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.     

南京环境空气质量特征及变化分析

基于2015年1月1日—2021年2月10日南京市大气污染物监测数据,分析了南京市主要大气污染物时空分布特征与潜在源区贡献.结果表明：1)近6年南京市6种大气污染物(CO、NO₂、SO₂、O₃、PM₁₀和PM_2.5)年均质量浓度分别为800、43.1、13.0、106.0、77.1和43.0μg·m^-3;南京臭氧质量浓度均值高于中国典型城市(北京、上海、广州、成都、兰州和武汉),而PM_2.5平均质量浓度最低.2)2015—2020年南京NO₂、PM₁₀和PM_2.5超标天数呈减少趋势,平均降低率分别为29.1%、38.1%和28.1%,而臭氧超标天数呈增加趋势;臭氧季节变化表现出夏高冬低,其他5种污染物均呈现冬季高特征.3)冬季(特别是1月)南京PM_2.5质量浓度均值最高,对该时间段南京细颗粒物进行潜在源分析,发现南京地区细颗粒物主要受周边工业污染物...     

安徽省PM2.5质量浓度时空变化特征及其影响因素分析

以2015—2021年9月安徽省空气质量指数为样本,利用GIS空间分析等方法,分析安徽省全域PM_2.5质量浓度的时空变化特征,并对可能的影响因素进行探讨。结果表明：1)2015年以来安徽省PM_2.5质量浓度在时间变化上呈现逐渐递减趋势,在季节变化上具有春冬高、夏秋低的特点,在年际变化中2015—2018年PM_2.5质量浓度在皖中地区减少幅度最为明显,其中,以合肥市减幅最大;2018—2021年PM_2.5质量浓度在皖北地区减少幅度最为显著,以亳州市减幅最大。2)安徽省PM_2.5质量浓度在空间分布上呈现由北向南的递减趋势,最高值出现在皖北,最低值出现在皖南,且存在东西部之间的差异。3)自然因素(地形地势、降雨量和风速)和人类活动(产业结构和能源消费、政策和思想理念)对安徽省PM_2.5质量浓度的时空分布和变化具有较大的影响,使得安徽省全域PM_2.5质量浓度逐渐减少,大气环境质量逐年提高。     

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.     

2013年北京市PM2.5的时空分布

为研究北京市空气质量特征以及PM_2.5区域传输影响,通过对比分析北京不同类型空气质量评价点——昌平、官园、古城、东四环、榆垡等监测点的2016年监测数据,探讨了PM_2.5、SO₂、NO₂、CO及O_3-1h污染的时空变化特征及其与气象因素的相关性.采用HYSPLIT模型分析了不同季节的气流来向,并利用WRF-CAMx-PSAT模型定量估算了北京不同季节典型污染过程的区域PM_2.5传输贡献.结果表明,与2011-2015年相比,2016年北京市气象扩散条件较为有利,气温、能见度、湿度、风速、气压年均值分别增加了5.6%、8.7%、3.6%、-4.0%、0.03%.此外,春、夏、冬三季偏南气流轨迹占比较小,分别为14%、9%和4%.年内变化显示,O_3-1h 4-9月份质量浓度水平较高,PM_2.5、NO₂、CO和SO₂冬季日均质量浓度明显高于其他季节,NO₂、PM_2.5和CO 2月份月均质量浓度最低.从空间分布来看,PM_2.5、SO₂、O_3-1h和CO呈现南高北低且非均匀分布,而NO₂则城区高于郊区.从气象因素与污染物的相关性来看,PM_2.5与相对湿度、O₃与温度、CO与相对湿度均呈明显正向线性相关,与SO₂相比,NO₂与相对湿度的相关性较好.同时,通过对典型污染过程进行PM_2.5传输规律的分析发现,北京市PM_2.5主要来自本地源排放,贡献率达36.4%~56.8%,而河北、天津以及京津冀地区对北京区域传输也较为明显,贡献率分别为22.6%~47.9%、3.16%~17.8%和9.7%~16.7%.

     

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。     

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.     

南京城区夏秋季能见度与PM2.5化学成分的关系

为研究唐山PM_2.5污染特征及区域传输贡献,对唐山冬夏2季PM_2.5环境样品进行测试分析,并采用WRF-CAMx对京津冀地区PM_2.5及二次离子进行定量模拟,获取了PM_2.5成分谱数据,估算了PM_2.5和二次离子的区域传输贡献.唐山冬夏2季PM_2.5平均质量浓度分别为（117.9±56.6）、（77.3±29.8）μg/m³,超标率分别为65.0%和41.7%;水溶性离子的平均质量浓度分别为（58.4±17.9）和（42.6±23.6）μg/m³,分别占PM_2.5的49.4%和55.0%,是PM_2.5的主要成分.Cu、Zn、As、Sr、Cd、Sb、Pb主要来自人为源,Na、Mg等其余元素主要来自地壳源.冬夏2季PM_2.5受外来源贡献分别为26.9%和31.1%,二次无机气溶胶（secondary inorganic aerosol,SIA）传输作用较PM_2.5更为显著,夏季PM_2.5和SIA外来源贡献高于冬季,高质量浓度时段外来源贡献会有一定幅度的上升.稳定的大气环流背景场、低风速等气象条件和燃煤排放源的增加是造成冬季重污染发生的重要原因.

     

吉林市城区大气污染物浓度演变特征及其与气象因素关系

为了解吉林市大气环境现状,利用2014-2018年吉林市城区7个国控环境空气质量监测站点的CO、SO₂、NO₂、O₃(O₃-8 h)、PM2.5和PM10质量浓度监测数据以及2018年逐时气象数据,采用相关分析法和应用统计法分析了大气污染物的质量浓度变化特征以及各污染物浓度与气象因素的相关性.研究结果表明:吉林市2014-2018年来SO₂、NO₂、PM10、PM2.5年均浓度总体呈下降趋势,O₃浓度有上升趋势;PM10、PM2.5和O₃浓度有超标现象,说明其为吉林市主要大气污染物;同一污染物浓度在不同季节、月份和时刻具有明显的变化特征,可以根据变化规律采用错峰生产的方式改善环境空气质量;气象因素与污染物浓度之间有较好的相关性,其中O₃浓度与温度、湿度、风速均呈现高度相关性,NO₂浓度与风速高度负相关;气象因素对CO、NO₂、O₃     

典型废玻璃回收厂区空气颗粒物及噪声分布特征研究

以某典型废玻璃回收厂区作为研究对象, 监测和分析了车间及厂区内部的噪声强度、空气颗粒物(PM_2.5、PM₁₀) 浓度等环境指标, 点位布设涵盖了车间入口、人工分拣、物料筛分、破碎、干法清洗等关键工艺环节; 其次, 解析了空气颗粒物的组分及形貌特征, 并对其在厂区及车间内部的时空分布特征进行了研究; 此外, 利用噪声控制模型模拟并分析了隔声罩对噪声的控制作用。结果表明, 生产车间中工作态的空气颗粒物浓度显著高于非工作态, 其中干法清洗区浓度最高, 其PM_2.5 浓度为3.725 mg/m³, PM₁₀浓度为4.055 mg/m³; 噪声监测结果显示生产车间内噪声强度较高, 达到99.5 dB, 而引入隔声罩后噪声强度可降至67 dB, 结果表明, 隔声罩可有效控制频率为125~1 000 Hz 的噪声。该研究可为废玻璃的绿色、高效回收处置提供理论基础和实践经验。     

基于GAM的北京PM_(2.5)浓度变化的影响因素研究

为辨识与测度不同影响因子对PM_(2.5)浓度变化的作用机理,以2015年北京PM_(2.5)浓度时间演变模式为基础,建立PM_(2.5)与各大气污染物(PM_(10)、SO_2、NO_2、CO、O_3)及气象因素(日均温度、风力、风向)的GAM模型,探索不同因素对PM_(2.5)浓度变化的影响作用。结果显示:(1)北京PM_(2.5)浓度具有夏秋季低、春冬季高的时间分布特点;(2)2015年北京PM_(2.5)浓度变化与PM_(10)、SO_2、NO_2、CO大体呈线性正相关,且正相关程度由强到弱为:COPM_(10)SO_2NO_2,而与O_3、温度和风因子的关系更为复杂;(3)GAM模型的拟合优度R~2为0.725,线性回归模型的拟合优度R~2为0.519,相比较,GAM模型对PM_(2.5)浓度变化的解释度提高了20.6%。研究表明,GAM模型对于建立PM_(2.5)浓度变化与影响因素间综合性复杂关系更灵活、更可靠,优于线性回归模型。     

邯郸重污染日空气质量预测研究

针对数据样本较少,且时间序列不连续的邯郸重度污染日的空气质量指标数据,采用基于数据分组的分数阶GM(1,1)模型(The data grouping GM(1,1) model with fractional order accumulation,简称DGFGM(1,1)),对邯郸地区2018—2019年12月28、29、30日三天的AQI及PM_(2. 5)、PM_(10)、NO_2的日均浓度进行预测。使用该模型预测的AQI、PM_(2. 5)、PM_(10)和NO_2的MAPE分别为2. 89%、3. 28%、3. 83%、3. 23%,表明DGFGM(1,1)模型具有良好的预测性能。预测结果显示,在当前的治理力度下,邯郸地区空气重污染的发生仍然难以避免,有些污染物浓度不降反升,除2018—2019年的12月30日的NO_2外,其他时间的所有污染物浓度全部超过标准限值,污染情况相当严重。当地有关部门应重视对极端重度污染天气的预防和治理,使得大气环境质量得以全面提升。     

APEC期间河北省大气污染及PM_(2.5)来源变化特征

研究包括京津冀地区在内的13个城市APEC会议前、中、后三时段的大气污染特征,并通过PM_(2.5)采集和成分分析,对不同时段PM_(2.5)的来源进行解析。结果显示:与APEC会议前相比,APEC期间北京、石家庄、承德、廊坊、邢台、张家口、邯郸、唐山、天津、衡水、沧州、秦皇岛和保定的PM_(2.5)分别下降了58.7%、52.9%、50.1%、47.3%、43.5%、36.7%、34.9%、33.4%、29.6%、26.9%、20.2%、19.9%和12.8%,平均降低了35.9%,高于SO2、NO_2和CO的浓度降低比例(分别为17.5%、21.3%和22.0%);与APEC会议前相比,APEC期间邯郸市的NO_3~-、SO_4~(2-)和NH_4~+分别降低了32.0%、32.9%和39.1%;APEC会议前和APEC期间PM_(2.5)的来源变化不大,会议后,燃煤/生物质燃烧源、冶金、燃油源上升至21.7%、14.0%和20.8%,而扬尘源、工业源、二次源降至12.6%、11.8%和19.2%。     

Characteristics and composition of particulate matter from coal-fired power plants

Measurements of the characteristics of particulate matter(PM)were performed at the inlet and outlet of the electrostatic precipitators(ESP)of four boilers in two full-scale pulverized coal power plants.PM was collected with a 13-stages low-pressure-impactor(LPI)having aerodynamic cut-off diameter ranging from 10.0 to 0.03μm for a size-segregated collection.The properties of PM including its con-centration,mass size distribution,emission characteristics,percent penetration of PM through ESP and elemental com...     

基于贝叶斯分层自回归时空模型的北京PM2.5预测

为解决PM_2.5的多站点同步预测问题,提出一种贝叶斯框架下的分层自回归时空模型.将PM_2.5日均浓度真实值视为潜在时空过程,利用一阶自回归过程刻画时间相关性,并基于Matérn过程捕获空间相关性,极大程度地提高了降维和同步预测的效率.此外,还将日最高温度、相对湿度和风速等气象因素作为解释变量,用于提升PM_2.5的预测效果.借助模型的分层结构,通过贝叶斯方法结合马尔可夫链蒙特卡罗(MCMC)算法实现参数估计和预测过程.对北京市日均PM_2.5浓度的实证分析表明,模型在空间和时间维度上均有良好的插值或预测效果.     

华南沿海城市PM2.5污染特征及来源解析

基于2017年12月25日至2018年1月16日1 h时间分辨率的在线监测数据,对华南沿海城市——阳江市的大气PM_2.5质量浓度、化学组分和来源进行了分析．结果表明,采样时段阳江市PM_2.5中主要化学组分为OM、NO₃^-、SO₄^2-、NH₄⁺和EC,质量浓度占比分别为32.75%、25.59%、16.41%、12.37%和4.82%．相比清洁过程,两次污染过程期间NO₃^-质量浓度均为清洁过程时段的6倍以上,增量明显高于其他组分,占比则均为清洁过程时段的2倍以上,分别占29.38%和30.81%.PMF解析结果表明,二次转化源是最主要的源,其分担率高达51.41%,其中NO_x二次转化源分担27.18%,是阳江市PM_2.5分担率最大的二次转化源．首要的一次排放源是机动车源(15.11%)．污染过程期间NOx二次转化源的分担率显著提...     

珊溪水库泥沙灾害事件对水土保持的影响

"泰利"台风给珊溪水库集水区带来特大降雨,导致水土流失,使下泄水持续浑浊了三个多月,形成严重的环境灾难.从水土流失导致水环境灾害的角度思考,应积极开展库区地质灾害点防治工作,同时建立适当的乔灌草结构和生态补偿机制,加强水土流失监测与专题研究.     

Indoor and outdoor particle concentration distributions of a typical meeting room during haze and clear-sky days

Air quality has increasingly been a great concern all over the world, and the good command of indoor and outdoor air qualities is of benefit to the air pollution alleviation by various measures. In this work, the indoor and outdoor particle concentration distributions of a typical meeting room during the haze and clear-sky days were measured. The results show that the mass concentrations of the indoor and outdoor PM₁, PM_2.5, PM10 in heavy haze days are 114±1.8, 135.5±3.2, 161.7±12.8 μg/m³ and 146.4±8.4, 192.3±10.2, 431.4±34.8 μg/m³ respectively, corresponding to 39.3±1.5, 58.5±2.5, 127.9±10.5 μg/m³ and 54.5±4.0, 77.8±6.0, 173.4±21.6 μg/m³ in clear-sky days. Both in the haze and clear-sky days, the number distribution of particles reaches its peak value at the diameter of 0.25 μm, but the particle number concentration in the haze day is two times greater than the clear-sky day. The indoor particle concentration is not uniform with the peak value at the corner, which can be effectively alleviated by the air cleaner. The in-situ measurements of particle concentrations in a meeting room are helpful for the indoor air quality control.     

基于空气质量模拟的江苏省大气污染物排放清单比较研究

大气污染物排放清单是空气质量模拟和空气污染治理的重要依据.本研究比较分析了两套覆盖江苏省的2017年大气污染物排放清单，即分别由上海市环境科学研究院、江苏省环境科学研究院编制的"长三角清单"和"江苏省清单"，并结合区域空气质量模型CMAQ评估不同清单对长三角地区2017年1、4、7、10月的空气质量模拟的影响.清单比较结果表明，除二氧化硫（SO₂）以外，江苏省清单估算的各污染物排放量较长三角清单低.通过与观测数据比较，发现两套清单对SO₂、氮氧化物（NO_x）、臭氧（O₃）和细颗粒物（PM_2.5）的模型模拟性能均较好.江苏省清单与长三角清单两者的模拟结果空间分布接近，其中江苏省清单模拟的PM_2.5和O₃在长三角多数地区略低于长三角清单的模拟结果（1月O₃除外）.江苏省清单与长三角清单均能够用于空气质量模式模拟，可为江苏地区的细颗粒物和光化学烟雾污染的控制策略制定提供参考.