新词

PM2．5 “今年在京津冀、长三角、珠三角等重点区域以及直辖市和省会城市开展细颗粒物（PM2．5）等项目监测,2015年覆盖所有地级以上城市。”     

长沙市郊区环境大气中颗粒物PM10的质量浓度及其变化特性

于2007-11-2008-10对长沙市郊区环境空气中的颗粒物PM10的质量浓度采用TEOM 1400a进行实时监测,以揭示城市颗粒物污染的主要特征及其变化趋势.研究结果表明:长沙市郊区颗粒物污染相当严重,PM10年平均质量浓度为(120.8±47.7) μg/m3,明显超出我国环境空气质量标准,其中秋、冬季节质量浓度高于夏季质量浓度;PM10质量浓度日变化受城市交通密度的影响显著,峰值分别出现于9:00与18:00附近,与早晚交通高峰期吻合;PM10质量浓度在工作日与周末存在明显差异,夏季周末质量浓度明显高于工作日质量浓度,而冬季则相反;颗粒物PM10与PM2.5质量浓度具有很好的相关性,说明我国现行采用的PM10环境空气质量标准评价城市空气质量仍是合适的.     

重工业区室内外细颗粒物PM_(2.5)相关性分析

目的研究重工业城市住宅在夏季开窗条件下,室外细颗粒物PM_(2.5)对室内空气品质的影响,数值模拟得到细颗粒物PM_(2.5)的质量浓度、速度、温度分布云图及粒子轨迹.方法通过采用气溶胶检测仪对室内外细颗粒物PM_(2.5)污染物质量浓度进行实测,使用SPSS软件对测试得到的细颗粒物PM_(2.5)质量浓度进行拟合,并运用FLUENT模拟软件对室内细颗粒物运移及分布情况进行模拟分析.结果位于重工业厂矿下风侧交通主干线一侧的A房间的室内与室外细颗粒物质量浓度的比值(I/O)小于1,受室外环境的影响较大;位于重工业厂矿下风侧小区内部的B房间的I/O大于1,说明受室内细颗粒物染物污的影响较大.并且两房间室内外细颗粒物具有较强的二次相关性,相关系数分别为0.920 77、0.941 11.结论室内PM_(2.5)质量浓度随室外细颗粒物质量浓度增加而升高.建立的室内外细颗粒物PM_(2.5)质量浓度相关性模型,可以分析室内外颗粒物浓度的变化特征.     

京津冀区域颗粒物污染特征研究

京津冀区域是我国环境空气污染频发的重点区域之一.基于中国空气质量在线监测分析平台实时发布的2019年京津冀区域六个典型城市的颗粒物质量浓度数据,分析京津冀区域颗粒物污染特征.结果表明：京津冀区域日均PM2.5质量浓度小于等于60 μg/m3 天数占全年的68.49%-80.00%;PM10质量浓度小于等于140 μg/m3 天数占全年的75.14%-93.70%;京津冀区域颗粒物质量浓度的月分布呈“V”型规律,颗粒物质量浓度冬季最高,秋季和春季次之,夏季最低;颗粒物质量浓度日变化呈双峰型且与人为活动作息时间保持良好的一致性;应用皮尔逊相关分析法探讨不同城市间颗粒物的相关性,总结为东南和西南两条典型的显著相关路径;应用线性回归方法评估PM2.5与PM10的相关性,同一城市的PM2.5与PM10显著相关;应用空间差异率方法分析京津冀区域不同城市间颗粒物质量浓度的差异程度,石家庄和其他城市间的颗粒物空间差异率最高;天津与唐山的PM2.5空间差异最低,其COD值为0.14;天津和廊坊的PM10的空间差异最小,其COD值为0.14.     

基于复杂网络的中国城市PM_(2.5)区域划分

根据中国环境监测总站发布的2014年5月—2015年4月的中国城市各监测站点细颗粒物(Particulate Matter 2.5,PM2.5)质量浓度小时数据,将161座城市作为节点,以城市间PM2.5质量浓度的相关性与距离的比值作为边的权重,构建了中国城市PM2.5加权网络,并采用Girvan Newman算法(GN算法)对网络进行划分,得到了不同季节中国PM2.5污染的区域分布情况.结果表明,不同季节划分结果的模块性Q函数均在0.7左右,可采用复杂网络对中国城市PM2.5区域进行划分;全年和四季分别划分出7、9、13、6、8个区域,以具体划分结果和连片度衡量中国不同季节的PM2.5污染的区域性程度顺序如下:冬季秋季春季夏季;划分结果与大气污染防治规划提出的"三区六群"范围大致相同,但区域范围在不同季节均存在不同程度的差异.     

南宁市大气颗粒物PM_(l0)、PM_(2.5)污染水平

为了初步调查南宁市大气中颗粒物PMl0、PM2.5的污染水平 ,于2002年春、夏、秋、冬4季在南宁市的5个典型城市功能区 ,采集了85个样品.结果表明 ,南宁市PMl0、PM2.5 的污染很严重 ,超标率为82.5 %、92.5% ,而且对人体健康危害更大的PM2.5 占PM10 的大部分 ,约为63.5 % ,且重污染区PM2.5 浓度超过轻污染区近一倍 ,应引起公众和相关职能部门的高度重视.     

北京地区大气颗粒物中正构烷烃的粒径分布及污染源示踪研究

用气相色谱质谱技术分析了北京城乡结合区和郊区冬季大气颗粒物中饱和烃组分,检测出C11～C35正构烷烃及18种甾烷和32种萜类化合物,分析了它们在不同粒径颗粒物中的分布特征。运用分子地球化学参数对污染源进行的初步示踪研究结果表明,颗粒物粒径越细,正构烷烃越趋向于单峰形分布,碳优势指数越低。这两个地区大气主要受化石燃料残余物的污染,其中郊区还显示出高等植物蜡和微生物源的输入特征,城乡结合区受燃煤的影响更大些。     

新标准监测以来太原市大气污染特征研究

结合2013—2017年太原市13个点位的监测数据,对新标准监测以来太原市6项污染物的时间、空间分布特征进行统计分析。结果表明:SO2已经不再是太原市污染贡献前三位的主要污染物;大气污染特征已由原来的单纯煤烟型污染逐渐向机动车尾气复合型和光化学二次污染转化;细颗粒物成为全年首要污染物,臭氧污染在夏季凸显,成为夏季环境空气质量改善的难题;南部区域污染重于城市北部区。     

北京某地铁车站细颗粒物分布特性研究

为了解地铁环境细颗粒物(PM2.5)污染状况,本文对北京地铁车站PM2.5的浓度进行测试,对北京地铁车站PM2.5分布规律及其浓度的影响因素进行研究。选择复杂的换乘车站—宋家庄车站,针对地铁的公共区(站厅、站台)采用多测点连续测试的方式进行测试。分析结果表明,在室外环境PM2.5污染程度低于重度污染的情况下,地铁车站PM2.5浓度高于室外;列车的频率(活塞风)会造成车站公共区的PM2.5浓度呈现周期性变化。相关性分析表明,地铁站内外细颗粒物之间的相关性显著,颗粒物(PM2.5与PM10)之间的相关性显著。对地铁站内细颗粒物影响颗粒物浓度的相关因素进行分析,明确了客流量、车站温湿度对地铁内PM2.5浓度的影响不显著。     

北京地区大气颗粒物中正构烷烃的粒径分布及污染源示踪研究

用气相色谱一质谱技术分析了北京城乡结合区和郊区冬季大气颗粒物中饱和烃组分，检测出C11～C35正构烷烃及18种甾烷和32种萜类化合物，分析了它们在不同粒径颗粒物中的分布特征。运用分子地球化学参数对污染源进行的初步示踪研究结果表明，颗粒物粒径越细，正构烷烃越趋向于单峰形分布，碳优势指数越低。这两个地区大气主要受化石燃料残余物的污染，其中郊区还显示出高等植物蜡和微生物源的输入特征，城乡结合区受燃煤的影响更大些。     

2014年1月济南市空气污染气象条件分析

为研究大气环流背景及气象条件对山东中西部PM2.5污染的影响,利用气象及PM2.5浓度资料,选取济南市作为典型代表城市,诊断分析了大气环流背景及气象演变过程对2014年1月济南市PM2.5浓度的影响,建立济南静稳指数公式。结果表明：2014年1月华东北部至华北南部地面至对流层中层风速均为负距平,水平方向污染扩散能力差,偏南风异常加强了南方水汽的输送,有利于气态污染物向颗粒态转化,推高了PM2.5浓度;对流层低层东亚冬季风异常偏弱,逆温增多,垂直方向污染扩散能力差;500 hPa异常高压,抑制了东亚大槽的发展,更加有利于污染物在底层的累积。天气演变过程分析表明：地面水平方向及高空垂直方向气象条件对PM2.5浓度均有影响,地面风速偏弱（偏强）,高（低）湿度,风场辐合（辐散）时,PM2.5污染偏高（偏低）;边界层高度降低（升高）,垂直方向气流下沉（上升）,对流层中低层大气层结不稳定增强（减弱）时,PM2.5污染升高（降低）。静稳指数对于空气质量及重污染过程具有较好的预报能力。     

宜昌市城区PM_(2.5)污染形成灰霾天气的规律研究

2012年选取与气象站点相邻的一个环境空气质量测点对PM2.5进行了研究性监测,测点距地面23m,全年PM2.5质量浓度在19~284μg/m3之间,年均质量浓度为89μg/m3,月均质量浓度最高的为1月.系统分析全年PM2.5监测质量浓度与相邻气象测点灰霾、能见度观测数据之间的关系,得到以下结论:宜昌市城区PM2.5污染质量浓度与灰霾观测值相关性不强,但与能见度的观测值显著相关;全年能见度降低受PM2.5污染的影响具有季节性,2、5~6三个月与7~9三个月及4、10~11三个月,这3组月份内的PM2.5与能见度之间的回归曲线基本一致,全年中3月份影响最大,而1月份最小,主要与气温、风速、降雨因素有关.     

南京地区PM2.5和PM10浓度分布特征及与相关气象条件的关系

利用2014年12月至2015年5月南京市PM_(2.5)和PM_(10)的质量浓度以及天气观测数据,研究南京市颗粒物浓度空间、时间分布特征及其与相关气象因子的关系。研究表明PM_(2.5)和PM_(10)同季节内高度线性相关,时间分布具有明显的季节性差异;PM_(2.5)与风速呈负相关关系,与降雨清除量呈正相关关系;相对湿度达到75%左右时污染最严重。研究首次将其他污染气体和相关气象因子结合起来,用逐步回归法建立PM_(2.5)预测模型,能较好地拟合冬春两季PM_(2.5)变化趋势,较准确地反映南京市PM_(2.5)的污染特征,具有一定的理论和实用价值。     

基于数据挖掘的天气因素研究——以吉安县为例

影响天气的因素有降雨量、气压、气温、风速及风向等,研究天气影响因素对人们的生产生活有一定的指导作用。本研究提出使用数据挖掘技术探究天气因素之间的相关性。使用K-S检验方法对数据进行正态性检验,使用Pearson相关系数,对天气逐日数据降雨量、气压、气温、风速进行相关性检验,使用Eta相关系数对天气逐日数据降雨量、气压、气温、风速与风向进行相关性检验,使用一元线性回归对天气因素气压和气温进行分析。在中国气象网站的吉安县1980-2019年天气数据上进行实验,实验结果表明：数据集中各数据项不服从正态性分布,天气当中的气压与气温具有强负关联线性关系,风向类型与气压、气温有强关联关系。     

长春市PM_(10)污染特征及与气象因素的相关分析

为了研究长春市PM10污染特征以及影响PM10浓度的因素,利用长春市PM10的实时监测资料,分析长春市PM10浓度的季节变化特征和污染程度.并利用同期的气象资料,建立PM10浓度和气象因素之间的多元线性回归模型,来进行两者之间的相关分析.采用逐步回归法,建立了"最优"回归方程,分析不同季节对污染物浓度有显著影响的气象因素,从而为长春市大气污染防治和雾霾天气预测提供科学依据.结果表明,长春市PM10浓度冬季偏高、夏季偏低、春季和秋季居中,2013年全年中1、4、10月份出现了不同程度的高污染现象,日平均浓度最高值达到591μg/m3.研究发现对长春市PM10有显著影响的气象因素主要有当日平均风速和最高最低气温温差.     

特高压直流输电线路合成电场的天气影响因素及预测模型

特高压直流输电线路电离周围空气产生的离子和线路电场叠加形成合成电场,并在环境因素的作用下使得地面的合成场强发生变化。研究了天气因素对地面合成场强的影响,并提出了基于天气因素的电场预测模型。利用高压直流电场测量装置测量地面合成电场值及环境监测系统所测的天气参数,分析了风速、湿度、气压、温度、PM₁₀、PM_2.5、PM_1.0与场强的相关性。利用基于树形结构Parzen估计器(tree-structured Parzen estimator, TPE)优化的CatBoost建立地面场强在天气因素下的预测模型,并基于所测数据进行模型的训练和预测。结果表明：天气因素对场强的影响权重由高到低为湿度、风速、气压、温度、PM_1.0、PM_2.5、PM₁₀。通过特征排序选取前5个特征和所有特征预测所得到的均方根误差分别为0.83 kV/m和0.85 kV/m,实现了相对准确的预测。研究结果可为特高压直流输电工程环境评估提供有用的合成电场分析方法。     

中原城市群重点城市首要污染物日变化特征及成因分析

中原城市群重点城市是我国大气污染较为严重的区域之一。利用2017年河南省各地市环保局国控站点和地面监测站提供的首要污染物浓度和气象要素24h连续监测数据,分析得到2017年首要污染物占比和首要污染物浓度的日变化特征,采用相关分析法和主成分回归分析法得到各首要污染物之间的相关性及气象因子对首要污染物的影响。结果表明,2017年中原城市群重点城市首要污染物主要由PM2.5、PM10和O3组成;一天中,PM2.5呈双峰变化,主峰值出现在8:00-9:00,次峰值出现在22:00,谷值出现在下午16:00;PM10小时浓度呈三峰变化,主峰值出现在9:00,次峰值出现在1:00和21:00左右,主谷值出现在15:00,次谷值出现在0:00和5:00;O3小时浓度呈单峰变化,峰值出现在15:00,谷值出现在7:00左右;PM2.5在低温、高压、中等偏高的湿度、较弱风的条件下利于积累,PM10在低温、高压、中等偏高的湿度、较弱风的条件下易于积累,O3在高温、低压、中等偏低的湿度、强风的条件下易于生成与积累;对PM2.5、PM10浓度影响最大的两个气象因子是气温和气压,对O3浓度影响最大的两个气象因子是风速和气温。     

长三角典型城市PM2.5浓度变化特征及与气象要素的关系

利用长三角地区4个典型城市南京、上海、杭州、合肥2014年4月1日~2015年3月31日的PM2.5监测数据,以及同期MICAPS地面气象要素的观测资料,对该地区PM2.5浓度的变化规律及其与气象要素的关系进行了分析和讨论。结果表明:长三角地区PM2.5浓度总达标率总体表现为夏季最高,冬季最低的态势。4个城市中,上海全年总达标率最高,杭州其次,合肥最低。上海和杭州达标率月变化特征相近,南京和合肥相近;PM2.5逐小时浓度日变化曲线呈现两峰一谷型分布,最大值均出现在早晨,最小值均出现在下午16~17时之间;月平均浓度具有明显的季节变化特征,冬季最高,夏季最低;PM2.5浓度与风速呈现显著现负相关关系,受地面风向影响明显,污染物在主导风的作用下从上游污染源扩散至下风区域;与气温呈现负相关关系;从全年来看,PM2.5浓度与相对湿度呈现负相关关系,高湿度状态更有利于降水从而增加PM2.5湿清除;各个城市PM2.5浓度与气压相关性很弱,并且未通过显著性检验,可见气压是影响PM2.5浓度变化的次要因素;降水对PM2.5清除作用明显。不同城市PM2.5的变化特征及其受气象要素的影响存在差异,主要是由不同城市的地理环境、产业布局以及污染源等因素造成的。     

信阳市中心城区空气质量的时间变化特征

以《环境空气质量指数(AQI)技术规定(试行)》和信阳市中心城区2015-2017年的空气质量指数(AQI)日均值为依据,计算出每年的AQI月均值,分析该城区空气质量的年际、年内变化特征及其影响因素.结果表明,该城区空气质量逐年改善,年内空气质量季节变化明显:夏季良好、较稳定;冬季污染天数多于其他季节,总体表现为轻污染;春、秋季在良好和轻污染级别之间震荡.多云、阴、小雨、小雪及雨夹雪,风力≤2级、无持续方向,特别是冬季北风、偏北风等天气条件下,易发生空气污染,城市地貌阻碍空气扩散.进一步表明在防控大气污染方面,该城区应关注天气和季节变化、重视城市规划和城市设计.     

石家庄市采暖期空气质量特征及其与气象条件的关系

为确定石家庄市采暖期易引发大气污染的气象条件,通过对石家庄市2016—2018年采暖期的空气质量逐日监测数据,以及同期气象观测资料进行研究,分析了石家庄市采暖期的空气质量变化特征,探讨了影响环境数据变化的主要气象要素,筛选并确定了PM_(10)、PM_(2.5)、AQI的污染气象指标。结果表明:石家庄市采暖期内所有天数均为非一级天,其中污染日较多,占69.58%,以PM_(2.5)为首要污染物的天数最多,其次是PM_(10);PM_(10)、PM_(2.5)、SO_2、NO_2、CO浓度与气温、变压、风速和混合层高度负相关,与相对湿度正相关(SO_2除外),O_3与气象要素的相关性和上述五种污染物相反;气象要素对大气环境影响的排序为:相对湿度风速混合层高度水汽压变压气温;确定的三种污染气象指标准确率分别是70.37%、70.37%、72.97%。