重庆涪陵大气污染物特征及其与气象要素的关系

利用重庆涪陵2010—2014年空气质量监测数据和同期的气象资料,分析了涪陵地区大气污染物的变化情况与气象要素的相关关系.结果表明:涪陵从2010到2014年空气质量有变好趋势,迎宾大道和兴华中路的空气质量总体较好,AQI指数优良天数分别占87%和85.6%,PM_(10)为涪陵首要污染物.PM_(10),SO_2质量浓度具有周期性变化特征,从1月至12月为先降低后升高的趋势,每年较冷的12月、1月、2月PM_(10)质量浓度值较高,较热的月份质量浓度值较低.NO_2质量浓度年际间变化幅度较小.PM_(10)与气温、降水量、相对湿度、平均风速具有负相关性,与气压具有正相关,即气温越高、降雨量越大、气压越低、风速越大,PM_(10)质量浓度越低.SO_2,NO_2与气温、气压、降水量均为负相关,与相对湿度正相关.不同月份大气污染物与气象要素的相关性存在较大差异.     

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.     

天津市近五年空气质量变化特征分析

利用天津市2013—2018年空气质量监测数据和同期气象数据,分析了天津市大气主要污染物浓度变化特征及其与气象要素之间的关系。结果表明,自2013年实施"大气十条"以来,天津市环境空气质量逐年改善效果显著,6项主要污染物中,除O_3外,PM_(2.5)、PM_(10)、SO_2、NO_2、CO_5项污染物浓度均明显下降。与京津冀13个城市平均水平相比,天津市2018年环境空气质量总体略好,但与首批实施新环境空气质量标准的74个重点城市平均水平相比仍有一定差距。降水、风速、湿度和温度等气象要素对于天津市空气质量影响显著,风速、气温、降水、日照时数与O_3正相关,与其他污染物负相关;气压与SO_2、NO_2、CO正相关,与O_3负相关性,与颗粒物无明显相关性;相对湿度与PM_(2.5)和CO正相关,与SO_2、NO_2负相关,与PM_(10)、O_3无明显相关性。     

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.     

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.     

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.     

信阳城区气温和降水量与主要污染物之间关系分析

以2014—2017年信阳城区逐日气象要素(最高气温、最低气温、均温和降水量)和环境空气自动监测系统逐日数据(SO_2,NO_2,PM_(10),PM_(2.5),CO,O_3污染物浓度和AQI)为研究对象,采用统计分析和Pearson相关系数法,分析气温和降水量与主要污染物之间关系.结果表明:(1)2014—2017年信阳城区空气质量以优良为主,重度、严重污染的日数较少.(2)日气温(最低、平均和最高)和日降水量与主要污染物SO_2,NO_2,PM_(10),PM_(2.5),CO浓度和AQI呈显著的负相关,与O_3呈显著的正相关,说明气温愈高、降水量愈多,空气质量愈好,即夏季空气质量优于冬季.通过统计2014—2017年逐日空气质量,四季空气质量从夏季、秋季、春季和冬季依次由好转差.(3)相较于非雨日,雨日主要污染物浓度明显降低;降水过程中或者降水之后,大气主要污染物浓度显著下降,共同说明降水量对主要污染物具有显著淋洗作用,尤其是颗粒物PM_(10)和PM_(2.5).     

合肥市PM_(2.5)的分布特征及其要素分析

对2013年合肥市的PM_(2.5)质量浓度、各类空气中污染物、气象要素等数据进行统计处理,通过定性、定量分析,得出PM_(2.5)质量浓度与其他各量间的相关性.结果表明,合肥地区雾霾情况较为严重,除7月份外,PM_(2.5)质量浓度超标率超标率均在87%以上,且冬季更为明显.工业较为发达的庐阳区PM_(2.5)质量略浓度高于其他地区.由Pearson相关性分析可知,PM_(2.5)质量浓度与PM_(10)浓度、NO_2浓度、SO_2浓度等有较强相关性;与能见度、温度、风速、平均低云量、降水量等呈负相关性;与逐日平均总云量、平均相对湿度、平均气压无相关性.     

天津武清区PM_(2.5)与气态污染物SO_2及NO_2污染特征研究

利用2016年武清区大气污染物监测数据,研究了武清区PM_(2.5)及SO_2、NO_2等典型大气污染物浓度变化特征和相互关系。结果表明:2016年PM_(2.5)污染较严重,年均浓度分别为73μg·m~(-3),超标1.1倍。大气中SO_2年均值为25μg·m~(-3),NO_2年均值47μg·m~(-3)。冬季及春秋季节大气中存在明显的二次转化过程,大气中的SO_2和NO_2通过转化生成硝酸盐和硫酸盐,对PM_(2.5)浓度变化具有重要影响。     

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。     

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。     

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.     

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.     

基于集对分析法的长株潭城市群大气环境质量评价

运用集对分析方法,选取2016年1-12月大气污染物的月均浓度分析长沙、株洲、湘潭三市大气环境的变化规律.研究结果表明:三市大气环境质量联系度rk呈折线型关系,并伴有明显的升降现象,12月污染最严重,7月污染最轻;三市的第一污染物均为PM_(2.5);三市的大气质量呈鲜明的季节性变化,即冬春季高,夏秋季低,冬季是大气污染物PM_(2.5)、PM_(10)、SO_2、NO_2、CO的典型污染季节,夏季是大气污染物O_3的典型污染季节.     

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。     

基于后向轨迹模式下的合肥市大气污染来源研究

利用HYSPLIT(hybrid single-particle Lagrangian integrated trajectory)-4后向轨迹模式和美国国家环境预报中心(NCEP)的全球资料同化系统(GDAS)气象数据,结合SO_2、NO_2、PM_(10)和PM_(2.5)等常规大气污染物的质量浓度数据,对安徽省合肥市2014年的大气污染输送过程进行了模拟,并通过聚类分析和轨迹分型确定大气污染传输路径及影响源区.结果表明:合肥市的气流后向轨迹季节变化明显;合肥市不同季节的污染物潜在源区不同.1月份西北方向气流占43%,城市间局地气流占57%,SO_2、NO_2、PM_(10)、PM_(2.5)各项污染物浓度都很大;4月份从长三角地区来的气流占58%,各项污染物浓度都很低;7月份城市间局地气流占48%,长三角地区来的气流占24%,PM_(10)浓度较高,其他污染物浓度较低;10月份城市间局地气流占50%,北方气流占27%,长三角地区来的气流占23%,PM_(10)浓度较高,其他污染物浓度较低.影响合肥市大气污染的来源主要有北方气流,长三角地区来的气流和城市间局地气流.     

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.     

兰州市3种主要污染物大气环境容量季节差异及排放总量控制

基于气象数据与大气污染物网格化排放清单,利用ADMS-Urban大气扩散模型,模拟了兰州市3种主要大气污染物ρ(PM_(10))、ρ(NO_2)和ρ(SO_2)日均值的空间网格分布,结合线性规划模型反推得到污染物各季节的大气环境容量,采用指南推荐的修正A值法验证了该大气环境容量的准确性及合理性.基于兰州市2015年3种主要大气污染物排放量,估算了各行政区县3种主要大气污染物的剩余大气环境容量,提出以大气环境容量作为基准的总量控制目标值,并基于各行政区县2015年的排放水平提出了削减目标和对策.结果表明, ADMS-Urban模拟得到的ρ(PM_(10))、ρ(NO_2)和ρ(SO_2)分别为108.9、37.8和35.4μg/m~3,与2017年实际监测值的相对标准偏差在20%以内.基于模拟的质量浓度值,估算得到3种大气污染物的年大气环境容量D(PM_(10))、D(NO_2)和D(SO_2)分别为3.81×10~5、1.68×10~5、5.14×10~5t/a,各区县的大气环境容量由大到小依次为永登县皋兰县榆中县红古区西固区城关区七里河区安宁区;环境容量由大到小的季节差异为夏季春季秋季冬季.与2015年排放的3种主要污染物相比,兰州市全部区域整体大气环境容量均有剩余, SO_2的剩余量最大,其次为PM_(10)和NO_2;各行政分区的大气环境容量中SO_2均有剩余, PM_(10)除永登、榆中以外的各行政区已无剩余大气环境容量,包括红古、西固、城关和七里河区的NO_2已无剩余大气环境容量.以大气环境容量、2015年排放量及空气质量二级标准为基准,兰州市整体仍需削减PM_(10)和NO_2的排放量为5.53×10~4和1.41×10~4t/a.     

天津市环境空气质量时空特征分析

基于对天津市23个自动空气质量监测站点的SO_2、NO_2、PM_(10)、PM_(2.5)、CO和O_3监测数据进行分析,掌握了2014年12月1日-2015年11月30日期间各项污染物的时空分布特征,并选取主要污染物分析其时间变化特征和空间分布特征.采用Kriging方法对6项污染物进行分析,获取天津市大气污染物的空间插值分布图.研究结果表明,天津市PM_(10)质量浓度年均值为113μg/m~3,PM_(2.5)年均值为69μg/m~3,均超过二级标准;颗粒物质量浓度呈现明显的季节变化特征,PM_(2.5)浓度季均值从高到低依次为冬季(95μg/m~3)、秋季(64μg/m~3)、春季(63μg/m~3)、夏季(54μg/m~3);站点对比结果表明团泊洼站点污染最严重,而塘沽环保局优良率最高.从空间分布来看,PM_(10)、PM_(2.5)、SO_2、NO_2均表现出中部至南部区域为高值分布区域,说明天津市本地污染排放对大气环境污染的贡献为主要影响因素;而O_3和CO均表现为市区浓度较低而天津市南北区域形成高值且呈现相反分布.     

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。