沈阳市O_(3)与PM_(2.5)关系及污染主控因素分析

PM_(2.5)与O_(3)的协同控制是空气质量持续改善的关键所在,厘清PM_(2.5)与O_(3)的关系,识别O_(3)主控因素以及量化气象和人为排放贡献是实施二者协同控制的基础.本研究基于沈阳市大气复合立体超级站2019−2022年地面观测数据,分析PM_(2.5)和O_(3)协同关系及成因;利用逐步回归模型得到影响O_(3)变化的主控因素,并估算各气象因素对O_(3)的贡献.结果表明:①沈阳市2019−2022年夏季PM_(2.5)浓度与O_(3)浓度呈正相关,有明显的协同增长效应,其余三季均呈明显负相关.究其原因,主要是由于夏季高温和高太阳辐射条件利于大气光化学反应,促进了O_(3)、PM_(2.5)中二次无机成分〔主要是硫酸盐(SO_(4)^(2−))、硝酸盐(NO_(3)−)和铵盐(NH_(4)^(+)),简称“SNA”〕共同增长所致;而冬季高排放和高大气稳定度等气象条件利于SNA和二次有机碳(SOC)非均相生成,但弱太阳辐射和低温等条件不利于O_(3)光化学生成,加之高NO的滴定效应,使SNA和SOC浓度均与O_(3)浓度呈负相关.②在观测的相关污染物和气象因子中,过氧乙酰硝酸酯(PAN)与O_(3)浓度的关系最为密切,尤其在夏季.③气象因素中,O_(3)浓度与气温高度相关,与风速也呈正相关,而与相对湿度则在各季节均呈负相关.冬、春、秋三季PM_(2.5)均对O_(3)起抑制作用,冬季尤为突出.在高浓度O_(3)污染(O_(3)浓度>160μg/m^(3))过程中,主控因素中气温和风速的抬升促进O_(3)浓度升高,而高NO2和相对湿度(RH)则有利于降低O_(3)浓度.在2019−2022年高浓度O_(3)污染过程中,气象因素对沈阳市O_(3)浓度变化的贡献高于O_(3)前体物排放的贡献,总贡献为57μg/m^(3),对污染形成起着主导作用.

西南地区工业主导城市重污染期间PM_(2.5)污染特征及形成机制

为研究长江上游典型工业城市重庆市长寿区雾霾污染特征和形成机制,在雾霾持续污染时段分别在城区和工业区站点开展了细颗粒物(PM_(2.5))及其重要前体物的观测分析.结果显示,观测期间长寿区PM_(2.5)平均浓度为(71.78±38.44)μg/m^(3),雾霾污染时期PM_(2.5)日均值最高达到193μg/m^(3).雾霾污染相比非污染时期PM_(2.5)的各类化学组分均有所增加,其中有机颗粒物(OM)和二次无机气溶胶(SIAs)的迅速增长是导致雾霾污染发生的最主要因素.雾霾污染时期硫氧化比(SOR)和氮氧化比(NOR)显著上升,相比清洁天增幅分别为64%和55%,并且相对湿度(RH)较高的环境下对于SOR、NOR和气溶胶的吸湿增长均具有一定的促进作用.二次有机气溶胶(SOAs)同样在雾霾污染时期表现出显著的增长趋势,相比清洁天增加了13.03μg/m^(3),评估SOAP的结果发现甲苯、对-二甲苯和邻-二甲苯等芳香烃对SOA的形成具有显著的贡献.主成分分析(PCA)和spearman相关性分析表明了PM_(2.5)中化学组分主要的3种来源,分别为工业源、地壳源和扬尘源,其中工业源是PM_(2.5)中化学成分最重要的来源.来源解析结果表明,长寿区及周边临近地区是PM_(2.5)、SIAs、总有机碳(TOC)、二氧化硫(SO_(2))、二氧化氮(NO_(2))和总挥发性有机物(TVOCs)重要的潜在源区,本地污染源排放对于雾霾的形成具有重要的贡献.

北京不同类型城市森林中PM_(2.5)与O_(3)的关联性分析

大气污染的协同治理是实现经济社会高质量发展,加快生态文明建设的重要途径.PM_(2.5)和臭氧的协同治理是我国“十四五”时期大气污染防治的要求,探究北京市城市森林不同类型林内PM_(2.5)与臭氧的相关性对北京市大气污染的防治具有重要意义.本文利用北京市3个城市森林生态环境监测站测得的PM_(2.5)、O_(3)浓度数据,系统分析不同类型城市森林PM_(2.5)与O_(3)浓度相关性的差异.结果表明:①春季,中心城区、近郊湿地区、近郊浅山区森林中PM_(2.5)与O_(3)浓度呈负相关,中心城区相关性最强(r=0.178,p<0.01);夏季各区域PM_(2.5)与O_(3)浓度均呈正相关,近郊湿地区相关性最强(r=0.095,p<0.01);秋季各区域PM_(2.5)与O_(3)浓度均呈负相关,近郊浅山林区负相关性最强(r=−0.428,p<0.01);冬季近郊湿地区PM_(2.5)与O_(3)浓度呈显著正相关(r=0.061,p<0.05),但中心城区和近郊浅山林区均呈负相关.②工作日期间夜间近郊浅山林区PM_(2.5)与O_(3)浓度相关性相对较强(r=−0.147,p=0.01),其余时间中心城区相关性相对较强,相关系数在−0.14上下波动,周末期间除夜间外,近郊湿地区相关程度相对较强,相关系数在−0.08上下波动.③当PM_(2.5)浓度≤50μg/m^(3)或O_(3)浓度>50μg/m^(3)时,PM_(2.5)与O_(3)浓度呈正相关;PM_(2.5)浓度处于50~200μg/m^(3)之间或O_(3)浓度≤50μg/m^(3)时,二者负相关性相对较强.研究显示,北京市城市森林中PM_(2.5)与O_(3)相关性在季节、不同区域昼夜尺度上有所差异,且林内各区域PM_(2.5)和O_(3)浓度总体呈负相关,表明PM_(2.5)与O_(3)的相互关系受环境背景浓度值、气象要素、人类活动等多因素共同影响.

改进灰狼算法优化GBDT在PM_(2.5)预测中的应用

针对灰狼算法易陷入局部最优解和全局搜索能力不足的问题,通过霍尔顿序列(Halton Sequence)搜索算法初始化狼群位置,避免灰狼算法陷入局部最优解和重复运算;引入莱维飞行和随机游动策略对灰狼算法的寻优过程进行优化,以增加算法的全局搜索能力;利用粒子群算法模拟灰狼种群得出的最佳适应度以用于惩罚项改进灰狼算法中的头狼更新策略。使用改进算法优化的梯度提升树(Gradient Boosting Decision Trees,GBDT)模型对北京市大气污染物监测数据中PM_(2.5)质量浓度进行预测,采用3种评估函数对各模型以及混合模型预测效果得分进行评估。结果显示,本文改进的灰狼算法对梯度提升树的优化效果优于其他算法,均方根误差E RMS为6.65μg/m^(3),平均绝对值误差E MA为3.20μg/m^(3),拟合优度(R^(2))为99%,比传统灰狼算法优化结果的均方根误差减少了19.19μg/m^(3),平均绝对值误差降低了10.03μg/m^(3),拟合优度增加了9百分点;与霍尔顿序列和莱维飞行改进的(Levy Flight-Halton Sequence,LHGWO)相比,改进的灰狼算法预测得分的均方根误差降低了10.39μg/m^(3),平均绝对值误差减小了6.71μg/m^(3),拟合优度提高了5百分点。研究表明了预测模型优化的有效性,为未来城市改善空气质量提供了科学依据和技术支持。

中国城市PM_(2.5)污染暴露不平等及其驱动因素——基于Theil指数和LMDI分解

聚焦大气污染物PM_(2.5),对2015~2021年污染物浓度进行人口规模赋权,构建中国城市PM_(2.5)污染暴露水平指标,基于GINI系数和Theil指数测度污染暴露不平等,并按城市行政层级、省份进行差异分解;基于对数平均迪氏指数分解法(LMDI),分别对污染暴露水平、不平等程度进行驱动因素分解,探究其变化背后的社会经济因素.结果表明:中国城市PM_(2.5)污染暴露不平等总体温和,GINI系数保持在0.2以内且呈递减趋势.不同行政级别城市间未表现出污染暴露不平等,而省际差异对污染暴露不平等的贡献达68.4%;总体上能源的污染暴露乘数、政府绿色支出能耗强度是PM_(2.5)污染暴露水平的主要抑制因素,对污染暴露水平的驱动贡献超过60%.政府支出结构、支出规模、经济发展和人口因素对PM_(2.5)污染暴露起促增作用,但各因素在不同层级的城市间具有异质性;能源的污染暴露乘数、绿色支出能耗强度对不平等的动态抑制作用弱化,主要依靠能源绿色化的治污策略面临挑战.据此提出更好发挥政府作用,持续降低中国PM_(2.5)污染暴露水平,实现环境公共服务更加均等化的政策启示.

基于能量代谢探讨红景清肺方对PM_(2.5)诱导小鼠肺损伤的保护作用

目的探究红景清肺方对大气细颗粒物(particulate matter 2.5,PM_(2.5))诱导小鼠肺损伤的保护作用及机制。方法40只ICR雄性小鼠,随机分为空白对照组、PM_(2.5)模型组、中药等效组、中药二倍组。中药各组预给药7 d后,除空白对照组外,各组持续2 d给予0.02 mg·μL^(-1)浓度PM_(2.5)混悬液滴鼻制备小鼠肺损伤模型。末次染毒24 h后取肺组织样本,苏木素-伊红(hematoxylin-eosin,HE)染色观察肺组织形态学变化;酶联免疫吸附法(enzyme linked immunosorbent assay,ELISA)检测三磷酸腺苷(adenosine triphosphate,ATP)和Na^(+)-K^(+)-ATP酶(Na^(+)-K^(+)-ATPase)、Ca^(2+)-Mg^(2+)-ATP酶(Ca^(2+)-Mg^(2+)-ATPase)含量;蛋白免疫印迹法(western blot)检测腺苷酸活化蛋白激酶(AMP-activatedproteinkinase,AMPK)、过氧化物酶体增殖物激活受体1α(peroxisome proliferator-activated receptor-γcoactivator 1α,PGC-1α)及线粒体转录因子A(mitochondrial transcription factor A,TFAM)蛋白表达水平;免疫组织化学法(immunohistochemistry,IHC)检测PGC-1α、TFAM、核呼吸因子1(nuclear respiratory factor-1,Nrf1)蛋白表达。结果与空白对照组比较,PM_(2.5)模型组小鼠肺组织结构病理损伤明显,肺组织中ATP、Na^(+)-K^(+)-ATP酶、Ca^(2+)-Mg^(2+)-ATP酶含量显著降低(P<0.01),AMPK、PGC-1α、TFAM蛋白表达水平及PGC-1α、Nrf1、TFAM蛋白阳性表达率明显降低(P<0.01);与PM_(2.5)模型组比较,中药各组肺组织损伤明显改善,中药二倍组中ATP含量升高(P<0.05),Na^(+)-K^(+)-ATP酶、Ca^(2+)-Mg^(2+)-ATP酶含量显著升高(P<0.01),中药等效组三者含量有上升趋势,但差异无统计学意义(P>0.05),中药各组AMPK、PGC-1α、TFAM蛋白表达水平及PGC-1α、Nrf1、TFAM蛋白阳性表达率显著升高(P<0.01)。结论红景清肺方可提高肺组织内Na^(+)-K^(+)-ATP酶、Ca^(2+)-Mg^(2+)-ATP酶活性,上调AMPK/PGC-1α信号通路蛋白水平,减轻线粒体损伤和功能障碍,促进线粒体生物合成,有效改善肺组织能量代谢,从而减轻PM_(2.5)对肺组织的损伤。

地区空气污染的“压力”与企业绿色转型的“动力”——基于城市PM2.5和公司并购的实证发现

地区空气污染会影响域内各类市场主体行为,包括微观企业决策。碳达峰、碳中和的提出要求各地加强空气污染治理,推动企业绿色转型,而绿色并购是企业绿色转型的重要方式。利用2013—2018年我国A股上市的污染企业发起的并购为样本,并手动搜集整理确定绿色并购样本,实证研究地区空气污染对域内企业绿色转型的影响。研究发现,地区空气污染加剧会提升域内污染企业绿色并购的意愿。在此基础上,通过并购前后企业信息披露质量和社会责任承担变化,研究发现地区空气污染加剧下的企业绿色转型并非源于自主绿色转型发展的内生“动力”,更多是外部“压力”下的“工具主义”行为。从影响路径来看,地区空气污染引致的压力会通过行业竞争和融资约束这两个途径影响污染企业绿色转型的“动力”。最后,异质性检验发现在市场化程度高和非国有企业样本,地区空气污染加剧对企业绿色并购的促进作用更为显著。

不同气象条件下北京市植被区与非植被区PM_(2.5)与臭氧(O_(3))的质量浓度及其相关性研究

本研究利用2022年北京市植被区与非植被区监测点PM_(2.5)和O_(3)质量浓度数据以及气象数据,揭示气象因素对PM_(2.5)和O_(3)相关性的影响。结果表明,气象因素影响PM_(2.5)与O_(3)间相关性。全年以及不同季节中,温度对PM_(2.5)-O_(3)相关系数的影响作用最强。所有温度区间、湿度>55%、气压<985 hPa条件下的相关性表现为植被区高于非植被区。当温度<0℃或湿度>75%时,PM_(2.5)和O_(3)质量浓度负相关程度最高,温度>20℃或湿度<35%时,正相关程度最高。介于955~985 hPa气压范围的PM_(2.5)和O_(3)质量浓度呈正相关,低于或高于此范围二者呈负相关关系。其中955~970 hPa气压范围的正相关程度最强,高于985 hPa气压范围的负相关程度最强。高温、高湿的气象条件,PM_(2.5)和O_(3)质量浓度存在正效应;低温、低湿的气象条件,二者存在负效应。

基于DSM的城市公园对PM_(2.5)和PM_(10)的消减特征研究——以南昌市人民公园为例

【目的】PM_(2.5)、PM_(10)等空气颗粒物是城市空气首要污染物,在城市空气污染中占主导地位。了解固定外源下PM_(2.5)、PM_(10)在城市绿地的消减特征,可为城市阻控空气颗粒物、缓解空气污染提供有利依据。然而目前空气颗粒物的研究大多以点测定方式量化空间结构及植被类型对空气颗粒物的影响,对固定外源污染下PM_(2.5)、PM_(10)在城市绿地空间尺度上的影响机制研究较少。【方法】研究结合DSM与地统计学,以南昌市人民公园为例,探索城市公园阻隔外源污染的空间梯度效应及空间结构类型差异。利用克里金插值法对其空间分布特征进行可视化模拟;利用Arcgis和R语言等软件分析不同空间结构PM_(2.5)、PM_(10)的浓度差异。【结果】人民公园PM_(2.5)、PM_(10)的浓度在空间分布上趋势一致,均表现为以固定外源点为核心,浓度随距离增加呈极显著梯度递减的趋势,且在中部(约距外源点150~220 m处)消减效率最高,约为全园PM_(2.5)平均消减值的7.5倍,PM_(10)平均消减值的3.8倍;PM_(2.5)、PM_(10)受多种因子影响:与空气温度、距离(主导因子)显著负相关、与相对湿度显著正相关,且PM_(2.5)、PM_(10)对不同因子响应特征存在差异;城市公园不同绿地空间结构对PM_(2.5)、PM_(10)的消减及扩散作用差异显著,受其双重影响,PM_(2.5)、PM_(10)的浓度表现为水体>广场>树林>草坪,其中PM_(2.5)受影响更显著;此外,受各因子和绿地空间结构耦合影响,部分区域PM_(2.5)、PM_(10)分布异常。【结论】以固定外源点为核心,PM_(2.5)、PM_(10)浓度随距离增加呈极显著梯度递减的趋势,且在中部消减效率最高;PM_(2.5)、PM_(10)浓度与相对湿度显著正相关,与空气温度与距离显著负相关,其中PM_(10)对距离和相对湿度响应较为明显,而PM_(2.5)受空气温度影响较大;在随距离变化基础上,不同城市绿地空间结构对PM_(2.5)、PM_(10)消减和扩散作用差异导致了局部分布差异。

2019至2021年郑州市采暖期和非采暖期大气PM_(2.5)中多环芳烃源解析与健康风险评估

目的:分析郑州市采暖期和非采暖期PM_(2.5)中多环芳烃(PAH)的污染特征,推测其可能的来源并评估对人群健康的影响。方法:检测郑州市2019年1月至2021年12月采暖期和非采暖期PM_(2.5)及各种PAH浓度,利用特征比值法、主成分分析法和PMF模型推测PAH的来源,根据相关技术指南对PAH吸入途径的致癌风险进行评估。结果:采暖期PM_(2.5)和总PAH浓度中位数分别为72.00μg/m^(3)和7.28 ng/m^(3),非采暖期为50.00μg/m^(3)和7.16 ng/m^(3)。特征比值法分析结果显示,郑州市PAH污染主要来源于生物质和煤的燃烧以及机动车排放。主成分分析和PMF分析结果显示,采暖期PAH的主要来源为燃煤,非采暖期为机动车排放。郑州市大气PM_(2.5)中PAH对部分人群具有潜在的致癌风险。结论:郑州市采暖期PM_(2.5)中PAH主要来源于燃煤,非采暖期主要来源于机动车排放。PAH对人群具有潜在致癌风险,制定排放监测和控制方案势在必行。

钻孔瞬变电磁法扫描探测RCQPSO-LMO组合算法2.5D反演

利用钻孔进行超前探测地质构造及含水体是地下开挖工程中的常规手段,如何利用这些钻孔进行钻孔瞬变电磁法扫描探测,从而实现钻孔孔壁外围地质异常体的精细探测,对实现地下工程地质透明化具有重要的指导意义.本文提出钻孔瞬变电磁法扫描探测2.5D反演的数据解译方法,首先针对随机性反演算法时效性低,易陷入局部最优解,而确定性反演算法依赖初始模型的问题,提出了组合策略的量子粒子群优化算法用来随机搜索最优初始模型.在此基础上,利用Levenberg-Marquarat方法求解Occam反演的目标函数,形成了RCQPSO-LMO组合算法进行2.5D反演,通过对比组合算法和单一算法,验证了组合算法具有更精确的反演结果.其次结合屏蔽条件下扫描探测,对比分析了有无屏蔽的2.5D反演结果,通过设定屏蔽系数对非探测方向信号进行部分压制,可以较好地解决钻孔径向扫描探测中对非探测方向信号部分屏蔽下的反演及成像.最后建立三组理论模型进行组合算法2.5D反演,结果表明:组合算法反演结果与理论模型的一致性较好,对低阻异常体的反演精度较高,验证了组合算法对钻孔孔壁外围低阻异常体具有较高的反演精度和分辨能力.

新余市森林游憩区空气负离子与PM_(2.5)动态变化规律及影响因子特征研究

为揭示江西省新余市森林游憩区空气负离子与PM_(2.5)时空分布特征、交互效应及其影响因素,对其森林环境中空气负离子和PM_(2.5)浓度时空分布特征及其与气象因子关系进行测定分析。结果显示:(1)新余市森林游憩区与城市绿地空气负离子年变化趋势总体保持一致,全年中各月份森林空气负离子浓度均显著高于城市绿地;1月、3月和4月城市绿地PM_(2.5)浓度显著高于森林,其他月份差异不明显;夏季6—8月空气负离子和PM_(2.5)浓度分别达到其全年最高值和最低值。(2)森林环境空气负离子浓度随海拔升高呈逐渐上升的趋势,PM_(2.5)含量呈先上升再下降的趋势;随距地面垂直高度的增加,林分中空气负离子浓度先下降再上升后保持不变,PM_(2.5)含量逐渐降低,距地面高10 m处林冠中层具有较高的空气负离子和较低的PM_(2.5)含量。(3)不同季节森林空气负离子与PM_(2.5)浓度均呈显著负相关,与空气气压、温度、相对湿度、风速和风向相关性各不相同。结果表明:新余市森林游憩区夏季、1000 m海拔山地、林冠层中部空气质量最优,是建设森林空气保健、疗养活动的理想场所。

西安PM_(2.5)碳组成及水溶性有机物分子特性和来源季节差异

利用平行因子分析和后向轨迹模型,采用紫外光谱法、三维荧光光谱法,分析西安市PM_(2.5)碳组成及水溶性有机物(Water-Soluble Organic Matters,WSOM)的荧光组分、分子特性和来源。结果显示,西安市各季节PM_(2.5)及其有机碳(Organic Carbon,OC)和元素碳(Elemental Carbon,EC)的质量浓度由高到低依次为:冬、秋、春、夏,且南北郊差异不显著。PM_(2.5)中水溶性有机碳(Water-Soluble Organic Carbon,WSOC)质量浓度为3.50~17.29μg/m^(3),冬季WSOC质量浓度最高。四季的WSOM中均含有紫外光类腐殖质和可见光类腐殖质。秋、冬和夏季类富里酸的荧光强度占比最大。WSOM的E_(2)/E_(3)、E_(3)/E_(4)和AAE值由高到低依次是:冬、春、夏、秋。SUVA 254和MAE_(3)65值均在冬季最高,夏季最低。冬季WSOM的相对分子质量和腐殖化程度较小,分子苯环取代程度最大,光吸收能力对光吸收的波长依赖性较强;秋季WSOM的相对分子质量较大,腐殖化程度较强,光吸收的波长依赖性较弱;夏季WSOM的芳香化程度和光吸收能力及春季WSOM分子苯环取代程度最弱。碳组分质量浓度、UV 254、α350和荧光强度两两呈显著正相关(p<0.01)。WSOM的荧光指数(Fluorescence Index,FI)、生物源指数(Biogenic Index,BIX)和腐殖化指数(Humification Index,HIX)值分别为1.51~2.15、0.88~1.46、1.18~3.19。冬季WSOM的自生来源最高,夏季WSOM的陆源来源比例相对较大。西安市污染气团主要来自于陕西省区域气团传输。西安市四季PM_(2.5)碳组成及WSOM的荧光组分、分子特性和来源存在季节差异,但北郊和南郊的紫外荧光光谱特性和来源差异不显著。

复杂网络视角下京津冀晋鲁豫地区PM_(2.5)的相互作用特征及归因分析

为实现空气质量的有效监控,从复杂网络的视角研究PM_(2.5)的相互作用,在传统复杂网络的基础上,采用格兰杰因果检验方法确定京津冀晋鲁豫地区城市间PM_(2.5)作用关系,引入生物学中的营养一致性理论,探索PM_(2.5)网络层次特征,从经济社会因素和气象因素两种视角,对京津冀晋鲁豫地区PM_(2.5)复杂网络特征进行归因分析。结果发现:京津冀晋鲁豫地区PM_(2.5)具有显著的空间网络特征,区域间的相互作用关系和传输关系复杂,不同季节之间PM_(2.5)网络的稳定性不同;相比于高中介中心性节点,城市春秋两季网络的效率对度中心性高的节点更敏感,冬季则对二者的敏感程度相近;北京、郑州、济南、太原4个代表城市的PM_(2.5)浓度与经济社会因素之间有不同程度的相关关系,与气象因素之间则存在不同强度的长程正相关性特征。

哈尔滨市大气PM_(2.5)中五种金属成分复合暴露对人群死亡风险的影响

目的定量评估哈尔滨市大气PM_(2.5)中金属成分复合暴露对人群死亡的暴露-反应关系及联合效应大小。方法基于监测系统收集哈尔滨市2013—2018年每日死亡数据、每日气象和大气污染物数据。采集大气细颗粒物(PM_(2.5))并进行金属成分浓度测定,基于随机森林模型预测大气PM_(2.5)中每日金属成分浓度。运用分位数g计算回归(quantile g-computation,qgcomp)估计大气PM_(2.5)中金属成分复合暴露对非意外、心血管系统和呼吸系统疾病死亡的联合效应,并探索敏感暴露人群,最后采用加权分位数和回归(weighted quantile sum regression,WQS)进行敏感性分析。结果2013—2018年期间,哈尔滨市非意外、心血管系统和呼吸系统疾病日均死亡人数的中位数(M)分别为75、42和7例。大气PM_(2.5)多种金属成分复合暴露每增加一个四分位数,非意外死亡的相对风险(relative risk,RR)为1.026(95%CI:1.010~1.043);心血管系统疾病死亡风险的RR值为1.038(95%CI:1.016~1.060)。分层分析结果表明男性和≥60岁人群为大气PM_(2.5)金属复合暴露的敏感人群。敏感性分析进一步证实上述研究结果较稳健,且金属As对人群死亡贡献的权重最大。结论大气PM_(2.5)中金属成分复合暴露可增加人群非意外死亡和心血管系统疾病死亡的发生风险,且男性和≥60岁人群是金属复合暴露的敏感人群。

基于时空优化模型的PM_(2.5)遥感估测研究

为了获得连续的PM_(2.5)浓度时空分布并提高估算精度,提出了一种新的基于时空因子优化的PM_(2.5)估测模型(SFRF).SFRF模型是时空因子通过卷积特征融合到随机森林算法(RF)体系中,通过集成高分辨率(1km)卫星反演的气溶胶光学厚度(AOD)产品以及气象数据、夜间灯光数据和植被数据构建SFRF模型来进行对2019年的山东省地区PM_(2.5)浓度的准确预测,生成山东省高空间分辨率(1km)的PM_(2.5)浓度.采用十折交叉验证法,评估了SFRF模型的性能,并与BPNN、SVM、XGBoost、RF、PCA-RF模型进行对比.结果表明:SFRF模型验证的决定系数和均方根误差(RMSE)值分别为0.85和8.10µg/m^(3),优于其他模型.SFRF模型可以在日、季、年尺度上以较高的空间分辨率来估测山东省PM_(2.5)浓度.

黄河流域PM_(2.5)时空分布格局及人口暴露研究

文章基于PM_(2.5)遥感反演数据和人口格网分布数据,构建人口暴露风险指数模型,采用Theil-SenMedian与MannKendall检验法,识别2000-2020年间黄河流域PM_(2.5)质量浓度值和人口暴露风险指数时间演化特征,通过空间探索工具,刻画其空间变化特征。研究结果表明:(1)PM_(2.5)质量浓度平均值为46.53μg/m^(3),研究期内呈现出“快速增长—波动变化—持续下降”的态势。PM_(2.5)污染不同等级面积比例变化明显,总体呈现出高浓度区域减少、低浓度区域增加的态势。(2)PM_(2.5)年均质量浓度空间上东高西低。历年PM_(2.5)年均质量浓度空间局部自相关显著。低值区域主要分布在青海、甘肃、宁夏、内蒙古等省份。高值区域集中分布在山西南部、陕西关中地区、河南中部、山东北部区域。(3)除2000年和2020年外,研究时段内均有90%以上人口暴露于PM_(2.5)年均质量浓度35μg/m^(3)限值以上,且高密度人口区域暴露风险等级较高。人口暴露风险极显著增加区域主要包含青海省东南部、宁夏平原地区、内蒙古西部、汾渭平原以及河南中部等地区。(4)PM_(2.5)人口暴露风险分布格局变化不显著。高等级风险区在空间上呈现片状、带状以及点状分布共存的特征,主要为黄河中下游冲积平原以及中游汾渭盆地。

2022年南京市大气PM_(2.5)中多环芳烃污染特征及健康风险

目的了解南京市大气细颗粒物(PM_(2.5))中多环芳烃(polycyclic aromatic hydrocarbons,PAHs)污染特征,评估其健康风险。方法于2022年每月10—16日分别在江北新区和江宁区2个监测点开展PM_(2.5)和PAHs采样,分别采用称重法和高效液相色谱法测定PM_(2.5)和PAHs含量,利用健康风险评价模型评价PAHs的致癌风险。结果不同季节PM_(2.5)、PAHs和B[a]P的浓度存在差异(P<0.01),其中PM_(2.5)、PAHs浓度均是冬、春季高于夏、秋季,B[a]P浓度春季高于夏、秋季。两个监测点PAHs、B[a]P年均浓度、春季、夏季浓度的比较,差异均具有统计学意义(P<0.05),且江北新区均高于江宁区。两个监测点含量最高的多环芳烃是5环、其次是4环和6环。两个监测点3环、4环、5环、6环PAHs年均浓度均不同(P均<0.05),江北新区高于江宁区。PAHs年浓度中位数值对两个监测点人群的终生超额致癌风险均大于1.0×10^(-6)。PAHs年浓度95分位数对人群的年龄段超额致癌风险除江宁区0~2岁年龄段人群外,对其他年龄段人群的超额致癌风险均大于1×10^(-6)。结论南京市两个监测点大气PM_(2.5)中PAHs分布存在季节和地区差异,具有潜在的超额致癌风险。

空调及换气系统运行对室内PM_(2.5)净化效果的影响

为了研究室内空调与换气系统运行时空气净化器对室内空气的净化效果,采用试验研究和CFD模拟相结合的方法,研究了空调与换气系统运行对净化器将室内PM_(2.5)净化到ASHRAE规定的可接受室内空气质量的限值15μg/m^(3)的净化时间的影响。结果表明,净化器外加空调净化时间相比净化器单独运行时间缩短15.2%;净化器外加换气系统净化时间相比净化器单独运行时缩短了30.4%;三系统联合运行时的净化时间相比净化器单独运行时间缩短32.6%。结果可为研究空调与换气系统对空气净化器净化效果的贡献及室内空气净化方式提供参考。

基于遥感技术和机器学习的城市街区PM_(2.5)空间分布特征研究——以合肥市滨湖新区为例

为获取合肥市滨湖新区地面PM_(2.5)浓度,利用地面风速对2022年7月31日-2023年7月31日MODIS传感器MCD19A2数据进行风速订正,并与同期气象数据和合肥市10个国控监测站点的PM_(2.5)数据建立AOD-PM_(2.5)反演模型。结果表明:BP网络训练到第10代时训练结果最为理想,均方误差MSE值约为0.027。训练集、验证集、测试集和总体结果回归值r均在0.88以上,总体结果高达0.93。通过BP预测工具箱建立模型,拟合优度达到0.807。选择滨湖新区7个典型测点,测量2023年7月12-16日每日平均PM_(2.5)浓度、地面风速和温湿度,结合气象数据代入反演模型对比发现,估算值和实测值曲线高度吻合,证明该模型可用于反演滨湖新区地面PM_(2.5)浓度。对PM_(2.5)浓度进行估算和分析,结果表明:1)滨湖新区西南侧PM_(2.5)浓度最高,东南侧最低;2)功能区PM_(2.5)浓度呈现为工业区>商业区>居住区>生态园区;3)工业园区废弃物的排放会导致PM_(2.5)浓度升高,对工厂设备的优化使用以及合理处理生产过程中的废弃物可降低PM_(2.5)浓度;4)商业区和居住区中的尾气排放、扬尘、工业排风等均会导致PM_(2.5)浓度升高,优化交通组织,推动新能源汽车的发展可降低PM_(2.5)浓度;5)产业园区的发展模式对城市PM_(2.5)浓度有显著影响,加快产业结构调整,推动产业绿色技术创新可降低PM_(2.5)浓度;6)城市绿地空间对PM_(2.5)有显著调节作用,增加绿地空间连通度、聚集度,加强大型绿地建设可发挥较强的PM_(2.5)消减作用。该研究所建立的AOD-PM_(2.5)反演模型旨在为城市街区PM_(2.5)空间分布特征研究提供可靠方法,具有重要的实践意义。