武汉市PM_(2.5)与主要大气污染物浓度间相关性分析

通过分析武汉市PM_(2.5)与SO_2、NO_2、CO、O_3浓度间的相关性,得到PM_(2.5)与SO_2、NO_2、CO间存在正相关性,与O_3间存在负相关性,并对存在这种相关性的原因进行了解释,同时对PM_(2.5)与SO_2、NO_2、CO间的上尾相关系数进行了估计。估计结果表明:SO_2、NO_2、CO、O_3浓度的急剧上升会加剧PM_(2.5)的产生,最后对武汉市治理PM_(2.5)提出了建议。     

2018年春节期间燃放烟花爆竹对福州市晋安区大气污染物浓度的影响

利用2018年春节期间晋安区五个空气自动监测站点PM_(10)、PM_(2.5)、CO、NO_2、SO_2、O_3的监测数据,分析了春节期间燃放烟花爆竹对晋安区大气污染物浓度的影响,重点讨论了除夕、初一两日大气污染物浓度的小时变化特征。结果表明,晋安区春节期间首要污染物主要为颗粒物。烟花爆竹对PM_(10)、PM_(2.5)、SO_2、NO_2浓度有直接影响,对PM_(10)和PM_(2.5)浓度的影响尤其突出,对CO、O_3浓度无显著影响。     

滇东地区城市空气污染变化特征及其与气象条件的关系

基于滇东城市曲靖2014-2018年2个国控空气质量监测点的逐日空气质量指数和6种空气污染物(SO_2、NO_2、PM_(10)、PM_(2.5)、CO和O_3)逐小时浓度资料以及同期气象要素数据,统计分析了曲靖主城区空气污染变化特征及气象因子对污染物浓度分布的影响.结果表明:①2014至2018年,曲靖主城区空气质量优良率为97%-99.7%,污染日数呈逐年减少趋势,首要污染物以PM_(10)、PM_(2.5)和O_3为主.②曲靖主城区空气质量呈现出夏秋季节较好、冬春季节较差的季节性特征.③6种污染物浓度各自表现出不同的季节性变化和日变化特征.气象条件影响着曲靖主城区污染物的扩散、迁移和转变.④风速与SO_2、NO_2、CO和PM_(2.5)浓度具有较好的负相关关系;与O_3浓度呈正相关关系;风速对PM_(10)影响较复杂,当风速小于2 m/s时有利于PM_(10)扩散,当风速超过2 m/s时反而导致PM_(10)浓度增加.⑤地面盛行西北风和东南风时,SO_2、NO_2、CO、PM_(10)和PM_(2.5)浓度较高;地面盛行西南风时,O_3浓度达到最高值.⑥降水对6种污染物具有显著冲刷清洁作用.⑦温度与O_3浓度呈显著性正相关关系,与NO_2、CO、PM_(10)和PM_(2.5)浓度呈显著性负相关关系;与SO_2浓度关系不显著.⑧相对湿度与O_3、PM_(10)和PM_(2.5) 3种首要污染物浓度呈显著性负相关关系;与SO_2、NO_2和CO 3种非首要污染物浓度的关系不显著.     

龙岩市中心城区大气污染特征与相关性研究

为了解龙岩市中心城区大气环境质量现状,利用2016—2019年龙岩市中心城区6种大气污染物监测数据进行统计分析,结果表明,2016—2019年,龙岩市中心城区SO_2、CO和NO_2三种污染物质量浓度年际变化平稳。O_3的质量浓度年际变化呈明显上升趋势。PM_(10)和PM_(2.5)质量浓度于2016—2018年呈上升趋势,2019年则下降。龙岩市中心城区SO_2、NO_2、PM_(10)、PM_(2.5)和CO的空气质量分指数(IAQI)具有冬季最高、夏季最低的特征,O_3的IAQI则是秋春季高,冬季最低。PM_(10)、PM__(2.5)、NO_2和CO日间浓度变化呈现双峰特征,O_3和SO_2日间浓度变化呈单峰分布特征。通过对一次臭氧超标事件的模拟表明,外来输入和本地的臭氧污染物的集聚是臭氧超标的原因。分析各种污染物间的关系表明,SO_2、NO_2、PM_(10)、PM_(2.5)和CO浓度之间呈显著的两两正相关。O_3与CO、SO_2、NO_2呈显著负相关,与PM_(10)、PM_(2.5)呈正相关。     

基于时间序列和多元方法的乌鲁木齐PM_(2.5)浓度分析

鉴于肺部可吸入颗粒物PM_(2.5)对人体的危害,利用多元分析及时间序列的方法将PM_(2.5)浓度变化划分为稳定部分(由分子内部的作用引起浓度变化)和不稳定部分(由外部环境因素,即温度,风力,风向及天气等)进行预测.收集乌鲁木齐7个监测站点2014年11月至2015年3月(冬季)每天的PM_(2.5),PM_(10),CO,NO_2,O_3,O_3(8 h),SO_2及天气等相关因素数据,对PM_(2.5)浓度建立预测模型并进行结果分析.相关分析表明:户外PM_(2.5)与PM_(10),CO,NO_2和SO_2具有较高的相关性.对平稳部分利用指数平滑模型预测PM_(2.5)浓度,得到最好的平滑指数是0.32.主成分回归(PCR)模型用于预测PM_(2.5)浓度的不稳定性成分,得到R2值为0.803.最终,将2015年3月至2015年5月的数据利用5种性能指标检验模型,结果表明该模型方法预测效果较好,有一定的实用价值.     

近两年武汉市环境空气质量时空分布特征及污染源解析

运用主成分分析和聚类分析法,对2016—2017年武汉市环境空气10个国控点10个市控点的6个空气质量指标数据进行分析,揭示武汉市环境空气质量时空分布差异性,辨识主要污染因子,解析污染成因.结果表明:2016—2017年,武汉市空气质量有变好的趋势,主要是因为PM_(2.5)和PM_(10)同期月均浓度下降; SO_2、NO_2、PM_(10)、PM_(2.5)浓度排序依次为:冬春秋夏; CO浓度排序依次为:冬秋春夏; O_3浓度排序依次为:夏秋春冬;武汉市监测点位空气质量从好到坏的顺序为:远郊区中心城区工业园(区)或经济开发区;春季的主要污染物因子为NO_2、CO、O_3、PM_(10),夏季的主要污染物因子为NO_2、SO_2、PM_(2.5),秋季的主要污染物因子为NO_2、PM_(2.5)、CO、O_3、PM_(10),冬季的主要污染物因子为NO_2、CO、O_3、PM_(2.5)、PM_(10);近两年,机动车尾气、工业废气排放以及建筑扬尘构成武汉市空气污染的主要来源,秸秆燃烧对空气质量的影响逐渐减小.     

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。     

上海市大气PM2.5污染特征及相关因素分析

利用2015年上海市大气污染物的监测数据,运用MATLAB7.0、SPSS等软件进行PM_(2.5)质量浓度污染特征、变化规律以及PM_(2.5)与其他污染气体的相关性分析。研究结果显示,2015年上海市PM_(2.5),年平均浓度为53.6μg/m~3,相比基准年2013年,年均浓度下降14%;PM_(2.5)浓度月变化曲线呈U型分布,其中,月均浓度数值1月份达到最高峰,为82.9μg/m~3;季节污染情况为:冬季春季秋季夏季;PM_(2.5)日均浓度值全年波动较为稳定,超标天数占全年比率21.4%。根据AQI指标监测气体的相关性矩阵来看,PM_(2.5)和PM_(10)之间的相关性最大,相关系数为0.919;与CO、NO_2、SO_2等气体均有较强的相关关系。建议上海市应该优化产业结构、加强公共交通建设、采用清洁能源以期实现治污除霾的目标。     

大连市2016—2017年PM2.5质量浓度时空 分布特征研究及相关性分析

以大连市为研究区域,基于2016—2017年大连市9个国控自动空气质量监测站的PM_(2.5)质量浓度逐小时监测数据,整理、筛选得到52 029个有效样本数据,探讨PM_(2.5)质量浓度时空分布特征,分析其年、季节、月份、日均值变化规律,进行PM_(2.5)质量浓度与SO2和CO的相关性分析.结果表明:2017年较2016年PM_(2.5)质量浓度有所下降,1a中浓度由高到低的季节依次是冬、春、秋、夏.PM_(2.5)质量浓度月均值呈V型分布,2016年和2017年最大值分别出现在12月和3月,最小值均出现在8月.日变化呈多峰型分布,峰值出现在早高峰8:00前后及夜间22:00.各站点月均值变化趋势大体一致,均呈V型分布.位于工业区的站点PM_(2.5)质量浓度都相对高于居民区,位于海边和郊区的居民区PM_(2.5)质量浓度相对低于市中心的居民区.PM_(2.5)质量浓度与SO_2和CO均呈现极显著相关性,Pearson相关系数分别是0.584和0.730,说明工厂废气排放及机动车尾气排放对空气质量产生了不容忽视的影响.     

武汉市大气污染特征及变化趋势

以2013—2015年武汉市大气污染物特征及变化趋势为研究对象,对大气污染物综合指数和各污染物单项指数进行分析.其主要结论是:大气污染冬季的污染状况比夏季严重,其中空气质量2013年优于2015年,2014年最差;根据各污染物单项指数,确定颗粒物(PM_(2.5))为大气污染的主要因子;PM_(2.5)、PM_(10)、SO_2、NO_2、CO的浓度冬季大于夏季,O_3的浓度夏季大于冬季;根据各污染物之间相关性及气象因素的分析,PM_(2.5)、PM_(10)、SO_2、NO_2、CO之间均成正相关关系,其中PM_(2.5)与CO的相关性为0.901(P0.01),接近1,说明CO对PM_(2.5)的形成有直接作用;污染物与气象因素的相关性分析,几种污染物与气压、降水量、气温有明显的相关性;根据聚类分析,大气污染变化趋势与季节有关,季节变化特征为夏季春秋季冬季.     

乌鲁木齐市PM_(2.5)及其影响因素关系的研究——基于VAR模型的脉冲响应和方差分析

通过对乌鲁木齐市从2015年1月1号到2016年12月31号每天的PM_(2.5)、PM_(10),以及SO_2、CO NO、NO_2、O_3污染物浓度等数据的整理和分析,进一步设立向量自回归(VAR)模型,对时间序列PM_(2.5)与其它空气污染物之间的关系探索使用格兰杰因果关系检验、脉冲响应函数方法和方差分解的方法分析,建立了它们之间的自回归模型关系,探讨了其他空气污染物对PM_(2.5)的影响。结果表明:乌鲁木齐市PM_(2.5)与其它空气污染物所构成的空气质量系统是稳定的,PM_(10)SO_2、CO、PM_(2.5)、NO_2、O_3浓度值的增加会引起PM2.5浓度值持续较长时间的增加,其中SO_2对影响作用最大;O_3浓度值的增加则会使PM_(2.5)浓度值降低。     

集中供暖与非集中供暖城市的冬季大气污染状况——以天津和上海为例

为了解集中供暖和非集中供暖2种不同模式对空气质量的影响,基于天津和上海冬季采暖期及非采暖期的空气质量数据,分析不同供热模式下大气污染物的长时间变化和日变化特征及其影响因素.结果表明:天津和上海采暖期PM_(2.5)、PM_(10)、CO、NO_2和SO_2的质量浓度均高于非采暖期.天津采暖期PM_(2.5)、PM_(10)、CO和SO_2浓度较高主要是受到集中供暖消耗的化石燃料燃烧排放和大气逆温层2个方面因素的影响.上海虽然处于非集中供暖区,但也受到了北方城市供暖区远距离污染物传输的影响.天津集中供暖模式产生的PM_(2.5)、PM_(10)、CO和SO_2排放对空气质量的影响高于非集中供暖城市上海.与非采暖期相比,天津和上海采暖期NO_2浓度的增加量几乎一致,说明供暖活动对大气中NO_2的贡献并不明显;天津和上海采暖期O_3浓度均低于非采暖期,表明供暖活动未对O_3排放产生显著作用.采暖活动明显改变了天津PM_(2.5)、PM_(10)和CO的日变化特征;受采暖活动和逆温层的影响,SO_2和NO_2浓度均在夜间呈现升高趋势;O_3的日变化趋势未受采暖活动影响.与非采暖期对比,采暖期上海的非集中供暖未对污染物的日变化趋势产生显著影响.     

黔东南州城市环境空气质量季节性变化特征

以2018年黔东南州16个县(市)城市空气自动监测数据为基础,分析城市环境空气污染物浓度变化趋势、污染物之间相关性以及城市环境空气综合指数,研究黔东南州城市环境空气质量季节性变化特征。结果显示:黔东南州城市环境空气中除CO浓度水平具有不明显的季节特征外,其余SO_2、NO_2、O_3、PM_(10)和PM_(2.5)浓度水平具有明显的季节特征,其中,SO_2浓度高值出现在秋季和冬季;NO_2浓度高值出现在冬季和春季;O_3浓度高值出现在冬季和春季;PM_(10)和PM_(2.5)浓度高值出现在冬季和春季。在0.01的置信水平下,PM_(10)和PM_(2.5)的Pearson相关系数达到0.962,具有极强的正相关,初步判断PM_(10)和PM_(2.5)是影响黔东南州城市环境空气质量季节性变化的主要污染物。从全年空气质量变化趋势来看,黔东南州城市环境空气质量从好到差依次为夏季、秋季、春季、冬季,PM_(10)和PM_(2.5)浓度的高低直接影响城市空气质量综合指数的变化。     

基于消光系数的机场PM2.5质量浓度神经网络预测模型

分析了气溶胶粒径吸湿增长因子、风速和NO_2与消光系数和PM_(2.5)质量浓度之间的相关性及影响规律。提出了一种基于消光系数的机场PM_(2.5)质量浓度神经网络预测模型。首先,建立消光系数与PM_(2.5)质量浓度之间的定量关系,并分析相对湿度对其影响。然后,分析风速和NO_2对消光系数和PM_(2.5)质量浓度的影响。最后,将四项参数与PM_(2.5)质量浓度之间的复杂关系通过模糊神经网络进行学习和表达,实现PM_(2.5)质量浓度的预测。使用实测PM_(2.5)质量浓度数据对预测模型进行了对比验证。结果表明,该预测模型的预测精度较高,能较为客观的反映机场PM_(2.5)质量浓度的变化情况,这对研究颗粒物质量浓度对机场能见度的影响规律以及机场周边污染治理决策提供数据支持具有重要的意义。     

四川盆地城市群6种大气污染物的时空分布

利用四川盆地18个城市2015-2016年6种大气污染物质量浓度资料,采用了集中期、集中度和变异系数等统计学方法,对该地区大气污染的时空分布特征进行了分析,将四川盆地划分为3个区进行对比研究.结果表明,四川盆地18个城市中,大气污染最严重的是自贡市,年均空气质量指数为100,污染天数占总天数的37.6%;污染最轻的是广元市,年均空气质量指数为57,污染天数占总天数的4.5%.四川盆地3个区域按照污染物质量浓度高低以及出现污染天数的长短排序均为:川南经济区成都平原经济区川东北经济区.研究时间段内,18个城市PM_(2.5)年均质量浓度达标的只有广元市;PM_(10)年均质量浓度达标的只有广元市和巴中市;SO_2年均质量浓度18个城市均达标;NO_2年均质量浓度除成都市和重庆市外,其他16个城市均达标;所有城市的CO和O_3日质量浓度均达标.近36年来,颗粒物和SO_2质量浓度呈现不同程度降低,表明国家对大气污染物排放的管控措施对颗粒物和SO_2污染改善明显.污染物PM_(2.5)、PM_(10)、CO、NO_2和SO_2质量浓度的季节变化为冬季高,夏季低;O_3质量浓度季节变化则为冬季低,夏季高.PM_(2.5)、PM_(10)和O_3质量浓度高的时段相对于SO_2、NO_2和CO来说更为集中,PM_(2.5)、PM_(10)、SO_2、NO_2和CO高质量浓度时段主要集中在1月左右,O_3高质量浓度时段主要集中在6月左右.不同城市间SO_2和NO_2质量浓度差异明显,其他污染物质量浓度分布则较为均匀.     

中国工业基地城市群PM2.5时空分布特征及相关性分析

为研究2014年中国四大工业基地25个主要城市的空气质量污染情况,对25个城市2014年1月~2015年2月的数据进行SPSS聚类分析,研究其整体分布情况,并应用统计学和GIS软件分析其主要城市大气颗粒物的污染分布特征,同时利用SPSS软件对大气污染物PM_(10)、SO_2、NO_2、CO、O_3和PM_(2.5)做相关性分析。结果表明:(1)25个城市PM_(2.5)年均质量浓度在32.94~100.23μg·m~(-3)之间,其中分布在40~70μg·m~(-3)之间的城市相对集中,占所有城市的68%,仅3个城市的PM_(2.5)年均质量浓度小于35μg·m~(-3);(2)PM_(2.5)季节变化特征大体表现为冬季秋季春季夏季,重度污染主要集中在12月和1月;(3)从空间分布上看,京津唐污染水平高于其他三个工业基地,珠三角污染水平最低;(4)四大工业基地城市群PM_(2.5)的浓度与PM_(10)、SO_2、NO_2、CO的浓度存在显著相关性。由于温度、气候等原因,在珠三角和长三角O3与PM_(2.5)呈正相关,而在京津唐和辽中南工业基地则呈负相关。     

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.     

陕北地区冬季采暖期大气污染特征分析

基于2016年12月1日至2017年3月31日陕北地区(延安市、榆林市)SO_2、NO_2、PM_(10)、PM_(2.5)、O_3、CO逐小时监测数据,研究陕北地区冬季采暖期大气污染水平及污染特征,并为陕北地区冬季空气质量改善提出建议.结果显示,2016年陕北地区冬季大气污染首要污染物为PM_(10)和PM_(2.5),大气污染类型为颗粒物污染型;通过月变化趋势分析和Pearson相关系数验证,各项大气污染物间表现出极强的相关性,O_3与其他5项污染物均为负相关,其他5项污染物两两互为正相关;经日变化趋势分析,SO_2、NO_2、PM_(10)、PM_(2.5)、CO污染物浓度日变化趋势均为"双峰双谷"型,且时间变化上保持一致,O3为"单峰"型;"周末效应"分析发现,SO_2、NO_2、PM_(10)、PM_(2.5)周末浓度均大于工作日浓度,CO周末浓度与工作日浓度变化不显著,日平均偏差为6.24%,O_3工作日浓度普遍高于周末浓度.建议陕北地区加强对冬季颗粒型污染物的抑制,加大城市绿化建设投入,积极宣传环保理念,倡导绿色出行,市民在周末尽量减少出行.     

福州市台江区2016-2018年环境空气质量变化趋势及规律分析和探讨

以2016—2018年福州市台江区空气质量监测自动站的监测数据为样本,分析统计了台江区的环境空气质量变化,以及主要环境污染物的季节、日变化趋势和规律。结果表明,除O_3浓度升高外,PM_(2.5)、PM_(10)、NO_2、SO_2、CO浓度均有所降低,NO_2、PM_(2.5)、O_3、PM_(10)是该地区的主要污染物。其中NO_2、PM_(2.5)、PM_(10)浓度表现为冬春季节较高、夏秋季节较低;O_3浓度春夏季较高,冬季低,O_3是夏季的首要污染物。NO_2、PM_(2.5)、PM_(10)日变化呈双峰型特征,O_3日变化呈单峰型特征,各污染物之间及污染源之间具有相关性。结合分析结果,提出了对台江区道路、工地扬尘控制、机动车尾气排放、挥发性有机物(VOCs)企业排放控制等建议。     

玉溪市城区大气VOCs及其它污染物质量浓度时空特征分析

2014年8月至2015年7月在云南典型高原城市玉溪市5个监测点利用苏玛罐采样法采集VOCs样品,基于GC-MS分析方法获取了VOCs总质量浓度,同时利用空气自动监测设备监测了5个点位的大气NO_2、CO、SO_2、O_3(最大8 h)、PM_(10)和PM_(2.5)质量浓度.基于这些监测数据分析了玉溪市城区各种大气污染物的质量浓度分布特征及可能的来源.结果表明:监测期间玉溪市城区环境空气中VOCs、SO_2、NO_2、O_3、PM_(10)和PM_(2.5)的平均质量浓度分别为(19.02±18.31)、(20.11±25.53)、(16.08±11.21)、(34.54±32.79)、(49.51±34.09)μg·m~(-3)和(28.67±20.85)μg·m~(-3),CO质量浓度为(1.35±0.82)mg·m~(-3).从季节分布来看,各种污染物变化规律并不一致.VOCs质量浓度呈现秋、春高,冬、夏低的特点,O_3质量浓度呈现夏季高的明显特征,SO_2质量浓度呈现冬、秋高,春、夏低的特征,NO_2、CO、PM_(10)和PM_(2.5)质量浓度则表现为冬、春高,夏、秋低的特点.从空间分布特征来看,玉溪市中心交通密集区监测点大气环境中VOCs、NO_2、O_3、PM_(2.5)和CO质量浓度较其他监测点浓度较高,反映机动车尾气的显著贡献;而工业区监测点大气环境中SO_2和PM_(10)质量浓度较高,符合工业燃煤排放烟气显著影响的基本特征.另通过相关性分析和气团轨迹研究表明除了本地人为活动影响外,区域传输源对玉溪城区大气污染有重要影响.