度高的区域,PM_2.5污染人口暴露风险也相对较高; 2) 2014, 2015, 2016年北京地区GB3095-2012二级年均浓度标准35 μg/m³的超标人口比例均为100%, 24小时平均浓度标准75 μg/m³的超标人口比例呈逐年显著下降趋势; 3) 2014-2016年北京市人口加权PM_2.5年均浓度值与PM_2.5年均值均存在差异, 差异度与城市暴露人口和污染情况密切相关; 4) 由于PM_2.5污染物浓度空间分布特征与人口密度空间分布特征不同, 北京市PM_2.5污染对总体人群的实际影响和健康危害与其平均浓度水平并不相同, 因此考虑人口密度空间分布特征的暴露风险评估比只考虑PM_2.5污染物浓度的暴露风险评估更准确。     

PM2.5浓度湍流特征和通量获取的实验研究

利用PM_2.5质量浓度测量仪E-Sampler的1 Hz高频采样功能, 采用涡动相关法, 计算山东省德州大气环境实验站2018年12月27日至2019年1月7日多次污染事件的PM_2.5浓度脉动和湍流通量, 探讨PM_2.5浓度湍流特征。结果表明, 实验观测期间PM_2.5浓度湍流通量均值为0.026 μg/(m²·s); 不同污染过程中PM_2.5浓度湍流通量传输方向不同, 表明不同污染过程的污染源汇属性不同。随着湍流统计特征量(如湍流动能、水平风速标准差、垂直风速标准差、水平风速、动量通量和感热通量)增大, PM_2.5湍流垂直通量呈现指数型减小的趋势, 即先急剧减小, 然后随各变量的增长变化不大。随着PM_2.5浓度增大, 其湍流通量绝对值呈现增加趋势, 因此PM_2.5浓度湍流通量的大小与PM_2.5浓度和湍流强弱有关。不稳定条件下, PM_2.5浓度归一化标准差与稳定度参数ζ = z/L 遵循-1/3幂次关系, 即 σ_c/C_* = 6.7(-ζ)^-1/3; 稳定条件下, 实验结果相对离散。另外, PM_2.5浓度脉动方差谱曲线在高频段满足-2/3幂指数率, PM_2.5浓度脉动与垂直速度脉动的协方差谱曲线在高频段满足-4/3幂指数率。研究结果表明, 利用E-Sampler的PM_2.5浓度1 Hz高频采样功能可以得到连续且有效的PM_2.5浓度湍流通量。     

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。     

燃煤电厂电除尘PM10和PM2.5的排放控制II:电除尘电源改造与PM10和PM2.5的排放(以660 MW 机组为例)

 通过对比660 MW 燃煤锅炉电除尘改造前后细颗粒物(PM_2.5)和颗粒物(PM₁₀)的排放,讨论电除尘改造的必要性及可行性.四电场电除尘器在常规单相电源供电下,PM₁₀和PM_2.5的排放浓度分别在63 和23 mg/m³左右,总排放在75 mg/m³左右;采用三相高压电源时PM₁₀和PM_2.5的排放可控制在15 和2.5 mg/m³以下,总排放在18 mg/m³左右,PM₁₀和PM_2.5的排放分别减排76%和89%以上.     

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。     

燃煤电厂电除尘PM10和PM2.5的排放控制VI:以75t/h工业锅炉为例分析讨论电除尘的运行(嘉兴协鑫环保热电分析)

 以嘉兴协鑫环保热电75 t/h 工业锅炉为例, 讨论电除尘器改造和运行降低PM₁₀和PM_2.5 (粒径低于10 和2.5 μm 的颗粒物)的排放。单室四电场电除尘在传统单相高压电源供电下, 电除尘出口PM₁₀和PM_2.5的排放可达120.4~219.7 和9.6~22.3 mg·Nm^-3, 在本体检修和采用4 台三相高压电源改造后, 电除尘出口的PM₁₀和PM_2.5出口质量浓度可分别降至6.0~17.0 和1.8~3.3mg·Nm^-3, 电除尘出口PM_2.5与PM₁₀的比例通常在35%~52%。     

2015年北京、上海和拉萨PM2.5浓度日变化和日际变化分析

分析2015年北京、上海和拉萨3个城市PM_2.5浓度的时间序列, 讨论PM_2.5浓度的季节变化以及各城市PM_2.5浓度日际变化与日变化的相对重要性。从长期来看, 3个城市冬季PM_2.5浓度普遍大于夏季; 从短期来看, 北京和上海PM_2.5浓度主要呈现日际变化, 天气系统的影响远大于日变化。北京冬季PM_2.5浓度在一定程度上也呈现日变化, 但在夏季不明显; 上海在冬季和夏季都不呈现日变化; 拉萨的情况则相反, 当地的天气系统比较稳定, 日际变化不明显,PM_2.5浓度主要受日变化影响,PM_2.5浓度的日变化呈现明显的“双峰”现象。     

基于属性识别模型的铜仁市空气质量评价

为行政部门有效治理城市环境和生态保护,科学客观评价空气质量极为重要。本研究以铜仁市为对象,统计分析了2015—2020年铜仁市空气污染物变化动态特征,同时利用属性识别模型综合评价了铜仁市空气质量水平。研究结果表明：1)铜仁市主要污染物是PM_2.5、PM₁₀和O₃,其污染程度为PM_2.5>PM₁₀≈O₃,PM_2.5和PM₁₀浓度水平处于Ⅱ级标准,PM_2.5在冬季处于不达标水平,PM₁₀于2020年达Ⅰ级以下标准,有显著好转,O₃浓度2016年以来显著增加,存在污染风险。2)铜仁市近几年空气综合质量均为Ⅰ级标准,但空气质量综合水平呈下降趋势,主要原因在于PM_2.5作为首要的空气污染物,污染水平一直没有得到有效控制。此外,O₃污染程度风险增加。因此,PM_2.5和O₃     

中国大陆地区传染病的PM2.5归因发病率分析

通过研究PM_2.5对中国大陆地区7种传染病发病率的影响,得到了百日咳、猩红热、麻疹、肺结核、风疹、流行性腮腺炎及流行性感冒的PM_2.5归因发病率分布和变化趋势.结果表明,这7类传染病的PM_2.5归因发病率主要集中于中国大陆中部和东部地区;除流感、猩红热及少数省份的百日咳外,其余传染病的PM_2.5归因发病率均呈不同程度的降低.当部分省市的ρ(PM_2.5)降至世界卫生组织提出的安全值10μg/m³时,北京、天津及上海等人口稠密,ρ(PM_2.5)高值区的PM_2.5归因发病率降低程度最大.     

重庆市荣昌区冬季典型霾期大气颗粒物浓度垂直变化特征

为探究川东平行岭谷大气颗粒物质量浓度垂直变化特征,通过对四川盆地偏东部的重庆市荣昌区典型雾霾期气象条件下大气颗粒物质量浓度(PM₁,PM_2.5和PM₁₀)的垂直连续监测,分析温度、风速、相对湿度等气象条件与大气颗粒物浓度垂直分布的关系。结果表明：PM₁,PM_2.5,PM₁₀的日变化在各高度范围内均表现为夜间浓度较高。3种粒径段颗粒物的质量浓度均随高度升高而下降,0～300 m内颗粒物质量浓度最高,PM₁,PM_2.5,PM₁₀分别为39.61,193.62,338.87μg/m³。不同空气质量状况下,颗粒物浓度纵向分布不同。空气质量为良时,颗粒物随高度升高缓慢下降,600 m处PM₁,PM_2.5和PM₁₀浓度为100 m处的70.49%,69.60%,65.94%;轻度污染期间,600 m高度的颗粒物浓度比...     

空气细颗粒物污染的来源、危害及控制对策

 近年来由空气细颗粒物(PM_2.5)引起的大气污染现象频发,成为全社会广泛关注的环境问题.结合国内外研究,综述了PM_2.5污染的来源、危害及控制对策的相关研究进展.研究表明,人类活动排入大气中的一次颗粒物、一次颗粒物与大气中的气态污染物相互作用形成的二次颗粒物是PM_2.5的主要来源.长期暴露在PM_2.5环境中,会对人体的呼吸系统、心脑血管系统、神经系统及免疫系统的健康造成伤害.PM_2.5还会导致大气能见度下降,影响正常的生产、生活.针对中国PM_2.5的污染现状,提出了PM_2.5污染的控制对策及建议.     

呼和浩特市大气污染特征及气象条件影响分析

为了解呼和浩特大气污染防治效果,选取呼和浩特市2017—2022年的主要大气污染物、气象要素数据,对污染物浓度的年、月变化、浓度比值、相关性进行分析,利用后向轨迹聚类对2020年3月进行分析。分析结果表明：呼和浩特市2017—2022年空气质量为优、良的天数呈上升趋势。各污染物浓度年变化特征明显,各污染物的浓度变化趋势除O₃均呈“U”形分布。PM_2.5、PM₁₀污染是呼和浩特市大气污染主要研究对象,PM_2.5/PM₁₀的值有明显的月变化特征,5月份为全年最低值。PM_2.5和PM₁₀高度相关性,而NO₂和SO₂与PM_2.5、PM₁₀均呈现正相关性。受气象要素影响,PM_2.5和PM₁₀污染物浓度变化趋势为夏低冬高,7、8月降雨量大,有利于空气质量改善,降水可带走、稀释更多的污染物。而后向轨迹聚类分析得4条气团...     

中国大气PM2.5污染的主要成因与控制对策

 2011年底以来,PM_2.5污染成为全国人民共同关心的环境问题。本文介绍PM_2.5的基本概念与污染和简要治理历史、梳理了中国PM_2.5污染现状,提出煤炭为主的能源结构是高浓度PM_2.5的直接原因、粗放型经济发展模式是雾霾频发的主要原因、污染物的跨界传输也容易形成区域性污染等3个共性原因,同时从不同区域的排放源差异、能源结构与经济发展水平不同及地形与气象条件不同等方面分析了PM_2.5污染的个性特征。从3个方面提出中国防治PM_2.5控制战略建议：大力调整能源结构,防治PM_2.5污染;以科技为核心构建新型的PM_2.5防治体系,实现科技治污;改革体制、法律和经济等管理制度,保障科技治污综合效益。     

基于夜间灯光影像的能源消费与PM2.5时空关系研究

利用能源消费统计数据与夜间灯光影像对陕西省能源消费进行空间化处理,结合PM_2.5遥感数据,基于双变量空间相关性分析等方法,研究了陕西省能源消费与PM_2.5的时空关系,并利用随机森林回归模型探讨了影响ρ(PM_2.5)变化的能源消费因素．结果表明:1）2001—2013年陕西省ρ(PM_2.5)先增大后减小,最高值达到28.5 μg·m?3,省内PM_2.5分布的空间异质性较强,其中关中地区的ρ(PM_2.5)最高;2）陕西省能源消费量逐年上升,在空间上的分布与ρ(PM_2.5)类似,关中地区的能源消费量最多;3）陕西省能源消费量与ρ(PM_2.5)的Moran’s I达到了0.289,表明二者之间有着明显的空间正相关性,即高能源消费的区域有着高质量浓度的PM_2.5分布;4）人口密度、路网密度与能源消费总量是陕西省ρ(PM_2.5)变化的重要驱动因素．      

济南市主城区空气污染物特征分析

为了深入探寻济南市主城区空气污染物特征,研究基于2019年济南市主城区7个国控自动监测点位的空气质量监测数据,分析PM_2.5、PM₁₀、SO₂、NO₂、CO和O₃共6项空气污染物时空特征,并对相关性进行研究。结果表明：浓度季变化,PM_2.5、PM₁₀、CO、SO₂和NO₂呈正“U”型曲线,O₃呈倒“U”型曲线;浓度月变化,PM_2.5、PM₁₀、CO、SO₂和NO₂呈开口向上波动性抛物线,O₃呈开口向下波动性抛物线;浓度日变化,PM_2.5、PM₁₀、SO₂、NO₂和CO呈“双峰双谷”周期性波动趋势,O₃呈“单峰单谷”周期性波动趋势;空间特征,主城区西部和北...     

5个典型城市站点PM2.5污染与气象要素的关联性分析及应用

利用2015—2017年我国5个典型城市(北京、广州、昆明、南京和西宁)气象站点的PM_2.5质量浓度和气象要素数据,分析不同城市站点的PM_2.5污染特征并探究气象要素对PM_2.5污染的影响,并建立5个城市站点的PM_2.5质量浓度多元回归预测模型。结果表明,5个城市站点中：空气质量最优的是昆明站;5个站点的PM_2.5质量浓度均呈夏季最小、冬季最大的特征;在16:00—17:00出现PM_2.5质量浓度较小值;PM_2.5质量浓度随降水等级和风力等级的增大呈下降趋势;北京站气压值存在一个阈值(约101.59 kPa),越接近该值越容易出现重污染;除西宁站外的4个站点的PM_2.5质量浓度的高值中心对应较高的相对湿度(>70%)。西宁站和南京站的PM_2.5质量浓度与温度呈较明显的负相关关系;5个站点的回归预测模型可以较好地预测PM_2.5的质量浓度,其中广州站和西宁站预测模型的...