赣州市PM2.5质量浓度时空变化特征分析

生态文明建设是中国特色社会主义事业的重要内容,但在城市化进程中人们对经济发展的重视超过了对环境的保护,导致环境污染越来越严重。而大气污染作为环境污染的直观表现,受到了人们的广泛关注。PM_(2.5)作为大气污染源之一,在大气中的含量很少,但它却对人类健康和大气环境造成了极其严重的危害。因此,深入探究PM_(2.5)的时空分布,将会为降低人类暴露强度和健康风险及制订有效的污染防治措施提供重要依据,具有极其重要的意义。

基于多源数据的像元尺度东北三省夜间PM_(2.5)估算

气候变化与森林植被影响着PM_(2.5)质量浓度的分布,而PM_(2.5)作为空气的重要污染物也可直接或间接影响森林植被生长。目前,基于光学气溶胶厚度(AOD)反演日间PM2.5的技术已经较为成熟,夜间PM_(2.5)作为日间PM_(2.5)的补充,对于PM_(2.5)的全天监测具有重要意义。基于辐射传输理论,以夜间灯光亮度、增强型植被指数和7个气象因素(2 m露点温度、2 m温度、U风速分量、V风速分量、大气表面压力、蒸发量、降雨量)作为输入变量,夜间PM_(2.5)质量浓度作为响应变量,建立机器学习估算模型,以期为东北三省夜间PM_(2.5)质量浓度监测提供参考。结果表明,基于集成树构建的模型具有较高的估算精度,其拟合优度(R2)为0.68,平均绝对误差(MAE)为7.05μg/m^(3),均方根误差(RMSE)为11.62μg/m^(3)。此外,通过分析东北三省各监测站PM_(2.5)估算值与真实值的误差,发现模型具有一定的时空敏感性。通过及时准确地掌控夜间PM_(2.5)质量浓度的分布状况,可以为森林植被保护工作的开展提供参考。

北京秋冬季近地层PM_(2.5)质量浓度垂直分布特征

选取秋冬两季各14d对北京地区近地层ρ(PM2 5)垂直分布进行监测,获得ρ(PM2.5)垂直廓线;结合同步测得的气象数据,就气象因素对垂直分布的影响进行了分析;最终拟合了ρ(PM2.5)垂直廓线方程。研究表明:秋冬两季ρ(PM2 5)的垂直分布随高度增加而呈对数递减的规律;风速随高度的变化遵循对数规律;发生逆温时,大气层结稳定,垂直方向上的湍流受到抑制,风速与PM2 5逐时质量浓度在垂直方向的分布呈较好的线性关系,ρ(PM2 5)随高度改变呈显著的对数相关关系;而在非逆温的情况下,PM2 5逐时质量浓度垂直分布与风速线性相关的概率较小,质量浓度的垂直分布与高度的对数关系不显著。

2007-2014年北京地区PM2.5质量浓度变化特征

为更好地解析北京地区ρ(PM_(2.5))的长期变化特征及气流轨迹聚类分析结果,对2007年8月—2014年7月在中国环境科学研究院实测的ρ(PM_(2.5))数据进行了统计分析,分析其年际、季节和月际变化特征;通过计算PM_(2.5)的AQI分指数,分析了污染等级的时间变化特征;结合后向气流轨迹,对ρ(PM_(2.5))年际、季节变化与气团来源的关系进行了分析.结果表明:北京地区2008—2013年ρ(PM_(2.5))年均值分别为111.5、95.8、94.8、80.5、75.2、81.3μg/m^3,整体呈逐年下降趋势,但污染水平依然较高;ρ(PM_(2.5))由高到低的季节次序为秋季、冬季、春季、夏季,平均值分别为111.6、94.8、77.2、70.5μg/m3,PM_(2.5)重污染时段主要出现在秋冬季节,并且冬季ρ(PM_(2.5))近年来逐渐呈上升趋势;ρ(PM_(2.5))月均值呈单峰型变化,11月最高(为125.3μg/m3),7月最低(为76.4μg/m^3);轨迹聚类分析发现,途经山西省北部和河北省南部的气流轨迹中ρ(PM_(2.5))较高,而来自北方及西北方向的气团相对较清洁,ρ(PM_(2.5))较低.北京地区近些年实施的大气污染减排措施对于控制PM_(2.5)污染取得了一定效果,但针对秋冬季节重污染过程的控制力度仍需要加强,同时也要注意区域污染传输对北京地区ρ(PM_(2.5))的影响.

沈阳地区PM_(10)、PM_(2.5)和PM_1质量浓度的分析

分析了其时间分布特征。结果表明,沈阳地区的气溶胶分布具有明显的季节差异,气溶胶的质量浓度冬季最高,秋季最低,其中冬季、春季和夏季均超标。PM2.5和PM1分别在PM10中所占的比值均为冬季最高,夏季和秋季次之,春季由于受到沙尘的影响,其比值最低。在各个不同的季节,气溶胶粒子的粒级分布具有相似之处,主要集中在6～8级(<1.1μm)、1级(5.8～9.0μm)、0级(9～10μm)和5级(1.1～2.1μm);春季出现沙尘时粗粒子明显增多,气溶胶粒子的粒级主要集中在0级(9～10μm)、1级和3级(3.3～4.7μm);冬季重污染天气下细粒子浓度高,峰值出现在1级、7级和5级(1.1～2.1μm)。

天津城区秋季PM2.5质量浓度垂直分布特征研究

为研究天津大气颗粒物的污染水平和时空分布特征,利用天津大气边界层观测铁塔(255m),分别在40m、120m、220m处设立监测点,通过监测到的PM2.5的质量浓度,结合PM10、能见度等资料来分析污染物的时空分布规律和分布特征。结果表明,天津城区PM2.5污染水平相当严重,日均质量浓度远高于美国1997年制定的65μg.m-3的排放标准。混合层厚度和稳定度的变化对PM2.5浓度变化有一定的影响,随混合层厚度的变化,不同高度PM2.5质量浓度值有所不同。23时至11时,120m浓度明显高于其它各层,11—18时,由于大气扩散能力的增强,三层污染物质量浓度开始下降,而到了18—23时,低层污染物浓度较高,各层浓度总体趋势为120m>40m>220m。PM2.5质量浓度的日变化与稳定度的变化较一致。气象条件和早晚出行高峰期的影响导致PM2.5的质量浓度出现峰值。PM10与PM2.5的总体变化趋势基本一致,说明污染物来源基本相同。能见度水平和细粒子污染水平呈现较好的负相关,细粒子质量浓度的高低是决定能见度好坏的主要因子。降水过程是颗粒物从大气中清除的重要机制。

广州市夏、冬季室内外PM_(2.5)质量浓度的特征

2004年7月2日至8月13日和2004年11月29日至2005年1月6日分别在广州市3种类型区域(一般城市区域、道路旁、工业源附近)9个居民住宅的室内和室外同步采集了PM2.5颗粒。采用标准称重法测定PM2.5质量浓度,得到广州市夏季住宅室内外PM2.5平均质量浓度分别为67.7、74.5μg/m3,冬季室内外PM2.5平均质量浓度分别为109.9、123.7μg/m3。广州市PM2.5平均质量浓度,与美国PM2.5标准相比,与国内PM10标准基础上假设的PM2.5限值相比,与其他一些国内、亚洲和欧美城市的文献记录相比,结果均显示广州市PM2.5处于相当严重污染状态。广州市PM2.5质量浓度呈现明显的空间分布特征和季节变化特征;PM2.5室内质量浓度并不总是低于室外质量浓度,反映了室内空气污染的存在。

北京市城区单监测点PM_(2.5)质量浓度变化特征

2009年在北京师范大学科技园内对PM2s质量浓度的连续监测结果表明，PM22.5质量浓度的年均值为55．2μg·m^-3日均值在1．2-325．9μg·m^-3之间变化，且频数分布呈现出明显的倾斜：大量的质量浓度值位于30-70μg·m^3之间；季节变化特征为冬季PM2.5污染水平明显高于其他季节；不同季节的日变化模式存在显著差异：整体上是冬季夜间质量浓度高于白天，夏季白天质量浓度高于夜晚，同时在各个季节下午16：00以后质量浓度都存在回升现象．

武汉市观象台2013-2016年PM_(2.5)质量浓度变化及其与气象因子的相关分析

基于2013-2016年武汉市观象台PM_(2.5)质量浓度和地面气象要素资料,分析了该地区多年来PM_(2.5)质量浓度变化特征及其与气象因子的相关关系。结果表明:武汉市观象台PM_(2.5)质量浓度年际变化呈持续下降的趋势,但PM_(2.5)和PM_(10)质量浓度的比值持续升高,主要集中在[0.7,1.0)。空气质量污染日数自2013年起逐年减小,优良日数逐年上升。不同季节PM_(2.5)质量浓度存在显著差异,表现为冬季的>春季的>秋季的>夏季的。与背景地区的金沙区域大气本底站的同期观测结果相比发现,两地的PM_(2.5)质量浓度月均值变化趋势基本一致,但武汉市观象台的各月浓度均高于背景地区的,其中1月的增幅最高,为101.0%,9月的最低,为40.3%。由于受到人们出行活动早晚高峰的影响,武汉市观象台PM_(2.5)质量浓度日变化呈典型的双峰单谷型,峰值分别出现在08:00和20:00,谷值出现在15:00,表现出明显的周循环和"周末效应"。PM_(2.5)质量浓度变化与降水量、风速和气温等气象因子的相关分析呈现出季节性差异,其中冬季PM_(2.5)与降水量的相关系数为0.55,冬春季呈显著正相关,夏秋季呈负相关;冬季PM_(2.5)与风速的相关系数为0.68,呈显著正相关,春夏季呈负相关;秋季PM_(2.5)与气温的相关系数为0.37,四季均呈显著正相关。

广州大学城大气PM2.5质量浓度与影响因素

选择广州大学城代表性学生宿舍、教室、食堂等多个室内采样点及几个室外采样点,准确测定各采样点大气中PM2.5的质量浓度,分析各室内和室外采样点大气中PM2.5污染程度及分布特征;根据同步记录的气象数据,分析评价气象因子对大气PM2.5质量浓度的影响。

北京市道路防护林带内外PM_(2.5)质量浓度特征及与气象要素的相关性

以北京市奥林匹克森林公园北侧的北五环路防护林带为研究对象,通过在林带外及林带内布设5处PM2.5质量浓度监测点进行3个月的定位监测,分析北京市道路防护林带内外PM2.5质量浓度特征,并通过建立PM2.5质量浓度与风速、温度、相对湿度等气象要素的相关关系,分析气象要素对PM2.5质量浓度的相关性。结果表明:1)在时间变化规律上,林带内PM2.5质量浓度08:00和12:00相对较高,其他时间段相对较低,18:00后质量浓度又开始增加,林带内PM2.5质量浓度在日变化规律上呈单峰或双峰变化,林带内外PM2.5质量浓度的日变化规律基本一致;2)在空间变化规律上,林带内PM2.5质量浓度水平比林带外相对较高,距北五环路40 m处PM2.5质量浓度值相对其他布置点2、20、30和60 m处都高;3)林带内PM2.5质量浓度与风速、温度呈负相关关系,与相对湿度、气压呈正相关关系;4)林带内PM2.5质量浓度与温度的关系可以用幂函数来描述。

基于GIS的贵阳PM_(2.5)质量浓度城乡过渡特征及影响因素研究

PM2.5是影响城市空气质量和身体健康的主要污染物,也是气候和环境问题的热点研究问题之一。PM2.5即大气污染细颗粒物,是大气污染的主要物质来源,通过选取具有明显城乡过渡趋势的环保局、太慈桥、小河、花溪、马鞍山、金阳和桐木岭监测点,采集2013年12月20日到2014年2月27日的PM2.5日均质量浓度数据,以及2014年1月20日到2月18日的时均质量浓度数据,分析研究PM2.5质量浓度的时空变化特征和浓度变化的影响因素。PM2.5数据覆盖了优良中差多种污染类型,在数据平均抽样误差分析的基础上,参考世界卫生组织的空气质量准则,探索性地利用遥感、GIS技术和统计分析方法,分析贵阳市PM2.5质量浓度的城乡变化特征,以及与气象因素、土地利用信息和城市区域之间的关系。1973、1990年的贵阳城区信息分别提取自1973年12月30日的LANDSAT MSS影像(辅以1:50000地形图)、1990年10月16日的LANDSAT 5影像,土地利用现状信息和2010年贵阳建成区信息提取自2010年9月21日的LANDSAT 5。以监测点为原点生成监测点500 m缓冲区,以资源1号02C星遥感影像为数据源,采用目视解译方法提取土地利用信息,分析PM2.5质量浓度与土地利用类型的关系。利用GIS量取监测点与1973年贵阳市主城区边缘的最短距离,分析其与监测点PM2.5质量浓度的关系。结果表明,1PM2.5日均质量浓度值呈现由农村向城市递增的趋势,并随着监测时间的推移形成明显的递减趋势,7个监测点日均数据均值是77μg·m-3,农村监测点桐木岭的监测值是56μg·m-3,马鞍山74μg·m-3,和金阳73μg·m-3,花溪81μg·m-3,小河86μg·m-3,太慈桥86μg·m-3,环保局85μg·m-3。质量浓度>100μg·m-3的总时数,桐木岭为13 h,金阳81 h,环保局、马鞍山106 h,花溪118 h,小河154 h,太慈桥157 h。2PM2.5日均质量浓度总体上呈下降的趋势,除夕以后PM2.5浓度显著下降,平均浓度相差47μg·m-3。PM2.5时均浓度在总体下降的趋势下,还表现出明显的24小时周期性变化,并有明显的城乡差异。3PM2.5质量浓度和气象因素间表现出复杂的非线性关系。PM2.5质量浓度与主城区距离的相关系数高达-0.89,与建筑用地密度的相关系数为-0.69。

合肥市能见度与相对湿度、PM_(2.5)质量浓度的定量关系

为了研究合肥市能见度影响规律,为改善城市大气能见度提供科学依据,利用合肥市2013年1月—2015年12月的气象观测数据和颗粒物质量浓度数据,采用统计分析方法研究了合肥市大气能见度与相对湿度和PM_(2.5)质量浓度的定量关系,以及不同等级能见度下相对湿度和PM_(2.5)浓度的统计特征。结果表明,PM_(2.5)质量浓度与相对湿度共同影响合肥市大气能见度变化,较低相对湿度下(RH<60%),能见度降低主要受PM_(2.5)质量浓度升高的影响;较高湿度条件下(RH≥60%),能见度降低主要是由于相对湿度增加造成的大气粒子吸湿增长导致消光性能增大,且这种作用在污染程度较轻时更加突出。RH≥60%时,相对湿度每增加1%,平均能见度降低0.172 km;当RH≥90%时,平均能见度基本在5 km以下。PM_(2.5)质量浓度与能见度呈幂函数关系,40%≤RH<60%时,PM_(2.5)的影响作用最显著;PM_(2.5)质量浓度对能见度的影响阈值随相对湿度增加而减小,当PM_(2.5)质量浓度低于46μg?m^(-3)时,能见度随着PM_(2.5)质量浓度降低而迅速增大。随着相对湿度增加,或者PM_(2.5)质量浓度增加,低能见度出现频率呈上升趋势;高湿度、高细颗粒物浓度均可导致低能见度的出现。当前一日能见度低于7km,当日相对湿度大于75%,且PM_(2.5)质量浓度大于65μg?m^(-3),当日能见度超过75%的比例在5 km以下。当前一日PM_(2.5)质量浓度达到中度及以上污染,当日能见度随着相对湿度增加逐渐减小,RH≥80%时,能见度低于5 km的比例达到70%。

2013-2016年北京朝阳站PM_(2.5)质量浓度变化特征

利用2013年2月至2016年1月北京朝阳环境气象站PM_(2.5)质量浓度和同步地面风数据,重点分析了PM_(2.5)质量浓度的变化特征及受地面风的影响情况。观测期间测点PM_(2.5)年平均质量浓度为80. 6±4.0μg·m^(-3),为环境空气质量标准(GB3095—2012)二级年均浓度限值(35μg·m^(-3))的约2. 3倍,季节变化特征明显,冬季最高(115.1μg·m^(-3))、夏季最低(58.5μg·m^(-3))。测点主导风向为ENE—E—ESE,风速主要集中在0.2～2.0m·s^(-1)。当地面风来自ENE—E—ESE方向时PM_(2.5)质量浓度最高(109.1μg·m^(-3)),来自WNW—NW—NNW方向时最低(39. 5μg·m^(-3))。PM_(2.5)质量浓度随风速增大先上升后下降,在0. 4 m·s^(-1)时达最高,为139. 2μg·m^(-3)。风速在0. 2～2. 0 m·s^(-1)时主要受ENE—E—ESE方向影响,而2～6 m·s^(-1)时主要受ESE方向影响较大。通过与其他站点的比较发现,不同站点各方向污染源和地面风的差异导致了PM_(2.5)质量浓度在各方向分布的差异。

北京大兴南海子公园PM2.5和PM10质量浓度变化特征

对北京南海子公园PM_(2.5)和PM_(10)的浓度水平进行了研究,并讨论了PM_(2.5)和PM_(10)的时间变化特征及其受气象因素的影响,分析了南海子公园空气质量浓度差异。结果表明:南海子公园PM_(2.5)和PM_(10)平均质量浓度分别为(110.22±19.19)μg·m^(-3)和(125.58±3.62)μg·m^(-3),南海子公园大气颗粒物主要是以细粒子为主,PM_(2.5)超标46.96%,PM_(10)未超标;南海子公园PM_(2.5)和PM_(10)质量浓度的日变化以夜间低,白天高为主,呈现明显的双峰型,南海子公园的PM_(2.5)和PM_(10)质量浓度变化幅度较大;从不同月份来看,南海子公园PM_(2.5)质量浓度6月最大、8月最低;温度、风和降水与PM_(2.5)和PM_(10)质量浓度呈负相关关系,湿度与PM_(2.5)和PM_(10)质量浓度呈正相关关系,大风和降雨能有效的清除颗粒物,特别是细颗粒物。

2种城市林地PM2.5质量浓度变化及其与气象因子的关系

以奥林匹克森林公园的杨树林和油松林为研究对象,采用手持式环境粉尘仪Dustmate观测PM 2.5质量浓度和手持式Kestrel 4500气象仪实时记录气象因子,选择典型天气研究2种城市林地PM 2.5质量浓度变化规律与不同气象要素之间的关系。结果表明：（1）城市林地不同对PM 2.5质量浓度的影响变化不同,杨树林和油松林的PM 2.5质量浓度变化走势类似,而不同时段的质量浓度变化却有所不同：在8：00-10：00最大,11：00-17：00最低,17：00-20：00又逐渐回升。（2）当风速在0.3～8 m/s时与林内PM2.5质量浓度呈显著的负相关关系,相关系数为-0.74,而正北风、偏北风、正南风和偏南风对林内PM 2.5质量浓度影响最为显著。（3）林内PM 2.5质量浓度与相对湿度呈显著的正相关关系。（4）油松对PM 2.5的吸附阻止作用较杨树强,且作用更明显。

北京城市森林PM_(2.5)质量浓度特征及影响因素分析

以北京西山森林公园为林内观测点,北京海淀植物园为林外对照点,研究城市森林PM_(2.5)质量浓度变化特征,并对其影响因素进行分析。结果表明,林内外PM_(2.5)质量浓度日变化呈"双峰双谷"型,8:00和21:00左右是一天中的两个峰值,15:00和4:00左右是一天中的两个谷值,PM_(2.5)质量浓度林内(104.02μg·m^(-3))>林外(82.52μg·m^(-3))。一年中PM_(2.5)质量浓度在冬季最高,春季次之,夏季最低,PM_(2.5)质量浓度年变化林内为冬季(115.46μg·m^(-3))>春季(112.39μg·m^(-3))>秋季(106.37μg·m^(-3))>夏季(81.87μg·m^(-3)),林外为冬季(97.35μg·m^(-3))>春季(94.07μg·m-3)>秋季(93.17μg·m^(-3))>夏季(61.86μg·m^(-3))。气温、降雨均与PM_(2.5)浓度呈负相关。晴天时,温度高、空气对流旺盛,PM_(2.5)浓度较低;降水对PM_(2.5)有很好的消减作用;风有驱散PM_(2.5)的作用。在高温高湿天气下,PM_(2.5)浓度高于其他天气情况。该研究可以丰富森林净化大气的理论,为环保部门相关政策的制定提供依据。

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.

基于BP人工神经网络法沈阳市PM_(2.5)质量浓度集成预报试验

基于CUACE(CMA Unified Atmospheric Chemistry Environment)和CMAQ(Community Multiscale Air Quality)空气质量模式预报产品,应用BP(Back-Propagation)人工神经网络法建立沈阳市不同地点小风和高湿条件下PM_(2.5)浓度集成预报模型,并对预报结果进行检验。结果表明:与单一空气质量模式相比,集成模型预报的PM_(2.5)浓度更接近实测值,预报的PM_(2.5)浓度的平均偏差和归一化均方误差均明显减小,预报的PM_(2.5)浓度的模拟值在观测值两倍范围内的百分比(FAC2)明显提高。集成模型能较好地预报PM_(2.5)浓度高值的变化,且显著提高了沈阳市外围城区PM_(2.5)浓度的预报水平。集成预报模型可以实现CUACE和CM AQ两种空气质量模式产品的最优综合,对空气质量的实时预报具有一定的参考价值。