中国雾霾分布及其组成相关性分析

雾霾天气由于其对人体健康及交通能见度的极大影响而受到广泛关注。在收集相关污染物与气象数据基础上,基于GIS技术及最小二乘法和地理加权回归模型分析了我国2014年1月雾霾空间分布特征及其组成要素的相关性。研究表明,2014年1月我国各省会城市基本都受到雾霾影响,其中华北地区最为显著,华东、华南沿海城市具有一定的相似性;西南部地区大部雾霾污染明显小于其他地区。从雾霾物质组成上看,PM_(2.5)与PM_(10)、CO、NO_2和SO_2之间存在微妙关系,随着其他污染物的增加,PM_(2.5)数值也会随之增大,其中PM_(10)和CO对PM2.5的影响是显著的。从研究方法上看,利用地理加权回归建模方法对雾霾及其组成成份相关性研究的效果(84%)略好于最小二乘法的分析效果(82.59%)。本研究可为了解雾霾空间分布特征及分析其相关影响因素提供参考。     

基于HJ1A数据的沈阳市雾霾时空变化模拟研究

基于HJ1A-CCD数据,采用6S大气辐射传输模型,反演出研究区气溶胶光学厚度。采用偏最小二乘法,基于气溶胶空间分布的估算结果,模拟出研究区PM_(2.5)的空间分布。基于GIS和改进的高斯大气扩散模型,进行了研究区PM_(2.5)的扩散模拟。根据我国PM_(2.5)检测网的空气质量新标准,对沈阳市的雾霾进行等级了划分。     

利用高分一号卫星监测开封地区PM_(2.5)

PM_(2.5)是影响开封地区空气质量的首要污染物,利用卫星遥感手段可以快速获得PM_(2.5)浓度的空间分布。通过采用过境开封市的GF-1卫星数据,获取气溶胶光学厚度,结合地面PM_(2.5)监测数据与边界层高度、相对湿度和气温等辅助数据,采用多元线性回归,建立了基于GF-1的PM_(2.5)遥感反演模型。研究表明,2015年6—9月GF-1数据反演得到的PM_(2.5)浓度与地面监测结果较为接近,且有较高的相关性;加入地理加权回归能明显提高模型精度,较好地反映PM_(2.5)的空间分布;但在PM_(2.5)浓度较高时,该模型会出现低估现象。     

基于GIS的苏锡常地区PM_(2.5)分布模拟

基于GIS技术和多元线性回归方法,采用苏锡常地区的PM_(2.5)浓度观测资料和同期苏锡常及周边地区的气象资料,构建了基于气象要素的多元线性回归模型,模拟2013年春季苏锡常地区PM_(2.5)的空间分布状况。对比此模型与IDW插值方法的精度,结果表明,该模型利用气象要素与PM_(2.5)浓度显著的相关性建立多元线性回归模型,有效地模拟了PM_(2.5)的空间分布状况;2013年春季苏锡常地区PM_(2.5)的空间分布具有整体上东南低、西北高、局部上分布小范围低值区的特点;该模型有效地消除了单一使用IDW插值方法容易受到监测站空间分布的影响而出现极值区域和极值中心偏差的现象,对于研究PM_(2.5)的空间分布规律具有一定的实际应用价值。     

大气CO2浓度时空变化卫星遥感监测的应用潜力分析

GOSAT卫星观测反演大气CO2浓度精度已经提高到了1—2 ppm,而卫星数据能否准确地揭示全球和区域大气CO2浓度变化特征还缺乏充分的评价与分析。本文针对已经连续运行观测3年的GOSAT卫星,收集了来自美国NASA-OCO团队(ACOS)和日本环境研究所GOSAT团队(NIES)基于各自算法反演的两套大气CO2柱浓度数据,描述并分析了全球大气CO2时空变化特征。分析结果表明,从XCO2反演的绝对值结果来看ACOS总体上比NIES的高出约2 ppm左右,但从时空的相对变化上它们揭示了相近的大气CO2浓度时空变化特征。两套数据显示出全球平均大气CO2浓度在2010年—2012年的3年期间年增量分别为1.8 ppm和2.0 ppm;季节变化幅度,北半球最大4—6 ppm,南半球最大约2 ppm,这与地面观测结果基本一致。进一步将EDGAR 4.2人为排放总量格网化数据与GOSAT卫星观测反演的CO2浓度进行相关统计分析,结果指出两套数据对人为排放量有着微弱的响应。本文结果指出目前GOSAT卫星观测反演的XCO2可以检测出全球和区域大气CO2浓度的年变化、季节变化和区域空间变化的特征;GOSAT卫星10.5 km空间分辨率的观测虽难于检测出点源的浓度变化,但从区域上对人为排放的累积效应的监测显示了一定的应用潜力。     

PM2.5浓度插值中不同空间插值方法对比

针对不同插值方法对于重点大气颗粒物污染源PM_(2.5)大区域内整体分布情况的插值效果和精度存在差异性的问题,该文以石家庄市赵县100个点的PM_(2.5)的数据作为样本点,利用反距离权重法、普通克里格插值法和协同克里格插值法,分别进行PM_(2.5)浓度的空间插值。利用研究区内另外20个PM_(2.5)的数据点进行插值精度的检验。研究结果表明:协同克里格插值的精度最高,但可视化效果不如其他两种方法。     

大气PM2.5遥感制图研究进展

遥感技术具有时空大范围、低成本的独特优势,已经成为定量监测大气PM_(2.5)污染时空分布的重要手段。本文综述了大气PM_(2.5)遥感制图的进展:首先,对大气PM_(2.5)遥感反演方法进行了归纳,以及总结了现有大气PM_(2.5)遥感反演验证方法的适用条件与局限性;其次,对卫星反演大气PM_(2.5)合成产品偏差校正和大气PM_(2.5)无缝制图进行了梳理;最后总结了大气PM_(2.5)遥感制图的前沿研究方向。     

2015—2016年东北三省PM2.5的时空分布特征

基于2015—2016年东北三省36个主要城市PM2.5浓度数据以及同期大气氧化物数据,运用克里金插值法及相关性分析法,对PM2.5的时空分布特征及与其他大气氧化物的相关性进行分析.结果表明:2016年较2015年PM2.5浓度显著降低,下降了17.83％;PM2.5浓度由高到低的季节依次是冬季、秋季、春季和夏季,浓度分别为64.31、49.44、39.57、28.09μg·m-3;PM2.5月均浓度呈U形分布,最大值出现在11月,最小值出现在8月.分地区来看,PM2.5空间分布整体呈南高北低状态,黑龙江省的年均PM2.5浓度明显低于另外两省.PM2.5与CO、SO2、NO2浓度均为极显著正相关,表明CO、SO2、NO2对PM2.5浓度有显著影响.     

2015—2019年冬季黄河流域中游大气污染物空间分布特征

本文基于2015—2019年冬季黄河流域中游地区（山西段和陕西段）6种大气污染物的浓度数据,研究了黄河流域中游冬季大气污染物的变化特征。研究结果表明,2015—2019年黄河流域中游地区,PM₁₀和CO浓度持续降低,O₃浓度持续升高,PM_2.5、SO₂及NO₂平均浓度呈先上升后下降的规律。2019年主要污染物NO₂、CO、PM_2.5、PM₁₀及SO₂浓度均最低;2019年冬季O₃平均浓度达到最高（54μg/m³）。研究地区下游的PM_2.5浓度高于上游,且沿黄河由北向南其浓度逐渐增加,黄河东侧山西段的PM_2.5浓度高于西侧陕西段。研究区域PM₁₀污染浓度由2015—2016年的黄河东侧高西侧低转变为2017—2019年上游低下游高的分布特征。SO₂浓度呈黄河东岸比西岸高的分布。NO₂高值区域从2015—2017年黄河西侧下游地区变为2018—2019年中上游地区;CO平均浓度高值区域位于黄河东侧下游地区;O₃浓度空间分布特征不明显,但近5年浓度大幅增加,需要加强对臭氧的防控。     

河北省重点城市干湿季PM_(2.5)输送路径和来源分析

为深入研究河北省石家庄、邯郸、唐山以及邢台4座“退后十”重点城市干湿季PM_(2.5)的重污染传输潜在源区,结合GDAS数据,基于HYSPLIT后向轨迹,通过聚类分析、潜在污染源以及浓度权重的计算,对4座重点城市进行大气污染来源的分析。结果表明:1)PM_(2.5)质量浓度呈现为干季浓度较高、湿季浓度较低,同时地域差异较大;2)干季气团4个城市主要受山西省、陕西省、河南省和山东省重工业城市春冬季大量的燃煤、机动车尾气及二次反应携带高浓度气团的影响,该类气团轨迹传输路径较短,传输速度快,影响显著;3)湿季气团大多来源于沿海地区和北部内陆地区,由蒙古国传输至内蒙古地区,以自然源排放为主,受北部冷空气持续影响,使得大气污染物浓度稀释;4)PM_(2.5)较强潜在源区都集中在内蒙古西南部、陕西省东北部、山西省中南部、河南省北部,其中强潜在源区相似,主要集中在延安市、吕梁市、临汾市。