基于AQI对京津冀地区空气污染的计量分析

针对京津冀地区空气污染来源和污染物造成空气质量的恶化,综合使用AQI、综合分析、回归分析和灰色预测等方法,分别建立扩散微分、回归分析、灰色预测和综合评价模型,运用EVIEWS,MATLAB,EXCEL软件求解.结果得出:以国标和美标为基准对京津冀地区的空气质量优劣程度进行划分,明确了主要污染源及空气质量的影响因素;结合污染源扩散模型进行分析并给出解决空气质量的建议.     

基于高斯扩散模型的京津冀空气污染研究

针对空气污染,以京津冀地区为主要研究对象,收集相关数据,使用贴近度分析、主成份分析、微分方程分析等方法,建立了空气质量等级评估模型、主成份分析模型、微分方程模型、多污染源地面点源扩散模型等,使用MATLAB、EXCEL等软件编程,得到不同时间点距离污染源不同处的污染程度,并通过主成份分析PM 2.5、PM10、CO、NO2、SO2这5个污染项目的数据得出的结论为PM2.5为京津冀地区首要污染物。     

基于高斯模型对空气污染扩散问题的研究

针对京津冀地区的空气污染问题,综合利用了空气污染指数法、变异系数法等方法,构建了模糊综合评价模型、高斯烟羽模型、多点源高斯迭加模型等模型,利用MATLAB、VC++等软件,得出影响京津冀地区空气质量的主要污染源为燃煤和汽车尾气,北京市二环、四环、六环路在16日的空气质量状况均为轻度污染等结论。并给出了河北某工厂方圆51 km内污染物浓度分布情况和北京市三个环路的空气污染浓度梯度变化情况。     

京津冀地区空气污染研究及可行性建议

针对京津冀地区环境污染问题,结合各种污染物对人体的有害程度,运用归一化方法,分析影响空气质量的主要污染源,并对传统高斯模型提出修正,建立单污染源空气污染扩散模型,分析工厂排放废气的污染物扩散规律,运用MATLAB编程计算结果,结合污染源参数,对未来空气污染治理提出了可行性建议.     

基于主成分判别分析的全国主要城市空气质量评价

空气质量在国际上已是重点控制对象,利用主成分方法对影响各个城市的空气质量的指标进行分析,得出影响空气质量的主要因素.然后选取主成分进行费希尔(Fisher)判别分析,建立主成分的费希尔判别分析模型,对城市的空气质量进行判别,再利用判别式分别对重庆、成都、昆明、宝鸡4个城市的空气质量类别进行预测.     

浙江省空气质量变化特征研究——基于函数型数据分析

为了探究浙江省空气质量变化特征,选取浙江省2014—2019 年的空气质量指数月度数据和6项主要空气污染物浓度月度数据进行研究。首先,将空气质量指数数据和6项空气污染物浓度数据拟合为函数曲线;然后,为了发掘浙江省空气质量指数和6项空气污染物浓度的动态变化特征,对空气质量指数曲线族的主成分基系数进行了K-means聚类,并对6项空气污染物浓度曲线族进行了多元Funclust聚类;最后,借助ArcGIS绘制浙江省聚类结果空间分布图,并探索了浙江省空气质量的空间分布特征。结果表明,浙江省空气质量变化特征在空间上可以划分为4类区域,呈现出由南至北逐渐变差的趋势;在时间上,浙江省空气质量指数呈逐年稳步下降趋势,SO₂浓度下降明显,其他5项污染物浓度具有明显的相似性和显著的季节性特征。     

城市天气类型及其对污染物质量浓度的影响

根据长沙市2005--2009年每天24h气象数据和天平均污染物(SO2与NO2)浓度,运用主成分(PCA)与聚类(CA)统计分析方法对影响城市大气污染物扩散的地面天气进行分类,得出影响污染物浓度的主要天气类型,分析不同天气类型下的污染物浓度变化特征.研究结果表明:高压反气旋控制之下容易形成高浓度污染,而在低压气旋或槽等天气类型控制时污染物浓度相对较低;同一种天气类型对不同污染物的影响程度也有所不同.研究结果能为大气环境质量预报与与空气污染总量控制等措施提供科学依据.     

京津冀地区空气污染影响因素及氮氧化物分布演变规律的定量分析

针对大气污染源及空气浓度梯度变化,综合使用定量分析、变量控制、线性拟合、二阶抛物型偏微分方程等方法,构建了主成分分析、单污染源高斯烟羽扩散等模型.运用EXCEL和MATLAB软件,研究得出京津冀地区空气主要污染源为工业废气、燃料燃烧、汽车尾气、工业废水等,主要影响参数为PM2.5、PM10.0,以及氮氧化物污染离烟囱越远浓度越低等结论.     

城市高架路沿侧细颗粒物的垂直分布特征研究

以上海市高架路为对象,通过移动设备开展数据采集,建立广义加性模型,对高架路细颗粒物(PM_(2.5))浓度的垂直分布及其与微观尺度下的交通、气象、位置等因素之间的关系进行了系统研究,并将原始影响因素的主成分分析结果作为输入变量,提出基于主成分分析法(PCA)的高架路交通污染物浓度垂直变化的神经网络预测模型(PCA-BPNN).结果表明:高度、相对湿度和交通流量对PM_(2.5)浓度垂直变化有着显著影响;PCA-BPNN模型能够较好地处理污染物扩散的非线性问题,消除变量间多重共线性,有效弥补污染物垂直扩散模型在道路微观尺度上预测的不足.     

合肥市环境空气质量分析

以合肥市空气质量实时监测面板数据为样本,气体污染物为指标,建立空气质量时空分布模型,从日度、月度和季度三个维度分析不同区污染状况.根据主成分分析综合评价模型,分析庐阳区、明珠广场、三里街等十个监测点主要污染源,并对各区污染程度排序.研究结果表明,NO2和PM2.5是合肥的主要污染物,瑶海区空气质量最差;滨湖新区、董铺水库、高新区、琥珀山庄、明珠广场和长江中路空气污染程度较轻,包河区、庐阳区、三里街和瑶海区的空气污染较重.     

重庆涪陵大气污染物特征及其与气象要素的关系

利用重庆涪陵2010—2014年空气质量监测数据和同期的气象资料,分析了涪陵地区大气污染物的变化情况与气象要素的相关关系.结果表明:涪陵从2010到2014年空气质量有变好趋势,迎宾大道和兴华中路的空气质量总体较好,AQI指数优良天数分别占87%和85.6%,PM_(10)为涪陵首要污染物.PM_(10),SO_2质量浓度具有周期性变化特征,从1月至12月为先降低后升高的趋势,每年较冷的12月、1月、2月PM_(10)质量浓度值较高,较热的月份质量浓度值较低.NO_2质量浓度年际间变化幅度较小.PM_(10)与气温、降水量、相对湿度、平均风速具有负相关性,与气压具有正相关,即气温越高、降雨量越大、气压越低、风速越大,PM_(10)质量浓度越低.SO_2,NO_2与气温、气压、降水量均为负相关,与相对湿度正相关.不同月份大气污染物与气象要素的相关性存在较大差异.     

基于光谱技术的水污染物检测与仿真研究

提出一种基于光谱技术的水污染物质量浓度的检测与仿真方法,结合机器学习可最终实现对水污染物的定性分析和定量检测.通过偏最小二乘法选取合适的波段建立标准模型,利用合适的主成分数定量分析湖水中两种污染物氨氮和化学需氧量的质量浓度.以武汉东湖为例,选取不同区段的3个水样作为待测水样.对于氨氮,选取标准溶液在188.477～189.935nm之间的11个波点建立标准模型,采用3个主成分进行预测,3个待测水样的氨氮质量浓度分别为103.939,37.291,15.592 mg/L.对于化学需氧量,选取标准溶液在235.785～237.210 nm之间的11个波点建立标准模型,采用1个主成分进行预测,其中2个待测水样的化学需氧量质量浓度较低,另一个浓度为19.421 mg/L.通过与国家标准对比表明:东湖氨氮含量严重超标,化学需氧量轻微超标.     

兰州市空气污染与气象条件关系分析

利用20012003,20072008年兰州市环境保护局环境监测站SO2,NO2,PM10逐日质量浓度监测资料及同期兰州市气象局的常规气象观测资料,分析了兰州市空气污染的变化特征,探讨了SO2,NO2和PM10质量浓度与气象条件的关系.结果表明:兰州市空气质量以良和轻微污染天气状况为主,空气污染状况呈现冬季加重夏季减轻的年变化特征.吹东北风不利于污染物稀释扩散,吹西北风有利于污染物稀释扩散,降水、相对湿度和风速等气象条件对空气污染状况有显著影响,另外该市城市热岛效应与空气污染状况有明显相关关系.     

滇东地区城市空气污染变化特征及其与气象条件的关系

基于滇东城市曲靖2014-2018年2个国控空气质量监测点的逐日空气质量指数和6种空气污染物(SO_2、NO_2、PM_(10)、PM_(2.5)、CO和O_3)逐小时浓度资料以及同期气象要素数据,统计分析了曲靖主城区空气污染变化特征及气象因子对污染物浓度分布的影响.结果表明:①2014至2018年,曲靖主城区空气质量优良率为97%-99.7%,污染日数呈逐年减少趋势,首要污染物以PM_(10)、PM_(2.5)和O_3为主.②曲靖主城区空气质量呈现出夏秋季节较好、冬春季节较差的季节性特征.③6种污染物浓度各自表现出不同的季节性变化和日变化特征.气象条件影响着曲靖主城区污染物的扩散、迁移和转变.④风速与SO_2、NO_2、CO和PM_(2.5)浓度具有较好的负相关关系;与O_3浓度呈正相关关系;风速对PM_(10)影响较复杂,当风速小于2 m/s时有利于PM_(10)扩散,当风速超过2 m/s时反而导致PM_(10)浓度增加.⑤地面盛行西北风和东南风时,SO_2、NO_2、CO、PM_(10)和PM_(2.5)浓度较高;地面盛行西南风时,O_3浓度达到最高值.⑥降水对6种污染物具有显著冲刷清洁作用.⑦温度与O_3浓度呈显著性正相关关系,与NO_2、CO、PM_(10)和PM_(2.5)浓度呈显著性负相关关系;与SO_2浓度关系不显著.⑧相对湿度与O_3、PM_(10)和PM_(2.5) 3种首要污染物浓度呈显著性负相关关系;与SO_2、NO_2和CO 3种非首要污染物浓度的关系不显著.     

哈尔滨市大气SO_2质量浓度分布特征模拟研究

采用CALPUFF空气质量模型,对2013年哈尔滨市1月和7月SO2质量浓度进行模拟,表征哈尔滨市采暖期和非采暖期的SO2质量浓度分布特征.SO2质量浓度监测值与模拟值的对比分析表明,二者变化趋势基本一致,且经统计分析可知:二者的相关系数可达到0.7,说明模型基本可以反映出模拟区域内气象条件的影响.SO2模拟结果表明:哈尔滨市采暖期SO2平均质量浓度高于非采暖期,大约是非采暖期的8~9倍,主要是由于采暖期燃煤量增加,排放出大量的SO2;气象条件不利,排放的污染物难以扩散;外来源输送与本地源叠加,加重了污染.采暖期市区质量浓度是其他区县质量浓度的3~4倍,而非采暖期各区县质量浓度相差不大.此外,污染物扩散方向与风向一致,且质量浓度分布受到地形的影响.     

基于时间序列的京津冀地区城市与西北地区兰州市空气污染特征比较

利用SPSS 19.0计算京津冀地区城市北京、天津、石家庄、保定和唐山城市间API日均值(2011年2月11日-2012年12月30日)的Pearson相关系数,据各城市间的Pearson相关系数与各城市间的直线距离,对城市间API值与城市间距离的相关性进行了研究;此外,对2003-2012年间京津冀地区城市北京、天津、石家庄和西北地区兰州的空气质量级别和首要污染物的出现频率进行了统计分析,利用该频率比较研究了京津冀城市北京、天津、石家庄和西北兰州的空气质量状况;最后对北京、天津、石家庄和兰州市2003-2012年间的API月均值建立适合的SARIMA模型,利用模型预测4个城市2013-2014年的API月均值,并对比2013-2014年京津冀地区的北京、天津、石家庄与西北地区兰州空气质量的特点.结果表明:城市间API的相关系数与城市间距离呈正相关,京津冀区域内城市间的空气质量的治理应当采取城市间的联合防控进行治理;此外,兰州的空气质量在2003-2012年间的优良天数要低于北京、天津和石家庄,并且在该时段内4个城市的空气质量均趋于好转.SARIMA模型对北京、天津、石家庄和兰州2013-2014年间的API月均值的预测表明在此时间内兰州夏秋季节的空气质量好于北京、天津和石家庄,但在冬春季节差于这3个城市;此外北京、兰州的空气质量在继续改善,而天津和石家庄有空气质量恶化的趋势.     

街谷结构内流场和污染浓度场的数值模拟研究

从三维尺度出发,对6种不同几何尺寸的街谷结构内流场和污染浓度场进行了数值模拟.流场计算模型采用Spalart-Allmaras湍流模型,污染物浓度场采用与流场耦合的对流扩散方程模拟,采用有限元方法离散微分方程.模拟结果表明,街谷结构的几何尺寸对其中流场和污染场的分布有很大的影响.宽度较小,高度较大的街谷结构内流场较复杂,污染物在其中比较不容易扩散.本文对不同街谷结构内流场和污染物浓度场的分布进行了对比分析,对城市规划设计、城市气候以及城市空气质量控制等领域具有重要意义.     

太原市城区SO2扩散分布规律研究

采用CALPUFF空气质量模型,对2006年太原市城区大气污染源排放SO2的传输及转化过程进行数值模拟.借助于地理信息系统软件和其它工具软件,结合实际监测结果详细分析了太原市城区范围内的SO2浓度分布特点及其对各关心点的浓度贡献.结果表明:太原市1、4两月大气污染物整体向东南方向扩散,7月由市中心向四周均匀扩散,10月向东北方向扩散;太原市7月份最不利于污染物扩散,其次为1月份;相比之下,4、10两月污染物扩散能力强.从空间分布来说,太原市SO2污染总体呈现东部重于西部,北部重于南部的态势;高值区主要分布在北部太钢工业区、西部煤化工工业区和东部工商混合区.太原市污染源排放对各关心点的SO2浓度贡献值呈现1、7月高,4、10月低的趋势,贡献值较大的关心点由高到低依次为涧河、坞城、桃园、尖草坪.     

太原和吕梁环境状况比较分析

以太原市和吕梁市为研究对象,通过对2015—2018年两市各空气质量相关数据的分析,探讨了两市污染物浓度变化趋势。分析得出:PM10和NO2对空气质量的贡献值比较大;根据综合指数判定,太原市空气质量劣于吕梁市;4类污染物浓度呈现各自的变化特征。     

AERMOD与CALPUFF模拟复杂地形空气质量的对比

根据兰州新区总体规划的产业布局,通过污染源识别出对兰州新区空气质量产生影响的污染源主要为石化园区与燃煤电厂,分别利用AERMOD与CALPUFF模拟了兰州新区SO_2小时平均、日平均和年平均质量浓度的空间分布,探讨了两种模式模拟结果的差异.结果表明,两种模式模拟的污染物质量浓度高值区均集中在石化园区附近,AERMOD模拟结果影响范围较小,主要与该模式只采用单点气象数据代表模拟范围内的气象场有关;两种模式模拟的峰值差异较大,CALPUFF模拟的污染物质量浓度普遍高于AERMOD,主要原因是CALPUFF扩散模型在复杂下垫面考虑烟团遇障碍物回流造成质量浓度叠加,从而导致污染物质量浓度较大.