城市街谷内流场及污染物的实测分析

目的研究街谷内污染物质量浓度的日间变化规律和空间分布特征,温度和车流量与街谷内污染物质量浓度的关系,以便于分析城市绿化灌木对街谷内大气环境的影响.方法根据沈阳市典型街谷内的实测数据,采用ORIGIN软件分析沈阳市可吸入颗粒物的空间分布特征及其与风速、温度、车流量等要素的相关性.结果实测条件下街谷内的污染物分布受多种因素的影响,污染物质量浓度日变化呈现一定的规律性,峰谷值周期性出现;测量结果表明,在空间上,街谷内颗粒污染物质量浓度的垂直分布具有明显的分层特征,水平方向上则呈现近似对称分布的特点.结论微风条件下,街谷内颗粒污染物质量浓度主要受两个因素的影响:一个是背景质量浓度的变化;另一个是机动车排放物在街谷内的累积.街谷内污染物质量浓度的日间变化规律与背景质量浓度变化相似,与车流量并无直观的相关性.城市街谷内绿化树木对街谷内污染物分布与扩散的影响作用比较复杂.绿化树木对颗粒物有一定的吸附作用,但其也能阻碍污染物向街谷外扩散,从而引起街谷内污染物质量浓度的升高.     

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。     

广州地区臭氧浓度变化规律研究

通过对1999年广州市3个监测点(市监测中心站，麓湖公园和龙归)地面O3浓度的分析，研究广州地区地面O3浓度的时空分布及其变化特征，结果表明：①天气条件的变化对O3形成具有明显的作用，即：晴天O3平均浓度都大于多云天和阴雨天的值，阴雨天的值最小；②O3浓度具有明显的季节变化，其大小次序排列为冬季、秋季、夏季和春季；③远郊区的龙归测点O3的值均大于市监测中心站，麓湖公园测点也大于市监测中心站，这表明二次污染物的高浓度中心与一次污染物的中心不相重合，二次污染物在一次污染物的下风方形成。同时利用高分辨化学模式模拟了市监测中心站测点O3浓度廓线随时间的变化，结果表明：对流层低层的O3浓度日变化幅度较大，尤其是白天变化非常明显；自由大气层内的O3浓度日变化较小。     

南京市一次大气污染事件时空演化特征及影响因素

利用数理统计和后向轨迹方法,分析江苏省南京市2015年全年空气质量指数(AQI)及1月21—27日各污染指标数据,探讨南京市大气污染时空分布特征及影响因素.研究发现:2015年南京市AQI达到污染程度的天数在瑞金路、迈皋桥最多,在玄武湖最少;AQI值在秋、冬季较高,春、夏季较低,推测南京市AQI主要受不同功能区污染排放和不同季节天气变化控制.在1月21—27日大气污染事件中, AQI在仙林大学城最高,为211.094;玄武湖最低,为168.881. PM_(10)平均浓度在奥体中心最大,为229.472,玄武湖最小,为179.932. PM_(2.5)的空间分布情况与PM_(10)类似, SO_2, NO_2和O_3浓度空间差别不大.在此期间, AQI总体呈波动上升趋势, 21日、24日、26日出现3次高峰, 25日和27日下降. PM_(10)、PM_(2.5)、NO_2浓度变化趋势与AQI呈正相关关系, O_3与AQI呈负相关关系.因此,南京市大气污染在空间上具有明显区域特征,在时间上具有累加特征,同时还受周末效应和天气作用影响;主要污染物为汽车尾气、燃煤燃气和工业废气.气团后向轨迹显示,大气污染源主要来自局地和西北地区, 25日气团方向改变,导致污染物浓度下降,推测南京市大气污染受气团带来的外地污染物及天气变化的综合影响.     

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.     

北京地区大气污染物时空分布及累积效应分析

用1999年和2000年的监测资料结合随机游走大气扩散模式分析北京地区PM₁₀和SO₂浓度的时空变化、城区污染排放对整个区域的作用和影响、以及污染物在区域内的累积效应。结果表明：(1) 北京地区污染物浓度具有以城区为中心的空间分布特点和季、日变化规律。(2) 城区和清洁对照点的污染物浓度平均日变化具有显著差异,城区基本呈双峰分布,清洁对照点定陵则基本为单峰分布。(3) 由扩散模拟的情况对定陵站的监测浓度进行条件性统计分析,结果明确反映了城区污染扩散对定陵站浓度的影响。(4) 北京冬季从城区排放的污染物在当地累积的情况明显,累积的时间周期大致为2～5d;输送扩散因子在污染物局地累积的过程中起着关键性的作用。     

北海市城区大气污染物变化特征与地区生产总值的关系

利用北海市2002～2012年中NO2,SO2和PM10浓度的监测数据,分析城区大气污染物的月变化、季节变化、年变化、空间分布以及地区生产总值（GDP）增长对污染物浓度的影响.结果表明：北海城区大气环境质量整体状况较优,主要污染物NO2,SO2和PM10污染物浓度具有明显的时空变化,污染物在时间上呈冬高夏低的季节性变化,并受季风、降水湿沉降的影响明显;在空间上,污染物呈南高北低的区域性变化,市区及近郊高于远郊.污染物浓度和GDP增长关系明显,GDP增长幅度较污染物增长幅度大,两者之间存在着显著线性相关关系.北海市第一产业（农林牧渔业）和第三产业（服务业）对污染物排放量贡献大于第二产业（工业及建筑业）.     

居住区内大气颗粒物污染特征和影响因素探究——以南京某高校为例

2014年4—5月,在对南京某高校居住区室内和室外的大气污染物PM10进行采样、监测的基础上,分析并讨论其具体的分布特征和影响因素.结果表明:该居住区室内外PM10日均质量浓度基本满足国家二级排放标准(PM10日均浓度小于150μg/m3),只有少数情况下超过国家二级排放标准;室内污染物浓度变化较室外污染物浓度变化有滞后;温度、相对湿度、大气压和天气条件与PM10质量浓度呈现出一定的关联性.     

典型气象日方法在大气环境影响评价中的应用

对某地区的基本气象资料进行统计和分析，讨论并给出大气环境影响评价中典型气象日的确定方法。结合高架点源影响浓度的实例计算，可以方便地得到典型气象日条件下大气污染物的日平均浓度分布以及周围环境保护敏感目标的日平均浓度影响值，能够更为真实地反映该地区的实际气象条件对大气污染物分布浓度的影响情况。     

利用GIS进行海水污染物浓度分布的可视化研究

针对大连湾水运动和水质模型的数值计算结果,通过MapInfo对栅格地形图矢量化,然后创建与地形图对应的水污染物浓度分布关系数据表,把表和地形图连接起来,得到了基于大连湾地形图的水质污染物浓度分布情况等值线图形及相关信息．这些结果可以清楚地表示出污染物浓度的分布情况,为环境管理、规划部门提供参考依据,同时提供了一种实用、可行的数据可视化方法。     

延安市城区大气污染特征及影响因素

根据延安市城区2003—2004年间大气污染物浓度资料,应用统计的方法分析了大气中主要污染物二氧化硫、二氧化氮、可吸入颗粒物随季节变化,日时间变化和空间变化的污染特征,并分析了风向、风速、降水、云量、浮尘、逆温等气象因素以及城区地形和人为因素对城区污染物浓度变化的影响.结果表明:延安市城区大气污染状况存在着显著的季节差异和地域性差异,日大气污染呈现明显的双峰特征.风和降水是影响大气污染程度的主要气象因子.     

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。     

基于POI数据的汽车充电站空间布局特征及影响因素研究——以青岛市城区为例

为更加科学合理规划布局和管理汽车充电桩，利用青岛市市区充电桩POI数据，通过核密度分析、K-means聚类等方法探讨青岛市城区充电站的空间布局特征及影响因素。研究结果表明，青岛市市内六区充电站整体呈现片状集聚、多个中心的分布特征；充电站分布不均衡，整体呈东北—西南方向分布；公司企业数量、住宅区数量、公共财政支出与收入、科技发展水平等因素对空间分布有正向影响，但影响程度存在差异。青岛市今后应多关注区域内人口密度、充电产业的发展态势与科技发展水平对充电基础设施产业发展推动作用。     

二维随机水质模型在模拟污染带中的应用

利用二维随机水质模型计算了排入河流中的污染物浓度分布,建立了多个不确定因素影响时河流污染带长度及水环境容量的概率分布计算模型.研究结果表明:利用该计算模型对湘江水质进行预测,预测结果与实测数据相吻合,实测值与计算均值相对误差为0.99%～9.12%;该计算模型的概率分布解能够反映任一点的污染物浓度变化,以及在不确定因素影响下污染带的范围和水环境容量随机变化情况.     

复杂地形上气象条件对城市空气污染影响的数值模拟

本文通过实测资料分析和复杂地形上三维平流扩散方程模式的模拟，讨论了影响河谷城市兰州大气污染物浓度变化的气象因子。实测资料表明，冬季ＳＯ２浓度的变化与温度层结和风速差别相联系。本文建立的三维扩散模式，模拟值与实测值符合较好，并能显示出不同气象条件对污染物浓度的影响。参数敏感性试验表明：（１）Ｋｚ、风向、风速对地面浓度及其分布有很大影响。（２）Ｋｈ对地面浓度的分布也有一定的影响。（３）厚的贴地逆温和底     

兰州大气污染物浓度与局地气候环境因子的关系

利用2000年12月10～l7日在兰州市城区的大气边界层观测资料以及同期的污染物浓度监测资料、自动气象站观测资料和常规气象站辐射观测资料等，通过山谷内市区污染物浓度变化与山谷外对照点的比较，研究了兰州市城区污染物浓度的变化特征；分析了对应时期兰州市山谷气候环境因子和特征参数的变化。结果发现，大气中污染物对太阳辐射的吸收增温与白天大气逆温层之间有明显的正反馈机制，而且这种反馈机制在白天大气逆温层的形成和发展过程中起主导作用；讨论了兰州市山谷大气污染物浓度与大气逆温、水平风速、Froude数和边界层稳定度参数之间的简单关系。     

室内环境参数对室外气象参数瞬时变化的动态响应研究

为研究空调房间室内环境参数对室外气象参数瞬时变化的动态响应,采用CFD中的标准k-ε模型对兰州地区某办公室在考虑非稳定传热情况下的室内气流组织和污染物浓度场进行数值分析,获得了顶送风/下回风和侧送风/下回风两种通风模式下室内流场、温度场及污染物浓度场的分布。结果表明:不同时刻的太阳辐射通过激励室内自然对流换热过程对室内污染物的空间分布及迁移特性产生了显著影响。同一送风模式下,16:00时室内的污染物浓度较8:00时均匀,而8:00时的污染物浓度平均水平较高;在同一送风参数下,采用顶送风方式时更有利于降低室内污染物浓度。     

基于气象和空气质量观测数据的日太阳辐射估计

研究城市气象参数与城市近地面污染物对水平面太阳辐射强度的影响,并尝试建立水平面太阳辐射与气象、城市空气污染物观测数据的回归模型.1)收集了广州市2009~2012年水平面日太阳总辐射、地面气象数据、近地面空气污染物历史记录数据;2)根据太阳辐射传输理论和前人相关研究进行水平面太阳辐射的影响因素分析,并对收集到的数据进行处理;3)对水平面太阳总辐射、地面气象、近地面污染物浓度的观测数据进行相关性分析,分别建立了总体样本和分区间样本下的水平面太阳总辐射与气象、空气污染物观测数据的回归模型.结果表明,用单一回归模型解释各种影响因素对太阳辐射的削弱并不合理,而分区间样本下的分段回归模型反映了水平面太阳总辐射的随气象变化和颗粒物浓度变化的规律,预测结果也较为准确.     

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。     

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...