土地利用与景观格局对PM2.5浓度的影响--以深圳市为例

以深圳市为研究区,利用空气质量监测站点PM2.5浓度数据,选取类型水平的景观类型所占比例(PLAND),边缘密度(ED),以及景观水平的蔓延度(CONTAG),斑块数量(NP)和斑块平均面积(AREA_MN)共5个景观指数,并结合道路长度、餐饮点分布数量、海拔和土地利用类型等影响PM2.5浓度的因子,运用相关分析和多元逐步回归分析方法,探究深圳市土地利用和城市景观格局对PM2.5浓度的影响。结果表明:1)土地利用中,植被对PM2.5浓度的削减起着至关重要的作用;2)城市各类型景观格局特征中,组成特征(PLAND)和结构特征(ED)对PM2.5浓度的影响显著;3)城市整体景观中,景观水平的破碎度与PM2.5浓度关系密切。研究结果可以加深对景观生态学中过程–格局相互作用的认识,为大气污染防治和城市景观格局的规划管理提供参考和借鉴,同时在监测数据缺失的情况下,提供一种借助景观指数估算PM2.5浓度的方法。     

宜昌市城区PM_(2.5)污染形成灰霾天气的规律研究

2012年选取与气象站点相邻的一个环境空气质量测点对PM2.5进行了研究性监测,测点距地面23m,全年PM2.5质量浓度在19~284μg/m3之间,年均质量浓度为89μg/m3,月均质量浓度最高的为1月.系统分析全年PM2.5监测质量浓度与相邻气象测点灰霾、能见度观测数据之间的关系,得到以下结论:宜昌市城区PM2.5污染质量浓度与灰霾观测值相关性不强,但与能见度的观测值显著相关;全年能见度降低受PM2.5污染的影响具有季节性,2、5~6三个月与7~9三个月及4、10~11三个月,这3组月份内的PM2.5与能见度之间的回归曲线基本一致,全年中3月份影响最大,而1月份最小,主要与气温、风速、降雨因素有关.     

黄河三角洲PM 2.5时空分布及其影响因子分析

为黄河三角洲生态文化区域打造提供参考,并为环境污染防治提供有力基础,以空间数据插值和Pearson相关分析方法,运用黄河三角洲及周围40个监测站点的PM2.5逐日浓度和气象数据,研究PM 2.5浓度的区域分布特征及随时间尺度的变化规律,以及气象和PM 2.5浓度之间的相关性.结果表明:黄河三角洲区域的PM 2.5浓度具...     

北京市大气PM2.5的季节特征和空间趋势（英文）

近年来,北京地区雾霾污染事件频发,大气PM2.5污染引起国内外强烈关注.利用北京市35个PM2.5监测站自2012年10月开始发布数据至2013年9月的小时观测数据,对其时空变化特征进行了分析.结果表明:(1)35个站点的平均PM32.5浓度为88.6μg/m;(2)PM2.5浓度与风速等气象要素关系密切,低浓度通常出现在大风天或者大风过后的紧邻时段,重污染天通常风速小,相邻天的PM2.5浓度可相差几倍甚至十倍以上;(3)PM2.5浓度随季节变化较大,1月和6月份较高,4月、8月和11月相对较低;(4)PM2.5浓度随站点类型变化明显,交通环境站点的平均浓度高于城市环境评价站点(可超过10%);(5)北部PM2.5浓度低于东部和南部,而与河北交界的南部和西南地区浓度为全区最高;(6)PM2.5浓度由北到南整体上呈线性增加趋势,每向南10 km,PM2.5平均浓度升高4.6μg/m3(R2=0.89),南部PM2.5平均浓度接近北部2倍;(7)PM2.5平均浓度存在一定的局部变化,但相邻站点变化幅度一般在20%以内.     

基于复杂网络的中国城市PM_(2.5)区域划分

根据中国环境监测总站发布的2014年5月—2015年4月的中国城市各监测站点细颗粒物(Particulate Matter 2.5,PM2.5)质量浓度小时数据,将161座城市作为节点,以城市间PM2.5质量浓度的相关性与距离的比值作为边的权重,构建了中国城市PM2.5加权网络,并采用Girvan Newman算法(GN算法)对网络进行划分,得到了不同季节中国PM2.5污染的区域分布情况.结果表明,不同季节划分结果的模块性Q函数均在0.7左右,可采用复杂网络对中国城市PM2.5区域进行划分;全年和四季分别划分出7、9、13、6、8个区域,以具体划分结果和连片度衡量中国不同季节的PM2.5污染的区域性程度顺序如下:冬季秋季春季夏季;划分结果与大气污染防治规划提出的"三区六群"范围大致相同,但区域范围在不同季节均存在不同程度的差异.     

深圳PM2.5浓度变化趋势及其月尺度预测方法

基于深圳市环境监测站的PM2.5浓度数据以及深圳市国家气候观象台发布的月度气象监测公报,研究了2012年至2019年深圳市PM2.5浓度的变化规律,分析了PM2.5浓度与月尺度气候要素的关系,并利用多元线性回归分析法建立了PM2.5月均浓度的预测模型。结果表明：2012年至2019年深圳PM2.5浓度呈明显下降趋势,PM2.5浓度有季节性特征,干季(1~3月及10~12月)PM2.5浓度比较高,也是PM2.5污染防控的重要时段。月降水日数、月降水量以及月平均温度与PM2.5浓度的负相关较明显,偏北风频率与PM2.5浓度呈显著正相关,可一定程度上帮助预判月均PM2.5浓度。与前人研究结果相反,月平均相对湿度与PM2.5浓度呈显著负相关。包含气象因素项以及PM2.5浓度项的月平均PM2.5浓度预报模型拟合度较高,偏北风频率、月平均相对湿度是对月平均PM2.5浓度影响最大的气象因素。利用深圳市2020年数据对模型进行检验,结果证明方程对于月平均PM2.5浓度的预报有一定适用性,可较好预报PM2.5浓度月增量。     

粤东三市PM2.5和PM10质量浓度分布特征

采用在线监测方法于2009年7月8日至22日在广东省汕头、潮州、揭阳三市各选择1个有代表性的空气质量监测点同步进行PM2.5和PM10监测。监测结果表明,粤东三市PM2.5和PM10质量浓度低于部分沿海城市;PM10与PM2.5的质量浓度日变化呈双峰分布,分别处在上午(6:00至10:00)以及下午(18:00至22:00)两个时间段;PM10与PM2.5日平均浓度变化呈周期性波动,周期约为3～4 d;对于粤东三市区域,PM2.5/PM10为0.5215,说明PM10中细颗粒物含量大于粗颗粒物含量。     

数字

PM2.5环保部近期公布了《空气质量新标准第一阶段监测实施方案》,要求全国74个城市在10月底前完成PM2.5"国控点"监测的试运行,12月底前,要按照空气质量新标准开展监测并发布数据,鼓励具备条件的地方提前实施。     

2014—2018年南通市区PM2.5浓度的变化特征及影响因素

近年来,高浓度颗粒物所带来的霾污染在南通市经常发生,但已有文献对其关注较少.文章以南通市区5个大气环境监测站点发布的小时数据为基础,运用数理统计法详细分析了2014—2018年PM2.5浓度在不同时间尺度上呈现出的特征和变化规律.结果表明:1)年尺度上,5年间南通市区PM2.5平均质量浓度总体呈下降趋势,但逐年值均超过...     

北京市MODIS气溶胶光学厚度和PM2.5浓度的时空差异及其相关性研究

利用NASA MODIS数据反演北京市气溶胶光学厚度,探讨与北京市12个环境污染监测站点PM2.5质量浓度的时空差异及其相关性。结果显示,AOT与PM2.5均有明显的时空分布特征;二者的日均值具有相反的季节性变化特征(AOT夏季日均值高于冬季,PM2.5浓度日均值相反);日均值空间分布围绕城区向远郊区递减;二者的相关性对季节变化敏感,夏季相关性较好,冬季相关性较差。且郊区相关性明显优于城区。因此,卫星气溶胶数据可以反映PM2.5的分布,弥补地面监测站点的不足。     

南宁市大气颗粒物PM10、PM2.5污染水平

为了初步调查南宁市大气中颗粒物PM10、PM2.5的污染水平，于2002年春、夏、秋、冬4季在南宁市的5个典型城市功能区，采集了85个样品．结果表明，南宁市PM10、PM2.5的污染很严重，超标率为82．5％、92．5％，而且对人体健康危害更大的PM2.5占PM10的大部分，约为63．5％，且重污染区PM2.5浓度超过轻污染区近一倍，应引起公众和相关职能部门的高度重视。     

长三角典型城市PM2.5浓度变化特征及与气象要素的关系

利用长三角地区4个典型城市南京、上海、杭州、合肥2014年4月1日~2015年3月31日的PM2.5监测数据,以及同期MICAPS地面气象要素的观测资料,对该地区PM2.5浓度的变化规律及其与气象要素的关系进行了分析和讨论。结果表明:长三角地区PM2.5浓度总达标率总体表现为夏季最高,冬季最低的态势。4个城市中,上海全年总达标率最高,杭州其次,合肥最低。上海和杭州达标率月变化特征相近,南京和合肥相近;PM2.5逐小时浓度日变化曲线呈现两峰一谷型分布,最大值均出现在早晨,最小值均出现在下午16~17时之间;月平均浓度具有明显的季节变化特征,冬季最高,夏季最低;PM2.5浓度与风速呈现显著现负相关关系,受地面风向影响明显,污染物在主导风的作用下从上游污染源扩散至下风区域;与气温呈现负相关关系;从全年来看,PM2.5浓度与相对湿度呈现负相关关系,高湿度状态更有利于降水从而增加PM2.5湿清除;各个城市PM2.5浓度与气压相关性很弱,并且未通过显著性检验,可见气压是影响PM2.5浓度变化的次要因素;降水对PM2.5清除作用明显。不同城市PM2.5的变化特征及其受气象要素的影响存在差异,主要是由不同城市的地理环境、产业布局以及污染源等因素造成的。     

2013-2016年夏季南京市臭氧和细颗粒物的污染特征及其相关性

为进一步理解南京地区大气复合污染现状,对2013-2016年南京市9个自动空气质量监测站点的夏季臭氧（O3）和细颗粒物（PM2.5）数据进行分析,分别探讨两者的时空分布特征,并探求两者之间的相关关系。结果表明：①O3的质量浓度处于上升状态,从2013-2016年南京市夏季臭氧平均浓度依次为58.1、65.8、79.3、81.8μg/m3,年均浓度增长率为8.45μg/m3,与之相反,PM2.5的污染程度明显好转,夏季平均浓度依次为45.2、65.7、38.5、31.2μg/m3,其中,2014年出现的高值与当年的气象条件有着密切联系;②O3的日变化特征为单峰型,一般在下午3点出现一天中的最大值,PM2.5的日变化呈现出不太明显的“W”型,两个谷值一般出现在凌晨和傍晚;③臭氧超标情况下的PM2.5浓度远远大于不超标情况下的PM2.5浓度,表明O3可以通过增强大气氧化性造成PM2.5质量浓度升高,两种情况下O3和PM2.5的相关系数的不同也进一步表明了这一点。     

攀枝花市PM10、PM2.5污染特征及相关性分析

基于西南地区攀枝花市大气监测站5个站点的大气污染物数据,整理了2019年PM10和PM2.5质量浓度的变化趋势,分析了不同季节不同粒径颗粒物浓度的分布特征与气象因素之间的相关性.结果显示:2019年攀枝花市PM10、PM2.5的质量浓度年均值分别为52.8±16.2μg/m3和29.2±10.5μg/m3;由PM10与...     

京津冀区域颗粒物污染特征研究

京津冀区域是我国环境空气污染频发的重点区域之一.基于中国空气质量在线监测分析平台实时发布的2019年京津冀区域六个典型城市的颗粒物质量浓度数据,分析京津冀区域颗粒物污染特征.结果表明：京津冀区域日均PM2.5质量浓度小于等于60 μg/m3 天数占全年的68.49%-80.00%;PM10质量浓度小于等于140 μg/m3 天数占全年的75.14%-93.70%;京津冀区域颗粒物质量浓度的月分布呈“V”型规律,颗粒物质量浓度冬季最高,秋季和春季次之,夏季最低;颗粒物质量浓度日变化呈双峰型且与人为活动作息时间保持良好的一致性;应用皮尔逊相关分析法探讨不同城市间颗粒物的相关性,总结为东南和西南两条典型的显著相关路径;应用线性回归方法评估PM2.5与PM10的相关性,同一城市的PM2.5与PM10显著相关;应用空间差异率方法分析京津冀区域不同城市间颗粒物质量浓度的差异程度,石家庄和其他城市间的颗粒物空间差异率最高;天津与唐山的PM2.5空间差异最低,其COD值为0.14;天津和廊坊的PM10的空间差异最小,其COD值为0.14.     

长沙市PM2.5浓度时空分布特征及影响因子分析

为分析长沙市PM2.5浓度时间变化特征、空间分布特征及其影响因子,利用数据统计分析、克里金空间插值技术、地理探测器等方法与Arc GIS平台表达,选取长沙市中心城区10个监测点2013—2019年PM2.5日变化数据.结果显示:在PM2.5浓度时间变化特征方面,不同季节中,PM2.5浓度表现出冬季>秋季>春季>夏季的季节特征,不同时段中,各季节PM2.5浓度日均小时变化曲线均大致呈双峰形态;在PM2.5浓度空间变化特征方面,PM2.5浓度的高值区主要分布在中部芙蓉区,整体呈城区向郊区逐渐递减的变化规律.根据地理探测器研究结果发现,2017年长沙主城区PM2.5浓度主要受气温、降雨和风速因子影响,其次是道路、相对湿度、气压和人口密度,高程、植被和餐饮因子影响较小;且任意两个影响因子共同作用均会对PM2.5浓度影响增强.     

PM2.5变化趋势的联合多重分形分析

PM2.5是造成雾霾天气、降低能见度,影响交通安全的主要因素。首先基于主成分分析法分析得出PM10最能影响PM2.5浓度变化,再利用联合多重分形探究不同城市的PM2.5与PM10之间的关系。从而得出西安市及伦敦市的PM2.5和PM10之间的关系具有一致性,即PM10浓度偏低时PM2.5也偏低,而PM10浓度偏高时PM2.5却偏低。无论PM10浓度如何变化,相对而言,伦敦市PM2.5浓度波动更剧烈些。     

天津蓟县夏季PM_(2.5)污染特征及影响因素

为探究天津蓟县大气细颗粒物(PM2.5)污染特征及气象因素对它的影响,搜集了2013年蓟县PM2.5质量浓度变化资料,对PM2.5污染情况进行了详细分析;并针对夏季典型天气,对PM2.5质量浓度进行监测,结合同步气象数据,运用线性回归及相关性分析方法研究PM2.5质量浓度与气象因素关系.结果表明:蓟县PM2.5质量浓度呈现明显冬高夏低特征,夏季污染超标率达45%,其日变化呈明显双峰型;PM2.5质量浓度受温度、相对湿度、风速、风向、降雨影响显著,与气压无显著关系,能见度随PM2.5质量浓度增大呈现e指数衰减规律.研究结果可为当前的京津冀区域大气污染协同防控提供一定的科学参考.     

基于时间序列变化的PM_(2.5)质量浓度趋势分析

PM2.5即直径小于2.5 um悬浮于空气中的可吸入颗粒物,被人体吸入后,可直达肺部干扰气体交换。文章利用PM2.5监测网每小时更新的实时数据为依据、实地考察所得的监测站地理环境、天气及其他影响因素,研究了以日、周、月为时间间隔的PM2.5质量浓度变化趋势。结果表明,PM2.5质量浓度变化趋势为冬高夏低、日变化较大、且年质量浓度呈现马鞍形双峰值趋势,是一个具有周期变化的非平稳时间序列。     

PM2.5影响因素的主成分回归分析与预测

应用主成分分析和多元回归分析法对空气质量指数(AQI)进行分析,首先对数据进行Alpha可靠性分析、主成分分析得到两个主成分变量,进而对它们和PM2.5浓度进行多元回归分析,并且进行显著性检验,发现PM2.5与这两个主成分变量具有线性回归关系,最终得到一个1-α的置信区间,从而结合实际提出一些降低PM2.5浓度的对策。