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。     

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。     

西安市大气颗粒物中棕碳的吸光性研究

利用离线滤膜-溶剂提取-连续光谱分析的方法在 2016 年 12 月 25 日到 2017 年 12 月 26 日期间对西安市大气 颗粒物进行了连续一年的监测与分析。用石英纤维滤膜收集大气 PM2:5 样品, 再分别利用超纯水和甲醇超声萃取样品 中的水溶性有机碳 (WSOC) 和甲醇可溶性有机碳 (MSOC), 最后进行紫外-可见吸收光谱分析获得样品光吸收特性。 对西安市水溶性棕碳 (BrC) 和甲醇溶性 BrC 在 365 nm 下冬季和夏季的吸光贡献分析发现, 冬、夏两个季节甲醇提 取的有机组分光吸收效率均高于水提取的, 甲醇溶性有机碳质量吸收效率 [MAE(MSOC)] 年均值 [(1.60±0.67) m2·g−1] 是水溶性有机碳质量吸收效率 [MAE(WSOC)] 年均值 [(0.90±0.47) m2·g−1] 的 1.17 倍, 表明有机溶剂萃取组分中含有 更多的吸光能力更强的物质。冬季的 MAE(WSOC) 为 (2.05±0.86) m2·g−1, MAE(MSOC) 为 (1.53±0.36) m2·g−1; 夏季的 MAE(WSOC) 为 (1.06±0.24) m2·g−1, MAE(MSOC) 为 (0.51±0.17) m2·g−1。冬季的 MAE 值总体高于夏季的, 且冬季的 WSOC 的 E250/E265 值 (5.25) 相对低于夏季 (5.58), 可能因冬季燃煤取暖排放导致。对 BrC 中的水溶性有机碳与气象 六要素浓度进行了线性拟合, 结果显示 WSOC 与 PM2:5 (R2 = 0.6417) 和 PM10 (R2 = 0.4035) 有一定的相关性, 但与 O3 (R2 = 0.0682) 没有显示出明显的相关性, 表明其二次光化学反应的来源占比很小。     

基于SVR-LUR模型的城市道路PM10空间浓度分布模拟

针对传统土地利用回归模型(Land use regression, LUR)未考虑影响因子与大气污染物之间非线性复杂关系 和易出现多重共线性的问题。以PM10为例,采用支持向量回归机(Support vector machine regression, SVR) 改进土地利用回归模型的建模方法构建SVR-LUR模型,对上海市南浦大桥周边区域PM10空 间分布进行模拟。研究结果表明: 1)研究区域PM10浓度与100 m缓冲区内的空地面积, 150 m缓冲区内的建筑工地面积、 空地面积、河流面积, 200 m缓冲区内的绿地面积和河流面积,以及湿度、交通流量和背景浓度相关性较高。 2) SVR-LUR模型可较好地对研究区PM10浓度进行空间分布预测。SVR-LUR模型与LUR模型相比, SVR-LUR模型预测精 度较高,其测试集比LUR模型测试集的平均绝对误差(Mean absolute error, MAE)及均方根误差(Root mean squares error, RMSE)分别减小了22.92\%、33.51\%,拟合指数(Index of agreement, IA)值增加了13.20\%。 相较于普通克里金插值模型所得到的单一梯度空间分布预测结果, SVR-LUR 模型能够更有效揭示小范围内的空间差异。 3)研究区PM10浓度空间分布呈现出西高东低的总格局,在建筑物和路网密集的地方浓度较高,而在靠近江面和空地 的区域浓度相对较低。模拟结果与实际情况相符。     

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。     

南京重工业园区周边区域地表灰尘重金属污染调查研究

针对 2020 年 9 月至 2020 年 10 月在南京钢铁集团外采集的 25 个地表灰尘样品, 使用手持式 X 射线荧光光 谱仪 (XRF) 分析其中 Cr、 Mn、 Fe、 Cu、 Zn、 Hg、 Pb、 Sr、 Zr、 Mo 这 10 种重金属元素含量, 运用统计学方法、单 因子指数、地累积指数对研究区土壤重金属污染程度进行评价, 并采用正定矩阵因子分解模型解析了重金属污染源。 结果表明, 地表灰尘重金属平均含量为: Cr (260±14 mg·kg−1)、 Mn (1550±22 mg·kg−1)、 Fe (165000±1000 mg·kg−1)、 Cu (67±9 mg·kg−1)、 Zn (600±13 mg·kg−1)、 Hg (16±6 mg·kg−1)、 Pb (102±7 mg·kg−1)、 Sr (275±10 mg·kg−1)、 Zr (302±5 mg·kg−1)、 Mo (13±3 mg·kg−1), 地累积指数平均值为 2.13, 区域整体呈中度污染, 其中 Hg 为严重污染, Mo 为重污染, Zn 为中度污染, Cr、 Fe、 Pb 为偏中污染, Mn、 Cu、 Sr 为轻度污染, Zr 无污染。研究区西北部及北部为重金属含量高 值区, 地表灰尘中重金属有较多富集。源解析分析表明研究区内地表灰尘重金属有 3 个主要来源: 一是工业排放源, 二是自然源及生活源, 三是机动车排放源。其中工业排放源为主要来源, 对重金属的贡献率为 49.3%; 其次为自然源及 生活源和机动车排放源, 贡献率分别为 30.7% 和 20.0%。     

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。     

基于光散射快速检测法的渭南市道路积尘研究

为掌握渭南市道路积尘分布特征及影响因素, 获取道路积尘本地化参数和道路扬尘的管控依据, 基于光散射 法利用道路积尘负荷车载式快速监测系统对渭南市城市道路积尘负荷进行了测定, 分析了不同类型道路的积尘负荷 特征, 并研究了车流量、车重及道路抑尘方式等与积尘负荷的关系。研究结果表明, 渭南市道路积尘负荷平均值为 1.13 g·m−2, 不同类型道路积尘负荷大小呈支路 (1.79 g·m−2) > 次干道 (1.22 g·m−2) > 省道 (1.08 g·m−2) > 主干道 (0.94 g·m−2) > 国道 (0.71 g·m−2) 的特征; 车流量和车速变化与道路积尘负荷值均呈负相关, 即车流量和车速越大, 积尘负荷 值越小; 此外, 洒水能有效降低道路积尘负荷值, 但保持时间较短, 因此建议改变重洒水弱清扫的作业模式, 重点关注 清扫除尘。     

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。     

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。     

宝鸡市一次污染过程黑碳气溶胶的变化特征及潜在源解析

利用AE-31型黑碳仪于2019年2月4-26日对宝鸡市的黑碳(BC)气溶胶进行了在线连续监测,并结合PM2.5质量浓度、风速风向等数据,采用聚类分析研究了该地区污染期间BC质量浓度的变化及来源.结果表明,观测期间BC平均质量浓度为2.8μg·m-3,范围为0.4～8.0μg·m-3;PM2.5平均质量浓度为119.9...     

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。     

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。     

河南省PM2.5时空分布特征研究

PM2.5是影响河南省空气质量的首要污染物,秋冬季节灰霾污染严重。为了解河南省PM2.5污染的特征,对河南省的17个城市,运用统计学方法和ARCGIS技术分析其时空分布特征。结果表明：从2015年1月至12月,河南省17个城市日均质量浓度达标天数比例为57.16%,冬季整体污染严重,超标天数比例为73.68%,春季超标天数比例为44.37%,秋季超标天数比例为34.52%,夏季超标天数比例为20.08%。在去除气象记录的空气质量重污染日之后,周末的PM2.5平均值比工作日高 8.04%,表现出“逆周末效应”。PM2.5/PM10值在0.50~0.65之间,且PM2.5与SO2相关性较高,表明河南省受传统煤烟型污染影响较大,粗粒子污染明显。 PM2.5与PM10、SO2、NO2均呈现显著的相关性,说明河南省的污染主要是由燃煤及机动车尾气造成。由于温度及光照变化的影响,河南省PM2.5与O3在不同季节呈现显著差异,其在冬季和秋季的相关性分别为-0.315(p=0.05)、-0.353(p=0.05),而在夏季的相关性为0.496(p=0.01),春季为0.003。     

重庆市棕碳气溶胶吸光特性及其影响因素研究

于 2015 年 12 月–2017 年 7 月在重庆城区和远郊站点采集气溶胶样品, 系统研究了该地区气溶胶中棕色碳 (BrC) 吸光特性的时空分布和影响因素, 并评估了 BrC 的辐射吸收贡献。研究结果表明, 该地区冬季 BrC 在 405 nm 的吸光系数 b405,BrC、吸光贡献和单位质量吸光效率均值分别为 (13.0±9.0) Mm−1、 (24.5±6.1)% 和 (0.9±0.2) m2·g−1, 分别是夏季的 11.3、 2.9 和 3.4 倍。城区站点 (YB) 夏、冬季 b405,BrC 值分别为远郊站点 (JY) 的 2.8 和 1.8 倍, 但冬季 城区站点气溶胶吸光指数 E 值和 BrC 在 405 nm 的吸光贡献 [(1.2±0.1) 和 (16.7±5.9)%] 低于远郊站点 [(1.6±0.2) 和 (32.3±6.3)%]。 b405,BrC 与污染源示踪组分的相关性分析表明, 夏季 BrC 吸光特性主要受二次有机气溶胶 SOA 生成的 影响, 而冬季的主要影响来源于生物质燃烧、燃煤和 SOA 生成。与夏季不同 (p > 0.1), 冬季 b405,BrC 与 NH4+、 E 与 NO3− 和 NH4+ 质量分数均显著相关 (p < 0.001)。冬季 E 与 φ 的拟合关系与生物质燃烧模拟结果相似, 表明生物质燃 烧是影响冬季 BrC 吸光特性的主要一次源, 而二次源主要是有机物与 NO3−、 NH4+ 发生的老化过程。重庆冬季 BrC 在 405∼980 nm 和 405∼445 nm 的辐射吸收贡献分别为 (29.1±5.8)%、 (60.8±13.7)%, 约为夏季的 2.9 和 3.2 倍, 表明冬 季 BrC 的辐射吸收贡献显著, 尤其是在短波段范围。     

成都市PM2.5、PM10变化特征及其与气象因素的关系

为研究气象因素对成都市大气细颗粒物 (PM2.5)、可吸入颗粒物 (PM10) 的影响, 收集了2015―2018 年成都市 PM2.5、PM10的月平均浓度, 采用Pearson 相关分析法, 分析了成都市PM2.5、PM10与气象条件的关系。结果表明： (1) 2015 ―2018 年, 成都市PM2.5、PM10年平均浓度虽然年际间差别较小, 但整体呈现逐年缓慢下降趋势, 2015 年以来成都市的 一系列大气污染控制措施是PM2.5、PM10逐年缓慢下降的原因; 2015―2018 年成都市PM2.5、PM10浓度季节变化特征整体 表现为冬季 > 春季 > 秋季> 夏季。(2) 不同气象因素对成都市PM2.5、PM10月平均浓度的影响程度不同, 降水量与气温 是影响成都市PM2.5、PM10月平均浓度的主要因素, 两者与PM2.5、PM10呈较高的负线性相关, 其中PM2.5、PM10与降水量 的相关系数均为 −0.612, 与月平均气温的相关系数分别为 −0.822、−0.776, 降水会通过捕获大气中的颗粒物来去除 PM2.5、PM10, 而温度的升高会加强PM2.5、PM10等污染物在垂直方向上的对流运动, 从而对成都市污染物浓度的降低起 到重要作用; 日照时数、月平均风速、相对湿度等与PM2.5、PM10月平均浓度整体也呈现负相关, 但与降水量和气温相 比, 日照时数、月平均风速与PM2.5、PM10月平均浓度的相关性较低, 而相对湿度与PM2.5、PM10月平均浓度的相关性则 更加微弱, 表明相对湿度的变化对成都市PM2.5、PM10的积累和扩散影响很小。