济南市主城区空气污染物特征分析

为了深入探寻济南市主城区空气污染物特征,研究基于2019年济南市主城区7个国控自动监测点位的空气质量监测数据,分析PM_2.5、PM₁₀、SO₂、NO₂、CO和O₃共6项空气污染物时空特征,并对相关性进行研究。结果表明：浓度季变化,PM_2.5、PM₁₀、CO、SO₂和NO₂呈正“U”型曲线,O₃呈倒“U”型曲线;浓度月变化,PM_2.5、PM₁₀、CO、SO₂和NO₂呈开口向上波动性抛物线,O₃呈开口向下波动性抛物线;浓度日变化,PM_2.5、PM₁₀、SO₂、NO₂和CO呈“双峰双谷”周期性波动趋势,O₃呈“单峰单谷”周期性波动趋势;空间特征,主城区西部和北...     

上海市大气环境中PM2.5/PM10时空分布特征

针对上海市颗粒物的污染和防治问题,利用2014年4月14日—2015年3月24日10个国控监测点的PM_2.5和PM₁₀小时数据及对应的气象因素资料,以PM_2.5质量浓度占PM₁₀质量浓度的比例为研究对象,使用聚类分析和相关性分析PM2.5/PM₁₀的时空分布特征. 结果表明:P_2.5和PM₁₀的季节高低为冬>春>秋>夏,PM_2.5/PM₁₀的季节分布在不同区域存在差异性. PM_2.5/PM₁₀的日变化呈现双峰型趋势,峰值出现在05:00和14:00左右,上午PM_2.5/PM₁₀高于下午. 颗粒物质量浓度及PM_2.5/PM₁₀具有明显的“周末效应”,这与车辆通行政策与人类作息时间变动相关. 在空间分布上,颗粒物质量浓度及PM_2.5/PM₁₀均表现为背景站>浦西站>浦东站.     

基于多源数据的北京地区PM2.5暴露风险评估

基于2014-2016年的北京地区PM_2.5监测数据, 用空间插值法获得北京地区的PM_2.5空间分布, 并基于DMSP/OLS夜间灯光数据, 模拟得到北京地区的人口密度空间分布。在此基础上, 从PM_2.5浓度空间分布、PM_2.5污染的人口暴露特征、PM_2.5污染人口暴露强度以及人口加权PM_2.5浓度4个方面评估北京地区PM_2.5污染暴露风险。结果显示: 1)PM_2.5浓度呈现南高北低的空间分布特征, 人口暴露风险空间分布与人口密度空间分布呈现高度的一致性, 即人口密度高的区域,PM_2.5污染人口暴露风险也相对较高; 2) 2014, 2015, 2016年北京地区GB3095-2012二级年均浓度标准35 μg/m³的超标人口比例均为100%, 24小时平均浓度标准75 μg/m³的超标人口比例呈逐年显著下降趋势; 3) 2014-2016年北京市人口加权PM_2.5年均浓度值与PM_2.5年均值均存在差异, 差异度与城市暴露人口和污染情况密切相关; 4) 由于PM_2.5污染物浓度空间分布特征与人口密度空间分布特征不同, 北京市PM_2.5污染对总体人群的实际影响和健康危害与其平均浓度水平并不相同, 因此考虑人口密度空间分布特征的暴露风险评估比只考虑PM_2.5污染物浓度的暴露风险评估更准确。     

呼和浩特市大气污染特征及气象条件影响分析

为了解呼和浩特大气污染防治效果,选取呼和浩特市2017—2022年的主要大气污染物、气象要素数据,对污染物浓度的年、月变化、浓度比值、相关性进行分析,利用后向轨迹聚类对2020年3月进行分析。分析结果表明：呼和浩特市2017—2022年空气质量为优、良的天数呈上升趋势。各污染物浓度年变化特征明显,各污染物的浓度变化趋势除O₃均呈“U”形分布。PM_2.5、PM₁₀污染是呼和浩特市大气污染主要研究对象,PM_2.5/PM₁₀的值有明显的月变化特征,5月份为全年最低值。PM_2.5和PM₁₀高度相关性,而NO₂和SO₂与PM_2.5、PM₁₀均呈现正相关性。受气象要素影响,PM_2.5和PM₁₀污染物浓度变化趋势为夏低冬高,7、8月降雨量大,有利于空气质量改善,降水可带走、稀释更多的污染物。而后向轨迹聚类分析得4条气团...     

珠三角城市群臭氧浓度时空变化特征分析

通过空间数据统计方法,揭示珠三角14座城市的O₃浓度时空变化特征.结果表明,2016—2019年珠三角城市群O₃质量浓度呈先升高后降低的趋势,江门、中山、东莞、佛山为污染较重的4个城市;季分布大体呈现出夏、秋季浓度较高,春季居中,冬季较低的规律;具有不规则"M"形逐月变化规律和典型的单峰型逐日变化规律.对2016—2017年珠三角城市群O₃浓度增长时期进行空间分析,核密度估计表明,珠三角城市群O₃浓度有部分由中低值流向高值区,两极分化现象减弱,O₃浓度分布差距减小.空间统计分析表明,珠三角城市群O₃浓度分布呈逐渐减弱的负向空间相关,表现在南北高,由内陆中部向西部和东北向外递减,逐渐降低的离散型空间格局分布.广州、佛山、中山、清远城市处于O₃浓度增长的扩散效应区,对周边城市存在"积极"影响.不同时间下,珠三角城市群O₃与PM_2.5、PM₁₀、SO₂、...     

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，...     

基于激光雷达数据对混合层高度与细颗粒物浓度关系的研究

利用微脉冲激光雷达观测资料, 运用人工辅助算法, 获得2016―2019年白天混合层高度(MLH), 并分析其变化特征及其与空气污染物PM_2.5浓度的关系。结果表明, 混合层高度表现出明显的季节变化和日变化, 春季高度明显大于其他季节, 最大值均发生在 5月。混合层高度在08:00―15:00 BJT的变化趋势与PM_2.5浓度负相关。线性拟合结果表明, 当考虑风速的影响时, 通风指数与 PM_2.5具有更强的负相关关系; 当考虑风向的影响时, 西南风情况下, 混合层高度与PM_2.5具有更强的负相关关系。对天气分型后, 每个天气类型的PM_2.5浓度与混合层高度的相关性更加显著。     

济南市冬季大气污染时空分布特征及潜在污染源区分析

利用2016—2018年冬季济南市大气主要污染物和气象监测数据,对大气污染特征及潜在源区进行分析。结果表明：2016—2018年冬季济南市环境空气中可吸入颗粒物PM₁₀和细颗粒物PM_2.5分别占首要污染物的34.7%和63.8%,轻度污染以上天数占总天数的58.6%,冬季高质量浓度PM_2.5导致年均值增加7.5μg/m³;从空间分布来看,PM₁₀与PM_2.5空间分布为天桥区、槐荫区及平阴县质量浓度较高,SO₂则为商河县和济阳区质量浓度偏高,NO₂和CO为济阳区、天桥区和槐荫区质量浓度较高;研究期间NO₂、CO、PM₁₀、PM_2.5的质量浓度呈正相关性,相关系数均在0.7以上,推断交通源、工业燃烧源、燃煤是颗粒物的主要来源;济南市冬季的气团输送为偏南、西北、偏北和偏东4个方向,偏南和偏东气团为影响济南市冬季大气污染主要输送路径。进一步研究潜在源区贡献...     

基于夜间灯光影像的能源消费与PM2.5时空关系研究

利用能源消费统计数据与夜间灯光影像对陕西省能源消费进行空间化处理,结合PM_2.5遥感数据,基于双变量空间相关性分析等方法,研究了陕西省能源消费与PM_2.5的时空关系,并利用随机森林回归模型探讨了影响ρ(PM_2.5)变化的能源消费因素．结果表明:1）2001—2013年陕西省ρ(PM_2.5)先增大后减小,最高值达到28.5 μg·m?3,省内PM_2.5分布的空间异质性较强,其中关中地区的ρ(PM_2.5)最高;2）陕西省能源消费量逐年上升,在空间上的分布与ρ(PM_2.5)类似,关中地区的能源消费量最多;3）陕西省能源消费量与ρ(PM_2.5)的Moran’s I达到了0.289,表明二者之间有着明显的空间正相关性,即高能源消费的区域有着高质量浓度的PM_2.5分布;4）人口密度、路网密度与能源消费总量是陕西省ρ(PM_2.5)变化的重要驱动因素．      

利用葵花8号卫星资料反演中国东部地区地面PM2.5浓度

为了得到中国东部地区大范围的地面PM_2.5浓度分布, 用机器学习方法建立一个模型, 用2019年葵花8号静止卫星大气顶层反射率数据和欧洲中心气象资料作为输入数据, 地面PM_2.5浓度作为输出数据。验证结果表明, 在不同时间尺度下, 该模型对中国东部地区均有较高的精度。对于小时PM_2.5的浓度反演, 该模型的十折交叉验证的相关系数为0.82, 均方根误差为20.11 μg/m³。将2019全年卫星?气象格点数据放入模型, 得到中国东部地区全年逐小时的PM_2.5格点数据, 利用该格点数据分析中国东部地区PM_2.5浓度的季节变化和空间分布, 取得良好的效果。     

5个典型城市站点PM2.5污染与气象要素的关联性分析及应用

利用2015—2017年我国5个典型城市(北京、广州、昆明、南京和西宁)气象站点的PM_2.5质量浓度和气象要素数据,分析不同城市站点的PM_2.5污染特征并探究气象要素对PM_2.5污染的影响,并建立5个城市站点的PM_2.5质量浓度多元回归预测模型。结果表明,5个城市站点中：空气质量最优的是昆明站;5个站点的PM_2.5质量浓度均呈夏季最小、冬季最大的特征;在16:00—17:00出现PM_2.5质量浓度较小值;PM_2.5质量浓度随降水等级和风力等级的增大呈下降趋势;北京站气压值存在一个阈值(约101.59 kPa),越接近该值越容易出现重污染;除西宁站外的4个站点的PM_2.5质量浓度的高值中心对应较高的相对湿度(>70%)。西宁站和南京站的PM_2.5质量浓度与温度呈较明显的负相关关系;5个站点的回归预测模型可以较好地预测PM_2.5的质量浓度,其中广州站和西宁站预测模型的...     

基于PCA-BP神经网络的PM2.5季节性预测方法研究

【目的】分季节预测PM_2.5浓度值,利用PCA方法对数据进行降维,分析季节及气象因素对PM_2.5的影响,在提高预测准确率的同时降低时间复杂度。【方法】以合肥市2014—2017年的PM₁₀、SO₂、CO₂、CO、O₃浓度值,以及同时段的气象因素值,对PM_2.5浓度进行预测。数据分析中发现PM_2.5在不同季节浓度差异较大,故本研究选择分季节进行预测;为了提高预测准确率,加入如风力、温度、湿度、气压等气象因素进行预测,同时采用主成分分析(PCA)的方法进行数据降维,将降维后的数据再输入BP神经网络模型进行预测。【结果】实验采用3组实验进行对比:5种污染物指标(PM_2.5-5)预测PM_2.5、加入气象因素的综合12项指标(PM_2.5-12)预测PM_2.5、对综合指标进行PCA处理后的(PM_2.5-PCA)预测PM_2.5。实验结果表明:4个季节的PM_2.5浓度值有较大变化,均方根误差(RMSE)的差值较大;采用PM_2.5-PCA的方法,在任何季节的RMSE均有降低,相关系数(r)均有所提高。【结论】PM_2.5浓度具有季节性特征,采用季节性预测方法可以提高预测准确率;同时采用PCA方法进行降维,可以在保证准确率的同时降低预测时间复杂度。     

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     

2000-2018年黄河流域县域尺度PM2.5污染时空格局

近年来,与PM_2.5有关的大气污染状况和改善问题成为公众关注的焦点.基于2000-2018年黄河流域县域PM_2.5浓度数据,采用空间自相关分析和标准差椭圆法对黄河流域PM_2.5浓度的时空格局演变特征进行分析.结果表明：(1)2000-2018年黄河流域地区PM_2.5年均浓度总体上呈现波动变化,其中2000-2013年呈现波动增长趋势,平均增长率达到2.02%,2014-2018年PM_2.5浓度逐年下降,但研究期内黄河流域PM_2.5年均浓度值均高于年均限值(35μg·m^-3).(2)黄河流域PM_2.5浓度的地区差异较大,形成西南部和内蒙古中部浓度低,中东部的山西、山东和河南省浓度高的空间格局.(3)黄河流域PM_2.5污染具有显著空间正相关特征.除2000年高值聚集区分布在甘肃省中南部、内蒙古自治区西部(阿拉善盟)、宁夏回族自治区、陕西省西南部和河南省中西部外,其他年份较为稳定地分布在河南和山东...     

2015—2020年成都市PM2.5的时空分布及影响因素

以2015—2020年成都市PM_2.5浓度的时空分布为研究对象,运用克里金插值法、Pearson相关系数法、主成分分析法等方法,结合降水、风速2个气象因子及GDP、第二产业生产总值比重、人口密度、城镇化率4个社会因子进行分析,从而得到成都市PM_2.5的时空分布情况及其影响因素的相关分析,为成都市的空气污染治理提供科学依据.结果表明：成都市PM_2.5浓度在空间上整体呈中间高、两边低的特征,在时间上的整体走向为先降低后升高;同时成都市PM_2.5浓度与各种气象因子、社会因子都存在相关性,但相关程度存在较大的差异.     

2001—2018年非洲尼日尔河流域PM2.5质量浓度的时空变化特征

探究PM_2.5质量浓度的时空演变过程，对于明确PM_2.5治理方向和推进非洲可持续发展目标至关重要.利用全球遥感反演PM_2.5数据集，结合GIS空间分析、空间自相关、Mann-Kendall检验和重标极差分析等方法揭示2001—2018年尼日尔河流域PM_2.5质量浓度的时空变化特征及趋势.结果表明：1)2001—2018年，尼日尔河流域PM_2.5质量浓度在时间变化上呈现波动且微弱增长趋势，年增长速率为0.06μg/m³;2)尼日尔河流域PM_2.5质量浓度在空间上整体呈现东南向西北递减的空间格局，其浓度高值区与低值区表现出强烈的空间集聚性特征，高值区集中在中下游地区的尼日尔东部地区、尼日利亚北部山地及南部三角洲地区，低值区集中在尼日尔河的上游地带、流域北端阿尔及利亚区域和下游支流贝努埃河流域；3)尼日尔河流域PM_2.5质量浓度变化的时空趋势上以不显著增加趋势为普遍特征，且在时间序列上具备长程相关性.研究结果将有助于尼...     

张家界市旅游旺季PM2.5质量浓度的变化特征

为了探讨大气污染物对旅游活动强弱的反应机制，以典型生态旅游城市张家界市2017年旅游旺季时段4个空气质量自动监测站点的PM_2.5质量浓度数据为研究对象，采用消除趋势波动分析方法探讨PM_2.5的周末效应.结果表明，永定新区、电业局和未央路站点的PM_2.5质量浓度的波动日变化曲线基本一致，表现出双峰型，波峰分别出现在13：00和22：00左右，而袁家界站点与它们相比，存在明显差异；永定新区和电业局站点工作日的PM_2.5质量浓度略高于周末，而未央路和袁家界站点周末的PM_2.5质量浓度高于工作日.为了进一步探讨PM_2.5质量浓度变化的内在规律，对各站点PM_2.5质量浓度序列进行消除趋势波动分析，发现各站点PM_2.5质量浓度序列均表现出明显的长期持续性特征，且城区站点的长期持续性存在拐点，而景区站点和临近景区站点的不存在拐点，推测可能是景区受旅游活动干扰较多而致.     

河南省PM2.5暴露人口时空特征及影响因素研究

研究河南省2000、2005、2010、2015年4年的PM_2.5质量浓度和人口密度的栅格数据,计算得出PM_2.5暴露人口;借助全局空间自相关、热点分析等方法,在对河南省PM_2.5暴露人口的时空特征进行分析的基础上,使用面板数据模型探讨其影响因素.结果显示:河南省暴露人口规模表现为先增后减的变化特征,整体规模上升,空间呈现扩散和向中部移动的特征.对河南省PM_2.5暴露人口具有影响的指标主要为:房屋竣工面积、公路客货运总量和气温.     

2015年北京、上海和拉萨PM2.5浓度日变化和日际变化分析

分析2015年北京、上海和拉萨3个城市PM_2.5浓度的时间序列, 讨论PM_2.5浓度的季节变化以及各城市PM_2.5浓度日际变化与日变化的相对重要性。从长期来看, 3个城市冬季PM_2.5浓度普遍大于夏季; 从短期来看, 北京和上海PM_2.5浓度主要呈现日际变化, 天气系统的影响远大于日变化。北京冬季PM_2.5浓度在一定程度上也呈现日变化, 但在夏季不明显; 上海在冬季和夏季都不呈现日变化; 拉萨的情况则相反, 当地的天气系统比较稳定, 日际变化不明显,PM_2.5浓度主要受日变化影响,PM_2.5浓度的日变化呈现明显的“双峰”现象。     

重庆市荣昌区冬季典型霾期大气颗粒物浓度垂直变化特征

为探究川东平行岭谷大气颗粒物质量浓度垂直变化特征,通过对四川盆地偏东部的重庆市荣昌区典型雾霾期气象条件下大气颗粒物质量浓度(PM₁,PM_2.5和PM₁₀)的垂直连续监测,分析温度、风速、相对湿度等气象条件与大气颗粒物浓度垂直分布的关系。结果表明：PM₁,PM_2.5,PM₁₀的日变化在各高度范围内均表现为夜间浓度较高。3种粒径段颗粒物的质量浓度均随高度升高而下降,0～300 m内颗粒物质量浓度最高,PM₁,PM_2.5,PM₁₀分别为39.61,193.62,338.87μg/m³。不同空气质量状况下,颗粒物浓度纵向分布不同。空气质量为良时,颗粒物随高度升高缓慢下降,600 m处PM₁,PM_2.5和PM₁₀浓度为100 m处的70.49%,69.60%,65.94%;轻度污染期间,600 m高度的颗粒物浓度比...