镇江市PM10浓度影响因素的灰色关联分析

通过建立PM10浓度影响指标体系,采用灰色关联法分析了2009~2018年镇江市PM10浓度与各指标因子、指标层之间的关系。结果表明:与PM10浓度呈高度关联的指标因子按关联度由高到低排列为日照时数、城市化水平、第二产业占地区总产值比重、年降水日、第三产业占地区总产值比重、电力、工业废气排放量、能源合计、原煤、民用运输驳船和民用车辆总数,其他指标因子与PM10浓度呈中度关联;6个指标层与PM10浓度的综合灰色关联度顺序为气象条件>能源消耗>经济发展因素>城市交通>污染物排放情况>城市建设。影响镇江市PM10浓度的主要因素各年度有所不同,在一定程度上反映了当年社会发展同环境保护之间突出的问题。

镇原县农村地区室内PM_(2.5)、PM_(10)浓度及其影响因素

目的了解镇原县农村地区室内PM_(2.5)、PM_(10)浓度水平及其影响因素。方法在2021年12月至2022年3月期间,随机抽取镇原县农村地区住户90户,利用手持式高精度PM_(2.5)速测仪(光散射法)对各户卧室、厨房及室外PM_(2.5)、PM_(10)浓度进行监测,同时利用调查问卷收集厨灶类型、厨房类型、主要燃料等信息。结果该地区卧室内PM_(2.5)、PM_(10)浓度分别为43.2μg/m 3、56.7μg/m 3;厨房做饭时间段、非做饭时间段的PM_(2.5)浓度分别为470.2μg/m 3、40.5μg/m 3,PM_(10)浓度分别为663.0μg/m 3、57.0μg/m 3;室外PM_(2.5)、PM_(10)浓度分别为38.3μg/m 3、53.5μg/m 3。不同厨灶类型、不同厨房类型、不同燃料之间、不同的厨房使用年限及不同地形特征之间做饭时间段的PM_(2.5)浓度差异均具有统计学意义、非做饭时间段的PM_(2.5)浓度差异均具有统计学意义;不同厨灶类型、不同厨房类型、不同燃料之间、不同的厨房使用年限及不同地形特征之间做饭时间段的PM_(10)浓度差异均具有统计学意义、非做饭时间段的PM_(10)浓度差异均具有统计学意义。峁梁区与塬区之间卧室内PM_(2.5)浓度(Z=5.26,P<0.001)、PM_(10)浓度(Z=5.21,P<0.001)差异具有统计学意义;多因素线性回归结果发现不同厨灶类型、不同地形特征对厨房PM_(2.5)、PM_(10)浓度的影响具有统计学意义。结论镇原县农村卧室内和厨房非做饭时间段PM_(2.5)、PM_(10)浓度在国家环境空气质量标准范围内,厨房内做饭时间段PM_(2.5)、PM_(10)浓度严重超标,且显著高于非做饭时间,厨灶类型是当地厨房内PM_(2.5)、PM_(10)浓度的一个重要影响因素。

基于癫痫患儿治疗药物监测的奥卡西平活性代谢产物血药浓度影响因素分析

目的:探讨癫痫患儿奥卡西平活性代谢产物10-羟基卡马西平(MHD)血药浓度的影响因素。方法:收集2022年8月至2023年8月就诊于我院并规律服用奥卡西平的0~16岁癫痫患儿的血浆样本328例,采用高效液相色谱-质谱法测定奥卡西平活性代谢产物MHD的血药浓度,并分析日剂量和体质量与血药浓度的相关性,探讨年龄、性别、肌酐清除率、尿素和联用抗癫痫药物(AEDs)等因素对MHD血药浓度的影响。结果:通过多元线性回归分析,各因素对MHD血药浓度的影响从大到小依次为日剂量>体质量>公斤体质量日剂量>年龄>肌酐清除率>性别>尿素。MHD血药浓度与日剂量和公斤体质量日剂量呈正相关。婴幼儿的浓度剂量比(CDR)低于儿童和青少年组(P<0.05)。MHD的CDR结果不同性别比较差异无统计学意义(t=1.422,P>0.05)。MHD的CDR与肌酐清除率呈正相关,同时肌酐清除率>120 mL/min组的CDR高于<80 mL/min组和80~120 mL/min组(t=-4.539,P<0.01;t=-5.002,P<0.01)。尿素<2.9 mmol/L组的CDR大于2.9~8.2 mmol/L组(t=2.108,P<0.05)。MHD单药组的CDR高于联用酶抑制AEDs组(U=5564.00,P<0.05)。结论:临床MHD血药浓度影响因素复杂,个体间药代动力学差异大。日剂量、体质量、年龄、肌酐清除率、尿素和联用酶抑制AEDs是影响MHD血药浓度的重要因素,因此临床应用奥卡西平抗癫痫治疗时应监测癫痫患儿的血药浓度,以期为其提供个体化给药方案支持。

大气中PM_(10)浓度的影响因素及其污染变化特征分析

讨论了影响大气中可吸入颗粒物PM10浓度的因素,包括来源、源强、气象条件等,并分 析了其时空分布特征.

基于灰色关联模型对乌鲁木齐市PM_(10)浓度的影响因素分析

基于乌鲁木齐市2006~2015年空气污染物数据、气象数据和城市发展数据,构建了乌鲁木齐市PM_(10)浓度影响指标体系,通过熵值法对PM_(10)浓度影响指标因子做了综合评价分析,利用灰色关联模型对PM_(10)浓度及其影响指标因子、影响指标层做了灰色关联度分析。研究发现:(1)PM_(10)浓度的影响指标因子依据其变化趋势可以分为两类;(2)城市化与产业结构对乌鲁木齐市PM_(10)的浓度影响最大(wi=0.418 1),其次是PM_(10)污染物来源(wi=0.387 9),空气污染物与气象要素对PM_(10)的浓度影响最小(wi=0.194 1);(3)从发展水平看,城市化与产业结构>PM_(10)污染物来源>空气污染物与气象要素;(4)在28个影响指标因子中,与PM_(10)浓度呈中度关联的指标因子有生活垃圾处理量、房屋建筑施工面积和地区工业总产值,其余25个指标因子与PM_(10)浓度都呈强度关联;(5)三个指标层与PM_(10)浓度的灰色关联度都为强度关联;(6)空气各污染物与气象要素对PM_(10)浓度的固有影响属性不会随着时间的推移而发生明显改变,PM_(10)污染物来源、城市化与产业结构对PM_(10)浓度的影响随着时间的推移影响程度减弱。

冬季家庭居室内PM_(10)浓度的影响因素

[目的]为了探讨家庭居室内PM10污染物的来源,对人体的危害及影响因素。[方法]在丹东市的三个区选择了14个家庭,对其厨房、卧室和客厅进行PM10浓度的测试,并对室内的PM10污染物来源进行了分析。[结果]室内空气PM10浓度主要受吸烟、烹饪时的燃料、不同清洁方式、室外颗粒物浓度、室内人员多少和活动频繁程度、通风量7个因素的影响,被测14户家庭中有7户所有的房间均超标。[结论]丹东市家庭室内PM10浓度超标不容乐观,应引起有关部门的重视。

气象因素对PM_(10)质量浓度的影响

利用兰州市可吸入颗粒物(PM_(10))监测数据和同期气象观测数据,采用相关性分析对PM_(10)的浓度水平与气象因素的影响进行了研究.结果表明:PM_(10)的浓度与温度呈现负相关关系.风向为NW和NNW时,PM_(10)污染相对较轻,风向为NE和ENE时,PM_(10)污染比较严重.兰州市属于典型的河谷城市,四面环山气流闭塞,风速过小导致城区大气污染物不利于向城区外扩散.PM_(10)的浓度与气压呈正相关.降水对环境空气中污染物能够起到清除和冲刷作用,对可吸入颗粒物去除作用显著.

“十一五”乌鲁木齐市PM_(10)浓度变化趋势及影响因素分析

对"十一五"乌鲁木齐市PM10浓度变化趋势及影响因素分析,结果表明污染治理措施成效显著,年均浓度和采暖期浓度值呈下降趋势。但由于综合治理措施不到位,非采暖期浓度值呈上升趋势。

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。

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。

北京城市植被区PM_(2.5)浓度时空变化及影响因素分析

文章在北京城市森林植被区选择2个观测点,采集2个观测点的PM_(2.5)质量浓度数据,并结合北京植物园的气象数据,研究其PM_(2.5)质量浓度变化特征和影响因素,探讨PM_(2.5)质量浓度变化对城市生活的影响。结果表明:被选观测点的PM_(2.5)浓度月变化基本呈"M"型,PM_(2.5)浓度在6月最低(西山公园为(71.01±34.34)μg/m^3,北京植物园为(44.41±31.57)μg/m^3),2月最高(西山公园为(154.07±95.70)μg/m^3,北京植物园为(139.49±100.74)μg/m^3),10月达下半年的最高值(西山公园为(133.45±109.06)μg/m^3,北京植物园为(127.04±109.34)μg/m^3);PM_(2.5)浓度全年均值为西山公园((104.02±26.45)μg/m^3)>北京植物园((82.52±28.18)μg/m^3);PM_(2.5)浓度季节变化呈"V"型在冬季最高,春季次之,夏季最低PM_(2.5)质量浓度季节变化西山公园为冬季((115.46±41.37)μg/m^3)>春季((112.39±18.50)μg/m^3)>秋季((106.37±24.25)μg/m^3)>夏季((81.87±12.60)μg/m^3),北京植物园为冬季((97.35±41.38)μg/m^3)>春季((94.07±12.21)μg/m^3)>秋季((93.17±31.42)μg/m^3)>夏季((61.86±16.70)μg/m^3);森林空旷地的空气质量优于森林内部PM_(2.5)浓度变化主要受地理位置、气象因素、人文因素的影响。

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。

兰州市2000—2011年PM_(10)的变化趋势及影响因素分析

研究了兰州市2000—2011年PM10污染的变化趋势及其影响因素。结果表明,兰州市PM10污染有所改善,其浓度呈现缓慢的下降趋势,波动幅度逐渐变小,并且其周期性变化频率没有出现断点,基本以1年为周期,每年的11月至次年4月为PM10浓度上升期。将影响兰州市PM10变化的因素分成气象特征、污染源、公共基础设施建设、社会经济等4大类,共选取了22个指标。对22个指标进行主成分分析得到5个主成分,将这5个主成分与PM10作灰色相关性分析。结果表明,5个主成分均与PM10有极强的相关性,其与PM10的灰色关联度均大于0.9。5个主成分中包含了归一化植被指数(NDVI)、生活垃圾清运量、烟尘排放量、绿化覆盖面积、人均公共绿地面积、道路面积、第二产业生产值(GDP2)、国民生产总值(GDP)和降水量,其中以GDP2和GDP对PM10的影响最为强烈。建议兰州市开展颗粒物污染防治过程中,在发展经济的同时调整产业结构,加强公共基础设施建设,并大力引进清洁能源,控制污染源的排放。

福州市区PM10浓度突变与气象因素关系的统计分析

1引言 近年来，国内外学者针对大气污染物浓度预报的研究取得了很多成果，主要研究方法有数值预报和统计分析两种。大气污染物浓度预报通常有一定难度，特别是PM10的突然变化仍是预报中的难题，PM10本身的变化是一种连续现象，但又可以看作是一种不连续现象，当其具备某种条件时将会发生突变，主要原因是污染源强变化和气象条件的影响，源强不变时，气象条件发生的变化也会导致大气污染物浓度突然发生大的波动。目前针对气象条件与大气污染物浓度关系的研究很多，

福建省PM_(10)质量浓度影响因素主成分多元回归分析

本文以福建省为研究对象,利用主成分分析法,找出影响PM_(10)质量浓度的主成分,然后与因变量PM_(10)平均浓度进行多元线性回归分析。结果表明,施工烟尘对PM_(10)浓度影响最大,其次是机动车尾气与能源燃烧排放影响。最终根据上述分析结果针对性地提出了控制PM_(10)浓度的措施。

冬奥冰壶场馆室内PM2.5浓度实测及影响因素分析

2019年12月,国家游泳中心双奥场馆改造工程完毕,"水立方"部分场馆改造为"冰立方",用于冰壶比赛项目。针对改造后的场馆室内PM2.5、PM10颗粒物浓度进行了现场测试,分析了不同天气情况下PM2.5浓度空间分布与时间变化特性,并探讨了影响PM2.5浓度变化的相关因素。实测发现,场馆内PM2.5浓度受室外PM2.5浓度影响较大,并与室内温度、相对湿度基本呈正相关关系,与室内微风速呈负相关关系。研究成果将为场馆内空气环境优化调控提供参考依据。

探讨手术不同步骤对手术烟雾中PM10浓度变化的影响

目的:探讨在手术中不同步骤的PM10浓度变化及影响因素;方法:采用随机数字表将研究对象分为天花送风装置区域内、外两组,应用P-5型数字粉尘仪在术者口鼻处和巡回护士口鼻等高处(距手术切口上方50cm左右)进行测量,自制问卷收集记录手术过程中不同的手术步骤对pm10的浓度变化;结果:手术烟雾中PM10的浓度低于大气中PM10的标准浓度;术野暴露、组织分离和切口关闭时PM10浓度是手术过程中PM10的均值浓度的影响因素,不同手术方式、是否使用电刀与手术过程中PM10的均值浓度成正相关,不同性别与手术过程中PM10的均值浓度成正相关;结论:手术全过程中PM10的浓度符合国家标准;术野暴露时PM10浓度可以作为预测整个手术PM10的平均浓度,术野暴露时浓度越高,PM10均值浓度越高;不同体脂含量的患者对手术烟雾中PM10浓度有正向影响。

基于灰色关联模型的山西省PM2.5浓度影响因素分析

选取空气粉尘量(焚烧秸秆)、工业废气排放、汽车尾气排放、城市化发展、城市建设、社会经济产业等六个影响PM2.5浓度的因素,以农作物播种量、工业用电量、汽车公路量程、绿地覆盖率、建筑住房面积、第二产业比重(煤炭行业)作为各影响因素的代表量。选取2015年山西省的10个城市的各影响因素代表量数据,运用灰色关联模型对PM2.5浓度影响因素进行分析,确定影响因素的关联度,结合模型分析结果发现,以煤炭行业为代表的社会经济产业的关联度最大,其他依次是城市化建设、城市化发展、汽车尾气排放、工业废气排放,最后是空气粉尘量,最后依据结果从四个方面对减少PM2.5浓度,提出一些针对性的建议。

三明市PM10浓度突变及影响因子分析

PM10是大气颗粒物中对环境和人体健康危害最大的一类，与医院就诊率、呼吸器官疾病发病率乃至死亡率等关系密切。PM10污染与气象条件关系密切，研究气象条件对PM10污染的影响，对改善城市空气质量条件有重要意义。利用2004—2007年三明市的主要大气污染物PM10的监测值及气象因子（气压、风速、温度、湿度、降水、蒸发量）的观测资料，以及同期08时850hPa天气图资料，定量分析了PM10的突变特征以及突变与气象因子的相关关系，结果表明：PM10突变事件有明显的季节性特征，冬、春季节发生突变的概率较大；当地面气象要素场出现气压下降、风速减小、相对湿度下降、降水量减小而温度上升、蒸发量加大的配置时PM10易发生正突变，当出现气压上升、风速加大、相对湿度上升、降水量增加而温度下降、蒸发量减小的配置时PM10易发生负突变；当受大陆高压后部、暖区辐合系统影响时，PM10发生正突变的概率较高，受大陆高压前部、切变线系统影响时，PM10发生负突变的概率较高。

北京地区PM_(2.5)浓度影响因素及估算模型

为研究PM_(2.5)与大气污染物浓度之间的关系以及气象条件对PM_(2.5)浓度的影响,本文运用数学统计方法,对北京顺义区2016年1月—12月PM_(2.5)及大气污染物和气象要素的数据资料进行分析并建立了北京顺义区PM_(2.5)浓度的估算模型.双变量相关性分析的结果表明,PM_(2.5)浓度与PM_(10)、SO_2、NO_2、O_3以及CO等大气污染物浓度与温度、湿度、压强和风速风向等气象条件间呈现强的相关性.建立了PM_(2.5)与单因素拟合模型,其中PM_(10)、NO_2和CO与PM_(2.5)浓度拟合模型的R^2均大于0.6.识别了对PM_(2.5)浓度有显著影响的二阶、三阶交互作用的因素交叉项.综合考虑单个影响因素与影响因素间交互作用的对PM_(2.5)浓度的影响,采用因子分析方法并对提取的主成分进行回归分析,建立了拟合度R^2为0.887的PM_(2.5)浓度估算模型.