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。     

北方农村不同取暖方式家庭室内PM2.5污染差异及清洁取暖效果

农村散煤使用对冬季重污染等贡献显著,更会直接污染室内空气,影响人群健康。除了“煤改电、煤改气”之外,清洁煤和成型生物质也被认为是降低散煤污染的有效途径,在一些政策和行动中被推广。然而,目前还缺乏不同取暖模式下居民室内空气质量差异及取暖排放贡献的定量研究,是清洁取暖环境效益评估中的短板。本文在北方农村地区开展了覆盖1600户整个取暖季的细颗粒物(PM_2.5)实地监测,分析了居民室内PM_2.5污染的空间差异及不同取暖方式的影响。研究表明,北方农村取暖季室内PM_2.5浓度均值为102μg/m³,但户间差异很大,从19μg/m³到497μg/m³。使用传统散煤和生物质取暖的家庭,取暖季室内PM_2.5浓度高达162μg/m³和144μg/m³。而使用清洁煤或成型生物质取暖的家庭,室内PM_2.5显著降低,约为84μg/m³,且有56%的时间日均浓度超过国家标准...     

基于风廓线雷达的北京春季一次“先霾后沙”空气污染过程分析

利用NCEP再分析资料、逐小时污染物浓度数据、风廓线雷达及地面常规观测资料，对北京2018年3月26—29日一次“先霾后沙”的空气污染过程进行了分析。结果表明：霾污染期间PM_2.5峰值浓度为242 μg·m^-3，PM_2.5/PM₁₀值为0.86。受蒙古气旋影响，PM₁₀浓度出现爆发性增长，增长速率达到912 μg·m^-3·h^-1，PM_2.5/PM₁₀值下降至0.11。霾主要影响时段边界层内以西南风为主，平均通风量为15 907 m²·s^-1，大气边界层以稳定的弱上升或下沉运动为主；而沙尘影响时段平均通风量为9 226 m²·s^-1，沙尘天气爆发前边界层明显的下沉运动先于地面污染物浓度的变化。基于后向轨迹模式和潜在源贡献分析方法PSCF计算结果，霾影响时段河北中南部、山西中部等地对北京PM_2.5贡献较多；而沙尘影响时段，北京地区的PM₁₀主要来源于内蒙古中部和辽宁西部。     

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。     

气象因子对乌鲁木齐市一次重污染天气过程影响研究

利用大气质量的观测资料和气象要素的数据,详细分析了2015年冬季乌鲁木齐市一次重污染天气的主要气象因子和空气质量特征。研究结果表明：在污染过程中,风速的变化趋势：减小-增大-减小（平均风速0.9~2.5 m·s^-1）;风向的转化趋势：东南风-东北风-西北风-西南风-东北风;湿度增大-减小-增大;大气混合层厚度的变化趋势：降低-升高-降低。同时,通过SPSS12.0分析了空气污染前后风速,湿度和PM_2.5质量浓度的相关性。PM_2.5质量浓度与风速呈显著负相关,与湿度呈正相关。风速与PM_2.5质量浓度间通过了显著性水平为0.01的相关性检验。表明乌鲁木齐市的气象因子（风速）对当地大气污染影响十分明显。     

基于“一街一站”的深圳市PM2.5时空特征及排名通报作用研究

深圳市于2018年6月建成了全国首个街道空气监测网络“一街一站”,并对全市74个街道进行月均PM_2.5浓度排名,向公众通报空气质量排名倒数十位的街道,以落实基层治理大气污染的责任。本研究基于深圳市街道空气监测网络的数据,分析了深圳市PM_2.5浓度的时空特征,使用双重差分模型检验空气质量排名通报是否能发挥环保部门所期待的效果,进一步促使PM_2.5浓度排名靠后的街道改善其空气质量。结果表明：① 基于街道空气监测的深圳市年均PM_2.5浓度为22.4 μg/m³,月均浓度最低值出现在7月,最高值出现在1月,与国家站监测结果之间无显著性差异。② 深圳市街道的PM_2.5浓度具有较高的空间集聚性,高值主要聚集在西北部,低值主要聚集在中南部,而国家监测站难以准确表征深圳市PM_2.5浓度空间分布特征。③ 考虑了个体和时间固定效应的双重差分模型分析结果表明,对深圳市月均PM_2.5浓度较高、空气质量排名靠后的街道进行通报,其随后1~2个月的PM_2.5浓度仍受该月污染的持续性影响,而通报行为无显著性影响;到随后第3个月,该月污染的持续性影响下降到较小的程度,此时通报行为对PM_2.5浓度呈显著降低作用,且影响程度大于污染的持续性影响。     

西安沙尘天气特征及其对空气质量的影响

利用1971-2003年西安市常规气象观测资料、2001-2003年西安市区主要污染物日均浓度资料和2002年3月一次重度污染事件逐时的PM₁₀浓度资料,分析了西安市沙尘天气的时间分布特征及其对主要空气污染物浓度的影响。结果表明:西安市沙尘天气近30多年来总体呈波动式明显减少的趋势,但2001-2002年有所增多,2003年又减少。沙尘天气主要出现在春季,4月最多,占全年天数的22.6%。沙尘天气对西安空气质量影响显著,可使3~4月PM₁₀月浓度平均提高12.1%,在分析的一次强沙尘暴个例中,一小时内PM₁₀浓度最高增加了0.585mg·m^-3,达到0.970mg·m^-3,从而造成严重的空气污染事件。     

沙尘天气对榆林市环境空气质量的影响

基于2013—2018年榆林市沙尘天气和环境空气质量逐日数据,定量分析了沙尘天气对榆林市空气质量指数（AQI）、可吸入颗粒物（PM₁₀）和细颗粒物（PM_2.5）的绝对贡献和相对贡献率。结果表明：沙尘天气对榆林市AQI的贡献率为0.7%—11.1%（平均值±标准差6.4%±3.8%）;对PM₁₀的绝对贡献为1.0—13.1 μg·m^-3（平均8.2±5.4 μg·m^-3）,相对贡献率5.4%±3.5%;对PM_2.5的绝对贡献为-0.4—3.5 μg·m^-3,沙尘天气对PM_2.5的影响小于对PM₁₀。沙尘天气对榆林市空气质量的影响季节差异很大,春季贡献最大,秋冬季贡献较小。沙尘天气对榆林市区和郊区的影响程度不同,这可能与局部气象条件和地形条件等因素有关。     

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。     

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。     

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。     

2007年春季沙尘暴对辽宁中部城市群空气质量的影响

根据大气降尘量和可吸入颗粒物PM10 、PM2.5、 PM1的观测资料,分析了2007年春季发生于我国北方的两次沙尘暴天气过程对辽宁中部城市群空气质量的影响。结果显示,沙尘天气使各城市大气降尘量与可吸入颗粒物PM10和PM2.5的质量浓度明显增高,空气质量明显下降。在3月31日和5月7日的两次沙尘暴过程中,城市群的大气降尘量比当月日平均值分别增加了1.5倍和2.5倍,各城市PM10的日均质量浓度比沙尘出现前一日分别增加了0.2～2.6倍和1.5～3.8倍。3月31日除铁岭和鞍山空气质量状况为良外,均达到轻微污染程度;5月7日鞍山达严重污染程度;沈阳、辽阳、本溪、铁岭和抚顺的空气质量均为中度污染或中度重污染。沙尘暴期间1.0～10.0 μm的粗粒子为影响辽宁中部城市空气质量的主要成分,其小时平均质量浓度最大时是沙尘出现前的10～30倍。     

大连市大气污染物质量浓度与气溶胶光学厚度的相关性分析

分别对2015年6~12月和2016年6~12月大连地区的大气污染物PM2.5、PM10、SO₂、NO₂、CO和O₃的浓度数据进行数据统计分析,基于ENVI软件平台利用MODIS数据反演大连地区的气溶胶光学厚度,通过回归建模研究气溶胶光学厚度与大连地区10个地面监测站点的大气污染物PM2.5、PM10、SO₂、NO₂、CO和O₃的浓度数据的相关性。回归建模以气溶胶光学厚度（AOD）为自变量,以大气污染物PM2.5、PM10、SO₂、NO₂、CO和O₃为因变量,在SPSS软件中分别选取线性、对数、三次、乘幂、指数5种函数类型进行研究,通过对比回归模型的拟合优度R²,选择最优拟合模型,探讨利用遥感数据反演气溶胶光学厚度监测大气污染的相关性。结果表明：气溶胶光学厚度与NO₂、PM2.5和PM10的最优拟合模型均为三次模型,其拟合优度R²分别是0.685、0.801和0.845;与O₃和SO₂的最优拟合模型为指数模型,其R²为0.367和0.482;与CO的最优拟合模型为对数模型,其拟合优度R²为0.810。该结果为分析大气气溶胶污染来源以及治理提供了数据。     

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%。     

基于分布式感知深度神经网络的高分辨率PM2.5值估算

细颗粒物（PM_2.5）个体暴露水平是健康效应研究中的关键问题,然而历史数据缺失和地面监测点覆盖范围小阻碍了相关研究。基于美国国家航空航天局遥感数据提供的气溶胶光学厚度（AOD）,融合地面监测、气象等多源数据进行建模来估算近地面PM_2.5浓度,所得结果的空间覆盖范围广、时间连续性强、方法成本低。本文基于2018年京津冀鲁地区,引入气象、NDVI、时间节点、空间标识等50个特征分析AOD-PM_2.5关系。鉴于传统插补方法单一所造成的信息损失,运用时空多视图插补方法来提高插补的精度和广度。考虑到特征的滞后作用、特征间相关性与偏相关性所导致的复杂关系,运用分布式感知深度神经网络模型来分别捕捉多源特征间的高阶特性。结果表明：① 时空多视图插补方法的相对误差为27.5%,数据平均缺失52.1%降至4.84%。② 分布式感知深度神经网络模型在时间预测上平均绝对误差、相对误差、均方误差、均方根误差分别为17.7 μg/m ³、46.8%、766.2 μg ²/m ⁶、26.9 μg/m ³,空间上,为16.6 μg/m ³、41.8%、691.5 μg ²/m ⁶、26.6 μg/m ³,从精度、稳健性、泛化能力和耗时方面综合来看,结果优于线性统计模型和常见深度学习架构。     

2001-2010年非洲大气PM2.5污染浓度空间格局演化

基于NASA的全球大气PM2.5年均污染浓度栅格数据,通过对非洲行政边界矢量化、分区统计各国大气PM2.5浓度均值及建立空间数据库,利用重力模型、ESDA模型及GIS空间统计分析方法,对非洲52个主要国家（地区）2001 – 2010年间的大气PM2.5污染浓度时空格局特征演化进行探究,并依据时间序列特征将研究对象划分为8类。研究结果表明：（1）2001-2010年非洲大气PM2.5污染浓度大致呈现“中间高、南北低;西部高、东部低”的空间特征;其中高值区集中分布在非洲西部几内亚湾附近的尼日利亚、刚果与喀麦隆等国家,低值区则广泛地分布在北非、南非以及非洲东南部印度洋沿岸地区或岛屿。（2）基于ESDA模型的空间自相关分析发现PM2.5浓度“高-高”热点区主要集聚在几内亚湾附近主要国家,“低-低”冷点区集中在东南部印度洋沿岸的南非、莫桑比克与马达加斯加岛。（3）时序上2001-2010年非洲PM2.5年平均污染浓度呈现明显下降趋势,其中32个国家（占研究区总数的61.54%）2010年PM2.5污染年均浓度低于2001年。（4）从自然环境条件及社会经济因素两方面浅析其空间格局主要成因：几内亚湾沿岸是非洲PM2.5污染最严重的地区,因其人口稠密且高度依赖石油产业;非洲东南部地区PM2.5污染最轻,得益于其良好的自然环境条件及低污染的支柱产业。     

沙坡头地区沙尘气溶胶质量浓度的试验观测研究

中国北方沙尘气溶胶的理化特征及其气候效应受到了广泛关注,但现有的研究大都是基于较短时段和典型事件的试验观测。本项研究利用大流量采样器和安德森采样器,对沙坡头地区沙尘气溶胶的质量浓度特征进行了长达3a的监测,获得了该地区沙尘气溶胶的年变化特征,并与背景气象资料和降尘观测结果进行了对比分析;针对典型天气过程的观测结果表明,不同天气条件(背景大气、浮尘、扬沙和沙尘暴)下TSP浓度存在倍数关系和量级的差异,其质量浓度随粒径分布特征也明显不同;两种采样器观测结果的对比分析也表明,局地沙尘释放是沙坡头地区大气气溶胶的主要来源,但在沙尘暴过程中,远源沙尘输送的贡献也不容忽略。     

一次沙尘过程对天津气溶胶浓度分布的影响

利用气溶胶质量浓度和数浓度监测资料以及不同高度的常规气象资料,结合后向轨迹模式,分析2011年4月30日至5月1日一次沙尘天气过程对天津城区气溶胶浓度的影响。结果表明：沙尘过程前的轻雾天气下PM1贡献了气溶胶质量浓度的96%和数浓度的99.9%以上;本次沙尘天气存在两个不同的浮尘过程,主要区别体现在细粒子浓度差异上,第一次浮尘过程PM1~2.5、PM2.5~10和PM10~100分别占气溶胶数浓度的6.5%、2.5%和0.1%,第二次浮尘过程占比则依次为11.3%、2.6%和0.01%;两次浮尘过程气溶胶粒子性质有明显差异,第一次浮尘过程中粗粒子浓度占PM10的80%以上,第二次浮尘过程风向转变为偏北风,细粒子浓度增高至40%,气溶胶由单纯的沙尘气溶胶转变为沙尘-污染气溶胶。     

陕西省霾天气变化特征及气候成因分析

通过对比选用14时实测值法利用1981—2016年全省96站14时相对湿度和能见度数据重建全省历史霾数据序列，分析区域内霾天气的特征及相关气象要素的特征，并探讨大范围持续霾天气过程对应的环流形势，研究霾天气过程的成因。结果表明：关中地区是我省霾天气的高发区，其次是陕南的汉中盆地，陕北出现最少。全省霾日数总体呈较明显的上升趋势，2000年后增加显著。从季节变化来看全省及各区域均为冬季霾日数最多，秋季次之，夏季霾日数最少。各区域均在5～8 km能见度、60%～70%相对湿度、静小风时易出现霾天气，西安及关中全年和四季在偏东北风向时霾天气频率较大。冬季地面风速小，相对湿度较大，近地面风场辐合及逆温层的存在，造成关中大气垂直扩散能力较弱，大气污染物发生堆积、累积效应易形成关中地区持续霾天气及严重大气污染。     

乌鲁木齐冬季大气细颗粒物水溶性离子特征及来源

为了探讨乌鲁木齐冬季大气细颗粒物的污染水平及其水溶性离子的特征,于2013年1-3月采集大气PM_2.5样品,并利用离子色谱仪分析其中的水溶性离子,采用硫转化率、离子相关性分析及后向轨迹模型对其可能来源进行了讨论。结果表明:观测期间采样点PM_2.5平均质量浓度为170.13±51.39 μg·m^-3,水溶性离子总浓度平均值为53.47±23.76 μg·m^-3,其中3种二次离子(SO₄^2-、NO₃^-和NH₄⁺)是水溶性离子的主要组分;不同天气类型下PM_2.5和离子浓度差异较大,雾、霾天气二次离子浓度占总浓度的81.99%和86.24%,硫转化率均大于0.1;春节期间由于燃放大量的烟花爆竹,使得PM_2.5可溶性离子K⁺和Cl^-浓度急剧上升;NH₄⁺与SO₄^2-、NO₃^-相关系数分别为0.975和0.748,(NH₄)₂SO₄、NH₄HSO₄和NH₄NO₃是细颗粒物水溶性组分的可能结合方式,Cl^-和K⁺的相关性显著,说明两者具有同源性;固定排放源仍然是乌鲁木齐大气污染物的主要来源,局地大气输送会使大气污染加重。