西安地区PM2.5扩散预测评估简

选取西安为研究对象,通过建立能够刻画该地区PM2.5发生和演变（扩散与衰减等）规律的数学模型,完成对该地区污染扩散预测评估.通过采用PCA方法确定西安地区PM2.5的扩散中心,并构建线性抛物型方程对一般情况下的扩散进行刻画,针对突发情形,即当PM2.5浓度最高点处增至2倍时,采用高斯模型对数据进行扩散的预测和评估,计算出PM2.5的污染扩散范围.最后通过比较完成对该地区的污染预测评估.?更多还原     

探究四川省PM_(2.5)污染的空间分布

为探究四川省21个市州PM_(2.5)污染的空间分布,有效地利用数据、减少信息损失,将各市州的地理距离与经济变量相关性相结合,构建地理-经济变动空间权重矩阵来刻画各市州之间的相互影响程度,并采用一种改进的Moran’s I指数分析四川省PM_(2.5)污染的空间分布情况,绘制Moran散点图、局部Moran’s I指数集聚图等将PM_(2.5)污染直观地呈现.结果表明:从整体看,四川省PM_(2.5)污染呈现空间正相关性,高污染地区与高污染地区聚集;从局部看,成都平原城市群、川南城市群和少部分川东北城市群的城市PM_(2.5)污染情况较严重,且呈现空间聚集状态,而在攀西城市群、3个少数民族自治州以及少部分川东北城市群的城市自身的PM_(2.5)污染较轻,但周围城市污染较为严重,呈现PM_(2.5)污染空间负相关性.     

基于MODIS数据的郑州地区PM_(2.5)时空分布特征分析

卫星观测不仅能反映全球尺度的大气污染状况,也能从城市等区域尺度上监测大气污染物的变化.本文基于2004-2013年MODIS气溶胶标准产品,利用PM_(2.5)卫星遥感估算的统计模型,统计分析了郑州地区的PM_(2.5)质量浓度的年际及季节变化特点,有助于深入研究郑州地区细颗粒物污染水平变化.研究发现,在空间上,郑州地区PM_(2.5)高值区主要集中在郑州市市辖区、中牟县、新郑市、荥阳市以及巩义市西北等地区,低值区主要分布于登封市和巩义市南部的山地地区.在时间上,2004-2011年整个郑州地区PM_(2.5)质量浓度总体呈现逐年增长的趋势,直到2011年达到峰值(108.59μg/m3).2011年之后,该地区PM_(2.5)污染状况有所好转,但仍处于重度污染状态.季节变化方面,PM_(2.5)高值通常出现在冬季(149.28μg/m3),秋季次之,春、夏季该地区PM_(2.5)质量浓度较低(81.71μg/m3).研究结果表明,利用卫星数据可以有效地分析郑州地区的PM_(2.5)时空分布特征,为该地区的PM_(2.5)污染治理提供有力的数据和技术支撑.     

北京地区PM2.5浓度与气象要素的相关分析

利用美国驻中国大使馆2009年以来的PM_(2.5)浓度监测数据、MODIS光学厚度数据和NCEP边界层气象要素数据,对近年来北京地区PM_(2.5)和边界层内气象要素进行分析。结果表明:2009—2011年夏、秋季以及2012年夏、冬季北京地区PM_(2.5)污染情况较为严重,2013和2014年污染情况稍有转好;北风为有利于PM_(2.5)扩散的气象条件,且随着北风增强,扩散效果更好;南风为有利于PM_(2.5)堆积的气象条件,且随着南风增大,堆积效果略微增加;边界层高度越高,越有利于PM_(2.5)的扩散;相对湿度越大,越有利于PM_(2.5)的堆积;降水对PM_(2.5)有明显的驱散作用。21世纪以来,北京地区的平均边界层高度有明显的降低趋势,从2500 m降低到1500 m以下,其他气象要素没有明显的年际变化。     

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。     

京津冀地区PM_(10)和PM_(2.5)污染的健康经济学评价

随着我国社会经济的快速发展,大气颗粒物污染逐渐成为影响我国城市居民健康的重要危险因素.以流行病学各项研究成果为基础,参考浓度选取环境空气质量标准(GB3095-2012)的二级浓度限值作为标准,利用泊松回归比例危险模型定量评价可归因于PM_(10)和PM_(2.5)污染的居民健康效应,并结合各健康终端的单位经济价值,采用环境价值评估方法估算相关的健康经济损失.结果表明,目前大气颗粒物污染已对京津冀地区的居民带来了较大的健康危害和经济损失:PM_(10)污染所造成的健康经济损失总额为1 399.3(1 237.1-1 553.1)亿元,相当于2013年该地区生产总值的2.26%(1.99%-_(2.5)0%),PM_(2.5)污染引起的健康经济损失总量达1 342.9(1 068.5-1 598.2)亿元,占2013年该地区生产总值的2.16%(1.72%-_(2.5)8%),其中慢性支气管炎与早逝是健康损失的主要来源.研究结果可为基于健康效应的大气颗粒物污染控制政策的制定提供一定的参考依据,对控制大气污染、保护人民群众身体健康具有重要意义.     

黔江区秋冬季大气颗粒物与相关气象条件的关系及其输送路径研究

利用2016年9月至2017年2月黔江区PM_(2.5)和PM_(10)质量浓度及相关气象数据,研究了黔江区大气颗粒物与相关气象条件的关系及颗粒物气团输送轨迹。结果表明,黔江区PM_(2.5)、PM_(10)在同一季节内高度线性相关,二者质量浓度日小时值变化存在季节性差异,呈"双峰双谷"型; PM_(2.5)与温度、风速和降雨量均呈显著负相关,当气温低于15℃,风速﹤0. 5 m/s时,严重影响PM_(2.5)扩散,但降雨量增大,可迅速清除大气中的PM_(2.5);对2016年12月黔江区会议中心和旅游学院的后向轨迹聚类分析发现,黔江区两大气自动监测站点颗粒污染物气团主要来自于城市间输送(重庆主城区及湘西土家族苗族自治州),少部分来自长距离输送(西部的青藏高原地区);本研究建立的PM_(2.5)质量浓度预测模型能较好的预测黔江区PM_(2.5)质量浓度的变化趋势,这对于预测大气颗粒物污染事件的发生具有重要的实用价值。     

基于模糊综合评判的京津冀地区空气质量评价

选取PM_(2.5)、PM_(10)、SO_2、NO_2、O_3和CO作为评价因子,并在环境空气质量标准的基础上对评价标准扩展到五级,通过建立各污染物的隶属函数和权重集,运用模糊综合评价法对2013年京津冀地区13个城市的环境空气质量进行评价,得出各个城市的环境空气质量污染水平及其污染因子的大小排序.结果表明,该区域空气质量状况总体较差,石家庄的首要污染物为PM_(10),张家口和承德对大气污染贡献率最大的污染因子为O_3,其他城市最主要的污染物均为PM_(2.5),可吸入颗粒物仍是该区域对大气污染影响最大的因子.评价结果能够较客观地反映该地区环境空气质量优劣状况,从而为改善和治理大气污染提供理论依据.     

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。     

大学校园室内PM_(2.5)重金属污染特征及其健康风险评价

对2016年6—8月在南京市市区某大学校园宿舍和学生办公室采集的2种典型室内环境PM_(2.5)样品,利用电感耦合等离子体发射光谱仪分析PM_(2.5)中As,Cd,Cr,Ni,Cu,Fe,Mn,Pb和Zn等重金属元素浓度.采用富集因子法、地累积指数法和潜在生态风险指数法分别对重金属的污染程度进行评价,并评估大学生群体室内PM_(2.5)暴露健康风险.结果表明,室内PM_(2.5)平均质量浓度为(38. 50±15. 93)μg/m~3,元素Fe的质量浓度最高; Fe,Zn,Pb,Mn和Cu这5种元素为室内PM_(2.5)的主要元素,占总金属元素质量的96. 35%.利用3种污染评价方法得出的重金属元素污染程度排序和污染等级基本一致:Cd为极强污染,Pb和As为强到极强污染,Cr,Ni,Mn和Fe属于无和轻微污染.健康风险评价结果表明,室内PM_(2.5)中重金属致癌和非致癌风险均处于可接受范围内.     

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.     

基于CALPUFF的“乌-昌-石”区域燃煤污染物扩散模拟

为了研究"乌-昌-石"区域燃煤对空气质量的影响,运用CALPUFF模型对区域消耗燃煤的工业企业源的不同污染因子的扩散进行模拟分析,得到SO_2、NO_x、PM_(2.5)、PM_(10)的时空分布情况。结果表明:SO_2、NO_x、PM_(2.5)、PM_(10)四种污染因子的扩散均有着明显的季节性差异,采暖季(1月)污染物的扩散面积较大,且浓度较高,非采暖季(6月)污染物的扩散面积较小;从地区分布情况来看,浓度较高的区域分布在昌吉洲的阜康市和乌鲁木齐市的米东区、新市区等地,石河子、五家渠和沙湾县的浓度相对较低。污染物对区域浓度的贡献不仅与污染物排放量相关,气象条件和地形条件也是重要的影响因素。     

重庆市沙坪坝区环境空气PM_(2.5)和PM_(10)相关性分析

以重庆市沙坪坝区国控空气自动监测点为例,研究了细颗粒物(PM_(2.5))和可吸入颗粒物(PM_(10))污染现状和相关性.结果表明:颗粒物,尤其是细颗粒物(PM_(2.5)),是影响城市环境空气质量的主要污染因子,尤其是在春、冬季节易导致污染天气.大气扩散条件不佳,颗粒物质量浓度越高,细颗粒物(PM_(2.5))在可吸入颗粒物(PM_(10))中的比重也越高.细颗粒物(PM_(2.5))和可吸入颗粒物(PM_(10))具有较好的统计相关性,两者可能具有同源性,在环境空气污染中的变化规律相似,有可能遵循相同的迁移转化规律,可以进行协同治理.     

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.     

衡阳市中心城区冬季雾霾天PM_(2.5)中重金属污染初探

为了解衡阳市中心城区雾霾天PM_(2.5)中重金属污染特征与来源,2014~2015年连续2年对衡阳市城区冬季大气PM_(2.5)进行采集.通过滤膜称重法测量PM_(2.5)质量浓度,微波消解—原子吸收光谱法(AAS)测定PM_(2.5)中Pb、Cd、Cu、Cr、Ni和Fe等6种重金属元素质量浓度,结合富集因子法对衡阳城区大气PM_(2.5)进行来源解析.结果表明:采样期间,衡阳市中心城区冬季雾霾天PM_(2.5)平均质量浓度均超过国家二级标准,2014和2015年冬季PM_(2.5)中重金属污染趋势基本相同,分别为CuFePbCrNiCd和CuFeCrPbNiCd,表明衡阳城区冬季重金属污染规律明显,富集因子法分析后发现PM_(2.5)中Pb、Cd、Cu、Cr、Ni和Fe元素的EF值均大于10,明显来自于人为污染源,其中Cd、Cu为极强富集,污染可能来源于城区周围金属冶炼和工业燃煤烟尘.     

九江市PM_(2.5)时间变化特征及其与气象要素的关系

利用2014年-2015年九江市环境监测站污染物浓度监测资料以及常规的气象观测资料,统计分析近两年九江市PM_(2.5)浓度的时间变化特征及其与气象要素的关系。结果表明:1)2014-2015年年九江市年平均污染日数为68 d,其中首要污染物为PM_(2.5)的天数占64%,重度污染日的首要污染物均为PM_(2.5);2)PM_(2.5)日变化表现为白天扩散晚上堆积,PM_(2.5)的月平均峰值主要出现在10月至次年1月以及5月底至6月初;3)秋冬季的污染主要由污染物水平输送造成,其次出现在不利于污染物扩散的稳定大气层结条件下。春夏交替期的污染主要由秸秆燃烧造成;4)PM_(2.5)浓度与能见度、温度风速、降水量呈显著负相关,而且弱降水有利于污染的加剧,高相对湿度更有利于出现重污染天气。     

基于SPAMS的太原市冬季PM_(2.5)组成与来源研究

为探究太原市冬季PM_(2.5)成因,利用位于太原市大气环境综合观测研究站的单颗粒气溶胶质谱仪(SPAMS),结合气象数据,对2019年1月1日-1月31日期间的PM_(2.5)化学组成进行了分析,定量评估研究期间PM_(2.5)的源贡献率。结果表明:研究期间太原市PM_(2.5)日均浓度达到110μg/m~3,PM_(2.5)的颗粒类型主要由有机碳颗粒、混合碳颗粒和元素碳颗粒组成,其中,有机碳颗粒占比(34.7%)最高;PM_(2.5)污染的主要贡献源为燃煤、机动车尾气、工业工艺,占比分别为27.8%、19.7%和17.8%,特别是在PM_(2.5)质量浓度较高时段,燃煤和机动车尾气排放对污染的贡献较大,因此太原市冬季PM_(2.5)污染控制应以燃煤、机动车尾气为主。     

长治市空气颗粒物PM_(2.5)来源解析研究

空气颗粒物是影响城市空气质量的首要污染物,城市PM_(2.5)的主要来源是由人类生产活动产生的。通过采集长治市4个点位的PM_(2.5)样品,分析了PM_(2.5)中18种元素、9种离子和3种碳的组分,并采用CMB受体模型对长治市PM_(2.5)来源进行了解析,为颗粒物污染的控制提供科学依据。     

基于ARMAX的PM_(2.5)小时浓度跟踪预测模型

针对目前缺乏小时尺度上PM_(2.5)浓度统计预测模型以及已有模型预测精度对训练数据的依赖问题,利用天津市环保物联网监测到的污染物及气象数据,建立了PM_(2.5)小时浓度预测的多元时间序列模型(ARMAX),并提出一种模型在线自适应改进方法:设定模型评价指标并实时监测,当模型预测精度超标时对模型进行在线更新.将改进后的模型应用于天津市的9个监测站点,用2013—2014年的监测数据对模型进行验证.结果表明:模型均方根误差RMSE20,μg,平均绝对误差MAE20,μg,拟合优度R20.9,能够在小时尺度下有效地预测PM_(2.5)浓度,可以为突发性PM_(2.5)污染事件的应急处理提供决策支持.     

庭院乔木对PM_(2.5)污染分布影响的模拟分析

目的研究植物空间布局和植物尺度对PM_(2.5)扩散的影响规律,增加对小空间空气质量的关注度,为筛选适合于场地条件的植物配置方案提供思路.方法以沈阳建筑大学校园的庭院为例,利用FLUENT模拟软件对校园庭院内植物的不同空间布局形式、不同尺度、不同垂直高度进行数值模拟分析.结果在校园东、西两侧教学楼一层架空的庭院内,截面高度是1.5 m时,植物选用条带状布局的庭院内部PM_(2.5)的质量浓度低于选用三角状布局的庭院;3种典型植物尺度的代表植物降低PM_(2.5)质量浓度的次序为新疆杨、山楂、白蜡;随着垂直高度的增加,PM_(2.5)质量浓度逐步降低.结论条带状的植物布局更有利于PM_(2.5)扩散;冠幅与树高的比值越小对PM_(2.5)扩散影响越大.