武汉城区PM_(2.5)浓度的因素分析与其估算模型

首先利用武汉市城区空气质量监测数据,通过运用SPSS软件对武汉市城区空气质量基本监测指标之间进行了独立性检验,发现各指标变量之间的不具独立性,即各变量之间具有一定关系。然后对各监测指标之间的相关性进行了分析,利用SPSS软件求得各指标之间的相关系数,判断各变量之间相关性是否显著,发现PM2.5与其它5个基本监测指标相关性显著。最后建立了武汉市城区PM2.5与其它5个基本监测指标的逐步回归模型,检验性预测证明模型是理想的。     

基于SARIMA模型的保定市空气质量指标的预测

利用SARIMA模型对保定市空气质量进行了预测分析.通过分析保定市2014.4.1~2018.3.31的SO_2、PM_(2.5)、SO_2、CO、SO_2、O_36个指标的监测数据,利用SPSS软件对6种空气污染指标值的变动情况进行了预测,并研究了空气质量的规律性变化。Box-Lung Q检验值及决定系数R方表明:SARIMA模型预测效果较为理想,有一定的应用价值。     

长沙市大气颗粒物PM2.5和PM10的时空分布特征

利用 2017—2018 年长沙市空气质量监测数据,分析了长沙市大气颗粒物 PM2.5 和 PM10 的时空 分布特征。结果表明：长沙市大气颗粒物 PM2.5 和 PM10 均表现为冬季 > 秋季 > 春季 > 夏季,冬季浓度最 高,PM2.5 和 PM10 分别为 62.87 和 89.22 μg · m-3;空间变化特征：PM2.5 浓度为长沙城区＞长沙县＞宁乡 县＞望城区＞浏阳市, PM10 浓度为长沙城区＞宁乡县＞长沙县＞望城区＞浏阳市;颗粒污染物 PM2.5 与 PM10 浓度有极显著的线性相关性,r = 0.853,P=0.000（P ＜ 0.01）;降水对大气颗粒物有显著消减作用, 使 PM2.5、PM10 的浓度分别下降了 17.93% 和 27.67%。通过调整能源结构、提倡绿色出行、增加绿量、人 工降水等可有效控制长沙市大气颗粒物污染。     

永州市大气污染变化特征及其防治对策

以2017～2019年永州市环境空气质量现状为基础,结合气象和地形条件,对空气质量和主要大气污染物变化进行了分析,并以2018年空气质量数据和气象数据为例,对主要大气污染物之间及其与气象因素的相关性进行了主成分分析和逐步线性回归分析。结果表明:近几年来永州市空气质量优良率略有上升;各项污染物中对综合指数贡献由大到小依次是:PM2.5PM10O3NO2COSO2,污染天气主要集中在秋冬季,温度与气压、NO2、PM10、CO、PM2.5呈现极显著负相关关系,并呈线性相关;PM2.5与NO2、PM10、CO呈现极显著正相关关系,PM2.5与PM10、CO呈线性相关;NO2与CO、PM10呈现极显著正相关关系,与温度呈负线性相关;O3与CO呈现显著负线性相关。在上述研究基础上,从日常防控、应急管控、长效管控计划3个方面提出了永州市大气污染控制的对策,以期为改善其空气质量提供参考。     

台州市城市绿地PM2.5差异及影响因素分析

以台州市为研究对象,通过对城区内天气等因素与不同绿地类型区域内PM 2.5浓度进行单因素方差、双变量相关及冗余等分析,研究主要绿地类型(草地、树林、混合绿地和裸地)的PM 2.5浓度特征。结果显示,树林和混合绿地的PM 2.5浓度显著低于草地和裸地;天气和功能区对PM 2.5浓度存在显著影响,且与绿地类型间存在显著的交互作用;各观测点PM 2.5浓度与绿地类型内部空气湿度、地面湿度、归一化植被指数(NDVI)、归一化水体指数(NDWI)和归一化建筑指数(NDBI)都有一定相关性。该研究对综合因素影响条件下,准确分析绿地类型对PM 2.5浓度的影响具有一定的指导作用。     

PM_(2.5)纳入空气质量基本监测项目的政策议程分析——基于多源流模型视角

采用John W Kingdon的多源流理论框架,分析了该政策议程中的问题源流、政策源流和政治源流,说明了"政策之窗"开启的决定性因素为新兴网络媒体的公众舆论从政府外部到内部的快速渗透,助力政策共同体将PM2.5纳入空气质量基本监测项目。多源流模型对PM2.5纳入空气质量基本监测项目的政策议程具有很好的解释力,也为我国今后环境政策的理论和实践提供了借鉴依据。     

基于主成分分析对历史文化保护区的空气质量评价——以北京白塔寺街区为例

为了实现对白塔寺历史文化区的精细化管理,在该区域内部署了60套CityGrid一体化传感器进行实时监测,选取2017年11月份二氧化硫、二氧化氮、一氧化碳、PM2.5、PM10和臭氧的监测数据作为研究对象,通过与北京监测站——西城官园的监测数据对比发现,两地的各个指标变化趋势大体一致,说明传感器满足监测的精度要求。通过线性插值法和主成分分析分别构造空气质量指数和空气质量综合指数,发现两者的相关系数达到0.831,在一定程度上都能反映白塔寺街区的空气质量状况。与官园监测站的空气质量指数对比发现空气质量综合指数和官园空气质量指数的相关性更是高达0.883,特别是在11月2日、7日和22日指数大幅度下降时,空气质量综合指数和官园空气质量指数更加吻合。综上可知主成分分析比线性插值法更适合于白塔寺街区的空气质量研究,并建立新的评价等级,以切实反映白塔寺街区的空气状况。     

霾高发季节郑州五城区PM_(2.5)污染水平的对比分析及影响因素初探

指出了冬季是郑州市区霾天气高发季节,环境空气中PM_(2.5)质量浓度在郑州市各城区的差异和影响因素尚需进一步讨论。采用全国城市空气质量实时发布平台于2015年11月18日至2016年1月31日期间发布的郑州市五城区监测点的PM_(2.5)质量浓度数据和郑州市经济统计数据,分析了各城区间PM_(2.5)污染水平的特征、相互关系及影响因素。结果显示:霾高发季节郑州市各城区之间的PM_(2.5)质量浓度相关性显著,各城区的经济结构对PM_(2.5)污染水平的影响也比较显著,城市的绿色发展对区域PM_(2.5)污染水平具有积极作用。     

武汉市城区空气颗粒物PM_(2.5)和PM_(10)时空特征及与气象条件的关系

指出了深入了解大气颗粒物浓度的时空变化格局,对于大气污染防治、预警预报等具有重要理论和实践意义。结合2015年1月至2015年12月武汉10个监测站点每小时PM_(2.5)和PM_(10)浓度数据和气象数据,研究了武汉市城区大气颗粒物浓度时空分异特征及与气象环境条件的关系。研究结果表明:武汉市城区PM_(2.5)和PM_(10)浓度均呈现出西部最低、东部居中、中部高低斑块状分布的空间格局。时间上各城区均呈现颗粒物浓度随着月份变化先降低后升高,1月份最高,7月份最低,且浓度呈现夏季秋季春季冬季的变化规律。相关性分析表明,武汉市城区大气颗粒物浓度时空变化特征与降水量、气温等气象因子呈现出显著负相关关系,与风速关系不显著。     

基于AHP法的石河子发电厂周边空气质量评价

空气质量是评判环境健康的重要指标,如何对空气质量进行客观、综合的评价是关键问题。针对石河子环境质量状况,以石河子市阳光双语学校、石河子南区热电厂为实验区域,采集二氧化碳、一氧化碳、PM2.5浓度数据,采用格拉布斯准则、皮尔逊积矩系数完成数据筛选与相关性分析,建立实测数据与官网数据数学转换模型,利用基于模糊学理论的层次分析法(AHP,Analytic Hierarchy?Process)完成空气质量等级评价模型的构建。实验结果表明:系统采集的数据与官网数据相关性大于0.97,产生的模型精度较高,达到了准确性为93.3%的环境等级评价结果,验证了评价模型的可靠性和有效性。     

贵阳市冬季高层建筑环境空气中可吸入颗粒物的污染特征

指出了空气颗粒物污染不仅能使大气能见度降低,而且对人体健康造成危害。通过对贵阳市2个高层建筑可吸入颗粒物浓度的监测,对贵阳市冬季高层建筑可吸入颗粒物的污染水平和污染特征进行了研究。结果表明：城市高层建筑面临的颗粒物污染垂直分布是比较复杂的,较大颗粒的质量浓度底层要大于上层。对于同一个高层建筑,在不同楼层,PM2.5/PM10的比值变化幅度不大。大气中PM2.5和PM10没有明显的相关性,这主要和污染源分布以及天气条件有关。     

浅述辽宁省PM2．5自动监测现状及防治措施

以辽宁省为例,简述了现阶段环境空气质量现状,并重点针对PM2.5监测中新标准实施和点位布设进行了阐述,提出了PM2.5防治的措施。     

PM2．5监测数据质量主要影响因素和控制方法探讨

在总结空气质量PM2.5自动监测系统6年运行和管理经验的基础上，指出了当前空气自动监测子站PM2.5监测数据质量的主要影响因素分别是样品输送管路、采样流量测控、颗粒物截获质量检测与精密度控制等，提出了相应的控制方法，有效地减小了自动监测系统的误差，提高了PM2.5监测数据的准确度。     

灰色系统理论在环境空气质量预测中的应用——以济南市为例

指出了灰色系统理论是由邓聚龙教授于1982年创立的,并在经济、气象、水利、交通运输、环境保护等众多领域得到了广泛应用。该理论体系中灰色预测GM(1,1)模型具有要求数据较少,原理简单有效,结果精度高等特点,适合对空气质量变化的预测。利用山东省济南市2001～2010年环境空气质量监测数据,分析了主要污染物(SO2、NO2和PM10)浓度的年际变化及其原因,并通过对其数据处理,建立了相应的GM(1,1)模型,对济南市未来五年空气质量做出预测。结果表明:在未来5年内,济南市SO2年平均浓度将呈现稳中有降的趋势,NO2和PM10则将呈现略微上升趋势。其中PM10仍是济南市最主要的污染物,是防治的重点。     

烟花爆竹试燃放时段浏阳市城区PM10和PM2.5的污染特征及影响分析

利用浏阳市2018年烟花爆竹试燃放时段污染天气作为研究背景,选取浏阳市环境空气自动监测省控站点2018年全年期间周1至周5实时监测数据及气象参数进行了分析。结果表明:烟花爆竹试燃放时段对环境空气中PM 10和PM 2.5影响显著,集中试燃放对PM 10和PM 2.5的小时值增长倍数贡献明显,烟花爆竹试燃放时段对PM 10和PM 2.5的小时值最大贡献量分别为17~31μg/m^3和11~19μg/m^3;最大增高倍数分别为0.4~0.7倍和0.4~0.9倍。PM 10和PM 2.5小时浓度均为秋季增幅最大。     

多城市PM2.5、PM10、O3浓度与气象条件关联性的Meta分析

使用2015~2017年我国29个城市的空气污染物PM_2.5、PM₁₀、O₃浓度和气象要素(包括气压、气温、相对湿度、降水量、风速、日照时数)日数据,对每个城市空气质量变化特征与气象要素的月平均值进行了线性相关和多元回归模型分析,然后Meta分析合并相关系数和回归系数。结果表明:PM_2.5浓度与所有气象变量(除风速)呈相关、PM₁₀浓度与所有气象变量呈相关,而O₃也与所有气象变量(除相对湿度)呈相关,但O₃与气象变量的相关方向和PM_2.5、PM₁₀相反。通过对污染物浓度和气象变量的多元回归分析,21个城市的空气污染都得到较好程度的解释(R²>0.5)。同时,对影响PM_2.5、PM₁₀和O₃的主要气象因素的效应进行了合并。     

基于主成分分析南京空气污染各成分的关系

根据从南京9个空气环境监测站所得到的空气污染物数据,在空气各成分的相关性指标中,运用主成分分析法,对各个监测样本各个特征性指标进行了分类分析,结果表明：占总方差的79．038％的3个因子来反映空气污染的总体程度,这3个因子归类分别为：①NO2、03、032和SO2,②AQI和03,③PM10和CO。有主成分分析法可以准确地探讨出空气各污染指数准确的内在关系,为当下的环境治理提供一些参考和帮助。     

蚌埠市区可吸入颗粒物污染特征研究

利用2006～2010年蚌埠市区环境空气质量数据,分析了蚌埠市区PM10污染的年和季变化特征、变化趋势及其成因、降水量、城市建设等与PM10浓度的关系,针对蚌埠市区的PM10污染提出了治理措施和建议,以改善城市空气环境质量。     

北京市道路绿地对PM2.5浓度分布与消减作用的影响

摘要：选择北京市典型道路绿地类型为试验监测点,对0,6,16,26,36iTI不同绿带宽度下PM2。浓度分布、消减能力及与气象因子的关系进行了研究。结果表明：道路绿地空气中P№。浓度的日变化均呈现双峰单谷型特征,即早晚高、白天低,最低值出现在午后14：00左右,最高值出现在晚高峰20：00左右;0,6,16,26,36m绿带宽度下PM25浓度平均值分别为46．64,44．35,42．91,40．96μg．m-3和41．97μg．m-3,以26m绿带宽度最低,0m最高;无污染或轻度污染（P№s〈115μg·m-3）天气条件下,绿地对PM2.5消减作用十分明显,26m的绿带处消减作用最强,最高可达28．0％;中度污染及以A（PM2.5〉115μg·m-3）天气条件下绿地对P№s消减作用不明显;PM2.5浓度与气象因子中的温度、风速成负相关关系,与相对湿度成正相关关系。     

湖南主要经济林树种滞留PM2.5等颗粒污染物能力研究

以湖南省7种常见经济林树种为研究对象,研究其在单位叶面积上对空气中PM2.5等颗粒物的滞留量,为揭示湖南省主要经济林树种降低空气中PM2.5等颗粒污染物能力提供科学依据。结果表明:不同树种单位叶面积吸附PM2.5的量各不相同,主要受其叶表微结构、枝叶密集度、叶质地、叶面倾角等因素的影响。各树种单位叶面积吸附PM2.5量由大到小排序依次为板栗(0.144μg/cm~2)、柑橘(0.038μg/cm~2)、油茶(0.034μg/cm~2)、花椒(0.03μg/cm~2)、枣(0.029μg/cm~2)、杜仲(0.023μg/cm~2)、光皮树(0.019μg/cm~2)。各树种单位叶面积吸附TSP、PM1、PM10量大小排序规律基本相同。板栗单位叶面积吸附TSP、PM1、PM10量最大,分别达到1.088、0.04、0.47μg/cm~2,光皮树单位叶面积吸附的TSP、PM1、PM10量最小,分别为0.119、0.006、0.048μg/cm~2。就叶习性而言,单位叶面积吸附的TSP、PM1、PM10、PM2.5量表现为常绿树种大于落叶树种。