2000-2018年黄河流域县域尺度PM2.5污染时空格局

近年来,与PM_2.5有关的大气污染状况和改善问题成为公众关注的焦点.基于2000-2018年黄河流域县域PM_2.5浓度数据,采用空间自相关分析和标准差椭圆法对黄河流域PM_2.5浓度的时空格局演变特征进行分析.结果表明：(1)2000-2018年黄河流域地区PM_2.5年均浓度总体上呈现波动变化,其中2000-2013年呈现波动增长趋势,平均增长率达到2.02%,2014-2018年PM_2.5浓度逐年下降,但研究期内黄河流域PM_2.5年均浓度值均高于年均限值(35μg·m^-3).(2)黄河流域PM_2.5浓度的地区差异较大,形成西南部和内蒙古中部浓度低,中东部的山西、山东和河南省浓度高的空间格局.(3)黄河流域PM_2.5污染具有显著空间正相关特征.除2000年高值聚集区分布在甘肃省中南部、内蒙古自治区西部(阿拉善盟)、宁夏回族自治区、陕西省西南部和河南省中西部外,其他年份较为稳定地分布在河南和山东...     

上海市大气环境中PM2.5/PM10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PM_2.5和PM₁₀小时数据及对应的气象因素资料,以PM_2.5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PM2.5/PM₁₀的时空分布特征. 结果表明:P_2.5和PM₁₀的季节高低为冬>春>秋>夏,PM_2.5/PM₁₀的季节分布在不同区域存在差异性. PM_2.5/PM₁₀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/PM₁₀高于下午. 颗粒物质量浓度及PM_2.5/PM₁₀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/PM₁₀均表现为背景站>浦西站>浦东站.     

PM2.5浓度湍流特征和通量获取的实验研究

利用PM_2.5质量浓度测量仪E-Sampler的1 Hz高频采样功能, 采用涡动相关法, 计算山东省德州大气环境实验站2018年12月27日至2019年1月7日多次污染事件的PM_2.5浓度脉动和湍流通量, 探讨PM_2.5浓度湍流特征。结果表明, 实验观测期间PM_2.5浓度湍流通量均值为0.026 μg/(m²·s); 不同污染过程中PM_2.5浓度湍流通量传输方向不同, 表明不同污染过程的污染源汇属性不同。随着湍流统计特征量(如湍流动能、水平风速标准差、垂直风速标准差、水平风速、动量通量和感热通量)增大, PM_2.5湍流垂直通量呈现指数型减小的趋势, 即先急剧减小, 然后随各变量的增长变化不大。随着PM_2.5浓度增大, 其湍流通量绝对值呈现增加趋势, 因此PM_2.5浓度湍流通量的大小与PM_2.5浓度和湍流强弱有关。不稳定条件下, PM_2.5浓度归一化标准差与稳定度参数ζ = z/L 遵循-1/3幂次关系, 即 σ_c/C_* = 6.7(-ζ)^-1/3; 稳定条件下, 实验结果相对离散。另外, PM_2.5浓度脉动方差谱曲线在高频段满足-2/3幂指数率, PM_2.5浓度脉动与垂直速度脉动的协方差谱曲线在高频段满足-4/3幂指数率。研究结果表明, 利用E-Sampler的PM_2.5浓度1 Hz高频采样功能可以得到连续且有效的PM_2.5浓度湍流通量。     

张家界市旅游旺季PM2.5质量浓度的变化特征

为了探讨大气污染物对旅游活动强弱的反应机制，以典型生态旅游城市张家界市2017年旅游旺季时段4个空气质量自动监测站点的PM_2.5质量浓度数据为研究对象，采用消除趋势波动分析方法探讨PM_2.5的周末效应.结果表明，永定新区、电业局和未央路站点的PM_2.5质量浓度的波动日变化曲线基本一致，表现出双峰型，波峰分别出现在13：00和22：00左右，而袁家界站点与它们相比，存在明显差异；永定新区和电业局站点工作日的PM_2.5质量浓度略高于周末，而未央路和袁家界站点周末的PM_2.5质量浓度高于工作日.为了进一步探讨PM_2.5质量浓度变化的内在规律，对各站点PM_2.5质量浓度序列进行消除趋势波动分析，发现各站点PM_2.5质量浓度序列均表现出明显的长期持续性特征，且城区站点的长期持续性存在拐点，而景区站点和临近景区站点的不存在拐点，推测可能是景区受旅游活动干扰较多而致.     

成都平原经济区城市空气质量时空变化特征

基于2016—2020年成都平原经济区城市空气质量监测数据，应用空气质量综合指数评价法、Pearson相关分析法，对成都平原经济区空气质量时空变化特征、成都市主要污染物变化特征进行了研究.结果表明：1) 2016—2020年，成都平原经济区城市群中空气质量指数出现了2个高值和2个低值中心，高值中心分别位于成都市、德阳市，2个低值中心分别位于雅安市、遂宁市，即成都市和德阳市空气质量最差，雅安市和遂宁市的空气质量最优；对于不同季节，1—12月，成都平原经济区的空气质量综合指数呈U字型变化，即空气质量6—10月较好，11月—次年2月较差.2) 2016—2020年，成都市PM_2.5质量浓度值皆超过了国家二级标准限值，并且以PM_2.5为首要污染物出现频率最高，而O₃、CO、SO₂年均质量浓度在研究时段内均低于国家二级标准质量浓度限值.3) 2016—2020年，成都市PM_2.5质量浓度与能见度呈显著负相关；年尺度上，成都市PM_2.5质量浓度与平均气温呈低度负相关，...     

济南市主城区空气污染物特征分析

为了深入探寻济南市主城区空气污染物特征,研究基于2019年济南市主城区7个国控自动监测点位的空气质量监测数据,分析PM_2.5、PM₁₀、SO₂、NO₂、CO和O₃共6项空气污染物时空特征,并对相关性进行研究。结果表明：浓度季变化,PM_2.5、PM₁₀、CO、SO₂和NO₂呈正“U”型曲线,O₃呈倒“U”型曲线;浓度月变化,PM_2.5、PM₁₀、CO、SO₂和NO₂呈开口向上波动性抛物线,O₃呈开口向下波动性抛物线;浓度日变化,PM_2.5、PM₁₀、SO₂、NO₂和CO呈“双峰双谷”周期性波动趋势,O₃呈“单峰单谷”周期性波动趋势;空间特征,主城区西部和北...     

基于多源数据的北京地区PM2.5暴露风险评估

基于2014-2016年的北京地区PM_2.5监测数据, 用空间插值法获得北京地区的PM_2.5空间分布, 并基于DMSP/OLS夜间灯光数据, 模拟得到北京地区的人口密度空间分布。在此基础上, 从PM_2.5浓度空间分布、PM_2.5污染的人口暴露特征、PM_2.5污染人口暴露强度以及人口加权PM_2.5浓度4个方面评估北京地区PM_2.5污染暴露风险。结果显示: 1)PM_2.5浓度呈现南高北低的空间分布特征, 人口暴露风险空间分布与人口密度空间分布呈现高度的一致性, 即人口密度高的区域,PM_2.5污染人口暴露风险也相对较高; 2) 2014, 2015, 2016年北京地区GB3095-2012二级年均浓度标准35 μg/m³的超标人口比例均为100%, 24小时平均浓度标准75 μg/m³的超标人口比例呈逐年显著下降趋势; 3) 2014-2016年北京市人口加权PM_2.5年均浓度值与PM_2.5年均值均存在差异, 差异度与城市暴露人口和污染情况密切相关; 4) 由于PM_2.5污染物浓度空间分布特征与人口密度空间分布特征不同, 北京市PM_2.5污染对总体人群的实际影响和健康危害与其平均浓度水平并不相同, 因此考虑人口密度空间分布特征的暴露风险评估比只考虑PM_2.5污染物浓度的暴露风险评估更准确。     

河南省PM2.5暴露人口时空特征及影响因素研究

研究河南省2000、2005、2010、2015年4年的PM_2.5质量浓度和人口密度的栅格数据,计算得出PM_2.5暴露人口;借助全局空间自相关、热点分析等方法,在对河南省PM_2.5暴露人口的时空特征进行分析的基础上,使用面板数据模型探讨其影响因素.结果显示:河南省暴露人口规模表现为先增后减的变化特征,整体规模上升,空间呈现扩散和向中部移动的特征.对河南省PM_2.5暴露人口具有影响的指标主要为:房屋竣工面积、公路客货运总量和气温.     

济南市冬季大气污染时空分布特征及潜在污染源区分析

利用2016—2018年冬季济南市大气主要污染物和气象监测数据,对大气污染特征及潜在源区进行分析。结果表明：2016—2018年冬季济南市环境空气中可吸入颗粒物PM₁₀和细颗粒物PM_2.5分别占首要污染物的34.7%和63.8%,轻度污染以上天数占总天数的58.6%,冬季高质量浓度PM_2.5导致年均值增加7.5μg/m³;从空间分布来看,PM₁₀与PM_2.5空间分布为天桥区、槐荫区及平阴县质量浓度较高,SO₂则为商河县和济阳区质量浓度偏高,NO₂和CO为济阳区、天桥区和槐荫区质量浓度较高;研究期间NO₂、CO、PM₁₀、PM_2.5的质量浓度呈正相关性,相关系数均在0.7以上,推断交通源、工业燃烧源、燃煤是颗粒物的主要来源;济南市冬季的气团输送为偏南、西北、偏北和偏东4个方向,偏南和偏东气团为影响济南市冬季大气污染主要输送路径。进一步研究潜在源区贡献...     

2015年北京、上海和拉萨PM2.5浓度日变化和日际变化分析

分析2015年北京、上海和拉萨3个城市PM_2.5浓度的时间序列, 讨论PM_2.5浓度的季节变化以及各城市PM_2.5浓度日际变化与日变化的相对重要性。从长期来看, 3个城市冬季PM_2.5浓度普遍大于夏季; 从短期来看, 北京和上海PM_2.5浓度主要呈现日际变化, 天气系统的影响远大于日变化。北京冬季PM_2.5浓度在一定程度上也呈现日变化, 但在夏季不明显; 上海在冬季和夏季都不呈现日变化; 拉萨的情况则相反, 当地的天气系统比较稳定, 日际变化不明显,PM_2.5浓度主要受日变化影响,PM_2.5浓度的日变化呈现明显的“双峰”现象。     

时间精度与空间信息对神经网络模型预报PM2.5浓度的影响

以北京市为例, 利用2015—2018年空气质量监测站台资料, 通过BP神经网络、LSTM网络及CNNLSTM混合模型等多种模型, 分析时间精度和空间信息对PM_2.5浓度预报的影响。结果表明, 神经网络模型的效果普遍比多元线性回归模型好; 增加输入数据的时间精度能显著地提高 PM_2.5浓度日均值预报的准确率; 当输入数据的时间精度从一天提高到6小时后, LSTM模型的平均绝对误差从27.39 μg/m³降至20.59 μg/m³, 这种效果的提升在显著变好和显著变差的天气情况下更明显; 华北地区PM_2.5浓度分布有明显的时空特征, 第一空间模态为同增同减, 第二空间模态为南北反向; 北京市PM_2.5浓度与内蒙古、河北及天津等地区前一天的PM_2.5相关。利用CNN-LSTM混合模型学习华北地区PM_2.5的时空信息, 能进一步提高北京市PM_2.5浓度的预报水平, 使得误差降低至17.36 μg/m³。     

APEC会议前后京津冀空气污染物时空变化特征

 以2014年北京APEC会议前后京津冀地区的PM_2.5、SO₂、NO₂监测数据为基础,通过最优空间插值得到该地区空气污染物质量浓度的空间分布变化图,采用空间自相关与核密度分析法研究了污染物分布的空间差异和变化规律。结果表明,京津冀空气污染物质量浓度具有显著的空间正相关与空间集聚特性,城市群空气污染空间关联密切,PM_2.5热点集中在北京南部、天津、石家庄和保定等地,SO₂热点集中在保定、天津、唐山和石家庄等地,NO₂热点集中在北京-天津-唐山片区和保定-石家庄-邢台片区;不同时段空气污染物质量浓度差异显著,APEC会议前及期间,在冷空气活动与减排措施的双重作用下,污染物质量浓度显著降低,高密度热点区均逐渐向中、低密度区转化,而APEC会议后,受冷空气影响良好空气质量得以短期维持,但污染反弹现象较快出现,高密度热点区污染迅速加强并扩展。     

基于夜间灯光影像的能源消费与PM2.5时空关系研究

利用能源消费统计数据与夜间灯光影像对陕西省能源消费进行空间化处理,结合PM_2.5遥感数据,基于双变量空间相关性分析等方法,研究了陕西省能源消费与PM_2.5的时空关系,并利用随机森林回归模型探讨了影响ρ(PM_2.5)变化的能源消费因素．结果表明:1）2001—2013年陕西省ρ(PM_2.5)先增大后减小,最高值达到28.5 μg·m?3,省内PM_2.5分布的空间异质性较强,其中关中地区的ρ(PM_2.5)最高;2）陕西省能源消费量逐年上升,在空间上的分布与ρ(PM_2.5)类似,关中地区的能源消费量最多;3）陕西省能源消费量与ρ(PM_2.5)的Moran’s I达到了0.289,表明二者之间有着明显的空间正相关性,即高能源消费的区域有着高质量浓度的PM_2.5分布;4）人口密度、路网密度与能源消费总量是陕西省ρ(PM_2.5)变化的重要驱动因素．      

天津WRF-Chem模式空气污染浓度预报误差时空分析

分析2019—2021年天津WRF-Chem模式日预报结果与实况对比的误差时空特征，得出以下结论：(1)模式预报结果与O₃浓度的相关性最好(0.90)，与PM₁₀(0.59)的最差；(2)模式预报结果对污染物浓度的高估现象更显著，PM₁₀、PM_2.5和O₃浓度的预报绝对误差明显高于其他3种污染物；(3)模式预报的相对误差大小排序为O₃22102.5，且夏季最高，秋冬近似，春季最小，夏秋冬三季相对误差都为PM_2.5最大，春季则为PM₁₀最大；(4)从2种主要污染物浓度预报相对误差的空间分布特征来看，PM_2.5为蓟州、中心城区、大港偏大，PM₁₀为中部地区西青、武清、塘沽、宝坻偏大；(5)经综合衡量，模式预报效果最差的是PM     

呼和浩特市大气污染特征及气象条件影响分析

为了解呼和浩特大气污染防治效果,选取呼和浩特市2017—2022年的主要大气污染物、气象要素数据,对污染物浓度的年、月变化、浓度比值、相关性进行分析,利用后向轨迹聚类对2020年3月进行分析。分析结果表明：呼和浩特市2017—2022年空气质量为优、良的天数呈上升趋势。各污染物浓度年变化特征明显,各污染物的浓度变化趋势除O₃均呈“U”形分布。PM_2.5、PM₁₀污染是呼和浩特市大气污染主要研究对象,PM_2.5/PM₁₀的值有明显的月变化特征,5月份为全年最低值。PM_2.5和PM₁₀高度相关性,而NO₂和SO₂与PM_2.5、PM₁₀均呈现正相关性。受气象要素影响,PM_2.5和PM₁₀污染物浓度变化趋势为夏低冬高,7、8月降雨量大,有利于空气质量改善,降水可带走、稀释更多的污染物。而后向轨迹聚类分析得4条气团...     

5个典型城市站点PM2.5污染与气象要素的关联性分析及应用

利用2015—2017年我国5个典型城市(北京、广州、昆明、南京和西宁)气象站点的PM_2.5质量浓度和气象要素数据,分析不同城市站点的PM_2.5污染特征并探究气象要素对PM_2.5污染的影响,并建立5个城市站点的PM_2.5质量浓度多元回归预测模型。结果表明,5个城市站点中：空气质量最优的是昆明站;5个站点的PM_2.5质量浓度均呈夏季最小、冬季最大的特征;在16:00—17:00出现PM_2.5质量浓度较小值;PM_2.5质量浓度随降水等级和风力等级的增大呈下降趋势;北京站气压值存在一个阈值(约101.59 kPa),越接近该值越容易出现重污染;除西宁站外的4个站点的PM_2.5质量浓度的高值中心对应较高的相对湿度(>70%)。西宁站和南京站的PM_2.5质量浓度与温度呈较明显的负相关关系;5个站点的回归预测模型可以较好地预测PM_2.5的质量浓度,其中广州站和西宁站预测模型的...     

重庆市荣昌区冬季典型霾期大气颗粒物浓度垂直变化特征

为探究川东平行岭谷大气颗粒物质量浓度垂直变化特征,通过对四川盆地偏东部的重庆市荣昌区典型雾霾期气象条件下大气颗粒物质量浓度(PM₁,PM_2.5和PM₁₀)的垂直连续监测,分析温度、风速、相对湿度等气象条件与大气颗粒物浓度垂直分布的关系。结果表明：PM₁,PM_2.5,PM₁₀的日变化在各高度范围内均表现为夜间浓度较高。3种粒径段颗粒物的质量浓度均随高度升高而下降,0～300 m内颗粒物质量浓度最高,PM₁,PM_2.5,PM₁₀分别为39.61,193.62,338.87μg/m³。不同空气质量状况下,颗粒物浓度纵向分布不同。空气质量为良时,颗粒物随高度升高缓慢下降,600 m处PM₁,PM_2.5和PM₁₀浓度为100 m处的70.49%,69.60%,65.94%;轻度污染期间,600 m高度的颗粒物浓度比...     

2015—2020年成都市PM2.5的时空分布及影响因素

以2015—2020年成都市PM_2.5浓度的时空分布为研究对象,运用克里金插值法、Pearson相关系数法、主成分分析法等方法,结合降水、风速2个气象因子及GDP、第二产业生产总值比重、人口密度、城镇化率4个社会因子进行分析,从而得到成都市PM_2.5的时空分布情况及其影响因素的相关分析,为成都市的空气污染治理提供科学依据.结果表明：成都市PM_2.5浓度在空间上整体呈中间高、两边低的特征,在时间上的整体走向为先降低后升高;同时成都市PM_2.5浓度与各种气象因子、社会因子都存在相关性,但相关程度存在较大的差异.     

长春市冬春季环境空气中PM2.5污染特征与来源解析

为研究长春市冬季和春季大气PM_2.5的主要来源及污染特征, 于2018-01-06—2018-05-14连续采集PM_2.5环境受体样品, 分析其无机元素及水溶性阴离子组分. 结果表明： 采样期间长春市PM_2.5的质量浓度为（46.4±24.4）μg/m³, 冬季和春季的平均质量浓度分别为(51.0±25.8)μg/m³和(32.6±11.5)μg/m³, 超标率为11%, 均在冬季超标, 在春节假期中（2018-02-15—2018-02-21）, PM_2.5的质量浓度低且保持平稳; 所测全部水溶性阴离子及部分无机元素（Al,As,Pb,Se,Ti）质量浓度呈冬季高于春季的趋势; 长春市无机元素主要源于燃煤、 交通和扬尘; 长春市PM_2.5中NO^-₃和SO^2-₄是燃煤和机动车尾气共同作用的结果, 其中燃煤源的贡献率相对较高; 长春市冬春季PM_2.5主要来源为二次源（28.2%）、土壤尘源（12.6%）、交通排放源（10.7%）、燃煤源和建筑尘源（28.6%）、工业源和其他源（19.8%）.     

公园绿地及周边环境PM2.5浓度特征及影响因素

【目的】评价城市公园对降低大气PM_2.5质量浓度的作用,同时探讨环境因素对PM_2.5质量浓度的影响。【方法】以北京市北小河公园为研究对象,通过PM_2.5质量浓度监测仪测定公园绿地内、公园附近建筑室内及公园道路旁(开敞空间)的PM_2.5质量浓度,对公园及其附近建筑室内与道路旁PM_2.5浓度做差异对比分析,同时监测温湿度、风速及气压、车流量,以分析环境因素对PM_2.5质量浓度的影响。【结果】①公园及其附近建筑室内与道路旁PM_2.5浓度日变化趋势基本一致,呈现双峰单谷型,即早晚高、白天低。②无污染或轻度污染时,公园绿地PM_2.5质量浓度均低于道路旁及附近建筑室内,PM_2.5质量浓度分别降低了5.7%和6.9%,说明公园绿地对PM_2.5有一定的滞留作用; 中度污染天气条件下,公园内PM_2.5浓度同样低于道路旁与建筑室内,降幅分别为3.6%和7.3%,公园绿地对PM_2.5仍有一定的滞留作用; 重度污染质量条件下,公园内PM_2.5质量浓度略低于道路旁,降幅仅为0.3%,而比建筑室内升高了5.5%。③公园绿地PM_2.5质量浓度与温度、风速呈负相关关系,与相对湿度、气压呈正相关关系; 道路旁PM_2.5质量浓度与车流量呈正相关。【结论】在中度污染及以下环境空气质量条件下,公园绿地对PM_2.5有一定的滞留作用,说明公园绿地对PM_2.5滞留作用的发挥受一定的环境空气质量条件的制约。