北京市2014年大气污染物空间分布特征分析

基于地理信息系统ArcGIS 10.2平台,采用反距离权重空间插值模型对2014年北京市35个环境质量监测点监测到的主要大气污染物:一氧化碳(CO)、二氧化氮(NO2)、臭氧(O3)、可吸入颗粒物(PM10)、细颗粒物(PM2.5)和二氧化硫(SO2)质量浓度年均值的变化规律及空间分布特性进行了分析.结果表明,在质量浓度分布上,2014年北京市CO、NO2、SO2、O3、PM10、PM2.5这6类大气污染物的质量浓度分别位于1～3 mg/m3、17.22 ～ 105.4 μg/m3、14.27～25.75 μg/m3、27～ 81μg/m3、76 ～ 179 μg/m3、67 ～ 123 μg/m3范围内.由此可知,北京市2014年大气污染物年均质量浓度除PM10和PM2.5外的其余污染物质量浓度并不高,都在轻度污染范围之内;在空间分布上,除O3质量浓度空间分布上呈现出北高南低的特征外,其余污染物均呈现南部、中部质量浓度较高,北部地区质量浓度较低的特征.     

一次冷空气前后广州大气污染研究

以冷空气过境前后的广州市污染物数据为基础,运用Shapiro-Wilk检验、Pearson积矩和Spearman秩等方法,探讨PM2.5、PM10、SO2、NO2、O3、CO的污染特征及变化规律.结果表明,PM2.5、PM10高浓度出现在8—9时和17—18时,低浓度出现在12—13时和0—1时.PM2.5和PM10相关性显著,PM2.5/PM10=0.62⁰.83,冷空气对PM2.5和PM10都有较好的清除作用.SO2浓度在7—8时出现峰值,3时出现谷值,良好的气象条件对SO2有明显的清除作用.NO2、CO高浓度出现在9时和19时,低浓度出现在15时和3时.冷空气对NO2有一定的清除作用,对于CO浓度增大的异常情况,推断与广州以北地区燃烧生物质有关.O3浓度日变化呈现单峰特征,15时浓度最高,5时浓度最低,冷空气在夜间过境对O3浓度影响较小.O3与CO、NO2存在显著的负相关,在光化学反应时间段O3/CO=0.060.83,冷空气对PM2.5和PM10都有较好的清除作用.SO2浓度在7—8时出现峰值,3时出现谷值,良好的气象条件对SO2有明显的清除作用.NO2、CO高浓度出现在9时和19时,低浓度出现在15时和3时.冷空气对NO2有一定的清除作用,对于CO浓度增大的异常情况,推断与广州以北地区燃烧生物质有关.O3浓度日变化呈现单峰特征,15时浓度最高,5时浓度最低,冷空气在夜间过境对O3浓度影响较小.O3与CO、NO2存在显著的负相关,在光化学反应时间段O3/CO=0.06⁰.12,O3/NO2=10.12,O3/NO2=1².     

重庆中心城区空气污染特征及气象影响因素分析

根据环境空气质量监测数据和气象观测数据,对重庆中心城区2013—2020年空气污染特征及气象影响因素进行了分析.结果表明:2013—2020年影响重庆中心城区空气质量的大气污染物主要为PM2.5和O3,重度污染日首要污染物基本为PM2.5;PM2.5污染和O3污染均呈现出明显的季节差异,PM2.5超标主要出现在初春、秋...     

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。     

2020年初湖北省PM2 .5和O3与往年同期时空差异对比研究

目的 探究COVID-19疫情防控期间PM2 .5和O3 浓度变化的潜在影响因素.方法 利用湖北省25个自动监测站点2015－2020年(1－3月)的PM2 .5 ,O3 以及相关大气污染物浓度数据,在对其进行空间插值的基础上,分析湖北省市域尺度PM 2 .5和O3 浓度数据空间演变,并结合气象资料和大气污染数据进行相关性分析,重点研究影响疫情防控期间PM2 .5和O3 时空分异特征的气象因素及经济因素.结果与结论 (1)湖北省13个市(州)PM2 .5浓度在疫情期间为近6 a来最低水平;其中,2月份荆门(57 μg/m3 ) 、荆州(42 μg/m3 ) 、随州(46 μg/m3 )和襄阳(59 μg/m3 )同比降幅最大,分别为38 .7%, 40%,39 .5% 及41 .6%;(2)疫情期间近地面O3 浓度有上升趋势,整体表现为1月波动,2月上升,3月下旬达到峰值,除荆州和宜昌外,其他市(州)浓度增长率均超过20%;(3 )从空间变化差异来看,湖北省PM2 .5和O3 浓度呈中部高、东部较低、西部最低的分布规律;(4)相关性分析表明,湖北省防疫期间生产制造业的停摆与PM2 .5的下降呈正相关;近地面O3 浓度的上升与PM2 .5等颗粒物的减少以及形成臭氧所需的前体物活跃度上升有关.     

基于多元时间序列的哈尔滨市PM2.5影响因素分析

为探究哈尔滨市PM2.5与其他空气污染物和气象因子间的动态关系,基于哈尔滨市2013-2018年日值空气质量数据和气象观测数据建立PM2.5质量浓度的多元时间序列模型.利用相关性较强且平稳的空气污染物(包括SO2,NO2,PM10,CO和O3)和气象因子(平均气温、极大风速、累计降水量、日照时数和平均气压)建立PM2....     

2018年中国中东部地区臭氧浓度分布的时空特征

近几年,受人为排放的挥发性有机物逐年增加和大气中PM2.5浓度逐年降低的影响,近地面的O3已成为影响我国夏季空气质量的首要污染物,全国很多地区每年5月至9月会出现O3污染超标的现象和O3大范围蔓延的趋势.利用2018年逐时的O3浓度分析场数据对我国中东部尤其是京津冀、长三角和珠三角地区O3浓度的时空变化趋势进行研究.结...     

基于 VAR 模型的重庆市大气污染物分析及研究

目的 研究重庆市首要空气污染物 PM2. 5 与 PM10 、SO2 、NO2 、CO、O3 的动态影响关系,为政府制定防治大气 污染措施及相关政策提供有价值的建议。 方法 收集重庆市 2021-05-01—2021-10-31 日的 PM2. 5 、PM10 、SO2 、 NO2 、CO、O3 这 6 项大气污染物的日浓度数据,利用 Eviews8. 0 软件,对原始数据进行序列平稳性检验;根据 Granger 因果检验结果选择变量,建立时间序列 VAR 模型,并检验模型的稳定性;利用广义脉冲响应分析和方差分 解分析,研究各污染物浓度对 PM2. 5 的动态影响及相对重要性。 结果 Granger 因果检验表明:PM10 、SO2 、NO2 、O3 是 PM2. 5 的 Granger 原因, CO 不是 PM2. 5 的 Granger 原因;广义脉冲响应分析表明:NO2 对 PM2. 5 的影响最大;方差 分解分析表明:NO2 的浓度对 PM2. 5 的影响最大;O3 对 PM2. 5 的影响次之,对 SO2 的影响作用最小。 所以,从长期 影响效应看,NO2 对 PM2. 5 具有长期较大的影响,SO2 对 PM2. 5 的影响最弱。 结论 防治 PM2. 5 对重庆市空气的污染 应着重控制 NO2 的污染,因此,政府应大力发展绿色交通,控制交通污染;大力监管高污染行业,将烟雾、粉尘、颗粒 物等排放量较大的行业作为工业污染源治理的重点;大力发展清洁能源,加快化石燃料替代资源的开发利用。     

中原城市群重点城市首要污染物日变化特征及成因分析

中原城市群重点城市是我国大气污染较为严重的区域之一。利用2017年河南省各地市环保局国控站点和地面监测站提供的首要污染物浓度和气象要素24h连续监测数据,分析得到2017年首要污染物占比和首要污染物浓度的日变化特征,采用相关分析法和主成分回归分析法得到各首要污染物之间的相关性及气象因子对首要污染物的影响。结果表明,2017年中原城市群重点城市首要污染物主要由PM2.5、PM10和O3组成;一天中,PM2.5呈双峰变化,主峰值出现在8:00-9:00,次峰值出现在22:00,谷值出现在下午16:00;PM10小时浓度呈三峰变化,主峰值出现在9:00,次峰值出现在1:00和21:00左右,主谷值出现在15:00,次谷值出现在0:00和5:00;O3小时浓度呈单峰变化,峰值出现在15:00,谷值出现在7:00左右;PM2.5在低温、高压、中等偏高的湿度、较弱风的条件下利于积累,PM10在低温、高压、中等偏高的湿度、较弱风的条件下易于积累,O3在高温、低压、中等偏低的湿度、强风的条件下易于生成与积累;对PM2.5、PM10浓度影响最大的两个气象因子是气温和气压,对O3浓度影响最大的两个气象因子是风速和气温。     

南京近郊主要大气污染物的观测分析研究

2007年10月至2008年9月在南京的一个近郊站点(32°03′N,118°78′E)对可吸入颗粒物(PM10)、臭氧(O3)、二氧化硫(SO2)、一氧化碳(CO)、氮氧化物(NOx)和氨气(NH3)等6种大气中的主要污染物进行了为期一年的连续监测.本文利用统计方法研究了这些污染物不同时间尺度(小时、日、周、月)的浓度变化特征和相互关系,并利用后向轨迹和聚类分析方法研究了不同季节到达该测站的气团来源及化学特征.结果表明,PM10、O3、SO2、CO、NOX和NH3的年均浓度和标准差分别为0.14±0.08 mg/m3(、18.52±14.05)×10-9(、21.14±15.96)×10-9(、1.08±0.98)×10-6(、24.57±24.65)×10-9(、24.33±15.73)×10-9.O3浓度表现出明显的白天高、夜间低的日变化特征,SO2和PM10一般在早上9、10点钟达到一天中的最大值,NOX呈双峰结构;O3春季浓度高,2008年2月出现峰值,可能与当年冬季持续降雪有关.NOX、NH3浓度呈现秋冬季节低、春季高的特点,而PM10和SO2则相反;O3周末浓度低,工作日浓度高,SO2和O3前体...     

攀枝花市PM10、PM2.5污染特征及相关性分析

基于西南地区攀枝花市大气监测站5个站点的大气污染物数据,整理了2019年PM10和PM2.5质量浓度的变化趋势,分析了不同季节不同粒径颗粒物浓度的分布特征与气象因素之间的相关性.结果显示:2019年攀枝花市PM10、PM2.5的质量浓度年均值分别为52.8±16.2μg/m3和29.2±10.5μg/m3;由PM10与...     

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.     

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。     

居住区内大气颗粒物污染特征和影响因素探究——以南京某高校为例

2014年4—5月,在对南京某高校居住区室内和室外的大气污染物PM10进行采样、监测的基础上,分析并讨论其具体的分布特征和影响因素.结果表明:该居住区室内外PM10日均质量浓度基本满足国家二级排放标准(PM10日均浓度小于150μg/m3),只有少数情况下超过国家二级排放标准;室内污染物浓度变化较室外污染物浓度变化有滞后;温度、相对湿度、大气压和天气条件与PM10质量浓度呈现出一定的关联性.     

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。     

武汉市空气污染物长期变化规律研究

搜集了武汉市2006年~2013年8a间的PM10和气态污染物(包括SO2、NO2、NO、CO和O3)质量浓度监测数据.利用基于Loess的季节趋势分解和窗口滑动平均等时间序列分析方法提取了各种监测指标的长期趋势、季节变化和周变化规律.结果表明,武汉市PM10历经了6a的缓慢下降后于2012年后开始急剧上升,SO2出现明显的下降趋势,其他污染物在2013年之前呈现出小幅上升或基本稳定的趋势,2013年有明显上升;季节规律方面,PM10、SO2、NOX和CO都表现出冬季高夏季低的变化特征,O3则呈现相反的变化特征,另外每年4月PM10会出现一个小高峰现象;PM10表现出明显的周变化规律,呈现出以周三为谷值周六为峰值的周期性变化,而其他气态污染物基本没有明显的周变化规律.     

2013-2016年夏季南京市臭氧和细颗粒物的污染特征及其相关性

为进一步理解南京地区大气复合污染现状,对2013-2016年南京市9个自动空气质量监测站点的夏季臭氧（O3）和细颗粒物（PM2.5）数据进行分析,分别探讨两者的时空分布特征,并探求两者之间的相关关系。结果表明：①O3的质量浓度处于上升状态,从2013-2016年南京市夏季臭氧平均浓度依次为58.1、65.8、79.3、81.8μg/m3,年均浓度增长率为8.45μg/m3,与之相反,PM2.5的污染程度明显好转,夏季平均浓度依次为45.2、65.7、38.5、31.2μg/m3,其中,2014年出现的高值与当年的气象条件有着密切联系;②O3的日变化特征为单峰型,一般在下午3点出现一天中的最大值,PM2.5的日变化呈现出不太明显的“W”型,两个谷值一般出现在凌晨和傍晚;③臭氧超标情况下的PM2.5浓度远远大于不超标情况下的PM2.5浓度,表明O3可以通过增强大气氧化性造成PM2.5质量浓度升高,两种情况下O3和PM2.5的相关系数的不同也进一步表明了这一点。     

典型城市道路区域空气TSP和PM10污染特征研究——以上海市为例

为对空气中总悬浮颗粒物(TSP)和可吸入颗粒物(PM10)的污染特征进行研究,采用KC-120H型智能中流量TSP和PM10采样器,运用重量法测定道路的TSP和PM10浓度.针对重车型比例大的典型城市—上海市,对其道路区域中TSP和PM10污染物随车型、绿化情况、洒水情况和天气等的变化情况进行分析,并采用统计分析方法对数据进行处理.研究结果表明:(1)TSP和PM10浓度的日变化特征为白天浓度高于夜间浓度,阴天浓度高于多云和晴朗天气,雨天浓度下降显著;(2)在一定车型比例范围内,TSP和PM10浓度随着重型车数量的增加逐渐增大;(3)有绿化隔离状况下,TSP和PM10浓度明显低于无绿化情况,高大乔木阻挡作用强于灌木丛生植物;(4)洒水车过后,TSP和PM10浓度显著下降;(5)PM10与TSP浓度值线性相关.     

西安市大气颗粒物PM_(2.5)的输送路径和潜在源分析

利用2017年西安市气象数据和主要大气污染物质量浓度的监测资料,综合分析西安市2017年度气候变化、大气污染状况以及污染物质量浓度演变特征.结果表明:西安市年平均风速为2.43 m/s,平均气温为19.00℃,总降水量为649 mm,冬春季PM_(2.5)、PM10质量浓度值普遍高于夏秋季.利用SPSS对污染物与气象因素进行相关性分析,得出颗粒物、气态污染物CO、SO2质量浓度变化与平均气温、降水量、风速呈负相关,而O3与平均气温、降水量、风速呈正相关.此外,通过拉格朗日混合粒子轨迹模型模拟了西安市48 h的气流后向轨迹,并将PM_(2.5)的质量浓度数据与气团轨迹相结合,利用潜在源贡献函数模型(PSCF)和浓度加权轨迹方法 (CWT),分析西安市PM_(2.5)质量浓度影响及潜在源区分布特征,其结果表明超过50%的气流后向轨迹来自西北方向,西安市PM_(2.5)的主要潜在来源位于陕南各城市以及陕南周边省份交界处.     

元宵节燃放烟花爆竹对北京市空气质量的影响

本文利用2011年元宵节(2月17日)前后北京市主要大气污染物(PM10、SO2、NOX、CO和O3)的浓度数据和相关气象资料,分析了元宵节烟花爆竹燃放对北京市空气质量的影响.结果表明:元宵节大量鞭炮的集中燃放导致了PM10的急剧升高,影响时段主要在2月17日19:00到18日7:00.全市PM10最高小时浓度出现在17日23:00左右,全市平均达到469.3μg/m3,单站最高达到1307μg/m3;烟花爆竹的燃放对SO2、NOX和CO也有一定影响,且对CO的影响有一定的滞后性;燃放烟花爆竹对O3浓度影响很小;不同的采样点之间空气质量有所差异.另外,元宵节前后北京市的气象条件相对较好,API中烟花爆竹的贡献较高,但在良好的气象条件下,烟花爆竹燃放的影响很快消除.