湖南省14个市级城市空气质量指数的分布特征及其与气象因素的关系研究

利用中国气象局气象数据统一接口端（天擎）提供的2019—2021年地面日值资料和湖南省环境气象一体化业务平台提供的空气质量数据,利用相关分析方法对湖南省14个地市的空气质量指数（AQI）进行了分析。结果表明：2019—2021年湖南省东部地市的AQI值普遍高于湖南省西部和南部地市。湘西州和张家界的AQI值基本最低,AQI高值区分布在长株潭一带。春季和夏季AQI值最低,冬季升到最高值,冬季过后AQI值又逐渐降低。湖南省14个地市的空气质量污染天数最多的是长沙,其空气质量在湖南省最差;空气质量污染天数最低的是湘西州,空气质量整体最好。与2019年相比,2020年和2021年的年均污染天数减少。相对湿度、降水量、平均水汽压、本站气压和风速与长沙市AQI密切相关,并通过99%显著性检验,除了气压呈正相关外,其他均呈负相关关系。     

滁州市空气质量指数(AQI)与气象条件的关系分析

该文利用2015年滁州市逐日AQI与同期气象要素的观测资料,对滁州市空气质量变化特征及其与气象条件的关系进行了分析。结果表明:与上年相比,2015年滁州市空气质量未得到有效改善,还有进一步恶化的趋势。空气质量为良的等级出现频率最高,其次为轻度污染,首要污染物以PM_(2.5)为主。四季AQI存在显著差异,有明显的季节变化特征,冬季AQI均值最高,波动幅度最大,夏季AQI均值最低,波动幅度最小。AQI与平均气压、平均气温、日最低气温、气温日较差、平均风速、日降水量以及前一日AQI显著相关。基于气象要素建立的AQI回归方程对全年AQI的总体变化趋势和平均状态拟合效果较好,但对极值的拟合能力不足。     

基于AQI和小波分析的成都市空气质量评价研究

通过环境监测站收集成都市各个区的空气质量数据,初步了解成都市空气质量现状。从时间和空间两个角度深入剖析成都市各个区的空气质量分布趋势,并对各个区的污染天数进行对比研究。结果表明:外围行政区空气污染较轻,城内行政区污染较重;不同季节,空气质量较差的行政区基本相同,且AQI值波动性不明显,一年四季中AQI值按冬春夏秋的顺序排列。对成都市近两年来AQI进行小波分析,发现空气质量缓慢改善,但总体状况仍不容乐观。区域污染天数结果显示,郫县、温江、青白江区等区污染天数最多。     

哈尔滨供暖期间PM2.5污染状况及其与气象因子的相关性分析

[目的]研究哈尔滨供暖期间PM25污染状况及其与气象因子的相关性.[方法]针对北方城市哈尔滨冬季供暖期和非供暖期PM25和PM10的浓度变化特征以及供暖期间PM2.5浓度与气象因子的相关性进行分析.[结果]2014年全年空气质量在二级以上达标的天数为244d,未这标天数占33％;供暖期PM2 5和PM10的质量浓度显著高于非供暖期,平均值分别是非供暖期的3.34和2.49倍,且11月份浓度值达到最高;供暖期间的首要污染物质为PM2.5,非供暖期间首要污染物质为PM10;供暖期间PM2.5在PM10中的比重也高于非供暖期;PM25质量浓度与日均气温呈显著的正相关关系,与日最大能见度呈显著的负相关关系,与日均气压、日均风速和总辐射存在不显著的负相关关系,与日均湿度、总云量存在不显著的正相关关系.[结论]该研究为空气质量预报、大气污染防治和农业生产技术更新提供理论依据.     

江苏省空气质量时空特征分析

为分析江苏省空气质量时空特征,基于江苏省各市2019—2021年空气质量指数（AQI）数据,建立时间序列模型,采用空间自相关等方法进行研究。结果表明：江苏省AQI在空间分布上大致呈现出由东向西递增的趋势,在时间变化上大致呈现出“W”形变化趋势。每年冬季和夏季梅雨期间空气质量较差,且夏冬两季AQI空间自相关性相较于春秋两季更强。     

河北南部空气污染特征及其气象条件分析

在一定条件下,空气污染物浓度除与污染源排放程度有关外,也受气象条件影响。文章以河北省南部城市邯郸为研究对象,采用邯郸市环境监测站质量浓度资料及同期气象资料,利用统计方法,结合邯郸市空气污染物时空变化特征,对空气污染及其气象条件影响进行分析。结果表明,邯郸市的空气质量总体以轻度污染为主,空气质量指数AQI和空气污染物SO2、NO2、NO、PM10、PM2.5质量浓度变化趋势一致,均为秋冬季污染严重,O3变化情况与之相反,夏季严重;邯郸市空气质量指数AQI有一个高值中心、一个低值中心,刮东南风时不利于污染物扩散,污染最大;降水和适量的风对空气污染物有明显的扩散稀释作用,但均有一个临界值;气温与AQI呈负相关。     

京津冀地区空气质量及污染分布研究

目的针对京津冀地区空气质量指数和污染源,建立新的空气质量标准来定义空气等级以及建立模型对污染源的扩散进行研究,并给出减少京津冀地区污染的建议。方法以河北省为研究对象,通过互联网查找河北省的污染数据,分析国标和美标的区别,从而对国家空气质量标准(AQI)进行改进,运用半集均方差方法重新建立空气优劣程度模型,并在高斯定理的基础上建立多种研究污染物扩散的单污染源扩散、OSPM、CALINE-4、GM等模型,结合MATLAB、EXCEL等软件,给出不同时间段以及北京不同路段的污染浓度梯度和空气质量等级。结果北京早上8点AQI为255.16,空气质量五级,重度污染,中午12点AQI为140.78,空气质量三级,轻度污染,晚上9点AQI为77.79,空气质量二级,良;相同时间段内二环CO浓度高于四环,四环高于六环,相同路段在不同时间段内CO浓度呈折线变化,其中在7:00~9:00和19:00~21:00这两个时间段内CO浓度最高,11:00~13:00相对较低。结论京津冀地区工业生产和煤炭的燃烧是空气污染的重要来源,其中PM2.5和PM10占主要成分;另外大量的汽车尾气也是空气污染的主要来源。因此,通过控制煤炭燃烧和机动车尾气的排放,开发清洁能源可以有效地改善京津冀地区的空气质量。     

德州市区空气质量与气象条件的关系

选取德州市区2008年7月~2014年6月逐日的空气质量监测数据和同期的逐日气象观测资料,分析近40年来气候变化特征和近6年德州市区空气质量变化特征,研究了气象要素与空气质量指数之间的关系。结果表明,德州市区空气质量与气象因子关系密切,最为密切的主要因子有相对湿度、能见度、雾、霾。通过线性逐步回归分析建立AQI预报模型,得出德州市区影响AQI的气象影响因子在4个季节中均有霾入选,秋季除了霾之外还有平均能见度、大雾,而全年、夏季、冬季除了平均能见度、大雾之外均有轻雾、霾、平均相对湿度。     

哈尔滨市寒冷月份空气质量指数与空气污染物的相关性

以哈尔滨市环保局公布的2014年1—2月份市区内空气质量指数(AQI)实时监测数据为基础,每日对监测数据进行收集整理,得到了AQI的实时值以及PM2.5、PM10、CO、SO2、NO2质量浓度和臭氧1 h质量浓度(O3(1 h))、臭氧8 h质量浓度(O3(8 h));运用相关性分析、主成分回归分析及通径分析方法,分析各空气污染物对AQI的影响程度。结果表明:AQI与PM2.5、PM10、CO、SO2、NO2呈显著正相关,AQI与O3(1 h)、O3(8 h)呈显著负相关;空气污染物间存在严重的多重共线性。根据相关性分析结果,建立AQI与空气污染物的主成分回归模型,模型通过检验。通径分析结果表明:PM2.5对AQI的直接作用及总作用,均最大;PM2.5通过CO对AQI的间接作用,均大于其他污染物通过CO对AQI的间接作用;PM2.5对AQI的变化,起到了决定性的影响作用。     

吉林省长春市2019年12月22日—29日一次重污染过程的成因分析

运用统计、对比分析等方法对2014—2019年吉林省长春市空气污染及其气象条件进行研究分析。根据《环境大气质量标准（GB 3095—2012）》中对空气质量指数（AQI）和相关污染物的标准划定对空气质量进行综合评价,主要采用地面降水量、风速、逆温层特征、混合层高度等气象要素进行相关分析。对AQI和相关污染物的月均变化进行对比分析,以及对研究期间出现的2个重污染个例进行深入分析,并得出相关结论。     

乌海市雾对空气质量的影响

使用乌海市环保局2015—2020年逐时污染物浓度资料、乌海机场逐时能见度、国家一般气象站逐时相对湿度气象要素资料,分析了乌海市雾与空气质量的变化和对空气质量的影响。结果表明：(1)空气质量指数(Air quality index,AQI)与雾日数变化整体趋势相反,但不完全呈负相关,还有其他影响因素,乌海市的雾具有湿度大、持续时间短的特征。(2)雾对空气质量有明显的影响,相对湿度<95%的雾,除持续时间长以外,均会使平均AQI值增加,加剧空气污染程度;而相对湿度≥95%的雾反而会减轻空气污染。但雾消散后的空气污染状况基本比雾出现前严重。乌海市雾出现时大气首要污染物以PM_2.5为主。     

泰州市环境空气质量现状及原因分析

为掌握泰州市减排措施实施后空气质量现状及其变化趋势,对泰州市2013—2015年空气质量监测数据进行系统分析。结果表明:受减排影响显著,空气质量有逐步好转的趋势。与2013年相比,2015年泰州市AQI优良率上升7.9个百分点;同时,细颗粒物在综合指数中占比逐年下降。能源结构变化、污染源综合整治是改善空气质量的关键。除此之外,有利的气象条件也是空气质量好转的重要原因。     

2013年株洲市环境空气质量变化特征及其与气象条件的关系

采用2013年株洲市大气污染物逐时监测资料及同时段的气象观测资料,分析了株洲市空气污染的时间变化特征及其与气象条件的关系.结果表明,2013年株洲市首要污染物为PM2.5,全年有158 d空气质量达到优、良,其中5～9月空气质量较好,其余时段空气质量较差;总的看来夏半年AQI小于冬半年,除03污染物外,其余污染物较大浓度值主要出现在冬季,夏半年污染物浓度明显小于冬半年;除O3污染物外,其余污染物均为白天浓度小于夜晚,下午为一日中浓度最低时段.风速、降水量、能见度与AQI均呈反相关关系,即风速越大越有利于污染物的扩散、降水对污染物有冲刷作用、能见度越高扩散条件越好;混合层高度越高、逆温出现概率越小,污染物被稀释、扩散的范围越广,对应污染物浓度越低,空气质量较好.     

天门市城区空气污染特征及与气象条件关系分析

利用2017—2018年1—12月天门市基本站逐日常规地面、探空实测资料,天门市城区环境保护局环境监测站同时段SO₂、NO₂、O₃、CO、PM10、PM2.5逐日质量浓度监测资料及2017—2018年1—12月空气质量指数(AQI)逐日指数资料,在对天门市城区空气污染分布特征分析的基础上,重点对空气污染易发月份的污染气象条件进行详细分析。结果表明,天门市城区AQI为优、良、轻度污染、中度污染、重度污染的出现概率分别为21.0%、61.0%、14.0%、2.0%、2.0%,无严重以上污染日出现,年平均AQI为79.3;影响天门市城区空气质量的首要污染物是PM2.5,其次是PM10,天门市城区环境状况具有明显的季节变化特征,表现为冬季空气质量最差,污染日数主要集中在冬季,春、秋季次之,夏季最好;空气污染春节效应较为突出,分析2017、2018年春节前后7 d空气质量至少是轻度污染;空气PM2.5浓度与月降水量和月平均气温的关系为典型负相关,冬季天门市城区典型污染日更易出现在降水偏少、气温偏高、平均相对湿度偏大、平均气压偏低、...     

固原市空气质量特征及其与气象条件的关系

本文利用2015年1月至2017年12月固原市空气污染监测资料和气象资料,分析了空气质量特征及其与气象条件的关系。结果表明:固原市空气质量以良为主,空气质量为优的天数呈现减少趋势,从年际变化看,2017年空气质量有明显改善;PM10是固原市最主要的污染物,O3作为首要污染物天数年际变化呈明显增加趋势;春季、秋季、冬季固原市的首要污染物主要是PM10,夏季固原市首要污染物主要是O3,冬季12月至次年3月PM2.5成为首要污染物的天数占比较大,NO2成为首要污染物的天数主要集中在12月;不同季节影响空气质量的气象因子并不完全相同,各地面气象要素与空气污染指数(AQI)的关系,与风速最密切,其次是相对湿度;不同季节气温对空气污染指数(AQI)的影响作用不同;固原市易发生严重污染的典型天气形势:500hPa高空受脊前强西北气流影响,同时地面处于高气压场前部,多伴有大风、沙尘天气等灾害性天气现象。     

基于Stacking融合模型的乌鲁木齐市空气质量指数预测

随着社会的发展和公众环保意识的增强,空气质量日益成为公众关注的问题。预测未来空气质量情况,有利于提前采取污染防治措施和居民活动选择。以污染物因素和气象因素作为空气质量指数预测指标,建立基于Stacking融合的预测模型,利用新疆乌鲁木齐市2016年1月至2021年12月的空气污染物监测数据和气象数据,对乌鲁木齐市空气质量情况进行了预报,并与其他算法进行了对比。研究结果表明：Stacking融合模型在AQI数值预测方面的性能优于其他对比模型,具有良好的预测效果。     

滁州市空气质量与气象要素的关系及其预报方法研究

利用滁州市2015年1月至2017年5月逐日大气污染物数据及对应的气象观测资料,分析滁州市空气污染状况及其与气象要素的关系并建立基于气象要素的空气质量预报模型。结果表明,该地区空气污染物以细颗粒物PM2.5为主,主要出现在冬、春季,其次为O_3,主要出现在夏季;该地区出现中度以上污染时,上游西北来向的污染输送起重要作用,风速、降水与空气质量指数(AQI)及各类污染物浓度呈显著负相关,气温与PM10、PM2.5、NO_2、CO呈显著负相关,与O_3呈显著正相关,日照时数和相对湿度与颗粒物PM10、PM2.5浓度呈显著正相关;基于气象要素的预报模型对AQI及PM2.5、PM10和O_3的浓度预测效果优良,能满足日常的业务需求,对NO2的预报效果相对较差,标准化平均误差(NME)超过了30%,且对NO_2浓度有一定程度高估。     

伊宁市空气质量现状分析

通过对伊宁市空气质量数据的统计分析,结果表明,2015—2018年,伊宁市空气质量呈现逐年恶化态势,PM_(2.5)浓度逐年上升,超标现象日益凸显。冬季PM_(2.5)污染特征显著,且重污染天气易发。NO_2浓度呈现上升趋势,秋冬季超标天数日益增多。冬季多发的PM_(2.5)污染及秋冬季多发的NO_2是制约伊宁市AQI提升的关键因素。     

2017—2021年上饶市空气质量变化与气象因子的关系分析

利用2017—2021年期间上饶市环境监测数据和同期国家气象观测站气象观测数据,研究近5年来上饶市空气质量变化规律,以及各类主要污染物浓度月变化规律及其与气象要素之间的相关性。结果表明,2017—2021年,上饶市空气质量在逐年转好,受污染的天数逐年减少,2017年的空气质量最差,且重污染只出现在2017年。2017年空气质量为优的天数占比为23.6%,2021年空气质量为优的天数占达46.6%。通过分析发现,上饶市空气质量和气象要素有很好的相关性,其中AQI和气压、能见度、日照有明显的正相关性,与湿度、降水、风速和极大风速有明显的负相关性,并发现气象条件和各类污染物浓度也有显著的关联性。     

基于渐进DS证据理论的空气质量评价方法

[目的]科学地评价环境空气质量对大气污染防治具有重大的现实意义.环境空气质量的好坏是一个不确定性问题,常用的模糊综合评判法综合了多种大气污染物来评价空气质量,但评价结果往往低于我国空气质量指数(AQI)标准等级,弱化了多种污染物同时超标对空气质量的影响.DS证据理论在处理模糊或不确定等问题时具有很大优势,但是目前较少有...