上海市PM2.5浓度变化特征及其气象因子分析

对上海市2012-2016年PM_2.5质量浓度、气象因素数据资料进行整理统计,通过定性分析与定量计算相结合的方法,揭示近年来上海市PM_2.5浓度的变化特征及其污染状况;采用相关性分析,从温度、气压、相对湿度、风向、风速和降水量等方面探讨了PM_2.5浓度与气象因素之间的关联性。结果表明：上海市近5 a空气质量主要为优和良,污染天数所占全年比例在减少。PM_2.5浓度呈现出夏季低,冬季高的季节特征,而且8月PM_2.5浓度最低,处于16~36 μg·m^-3;PM_2.5的日变化呈现出双峰双谷结构,浓度峰值出现于8~9时和19~20时,且后者浓度更高。气温、气压、相对湿度的阈值分别出现在9.8℃、1 021.6 hPa、83%,最大PM_2.5在阈值处出现显著变化;最大PM_2.5浓度与累积风速和降水量呈现出对数关系,并且东北风和东南风的累积风速达到350 m·s^-1以上时,PM_2.5浓度基本减少至35 μg·m^-3;降水量越大,PM_2.5浓度越低。     

基于制度背景与经济活动交互效应的广东省PM2.5污染驱动因素分析

为探讨社会经济活动与制度背景的交互效应对PM_2.5污染的影响,文章选取经济转型的前沿阵地——广东进行了实证分析。基于遥感影像获取的PM_2.5质量浓度数据,运用空间马尔科夫链和空间计量模型,定量刻画了广东省1998—2015年PM_2.5质量浓度的时空演变特征,并对不同制度背景下社会经济活动对PM_2.5的影响进行了量化分析。结果表明：广东省地级市PM_2.5质量浓度呈现先上升后缓慢下降的过程,PM_2.5质量浓度形成“以珠江口为核心”的圈层空间结构,呈现“以佛山、广州和东莞为核心,先扩散、后集中”的空间演变特征。空间马尔科夫链结果表明：PM_2.5质量浓度演变存在显著的空间交互性。若与PM_2.5质量浓度高的区域为邻,则该区域PM_2.5质量浓度增大的概率将会变大;而与PM_2.5质量浓度低的区域为邻,该区域的PM_2.5质量浓度的变化则不会受到明显的影响。社会经济因素和制度背景的交互项表明：高市场化水平能够削弱工业生产对PM_2.5的正效应。分权化过程促进了工业生产对PM_2.5污染的正效应;同时,显著降低了污染密集型工业生产的排放。全球化进程通过引进清洁技术促进技术进步从而降低PM_2.5的污染。此外,环境规制通过降低工业生产排放和倒逼技术进步达到降霾效果。     

基于灰色关联模型对江苏省PM2.5浓度影响因素的分析

采用克里金插值法分析2014年江苏省PM_2.5浓度空间分布特征,运用灰色关联模型计算PM_2.5浓度与影响因素间关联度,分析主要影响指标因子与PM_2.5浓度空间分布的相互关系。结果显示：① 江苏省PM_2.5浓度具有沿海低、内陆高,南部高、北部低的空间分布特征;② PM_2.5污染来源指标层的权重值最大（w_i = 0.4691）,空气质量与气象要素指标层的权重稍大（w_i = 0.2866）,城市化与产业结构层的权重值最小（w_i = 0.2453）;③ 在27个指标因子中,与PM_2.5浓度关联度为中度的仅有公路客运量、房屋建筑施工面积、园林绿地面积、人口密度等4个指标因子,PM_2.5与其余指标因子均呈强度相关联,其中与PM₁₀、O₃、降雨量、公路货运总量、地区工业总产值和第二产业占地区生产总值比重等指标的关联度较高;④ PM_2.5污染源指标层与PM_2.5浓度关联度值较大的城市分别是南京、无锡、常州、南通、泰州市;城市化与产业结构指标层与PM_2.5浓度关联度值较大的城市分别是徐州、苏州、盐城、常州市;空气质量与气象要素指标层与PM_2.5浓度关联度值较大的城市分别是盐城、扬州、常州、南通市。综合分析可知,影响指标因子关联度值与PM_2.5浓度空间分布有较好相关性。研究表明,灰色关联模型可有效分析影响PM_2.5浓度的主要因素,能对PM_2.5浓度影响指标进行定量分析与评价。     

2017—2019年中天山北坡城市群大气污染及污染天气类型特征

利用2017—2019年中天山北坡城市群（乌鲁木齐市、昌吉市、石河子市、五家渠市）逐时大气污染物监测数据及气象数据,分析了大气污染物年内变化和污染天气类型特征。结果表明：（1） 中天山北坡4座城市6类大气污染物中PM_2.5超标日数最多（年均94~104 d）,年均浓度介于64~73 μg·m^-3,且五家渠市>乌鲁木齐市>石河子市>昌吉市。采暖期PM_2.5浓度在100~118 μg·m^-3之间,是非采暖期的4.00~5.00倍,靠近山前地带的城市PM_2.5浓度日变化大体呈现“双峰双谷型”。（2） 4座城市污染天气类型主要分为静稳型、沙尘型和特殊型,其中静稳型占86.2%~93.6%、沙尘型占5.8%~13.2%。静稳型污染天气多出现在冬季,沙尘型主要出现在春、秋季节。静稳型污染天气中Ⅴ-Ⅵ级污染级别占比45.8%~56.6%,沙尘型污染天气中Ⅴ-Ⅵ级污染级别占比14.9%~29.4%。（3） 静稳型和沙尘型污染天气下PM_2.5和PM₁₀浓度都存在显著的线性相关,前者PM₁₀浓度是PM_2.5的1.26倍,而后者达3.16倍,此倍数可以作为区分静稳型和沙尘型污染天气的判据。     

乌鲁木齐大气颗粒物的时空分布规律

依据峡口城市乌鲁木齐市2013-2016年6个环境监测站逐时的6类污染物数据,分析大气污染物的时空分布规律。总体来看,乌鲁木齐市以颗粒物污染为主,即PM₁₀、PM_2.5污染严重。从季节上来看,乌鲁木齐污染物浓度大多冬季高、夏季低,春秋季次之。春、夏、秋、冬PM_2.5的浓度依次为59.8、40.5、67.8、139.6 μg·m^-3,而PM₁₀则是148.6、119.7、146.4、209.4 μg·m^-3,粗细粒子浓度在春秋季的细微变化凸显在春季沙尘天气的影响。从日变化方面来看,污染物多呈现为双峰型结构。PM₁₀、PM_2.5春夏秋3个季节都是在子夜1：00时浓度最高,9：00～10：00时次之,但是冬季日最高值则出现在17：00时左右,次峰值出现在21：00～22：00时。从空间分布来看,颗粒物浓度总体上是中心城区低、四周高的分布格局;从PM_2.5浓度占PM₁₀浓度比重分析来看,冬季比重最高,达70%,以城区及城北最为明显,达73%,日变化分布则主要集中在下午至夜间,且冬季比重达71%。     

乌鲁木齐市近几年大气颗粒物中重金属的浓度特征

采用重量法对2014年、2015年、2017年采暖期乌鲁木齐市新疆农业大学大气颗粒物TSP、PM₁₀、PM_2.5进行采集，使用TAS-990型火焰原子吸收分光光度计、PF3型原子荧光光谱仪、石墨炉原子吸收分光光度计测定颗粒物中5种重金属元素的质量浓度，利用富集因子法分析重金属元素的富集程度及来源。结果表明：该采样点采暖期大气颗粒物TSP、PM₁₀的质量浓度在近几年均呈现出下降趋势，PM_2.5的质量浓度变化趋势为：2017年＞2015年＞2014年；重金属元素As的质量浓度在不同粒径大气颗粒物中均为最高值，且采暖期大气颗粒物中除Cr以外的重金属含量、重金属元素的富集程度近几年均呈现明显的下降趋势；重金属As、Cr、Zn、Hg元素更易富集于细颗粒物中。     

沙尘影响下华北地区一次重污染天气形成与消散过程分析

以2017年5月4日~5日华北地区出现的一次大范围的严重的天气污染形成与消散过程为研究对象,通过搜集华北地区9个城市空气中主要污染物浓度、AQI（空气质量指数）和常规气象数据,分析AQI、主要污染物（PM₁₀、PM_2.5、SO₂、NO₂、CO、O₃）浓度变化特征和相关气象因子的关系。结果表明：本次重污染本质为区域性沙尘污染所致。污染过程呈现出形成速度快、消散急促的特点。该污染过程首要污染物为PM₁₀,其次为PM_2.5,而SO₂、NO₂、CO、O₃等由人类活动产生的污染物浓度并未超标。后向轨迹分析和相关分析发现造成此次严重污染颗粒物主要来自蒙古高原,风是主要驱动因子。污染物在空间位置比较接近的城市间传输时,表现出趋势一致性、时间上的滞后性和污染物浓度的累积性特点。     

2003-2016年中国PM2.5质量浓度时空格局演变及影响因素解析

以中国286个主要地级市为研究区域,基于2003—2016年中国地级市大气PM_2.5质量浓度栅格数据及各地级市社会经济数据,运用空间自相关和空间面板杜宾模型,揭示了中国地级市PM_2.5质量浓度的时空格局与影响因素。研究显示：(1)中国PM_2.5污染在时序演化上呈“M”型波动态势,在空间分布上以胡焕庸线为界呈现出“东高西低”的集聚型格局;(2)中国地级市PM_2.5污染在空间效应上呈现出显著的正相关性,表明区域间大气污染存在交互影响;(3)人口密度与非农产业从业人员占比对PM_2.5质量浓度升高的贡献最大,而液化石油气供气总量与第三产业占GDP的比重对PM_2.5有较为显著的负向消减作用。     

2003—2016年中国PM2.5质量浓度时空格局演变及影响因素解析

以中国286个主要地级市为研究区域,基于2003—2016年中国地级市大气PM_2.5质量浓度栅格数据及各地级市社会经济数据,运用空间自相关和空间面板杜宾模型,揭示了中国地级市PM_2.5质量浓度的时空格局与影响因素。研究显示：(1)中国PM_2.5污染在时序演化上呈“M”型波动态势,在空间分布上以胡焕庸线为界呈现出“东高西低”的集聚型格局;(2)中国地级市PM_2.5污染在空间效应上呈现出显著的正相关性,表明区域间大气污染存在交互影响;(3)人口密度与非农产业从业人员占比对PM_2.5质量浓度升高的贡献最大,而液化石油气供气总量与第三产业占GDP的比重对PM_2.5有较为显著的负向消减作用。     

中国城市群地区PM2.5时空演变格局及其影响因素

城市群作为中国新型城镇化主体形态,是支撑全国经济增长、促进区域协调发展、参与国际分工合作的重要平台,也是空气污染的核心区域。本文选取2000-2015年NASA大气遥感影像反演PM_2.5数据,运用GIS空间分析和空间面板杜宾模型,揭示了中国城市群PM_2.5的时空演变特征与主控因素。结果显示：① 2000-2015年中国城市群PM_2.5浓度呈现波动增长趋势,2007年出现拐点,低浓度城市减少,高浓度城市增多。② 城市群PM_2.5浓度以胡焕庸线为界呈现东高西低的格局,城市群间空间差异性显著且不断扩大,东部、东北地区浓度提升更快。③ 城市群PM_2.5年均浓度空间集聚性显著,以胡焕庸线为界,热点区域集中东部,范围持续增加,冷点集中在西部,范围持续缩小。④ 城市群内各城市间PM_2.5浓度存在空间溢出效应。不同城市群影响要素差异显著,工业化和能源消耗对PM_2.5污染有正向影响;外商投资在东南沿海和边境城市群对PM_2.5污染具有负向影响;人口密度对本地区PM_2.5污染主要具有正向影响,对邻近地区则相反;城市化水平在国家级城市群对PM_2.5污染有负向影响,在区域性和地方性城市群则相反;产业结构高级度对本地区PM_2.5污染有负向影响,对邻近地区则相反;技术扶持度对PM_2.5污染的影响显著,但存在滞后性和回弹效应。     

京津冀城市群大气污染的时空特征与影响因素解析

京津冀城市群是中国雾霾最严重的区域,在京津冀协同发展背景下,探究该地区大气污染的时空分布和影响因素具有重要意义。运用空间自相关分析和三种空间计量模型,分析了京津冀202个区县PM_2.5的时空分异特征,创新性地对自然与人文影响因素贡献及其空间溢出效应进行系统地甄别和量化。结果表明：2000-2014年来京津冀城市群PM_2.5浓度整体呈上升趋势,季节上呈秋冬高、春夏低,空间上呈东南高、西北低的特点,且城市建成区PM_2.5浓度比周围郊区和农村平均高10~20 μg/m³;2014年仅有13.9%的区县空气质量达标,PM_2.5浓度存在显著的空间集聚性与扩散性,城市间交互影响距离平均为200 km,邻近地区的PM_2.5每升高1%,将导致本地PM_2.5至少升高0.5%;社会经济内因对PM_2.5主要是正向影响,自然外因主要是负向影响;影响因素中对本地大气污染的直接效应贡献强度依次是：年均风速>年均气温>人口密度>地形起伏度>第二产业占比>能源消费>植被覆盖度,人均GDP、年降水量和相对湿度对本地PM_2.5没有显著影响;对邻近地区大气污染具有显著空间溢出效应的因素排序是：植被覆盖度>地形起伏度>能源消费>人口密度;对于自然和人文影响因素应分别采取针对性的适应策略和调控策略,加强区域间联防联控与合作治理,在城市群规划中注重环保规划与立法。     

莫高窟PM10浓度与气象要素的关系

采用2018年敦煌莫高窟第16窟窟内与窟区PM₁₀浓度及气象数据,分析PM₁₀时空分布特征及其影响因素。结果表明：（1）两处监测点PM₁₀浓度主要分布在50 μg·m^-3以下,受重污染天气影响较小;春、冬、秋、夏季依次降低,窟区PM₁₀浓度在春、冬季高于窟内,夏、秋季反之。（2）PM₁₀浓度3月最高,9月最低,5—9月窟内月均值高于窟区。PM₁₀污染日数窟内5月最多,而窟区3、5月较多。（3）PM₁₀浓度日变化曲线在春季和秋季呈“双峰”型,夏季和冬季呈“单峰”型。（4）在半封闭环境的洞窟内,沙尘暴发生前后,PM₁₀浓度达到极值及恢复至原来水平的时间均滞后于窟区。（5）在不同季节PM₁₀浓度与气温、风速和降水呈负相关。除秋季外,PM₁₀浓度与相对湿度、气压呈正相关。（6）窟区全年主风向为ESE,在冬春两季,此风向PM₁₀浓度最高,PM₁₀主要来自三危山前的戈壁滩、干涸的大泉河河道以及窟前裸露的地表积尘。     

中国城市空气质量的区域差异及归因分析

开展城市空气质量时空格局演变特征及其影响因素的研究,对于深入认识城市环境与社会经济系统的互馈机理、制定高效的环境治理措施、提升城市发展质量具有重要的理论与实践意义。本文以中国全面实施《大气污染防治行动计划》的2014年为起点,刻画了2014—2019年286个地级以上城市6种空气污染物浓度（CO、NO₂、O₃、PM₁₀、PM_2.5、SO₂）的时空演变特征,并基于面板回归模型分析各污染物浓度之间的相互作用关系;进而利用随机森林模型对城市6种空气污染物浓度与13个自然和社会经济影响因子的关联强度进行探究,从中梳理出关键影响因子。结果显示：① 研究期内,O₃污染加剧,其余污染物年均浓度逐年下降,其中SO₂浓度降幅最大。虽然典型的重污染区范围有所减小,但京津冀、山东半岛、山西、河南等地区的城市空气污染物浓度仍相对较高。② 城市6种空气污染物浓度之间存在显著的相互影响关系,城市空气复合污染特征明显。③ 自然因素和社会经济因素对不同种类空气污染物浓度的影响差异较大,且与污染物浓度之间呈非线性响应关系。自然因素中,城市年均气温与空气污染物浓度的关联强度最大,其次是植被指数。社会经济影响因素中,土地城市化水平和二产比重是主导影响因子,其次是电力消耗总量和交通因子。偏依赖分析进一步刻画了不同污染物浓度对主导影响因子的响应突变阈值。鉴于人类对于自然环境和气象条件的控制能力有限,建议继续通过优化城市密度、控制人为排放源及严格的空气污染防控措施以进一步有效提高城市空气质量。     

黄河流域空气污染的空间格局演化及影响因素

基于2008—2017年黄河流域工业SO₂和PM_2.5两类典型空气污染物数据,首先刻画了两者的空间演化格局,并运用空间面板杜宾模型（SPDM）从直接效应和间接效应两方面对两者的影响因素进行对比分析。结果表明：① 工业SO₂和PM_2.5污染均存在显著的空间集聚特征,从东南至西北方向呈现梯度递减趋势;二者在城市尺度均存在显著的正向空间关联性,但PM_2.5污染的空间关联性比工业SO₂更强;② 2008—2017年,工业SO₂和PM_2.5污染有所缓解,其中工业SO₂排放强度迅速下降;而PM_2.5质量浓度下降相对缓慢,仍是黄河流域主要的空气污染源。③ 产业结构、技术创新、能源效率、人口规模、经济发展、工业规模等是影响黄河流域空气污染的主要因素,但PM_2.5的影响因素更加复杂多样化。其中,技术创新能力和经济发展水平的提升虽然在研究期内加剧了本地工业SO₂污染的排放强度,但却能缓解周边城市的工业SO₂和PM_2.5污染;工业规模的扩大会加剧本地和邻近城市的PM_2.5污染。     

乌鲁木市PM2.5浓度与MODIS气溶胶光学厚度相关性分析

选择西北干旱区城市乌鲁木齐市为研究区,利用MODIS气溶胶产品（AOD）数据和地面监测站PM_2.5浓度数据进行相关性分析,结果表明：二者相关性良好,对AOD数据进行垂直订正和湿度订正后,发现相关性进一步提升（0.49～0.80,p<0.01）。对订正后AOD数据与地面PM_2.5浓度进行建模并选取最优模型,结果均为一元三次模型且模型R²在0.27～0.69之间,其中春秋两季模型R²较高,夏季较低。对模型精度进行验证结果,显示春季与秋季模型精度良好,夏季较差,说明MODIS气溶胶光学厚度数据可以用于反演干旱区地面PM_2.5浓度值,对卫星遥感在干旱区地面空气监测应用提供了新的方法和思路。