昆明市官渡区臭氧污染特征及影响因子相关性分析

对2019年昆明市官渡区环境空气中臭氧监测数据进行分析,研究昆明市官渡区的臭氧(O3)污染情况、分布特征以及与影响因子的相关性。结果表明,该地区臭氧从3月份开始逐步升高,7—10月维持高位,其中8月达到峰值。O3浓度和超标天数均具有明显的季节变化特征,春季和夏季的O3污染最为严重。对臭氧浓度与影响因子(气压、气温、相对湿度、风速、降水量、NO2、NO、PM10、CO、PM2. 5)进行相关性分析,结果显示臭氧浓度与气温的相关性呈现中等程度正相关,与相对湿度、风速的相关性呈现较强的负相关性,NO2、PM10等会影响近地面臭氧浓度,但相关性较低。影响因子对臭氧浓度的作用不受海拔高度的影响。     

重庆大气中臭氧浓度变化及其前体物的相关性分析

臭氧是城市光化学烟雾的主要成分,同时也是重要的温室气体,因此臭氧污染已经成为城市空气质量的重要因素。利用近几年臭氧连续监测的数据,对臭氧的浓度变化特征进行了分析,并且对臭氧前体物（NOx、NOy、VOCs等）和气象因素作了相关性分析。结果表示臭氧浓度呈典型的季节性变化趋势,并且小时值变化出现明显的日变化规律,与太阳辐射强度成正相关;另外VOCs（挥发性有机物）与臭氧的变化规律基本一致,同时与NOx、NOy的浓度变化趋势存在较好的负相关性。     

东北地区-大连臭氧浓度分布与影响因素研究

随着经济社会的发展,人们对环境质量更加重视,光化学烟雾成为影响城市环境空气质量的重要因素。利用东北地区大连市全年臭氧监测的时间浓度,对臭氧污染的浓度分布特征,时间以及季节变化特征进行了分析。结果表明:臭氧浓度变化受太阳辐射强度和气温的影响明显,呈单峰型变化,臭氧浓度季节变化趋势明显。春、夏季节臭氧浓度较高,秋季臭氧浓度次之,臭氧与大气中的NO、NO2、CO、VOCs等前体物的浓度、太阳辐射的强度以及CO的浓度都有不同程度的相关性。     

安康市环境空气臭氧污染分析及对策

本文通过对安康市2015—2017年臭氧(O3)污染趋势分析,深入探讨臭氧(O3)污染成因并提出相关治理对策。从监测结果看,安康市臭氧浓度逐年上升,已成为继PM2.5后困扰城市空气质量改善和达标管理的一种重要大气污染物。安康市2015—2017年臭氧浓度不断升高主要由气候变化、自然输入、机动车尾气排放、挥发性有机物等因素导致。因此建议:(1)开展低速及载货柴油汽车专项整治;(2)加快新能源汽车推广普及;(3)开展餐饮油烟集中整治;(4)继续深化油气回收治理;(5)加快机动车维修企业及4S店有机废气治理;(6)深入开展工业企业挥发性有机物治理;(7)严格控制道路沥青铺设及路沿刷漆时间;(8)倡导绿色出行方式。     

沈阳及周边城市大气细粒子的分布特征及其对空气质量的影响

利用沈阳、鞍山、抚顺和本溪4城市2007-2009年大气细粒子PM2.5及大气污染物PM10SO2、NO2的观测资料,分析了4城市大气细粒子的分布特征及其与空气质量的关系.结果表明:4城市大气细粒子PM2.5污染很重,年均浓度平均值超过美国大气细粒子PM2.5年均浓度标准4倍左右;4城市PM10、SO2的年均浓度呈下降...     

昆明市臭氧污染特征及与气象因子关系初步研究

对昆明市2014—2018年空气质量和臭氧(O3)污染特征进行了分析,并结合臭氧污染观测资料和气象条件,对昆明市臭氧浓度与气象因子相关性进行了初步研究。结果表明:昆明市空气质量总体逐渐变好,臭氧浓度整体呈上升趋势,春季和夏季臭氧污染比较明显;臭氧浓度春季高,秋冬季低,高值主要集中在3—5月;臭氧污染主要出现在3—8月,7月最高;臭氧浓度与太阳辐射、气温、大气低层温度垂直分布、风速等总体呈正相关,与气压、相对湿度总体呈负相关。     

小百科:挥发性有机物(VOCs)

<正>以PM2.5为代表的细颗粒物和臭氧等空气污染物已经成为人们关注的焦点,但很多人不知道,在PM2.5和臭氧形成之前,还有一个重要的前体物——VOCs(挥发性有机物)。挥发性有机物是指在20℃条件下蒸气压大于或等于10Pa,或者特定适用条件下具有相应挥发性的全部有机化合物(不包括甲烷),简称VOCs,是城市灰霾和光化学污染的重要来源。其在阳光照射下可与氮氧化物     

北京市空气质量分析

整理2014—2018年北京市主要大气污染物排放数据,分别从年际间、交通流量较大的监测点间的污染物浓度指标变化分析空气质量.结果表明:2014—2017年,除O3外,PM2.5,PM10,SO2,NO2,CO浓度指标值均呈下降趋势,2018年各指标变化不明显;2014年、2015年奥体中心空气质量相对较差,2016年、...     

合肥紫外线辐射强度与空气质量的关系研究

利用合肥地面紫外辐射及环境空气质量观测资料,分析了晴天状况下9-15时逐时紫外线辐射强度与对应时段的PM10、PM2.5、SO2、NO2、O3、CO这6种污染物浓度及空气质量指数(AQI)之间的关系。结果表明:在PM2.5为首要污染物的情况下,紫外线辐射强度与PM2.5、PM10、AQI存在较好的负相关,与PM2.5的相关系统可达-0.72,而与SO2、NO2、O3、CO的相关性较差;与PM2.5的相关性存在明显的日变化,PM2.5/PM10越大,相关性越好;以PM2.5为首要污染物的重度污染可使紫外辐射衰减32%以上。     

2015～2018年太原市臭氧污染特征分析

基于太原市2015年1月~2019年2月的空气质量监测数据,分析了太原市近地面臭氧浓度变化特征。结果表明:2015~2018年太原市臭氧年平均浓度为78.42、82.33、95.87、103.77μg/m 3,臭氧浓度存在加速上升趋势;臭氧浓度逐日变化范围为5~270μg/m 3,共有181 d超过GB 3095—2012《环境空气质量标准》二级标准限值(160μg/m 3),超标时段主要集中于5~8月份;臭氧浓度日变化呈单峰型分布,峰值与谷值时段分别为14∶00~16∶00和6∶00~7∶00;臭氧浓度有明显的月变化规律,峰值与谷值时段分别为6~7月和1月、12月;臭氧浓度还表现出显著的季节变化规律,按浓度高低依次排序为夏季、春季、秋季和冬季;臭氧浓度与NO 2、CO、PM 2.5浓度呈负相关性。     

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。     

北京夏季道路环境中NO_x,NMHCs及气象因子对ρ(O_3)的影响

通过对北京市2009年夏季3种典型道路(开阔道路、交叉道路、街道峡谷)环境中O3,O3前体物(NO,NMHCs等)及气象因子的监测,分析了北京市典型道路环境中ρ(O3)的变化规律及O3前体物质量浓度与气象因子对ρ(O3)的影响.结果表明:夏季北京市典型道路环境中ρ(O3)呈明显的日间单峰变化规律,这与非道路环境并无不同.不同类型道路环境中ρ(O3)的变幅与峰值出现时间有所不同;3种典型道路环境中ρ(O3)与ρ(NO),ρ(NMHCs)等均呈良好的负相关关系,与ρ(NO2),ρ(NO2)/ρ(NO)呈良好的正相关关系;3种类型道路环境中ρ(O3)均呈现出与紫外强度、温度相同的变化趋势,而与相对湿度的变化趋势相反,ρ(O)高值出现于高温、强紫外线与低湿度的时刻,ρ(O)变化略滞后于紫外强度变化.     

上海大气颗粒物中溴、碘浓度水平的影响因素

统计分析了2008年采样期间大气颗粒物TSP和PM10中溴、碘浓度水平与气象条件和气态污染物SO2、NO2的关系。结果表明,风向为向岸流时,大气中TSP、PM10浓度以及颗粒物中溴、碘的浓度均低于离岸流时的数值;在各气象因素中,影响颗粒物中溴、碘浓度的主要气象因素为风向、气压和气温,风速和相对湿度的影响较小;颗粒物中溴、碘的浓度水平随大气中SO2、NO2浓度的上升而上升,颗粒物中碘与SO2、NO2呈显著正相关,而颗粒物中溴呈较弱的正相关性;当空气质量恶化时,PM10中Br、I浓度增大,而Br/I比值降低,城市大气中污染物质之间的化学反应对颗粒物中Br/I的比值有一定影响。     

深圳市PM_(2.5)浓度特征及统计预报研究

根据2015年1—12月深圳市城区11站点PM_(2.5)小时浓度监测数据,探讨了深圳市PM_(2.5)浓度的时空分布特征。结果显示:监测期间深圳市城区PM_(2.5)平均浓度为29.8μg/m~3,PM_(2.5)平均浓度整体呈现出:冬季>秋季>春季>夏季的特征,PM_(2.5)质量浓度日变化整体呈现出双峰型分布,午后12:00—16:00浓度较低。空间分布上,年均浓度从东南至西北方向依次升高,梯度特征明显。PM_(2.5)浓度与PM_(10)呈高度相关,与SO_2、NO_2、CO呈显著正相关,与O_3呈实相关。相邻城市间空气污染物浓度呈现出一定的相关性,区域污染突出。建立的PM_(2.5)回归统计模型对深圳市2015年PM_(2.5)临近预报的级别准确率在70%以上,能较好地反映PM_(2.5)浓度变化趋势。     

乌鲁木齐市大气污染状况及治理成效研究

对乌鲁木齐市近10年的空气质量各级别天数、主要大气污染物年均浓度进行研究,结果显示乌鲁木齐大气环境质量正向良好的趋势发展;PM10、NO2年均浓度变化幅度不大,仍高于国家二级标准;SO2年均浓度在2012年首次达到国家二级标准。大气污染物浓度与气象因素的相关分析显示,乌鲁木齐市大气污染物月均浓度和AQI与月均气温、日照时数、蒸发量呈显著的负相关关系,与月均湿度呈显著的正相关关系。通过变异系数法进一步得出节能减排和能源结构调整是促进乌鲁木齐市大气环境质量改善的主要因素。     

淮河下游连续雾-霾及转换成因分析

利用边界层探空资料、地面气象要素及污染物资料,研究了2012年6月中上旬淮河下游一次连续多日大范围雾-霾天气的雾-霾转换过程及成因.结果表明:近地面静小风为雾-霾长时间维持提供良好动力条件,边界层中低层维持的近中性层结或逆温层结创造良好热力条件,秸秆燃烧提供凝结核条件;雾和霾过程中风速下降伴随着能见度降低,风速增大则伴随着能见度升高.中度以上霾的形成和发展都伴随着空气比湿增大,霾向雾转换过程中比湿下降.比湿越大雾-霾持续时间越长,雾前比湿越高雾中最低能见度越低.能见度与SO2浓度呈正相关( Pearson相关系数为0.42)、与PM2.5和PM10浓度呈反相关(Pearson相关系数分别为-0.49和-0.56);雾-霾过程中上风向SO2、NO2浓度高于下风向2倍左右,下风向NO和PM10浓度高于上风向1.5倍左右,出现污染物转化.     

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.     

海南省背景区域臭氧及其前体物污染特征

基于2019年五指山背景点、海口市和三亚市的环境空气自动监测数据和气象观测资料,分析了海南省背景区域和重点城市O₃及其前体物NO₂污染特征;结合挥发性有机物（VOCs）在线监测数据,分析了五指山背景点VOCs的时间变化规律、O₃浓度高值月份O₃及其前体物VOCs和NO_x的污染特征以及VOCs的臭氧生成潜势（OFP）.结果表明,O₃是影响五指山背景点空气质量的关键污染物,五指山背景点O₃日最大8 h浓度平均值与海口市和三亚市显著相关.背景点NO₂月均浓度水平显著低于城市点,然而背景点和城市点O₃月均浓度水平和变化趋势高度一致.背景点O₃变化与风向密切相关,春夏季偏南风频率较高,O₃浓度相对较低;秋冬季以东北风为主,易受内陆污染输送影响,O₃浓度较高.五指山背景点春夏季VOCs体积分数低于秋冬季,但对应的OFP高于秋冬季;其中异戊二烯夏季体积分数显著高于秋冬季,且其夏季体积分数占总挥发性有机物的比例最高,对应的OFP贡献率可达70%以上,O₃则表现出秋冬季显著高于夏季的特征.11月O₃高浓度时段乙炔和芳香烃的体积分数较清洁日出现较大上升,同时其对应的OFP显著上升.VOCs优势物种和OFP主要贡献物种的分析结果表明,O₃高浓度时段机动车尾气和油气挥发排放源对五指山背景点VOCs的化学组成和OFP有重要贡献.