陕北地区冬季采暖期大气污染特征分析

基于2016年12月1日至2017年3月31日陕北地区(延安市、榆林市)SO_2、NO_2、PM_(10)、PM_(2.5)、O_3、CO逐小时监测数据,研究陕北地区冬季采暖期大气污染水平及污染特征,并为陕北地区冬季空气质量改善提出建议.结果显示,2016年陕北地区冬季大气污染首要污染物为PM_(10)和PM_(2.5),大气污染类型为颗粒物污染型;通过月变化趋势分析和Pearson相关系数验证,各项大气污染物间表现出极强的相关性,O_3与其他5项污染物均为负相关,其他5项污染物两两互为正相关;经日变化趋势分析,SO_2、NO_2、PM_(10)、PM_(2.5)、CO污染物浓度日变化趋势均为"双峰双谷"型,且时间变化上保持一致,O3为"单峰"型;"周末效应"分析发现,SO_2、NO_2、PM_(10)、PM_(2.5)周末浓度均大于工作日浓度,CO周末浓度与工作日浓度变化不显著,日平均偏差为6.24%,O_3工作日浓度普遍高于周末浓度.建议陕北地区加强对冬季颗粒型污染物的抑制,加大城市绿化建设投入,积极宣传环保理念,倡导绿色出行,市民在周末尽量减少出行.     

四川盆地城市群6种大气污染物的时空分布

利用四川盆地18个城市2015-2016年6种大气污染物质量浓度资料,采用了集中期、集中度和变异系数等统计学方法,对该地区大气污染的时空分布特征进行了分析,将四川盆地划分为3个区进行对比研究.结果表明,四川盆地18个城市中,大气污染最严重的是自贡市,年均空气质量指数为100,污染天数占总天数的37.6%;污染最轻的是广元市,年均空气质量指数为57,污染天数占总天数的4.5%.四川盆地3个区域按照污染物质量浓度高低以及出现污染天数的长短排序均为:川南经济区成都平原经济区川东北经济区.研究时间段内,18个城市PM_(2.5)年均质量浓度达标的只有广元市;PM_(10)年均质量浓度达标的只有广元市和巴中市;SO_2年均质量浓度18个城市均达标;NO_2年均质量浓度除成都市和重庆市外,其他16个城市均达标;所有城市的CO和O_3日质量浓度均达标.近36年来,颗粒物和SO_2质量浓度呈现不同程度降低,表明国家对大气污染物排放的管控措施对颗粒物和SO_2污染改善明显.污染物PM_(2.5)、PM_(10)、CO、NO_2和SO_2质量浓度的季节变化为冬季高,夏季低;O_3质量浓度季节变化则为冬季低,夏季高.PM_(2.5)、PM_(10)和O_3质量浓度高的时段相对于SO_2、NO_2和CO来说更为集中,PM_(2.5)、PM_(10)、SO_2、NO_2和CO高质量浓度时段主要集中在1月左右,O_3高质量浓度时段主要集中在6月左右.不同城市间SO_2和NO_2质量浓度差异明显,其他污染物质量浓度分布则较为均匀.     

西安市区大气污染物时空分布特征分析*

利用2014年10月31日～2015年11月31日西安市区13个环境空气质量监测站AQI、CO、SO_2、NO_2、O_3、PM_(2.5)和PM_(10)逐日数据,分析了西安市区各种污染物的时空分布特征,研究污染物之间的相关性及西安和周边城市的空气质量相关性。结果表明,西安市空气主要分布国家标准在二三级之间,长安区超标率最低(24.41%)。利用空间插值法分析污染物空间分布各监测点夏季空气质量均优于冬季,长安区空气质量较好,主城区污染严重,西安大气污染物呈现明显的主城区向郊区递减变化趋势。月平均气温与CO、SO_2和PM_(10)显著负相关,与O_3显著正相关;月降雨量与CO、SO_2和PM_(10)显著负相关;日照时数与O_3显著正相关。SO_2月均浓度值在监测期中达到一级标准;O_3在5～8月份月均浓度值达到最大,其他月份均达到一级标准;NO_2在11月～次年1月月均浓度为全年最高,其他月份达到一级标准;CO在1～2月份浓度达到最高值,其他月份满足一级标准;PM_(2.5)和PM_(10)在整个监测期内均未达到一级标准。西安和周边城市空气质量存在显著相关性,需要城市间协同解决大气污染问题。     

武汉市大气污染特征及变化趋势

以2013—2015年武汉市大气污染物特征及变化趋势为研究对象,对大气污染物综合指数和各污染物单项指数进行分析.其主要结论是:大气污染冬季的污染状况比夏季严重,其中空气质量2013年优于2015年,2014年最差;根据各污染物单项指数,确定颗粒物(PM_(2.5))为大气污染的主要因子;PM_(2.5)、PM_(10)、SO_2、NO_2、CO的浓度冬季大于夏季,O_3的浓度夏季大于冬季;根据各污染物之间相关性及气象因素的分析,PM_(2.5)、PM_(10)、SO_2、NO_2、CO之间均成正相关关系,其中PM_(2.5)与CO的相关性为0.901(P0.01),接近1,说明CO对PM_(2.5)的形成有直接作用;污染物与气象因素的相关性分析,几种污染物与气压、降水量、气温有明显的相关性;根据聚类分析,大气污染变化趋势与季节有关,季节变化特征为夏季春秋季冬季.     

福州市空气质量变化趋势分析

利用2013—2017年福州市空气质量监测数据,计算出空气污染综合指数和污染物负荷系数,并运用秩相关系数法首次对空气质量新标准实施后增加的PM_(2.5)、O_3等主要污染物变化趋势进行定量分析。结果表明,福州市空气质量整体向好,6项污染物指标呈现"五降一升"趋势,其中PM_(10)和PM_(2.5)浓度显著下降,O_3浓度显著上升;NO_2、SO_2和CO_浓度呈下降趋势。大气十条实施以来,福州市大气污染防治工作初见成效,下一阶段应将臭氧污染防治作为大气污染防治攻坚战的重点工作。     

石家庄市采暖期空气质量特征及其与气象条件的关系

为确定石家庄市采暖期易引发大气污染的气象条件,通过对石家庄市2016—2018年采暖期的空气质量逐日监测数据,以及同期气象观测资料进行研究,分析了石家庄市采暖期的空气质量变化特征,探讨了影响环境数据变化的主要气象要素,筛选并确定了PM_(10)、PM_(2.5)、AQI的污染气象指标。结果表明:石家庄市采暖期内所有天数均为非一级天,其中污染日较多,占69.58%,以PM_(2.5)为首要污染物的天数最多,其次是PM_(10);PM_(10)、PM_(2.5)、SO_2、NO_2、CO浓度与气温、变压、风速和混合层高度负相关,与相对湿度正相关(SO_2除外),O_3与气象要素的相关性和上述五种污染物相反;气象要素对大气环境影响的排序为:相对湿度风速混合层高度水汽压变压气温;确定的三种污染气象指标准确率分别是70.37%、70.37%、72.97%。     

基于后向轨迹模式下的合肥市大气污染来源研究

利用HYSPLIT(hybrid single-particle Lagrangian integrated trajectory)-4后向轨迹模式和美国国家环境预报中心(NCEP)的全球资料同化系统(GDAS)气象数据,结合SO_2、NO_2、PM_(10)和PM_(2.5)等常规大气污染物的质量浓度数据,对安徽省合肥市2014年的大气污染输送过程进行了模拟,并通过聚类分析和轨迹分型确定大气污染传输路径及影响源区.结果表明:合肥市的气流后向轨迹季节变化明显;合肥市不同季节的污染物潜在源区不同.1月份西北方向气流占43%,城市间局地气流占57%,SO_2、NO_2、PM_(10)、PM_(2.5)各项污染物浓度都很大;4月份从长三角地区来的气流占58%,各项污染物浓度都很低;7月份城市间局地气流占48%,长三角地区来的气流占24%,PM_(10)浓度较高,其他污染物浓度较低;10月份城市间局地气流占50%,北方气流占27%,长三角地区来的气流占23%,PM_(10)浓度较高,其他污染物浓度较低.影响合肥市大气污染的来源主要有北方气流,长三角地区来的气流和城市间局地气流.     

信阳城区气温和降水量与主要污染物之间关系分析

以2014—2017年信阳城区逐日气象要素(最高气温、最低气温、均温和降水量)和环境空气自动监测系统逐日数据(SO_2,NO_2,PM_(10),PM_(2.5),CO,O_3污染物浓度和AQI)为研究对象,采用统计分析和Pearson相关系数法,分析气温和降水量与主要污染物之间关系.结果表明:(1)2014—2017年信阳城区空气质量以优良为主,重度、严重污染的日数较少.(2)日气温(最低、平均和最高)和日降水量与主要污染物SO_2,NO_2,PM_(10),PM_(2.5),CO浓度和AQI呈显著的负相关,与O_3呈显著的正相关,说明气温愈高、降水量愈多,空气质量愈好,即夏季空气质量优于冬季.通过统计2014—2017年逐日空气质量,四季空气质量从夏季、秋季、春季和冬季依次由好转差.(3)相较于非雨日,雨日主要污染物浓度明显降低;降水过程中或者降水之后,大气主要污染物浓度显著下降,共同说明降水量对主要污染物具有显著淋洗作用,尤其是颗粒物PM_(10)和PM_(2.5).     

海口市空气质量的特征及其与气象条件的关系

根据海口市2013—2014年空气污染物的监测数据及气象资料,研究了该市的空气质量特征及其与气象要素的关系.结果表明:海口市空气质量优良率为95%;PM_(2.5),PM_(10),O_3是该市的主要污染物,年均质量浓度分别为25.29μg·m~(-3),44.48μg·m~(-3),77.15μg·m~(-3);该市的空气质量随季节变化的特征明显,春、夏、秋、冬四季的AQI值分别为42,35,54,65;污染物的"周末效应"与北京、深圳等国内其他城市不同,表现为:周末浓度大于工作日浓度;旅游黄金周期间污染物均有不同程度增加;污染物日变化特征明显;SO_2,PM_(2.5)表现出一定的区域污染特征;NO_2,PM_(10),CO和O_3表现出一定的局部污染特征;降水、风速、风向、温度、湿度对空气质量的影响显著,在多数情况下AQI与降水、风速、温度、湿度等存在负相关,而与气压存在正相关;对典型污染过程的分析表明:PM_(2.5)受扩散条件、本地排放及外地输送共同影响,O_3浓度与蒸发量、相对湿度及风速等指标有明显关系.     

滇东地区城市空气污染变化特征及其与气象条件的关系

基于滇东城市曲靖2014-2018年2个国控空气质量监测点的逐日空气质量指数和6种空气污染物(SO_2、NO_2、PM_(10)、PM_(2.5)、CO和O_3)逐小时浓度资料以及同期气象要素数据,统计分析了曲靖主城区空气污染变化特征及气象因子对污染物浓度分布的影响.结果表明:①2014至2018年,曲靖主城区空气质量优良率为97%-99.7%,污染日数呈逐年减少趋势,首要污染物以PM_(10)、PM_(2.5)和O_3为主.②曲靖主城区空气质量呈现出夏秋季节较好、冬春季节较差的季节性特征.③6种污染物浓度各自表现出不同的季节性变化和日变化特征.气象条件影响着曲靖主城区污染物的扩散、迁移和转变.④风速与SO_2、NO_2、CO和PM_(2.5)浓度具有较好的负相关关系;与O_3浓度呈正相关关系;风速对PM_(10)影响较复杂,当风速小于2 m/s时有利于PM_(10)扩散,当风速超过2 m/s时反而导致PM_(10)浓度增加.⑤地面盛行西北风和东南风时,SO_2、NO_2、CO、PM_(10)和PM_(2.5)浓度较高;地面盛行西南风时,O_3浓度达到最高值.⑥降水对6种污染物具有显著冲刷清洁作用.⑦温度与O_3浓度呈显著性正相关关系,与NO_2、CO、PM_(10)和PM_(2.5)浓度呈显著性负相关关系;与SO_2浓度关系不显著.⑧相对湿度与O_3、PM_(10)和PM_(2.5) 3种首要污染物浓度呈显著性负相关关系;与SO_2、NO_2和CO 3种非首要污染物浓度的关系不显著.     

2014年1月济南市空气污染气象条件分析

为研究大气环流背景及气象条件对山东中西部PM2.5污染的影响,利用气象及PM2.5浓度资料,选取济南市作为典型代表城市,诊断分析了大气环流背景及气象演变过程对2014年1月济南市PM2.5浓度的影响,建立济南静稳指数公式。结果表明：2014年1月华东北部至华北南部地面至对流层中层风速均为负距平,水平方向污染扩散能力差,偏南风异常加强了南方水汽的输送,有利于气态污染物向颗粒态转化,推高了PM2.5浓度;对流层低层东亚冬季风异常偏弱,逆温增多,垂直方向污染扩散能力差;500 hPa异常高压,抑制了东亚大槽的发展,更加有利于污染物在底层的累积。天气演变过程分析表明：地面水平方向及高空垂直方向气象条件对PM2.5浓度均有影响,地面风速偏弱（偏强）,高（低）湿度,风场辐合（辐散）时,PM2.5污染偏高（偏低）;边界层高度降低（升高）,垂直方向气流下沉（上升）,对流层中低层大气层结不稳定增强（减弱）时,PM2.5污染升高（降低）。静稳指数对于空气质量及重污染过程具有较好的预报能力。     

南京玄武湖富营养化及重金属污染现状

针对南京玄武湖清淤后营养盐及重金属污染物的分布问题,在其3个湖区中设置6个采样点,采集水体和沉积物样品,分析pH、总氮、总磷和有机质等理化参数并采用电感耦合等离子体原子发射光谱法分析Cr,Pb,Cu,Zn,Ni 5种重金属质量分数,并结合地累积指数法对沉积物中重金属的污染程度进行评价.结果表明:玄武湖北湖湖区水体处于中度富营养化到严重富营养化状态,东南湖区则处于严重富营养化状态,而西南湖区水质相对较好,处于轻度富营养化状态,只是总氮质量浓度稍微偏高;重金属污染方面,东南湖水体中的Cr质量浓度存在超标现象;清淤之后,玄武湖沉积物中Cr和Pb的质量分数有所降低,污染状况有所缓解;2个采样点沉积物中的Zn处于轻度污染程度,其余金属污染程度均为清洁.     

基于云模型的PM_(2.5)污染程度评价

空气污染问题是近期公众关注的焦点问题.考虑污染因子PM2.5污染程度的模糊性和随机性,采用武汉市130个以PM2.5为首要污染物的AQI数据,利用云模型建立了空气质量评价体系,并用于PM2.5污染程度评价.以PM2.5指数88为例,评价其属于良好等级的隶属度区间为[0.64,0.87],属于轻度污染等级的隶属度区间为[0.03,0.13],最终评价为良好等级,与国家标准一致,但信息表达更充分.结果表明:采用云模型进行空气污染程度评价,实现了空气质量分级评估随机性与定性语言表达模糊性的统一,更符合人类对事物的认知规律.云模型评价空气质量是国家评价标准的有益补充.     

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.     

长春市PM_(10)污染特征及与气象因素的相关分析

为了研究长春市PM10污染特征以及影响PM10浓度的因素,利用长春市PM10的实时监测资料,分析长春市PM10浓度的季节变化特征和污染程度.并利用同期的气象资料,建立PM10浓度和气象因素之间的多元线性回归模型,来进行两者之间的相关分析.采用逐步回归法,建立了"最优"回归方程,分析不同季节对污染物浓度有显著影响的气象因素,从而为长春市大气污染防治和雾霾天气预测提供科学依据.结果表明,长春市PM10浓度冬季偏高、夏季偏低、春季和秋季居中,2013年全年中1、4、10月份出现了不同程度的高污染现象,日平均浓度最高值达到591μg/m3.研究发现对长春市PM10有显著影响的气象因素主要有当日平均风速和最高最低气温温差.     

南宁市空气中细颗粒物污染水平及其与气象因素的关系

分别于2010年1月和3月在南宁市城中心区的市监测站、文教区的区农校、工业区的英华嘉园、城市郊区的仙葫,应用自动监测仪器监测空气颗粒物的浓度,并分析监测站点位细颗粒物浓度随季节的变化及其与日平均气温、风速和降雨量等气象因素的关系.结果发现,1月份和3月份南宁市城市中心区域的细颗粒物浓度高于郊区的,城市区域范围内则以下风...     

广西城市环境空气质量变化趋势分析

根据2005～2009年广西14个设区市的环境空气监测数据,统计和分析了主要污染物浓度以及环境空气综合污染指数和污染负荷系数的年际变化特征及趋势,探讨影响空气质量的主要因素.结果表明,广西城市环境空气质量保持良好的水平,二氧化硫和可吸入颗粒物浓度总体上呈现下降的趋势,二氧化氮的污染程度虽然比较小,但是其浓度却逐年上升....     

长三角城市群冬季一次重污染天气过程分析

利用NCEP/NCAR和FNL再分析资料,并结合长三角城市群地面气象观测数据,探讨了2014年1月18—25日长三角城市群一次重污染天气过程的气象成因以及污染物路径分析。结果表明,污染期间随着相对湿度和PM2.5浓度的升高,大气能见度明显降低。2014年1月影响我国的东亚冬季风势力偏弱,导致重污染期间冷空气活动偏弱;此外,垂直方向上出现逆温,限制垂直运动的发生、发展。上述因素有利于长三角地区污染物在近地面层堆积,导致重污染天气的发生发展。污染物从温度高的地方向温度低的地方扩散。低空气温低时,不易形成对流,促使污染物在长三角地区堆积。HYSPILT模式模拟显示污染物主要来自山西、河北一带,以平流和弱辐散的方式向长三角地区输送。大气化学模式WRF-Chem可较好地模拟出PM2.5浓度的变化过程,可用作长三角城市群重污染天气预报的业务模式。     

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。