拉萨市几种空气污染物浓度变化与气象要素之间的关系分析

文章利用2000年6月至2005年12月拉萨市几种主要污染物SO2、NO2及PM10的浓度逐日监测数据,以及风速、风向、降水、水平能见度及太阳总辐射量等资料,分别对拉萨市几种主要污染物浓度与同期气象要素之间的关系进行了分析,并针对冬夏气候特点,分析了夏半年、冬半年拉萨市NO2污染物浓度与太阳总辐射量的相互关系。结果表明:拉萨市空气质量总体上保持良好水平;三种污染物浓度与降水强度呈显著负相关;SO2和NO2浓度与风速呈负相关,与风向变化不大,而PM10与风速、能见度呈正相关关系;在干(冬)季时,NO2的浓度值要比湿季时略高,且NO2浓度值与太阳总辐射量之间呈负相关。     

拉萨市几种空气污染物浓度变化与气象要素之间的关系分析

文章利用2000年6月至2005年12月拉萨市几种主要污染物SO2、NO2及PM10的浓度逐日监测数据,以及风速、风向、降水、水平能见度及太阳总辐射量等资料,分别对拉萨市几种主要污染物浓度与同期气象要素之间的关系进行了分析,并针对冬夏气候特点,分析了夏半年、冬半年拉萨市NO2污染物浓度与太阳总辐射量的相互关系。结果表明：拉萨市空气质量总体上保持良好水平;三种污染物浓度与降水强度呈显著负相关;SO2和NO2浓度与风速呈负相关,与风向变化不大,而PM10与风速、能见度呈正相关关系;在干（冬）季时,NO2的浓度值要比湿季时略高,且NO2浓度值与太阳总辐射量之间呈负相关。     

Ocean Data View软件在城市大气污染物因子分析中的应用

近些年城市大气污染问题尤为突出,其中PM2.5、PM10等污染物是引起雾霾天气的重要因素.本文基于2007—2016年10年中全国主要城市SO2、NO2、PM10等污染物因子的年平均浓度变化,利用Ocean Data View软件分析主要城市大气污染主控因子(二氧化硫、氮氧化物以及颗粒物)的排放特征及其成因.结果表明:各污染物的区域性分布明显,污染物浓度变化的总体趋势北方高于南方,SO2、NO2、PM10年平均浓度北方分别高于南方108.15%、7.60%、48.36%;从大气污染组分来看,颗粒物的增长速度最快,石家庄2007—2016年PM10增速为28.10%;而SO2的污染物浓度在下降,乌鲁木齐的降速为84.10%.     

2000-2004年山东中西部五城市大气污染变化特征

以2000-2004年山东省中西部五城市(济南、济宁、德州、淄博、泰安)的主要大气污染物SO2、NO2、PM10的浓度资料为依据,分析了2000-2004年五城市主要大气污染物的季节变化特征以及年际变化趋势.根据2004年五城市主要大气污染物SO2、NO2、PM10的日均浓度值,分析了2004年五城市的空气质量现状.结果显示:2004年五城市的空气质量,济南市最差,其次是淄博、德州、济宁,泰安市最好.大气污染物浓度呈明显的季节变化特征,冬季污染最严重,夏季空气质量最好;总体来说,2000-2004年大气污染物SO2、PM10浓度呈逐年下降趋势,NO2浓度没有明显的变化趋势,到2004年,PM10污染浓度依然较高,是最主要的大气污染物.同时分析了引起大气污染物浓度变化的原因,表明大气污染物浓度的变化是地形、污染源和气象条件等因素共同作用的结果.     

天津滨海新区塘沽2013年供暖期前后大气污染物特征分析

为了解天津滨海新区塘沽供暖期前后大气污染物浓度水平的变化特征,利用2013年10月1日~12月29日NO2、SO2、PM2.5、PM10的连续在线监测数据,以供暖前10月1日~11月14日及供暖期11月15日~12月29日2个时间段来分析各污染物的变化特征。结果表明,滨海新区塘沽供暖期比供暖前PM10、PM2.5、NO2及SO2的日均浓度分别上升了46.7%、8.9%、60.5%和117.9%;4种大气污染物的日均浓度最高值均出现在供暖期;供暖期PM10、PM2.5、NO2及SO2的日均超标平均倍数较供暖前均有所上升;供暖期PM10、NO2及SO2的超标率均比供暖前上升,而PM2.5的超标率则下降。     

天津滨海新区塘沽2013年供暖期前后大气污染物特征分析

为了解天津滨海新区塘沽供暖期前后大气污染物浓度水平的变化特征,利用2013年10月1日~12月29日NO2、SO2、PM2.5、PM10的连续在线监测数据,以供暖前10月1日~11月14日及供暖期11月15日~12月29日2个时间段来分析各污染物的变化特征。结果表明,滨海新区塘沽供暖期比供暖前PM10、PM2.5、NO2及SO2的日均浓度分别上升了46.7%、8.9%、60.5%和117.9%;4种大气污染物的日均浓度最高值均出现在供暖期;供暖期PM10、PM2.5、NO2及SO2的日均超标平均倍数较供暖前均有所上升;供暖期PM10、NO2及SO2的超标率均比供暖前上升,而PM2.5的超标率则下降。     

呼和浩特市大气污染物浓度与气象要素的灰色关联分析

基于呼和浩特市大气污染和同期气象要素的监测数据,采用灰色关联度方法,研究了气象要素对PM10、SO2、NO2污染物浓度时空变化的影响.结果表明,对PM10影响最强的气象要素是日平均风速,而对SO2和NO2影响最强的气象要素是日平均相对湿度,逆温强度对三者的影响次之,总云量对其影响最弱.研究结果可为呼和浩特市大气污染预报提供有效依据.     

南宁市灰霾天气与空气污染物关系分析

根据2010年6月1日至2011年5月31日南宁市的环境监测数据和气象数据,分析南宁市灰霾天气特征,然后通过SPSS软件分析灰霾天气与能见度、颗粒物(PM2.5、PM10)浓度、气态污染物浓度和空气污染指数的关系,探讨南宁市灰霾天气与空气污染物的关系。结果发现,南宁市灰霾天气主要分布在秋、冬两季,PM2.5是直接造成南宁市灰霾天气的主要因子,PM10、SO2、NO2、CO和O3对灰霾天气的发生也有一定影响。PM2.5与PM10相关性最显著,与SO2、NO2相关性较显著,与CO相关性显著,与O3相关性不显著。     

北京市2014年大气污染物空间分布特征分析

基于地理信息系统ArcGIS 10.2平台,采用反距离权重空间插值模型对2014年北京市35个环境质量监测点监测到的主要大气污染物:一氧化碳(CO)、二氧化氮(NO2)、臭氧(O3)、可吸入颗粒物(PM10)、细颗粒物(PM2.5)和二氧化硫(SO2)质量浓度年均值的变化规律及空间分布特性进行了分析.结果表明,在质量浓度分布上,2014年北京市CO、NO2、SO2、O3、PM10、PM2.5这6类大气污染物的质量浓度分别位于1～3 mg/m3、17.22 ～ 105.4 μg/m3、14.27～25.75 μg/m3、27～ 81μg/m3、76 ～ 179 μg/m3、67 ～ 123 μg/m3范围内.由此可知,北京市2014年大气污染物年均质量浓度除PM10和PM2.5外的其余污染物质量浓度并不高,都在轻度污染范围之内;在空间分布上,除O3质量浓度空间分布上呈现出北高南低的特征外,其余污染物均呈现南部、中部质量浓度较高,北部地区质量浓度较低的特征.     

长春市大气中SO2与NO2长期污染特征及防治对策分析

通过对长春市2000~2010年SO2与NO2的长期监测数据分析,得到长春市SO2与NO2浓度的长期变化均为绝对浓度值增加的趋势,以及采暖期比非采暖期污染物浓度显著增加的变化规律。通过污染负荷系数指标的计算,确定SO2、NO2与PM10对长春市环境空气质量的影响是同样重要的。分析SO2与NO2排放源主要为工业生产和热力供应过程中的燃料燃烧和机动车尾气排放。总结了自然及人为产生原因和治理对策,为长春市区域大气污染治理防治提供理论依据。     

南通市大气污染物浓度变化特征及其与气象因素的关系

为了厘清南通市大气污染浓度的变化情况以及与气象因素之间存在的关系,分析南通市大气污染物潜在的输送来源。文章利用南通市2018年全年大气污染物资料和同期气象观测要素资料,对SO2、NO2、CO、O3、PM10、PM2.5污染物的时、日、月、季浓度变化规律及其与气象因素之间的关系进行分析,并结合南通市2次重污染天气过程,使用后向轨迹模式HYSPLIT4分析南通市大气污染物的主要来源。结果表明：SO2、NO2、CO、PM10和PM2.5浓度均呈现夏季最低,其次是秋季,冬、春季浓度最高,O3浓度呈现明显春、夏季高于秋、冬季。SO2、NO2、CO、O3年平均排放量均较低。一天当中不同时间段,气象因素影响情况不同导致污染物的浓度不同。O3浓度变化跟NO2浓度变化呈明显负相关性。O3污染最高的天气,一般是气压较低,能见度较好的晴朗天气。而研究发现,PM2.5在气温较低、湿度高、气压高、日降水量较小、能见度低且风速较小的气象条件下,污染浓度更容易升高。NO2在低温高湿,气压高且风速较小的气象条件下时跟容易堆积。NO2、CO、O3与6种常规气象要素均存在显著相关性。O3跟气象要素之间相关性关系正好与其他5种污染物相反(湿度除外)。通过两次重污染天气过程的后向轨迹分析,南通市大气污染物来源既有西北和偏北气流的长距离输送,也有偏西和偏南气流的区域性源。     

陕西省汉中市大气环境质量的灰色预测

依据汉中市汉台区城区2005—2011年大气环境中SO2,NO2,CO,PM10的监测值,应用灰色理论建立GM(1,1)灰色模型对汉中市汉台区城区空气中的SO2,NO2,CO,PM10浓度进行预测。经过相关检验和修正,确定所建的SO2和CO模型具有较高的精确性和可信度,PM10模型经残差模型修正后准确度和精确度均有所提高,NO2模型不太适合小样本数据灰度建模。另外,利用建立的灰色模型对汉中市汉台区城区2012—2015年主要污染物浓度进行预测,为汉中市汉台区城区大气污染防治工作提供有益参考依据。     

近十几年上海空气质量变化动态及主要污染指标间的相关性分析

分析了近20年来上海空气质量的变化情况,同时研究了总悬浮颗粒物(TSP)浓度与降尘量相关性,可吸入颗粒物(PM10)浓度与降尘量、二氧化硫(SO2)、二氧化氮(NO2)浓度相关性,以及酸雨频率与SO2、NO2浓度相关性.发现上海空气质量优良率、TSP,PM10,SO2和NO2浓度以及全市区域降尘量等指标均呈波浪式改善趋势,但酸雨频率和酸度呈恶化趋势.城区和全市TSP浓度与城区降尘强度、城区PM10浓度与全市区域降尘量及城区NO2浓度间均表现出极显著的相关关系.城区PM10浓度与道路降尘量关系不如与全市区域降尘量密切,与城区SO2浓度之间无显著相关性.全市酸雨频率与城区SO2浓度在1990~1999年有极显著相关性,在2000~2013年无显著相关,在1997~2013年与城区NO2浓度无明显相关.有效降低降尘量将是降低TSP和PM10浓度的有效手段之一;严格控制城市机动车等NOx排放量,是控制城区PM10污染的有效手段之一.     

应纠正北京市空气污染监测报告的误偏

1空气污染的监测与分析1992-2004年,北京市空气中的主要大气污染物,除SO2外,总悬浮颗粒物、可吸入颗粒物(PM10)、氮氧化物、NO2等的浓度基本上都超过了国家规定的空气环境质量二级标准。2005年,     

福州市典型大气污染类型、过程及机理研究

2014年1月和3月,利用福州市国控环境空气监测点位的自动监测数据(PM10、PM2.5、SO2、NO2和O3)、在线黑碳(BC)和挥发性有机物(VOCs)数据,结合后向轨迹模式(HYSPLIT)对福州市典型大气污染进行分析讨论。结果表明,福州市有三种典型大气污染类型,即外来输送型、本地积累型以及特殊突发型。其中,输送型大气污染的特征是高空、远距离输入气团输送较高浓度PM10和PM2.5,造成其浓度快速上升;突发型大气污染的特征是燃放烟花爆竹造成PM10、PM2.5和SO2大量产生,与燃放烟花爆竹的时段吻合;积累型大气污染的特征是污染物没有明显的浓度峰值,浓度水平均较高,尤其是PM10和NO2。输送型和突发型大气污染中,苯和甲苯浓度的比值(B/T值)基本大于0.5,积累型大气污染B/T值基本小于0.5,说明输送型、突发型大气污染很大程度上受煤炭燃烧的影响,积累型污染主要受机动车尾气排放的影响。     

铜陵市空气污染物浓度日变化特征的观测分析

选择位于长江南岸的铜陵市为研究区域,利用2007~2010年空气污染物浓度监测数据与气象要素观测资料,分析二氧化硫(SO2)、二氧化氮(NO2)和可吸入颗粒物(PM10)浓度的日变化特征及其与气象要素之间的关系.结果表明,铜陵市空气污染物浓度和气象要素的日变化主要有"单峰单谷型"和"双峰双谷型"两种,SO2和PM10的日变化规律空间差异不显著,NO2的日变化存在明显空间差异.主要污染源附近的监测点,浓度日变化规律与气压、相对湿度和气温3个要素日变化之间存在相关性,而与风速、降水的日变化规律无关.周边无污染物排放的监测点,浓度日变化规律不仅与气压、相对湿度和气温日变化存在显著相关,还与风速呈反向相关关系.对于周边虽有部分污染源,但不是区域内的主要污染源的监测点,浓度日变化与气象要素之间无统一的相关性.     

烟台市区大气中SO_2、NO_X及PM_(10)的时空分布规律研究

以2006—2007年烟台市区大气中SO2、NOX、PM10的监测数据为依据,分析了这3种大气污染物的时间、空间分布特征.结果表明:烟台市大气污染物浓度较低,空气质量较好.主要污染源为采暖排放、机动车排放与风沙影响.SO2、PM10污染呈明显的季节变化,SO2采暖季排放上升明显,PM10在春、秋的风沙时期保持较高的值.各污染物呈明显的区域性分布,SO2、PM10污染多集中在只楚工业区,NOX污染多集中在城市中心区域.     

基于 VAR 模型的重庆市大气污染物分析及研究

目的 研究重庆市首要空气污染物 PM2. 5 与 PM10 、SO2 、NO2 、CO、O3 的动态影响关系,为政府制定防治大气 污染措施及相关政策提供有价值的建议。 方法 收集重庆市 2021-05-01—2021-10-31 日的 PM2. 5 、PM10 、SO2 、 NO2 、CO、O3 这 6 项大气污染物的日浓度数据,利用 Eviews8. 0 软件,对原始数据进行序列平稳性检验;根据 Granger 因果检验结果选择变量,建立时间序列 VAR 模型,并检验模型的稳定性;利用广义脉冲响应分析和方差分 解分析,研究各污染物浓度对 PM2. 5 的动态影响及相对重要性。 结果 Granger 因果检验表明:PM10 、SO2 、NO2 、O3 是 PM2. 5 的 Granger 原因, CO 不是 PM2. 5 的 Granger 原因;广义脉冲响应分析表明:NO2 对 PM2. 5 的影响最大;方差 分解分析表明:NO2 的浓度对 PM2. 5 的影响最大;O3 对 PM2. 5 的影响次之,对 SO2 的影响作用最小。 所以,从长期 影响效应看,NO2 对 PM2. 5 具有长期较大的影响,SO2 对 PM2. 5 的影响最弱。 结论 防治 PM2. 5 对重庆市空气的污染 应着重控制 NO2 的污染,因此,政府应大力发展绿色交通,控制交通污染;大力监管高污染行业,将烟雾、粉尘、颗粒 物等排放量较大的行业作为工业污染源治理的重点;大力发展清洁能源,加快化石燃料替代资源的开发利用。     

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....     

银川市环境空气质量统计特征分析

为了解银川市环境空气质量状况,本文根据银川市2009年的SO2、NO2和PM10浓度资料,对银川市空间统计特征（包括兴庆区、金凤区和西夏区）,季、月、日际变化特征和典型变化特征进行了统计分析。结果表明,银川市的空气质量状况良好,春冬两季污染较严重,冬季最重,夏季最轻。兴庆区、金凤区和西夏区三个功能区中后者的污染相对来说比较严重。三种污染物中PM10污染最严重,其次是SO2,NO2污染最轻。超标天可能与大尺度的天气现象相关。