基于地基观测订正的MODIS AOD反演四川盆地PM_(2.5)时空分布特征

依据AOD与PM_(2.5)质量浓度的关系,利用TERRA卫星的MODIS AOD资料、中国区域气溶胶特性综合联网观测与研究计划和中国地区太阳分光观测网的地基数据,研究了四川盆地MODIS AOD精度及2017年研究区域17个市县级站点PM_(2.5)质量浓度的反演问题.结果表明,重庆、盐亭、贡嘎山站点地基观测AOD与MODIS AOD的线性相关系数分别为0.64、0.86、0.87,满足美国国家航空航天局精度要求,且与PM_(2.5)质量浓度呈较高的线性相关,由此构建了四川盆地订正后的AOD与PM_(2.5)质量浓度的拟合方程,反演了2017年四川盆地分辨率达到县级城市的PM_(2.5)质量浓度空间分布,年均质量浓度为38.7μg/m3,呈现盆地中部高、四周低的空间分布格局,与仅用地市级分辨率的实际PM_(2.5)质量浓度监测数据研究得到的四川盆地2017年平均PM_(2.5)质量浓度50.8μg/m3相比,发现仅用地市级站点的实际PM_(2.5)质量浓度监测数据反映四川盆地区域污染状况会造成明显高估现象.     

不同时间尺度大气PM_(2.5)和PM_(10)卫星影像反演

利用南宁市地面8个监测站与中分辨率成像光谱仪(MODIS)数据反演得到的气溶胶光学厚度值作为数据源,运用回归分析法,选取月、季、年三种时间尺度,分别对PM_(2.5)、PM_(10)浓度与AOD值进行相关性研究。结果表明,PM_(2.5)与AOD相关性好于PM_(10),月尺度PM_(2.5)和PM_(10)与AOD值相关性强,除个别月份外,R2均在0.7以上;季尺度PM_(2.5)和PM_(10)与AOD值相关性,随季节变化显著,但R2均在0.5以上;年尺度PM_(2.5)和PM_(10)与AOD值拟合,采用一元二次模型,R2在0.5以上。上述结果表明AOD在月尺度上与地面站点污染物监测数据PM_(2.5)和PM_(10)的相关性最为显著,故可在月尺度上通过卫星遥感影像反演的AOD推算地面PM_(2.5)和PM_(10)的空间浓度场。     

长沙市MODIS气溶胶光学厚度与PM_(2.5)浓度的相关性研究

利用MODIS数据研究区域大气PM_(2.5)浓度分布是环境动态监测的有效方法。获取美国NASA发布的分辨率为3km的MOD光学厚度产品;提取2016年1月至2017年7月期间长沙市10个大气监测站点的PM_(2.5)浓度数据进行相关性分析,建立PM_(2.5)浓度与AOD之间的线性、幂函数以及指数函数3种相关性模型;引入湿度影响因子建立大气PM_(2.5)浓度订正模型,采用PM_(2.5)浓度订正模型订正PM_(2.5)浓度。结果表明:湿度订正提高了PM_(2.5)与AOD相关性,幂函数相关性模型的方差值相对其他2种模型较好,运用幂函数相关性模型研究长沙市MODIS气溶胶光学厚度与PM_(2.5)浓度的相关性较好。     

南宁市气溶胶光学厚度与大气颗粒物相关性分析

利用南宁市世锦赛期间(10月6—13日)的MODIS影像反演的气溶胶光学厚度(AOD)和PM_(2.5)、PM_(10)质量浓度为数据源,统计以地基站点为中心在站点位置0.5°×0.5°区域范围内的AOD日均值和各监测站PM_(2.5)、PM_(10)质量浓度日均值,运用6种数学模型(线性、一元二次、一元三次、对数、幂函数、指数)进行相关性分析。结果表明,在AOD与PM_(2.5)日均值建立的六种关系模型中,一元三次函数模型的拟合效果更好,且6、7、13日的AOD与PM_(2.5)相关性较高,R2在0.6以上;在AOD与PM_(10)日均值建立的六种关系模型中,一元三次函数模型的拟合效果更好,但AOD值与PM_(10)相关性整体比PM_(2.5)相关性低,7、9日的AOD与PM_(10)相关性较高,R2在0.6以上。对于相关性较好的,可用该模型函数来反演和监测PM_(2.5)、PM_(10)质量浓度。     

上海城区PM_(2.5)精细化空间分布插值方法研究

PM_(2.5)是我国大中型城市的主要污染物之一,已成为多学科领域的研究热点.基于监测点的监测数据无法直接获取城市内部空气污染的高分辨率空间分布情况,以上海市中心为研究区,引入土地利用回归(LUR)模型模拟PM_(2.5)质量浓度的高分辨率空间分布情况.双变量相关分析表明,与PM_(2.5)质量浓度分布相关性最强的地理变量分别是国控点2 000 m缓冲区内的道路长度、2 500 m缓冲区内的建筑面积、2 500 m缓冲区内的绿地面积、500 m缓冲区内的水体面积以及人口密度.基于以上变量,用多元线性回归分析建立PM_(2.5)质量浓度空间分布的LUR模型.在研究区内建立1 km×1 km格网,用LUR模型模拟各格网交点的PM_(2.5)质量浓度,再通过空间插值分析得到上海市PM_(2.5)质量浓度的空间分布模拟图.结果表明,PM_(2.5)模拟质量浓度存在明显的空间梯度差异,整体呈现西部高东部低的格局,并由人口密集区域向四周递减.人类活动是影响PM_(2.5)质量浓度分布的主要原因,模拟结果与实际情况相符.     

星地结合的细颗粒物超标防控区精确识别方法

为精确识别细颗粒物(PM_(2. 5))浓度超标的区域空间,依据卫星遥感与站点监测在PM_(2. 5)浓度观测方面的特点,建立遥感反演数据与站点监测数据间的临界映射分析法,综合卫星遥感覆盖面广和站点监测准确性高的技术优势。通过该方法研究珠三角区域2013年灰霾污染过程的PM_(2. 5)浓度超标区域,结果表明,利用星地结合的方法可以精确识别出PM_(2. 5)浓度超标的区域空间;广州市西部和南部、佛山市大部、肇庆市主城区及东南部、东莞市西部和北部、中山市北部和中部、江门市主城区及东部是珠三角PM_(2. 5)污染的高发地区,应作为防控重点。     

基于LUR和GIS的西安市PM_(2.5)的空间分布模拟及影响因素

从地学角度出发,基于土地利用、人口状况、道路交通和地形等自然人文因素构建土地利用回归模型(LUR),模拟西安市主城区2014年和2015年冬季采暖季PM_(2.5)平均浓度的空间分布,并分析其空间分布成因和年际变化原因。结果显示:LUR模型构建中,2014年采暖季选择的变量主要有500m缓冲区内植被面积、1 000m缓冲区内植被和居民地面积以及人口密度,2015年采暖季选择的变量主要有1 500m、2 000m、2 500m和3 000m缓冲区内道路总长度。2014年和2015年采暖季LUR模型的R2分别为0.933和0.832,拟合效果很好。2014年采暖季各城区PM_(2.5)平均浓度均较高,碑林区绝大部分区域空气质量为严重污染,新城区次之,其他区空气质量基本为重度污染。2015年各城区PM_(2.5)平均浓度均有所下降,大部分区域为轻度污染。土地利用、污染源、道路交通、人口密度、国家环保相关政策、风向和DEM是西安市2014年和2015年采暖季PM_(2.5)浓度空间分布规律、成因、污染来源和年际变化的影响因素。     

不同污染程度下室内外小时PM2.5浓度变化特征对比

依据实测北京市夏季室外和开、关窗室内的PM_(2.5)浓度等数据,利用统计分析,探讨了不同污染程度下室内外小时PM_(2.5)浓度的变化特征。结果表明:室外PM2.5污染程度为轻度时,其浓度达到最大值后3 h,开窗室内PM_(2.5)也达到一天中的最大值。室外PM_(2.5)污染程度为良或优时,二者小时PM_(2.5)浓度的变化特征较同步。同时,关窗室内的小时PM_(2.5)浓度会出现大于室外的现象。室外PM_(2.5)的污染程度不论是轻度还是优或良,早晨7:00~9:00之间因交通早高峰的影响,室外和开窗室内细颗粒物浓度会出现峰值。     

影响中国主要城市PM_(2.5)浓度变化的主导社会经济因素分析

城市是人口集中的区域,城市空气质量的好坏直接影响到市民的福祉。该文基于分位数回归模型,结合层次回归分析,探讨了影响中国2005-2018年中国275个主要地级市PM_(2.5)浓度变化的主导社会经济因子,结果表明,城市人口密度是影响PM_(2.5)浓度变化的主导因子,因此,合理控制单位面积城市人口数量是有效预防PM_(2.5)污染的良策。此为城市规划布局和城市现代管理政策的制定提供理论依据。     

天津市东丽区主要大气污染物浓度时空变化特征及气象影响要素分析

利用天津市东丽区各街道的12个环境监测站2016年1月～2018年12月的逐小时、逐日、逐月数据,以及同一时期东丽国家一般气象站的相对湿度、日照时数、风速、最高气温数据,分析了东丽区各主要街道PM_(2.5)、PM_(10)浓度的日、月、季变化特征。通过相关分析方法研究了气象要素与PM_(2.5)和PM_(10)浓度及气象要素与污染物浓度超标的关系,评估了气象要素对PM_(2.5)、PM_(10)浓度的影响。基于逐步多元线性回归方法建立了各气象要素和PM_(2.5)、PM_(10)浓度的多元线性回归模型。     

京津冀地区PM_(2.5)时空变异性规律研究

空气污染已成为全球关注的重要问题,亦是当前中国大气质量面临的主要问题.本文基于2014年6月—2017年8月京津冀地区13个城市的PM_(2.5)监测站点数据,利用数理统计、GIS空间自相关和克里金插值等方法研究了不同时间尺度下PM_(2.5)的时空变化规律.研究结果表明:(1)PM_(2.5)在时间上的分布特征为,季均值冬高夏低,春秋居中,季均值与月均值表现为连续平缓U型模式,日均值呈峰、谷交替变化,每日最低值在16点左右出现;(2)PM_(2.5)空间分布差异较大,中南部城市浓度远高于北部城市,具有空间自相关性和聚类特征,表现为污染区域关联性;(3)不同时间尺度下PM_(2.5)浓度均呈南高北低分布,各季节高浓度区域面积逐年缩减并向南转移,在秋冬季节形成以石家庄为高浓度中心向外逐渐降低的阶梯式分布模式.     

基于MODIS数据的郑州地区PM_(2.5)时空分布特征分析

卫星观测不仅能反映全球尺度的大气污染状况,也能从城市等区域尺度上监测大气污染物的变化.本文基于2004-2013年MODIS气溶胶标准产品,利用PM_(2.5)卫星遥感估算的统计模型,统计分析了郑州地区的PM_(2.5)质量浓度的年际及季节变化特点,有助于深入研究郑州地区细颗粒物污染水平变化.研究发现,在空间上,郑州地区PM_(2.5)高值区主要集中在郑州市市辖区、中牟县、新郑市、荥阳市以及巩义市西北等地区,低值区主要分布于登封市和巩义市南部的山地地区.在时间上,2004-2011年整个郑州地区PM_(2.5)质量浓度总体呈现逐年增长的趋势,直到2011年达到峰值(108.59μg/m3).2011年之后,该地区PM_(2.5)污染状况有所好转,但仍处于重度污染状态.季节变化方面,PM_(2.5)高值通常出现在冬季(149.28μg/m3),秋季次之,春、夏季该地区PM_(2.5)质量浓度较低(81.71μg/m3).研究结果表明,利用卫星数据可以有效地分析郑州地区的PM_(2.5)时空分布特征,为该地区的PM_(2.5)污染治理提供有力的数据和技术支撑.     

上海市大气环境中PM_(2.5)/PM_(10)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PM2.5和PM10小时数据及对应的气象因素资料,以PM2.5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PM_(2.5)/PM_(10)的时空分布特征.结果表明:P2.5和PM10的季节高低为冬春秋夏,PM_(2.5)/PM_(10)的季节分布在不同区域存在差异性.PM_(2.5)/PM_(10)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)/PM_(10)高于下午.颗粒物质量浓度及PM_(2.5)/PM_(10)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)/PM_(10)均表现为背景站浦西站浦东站.     

2016年南昌市PM_(10)和PM_(2.5)质量浓度变化研究

利用南昌市2016年4月～2017年3月8个监测点的PM_(10)和PM_(2.5)质量浓度的监测数据,通过聚类分析探讨了大气颗粒物PM_(10)、PM_(2.5)的污染状况和不同功能区间的变化规律.结果表明:2016年南昌市大气颗粒污染物中,细颗粒物(PM_(2.5))较可吸入颗粒物(PM_(10))超标情况更严重;从时间角度看,PM_(10)和PM_(2.5)浓度表现为冬季春季/秋季夏季的季节性变化趋势;从空间角度看,表现为商业交通居住混合区交通区文教区居住区风景区的变化规律;PM_(2.5)/PM_(10)比值变化特征提示冬季可吸入颗粒物中细颗粒物所占比重最大,春季和秋季次之,夏季最小;在影响因素中,监测点大气颗粒物的浓度受交通环境的影响最大,受居民日常生活排污的影响次之.     

基于PM2.5中的黑碳变化探究上海冬季典型污染过程

2016年11月29日—12月9日,上海连续发生两起大气污染事件,最高小时PM_(2.5)质量浓度分别达到119和179μg/m~3.利用黑碳(black carbon,BC)仪的在线观测数据,结合大流量PM_(2.5)滤膜样品的化学组成数据——有机碳(organic carbon,OC)、元素碳(element carbon,EC)、水溶性离子、金属元素,观察两次污染过程中PM_(2.5)的化学组成和来源变化.结果表明,在两次污染过程中,污染期的平均PM_(2.5)质量浓度分别是洁净期的4.2和3.9倍,而平均黑碳质量浓度仅为洁净期的1.6和1.9倍.污染期的最高黑碳质量浓度为8.94μg/m~3,占PM_(2.5)的百分比为22.0%.在两次污染过程中,洁净期的平均黑碳质量浓度占PM_(2.5)的百分比分别为11.8%和7.5%,显著高于污染期的4.4%和3.7%.污染期的二次污染严重,平均二次污染物分别占PM_(2.5)的百分比为41.8%和31.9%,平均二次有机碳(secondary OC,SOC)占有机碳的百分比分别为42.5%和34.9%.在两次污染过程中,燃煤、机动车、船舶排放和生物质燃烧均有显著贡献.     

2014-2018年春节期间北京交通站PM_(2.5)及NO_2污染特征分析

利用2014-2018年北京市春节前后交通污染监测站的PM_(2.5)和NO_2浓度数据,采用浓度特征对比、PM_(2.5)/CO比值等方法,初步评估春节期间烟花禁燃措施和机动车减排的效果,探讨烟花燃放及气象条件对空气质量的影响。结果表明:PM_(2.5)和NO_2浓度变化特征不同,春节期间PM_(2.5)平均浓度为103.6μg/m~3,高于非春节期间25.3%;而NO_2平均浓度为53.8μg/m~3,低于非春节期间19.5%,主要受到机动车减排的影响。2014年春节期间PM_(2.5)浓度最低,2015-2018年PM_(2.5)浓度呈逐年下降趋势;NO_2浓度无明显年际变化特征。烟花爆竹燃放对PM_(2.5)浓度影响显著,对NO_2浓度影响较小,除夕期间对PM_(2.5)浓度的最大贡献值达283.4～704.1μg/m~3。2018年北京市五环内禁燃烟花措施对交通站PM_(2.5)污染改善明显,PM_(2.5)浓度较前4年均值下降25.2%,NO_2浓度仅下降2.4%;禁燃对燃放高峰期PM_(2.5)浓度有明显削峰作用,无有利扩散气象条件下,除夕期间烟花燃放对PM_(2.5)浓度的最大贡献值仍较前4年下降45.0%。气象条件对春节期间PM_(2.5)浓度变化的影响作用较NO_2显著,有利扩散气象条件是2014年春节期间PM_(2.5)污染较非春节期间明显改善的主要原因。     

伊宁市采暖期PM_(2.5)载带主要水溶性无机离子特征分析

2016年11月—2017年2月采暖期在伊犁州环保局设置采样点采集环境空气中的PM_(2.5),利用离子色谱法测定PM_(2.5)中水溶性无机离子(water soluble inorganic,WSIN)含量,分析PM_(2.5)中水溶性无机离子的组成等。结果表明,伊宁市采暖期PM_(2.5)平均质量浓度为54. 9μg/m3,PM_(2.5)中总水溶性离子占PM_(2.5)的比例为11.7%,含量较高的3种水溶性离子依次为SO2-4、NO-3和Cl-,阴阳离子当量回归分析表明,采暖期PM_(2.5)偏碱性;[NO-3]/[SO2-4]平均值为0. 25±0. 08,说明伊宁市的采暖期大气污染是以煤烟型污染为主,并与机动车尾气等共存的复合型污染。     

基于融合MODIS AOD和LME模型的京津冀地区PM_(2.5)季节浓度模拟

为探究京津冀地区PM_(2.5)浓度的时空差异,基于线性混合效应模型,在该地区分别建立不同季节融合MODIS AOD与PM_(2.5)的关系,并对其季节浓度进行模拟.研究结果表明:模型拟合所得四季的可决系数R~2分别为0.738、0.668、0.644和0.760,留一交叉验证后R~2分别为0.733、0.658、0.636和0.756,模型仅存在轻微过度拟合,且PM_(2.5)浓度较高的春冬季拟合效果优于夏秋季;在气候、地形、经济和人口等多种因素的综合影响下,京津冀PM_(2.5)浓度存在季节差异和地区差异,即四季PM_(2.5)浓度冬季最高,春秋次之,夏季最低,空间上基本呈现北部低、南部高的特点.     

探究四川省PM_(2.5)污染的空间分布

为探究四川省21个市州PM_(2.5)污染的空间分布,有效地利用数据、减少信息损失,将各市州的地理距离与经济变量相关性相结合,构建地理-经济变动空间权重矩阵来刻画各市州之间的相互影响程度,并采用一种改进的Moran’s I指数分析四川省PM_(2.5)污染的空间分布情况,绘制Moran散点图、局部Moran’s I指数集聚图等将PM_(2.5)污染直观地呈现.结果表明:从整体看,四川省PM_(2.5)污染呈现空间正相关性,高污染地区与高污染地区聚集;从局部看,成都平原城市群、川南城市群和少部分川东北城市群的城市PM_(2.5)污染情况较严重,且呈现空间聚集状态,而在攀西城市群、3个少数民族自治州以及少部分川东北城市群的城市自身的PM_(2.5)污染较轻,但周围城市污染较为严重,呈现PM_(2.5)污染空间负相关性.     

芜湖市PM_(2.5)的影响因素分析与预测

本文针对芜湖市PM_(2.5)的影响因素分析与预测研究,分别建立了多元线性回归和ARMA预测等模型,使用EVIEWS、EXCEL等软件编程求解,研究得出:PM10和CO对PM_(2.5)浓度的变化影响较大,符合芜湖市PM_(2.5)浓度变化的ARMA(1,2)模型.最后为政府和环境部门有针对性地治理PM_(2.5)污染问题提供较为科学的建议.