气温与PM2.5协同作用对疾病急诊就诊人数的影响

为评价气温和PM_(2.5)协同作用对不同种类疾病急诊就诊人数的影响,采用广义相加模型(GAMs)中的不分层模型、非参数二元响应模型和温度分层模型,在控制了时间序列长期趋势、"星期几效应"、节假日效应和相对湿度等因素的影响后,分析2009~2011年北京市PM_(2.5)在不同气温条件下对相关疾病急诊就诊人数影响的暴露-反应关系.结果表明,随着选取的气温分层临界值升高,PM_(2.5)在高温条件下的效应逐渐增强,当临界值为28℃时,高温条件下的效应最显著,此时PM_(2.5)浓度每升高10μg/m^3,全急诊人数、呼吸系统和循环系统疾病急诊就诊人数的超额增加百分比分别为0.15%(95%CI:0.11%,0.19%),0.35%(95%CI:0.26%,0.44%)和0.34%(95%CI:0.09%,0.59%),而<28℃的条件下无统计学意义,表明高温与PM_(2.5)对人群健康的影响存在协同加强效应.

沈阳大气污染物与气象因素对呼吸疾病门诊数的影响

利用时间序列的半参数广义相加模型,分析沈阳市2015年12月~2016年12月整个观测期间和污染期间大气污染物与气象因素及其交互作用对呼吸系统疾病门诊就诊人数的影响.结果表明:无论是全人群、不同性别、还是不同年龄人群中,HONO对门诊人数的影响均非常显著.最佳滞后时间下,PM10、PM2.5、SO2、NO2、HONO和NH3的浓度每增加10μg/m^3或1个IQR,对应的呼吸系统疾病日门诊人数增加百分比(ER)分别为1.29%(1.18%~1.4%),1.31%(1.2%~1.43%),3.28%(3.07%~3.50%),5.26%(4.91%~5.61%),12.89%(4.45%~22.01%)和11.09%(9.84%~12.36%).HONO、NH3和PM2.5对女性的影响远比对男性的影响大,污染日当日对门诊量的影响最大;PM2.5对≥65岁的老人影响大;NH3、HONO和SO2对15~65岁人群影响大.污染天气条件下HONO和NO2对门诊人数影响最高,均为污染日当日对门诊量的影响最大.沙尘天气Ca2+等土壤性离子影响最大.多污染物模型中,不同污染物对呼吸疾病的影响具有协同作用或拮抗作用.气温对各呼吸疾病的影响最强,低温和高污染物浓度对呼吸系统疾病门诊人数的影响有交互作用.

京津冀地区冬半年空气污染天气分型研究

利用ERA-Interim再分析资料,采用PCT方法,对2013~2015年冬半年京津冀地区海平面气压场进行了客观分型;利用同期空气污染资料和常规气象观测资料,分析了不同天气类型下京津冀地区空气污染和气象要素特征,并选取典型重污染月份,分析了京津冀地区重污染天气过程特征及形成原因.结果表明,京津冀地区天气形势可分为9种类型,包括高压前部和高压南部等不易污染天气类型,以及高压场、高压后部、鞍型场和冷锋前部等污染天气类型;污染天气类型多表现为高湿小风,稳定能量大,最大混合层厚度低,不利于污染物扩散,各城市AQI均值多在150以上;2014年2月两次重污染过程均发生在连续多日维持高压场等污染天气型的情况下;污染过程期间高压系统演变引起北部偏北风增大,抑制了北部城市空气污染持续加重的趋势,而偏南风输送使得北部城市污染物浓度迅速升高.

沈阳市PM_(2.5)离子成分对呼吸疾病门诊数影响研究

采用时间序列的半参数广义相加模型,在控制了长期趋势、"星期几效应"和气象因素等混杂因素的基础上,分析沈阳市大气污染物及PM_(2.5)中水溶性离子对呼吸系统疾病门诊就诊人数的影响,并按性别和年龄分层建模.结果表明:PM_(2.5)及其各离子成分与呼吸系统疾病门诊人数之间存在关联,并有明显的滞后效应.受冬季供暖燃煤排放影响,PM_(2.5)、NO_3^-和NH_4^+呈显著关联,在滞后累积2d后风险最大.最佳滞后时间下,PM_(2.5)的浓度每增加10μg/m^3,对应呼吸系统疾病日门诊就诊人数增加百分比(ER)为1.31%(95%CI:1.2%～1.43%);离子成分SO_4^(2-)、NO_3^-、NH_4^+、Cl^-、K^+、Mg^(2+)、Ca^(2+)和Na^+的浓度每增加1个4分位间距(IQR),对应的呼吸系统疾病日门诊就诊人数增加百分比(ER)分别为3.22%(95%CI:2.81%～3.62%)、4.67%(95%CI:4.13%～5.22%)、5.41%(95%CI:4.49%～6.33%)、 7.38%(95%CI:3.91%～10.96%)、 0.14%(95%CI:-6.34%～7.07%)、 7.64%(95%CI:-11.87%～31.47%)、 3.57%(95%CI:-2.83%～10.39%)和0.46%(95%CI:-16.64%～21.06%).PM_(2.5)、Cl^-、Mg^(2+)、Ca^(2+)和Na^+对女性呼吸疾病门诊人数的影响比对男性的影响大.PM_(2.5)、SO_4^(2-)、Cl^-、Ca^(2+)和Na^+对≥65岁的老人门诊人数的影响比对15～65岁劳动年龄人群的影响大.表明不同性别、不同年龄由于生理结构和环境因素的不同而引起的差异不同.

基于BP神经网络的河北中南部空气质量预报研究

详细阐述了基于相关性较好的初始样本的BP神经网络空气质量预报模型的建立过程。以石家庄和邢台为例,将相邻两日污染物浓度差值作为预报量,利用前一日污染物浓度和当日气象要素日均值为预报因子,两者结合起来进行空气质量预报,并以冬季空气质量模型为例,对空气质量等级预报准确率进行检验。结果表明,石家庄和邢台SO2和O3的等级预报准确率为90%以上,PM2.5、PM10的等级预报准确率均为80%以上,首要污染物预报准确率均为80%以上。总体上,石家庄的空气质量等级预报准确率好于邢台。

不同地区温度变化对缺血性心脑血管疾病影响的比较研究

本文综合探究了日平均气温、24h变温和气温日较差变化对缺血性心脑血管疾病发病人数的影响,采用分布滞后非线性模型(DLNM)与广义相加模型(GAM),分别探析了2015—2016年安徽省阜南县和贵州省锦屏县日平均气温、24h变温和气温日较差与缺血性心脑血管住院病人数的暴露—反应关系。结果表明:气温日较差大于15℃缺血性心脑血管疾病相对风险剧烈升高,并呈现明显的即时效应,且其相对风险随滞后日增加和气温日较差增加达到叠加效应的峰值。当24h内气温下降7℃以上,缺血性心脑血管疾病相对风险开始明显上升,下降10℃以上呈现显著的即时效应。统计分析发现,两县在春季达到上述阈值概率最高,因此缺血性心脑血管疾病住院人数也在春季达到峰值,特别是雨水至清明节气时段为两县住院人数共同最高峰时段;值得注意的是,地处西部的锦屏县夏季缺血性心脑血管疾病发病人数也较多。此外,降温过程与节气转换也是导致两县缺血性心脑血管疾病住院人数阶段性增多的主要天气与气候因素。

近半个世纪以来青藏高原东北部气候变化的时空特征分析

利用1957-2009年青藏高原东北部0.25°高分辨率气候数据集对30°~40°N,90°~105°E范围内近53 a的最高气温、最低气温、降水量和平均风速进行了不同时空尺度的变化特征分析.结果表明,青藏高原东北部最高、最低气温和降水量均随时间波动式增加,增温率分别为0.27和0.42℃/10a,其中冬季增温最显著,最高、最低气温增温率分别达到0.37和0.54℃/10 a,总体上呈暖湿化趋势;平均风速总体呈显著减小趋势.空间分析表明,研究区高海拔、沙漠下垫面的柴达木盆地是高原东北部升温最显著的区域,其最高、最低气温增温率分别达到0.41和0.66℃/10 a;低海拔植被茂盛的四川盆地为高原东北部升温较小区域(最高、最低气温增温率分别仅为0.13和0.27℃/10 a).研究区降水量少的北坡升温显著,最高、最低气温增温率分别为0.28和0.49℃/10 a,而降水量多、植被状况好的研究区东坡升温率较小(最高、最低气温增温率分别仅为0.18和0.32℃/10 a),由此表明高原东北部干旱区与湿润区相比,其增温更显著,对全球气候变暖的响应更敏感.结合Mann-Kendall和Yamamoto气候突变检验发现,青藏高原东北部最高气温在1997年前后发生增温幅度变大的突变现象,而最低气温没有突变现象;降水量则呈波动式增加趋势,无明显突变现象;与最高气温突变相呼应,平均风速在1996年前后也发生突变,之后风速呈显著性减小趋势.

基于XGBoost的铝合金LIBS光谱分类识别方法

铝合金作为重要的金属材料,广泛应用于各领域,但大量的铝合金废料却难以进行分类回收。二次资源的回收利用是我国工业绿色、可持续发展的助推器,如何快速、简便地对铝合金废料进行识别分类则成为了铝合金废料回收利用的先决条件。激光诱导击穿光谱(LIBS)是近年来发展快速的一种分析技术,具有快速、全元素分析、实时、原位、远距离检测等优点,已广泛应用于塑料、土壤、肉类、钢铁等识别研究,大多采用最小二乘判别分析法、簇类独立软模式、人工神经网络、支持向量机、随机森林等算法来建立模型。基于迭代型树的XGBoost算法具有正则化、并行处理运算、内置交叉验证和高度的算法灵活性等优势,其模型结构相对简单、运算量较小,且准确率较高,成为近年来机器学习中极受欢迎的算法,因而被广泛应用。基于六种铝合金样品的600组光谱数据,根据NIST原子发射光谱数据库进行光谱特征提取,确定光谱特征谱线的分类依据。利用XGBoost算法进行自动分类及排序,将处理后的光谱数据随机划分为训练集和测试集,通过训练集构建算法模型,提取其分类特征;利用测试集检验模型的稳定性和可用性,防止出现过拟合。XGBoost在固定参数下得到的模型具有一定的自适应性,较少受数据集的影响,总体准确率可达96.67%。其分类特征与已知的元素含量信息相吻合,证明了基于光谱的特征谱线数据,可为分类识别提供参考;同时还可根据XGBoost生成的特征评分来对光谱谱线特征的重要性进行排序。实验结果表明,LIBS可用于不同种类铝合金的快速识别,为废弃金属的分类回收提供了一种新的技术。

成都市气温与PM_(2.5)和O_(3)交互作用对疾病死亡人数的影响研究

利用成都市2014~2016年逐日呼吸系统疾病和心脑血管疾病死亡资料、同期气象资料和PM_(2.5)日均浓度和每日臭氧最大8h平均浓度(O_(3))资料,采用分布滞后模型以及广义相加模型中的独立效应模型、非参数二元响应模型和温度分层模型探究了成都市气温、PM_(2.5)和O_(3)单效应,以及气温与PM_(2.5)(或O_(3))交互作用对当地呼吸和心脑血管疾病死亡人数的影响.单效应分析结果表明,气温与两种疾病死亡人数的累计暴露-反应关系均呈反"J"型分布,最适温度在22.2℃,该温度对应的疾病死亡人数最少;累积滞后1d的PM_(2.5)(或O_(3))对应的健康风险最大,此时,PM_(2.5)和O_(3)浓度每升高10μg/m^(3),呼吸系统疾病死亡风险分别增加0.58%和0.54%,心脑血管疾病死亡风险分别增加0.35%和0.66%.分季节研究结果表明,PM_(2.5)对两种疾病死亡影响的健康风险冬季最高,而O_(3)的健康风险在秋季最显著.交互作用的研究结果表明,高温与高浓度的PM_(2.5)(或O_(3))对疾病死亡的影响存在协同放大效应,当气温高于22.2℃时,PM_(2.5)和O_(3)浓度每升高10μg/m^(3),对应的呼吸系统疾病死亡风险分别增加2.30%和1.14%,心脑血管疾病死亡风险分别增加1.09%和1.03%.研究结果提示O_(3)对人群健康的影响也不容忽视,应该引起足够的重视.

北京市气温与黑碳和PM2.5对疾病死亡影响的交互效应

通过收集北京市2010~2016年逐日呼吸和心脑血管疾病死亡数据、污染物(BC、PM2.5、SO2、O3和NO2)日均浓度资料以及同期的气象资料,采用广义相加模型(GAMs)中的主效应模型、非参数二元响应模型和温度分层模型探讨了北京市气温、PM2.5和BC单效应,以及气温与PM2.5和BC交互作用分别对呼吸和心脑血管疾病死亡人数的影响.单效应分析结果表明,气温与两种疾病死亡人数的累计暴露-反应关系均呈"J"型分布特征,最适温度为24℃;累计滞后一天情况下PM2.5和BC的健康效应均最显著,此时PM2.5和BC浓度每升高四分位间距(IQR),呼吸系统疾病死亡人数超额增加百分比(ER)分别为2.21%和1.80%,心脑血管疾病死亡人数ER分别为2.02%和1.48%.交互作用的研究结果表明,高温与高浓度的PM2.5(或BC)对疾病死亡的影响存在协同效应,且高温条件下BC对疾病死亡影响的健康风险大于PM2.5,当气温大于24℃时,BC和PM2.5浓度每升高IQR对应的呼吸系统疾病死亡人数ER分别为6.22%和6.17%,心脑血管疾病死亡人数ER分别为5.01%和3.97%.虽然BC只占PM2.5的一部分,但BC对人群健康的影响不容忽视,应该引起足够的重视.

成都市及周边地区严重臭氧污染过程成因分析

结合天气形势,地面观测资料和WRF-CMAQ模式,分析了2017年7月8~15日成都市一次罕见持续O3污染过程的特征及成因,量化了各个物理化学过程对此次污染过程的相对贡献,并通过敏感性实验分析了四川盆地内O3及其前体物的区域传输和本地光化学反应对此次污染过程的影响.结果表明,此次O3持续污染过程主要是因为四川盆地内盛行偏东风,导致盆地东部城市群的O3及其前体物经区域输送到成都及周边地区,加之成都市出现小风、气温升高等气象条件进而形成,属于典型的传输性爆发污染.持续污染形成的主要物理化学机制体现为日间气相化学过程贡献为稳定的正值,加之输送过程贡献出现爆发式升高,进而导致近地面O3小时净增量迅速上升且高达50μg/(m^3·h),随之O3浓度迅速响应,产生爆发式增长.此外,敏感性实验结果显示此次成都市O3持续污染的形成受区域输送影响较受本地光化学反应影响更为明显.O3污染爆发前上游地区高浓度O3及其前体物沿流场输送并在成都及周边地区不断积累,导致日间O3浓度不断升高.

四川盆地大气氨与氮氧化物排放对细颗粒物污染的影响及减排潜力

基于IASI、OMI与TROPOMI卫星数据识别了2008~2019年四川盆地氨与氮氧化物柱浓度的变化趋势,并进一步采用空气质量模型CMAQ对2019年冬季四川盆地氨排放的大气环境影响进行了研究,评估了氨与氮氧化物单独减排及氨与氮氧化物协同减排情景下对四川盆地颗粒物污染的影响.结果表明:2008~2012年四川盆地氮氧化物排放逐年升高随后在2013~2019年迅速下降,而氨柱浓度在2008~2013年期间较为稳定,自2014年起迅速增长.四川盆地氨排放的高值区主要集中在人为活动强烈的成都及周边地区和川南城市群以及农业源氨排放主导的川西北地区.铵根离子在川南城市群的PM_(2.5)当中占比高达11.4%,而对川西地区城市的PM_(2.5)贡献较低.敏感性实验结果表明,氨与氮氧化物协同减排50%能有效降低大气中硝酸铵与硫酸铵的浓度,从而减少细颗粒物污染,改善四川盆地区域环境空气质量.

基于地基观测订正的MODIS AOD反演四川盆地PM2.5时空分布特征

依据AOD与PM2.5质量浓度的关系,利用TERRA卫星的MODIS AOD资料、中国区域气溶胶特性综合联网观测与研究计划和中国地区太阳分光观测网的地基数据,研究了四川盆地MODIS AOD精度及2017年研究区域17个市县级站点PM2.5质量浓度的反演问题.结果表明,重庆、盐亭、贡嘎山站点地基观测AOD与MODIS AOD的线性相关系数分别为0.64、0.86、0.87,满足美国国家航空航天局精度要求,且与PM2.5质量浓度呈较高的线性相关,由此构建了四川盆地订正后的AOD与PM2.5质量浓度的拟合方程,反演了2017年四川盆地分辨率达到县级城市的PM2.5质量浓度空间分布,年均质量浓度为38.7μg/m3,呈现盆地中部高、四周低的空间分布格局,与仅用地市级分辨率的实际PM2.5质量浓度监测数据研究得到的四川盆地2017年平均PM2.5质量浓度50.8μg/m3相比,发现仅用地市级站点的实际PM2.5质量浓度监测数据反映四川盆地区域污染状况会造成明显高估现象.

SC-ICP-MS法测定金属元素的方法研究

为了使用单细胞电感耦合等离子体质谱(SC-ICP-MS)方法准确测定单个细胞中的铬(Cr)、锰(Mn)、铁(Fe)、铜(Cu)和锌(Zn)等多种内源性金属元素,该文基于动态反应池(DRC)模式对目标分析物的反应气流量和极杆抑制参数q(RPq)进行了优化,并研究了进样速度、细胞密度、驻留时间等因素对SC-ICP-MS检测的影响。分别采用细胞悬液直接进样、使用超声波探头使细胞悬液中的细胞破碎后进样和使用浓硝酸消解细胞后进样的ICP-MS测定结果对SC-ICP-MS定量结果的准确性进行验证分析。实验结果表明,可采用超声波破碎细胞的ICP-MS测定结果评估SC-ICP-MS测定的单细胞内Zn和Cu含量的准确性,采用酸消解细胞的ICP-MS检测结果验证单细胞内Fe和Cr的含量。缺少细胞标准物质时对SC-ICP-MS方法定量结果进行多角度验证是必要的。研究表明,使用SC-ICP-MS法可以较好地进行单细胞元素相关分析。

黑碳对呼吸系统发病急性影响及气温修正效应研究

为研究黑碳(BC)对呼吸系统急性发病的影响及气温的修正效应,收集北京市2009~2012年264075例呼吸系统急诊病例与同期空气污染物(BC、PM_(2.5)、SO_(2)、NO_(2))及气象数据,在划分呼吸道感染部位(上、下呼吸道)与人群年龄的基础上,采用分布-滞后非线性模型与广义相加模型进行建模.首先分别研究BC、气温与发病的(滞后)关联,继而构造二元交互模型探索气温-BC的协同关系,再分层量化BC在不同气温水平的健康影响;并同时纳入气态污染物验证BC结果的稳健性.结果表明,对总呼吸系统、上感、下感而言,气温-发病风险的暴露-响应曲线均近似“V”型,阈值温度分别为24℃、26℃和24℃,且低温的滞后累积影响强于高温.主效应模型揭示BC诱发即时性风险,影响在3d内消失;BC浓度每升高四分位数(IQR),总呼吸系统、上感、下感的超额发病风险(ER)分别为1.97%、2.64%和1.34%.少儿(≤14岁)超额发病风险最高(总呼吸系统,3.40%),而老年组(≥60岁)结果不甚显著.双污染物模型显示,BC与SO_(2)共存会放大BC关联风险,尤以上感响应明显;而BC与NO_(2)共存会适度增强下感风险.BC-气温的非参数二元模型显示,BC升高使发病风险类似对数函数上升,且高温会显著增强BC的健康影响.分层模型得到,每IQR BC在气温高于阈值时导致的下感风险显著高于上感,分别为5.55%、1.27%(P>0.05);而低于阈值时BC所致上、下感风险相当,均在0.55%左右.BC对呼吸系统发病的急性影响与感染部位和气温水平紧密相关,不同年龄段间也体现差异化特征.

环境条件对遵义市呼吸系统疾病的影响及预测研究

为探究气象和空气污染等环境条件对呼吸系统疾病发病的影响,为遵义地区相关疾病预防提供科学依据,采用分布滞后非线性模型和广义线性、相加模型,利用当地气象和污染资料,分析了2012～2016年遵义市气象环境要素对呼吸系统疾病发病的影响.结果显示,遵义市呼吸系统疾病发病状况与当地长期气候状态基本保持一致,气候效应对其的影响占主导作用,其中,冬季为呼吸系统疾病高发期,立秋至处暑前后其发病人数最少,表明此时间段内当地气候条件对呼吸系统疾病患者有气候疗养效应.气温对呼吸系统疾病发病的影响以低温滞后效应为主,在其敏感阈值附近气温每变化1℃,发病人数将累积增加31.6%(95%CI:4.4%～65.8%);气压以高压滞后效应为主,相对湿度则在低湿部分同时有即时和滞后效应.舒适度对呼吸系统疾病的影响,在冷、热斜胁迫下其发病人数明显多于舒适状况时. PM_(2.5)、SO_2和NO_2三种污染物的影响都以即时效应为主,而CO则在累积滞后lag04时相对危险度最高,PM_(2.5)与呼吸系统疾病发病人数的暴露-反应曲线呈单调线性分布,SO_2、NO_2和CO均为"J"型分布.低温与高浓度NO_2或者低湿与高浓度SO_2的协同作用对呼吸系统疾病的影响较大.建立的全年和季节多元逐步回归方程的试预报准确率在75%以上(夏季除外),其中分季节建模预测效果显著优于全年预测效果.

四川盆地多层逆温特征及其对大气污染的影响

利用2015~2018年探空观测资料以及国家生态环境部发布的环境空气质量监测数据,对四川盆地多层逆温这一特殊的､尚未见详细报道的逆温结构进行了研究,并评估不同逆温类型及垂直结构对大气污染的影响.结果表明:四川盆地多层逆温实际上是一种并不少见的现象,年平均出现频率为20.1%.冬季最为频发,成都冬季高达51.6%.以边界层逆温叠加对流层低层逆温(LTI)的配置为主要特征.依据其垂直结构,划分为四种配置类型,即贴地逆温(SI)叠加脱地逆温(EI)､SI+LTI､EI+LTI､SI+EI+LTI,分别对应第Ⅰ､Ⅱ､Ⅲ､Ⅳ类多层逆温.其中以第Ⅱ､Ⅲ类多层逆温为主.逆温的叠加作用对大气污染的影响更大,多层逆温(特别是第Ⅱ､Ⅳ类多层逆温)尤其加大了中度及重度污染出现的可能性.第Ⅰ､Ⅳ类多层逆温对污染物扩散的抑制作用最为明显,其次是第Ⅱ类多层逆温和仅SI(即只出现SI).第Ⅱ类多层逆温在污染最重的冬季出现频率高､强且厚,叠加抑制作用明显,应是重点关注对象.

四川盆地城市群6种大气污染物的时空分布

利用四川盆地18个城市2015-2016年6种大气污染物质量浓度资料,采用了集中期、集中度和变异系数等统计学方法,对该地区大气污染的时空分布特征进行了分析,将四川盆地划分为3个区进行对比研究.结果表明,四川盆地18个城市中,大气污染最严重的是自贡市,年均空气质量指数为100,污染天数占总天数的37.6%;污染最轻的是广元市,年均空气质量指数为57,污染天数占总天数的4.5%.四川盆地3个区域按照污染物质量浓度高低以及出现污染天数的长短排序均为:川南经济区>成都平原经济区>川东北经济区.研究时间段内,18个城市PM2.5年均质量浓度达标的只有广元市;PM10年均质量浓度达标的只有广元市和巴中市;SO2年均质量浓度18个城市均达标;NO2年均质量浓度除成都市和重庆市外,其他16个城市均达标;所有城市的CO和O3日质量浓度均达标.近36年来,颗粒物和SO2质量浓度呈现不同程度降低,表明国家对大气污染物排放的管控措施对颗粒物和SO2污染改善明显.污染物PM2.5、PM10、CO、NO2和SO2质量浓度的季节变化为冬季高,夏季低;O3质量浓度季节变化则为冬季低,夏季高.PM2.5、PM10和O3质量浓度高的时段相对于SO2、NO2和CO来说更为集中,PM2.5、PM10、SO2、NO2和CO高质量浓度时段主要集中在1月左右,O3高质量浓度时段主要集中在6月左右.不同城市间SO2和NO2质量浓度差异明显,其他污染物质量浓度分布则较为均匀.

天气形势对四川盆地区域性臭氧污染的影响

本研究结合地面观测资料,ERA5再分析数据和PCT客观分型法,分析了2014~2019年四川盆地区域性O_(3)污染特征以及天气形势与O_(3)污染的关系.结果表明,2014~2019年四川盆地O_(3)区域污染发生频数呈单峰型分布,于2016年达到峰值,且发生区域主要集中在成都平原城市群.在6种典型天气类型中,类型1、2、6为污染型,其海平面气压呈西高东低,四川盆地受低压系统控制.类型3、4为清洁型,其中类型3呈北高南低,且在四川盆地东部存在1个低值中心;类型4呈东高西低,在青藏高原区域有一些小范围的高压中心.在污染型天气形势下,四川盆地的气象条件为温度高、云量低、地面接收到的紫外辐射强、相对湿度低,加速了O_(3)的生成,再叠加类型1的静风条件不利于污染物扩散;类型2、6盛行的东南气流对O_(3)及其前体物的输送,造成污染型天气类型发生区域性O_(3)污染比例明显高于其他几种类型.此外,基于环流分型的预测结果表明环流形势对四川盆地各城市群区域O_(3)污染影响可以达到其年变化的2倍以上,对整个四川盆地O_(3)浓度变化的贡献率为34.8%~66.3%.

成都市PM_(2.5)浓度变化的影响因素交互作用研究

为探究大气环境中污染物与气象要素交互作用对PM_(2.5)浓度变化的影响特征,利用成都市2014~2020年逐日大气污染物资料以及同期的气象资料,采用广义相加模型(GAMs)分析不同影响因素对当地PM_(2.5)浓度变化的影响效应.结果表明,单影响因素GAMs模型中,无论全年还是冬季,PM_(2.5)浓度与平均气温(T)、相对湿度(RH)、平均风速(Wind)、降水量(Prec)、O_(3)、NO_(2)、SO_(2)和CO间均呈非线性关系,其中CO、NO_(2)、SO_(2)、T和Wind对PM_(2.5)浓度影响较大,与全年不同的是,冬季T和O_(3)对PM_(2.5)浓度变化的影响效应较全年明显减弱.多影响因素的GAMs模型中,T、Wind、RH、CO、NO_(2)、SO_(2)和O_(3)这7个解释变量对PM_(2.5)浓度变化的影响均较显著,构建的全年多影响因素GAMs模型调整后的R^(2)=0.759,方差解释率为76.42%,冬季R^(2)=0.708,方差解释率为72.2%,无论是全年还是冬季,CO都是PM_(2.5)浓度变化的主导影响因素.GAMs交互效应模型发现,全年弱低温(7℃左右)+高相对湿度+高浓度CO+高浓度NO_(2)+高浓度SO_(2)协同作用条件下有利于PM_(2.5)浓度的生成;冬季低Wind+高RH+高浓度CO+高浓度NO_(2)+高浓度SO_(2)共存条件下有利于PM_(2.5)的生成,即该条件对PM_(2.5)浓度的生成有协同放大效应.运用GAMs模型能够对PM_(2.5)污染的主导影响因素进行识别,并定量化分析影响因素单效应及其交互作用对PM_(2.5)浓度变化的影响特征,对PM_(2.5)浓度污染防控研究具有重要指示意义.