2014年盘锦市气象要素对大气污染物PM2.5的影响

[目的]为了探究气象要素对大气污染物PM2.5的影响。[方法]收集的气象要素为2014年盘锦市盘山气象站和大洼气象站地面观测数据,包括温度、湿度、气压、风速、降水量,大气污染物PM2.5浓度的监测数据由盘锦市环境监测站提供,运用Excel分析气象要素与PM2.5时间变化趋势,用SPSS对二者进行回归分析。[结论]PM2.5周平均浓度与周平均温度、相对湿度、降水量呈负相关,与周平均气压呈正相关,与周平均风速不相关。

融合GNSS、ERA5、大气污染物的PM_(2.5)浓度预测研究

冬春季节的空气质量预测有助于公众合理安排出行和政府相关部门的交通治理.细颗粒物(PM_(2.5))的浓度主要影响因素有大气污染物、水汽等.为提高PM_(2.5)浓度预测的精度,以京津冀地区为例,利用快速傅里叶变换(fast Fourier transform,FFT)与长短期记忆(long short term memory,LSTM)神经网络方法相结合,考虑GNSS、ERA5水汽、大气污染物等观测要素,构建PM_(2.5)的浓度预测模型,预测研究未来24 h的PM_(2.5)的浓度.利用GNSS水汽校正区域ERA5水汽,并进行精度评定.利用FFT取大气污染物、第五代大气再分析产品(ECMWF atmospheric reanalysis 5,ERA5)水汽等观测要素的公共变化周期,获得最佳公共周期为78 h;选取最佳公共周期长度的各类要素作为模型输入,24 h序列的PM_(2.5)浓度作为模型输出.通过均方根误差(root mean square error,RMSE)评价指标进行模型精度评价.研究结果表明:基于GNSS的ERA5水汽校正模型在秋冬季节ERA5水汽精度优于2 mm.FFT-LSTM模型预测精度在平原地区、山地地区和高原地区为10.22μg/m^(3)、8.56μg/m^(3)和9.02μg/m^(3),预测时效达到24 h.可有效预测未来24 h的PM_(2.5)浓度.该模型可为相关部门大气污染治理提供参考.

节能环保限制条件下PM_(2.5)大气污染物浓度变化特征研究

针对现阶段PM_(2.5)大气污染物浓度变化评估方法存在的误差偏大问题,提出节能环保限制条件下PM_(2.5)大气污染物浓度变化特征研究。从污染物源头与传播扩散因素两方面入手,结合当前节能环保限制条件,对其变化过程中的核心数据进行关联分析,建立PM_(2.5)大气污染物浓度变化特征模型,分析PM_(2.5)大气污染物浓度变化特征与PM_(2.5)大气污染物组成,深入分析影响PM_(2.5)大气污染物浓度变化因素,同时将分析所得参量进行关联,获得可靠度更高的变化特征量。仿真测试表明,所提方法具有浓度变化特征评估值误差小、稳定性好、浓度变化趋势评估相似度高的特性。

火电行业大气污染物排放对PM_(2.5)的贡献及减排对策

"十一五"期间,中国电力装机容量从2005年年底的50 841万kW增长至2010年年底的96 219万kW,其中火电装机从38 413万kW增长至70 663万kW。电煤消费量从2005年的10.63亿t增长至2010年的15.11亿t。2010年,我国火电行业烟尘排放量为218.4万t,SO2排放量为984.4万t,NOx排放量为954.2万t。研究表明:2010年我国PM10排放总量3 797.3万t,PM2.5排放总量为2 278.4万t。2010年火电行业排放的一次细颗粒物PM2.5为100.8万t,火电行业排放的SO2转化为二次细颗粒物PM2.5为350万t,排放的NOx转化为二次细颗粒物PM2.5为265.5万t,排放的SO3转化为二次细颗粒物PM2.5为107.3万t,合计占PM2.5排放总量的36.1%。为减少火电行业PM2.5排放,建议加强环保设施的运行监管,同时出台经济政策引导企业主动减排,湿法脱硫后加装湿式电除尘器以有效减少PM2.5的排放。

大气细颗粒物PM2.5的源解析技术探讨

随着社会经济持续不断发展,各地市均取得了相对可观的发展成果。与此同时,过往粗放型发展模式带来的生态环境问题同样逐步凸显,尤其是大气污染问题,更是会严重危及社会公众身体健康和社会经济的进一步发展过程,需要各地市引起关注和重视。在各类大气污染物中,大气颗粒物PM2.5属于较为常见的污染物之一,可以带来程度极深的危害,需要着重保持监测并采取有效措施予以治理。在此过程中,面向PM2.5的源解析技术具备显著的现实性价值,既可以明确其实际的来源,也可以为后续的治理工作提供明确的依据。为此,各地市首先应当更加切实地分析大气颗粒物PM2.5的危害,探讨现有的PM2.5源解析技术,然后才可以从理论层面出发基于发展现状深入把握PM2.5源解析技术今后的发展趋势。

河北省2013—2017年大气颗粒污染物PM2.5和PM10变化特征

基于2013—2017年河北省11个地级市的PM2.5和PM10质量浓度、优良天数及年降水量数据,分析了河北省大气颗粒污染物的变化特征.数据表明,河北省2013—2017年大气中PM2.5和PM10质量浓度逐年下降,大气质量整体呈改善趋势.PM2.5是PM10的主要组分和每年所占比例基本稳定在57%左右,表明PM2.5与PM10质量浓度具有很强的相关性,大气颗粒物质量浓度的变化与降水之间无明显的相关性;2014—2015年2个指标的质量浓度下降率均达到最大值,可能与2015年新《环境保护法》的颁布和一系列治理措施的实施有关.空间上,受到河北省特殊地形、经济发展方式和产业结构分布等多因素影响,河北省大气质量呈现出明显的“北优南劣”特征趋势,为确保大气环境的总体改善,还需关注除PM2.5和PM10以外的大气污染物,如近年来质量浓度逐年上涨的O3.

一次强沙尘过程影响下的银川市大气污染物浓度及PM_(2.5)化学组成变化特征

2014年4月22—29日在中国西北地区发生强沙尘天气期间,对银川市大气污染物(PM_(10)、PM_(2.5)、SO_2、NO_2、O_3)进行了监测,并重点分析了PM_(2.5)的化学组成变化特征。结果表明,沙尘天气发生前,PM_(10)、PM_(2.5)、SO_2和NO_2平均小时质量浓度分别为99.33、36.89、25.84、47.21μg/m^3;沙尘天气发生时,PM_(10)、PM_(2.5)、SO_2和NO_2平均小时质量浓度分别为1 121.43、209.19、6.13、18.42μg/m^3:说明此次沙尘传输经过地区大气较为清洁,随沙尘气溶胶传输的NO_2和SO_2较少。沙尘气溶胶由于带有大量的Ca^(2+)、Mg^(2+),使得PM_(2.5)碱性增强,PM_(2.5)中的硫酸盐和硝酸盐存在形式主要为NH_4HSO_4和NH_4NO_3。沙尘气溶胶除了对PM_(2.5)中来源于自然源的无机元素浓度有显著提升外,对于水溶性离子、碳成分等直接或间接来源于人为源的组分浓度也有较大的提升。Ti、Fe、Al、Ca、Si、Sr、Mg、Na、K、Ba、P可以认为基本来源于沙尘矿物粒子。此外,沙尘气溶胶还能促进大气SO_2、NO_2向二次硫酸盐、硝酸盐转化,尤其是硫酸盐。

融合GNSS水汽、风速与大气污染物的河北省冬季PM 2.5浓度预测研究

为提高PM 2.5浓度预测的时效和精度,本文综合大气污染物、GNSS水汽和风速等观测要素,利用FFT与LSTM神经网络方法构建PM 2.5浓度预测模型,开展未来24 h的PM 2.5浓度预测研究。首先对大气污染物、GNSS水汽和风速等观测要素进行快速傅里叶变换,提取各类要素的公共变化周期,获得最佳公共周期为216 h;然后选取最佳公共周期长度的各类要素作为模型输入,24 h序列的PM 2.5浓度作为模型输出,分别以PM 2.5单要素的RBF神经网络和融合大气污染物、风速、GNSS水汽的LSTM神经网络构建PM 2.5浓度预测模型;最后利用实测PM 2.5浓度序列分别对2种模型开展外部可靠性检验,将RMSE和IA作为评价指标进行模型精度评价。研究结果表明,基于FFT-LSTM的PM 2.5浓度预测模型的RMSE和IA分别为16.22μg/m 3和84.36%,模型预测精度较好,可有效预测未来24 h的PM 2.5浓度,该模型可为大气污染防治部门空气质量预测提供参考。

武汉市PM_(2.5)与主要大气污染物浓度间相关性分析

通过分析武汉市PM_(2.5)与SO_2、NO_2、CO、O_3浓度间的相关性,得到PM_(2.5)与SO_2、NO_2、CO间存在正相关性,与O_3间存在负相关性,并对存在这种相关性的原因进行了解释,同时对PM_(2.5)与SO_2、NO_2、CO间的上尾相关系数进行了估计。估计结果表明:SO_2、NO_2、CO、O_3浓度的急剧上升会加剧PM_(2.5)的产生,最后对武汉市治理PM_(2.5)提出了建议。

强降水环境下大气能见度及PM2.5污染物浓度变化的数值模拟研究

现有的大气能见度及PM2.5污染物浓度变化数值模拟方法,数值模拟精确性较差,基于此提出强降水环境下大气能见度及PM2.5污染物浓度变化数值模拟方法研究。分析大气能见度及PM2.5污染物相关性,分析气象因子对PM2.5污染物浓度的影响;依据上述结果构建大气能见度及PM2.5污染物浓度变化数值模拟模型;输出大气能见度及PM2.5污染物浓度变化数值模拟结果。提出的大气能见度及PM2.5污染物浓度变化数值模拟方法极大的提升了数值模拟精确性,充分说明提出的数值模拟方法具备更好的性能。

基于VAR模型的天津市PM_(2.5)与其他大气污染物的关系

近年来我国多个地区遭遇严重重污染天气过程,极大影响了人们的身体健康与生活环境。在研究重污染天气的过程中,PM_(2.5)与其他大气污染物的关联度成了学术界研究重点。基于向量自回归模型,综合运用单位根检验、AR特征根检验、广义脉冲响应函数以及方差分解法分析了天津市2014年1月1日—2016年12月31日包含PM_(2.5)在内的空气质量相关数据;研究PM_(2.5)与其影响因素的动态关系,及其他大气污染物对PM_(2.5)的影响作用。结果表明:PM_(2.5)与其他大气污染物之间所构成的空气质量系统模型是稳定的,且SO2、NO2与CO浓度的增加短期内会引起PM_(2.5)浓度的增加,治理SO2与NO2对PM_(2.5)的影响较大;O3浓度的增加对PM_(2.5)有抑制作用。因此,建议天津市将调整产业结构,加强对SO2的治理放在首位。

南昌市PM_(2.5)与其他大气污染物的关系研究

选取2015—2018年南昌市月度空气质量数据,采用向量误差修正模型(VECM)分析PM_(2.5)与其他大气污染物之间的动态关系,并运用脉冲响应函数和方差分解两种方法分析其他大气污染物对PM_(2.5)的长短期冲击影响。结果发现:PM_(10)、SO_2、CO、NO_2、O_3对PM_(2.5)浓度的影响存在一定的滞后性,且SO_2、CO、NO_2浓度的增加在短期内会引起PM_(2.5)浓度增加,而PM_(10)、O_3浓度的增加对PM_(2.5)浓度产生一定的抑制影响。鉴于此,建立严格的空气质量监控体系,调整产业结构等都有利于缓解空气污染。

安徽省PM_(2.5)与PM_(10)和几种主要大气污染物浓度间的相关性分析

本研究将安徽省16个地级市作为研究样本,选取2021年3月至次年2月的数据,对不同城市、不同季节一些大气污染物浓度的相关性、PM_(2.5)和PM_(10)的变化规律进行了研究。通过采用皮尔逊相关系数分析方法,对安徽省PM_(2.5)与PM_(10)、SO_(2)、CO、NO_(2)、O_(3)浓度间的相关程度进行研究分析,得出以下结论:PM_(2.5)与PM_(10)、SO_(2)、CO、NO_(2)、O_(3)间的相关性较强,相关系数依次为0.906、0.524、0.732、0.652、-0.611,并阐明了导致这种现象的原因。最后,笔者提出了一些具备可操作性的建议,从而更加高效地治理PM_(2.5)。

杭州市大气PM_(2.5)和PM_(10)污染特征及来源解析

2006年在杭州市两个环境受体点位采集不同季节大气中PM2.5和PM10样品,同时采集了多种颗粒物源类样品,分析了其质量浓度和多种化学成分,包括21种无机元素、5种无机水溶性离子以及有机碳和元素碳等,并据此构建了杭州市PM2.5和PM10的源与受体化学成分谱;用化学质量平衡(CMB)受体模型解析其来源。结果表明,杭州市PM2.5和PM10污染较严重,其年均浓度分别为77.5μg/m3和111.0μg/m3;各主要源类对PM2.5的贡献率依次为机动车尾气尘21.6%、硫酸盐18.8%、煤烟尘16.7%、燃油尘10.2%、硝酸盐9.9%、土壤尘8.2%、建筑水泥尘4.0%、海盐粒子1.5%。各主要源类对PM10贡献率依次为土壤尘17.0%、机动车尾气尘16.9%、硫酸盐14.3%、煤烟尘13.9%、硝酸盐粒8.2%、建筑水泥尘8.0%、燃油尘5.5%、海盐粒子3.4%、冶金尘3.2%。

上海市A城区大气PM_(10)、PM_(2.5)污染与居民日死亡数的相关分析

目的 探讨大气颗粒物污染对人群健康的影响。方法 采用Poisson广义相加模型对上海市A城区大气PM1 0 、PM2 5的日平均污染浓度与居民日死亡数进行相关回归分析 ,并控制了时间长期趋势、气象、季节、一周日效应混杂因素的影响。结果 当大气PM1 0 、PM2 5浓度上升 10 μg m3时 ,总死亡数分别上升 0 5 3%(0 2 2 %～ 0 85 % )、0 85 % (0 32 %～ 1 39% )。结论 大气粗细颗粒物污染具有潜在的急性人群健康危害。

南宁市大气颗粒物TSP、PM_(10)、PM_(2.5)污染水平研究

20 0 2年在南宁市的 5个典型城市功能区内 ,共采集了 12 5个大气样品 (按季节分别采集 ) ,初步调查了大气中颗粒物TSP、PM1 0 、PM2 .5的污染状况。结果表明 ,南宁市 TSP、PM1 0 、PM2 .5的污染很严重 ,超标率分别为 67.5 %、82 .5 %、92 .5 %,对人体健康危害更大的 PM2 .5占到了 PM1 0 的 63 .5 %左右。重污染区 PM2 .

重庆市冬季PM2.5及气态污染物的分布特征与来源

利用重庆市大气污染物监测站2013年冬季(2013年11月—2014年1月)的实测数据,分析PM2.5及相关气态污染物(SO2、NO2、O3)的时空特征,并采用轨迹聚类与PSCF(潜在源贡献因子)分析污染物来源.结果表明:除ρ(O3)以外,其他3种污染物质量浓度的月际变化趋势基本一致,均呈12月升高、1月降低的特征;污染物空间分布不均,其中ρ(PM2.5)和ρ(NO2)在工业区和人口密集区较高,ρ(SO2)南高北低,ρ(O3)城区低于郊区.ρ(SO2)、ρ(NO2)与ρ(PM2.5)均呈显著正相关,其中ρ(SO2)与ρ(PM2.5)的R(相关系数)在城、郊区分别为0.71、0.65,ρ(NO2)与ρ(PM2.5)在城、效区的R分别为0.73、0.56;而ρ(O3)与ρ(PM2.5)未表现出显著相关.ρ(SO2)、ρ(NO2)与ρ(PM2.5)的相关性高低可在一定程度上说明二次气溶胶的污染程度,ρ(O3)与ρ(PM2.5)的相关性受到PM2.5来源和污染程度的影响.轨迹分析结果显示,重庆市2013年冬季主要受东北方向气流影响;聚类分析表明,重庆市11月没有表现出明显的PM2.5外来输送特征,但12月和1月的PM2.5外来输送特征明显,并且不同方向的气流污染物浓度差异也较大.PSCF分析发现,重庆市冬季PM2.5、SO2、NO2、O3主要来源于本地和周围城市局地传输,同时还受南宁、贵阳、遵义、达州等地的影响.

北京昌平某地冬季大气PM2.5元素污染特征分析

以北京昌平区某地大气PM_(2.5)和重金属污染状况为研究对象,应用射线法与XRF技术相结合的分析技术,对PM_(2.5)浓度和其重金属组分浓度进行同步监测,以重金属元素为污染物示踪因子进行污染特征分析。结果表明,监测期间该区域PM_(2.5)平均质量浓度达92μg/m^3,Ca、Fe、K元素含量较高。通过主成分分析该区域PM_(2.5)元素影响因素主要为工业和生活燃料燃烧、冶金工业废气、扬尘3类,贡献比分别为52.42%、26.82%、13.10%。

贵阳市降水对PM_(2.5)污染物湿清除作用

利用贵阳市环境监测站提供的贵阳市9个环境监测站点2013—2014年1—12月PM2.5浓度逐时资料,对2013—2014年贵阳市其PM2.5浓度分布及变化情况进行描述,结合同时段贵阳市逐时降水资料进行对比统计分析探讨降水对PM2.5浓度的影响。研究表明：贵阳市PM2.5年均浓度约为33~55μg/m3,秋冬季及初春逐月污染浓度高,夏季低,PM2.5浓度日变化呈典型的双峰值结构,早晚高峰期污染浓度都较高;有降水时的年均浓度比无降水时低近2成,雨日PM2.5浓度均低于非雨日,在有降水日,尤其在夜间及上午时段的PM2.5浓度降低较明显,与贵阳市多夜雨的降水特征相关联;与不足1mm的轻微降水相比,大于1mm的较强降水对PM2.5的清除和抑制效果显著。

基于大气PM_(2.5)污染的建筑外窗缝隙通风换气次数动态变化特性

为了动态评价建筑外窗缝隙通风条件下室外PM_(2.5)污染对室内环境的影响规律及其渗透通风特性,依据研究团队2013年9月到2014年8月基于建筑外窗缝隙渗透通风(建筑外门窗关闭、无机械通风)且室内无污染源条件下关于北京地区某临街办公建筑室内外PM_(2.5)质量浓度水平与室外气象参数(空气干球温度、相对湿度、风速)的动态变化实时监测数据,结合质量平衡方程和数理统计方法提出了一种基于大量实测数据反演建筑外窗缝隙通风换气次数动态变化特性的评价模型,实测结果验证了该模型的有效性.研究结果表明:当建筑外窗结构特征和房间结构特征一定时(实测建筑穿透系数P为0.93±0.01、自然沉降率k为0.10±0.03),静稳天气时的建筑外窗缝隙通风换气次数平均值约为0.10 h-1,对应的室内外PM_(2.5)质量浓度比I/O约为0.43;微风天气时的平均值约为0.22h-1,对应的I/O约为0.56;和风天气时的平均值约为0.39 h-1,对应的I/O约为0.62.研究结果可为室内人群健康风险评估以及建筑室内通风净化系统优化设计与节能运行提供重要参考.