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     

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     

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...     

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.     

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.     

2016—2018 年嘉峪关市空气质量特征及其与气象因子的关系

利用2016—2018 年嘉峪关市空气质量监测资料和气象资料分析了空气污染特征及其与气象因子的关系。结果表明: 嘉峪关市空气质量以良为主, 环境空气质量等级为优的天数和重度及以上污染天数逐年增加, 呈现两极化趋势; PM₁₀ 是嘉峪关市最主要的污染物, O₃ 作为首要污染物的年际出现天数呈明显增加趋势, 二者月出现频次为“此消彼长”的负相关关系; 通过相关性分析发现, 空气质量指数(AQI)主要受颗粒物PM₁₀ 的影响; 主要污染物PM₁₀ 的东部污染源可能为巴丹吉林沙漠, 西南风引起的污染过程可能与青海柴达木沙漠输送有关。     

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。     

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。     

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.     

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...     

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.     

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.     

银川市2013年PM_(10)、PM_(2.5)质量浓度变化及空气质量分指数等级特征分析

利用银川市2013年空气污染物日浓度资料,分析了其PM10、PM2.5的质量浓度变化特征及空气质量分指数等级特征.结果表明,PM10和PM2.5的质量浓度变化具有明显的季节特征,夏季最低,冬季最高,PM10质量浓度春季高于秋季,而PM2.5质量浓度春季略低于秋季;PM10和PM2.5月均质量浓度变化均为1月份最大,7月份最小;PM2.5和PM10日均质量浓度显著相关,相关系数达0.76,在2013年中,PM2.5占PM10质量载荷的36%.PM10和PM2.5在7—9月质量浓度低,空气质量分指数等级最好,达标率均为100%,在1月空气质量分指数等级最差.PM10和PM2.5分指数等级具有明显的季节特征,夏季空气质量分指数等级最好,冬季最差,PM10分指数等级秋季好于春季,PM2.5分指数等级春季好于秋季.     

宁夏宁东能源化工基地环境空气质量污染水平分析

利用宁夏宁东能源化工基地4个环境空气质量自动监测站点2015—2017年监测数据资料,研究了该基地近3 a空气质量状况,并分析相关影响因素。结果表明,2015—2017年,影响宁东能源化工基地空气质量的污染物按污染负荷由大到小排列依次为PM_(10)、PM_(2.5)、O_3、NO_2、SO_2、CO,且以PM_(10)为首要污染物,PM_(10)、PM_(2.5)和O_3三者的污染负荷系数之和接近70%;除O_3外,其他5项污染物月均质量浓度变化较为一致,冬、春季节污染较重,夏、秋季污染轻;该基地环境空气质量综合指数连续3 a变化不大,表明仍需对其加大环境管理力度,持续改善其环境质量。     

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.     

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<...     

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。     

二维AlC纳米片吸附有毒气体的第一性原理研究

基于密度泛函理论研究有毒气体（SO₂、NO₂、NO、CO、H₂S、NH₃和HCN）在二维碳化铝（AlC）纳米片上的吸附性能,并进一步计算各种吸附体系的电子性质以及功函数. 计算结果表明:吸附气体后AlC单层并未改变其金属性,吸附能的变化区间为[?3.11,?0.09] eV,除CO和HCN外,其他气体均可以通过化学吸附被稳定地吸附在AlC单层上;电荷分析表明,被吸附后,NO₂、NO和SO₂分别从AlC单层上得到0.473|e|,0.317|e|和0.249|e|;电荷密度差分图也进一步说明AlC单层与NO₂、NO和SO₂这3种有毒气体间存在较强的相互作用,并且SO₂、NO₂和NO在吸附后,体系的功函数明显增加. 基于AlC单层吸附有毒气体后能量、电子性质和功函数的响应,AlC单层有望成为SO₂、NO₂和NO等有毒气体的检测材料或传感材料.     

亚硫酸镁对NO2的液相吸收及产物离子分布

以亚硫酸镁模拟氧化镁湿法脱硫浆液对NO₂进行吸收,考察不同操作条件下的NO₂吸收效率及吸收液中主要离子的分布情况. 结果表明,O₂对吸收过程的影响很大,NO₂主要通过与SO₃^2?之间发生的链式反应在液相中产生SO₄^2?和NO₂^?,O₂会与NO₂发生竞争作用,极大地消耗了SO₃^2?,导致脱硝效率迅速下降. 抗氧化剂邻苯二酚的添加可以抑制SO₃^2?的氧化,且添加的浓度越高,抑制效果越好. 溶液的pH值主要通过影响S（IV）的存在形态来影响吸收反应,当pH值较低时,吸收反应的速率降低,且在酸性条件下,NO₂^?易发生歧化反应转化为NO₃^?. NO₂^?的累积将会在一定程度上降低NO₂的吸收,其他阴离子NO₃^?、SO₄^2?及Cl^?对NO₂的吸收无明显影响. 金属阳离子例如Mn²⁺及Co²⁺会加速SO₃^2?的氧化,在一定程度上影响NO₂的吸收.     

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。