延吉市PM2.5时空分布特征及其与气象要素的相关性分析

利用延吉市城区3个空气质量监测站2015年PM_2.5浓度小时数据,探讨了延吉市城区PM_2.5时空分布特征,并将PM_2.5浓度与气象要素做相关性分析.研究结果表明: ①延吉市PM_2.5季节浓度由高到低依次为冬季、秋季、春季和夏季.②延吉市PM_2.5月均浓度变化均呈单峰单谷型,其中11月、12月、1月浓度值相对较高,2月开始逐月递减至10月份后开始回升.③PM_2.5日均浓度曲线呈现出尖峰和深谷交替变化的锯齿状.④延吉市城区3个监测点PM_2.5浓度日变化在春季、夏季、秋季和冬季都呈现双峰双谷型.⑤PM_2.5浓度与气压、气温日较差、风速、相对湿度等气象要素之间存在显著地相关性.     

衡阳市城区大气污染特征分析及健康风险评价

【目的】研究衡阳市城区2018—2021年间大气污染特征,评价主要大气污染物对健康的影响。【方法】基于衡阳市生态环境局发布的2018—2021年环境监测数据,分析城区大气污染物特征。利用环境暴露风险评价模型对大气污染物开展人群健康风险评价。【结果】衡阳市城区空气质量指数呈现“V”字型趋势,11月至来年的2月污染最严重,6—7月空气质量最佳;从不同年份来看,大气颗粒物PM_2.5浓度从2018年到2021年不断下降,SO₂、NO₂、PM₁₀下降趋势不明显;2018—2021年间,衡阳市城区PM_2.5的年平均浓度为34.42～40.17μg/m³,略高于二级标准浓度限值;PM₁₀的年平均浓度为51.92～72.75μg/m³,只有2021年浓度高于限值标准。SO₂和NO₂的年平均浓度均低于国家限值标准。2018—2021年间,颗粒物PM_2.5、PM     

2016—2021年固阳县环境空气质量变化趋势及改善举措

为了解包头市固阳县环境空气污染现状,系统分析污染物浓度变化特征,对固阳县2016—2021年环境空气中的SO₂,NO₂,PM₁₀,PM_2.5,CO,O₃浓度随时间变化特征开展研究.采用空气质量指数法,确定固阳县首要污染物,并提出改善环境空气质量相关措施.结果表明：2016—2021年空气质量相对较好的为2020年,2018年为相对较差年份,3月至5月空气质量指数较大;研究期内臭氧和PM₁₀为固阳县环境空气首要污染物;SO₂,NO₂,CO质量浓度表现为冬春季高,夏秋季低.臭氧浓度变化为秋冬季较低,夏季浓度达到最大;PM₁₀,PM_2.5质量浓度呈春季高夏季低趋势.建议通过调整和优化产业结构与能源结构,构建科学的监督管理模式以及加强污染物的治理力度等措施改善环境空气质量.     

冬季不同植物群落对大气颗粒物浓度的阻滞作用

为探讨不同植物群落对大气颗粒物浓度的影响,以郑州市金水区为例,在2020年冬季(2020年12月—2021年2月)对园林绿化区(数码公园)、居住区(正弘·蓝堡湾)、文教区(河南农业大学)内植物群落的PM_2.5和PM₁₀质量浓度及气象因子(温度、相对湿度和风速)进行监测.结果表明：每个功能区中不同样地之间的PM_2.5、PM₁₀质量浓度日变化趋势基本一致,一般为早高晚低;不同植物群落之间PM_2.5和PM₁₀质量浓度存在显著差异性,其中广场样地与其他样地的差异性最显著;3个功能区中各样地对PM_2.5和PM₁₀质量浓度的阻滞率均表现为乔灌草结构最高,乔灌结构和乔草结构次之,且多表现为乔灌样地大于乔草样地,灌草结构和草坪最低;研究区域PM_2.5、PM₁₀质量浓度与温度呈负相关,与相对湿度呈正相关,与风速呈负相关.     

高密度城区绿地景观格局对PM2.5/O3的多尺度影响

为探究高密度城区绿地景观格局对于PM_2.5浓度与O₃浓度的尺度效应,分析西安市高密度城区范围,选取边界密度(ED)、景观形状指数(LSI)、面积加权形状指数(SHAPE＿AM)和平均形状指数(SHAPE＿MN)共4个景观格局指数衡量绿地景观格局,爬取2020—2021年国家空气质量监测站点的大气监测数据,运用皮尔逊相关性分析和线性回归分析方法,探究多尺度下高密度城区绿地景观格局对PM_2.5和O₃的时空分布特征、绿地景观格局特征和PM_2.5浓度、O₃浓度与景观格局指数的多尺度影响关系.结果表明,景观格局在夏季对于PM_2.5浓度、在春季对于O₃浓度的影响更为显著;在高密度城区内较小尺度的绿地上优化景观格局对PM_2.5与O₃浓度影响更有效.由此提出的绿地优化策略可为城市高密度城区多尺度绿地规划设计提供参考依据.     

杭州市PM2.5中水溶性离子的污染特征研究

为全面了解杭州市PM_2.5中水溶性离子的污染特征及其来源,于2014年10月—2015年9月在杭州市2个采样点采集了PM_2.5样品,运用离子色谱法对PM_2.5中的水溶性离子进行了分析.结果表明:PM_2.5中9种水溶性离子的年均质量浓度为46.63μg/m³,占PM_2.5质量浓度的54.97%.主要离子Cl^-,NO₃^-,SO4^2-,NH₄⁺质量浓度季节变化明显,表现为冬季>秋季>春季>夏季.SOR值和NOR值说明杭州市大气中二次颗粒明显存在,并且SO₂的二次转化率大于NO₂的二次转化率.因子分析表明:二次气溶胶、道路扬尘、建筑扬尘和工业排放是采样期间杭州市PM_2.5的主要来源.     

季节指数改进的PM2.5质量浓度组合预测模型研究

随着我国的经济和城市化迅速发展,PM_2.5主导的区域空气污染已成为紧迫、突出的环境问题。据相关研究表明,PM_2.5在不同季节质量浓度差异较大。根据广州市2015~2019年的PM_2.5月均质量浓度数据,结合大气污染物及气象因素,引入季节指数,建立预测PM_2.5质量浓度的改进多元线性回归和多层感知器组合预测模型,探析广州市大气污染物中PM_2.5质量浓度的变化规律。结果表明,用季节指数改进的组合预测模型对PM_2.5质量浓度进行预测分析,拟合结果良好。使用不同评价指标将组合模型与传统的多层感知器预测模型和多元线性回归模型进行对比,该组合模型的均方根误差(Root Mean Square Error,RMSE)、平均绝对百分比误差(Mean Absolute Percentage Error,MAPE)、平均绝对误差(Mean Absolute Error,MAE)分别比多层感知器模型减少了23.1%、31%、24.2%;比多元线性回归模型减少了35.3%、41.3%、41%。该模型精度均优于传统的多元线性回归模型和多层感知器模型,能更好地预测环境PM_2.5质量浓度,为优化环境提供参考。     

济南市冬季灰霾日PM1.0和PM1.0—2.5污染特征

为探讨济南市灰霾日大气细颗粒物的化学组分特征, 于2014-01-15—02-17利用PM_1.0、 PM_2.5中流量采样仪,离子色谱及OC/EC分析仪等研究手段,对济南市灰霾日PM_1.0及PM_2.5的浓度水平及化学组成进行了系统研究。结果表明:灰霾日和非灰霾日NO^-₃、SO^2-₄、NH⁺₄均为PM_1.0和PM_2.5的主要成分,灰霾日时NO^-₃、SO^2-₄、NH⁺₄质量浓度占PM_1.0和PM_2.5质量浓度的比例明显升高,并且三种成分质量浓度在PM_1.0中均有显著升高,显示二次无机气溶胶的快速增加是灰霾形成的重要因素。碳质组分(OC+EC)是PM_1.0及PM_2.5中所占比例为第二位的组分,灰霾日OC和二次有机碳(SOC)较非灰霾日明显升高,表明灰霾日更有利于SOC的生成。72 h后向气流轨迹分析表明,起源于山东省内东部及北京、天津一带气流的近地面传输对灰霾形成有重要影响。     

河南省PM2.5时空变化及其影响因素

PM_2.5属于大气细颗粒物,能够长时间悬浮于空气中且易被人体吸入,影响人类的身体健康。以河南省18个观测站逐小时PM_2.5浓度数据为研究对象,采用数理统计、反距离权重和地理探测器等方法,探讨河南省PM_2.5浓度的时间和空间变化特征及其影响因素。研究表明：(1)年际尺度上,2017—2022年河南省年均PM_2.5浓度呈下降趋势。(2)季节尺度上,四季PM_2.5平均浓度由高到低依次为：冬季(89.5±16.2μg/m³)、秋季(48.5±5.5μg/m³)、春季(41.4±6.1μg/m³)、夏季(28.8±7.3μg/m³),冬季平均浓度远高于其他三季。(3)月份尺度上,PM_2.5浓度呈“U”型变化特征,1～7月呈降低趋势,8～12月呈增加趋势,其中1月浓度最高(107.9±12.2μg/m³),7月浓度最低(27.0±10.6μg/m^3<...     

PM2.5浓度预测与影响因素分析

针对PM_2.5浓度的非线性和不确定性,提出了一种基于集成树-梯度提升决策树（EnsembleTrees-GBDT）的PM_2.5预测模型.该模型首先在集成树框架下进行特征选择,即选取PM_2.5浓度主要影响因素,使用算术均值聚合法计算出各项特征对PM_2.5浓度增加的影响程度,并以影响程度由强到弱的次序排序;其次使用网格搜索对GBDT算法进行参数优化,选取树的深度等参数的最优值;最后构建完整的PM_2.5浓度集成预测模型.使用北京市2015-2016年的污染物浓度和气象条件观测值2个数据集,对模型进行了预测仿真实验.对比实验结果表明,所提出的EnsembleTrees-GBDT预测模型相比于决策树、随机森林、支持向量机等模型,具有更低的平均绝对误差和均方根误差,同时具有更好的泛化能力,能够更准确地预测PM_2.5浓度,并实现对PM_2.5浓度影响因素的有效分析.     

基于气象因素的PM2.5质量浓度预测模型

为得出拟合效果最佳的预测模型,建立了多元回归和机器学习预测模型对PM_2.5质量浓度进行预测。在输入气象因素的基础上,引入污染物质量浓度基础值和周期因素两类变量作为预测输入,并对4种预测模型进行对比研究。研究结果表明:对预测输入进行改进后,多元线性回归预测模型拟合优度由0.52提高至0.64,所选取的气象参数、污染物质量浓度基础值和周期因素能较好地描述PM_2.5质量浓度的日变化情况;与多元线性回归预测模型相比,BP神经网络和支持向量机两种预测模型能较好地捕捉PM_2.5质量浓度与预测输入之间的非线性影响规律,整体拟合优度分别达0.69和0.74,预测准确度较高;支持向量机预测模型可作为PM_2.5质量浓度预测的首选方法。     

基于时空认知膨胀卷积网络与多源影响因素的PM2.5细粒度预测模型

为实现精确化、细粒度的PM_2.5浓度预测,提出了基于时空认知膨胀卷积网络(spatial-temporal cognitive dilated convolution network, ST-C-DCN)的PM_2.5浓度预测模型ST-C-DCN。该模型将时空因素、气象因素运用于PM_2.5浓度预测,基于因果卷积网络提取时空特征,并采用时空注意力机制优化了时空特征的提取。基于海口市空气污染数据的实验测试表明：对于单个监测站,基线模型相比,ST-C-DCN的均方根误差(root mean square error, RMSE)平均下降24.7%,平均绝对误差(mean absolute error, MAE)平均下降9.93%,拟合优度(R-squared,R²)平均上升3.35%。对于全部监测站点的预测,ST-C-DCN在win-tie-loss(包括MSE、RMSE、MAE、R²)实验中,均获得了最多的获胜次数,分别为68,68、63和64。通过不同数据抽样条件下的Friedma...     

济南城区大气PM2.5、PM1.0的污染特征及大气传输

为研究华北平原PM_2.5、PM_1.0的污染特征,于2014年10月至2016年6月在济南城区使用中流量采样器对大气颗粒物样品进行采集,利用离子色谱、碳气溶胶分析仪测定了颗粒物中的水溶性无机离子成分和碳组分。结果表明:济南城区冬季大气细颗粒污染较重,二次离子SO₄^2-、NO₃^-和NH₄⁺是PM_2.5、PM_1.0最主要的水溶性无机离子,且更易富集在PM_1.0中。有机碳和元素碳的质量浓度表现为春夏低,秋冬高;二次有机碳的质量浓度在冬季明显升高,且大多分布在粒径>1 μm的颗粒物中。72 h后向气流轨迹表明,来自河北、内蒙古的长距离传输与山东地区的局地传输对济南大气中PM_2.5和PM_1.0的离子质量浓度有重要影响。济南冬季的消光系数高达789.13 Mm^-1, PM_2.5中的二次粒子NH₄⁺、SO₄^2-和NO₃^-与消光系数的相关性较高,是使大气能见度降低的主要因素。     

西安大气细颗粒(PM1)化学组成及其对能见度的影响

在2012年秋季选取天气状况相对稳定的12d,运用细颗粒化学组分在线观测仪(ACSM),观测西安大气颗粒物变化;利用正矩阵因子分析法(PMF)对大气细颗粒物中的有机物进行源解析,探讨其对能见度的影响;最后,结合IMPROVE公式中吸湿增长因子和多元线性回归统计方法重建散光系数。结果表明:在观测时段,PM₁(不包括黑碳和矿尘等难熔组分)和PM_2.5质量浓度时间序列的相关性较好(判定系数为0.67),PM₁ 约占PM2.5质量浓度的60%,有机物约占PM₁ 质量浓度的58%,其他组分(包括SO₂^4- ,NO₃^- ,NH₄⁺ 和Cl^- )约占42%;高相对湿度(大于85%)伴随着一次组分质量分数的增加,雨水对一次组分的湿沉降作用也更加明显;利用正矩阵因子分析法对有机物进行源解析,分解出烃类有机气溶胶(HOA)和氧化性有机气溶胶(OOA)两种组分;OOA 约占有机物质量浓度的54%,HOA 约占46%,并且在下午时段,HOA 发生挥发,经过光化学反应快速转化为OOA;硝酸盐对光的散射贡献最大。     

采暖季高校教室污染物优化控制措施的模拟研究

因教室人员密集,PM_2.5、CO₂经常超标,教室内学生的学习、健康受到一定程度的影响.建立了室内污染物优化控制模型,对教室采用新风净化系统和空气净化器系统加开窗通风两种方式控制室内PM_2.5和CO₂.首先在供暖季室外空气质量为中度污染情况下,模拟出天津某高校空气净化器系统在不同开窗方式及净化器位置情况下的室内PM_2.5和CO₂变化情况,得出空气净化系统在教室开侧窗,空气净化器安装在外墙旁侧时系统对PM_2.5和CO₂控制效果最好.然后模拟了在不同室外污染等级的情况下,教室采用新风净化系统和空气净化器系统加开窗通风两种方式的室内PM_2.5和CO₂的分布状况,通过对比室内污染物分布状况来研究两种净化方式对室内空气质量的控制效果.     

声波团聚对燃煤电厂可吸入颗粒物的排放控制

为了从煤燃烧过程中脱除细粒子（PM_2.5）颗粒物以控制大气可吸入颗粒物（PM₁₀）的污染程度,将高强度的声场运用于气溶胶中以改变颗粒的粒径分布,使粒子团聚为较大的颗粒以在传统的除尘器中脱除.在1～5 kHz、110～140 dB行波声场内对燃煤电厂布袋除尘器收集的飞灰进行声团聚实验,载尘质量浓度为1～5 g/m3,并采用碰撞式分级仪和激光粒度仪MS-2000在线测量颗粒的粒度分布,得到声强和声波频率对团聚效果的影响.在1.72 kHz、140 dB声波团聚实验中,分级仪上的实验结果显示,PM_2.5减少52%～63.6%,PM₁₀减少35.6%～53.3%.     

空气幕对厨房内PM2.5控制效果的模拟与分析

厨房烹饪是民居室内PM_2.5污染物的重要来源,为对其进行有效控制,提出了空气幕送风方式。建立厨房物理模型,使用Fluent软件对厨房内的气流组织、温度分布和PM_2.5浓度分布进行了数值模拟。研究了空气幕对厨房内PM_2.5和热流的控制效果,并对3种射流速度进行对比分析。研究结果表明：空气幕射流气流对烹饪区域产生了很好的包裹效应,可以阻隔PM_2.5的扩散和热流的蔓延;可使厨房内PM_2.5排除率提高到44%~75%,平均降温1~2℃。当空气幕射流速度为0.6 m/s时,控制效果最佳。研究结论可对厨房PM_2.5污染的防治提供参考,为空气幕送风系统的研究提供模拟数据和理论依据。     

巴彦淖尔市一次强沙尘暴天气分析

利用常规气象观测资料和葵花卫星遥感资料,对2021年5月5—7日发生在巴彦淖尔市的强沙尘暴天气进行分析。结果表明,此次天气过程是在高空急流带、强锋区、地面冷高压与蒙古气旋及两者过渡带产生的强冷锋共同作用下产生的。层结条件分析表明,风速不均匀形成的“顺滚流”导致本次天气过程出现由晴天到大风沙尘天气的转折性变化。通过分析大风、沙尘天气发生时AQI,PM_2.5及PM₁₀的变化情况,可为巴彦淖尔市空气质量研究提供参考。     

2014-2019 年冬季京津冀地区PM 2. 5 质量浓度时空分布特征

基于2014-2019 年冬季京津冀地区101 个空气质量监测站的小时PM _{2. 5} 质量浓度数据, 探讨了冬季京津冀地区PM _{2. 5} 浓度的时空分布特征。利用MATLAB 编程提取监测站点小时PM _{2. 5} 浓度数据并合成月、季均值数据, 分析PM _{2. 5} 浓度小时、月、季节尺度的时间变化特征。对比两种插值方法, 选用普通克里金插值法对区内PM _{2. 5} 浓度进行插值, 分析各尺度PM _{2. 5} 浓度空间分布特征, 借助全局莫兰指数和LISA 图分析PM _{2. 5} 浓度的空间自相关性。研究结果表明: 2014 年冬季比2019 年冬季的PM _{2. 5} 浓度下降了28. 4 μg/ m³, 除2018 年外, 小时浓度均呈现“双峰双谷型”分布; PM _{2. 5} 浓度在29. 1~193. 3 μg/ m³ 波动, 均值为92. 1 μg/ m³,总体呈现出 “北部山区低,南部平原高”的空间分布格局;冬季PM _{2. 5} 浓度具有显著的空间聚集性。全局莫兰指数在0. 29~0. 66,呈现全局正相关,南部呈现 “高-高”聚集模式,北部呈现“低-低”聚集模式。     

光照对大气细颗粒物中汞形态分布的影响

为探究颗粒态汞的光还原及可能的二次释放结果,以细颗粒物(PM_2.5)为载体,采用Bloom法和冷原子荧光法,在不同光照时长下,收集、测定细颗粒物中汞(PBM_2.5)质量和形态分布。结果表明：模拟太阳光照射下PBM_2.5发生的化学反应以光还原反应为主,产生的气态汞中90%以上为Hg⁰,少量为Hg²⁺;光照促进PBM_2.5向Hg⁰转化;光照时间增加,F5/PBM_2.5增加(F5为硫化物态汞),其余形态汞质量主要以指数形式降低;光照促进大气PBM_2.5以更稳定的形态存在,正向影响汞沉降。