聊城市春季交通源大气污染特征分析

为研究交通源空气污染状况,通过采用自动监测系统,于2009年春季期间,对在聊城市主干道附近布设的6个监测点的空气质量进行监测,获得了其空气污染物浓度特征（1）所有监测点SO2、NOx日均值与O3小时均值均未超标,且O3污染指数很低,表明二次污染甚微;（2）CO是首要污染物,PM10次之,两者日均值超标率均为100％。分析了超标污染物与交通流量的关系,结果表明,PM10浓度与交通量有较高的线性相关性,而CO浓度与交通流量无显著相关性。     

利用多元线性回归方法评估气象条件和控制措施对APEC期间北京空气质量的影响

气象条件对大气污染物的扩散和传输有重要影响,准确分离和定量气象因素对空气质量的影响是评估大气污染控制政策有效性的前提。本研究利用APEC会议期间及前后(2014-10-15~2014-11-30)北京城区朝阳观测站点SO2、NO、NO2、NOx、CO、PM2.5、PM1和PM10以及气象因素的观测数据,采用多元线性回归分析方法,定量评估了气象条件和空气污染控制措施对APEC期间北京空气质量的影响。在假定排放条件不变的情况下,基于气象因素参数建立的预测污染物浓度的多元线性回归模型模拟效果较为理想,决定系数R2在0.494~0.783之间。控制措施使得APEC控制期SO2、NO、NO2、NOx、CO、PM2.5、PM1和PM10浓度分别降低48.3%、53.5%、18.7%、40.6%、3.6%、34.6%、28.8%和40.6%,气象因素使得APEC控制期SO2、NO、NO2、NOx、CO、PM2.5、PM1和PM10浓度分别降低1.7%、-2.8%、18.7%、4.5%、18.6%、27.5%、30.6%和35.6%。气象因素和控制措施共同作用使得APEC控制期北京空气质量得到了明显改善。控制措施对SO2和氮氧化物浓度的下降起主导作用,气象因素对CO浓度的下降起主导作用,气象因素和控制措施对颗粒物浓度降低的贡献相当。本研究还利用相对权重方法研究了气象因素对污染物浓度影响的贡献,结果表明影响不同污染物浓度的决定性气象因素不同。     

重庆市黔江区春季大气污染物浓度变化与气象因素关系研究

分析了2015年重庆市黔江城区2个自动监测站点PM10,SO2,NO2,O3日均值和小时均值,结合同期气象因素,对污染物浓度与气象因素进行分析.表明,PM10、SO2、NO2和O3春季平均值呈显著差异,PM10超标6天,SO2,NO2,O3污染水平较低,未超标;PM10、SO2和NO2呈现早晚双峰型,O3呈典型单峰型;风速与SO2和NO2浓度呈负相关,与O3浓度则呈正相关关系,风速较小时,利于PM10浓度降低,当风速达到一定程度,会导致PM10浓度升高;污染物浓度和相对湿度呈明显负相关;降水对大气污染物有削减作用.     

乌海市空气污染特征及其与气象要素的关系

文章利用乌海市2006-2010年污染物SO2、NO2、PM10浓度值和气象资料,分析了乌海市近5年空气污染的特征,计算了各污染物与主要气象要素的单相关系数,采用灰色关联分析方法对近5年来影响乌海市污染物浓度的气象要素进行分析。结果显示:(1)乌海市环境空气的首要污染物是可吸入颗粒物,其次是SO2。(2)2006-2010年,NO2变化不大;SO2下降幅度较大,从平均值超标1倍下降到不超标;PM10也呈下降趋势,但下降幅度稍小,5年均超标。(3)SO2一年内平均值变化幅度最大,12月浓度最大,7、8月最小,相差达3倍;PM10也是夏季最小,冬季12月最大,但3、4月份沙尘天气频发时也较大。(4)相关系数通过信度0.05检验的情况下,SO2、NO2、PM10浓度值与平均风速、平均气温、水平能见度、相对湿度、日照时数、平均总云量等具有一定的相关性。(5)用灰色关联分析法得出影响SO2和PM10的气象因素排序,平均风速是影响大气污染的主要气象因素,日照时数和总云量与污染物浓度关联较大。     

绵阳市大气污染物浓度变化特征及相关性分析

随着我国工业化、城市化和机动化的高速发展,大气环境质量越来越受民众关注,我国已建成国控—省控—市控—县控四级环境空气自动监测网络,监测项目包括SO2、NO2、CO、O3、PM2.5和PM10.基于2018年绵阳市环境空气监测数据、颗粒物化学组分及气象资料分析上述6个监测项目年均、季度、月均、日均及每日最大小时浓度变化特征,并进一步探讨污染物浓度与气象条件的相关性,结合颗粒物化学组分对产生原因进行剖析.结果表明:绵阳市冬季环境空气质量较差,夏季相对较好.Pearson相关性分析表明:SO2、NO2、CO和颗粒物(PM2.5和PM10)之间存在显著相关性,冬季PM2.5与SO2、NO2的相关系数分别为0.610和0.635,PM10与SO2、NO2的相关系数分别为0.655和0.655,颗粒物主要化学组分为硫酸盐、硝酸盐、铵盐和二次有机气溶胶,颗粒物二次转化尤为明显,冬季需重点管控颗粒物;春季和夏季O3与PM2.5、PM10呈显著正相关,需做好颗粒物和O3的协同管控.O3每日最大小时浓度多集中在13:00?—?18:00,其他污染物每日最大小时浓度多集中于08:00?—?12:00和20:00?—?24:00,同时NO2在20:00?—?24:00出现每日最大小时浓度的频次占67.1％,控制机动车等污染源排放尤为重要.     

重庆市主城区交通干道空气污染特征分析

2002年2月对重庆市主城区6条交通干道空气中PM10、CO、NOx、THC进行了监测,分析了这些污染物的时空变化特征及其与车流量的关系。结果表明:六条主干道PM10、CO、NOx、THC的日平均浓度分别为0.30、5.34、0.307、12.84 mg／m3,按空气质量二级标准,超标率分别为95％、60％、74％和100％,最大超标倍数分别为4.97、1.94、8.5和6.05。除THC外,按照污染因子分担率评价,在九龙坡区、渝中区和江北区,首要污染物是PM10,在南岸区、沙坪坝区和大渡口区首要污染物是NOx。沙坪坝区CO和NOx污染最严重,九龙坡区PM10污染最严重。CO、NOx的日变化趋势大致相同,而且与车流量关系较为明显,随着车流量的增加CO、NOx的浓度逐渐增加,但PM10与车流量相关性不大,说明PM10浓度还受其它源的影响。     

重庆市主城区交通干道空气污染特征分析

2002年2月对重庆市主城区6条交通干道空气中PM10、CO、NOx、THC进行了监测,分析了这些污染物的时空变化特征及其与车流量的关系.结果表明:六条主干道PM10、CO、NOx、THC的日平均浓度分别为0.30、5.34、0.307、12.84 mg/m3,按空气质量二级标准,超标率分别为95%、60%、74%和100%,最大超标倍数分别为4.97、1.94、8.5和6.05.除THC外,按照污染因子分担率评价,在九龙坡区、渝中区和江北区,首要污染物是PM10,在南岸区、沙坪坝区和大渡口区首要污染物是NOx.沙坪坝区CO和NOx污染最严重,九龙坡区PM10污染最严重.CO、NOx的日变化趋势大致相同,而且与车流量关系较为明显,随着车流量的增加CO、NOx的浓度逐渐增加,但PM10与车流量相关性不大,说明PM10浓度还受其它源的影响.     

利用LUR模型模拟天津市大气污染物浓度的空间分布

针对传统监测方法无法满足对大气污染物空间分布高分辨率的要求,以Arcgis为平台,利用LUR模型模拟天津市PM10和NO2年均浓度的空间分布.选取的回归变量为1~4km半径缓冲区内的道路总长度、不同土地利用类型的面积、人口密度、风向指数及距海距离,选取3个监测点的监测数据对方程进行了验证.结果表明,对PM10年均浓度影响最大的因素是缓冲区为1km的道路总长度(R2为0.560),而对NO2年均浓度影响最大的因素是人口密度(R2为0.414).多元线性回归方程计算结果显示,PM10和NO2的R2分别达到0.946和0.691;如果考虑风向的影响,R2可分别提高到0.980和0.849.对天津市中心城区建立5km′5km网格嵌套,根据多元线性回归方程计算每个网格交点的污染物浓度模拟值.通过kriging插值得到2种污染物在天津市中心城区的空间模拟分布图.PM10年均浓度分布以研究区中心最高,向四周逐渐降低;NO2的年均浓度以研究区中心最低,向四周逐渐升高.模拟结果与实际情况相符.     

阜新市空气监测点位优化的聚类分析

基于聚类分析法利用数据之间距离系数进行分类的原理,建立空气监测点位聚类分析优化模型,结合阜新市地形、气象及历史监测数据,进行阜新市空气监测点位布设优化应用,优化结果表明:距离相似水平取d=0.3时,环保局(B点)与人民公园(C点)监测点空气污染物浓度分布相似性最高,合并为1点,增设气象台监测点位作为清洁背景点,4个点位构成阜新市空气监测新网络;利用CALPUFF模型模拟对优化后监测点位进行相关性检验。检验结果表明:监测点位优化后SO2浓度与实测值相关系数为0.984,PM10相关系数为0.968,NO2相关系数为0.973。CALPUFF模型模拟值与实际监测值之间相关系数均大于0.75,表明优化后的阜新市空气监测点位具有客观环境代表性;监测点位优化与检验方法具有一定应用价值。     

重庆市主城区交通干道空气污染特征分析

2002年2月对重庆市主城区6条交通干道空气中PM10、CO、NOx、THC进行了监测,分析了这些污染物的时空变化特征及其与车流量的关系。结果表明：六条主干道PM10、CO、NOx、THC的日平均浓度分别为0．30、5．34、0．307、12．84mg／m^3,按空气质量二级标准,超标率分别为95％、60％、74％和100％,最大超标倍数分别为4．97、1．94、8．5和6．05。除THC外,按照污染因子分担率评价,在九龙坡区、渝中区和江北区,首要污染物是PM10,在南岸区、沙坪坝区和大渡口区首要污染物是NOx。沙坪坝区CO和NOx污染最严重,九龙坡区PM10污染最严重。CO、NOx的日变化趋势大致相同,而且与车流量关系较为明显,随着车流量的增加CO、NOx的浓度逐渐增加,但PM10与车流量相关性不大,说明PM10浓度还受其它源的影响。     

广州亚运期间鹤山大气颗粒物及碳组分的分析

2010年11月广州亚运会期间,在鹤山连续测量了PM10、PM2.5及PM2.5中有机碳(OC)、元素碳(EC)的质量浓度,结合气象数据综合分析了该地区上述各种污染物的污染特征。研究结果表明:鹤山大气颗粒物以PM2.5为主,PM10和PM2.5具有较好的相关性(R2=0.72),其中PM2.5污染较严重;与国内外其他城市相比,鹤山OC、EC质量浓度处于中等偏高水平;OC和EC质量浓度的相关性较差(相关系数R2=0.32),OC/EC质量浓度比值远大于2,说明鹤山大气OC、EC来源较复杂,同时存在严重的二次污染;估算的二次有机碳(SOC)占OC总质量的66.5%。各种气象因素中,风速对污染物的质量浓度影响最大,秸秆燃烧等人类活动对其也有显著影响。     

公路收费亭内外空气污染特征及其影响因素

2003-06～2003-07对重庆市辖4个收费站中的收费亭内外一氧化碳(CO)、二氧化氮(NO₂)、总烃(THC)和可吸入颗粒物(PM₁₀)进行了采样监测,同时还观测了气温、大气压、风速和车流量等影响因素,通过二元相关和偏相关分析方法探讨了收费亭内外各空气污染指标与影响因素之间的关系.结果表明,收费亭外CO和PM₁₀小时平均浓度值比亭内高,亭内NO₂和THC的小时平均浓度值比亭外高.重庆站亭内外NO₂和茶园站亭内外CO的小时平均浓度值超过环境空气二级标准,其它各收费亭内外NO₂和CO的小时平均浓度均值未超过相关标准限值,其最高值均超过相关标准;各收费亭内外THC小时平均浓度均值分别达7.728 mg/m³和7.216　mg/m³,均超过标准限值10倍以上;收费亭内外PM₁₀变化幅度较大,亭外均值0.217　mg/m³,高于环境空气质量二级标准,亭内最高值达0.631　mg/m³,是室内空气标准日均值标准限值的4.2倍.在4个收费站的收费亭内外空气污染程度比较分析中,以重庆收费站为最严重,有3个指标的均值比其他收费站高.在污染指标与影响因素相关分析中,收费亭内外污染物之间的存在着一定的相关关系,CO、PM₁₀和NO₂呈极显著相关,亭内外THC呈显著性相关,车流量与NO₂、THC、PM₁₀均呈极显著（p<0.01）或显著相关(0.01<p<0.05),而与CO的污染程度相关性不显著;天气条件不同程度地影响各污染指标的浓度,分别以大气压和气温影响为主,风速影响不大.     

春季南充城区PM_(10)污染水平及其水溶性离子特征研究

采用中流量颗粒物采样器采集了60个可吸入颗粒物(PM10)环境样品,并用离子色谱法(IC)对所采集样品中的8种水溶性离子组成特征进行了分析。结果显示,春季南充城区空气质量良好,PM10中8种水溶性离子浓度大小为SO2-4NO-3Ca2+Na+Cl-K+F-Mg2+。其中SO2-4、NO-3和Ca2+的平均质量浓度分别占总水溶性无机离子(TWSII)的62.4%、23.9%和4.7%。NO-3和SO2-4及Ca2+和Mg2+具有良好的相关关系,燃煤源对PM10的贡献大于机动车移动排放源的贡献;水溶性无机离子主要以NaCl、MgSO4和Mg(NO3)2的形式存在。     

大气污染对呼吸系统疾病的影响——以河南省A市为例

文章将二氧化硫(SO2)、二氧化氮(NO2)、可吸入颗粒物(PM10)等主要污染物的监测浓度值与呼吸系统疾病(支气管炎、肺炎、哮喘)住院人数进行相关性分析,以探讨A市大气污染对呼吸系统疾病的影响。研究结果表明,二氧化氮(NO2)和可吸入颗粒物(PM10)对支气管炎住院人数有显著影响,可吸入颗粒物(PM10)还与哮喘住院人数有密切的关系,因此A市大气污染可能与呼吸系统疾病的环境病因有关。     

北京东南郊大气TSP中多环芳烃浓度特征与影响因素

对2005-03～2006-01北京市东南郊3个采样点大气总悬浮颗粒物（TSP）样品进行分析,总结了研究区内TSP以及TSP中16种PAHs的浓度特征和季节变化规律.研究区内16种PAHs浓度总和的范围在0.29～1?184.48 ng/m³之间,均值为239.44 ng/m³;分别用气象参数（温度、风速、气压、相对湿度）和大气API指数（二氧化硫、二氧化氮、PM₁₀）与PAHs浓度进行了偏相关分析,结果表明温度和SO₂的API指数与PAHs浓度相关显著,应用逐步回归方法得到PAHs对气象参数和大气API指数的回归方程,分别为∑16PAHs=572.56-23.18t和∑16PAHs=5.99 SO₂,可以利用温度和SO₂的API指数对PAHs浓度进行估算.     

上海西南郊区PM2．5污染状况研究

研究了上海西南郊区PM2．5（细颗粒物）污染特征,分析了PM2．5与其它污染因子和气象因子相关性,并提出了PM2．5污染控制建议。     

北京市交通微环境汽车尾气污染的浓度特征

对北京市典型交通微环境中(包括公交车站,公交车内以及小轿车内)的汽车尾气污染物CO、NO、NO2和PM2.5浓度进行了监测.结果表明,NO、CO 和PM2.5在交通微环境中的浓度分布相似,均为公交车内浓度最高,公交车站浓度最低.NO2为公交车内浓度最高,小轿车内浓度最低.公交车内CO的早高峰浓度要显著高于晚高峰浓度,普通公交车内的CO、NO和NO2浓度均低于空调车.良好的通风条件可以显著改善公交车车内空气质量.对小轿车车内浓度的影响因素分析表明,选择车流量平峰时段出行、恰当的保养维护车辆、在车辆拥堵区域使用内循环通风模式可以有效地降低车内污染水平.     

2014年10月上旬北京市大气重污染分析

使用垂直观测、地面观测和PM2.5化学组分观测等手段,对2014年10月上旬北京市一次重污染过程进行分析.结果表明,本次大气重污染发生时北京市近地面后散射激光强度变强,气溶胶消光系数升高,说明污染物在近地面层积累.重污染期间气象要素特征为:风场弱,湿度大,地面受弱气压场控制.从PM2.5浓度变化趋势来看,这次重污染过程大体分为四个阶段:“两个台阶”型的浓度爬升阶段(P1和P2)、高浓度维持阶段(P3)和迅速清除阶段(P4).结合地面观测、遥感反演和PM2.5组分分析可发现,区域传输是导致本次重污染的诱因,其中秸秆焚烧是影响因素之一,随后区域传输和本地污染物排放共同维持并加重了重污染过程.大气氧化剂OX与PM2.5浓度、二次离子浓度均表现出显著正相关性,表明较强的大气氧化性能促进PM2.5浓度增长.     

北京市2020年春节期间空气质量影响因素分析

2020年春节期间由于新冠肺炎疫情的大范围暴发,包括北京在内的多个城市经济社会活动较长时间处于低水平状态。但是在此期间,北京市出现了两次(农历正月初二至初六、正月十六至十九)污染水平不逊于往年的重污染天气,成为社会各界关注的焦点。本文以北京市2016-2020年春节期间的空气质量为研究对象,首先运用多元线性回归法判断了气象因素以及经济和社会活动因素对四类污染物(PM_2.5、PM₁₀、NO_2和SO₂)的影响程度,进一步研究了在2020年春节期间的两次重污染时段内各个因素对PM_2.5的影响程度,最后运用双重差分法评估春节期间的疫情管控措施对北京市空气质量产生的影响。多元线性回归结果显示在2016-2020年春节期间:(1)气象因素对北京市的PM_2.5、PM₁₀、NO₂和SO₂四类污染物浓度的影响占主导地位,其中温度、湿度与四类污染物浓度变化均显著正相关,气压和降水与四类污染物浓度变化均显著负相关;(2)经济活动水平与NO₂浓度水平有显著正相关关系,说明随着经济活动水平强度的降低和交通流量的下降,NO₂浓度呈现出降低趋势,而PM_2.5、PM₁₀和SO₂与经济活动水平分别有正相关、正相关和负相关关系,但并不显著;(3)从社会活动来看,燃放烟花爆竹会增大PM_2.5、PM₁₀和SO₂浓度,同时假期变量对PM_2.5和SO₂的浓度变化也存在显著正向影响。对于2020年春节期间的两次重污染过程来说,气象依然是主要影响因素,但是各因素的贡献值有所不同;春节期间经济活动水平对正月初二至初六重污染过程的贡献较小(2%),而对正月十六至十九有明显的负影响(-20%)。双重差分法评估结果显示,疫情管控对PM₁₀和NO₂有缓解效果,而对PM_2.5和SO₂未见明显影响,这表示疫情管控措施对空气质量施加了影响。本文不仅识别出了春节期间气象因素、经济社会活动与北京市四类污染物浓度之间的关系,有助于厘清各因素对空气质量产生影响的方式,而且对进一步改善北京市及京津冀地区的空气质量具有重要启示意义。     

公路隧道实验调查交通来源空气污染方法

采用公路隧道实验方法来调查交通来源空气的污染,笔者在中国北方和南方公路隧道内进行了气态污染物和大气颗粒物的监测,气态污染物和大气颗粒物为多点位同步监测,气态污染物包括CO,SO₂,NO_x和VOCs等,大气颗粒物包括TSP,PM₁₀,PM_2.5和粒径浓度谱分布等.同时,还调查和分析了隧道内机动车流量、能见度和气象因子.利用上述分析和测定结果,可以综合地研究交通来源污染及其对环境的影响.