南昌市空气质量变化特征分析

利用南昌市2013年1月至2014年5月期间6个环境监测点的空气质量指数数据,对南昌市空气质量指数变化规律进行分析,并对南昌2016年12月7日一次重大污染过程进行溯源.结果表明:1)南昌市秋冬季空气质量指数明显高于春夏季,6月空气质量最好,1月污染最为严重,空气质量最差;2)南昌空气质量指数日变化呈现双峰型特征;冬季一个峰值基本出现在中午前后,另一峰值基本出现在半夜时段,且夏季第一个峰值出现的时间较其他季节都提前;3)南下的冷空气携带了大量来自北方省份污染物,同时快速南下的冷空气使得南昌城区低空出现上暖下冷的逆温层,使得污染物在南昌地区积聚,不易扩散,造成了2016年12月7日南昌的重大空气污染.     

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,...     

汉中市城区空气质量特征分析及预报方法初探

利用2006—2007年汉中市城区空气污染物浓度监测资料,分析了汉中市城区空气质量特征。在此基础上,利用同期的地面、高空气象要素与空气污染物进行相关分析,建立多元线性回归预报方程。结果表明：（1）汉中市城区空气质量优良天数占77％,主要污染物为PM10;污染物浓度存在明显的季节性变化,冬季远远高于夏季;（2）冬季空气质最主要受地面气象要素影响;夏季既受地面要素影响又受高空要素影响。     

中国城市空气质量时空分布特征

采用国家环境保护部发布的2014年全国161个城市空气质量指数(AQI)数据,基于克里格插值、三维趋势面等空间分析手段,揭示重点城市空气质量时空分布格局.结果表明:我国AQI时空分布差异明显,季节特征表现为冬季最高,夏季最低,春季略高于秋季;月峰值出现在1月,9月AQI最低;日AQI高值出现在10:00,低值出现在16:00,白天AQI波动较大,夜间较平稳.空间分布呈现出从南向北、从沿海向内陆逐渐升高的趋势,且南北差大于东西差;华北生态地区AQI较高,云贵高原生态地区较低.     

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。     

商丘市气象要素对空气质量的影响

利用商丘市环境监测站2015—2016年逐日空气质量监测数据,对空气质量总体状况、首要污染物变化特征等进行了分析,并利用商丘市多年逐日气象资料分析了气象要素对空气质量的影响.结果表明:商丘近两年占主导的首要污染物为PM2.5,出现频率为56%,空气质量优和良总体比率占51.6%,重度污染和严重污染总体比率为6.7%,连续3 d以上的重污染天气出现在11月到次年2月,AQI指数与平均气温、平均风速、降水量呈显著负相关,空气质量等级愈大,气象要素值愈小,降水频率愈高,空气质量愈好,降水量、降水日数、平均风速和大风日数的变化对空气质量有显著影响.     

2015—2020年三江源区空气质量变化特征研究

三江源区位于青藏高原腹地,相比于其他内陆地区,三江源区整体环境空气质量相对较高,但PM10、SO2和O3污染冋题也日益凸显,并引起学术界广泛关注.通过采集2015—2020年三江源区国控点观测的空气质量数据资料,对PM2.5、PM10、CO、SO2、NO2、O3等大气污染物特征进行分析.研究结果表明:三江源区国控点单点...     

山西省城市空气质量指数地理特征及其与气象要素的关系

以山西省11个地级市2014年空气质量日报数据和部分气象站点同期的地面气象数据为基础,基于地理信息系统软件surfer运用克里格插值法绘制出2014年山西省空气质量指数(AQI)的时空分布特征,然后将AQI与5个地面气象要素进行相关分析,得出它们在不同时内的相关关系.结果显示:2014年1~2月全省AQI值普遍较高,空气污染较重;3~6月AQI值逐渐降低;7~9月AQI值维持在较低范围内,空气质量优良;10~12月AQI值再度升高.在研究时段内,AQI值和平均本站气压呈显著负相关关系,和平均气温、平均水汽压呈显著正相关关系,风速对于AQI值的影响具有双重性,平均相对湿度和AQI值相关性较弱.     

基于空气质量指数AQI的空间自相关特征分析——以福建省为例

以福建省9个地级市为研究对象，运用时间序列模型、全局空间自相关分析、K-medoids聚类及相关分析等研究方法，探索福建省各地级市空气质量指数的空间自相关特征。研究结果显示，相比秋冬两季，各地级市春夏两季的空气质量相关性较低，具体表现为，春夏两季各地级市莫兰指数（Moran's I）显著较低 。以空气质量指数AQI的6个空气质量分指标作为聚类标准进行研究，发现福建省地级市的空气相关性区分为两大类。进一步对AQI进行相关性分析，发现AQI与PM10、PM2.5、NO2分指标高度相关，由此说明，空气微粒与NO2是福建空气污染的主要来源。空气质量季节上的分布差异，可以为政府准确地制定治理方案提供有力证据。     

信阳市中心城区空气质量的时间变化特征

以《环境空气质量指数(AQI)技术规定(试行)》和信阳市中心城区2015-2017年的空气质量指数(AQI)日均值为依据,计算出每年的AQI月均值,分析该城区空气质量的年际、年内变化特征及其影响因素.结果表明,该城区空气质量逐年改善,年内空气质量季节变化明显:夏季良好、较稳定;冬季污染天数多于其他季节,总体表现为轻污染;春、秋季在良好和轻污染级别之间震荡.多云、阴、小雨、小雪及雨夹雪,风力≤2级、无持续方向,特别是冬季北风、偏北风等天气条件下,易发生空气污染,城市地貌阻碍空气扩散.进一步表明在防控大气污染方面,该城区应关注天气和季节变化、重视城市规划和城市设计.     

提升空气质量标准,改善环境空气质量

近10年来,北京市大气污染防治取得显著成效,尤其是2008年北京奥运会期间,由于采取了多方面的综合治理和临时措施,空气中的主要污染物浓度均出现较大幅度的下降,北京地区的环境空气质量明显好转,但与国家标准的要求以及"宜居城市"目标相比还有较大差距.与此同时,建设国际大都市的目标,又为环境质量改善提出了新的要求.面对这一严峻形势的挑战,加强空气质量管理和不断提升空气质量标准,成为进一步改善空气质量的关键之一.     

SOFM神经网络在城市空气质量信息公开指数评价中的应用

为推动城市大气污染治理,中国人民大学法学院与公众环境研究中心合作开发了城市空气质量信息公开指数(AQTI),并于2011年1月发布第一期评价结果,显示中国城市开展了一定的空气质量信息发布,但发布水平与发达国家(地区)的城市相比存在明显差距.分析各城市空气质量信息,正确评价城市间的环保工作状况是十分有意义的工作.提出了改进的SOFM神经网络,根据城市AQTI环境评价得分利用改进的SOFM神经网络对113个城市的环保工作状况进行分类,克服了用环境评价总得分排序法来评价城市间环保工作的片面性,并为各城市环保工作的重点提供了参考数据.     

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。     

基于随机森林回归和气象参数的城市空气质量预测模型——以重庆市为例

为有效进行城市空气质量预测、推进城市空气污染防治,弥补传统统计学模型在大数据时代背景下对城市空气质量预测准确率低、容错能力差等问题,提出利用随机森林回归构建城市空气质量预测模型;综合考量污染物浓度、气象参数、时间参数等多方面影响因素,通过网格搜索法调整参数的最优组合,构建基于随机森林回归算法的城市空气质量预测模型;基于重庆市2017-01-01—2020-07-31的指标数据,对重庆市空气质量进行预测分析,结果表明:在模型下训练集与测试集的确定性系数R~2均在99%以上,均方误差D_(MSE)和平均绝对误差D_(MAE)在训练集和测试集上的取值均在可接受范围内,证实模型具有运行速度快、预测误差小、具有较高的预测精度等优点,具备较好的学习能力与泛化能力。     

基于竞争型神经网络的城市空气质量分析

该文利用竞争型神经网络来对空气质量进行分类。竞争型神经网络模拟生物神经网络中的神经元之间的兴奋、抑制与竞争的机制,进行网络的学习与训练。竞争型神经网络的输出层神经元能够通过竞争以确定胜者,胜者将指出哪一种原型模式最能代表输入模式。将不同空气质量等级下的各空气指标作为原型模式,通过输入样本模式,利用竞争网络的竞争特点得到胜者,以此得出空气质量等级。     

基于属性识别模型的铜仁市空气质量评价

为行政部门有效治理城市环境和生态保护,科学客观评价空气质量极为重要。本研究以铜仁市为对象,统计分析了2015—2020年铜仁市空气污染物变化动态特征,同时利用属性识别模型综合评价了铜仁市空气质量水平。研究结果表明：1)铜仁市主要污染物是PM_2.5、PM₁₀和O₃,其污染程度为PM_2.5>PM₁₀≈O₃,PM_2.5和PM₁₀浓度水平处于Ⅱ级标准,PM_2.5在冬季处于不达标水平,PM₁₀于2020年达Ⅰ级以下标准,有显著好转,O₃浓度2016年以来显著增加,存在污染风险。2)铜仁市近几年空气综合质量均为Ⅰ级标准,但空气质量综合水平呈下降趋势,主要原因在于PM_2.5作为首要的空气污染物,污染水平一直没有得到有效控制。此外,O₃污染程度风险增加。因此,PM_2.5和O₃     

基于JN5139的城市空气质量监测系统设计

采用了ZigBee芯片JN5139自组网技术与4G网络相结合组成监控网络,完成对城市环境中的温度、湿度和空气中气体的PM2.5进行监测和预警,以确定环境质量状况,实时的将环境质量数据发送监控中心。项目主要完成总体方案和各个数据采集模块设计。     

南水北调中线核心水源区空气质量演化特征研究

南水北调中线核心水源区是调水工程最后一道生态屏障和水源保护最为敏感的区域,然而有关南水北调中线核心水源区空气质量演变特征的研究鲜见于报道.本文通过采集分析2014—2020年南水北调中线核心水源区空气质量数据资料,对PM2.5、PM10、CO、SO2、NO2、O3等大气污染物进行系统分析.研究结果表明:南水北调中线核心...     

麦秸焚烧对北京市空气质量的影响

北京每年6月中下旬都会受到不明烟雾的影响,原本干净的天空突然被浓烟笼罩,能见度下降,大气污染物浓度迅速升高,空气质量急剧恶化。而与此同时,北京周边冬小麦产区出现大范围烧麦秸现象,两者仅仅是时间上的巧合,还是有直接的因果关系,即北京的烟雾就是周边麦秸焚烧所造成的呢？     

338个城市开始监测空气质量

2012年5月起,国家空气质量监测网络将由原来的113个重点城市扩大至338个地级以上的城市,全国共设1 436个空气质量监测站点,监测6种主要污染物,其中包括PM2.5。