河北邯郸市典型大气污染物的特性分析

根据对邯郸市大气污染物特征研究,分析污染物在线监测数据、气象数据和水溶性离子数据的变化规律.结果表明,除O3外,邯郸市近年来大气污染状况有所改善,但PM浓度仍明显高于河北省其他城市.PM2.5、PM10、SO2、CO浓度秋冬高,春夏低,O3浓度则相反.春节期间污染物浓度的变化特征表明,烟花爆竹对粗颗粒物的影响较大.对污...     

乌鲁木齐市大气颗粒物污染特征及防治对策建议

近年来随着乌鲁木齐市"煤改气"工程的实施,大气污染类型已由煤烟型污染向复合型污染转变。基于2013年、2014年环境空气中SO2、NO2、PM10、PM2.5、CO、O3六项污染物浓度的变化情况,分析阐述了乌鲁木齐市大气颗粒物的年度变化特征。建筑扬尘、机动车尾气、燃煤是乌鲁木齐市大气颗粒物的主要来源,该文就这几大来源提出了颗粒物污染防治对策建议。     

甘肃省主要城市环境空气质量变化趋势分析研究

以甘肃省兰州市、金昌市、嘉峪关市、白银市及天水市五个主要城市为研究对象,利用2010-2016年五个城市的SO2、NO2、PM10年均浓度数据,计算出区域空气综合污染指数和污染负荷指数,并采用Daniel的Spearman秩相关系数法分析主要污染物的变化趋势。结果表明,2010-2016年间,甘肃省五个主要城市环境空气质量从优至差顺序为:天水、嘉峪关、金昌、白银、兰州;五个城市首要空气污染物均为PM10,空气污染物中SO2的污染负荷呈现下降的趋势;兰州、金昌和白银的空气质量状况出现好转的趋势,由此表明各城市大气污染治理成效显著。     

河北省主要城市空气污染时空分布特征分析

文章以河北省邢台、保定、石家庄、邯郸、衡水、唐山、廊坊和沧州8个城市的空气质量为研究对象,以PM2.5、PM10、SO2、NO2、CO、O3作为空气污染因子,分析河北省2014-2016年的空气污染时空分布特征。分析结果表明,8个城市2014-2016年AQI、PM10、PM2.5、SO2浓度呈下降趋势,整体空气质量好转,而沧州和衡水NO2年均浓度以及衡水和唐山O3年均值变化呈逐年上升趋势。8个城市颗粒物年均浓度均超标,超标倍数最高达2.3,除2014年沧州外,其余城市各年NO2年均值均超标。季节变化分析结果表明,除O3外,8个城市的其余空气污染因子和AQI季节变化趋势基本一致,夏、秋季的空气质量优于春、冬季,冬季最差,O3恰好相反。PM10、PM2.5、SO2、NO2、CO浓度高值主要分布在1月和12月,低值分布在6-9月。8个城市之间的空气污染比较显示,廊坊和沧州空气质量优良天数占比超过50%,空气质量较好,邢台、保定、唐山、石家庄空气质量较差,这与地理位置和产业布局有一定的关系。     

基于主成分分析法的城市大气主要污染物关系研究

大气污染物是造成城市居民呼吸系统疾病高发的重要原因,研究城市大气主要污染物关系有助于有关部门采取针对性的治理措施.调查16个城市大气污染现状,借助SPSS软件,采用主成分分析法,对SO2、NO2、PM10、PM2.5、CO、O3等6个大气主要污染物数据进行分析计算.提取占总方差84.364%的2个因子来反映空气的污染程度,分别为:1)PM2.5、PM10、CO和SO2;2)O3.主成分分析法可以准确探讨出空气各污染物的内在关系,该结果有助于为环保部门的治理工作提供参考.     

2000-2004年山东中西部五城市大气污染变化特征

以2000-2004年山东省中西部五城市(济南、济宁、德州、淄博、泰安)的主要大气污染物SO2、NO2、PM10的浓度资料为依据,分析了2000-2004年五城市主要大气污染物的季节变化特征以及年际变化趋势.根据2004年五城市主要大气污染物SO2、NO2、PM10的日均浓度值,分析了2004年五城市的空气质量现状.结果显示:2004年五城市的空气质量,济南市最差,其次是淄博、德州、济宁,泰安市最好.大气污染物浓度呈明显的季节变化特征,冬季污染最严重,夏季空气质量最好;总体来说,2000-2004年大气污染物SO2、PM10浓度呈逐年下降趋势,NO2浓度没有明显的变化趋势,到2004年,PM10污染浓度依然较高,是最主要的大气污染物.同时分析了引起大气污染物浓度变化的原因,表明大气污染物浓度的变化是地形、污染源和气象条件等因素共同作用的结果.     

基于加权灰色统计的平顶山市空气质量分析

依据平顶山市2000—2009年环境状况公报数据,选取空气污染物SO2,NO2,PM10作为评价因子,将灰色统计方法和模糊综合评价模型相结合,建立加权灰色统计模型,对河南省平顶山市空气质量进行综合评价.结果显示:平顶山市2000—2002年空气质量综合评价Ⅳ级,为重污染;2003—2007年空气质量综合评价Ⅲ级,为轻污染;2008—2009年空气质量综合评价Ⅱ级,为尚清洁.2000—2009年(2007年除外)主要污染因子为PM10,2007年的主要污染因子为SO2.但近几年PM10对空气质量的影响呈现逐年下降趋势,NO2对空气质量的影响呈现逐年上升趋势.     

烟台市区大气中SO_2、NO_X及PM_(10)的时空分布规律研究

以2006—2007年烟台市区大气中SO2、NOX、PM10的监测数据为依据,分析了这3种大气污染物的时间、空间分布特征.结果表明:烟台市大气污染物浓度较低,空气质量较好.主要污染源为采暖排放、机动车排放与风沙影响.SO2、PM10污染呈明显的季节变化,SO2采暖季排放上升明显,PM10在春、秋的风沙时期保持较高的值.各污染物呈明显的区域性分布,SO2、PM10污染多集中在只楚工业区,NOX污染多集中在城市中心区域.     

呼和浩特市大气污染物浓度与气象要素的灰色关联分析

基于呼和浩特市大气污染和同期气象要素的监测数据,采用灰色关联度方法,研究了气象要素对PM10、SO2、NO2污染物浓度时空变化的影响.结果表明,对PM10影响最强的气象要素是日平均风速,而对SO2和NO2影响最强的气象要素是日平均相对湿度,逆温强度对三者的影响次之,总云量对其影响最弱.研究结果可为呼和浩特市大气污染预报提供有效依据.     

天津滨海新区塘沽2013年供暖期前后大气污染物特征分析

为了解天津滨海新区塘沽供暖期前后大气污染物浓度水平的变化特征,利用2013年10月1日~12月29日NO2、SO2、PM2.5、PM10的连续在线监测数据,以供暖前10月1日~11月14日及供暖期11月15日~12月29日2个时间段来分析各污染物的变化特征。结果表明,滨海新区塘沽供暖期比供暖前PM10、PM2.5、NO2及SO2的日均浓度分别上升了46.7%、8.9%、60.5%和117.9%;4种大气污染物的日均浓度最高值均出现在供暖期;供暖期PM10、PM2.5、NO2及SO2的日均超标平均倍数较供暖前均有所上升;供暖期PM10、NO2及SO2的超标率均比供暖前上升,而PM2.5的超标率则下降。     

南宁市灰霾天气与空气污染物关系分析

根据2010年6月1日至2011年5月31日南宁市的环境监测数据和气象数据,分析南宁市灰霾天气特征,然后通过SPSS软件分析灰霾天气与能见度、颗粒物(PM2.5、PM10)浓度、气态污染物浓度和空气污染指数的关系,探讨南宁市灰霾天气与空气污染物的关系。结果发现,南宁市灰霾天气主要分布在秋、冬两季,PM2.5是直接造成南宁市灰霾天气的主要因子,PM10、SO2、NO2、CO和O3对灰霾天气的发生也有一定影响。PM2.5与PM10相关性最显著,与SO2、NO2相关性较显著,与CO相关性显著,与O3相关性不显著。     

陕西省汉中市大气环境质量的灰色预测

依据汉中市汉台区城区2005—2011年大气环境中SO2,NO2,CO,PM10的监测值,应用灰色理论建立GM(1,1)灰色模型对汉中市汉台区城区空气中的SO2,NO2,CO,PM10浓度进行预测。经过相关检验和修正,确定所建的SO2和CO模型具有较高的精确性和可信度,PM10模型经残差模型修正后准确度和精确度均有所提高,NO2模型不太适合小样本数据灰度建模。另外,利用建立的灰色模型对汉中市汉台区城区2012—2015年主要污染物浓度进行预测,为汉中市汉台区城区大气污染防治工作提供有益参考依据。     

天津滨海新区塘沽2013年供暖期前后大气污染物特征分析

为了解天津滨海新区塘沽供暖期前后大气污染物浓度水平的变化特征,利用2013年10月1日~12月29日NO2、SO2、PM2.5、PM10的连续在线监测数据,以供暖前10月1日~11月14日及供暖期11月15日~12月29日2个时间段来分析各污染物的变化特征。结果表明,滨海新区塘沽供暖期比供暖前PM10、PM2.5、NO2及SO2的日均浓度分别上升了46.7%、8.9%、60.5%和117.9%;4种大气污染物的日均浓度最高值均出现在供暖期;供暖期PM10、PM2.5、NO2及SO2的日均超标平均倍数较供暖前均有所上升;供暖期PM10、NO2及SO2的超标率均比供暖前上升,而PM2.5的超标率则下降。     

浅谈固原市区大气环境污染特征及其防治对策

固原市大气环境污染物主要为可吸入颗粒物（PM10）、SO2、NO2三项,其中,可吸入颗粒物为首要污染物,可吸入颗粒物污染是包括煤烟尘、城市扬尘、建筑水泥尘、机动车尾气尘等源类在内的复合污染类型,同时,人为活动所形成的二次扬尘已成为城市颗粒物污染的主要来源,因此,控制城区大气污染必须采取综合措施。     

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）.     

环境空气质量标准修订后城市空气质量变化趋势及污染特征分析 ——以济南市为例

2012年环境空气质量标准修订后,大气污染物监测指标与频次发生变化,在一定程度上影响了城市空气质量评价及污染特征判定。为进一步促进城市空气质量改善,为地方环境管理与决策提供科学支撑,通过运用统计分析、趋势检验及相关分析等方法研究了济南市执行新环境空气质量标准后,各时段城市空气质量及6项污染物浓度变化趋势,在此基础上识别了空气污染特征。结果表明：自2013年起,PM10、PM2.5浓度不断下降,SO2、CO持续达标,近3年间全市无污染天数占50%左右;从季节变化来看,冬季大气污染最为严重,夏秋两季空气环境质量较好;PM10、PM2.5与NO2长期处于超标水平,O3污染愈加严重。可见济南市环境空气质量虽日趋改善,但以PM10、PM2.5和O3污染为代表的复合型大气污染特征已经形成。     

重庆市典型城市隧道空气环境质量调查

对重庆市典型城市隧道内的环境空气质量进行了调查.结果表明:隧道内SO2,NO2,CO和颗粒物的平均浓度分别为环境空气中的1.7,2.9,5.5和3.9倍,污染较为严重.随着机动车保有量的增加,2013年隧道内空气污染有所加重,NO2,CO和NMHC的浓度分别是2010年的3.0,1.1和2.0倍.隧道中部NHMC和总VOC的浓度要高于洞口,而PM10和CH4的浓度则是洞口略高.隧道内CO的浓度变化与车流量有着十分密切的联系,PM2.5与车流量的相关性要好于PM10.     

长春市大气中SO2与NO2长期污染特征及防治对策分析

通过对长春市2000~2010年SO2与NO2的长期监测数据分析,得到长春市SO2与NO2浓度的长期变化均为绝对浓度值增加的趋势,以及采暖期比非采暖期污染物浓度显著增加的变化规律。通过污染负荷系数指标的计算,确定SO2、NO2与PM10对长春市环境空气质量的影响是同样重要的。分析SO2与NO2排放源主要为工业生产和热力供应过程中的燃料燃烧和机动车尾气排放。总结了自然及人为产生原因和治理对策,为长春市区域大气污染治理防治提供理论依据。     

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。     

北京大气污染区域分布及变化趋势研究

本文利用2000-2005年北京市8个国控点PM10、SO2、CO、NO2和NOX等污染物浓度数据,分析了北京各区域大气污染分布与季节变化特征,以及近几年大气污染变化趋势.方法以主成分分析为主,辅以时间序列分析.分析结果显示：北京大气污染存在明显的时空差异,第一、二主分量可以很好地表征城市大气污染属性,所有污染物对第一主分量贡献都为正值,能够清楚区分大气污染程度,以及城市与区域背景的异同,第二主分量可以区分城市污染的源排放特征.基于此标准,全市范围内大气污染划分为燃煤型、机动车排放型、过渡型以及环境背景等四种污染类型.