基于遥感数据和GWR 模型的成都PM2.5 浓度时空分布特征研究

利用 MODIS 021KM 数据反演成都地区 2018 年逐日 AOD 数据, 并结合 PM2.5 地面监测数据以及气象数据 构建地理加权回归 (GWR) 模型得到成都地区逐月 PM2.5 浓度。结果表明: (1) 和多元线性回归模型相比, GWR 模型 反演的 PM2.5 浓度的 R2、 ERMS 和 EMA 分别为 0.884、 7.8704 µg·m−3 和 6.1566 µg·m−3 , 都优于多元线性回归的 0.808、 9.7098 µg·m−3 和 7.6081 µg·m−3, 说明该模型能有效估算成都地区 2018 年 PM2.5 浓度。 (2) 成都地区 PM2.5 浓度在月尺 度上呈现出先降低、后升高的变化特征。 2 月最高为 67.38 µg·m−3, 7 月最低为 28.31 µg·m−3; PM2.5 浓度季节变化特征 为夏季、秋季、春季、冬季依次递增。 (3) 成都地区 PM2.5 浓度空间分布总体上呈现“中间高、两边低”的特征。西部 地区为 PM2.5 浓度低值区, 中部地区为高值区, 东部的简阳市和金堂县为 PM2.5 浓度次高值区。     

伊宁市冬季PM2.5 输送特征及污染源地分析

利用全球数据同化系统 (GDAS) 气象资料和生态环境部环境监测总站的 PM2:5 浓度数据, 使用 MeteoInfo 软 件和 TrajStat 插件的聚类方法和聚类统计对 2018 年 12 月–2019 年 1 月到达伊宁市主城区的气流轨迹进行了聚类分 析, 运用潜在源贡献 (PSCF) 及浓度权重轨迹 (CWT) 分析了伊宁市主城区 PM2:5 潜在源贡献率 (WPSCF) 和轨迹权重 浓度 (WCWT)。结果显示: a) 轨迹聚类分析表明该区受西南气团影响最大, 主要来自哈萨克斯坦和吉尔吉斯斯坦; b) WPSCF 和 WCWT 分布特征类似, 重度污染源区 WPSCF 最高在 0.7∼0.8 以上, WCWT 最高值在 80∼110 µg·m−3, 潜在 源主要集中在昭苏-特克斯盆地。     

基于LUR 模型下PM2.5 浓度的空间分布模拟分析

PM2:5 是大气重要污染物之一, 模拟 PM2:5 浓度空间分布对于大气污染防治具有重要意义。将土地利用回归 模型 (LUR) 应用到安徽省污染较重的皖北地区, 以监测点为中心, 建立半径分别为 0.5、 1、 1.5、 2、 3、 4、 5 km 的 缓冲区, 结合土地利用因子、道路因子、污染源因子、气象因子、高程因子及人口因子共 105 个变量, 建立了该地 区四季和年均 LUR 模型, 并通过留一交叉互验, 验证了模型精度。结果表明: 研究区 PM2:5 浓度受草地、湿地、降水 量、相关湿度、气压、风速、二级公路、三级公路、废气污染企业、人口数量影响较大。调整 R2 分别为 0.828 (春)、 0.731 (夏)、 0.831 (秋)、 0.775 (冬)、 0.892 (年均); 均方根误差 (RMSE) 分别为 6.34 µg·m−3 (春)、 7.01 µg·m−3 (夏)、 6.28 µg·m−3 (秋)、 6.71 µg·m−3 (冬)、 5.33 µg·m−3 (年均); 模拟精度 R2 分别为 0.825 (春)、 0.730 (夏)、 0.834 (秋)、 0.772 (冬)、 0.897 (年均), 模型表现良好, 解释力强。从模拟的 PM2:5 浓度空间分布可以看出, 不同季节呈现明显不同的空间分布特 征, 这与来自北方的大量污染颗粒物、当地的煤矿开采以及秋耕秸秆燃烧等潜在污染源有关。     

湘潭市PM2.5 中二次水溶性无机离子及其 气态前体物的污染特征

2013年12月3日至2014年1月14日, 在湘潭市2个功能区(交通、商业、居民区和工业区) 采样点对大气PM2.5进行了采集, 并同步采集了SO₂、NO₂; 进而利用离子色谱法对PM2.5中二次水溶性无机离子(SO₄²⁻、NO₃⁻ 和 NH₄⁺ ) 的浓度进行测试分析。通过分析不同空气质量级别下硫、氮氧化速率(SOR 和 NOR) , 探讨了PM2.5中硫酸盐和硝酸盐的来源、形成机制和影响因素等。结果表明, 采样期间湘潭市PM2.5及其二次水溶性无机离子(SO₄²⁻、NO₃⁻ 和 NH₄⁺ ) 的质量浓度分别为148.34、56.19 g/m3, 其中 SO₄²⁻、NO₃⁻ 和 NH₄⁺分别占PM2.5 浓度的15.26%、14.06% 和8.57%, 三者累计值占PM2.5质量浓度的37.88%。随着PM2.5 浓度增加, 二次水溶性无机离子及其气态前体物SO₂、NO₂ 的浓度也逐渐增加, 且“重度”污染时SO₄²⁻、NO₃⁻ 和 NH₄⁺ 浓度较“良”时分别上升了1.93、2.41、2.03倍。不同空气质量级别下PM2.5中的SO₄²⁻、NO₃⁻ 主要以NH₄NO₃ 和(NH₄)₂SO₄ 的形式存在, 但在“轻度”和“ 中度”污染时可能存在其它的硫酸盐和硝酸盐。采样期间SOR 和NOR 的平均值分别为0.18和0.17, 不同污染级别下二者均在0.15 以上(大于0.1), 表明湘潭市PM2.5中的硫酸盐和硝酸盐主要是经转化形成的二次污染物。大气PM2.5中NO₃⁻ /SO₄²⁻ 为0.89, 不同空气质量级别下二者比值分别为0.78、0.99、0.82、0.97(均小于1), 表明湘潭市冬季PM2.5污染以燃煤源排放为主。     

安徽省寿县气溶胶消光系数变化特征分析

基于自主研发的气溶胶消光光谱仪, 在安徽省寿县观测站点进行了连续观测, 并对 2016 年 5 月至 12 月期间 该地区的大气气溶胶光学特性开展了研究。结合不同大气因素分析了观测结果的时间序列变化及日变化规律, 对比 了消光系数与 PM2.5 质量浓度、散射系数的相关性, 并探讨了风速风向对于寿县消光系数变化的影响。结果表明: 寿 县地区大气消光系数时间序列变化与日变化特征明显, 且受到不同气象要素的影响。秋季和冬季的大气污染情况较 为严重, 与其他季节相比, 污染天气的天数明显增多; 与清洁天气相比, 污染天气的消光系数和 PM2.5 质量浓度、散射 系数显著增大。特别在冬季, 污染事件频繁。在 12 月份出现过重度污染天, 其 24 h PM2.5 平均浓度超过 150 µg·m−3 , 且该月消光系数和 PM2.5 质量浓度、散射系数均达到观测期间月平均最大值。整个观测期间, 从日变化来看, 消光系 数、PM2.5 质量浓度及散射系数均是白天波动较大, 午后出现最低值; 其中消光系数最大值出现于清晨 08:00 左右, 最 小值则出现于下午 16:00 左右。此外, 消光光谱仪测得的气溶胶消光系数与 PM2.5 质量浓度和散射系数的相关系数分 别为 0.91 和 0.83, 说明研制的消光光谱仪同其他仪器的测量结果具有很好的一致性。     

成都春季复合污染下PM2:5 的化学消光贡献

为探讨复合污染条件下气溶胶的消光特性, 选取成都市 O3 与 PM2:5 同步污染的春季开展气溶胶组分与消光 特性观测, 并结合美国 IMPROVE 化学消光算法研究了组成与消光特征的关系。结果表明, 2018 年春季成都 PM2:5 平 均浓度与散射系数 bsp 分别为 (50.3±22.4) µg·m−3 和 (237.5±140.2) Mm−1, 且二者均呈现“单峰单谷”的日变化趋势; 大 气气溶胶的消光系数为 (268.4±153.7) Mm−1, 对其贡献最大的组分是 NH4NO3 (26.0%) 和有机物 (OM) (24.4%)。分析 表明在 PM2:5 与 O3 复合污染情况下, 二次污染组分 SNA (SO42−、 NO3−、 NH4+ 三者之和)、二次有机碳 (SOC) 的含量 显著增加, 与清洁天相比分别升高了 1.0 和 1.3 倍; OM 成为最大消光贡献者 (32.2%), 其次是 NH4NO3 和 (NH4)2SO4, 分别贡献 22.8% 和 20.5%。因此, 进一步减少气态前体物如 SO2、 NOx、 NH3 和 VOCs 的排放可以有效改善成都地区 空气质量和能见度。     

合肥市臭氧时空分布特征与气象因子影响研究

利用合肥市 10 个国控站点 2019 年臭氧 (O3) 浓度数据, 采用数理统计和回归分析方法研究 O3 时空分布特征 及气象因子的影响。结果表明: (1) O3小时及月均浓度均呈单峰型, 6 月份达到峰值; (2) 董铺水库和高新区站点 O3 对 污染天气的贡献率相对较高, 贡献率均超过 10%; (3) 2019 年超标时次较多的站点为董铺水库和高新区, 且出现在夏 季; (4) 温度、相对湿度和太阳总辐射与 O3 浓度呈正相关, 温度在 30∼35◦C、相对湿度在 40%∼50% 和太阳总辐射在 800∼1000 W·m−2 时 O3 浓度达到最高值; 风速在 4∼4.5 m·s−1 时外源输送较强烈, O3 浓度较高; 降水对 O3 前体物有清 除作用, O3 浓度越高, 降水的清除作用越明显。     

北京奥运期间的碳黑气溶胶观测研究

2008年7～8月在北京市奥体中心的遥感所站点连续实时监测碳黑气溶胶(BC),研究其在北京奥运期间的变化特征和来源.奥运会前BC平均质量浓度约为4.58μg/m3,而奥运会期间其平均浓度约为3.07μg/m3,下降比约为33.0%,这说明减排措施有效降低了BC的排放总量.同步监测的可吸入颗粒物(PM10)与BC一致性较好,相关系数为0.86,BC约占PM10的1.9%.比对2007年同期BC浓度数据,也证实了北京地区在实行各项减排措施后,BC的污染情况有较大好转.     

2014年APEC会议期间北京地区气溶胶成分遥感研究

大气气溶胶成分的改变对空气污染以及气候变化都有重要影响。遥感能在不破坏气溶胶自然状态的前提下探测气溶胶的成分特性。基于OPAC（optical properties of aerosols and clouds）模型对黑碳（BC）、水溶成分（WASO）、不可溶成分（INSO）、沙尘（DUST）四种气溶胶成分的微物理和光学特性的描述,利用太阳-天空辐射计获取的地基遥感观测,对2014年北京APEC会议前、会中、会后的气溶胶各成分含量及其光学厚度进行定量反演研究。结果显示,APEC会前、会中、会后的光学厚度（440 nm）平均值分别是0.72、0.25、0.57,会中的气溶胶光学厚度明显小于会前和会后,其中INSO成分的光学厚度贡献占主导地位。APEC会前BC、WASO、INSO、DUST质量浓度分别为0.8 μg/m3、139.6 μg/m3、184.2 μg/m3、194.3 μg/m3,APEC会中四种成分质量浓度分别为1.1 μg/m3、56.4 μg/m3、40.3 μg/m3、7.8 μg/m3,APEC会后质量浓度分别为1.0 μg/m3、126.6 μg/m3、157.1 μg/m3、30.9 μg/m3,除了BC成分在会议期间没有显著变化外,会中WASO、INSO、DUST成分的质量浓度数值明显低于会前和会后,,这说明APEC会议期间北京地区采取的保障措施对空气质量提升起到了较好的作用。利用AE-51黑碳仪对反演的BC质量浓度进行验证,发现遥感反演的BC质量浓度与在位观测具有良好的一致性,相关系数R2=0.68。     

2005年夏季北京大气中碳黑气溶胶的观测研究

2005年8～9月在北京市丰台区站点通过碳黑测量仪(aethalometer)来连续实时观测碳黑气溶胶,获得了北京大气中每5min的碳黑气溶胶(BC)质量浓度。由这些实时数据分析可得到北京2005年夏季碳黑的日平均浓度为11．1±3．4μg·m~(-3),变化范围为3．7～16．7μg·m~(-3)。BC质量浓度与TEOM监测的PM10质量浓度和空气污染指数(API)的变化具有良好的一致性(相关系数分别为0．908和0．702),表明BC是可吸入颗粒物污染的重要组成部分。     

阿克达拉与阿勒泰市PM10与气象条件的\\[0.2cm]关系分析

对2010~2014年阿克达拉大气本底站和阿勒泰市的PM10质量浓度值、温度、降水、风向风速、湿度、气压数据进行了对比分析。结果表明：阿克达拉和阿勒泰市PM10年平均质量浓度均呈上升趋势,但是本底站值上升较快。当阿克达拉的平均气温在10~20℃时,阿勒泰市的平均气温低于-10℃时, 两地PM10质量浓度处于较高污染水平。相关性分析表明阿克达拉和阿勒泰市PM10质量浓度与降水、风速均呈负相关。当PM10质量浓度处于较高污染水平, 此时阿克达拉站主导风是西北风（NW）,风频达17.1%,风速在1.8~5.7 m·s^-1之间,且风速小于1.5 m·s^-1时的风频明显比风速大于1.5 m·s^-1时的风频小很多;阿勒泰主导风是N,风频为10.6%,风速在1.3~3.3 m·s^-1之间,风速小于1.5 m·s^-1时的风频与风速大于1.5 m·s^-1时的风频相差不明显。此外,分析表明PM10浓度与湿度、气压的相关性较弱。     

基于主成分分析的 RBF 神经网络预测 SO2 浓度

利用基于主成分分析 (PCA) 算法的径向基 (RBF) 神经网络对大气中 SO2 浓度进行滚动预测。以北京大兴地 区 2019 年 9 月 1 日至 2020 年 10 月 31 日的气象数据和空气质量参数为基础, 结合逐步回归法筛选出与 SO2 线性相 关的参数作为输入样本, 构建 PCA-RBF 预测模型。利用该模型预测北京大兴地区某天的 SO2 浓度, 将预测值保留并 作为下一天预测模型的输入参数。以此将预测值不断地向前延伸并进行分析和预测, 从而实现 SO2 浓度的滚动预测。 对比 RBF 网络和 PCA-RBF 网络两种模型的预测结果, 其中 PCA-RBF 模型期望值和预测值的误差及相关系数分别为 0.03 µg·m−3 和 0.9989。表明 PCA-RBF 网络模型能精准预测 SO2 浓度变化趋势, 为进一步解决大气污染问题提供技术 支持。     

长三角区域典型城市臭氧时空分布及其与气象因素相关性研究

通过对长三角城市群 2018 年臭氧和气象数据的监测与分析, 研究了该区域臭氧时空分布特征及其与气象要 素的相关性。研究结果发现: (1) 长三角区域臭氧污染呈现春夏高、秋冬低的季节变化特征, 内陆城市臭氧污染较沿 海城市严重; (2) 长三角区域内陆城市超标污染主要发生在夏季, 而沿海城市主要集中在春季, 且内陆城市臭氧超标天 数较沿海城市高; (3) 臭氧日变化与能见度、风速、温度呈正相关, 与相对湿度呈负相关; 且当温度 > 20◦c, 相对湿度在 20%∼60% 之间, 风速达到 1.2∼3.6 m·s−1 时, 易发生高浓度臭氧污染情况。该研究成果对长三角区域臭氧联防联控具 有指导意义。     

2021 年春季沙尘传输对徐州地区气溶胶演变影响分析

沙尘气溶胶对局地大气环境具有显著影响, 本工作基于 2021 年 3 月中国东部卫星和地基遥感观测资料, 以沙 尘传输过程中上下游的两个城市北京和徐州为主要研究区, 分析了两地气溶胶环境的阶段性变化特征和驱动因子。 结果表明: (1) 连续两次大型沙尘暴均来源于蒙古地区, 并受冷空气驱动影响中国东部地区, 第一次沙尘在江苏腹地进 入黄海, 第二次沙尘在江苏省附近受西南暖风影响发生沙尘回流现象造成持续污染。 (2) 沙尘以粗颗粒物为主, 使得近 地面层 PM10 浓度急剧提升至背景值的 20 倍、 PM2:5 提高至 3 倍。处于下游的徐州地区比上游的北京地区两次 PM10 峰值均低 500 µg·m−3, 且时间延后 12 小时。 (3) 沙尘过境前徐州背景气溶胶以散射性细颗粒物为主, 气溶胶光学厚度 (AOD) 小于 0.5, 单次散射反照率 (SSA) 约等于 0.99。到达徐州地区的沙尘漂浮在 2∼ 4 km 高空层并随重力作用与地 面层气溶胶混合, 使得 AOD 瞬间提升至 1.5 以上, 24 小时后开始逐步由沙尘主导过渡到本地污染物粒子主导 (气溶胶 退偏比从大于 0.25 降至 0.1 以下)。本次沙尘中部分颗粒物成分对 440 nm 光谱吸收性较强, 与沙尘来源有关。