郑州市空气质量时间变化动态及影响因子研究

以国家环保总站的监测数据为基础,分析了2014年1—12月郑州市空气质量指数的日变化和月变化规律,采用单因素评价法,研究了郑州市PM10、PM2.5、SO2、NO2、和CO与空气质量的相关性。结果表明,郑州市每月均有不同次数的污染过程出现,1月、11月空气质量指数大于100的天数最多,分别为25、24 d,其次为10月、12月的21 d,7月轻度污染出现的天数最少,仅为5 d。郑州市1—12月空气质量指数的日均值与其PM10、PM2.5、SO2、NO2和CO的相关性研究结果表明,PM10和PM2.5与空气质量指数呈极显著线性相关,CO和NO2与空气质量指数相关性不显著,SO2与空气质量指数呈显著指数函数相关。     

浅析常州市PM2.5对能见度干扰

以2015—2016年观测到的水平能见度与PM2.5资料进行对应分析,根据PM2.5对空气质量影响的不同质量指数,分别分析其能见度变化,初步掌握了不同空气质量指数下能见度的基本变化范围,对气象能见度预测和相关研究提供借鉴。     

蚌埠市空气质量影响因素计量分析

目的基于蚌埠市空气污染问题现状,调查蚌埠市市区各类空气污染物浓度,分析蚌埠市空气质量主要污染源及其分布情况。方法在空气质量监测局网站上,查找到蚌埠市近几个月内的空气质量指数与6类常见大气污染物的浓度数据,使用相关性分析、多元线性回归等方法,分别构建相关性分析模型、多元线性回归模型、主因素分析等模型,使用MATLAB、EVIEWS软件进行编程,给出定量计算过程和计算结果,分析其结果代表的意义。结果空气质量指数AQI与6个基本监测指标SO2、NO2、PM10、PM2.5、O3和CO的相关系数分别为0.913 3,0.312 8,0.637 3,0.989 9,0.436,0.065;监测淮上区政府、百货大楼、二水厂、工人疗养院、蚌埠学院及高新区6个监测站的PM2.5浓度变化数据。监测结果为百货大楼,淮上区政府两地PM2.5浓度最高,向周边地区有递减的趋势;蚌埠市一天中PM2.5浓度值多在傍晚达到峰值,且在一年中冬季污染最为严重。结论蚌埠市空气质量指数影响因素主要为PM2.5,而PM2.5与CO之间相关关系较显著,蚌埠市人们的乘车出行对蚌埠市污染物浓度的影响最为显著。且冬季PM2.5含量相对春季、夏季较高。由此,控制人们日常生活中燃料燃烧和机动车尾气的排放可以有效地改善本区域的空气质量。     

呼和浩特市春季气象要素与空气质量指数的灰色关联分析

利用环保部门互联网公布的呼和浩特市2014年春季（3-5月）空气质量指数,及气象部门同步观测的有关气象要素数据,采用灰色关联方法分析探讨日平均风速、日平均地面温度、日平均水汽压、日平均气温、日平均相对湿度对呼和浩特市春季空气质量指数影响程度,从而为进一步做好空气污染气象条件预报及空气质量预报提供依据。结果表明,呼和浩特市2014年春季,各气象因素对空气质量指数影响程度从大到小排序依次为日平均风速、日平均相对湿度、日平均水汽压、日平均气温、日平均地面温度。     

石家庄市雾霾时空特征及影响因子研究

分析了石家庄市2015年全年空气质量监测点位所统计的PM2.5和PM10浓度数据的时空分布特征,并研究了PM2.5和PM10浓度与风速、降水量、气温、气压等气象因子以及社会经济之间的相关程度。结果表明,石家庄市PM2.5、PM10在时间上具有周期性演变规律,主要集中在秋冬季节,在空间上具有分布不均衡的现象;影响PM2.5、PM10时空分布规律的因素包括自然气象和社会经济两大因素,气象要素是雾霾集聚、转移与扩散的重要影响因子,而社会经济要素是影响石家庄市雾霾频发的根本性原因。因此,治理雾霾的根本在于能源结构的调整。     

2014年重庆市大气污染物浓度变化特征及其与气象条件的关系简

根据重庆市2014年1月-12月大气空气质量指数（AQI）以及大气首要污染物PM2.5,PM10,CO,SO2,NO2和O3等相关数据,分析了重庆市大气污染物浓度的变化特征,并结合月平均降水量、平均气温、日照时数、平均相对湿度、平均风速和平均气压等气象数据,运用相关分析法,研究气象要素对重庆市大气污染物的影响.研究结果表明:AQI和PM2.5,PM10质量浓度变化在月尺度上呈明显的“U”型变化,表现为两端高中间低的态势;季节变化尺度上,冬季最高,夏季最低,即夏季空气质量最好,冬季空气污染最严重;PM2.5和PM10质量浓度显著相关,相关系数达0.99,PM2.5对PM10贡献较大,两者质量浓度的比值达0.80.PM2.5和PM10质量浓度与平均相对湿度正相关,主要是因为相对湿度越大越有利于颗粒物的形成;与...     

浅谈海宁空气质量主要影响因素及污染防治对策

首先根据2009~2014年海宁空气质量监测数据,对海宁空气质量及主要污染物变化情况进行了统计分析,然后对空气质量主要影响因素进行分析,并提出空气污染防治对策。结果表明,海宁空气首要污染物为PM10和PM2.5,其污染指数大体呈现先降低又逐渐升高的趋势,与空气质量较好的城市相比仍存在较大差距。     

北京春季PM2.5和PM10污染水平及影响因素研究

本文以2013年3月份北京市环境监测中心公布数据为依据,对4个(东城天坛、西直门北大街、昌平镇、京西北八达岭)不同采样点PM2.5和PM10的浓度水平、空间分布、PM10/PM2.5比值和空气质量分指数进行分析。结果表明北京市3月份PM2.5和PM10月日均浓度为109.45±67.81μg·m~(-3)μg·m~(-3)和131.94±61.07μg·m~(-3),分别为国家二级标准的1.46倍和0.88倍,PM2.5和PM10日平均超标率为45.94%和4.87%;PM2.5和PM10的日变化以白天高,夜间低为主,基本呈现双峰型特征;PM2.5和PM10排序均为交通污染控制点郊区环境评价点城市环境评价点对照点及城区点,PM2.5/PM10的比值排序为京西北八达岭(107.59%)东城天坛(84.87%)昌平镇(84.79%)西直门北大街(67.80%);PM2.5和PM10与温度呈正相关关系,温度对PM10的影响更显著,PM2.5和PM10浓度变化与相对湿度和风速呈负相关关系,风速主要清除细粒子,对PM10的影响则较小。PM2.5空气质量指数在110.01~126.19之间,属于三级轻度污染,PM10空气质量分指数为68.75~96.82,属二级良,交通污染控制点的空气质量最差,对照点及城区点空气质量较高。北京市PM2.5和PM10污染不容忽视。     

森林覆盖率及其他空气污染物和气象要素对PM2.5的影响——以黑龙江省13个市(区)冬季为例

以森林覆盖率及其他空气污染物(PM10、CO、NO2、SO2、O38 h)和气象因素(气压、相对湿度、光照数、气温、风速)为研究指标,以黑龙江省13个市(区)为对象,应用3 a数据、依据面板数据模型分析PM2.5与森林覆盖率及其他空气污染物和气象因素之间的关系。结果表明:森林覆盖率较高城市的PM2.5质量浓度,低于森林覆盖率较低城市的PM2.5质量浓度。森林覆盖率是阻滞PM2.5质量浓度增高最主要的因素,其他空气污染物是导致PM2.5质量浓度升高的根本原因,气象因素对PM2.5质量浓度变化所起的作用较小。     

我国雾霾天气气候特征及影响因素分析

根据2013年我国部分城市夏季、秋季、冬季的细颗粒物(PM2.5)质量浓度数据,基于半变异函数理论,利用克里格插值方法对雾霾天气各类主要大气污染物进行空间特征分析,分析夏季、秋季、冬季PM2.5空气质量分指数。结果表明,6—12月,大气中的PM2.5质量分指数与能见度呈明显负相关关系,PM2.5空间浓度分布均值差异明显,我国大范围雾霾天气期间,大部分城市PM2.5浓度均严重超标。由结果可知,治理雾霾不能单纯从一方面进行治理,要采取综合治理措施。     

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。     

武汉市空气质量与气象条件的关系及气象预报方法研究

利用2013~2014年武汉市空气质量指数和气象要素因子,分析了武汉市环境空气质量分布特征以及气象要素因子对空气质量的影响。结果表明,武汉市空气质量严重污染天气占全年的4%;近10年(2005~2014年)武汉市PM10、SO2污染物浓度逐年下降,首要污染物以细颗粒物为主。武汉市空气质量变化与气温、低云量、平均风速、降水量等气象因子相关性最好,均呈明显的负相关性。利用数理统计方法,选用与空气质量指数相关性较好的气象因子制作逐日空气质量指数多元回归预测方程,可结合气象预报产品及时制作空气质量预报。     

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。     

室内通风方式对PM2.5浓度的影响

参与空气质量评价的主要污染物为细颗粒物PM2.5,大气中PM2.5不仅影响气候和空气质量,而且严重危害人体健康.PM2.5等细颗粒物是大气中主要污染物之一,PM2.5对正处于发育期的学生危害极大,因此良好的教室内空气品质对学生的健康成长有着重要的意义,而教室通风方式对室内PM2.5的质量浓度分布有着直接关联.为探究郑州...     

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Ward聚类法研究天气变化对PM_(2.5)的影响

利用唐山市2013²014年PM2.5监测数据和气象数据,研究了平均状态下PM2.5和气象因子的日变化特征。利用Ward系统聚类法,将每天的PM2.5和气压变化分类,研究了不同天气过程中PM2.5与气象因子的关系。结果表明:PM2.5具有明显的日变化特征,在7:00出现峰值,在15:00出现谷值。唐山地区天气变化存在5种类型,分别为持续增压型、持续降压型、午后骤增型、先增后减型和波动型。在气压波动变化下PM2.5增加,在气压午后骤增或持续增压特征显著时PM2.5减少,暖湿空气造成的持续降压使PM2.5增加,暖干空气造成的持续降压使PM2.5降低。PM2.5与相对湿度呈正相关,与风速呈负相关。     

西安市采暖期PM2.5污染状况及其与气象因子的相关分析

对采暖期与非采暖期PM2.5和PM10的浓度变化特征以及采暖期PM2.5浓度与气象因子的相关性进行分析,结果显示：采暖期PM2.5和PM10的质量浓度显著高于非采暖期,平均是非采暖期的1.85和1.46倍,采暖期PM2.5在PM10中的比重也高于非采暖期。PM2.5浓度同时受几种气象因素的影响,与辐射量、气压和能见度呈负相关,与相对湿度和总云量呈正相关。     

基于GIS全国空气质量空间特征分析

为解决近些年我国大气环境污染日益突出的问题,对全国大气污染物的空间分布信息进行了研究。基于GIS软件的地统计分析模块克里金插值对全国各主要城市2014年5月31日至6月3日的SO_2、CO、NO_2、O_3、PM2.5、PM10共6项主要污染物质的原始数据进行空间插值,从而绘制出环境空气质量综合指数等级分布图,进而对全国大气污染物的空间分布信息做了宏观分析。结果表明:导致大气污染的首要污染物是PM2.5和PM10,通过变异系数、平均值、方差等统计指标计算分析可知,测点数据与克里金空间插值数据之间存在较高的相关性。我国空气污染较严重的是河北省、山东省以及西北地区内一线城市,空气质量较好的是海南省、广东省、福建省以及浙江省地区,为今后全国区域的空气污染物分析提供参考。     

蚌埠市空气中PM2.5形成与扩散的研究

目的探究空气中PM2.5形成方式、传播途径及模式。方法首先以蚌埠市为例,参考相关资料,使用相关性分析,分析各因素与PM2.5的相关性和各因素之间的相关性。得到相关结果,对结果进行检验,并使用SPSS得到各因素的系数,判断方程是否为线性,从而得到PM2.5的形成模型。接着通过热传导方程对高斯烟羽模型进行改进,得到空气污染物扩散模型。收集蚌埠市空气数据,对数据进行处理后代入模型,利用MATLAB进行求解,得到蚌埠市PM2.5的分布情况。结果从PM2.5的形成模型结果,得到了二氧化硫(SO_2)、二氧化氮(NO_2)和一氧化碳(CO)等是在一定环境条件下形成PM2.5前的主要气态物体。推导出空气污染物扩散模型,得到PM2.5的扩散方式,在通过对空气污染物扩散模型求解后,得出蚌埠市空气监测点每天空气中PM2.5的分布情况。结论空气中PM2.5由各因素综合影响形成。改进后的空气污染物扩散模型更好地模拟了PM2.5的扩散方式,得到的具体结果说明了模型的可行性和实用性。     

自贡市PM2.5浓度时空特征分析

基于四川省自贡市2014—2018年逐日平均国控站点空气质量监测数据,对自贡市PM2.5浓度时间和空间变化特征进行多尺度分析。结果表明,自贡市PM2.5浓度逐小时变化趋势主要与人类活动规律及太阳照射时间有关;逐日PM2.5的浓度达到国家空气质量标准天数比率为73.5%,其中一级标准的天数比率为27.5%;PM2.5浓度大值期主要在1、2和12月;且呈春秋冬季高、夏季低的分布特征,冬季超标天数占比高达69.02%;PM2.5浓度空间分布特征不仅受监测点位及地形、气候、城市结构等的影响,还与风向及周围其他城市污染源的贡献密切相关,整体表现为工业生产总值高、交通运输频繁、人口较为密集的大安区、高新区和贡井区PM2.5浓度水平较高。