共查询到17条相似文献，搜索用时 468 毫秒
1.
乌鲁木齐冬季大气细颗粒物水溶性离子特征及来源 总被引：2，自引：0，他引：2
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PM2.5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PM2.5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(SO42-、NO3-和NH4+)是水溶性离子的主要组分;不同天气类型下PM2.5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PM2.5可溶性离子K+和Cl-浓度急剧上升;NH4+与SO42-、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。 相似文献
2.
中国城市空气污染时空分布格局和人口暴露风险 总被引：3，自引：1，他引：2
近年来,中国空气污染及其对人口健康危害的时空分布呈现出新的特征。论文使用5 a(2015—2019年)间逐小时的空气质量监测数据,利用变化率计算、热点分析、趋势分析和超标频数统计等方法,分析了中国332个城市的空气质量及人口空气污染暴露风险的时空分布特征,结论如下：① 中国城市近年来空气质量有好转趋势,环境空气质量指数(AQI)下降的城市占所研究城市总数的91.3%;PM2.5、PM10、SO2和CO等4种污染物浓度均有所下降,而NO2和O3浓度有所上升;② PM2.5、PM10、SO2和CO浓度变化率的热点分布于新疆地区和云南—华南地区,NO2浓度变化率的热点为新疆地区和河套平原,O3浓度变化率的热点为华北平原至长江中下游流域;西北地区和华南地区空气质量变化幅度较小;③ 9个城市在PM2.5、PM10、SO2、NO2、O3和CO等6种污染物中均有暴露,分布于山西、河北与山东。暴露风险均为0级的低风险城市共有12个,分别位于新疆、云南、贵州、四川、广东、福建和黑龙江。研究结论对于跨区域空气污染的协同治理以及制定差异化的空间人口流动管理政策具有重要参考价值。 相似文献
3.
西安沙尘天气特征及其对空气质量的影响 总被引：17，自引：11，他引：6
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。 相似文献
4.
沙尘天气过程对中国北方城市空气质量的影响 总被引：5，自引：3，他引：2
2014年4月23-25日中国北方地区经历了一次大范围的强沙尘天气过程.利用13个城市的空气质量和气象数据结合后向轨迹模式和MODIS deep-blue气溶胶光学厚度数据,研究沙尘天气过程对中国北方城市空气质量的影响,特别是对PM2.5质量浓度的贡献。结果表明:来源于塔克拉玛干沙漠及其周边地区的沙尘途经甘肃西北部和内蒙古中西部的沙漠区进而影响下游城市。MODIS deep-blue气溶胶光学厚度的空间分布能够较好地反映出沙尘的水平运动特征。沙尘天气过程可以使中国北方城市PM2.5和PM10质量浓度分别增加7.5%～1 141.2%和344.0%～2 562.1%,可以有效地降低SO2、NO2和CO气体污染物的浓度,而对O3的浓度影响较小。银川、大同和库尔勒沙尘天气过程期间平均SO2、NO2和CO浓度较非沙尘天气过程期间降低最明显,分别降低约80.0%、78.7%和62.1%。 相似文献
5.
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PM2.5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PM2.5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PM2.5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PM2.5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PM2.5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PM2.5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PM2.5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PM2.5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PM2.5浓度呈显著降低作用,且影响程度大于污染的持续性影响。 相似文献
6.
利用陕西省的环境空气质量自动监测站2017—2021年的监测数据,分析了陕西区域空气质量的逐月变化特征、季节变化特征、年变化特征以及不同污染物的空间分布情况,对不同区域发生重度污染时段的环境空气质量污染特征和成因进行了探讨。结果表明：(1)2017—2021年陕西省空气质量逐步改善,空气质量改善幅度关中>陕南>陕北,SO2浓度年均下降12.5%,CO浓度年均下降9.9%,PM2.5年均下降7.2%。(2)关中区域和陕北北部污染较重,陕北南部和陕南区域污染较轻,城市污染程度重于郊县。(3)陕西省空气质量具有明显的季节变化特征,重污染天多在采暖季和春季(1月、2月、3月、11月、12月)。不同区域发生重度污染时的首要污染物具有明显差异。陕北区域重度及以上污染天的首要污染物为PM10(100%),关中区域为PM2.5(82%)、PM10(17%)、O3(1%),陕南区域为PM2.5(81%)、PM10(19... 相似文献
7.
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、PM2.5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PM2.5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、PM2.5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PM2.5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%。 相似文献
8.
社区公园空气污染暴露特征及其居民感知——以广州市中心城区为例 总被引：1，自引：0，他引：1
基于空气污染监测与问卷调查数据,研究了广州中心城区33个社区公园空气污染暴露特征、影响因素及其居民对空气污染感知。主要结论为：1）各区社区公园空气污染暴露风险及其空间格局分布差异较大,低暴露风险公园所占比例较小。2）空气质量指数（AQI）、PM1.0和PM10与社区公园面积呈显著负相关;AQI、PM1.0、PM10和PM2.5与斑块形状指数呈显著正相关关系;二氧化碳（CO2）与离城市主干道距离呈显著负相关,但社区公园1 km缓冲区范围内城市道路密度与其空气污染关系不大。3）超过1/3的居民对社区公园空气污染程度的主观感知优于客观测度的空气污染水平。4）可替代活动空间以及社区公园可达性影响居民空气污染暴露风险。由于社区公园面积规模较小,对空气污染减缓作用有限,未来应尽可能规划面积规模较大、可达性较高、形状更饱满且远离交通主干道的社区公园。 相似文献
9.
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。 相似文献
10.
选取2000—2017年大气PM2.5遥感反演数据集,综合运用标准差椭圆及地理探测器等方法,揭示了黄河流域PM2.5的时空演变特征及其影响因素。结果表明：2000—2017年黄河流域PM2.5年均浓度整体呈现先快速增加后又波动变化的演变趋势,空气污染状况不容乐观;黄河流域PM2.5空间集聚性明显,低值区稳定分布在内蒙古中部和西南部高原地区,高值区一方面分布在自然条件较差的西北内陆,另一方面集中在人类活动强度较高的地带;黄河流域PM2.5污染总体呈现出“西北-东南”方向的分布格局,其浓度在地理空间上呈现分散化的趋势,即污染的主要范围有所扩大;人口密度、工业化水平、外商投资以及科技支出等经济社会因素对PM2.5浓度存在显著影响,但其作用强度及方向存在差异。 相似文献
11.
黄河流域空气污染的空间格局演化及影响因素 总被引：3，自引：2，他引：1
基于2008—2017年黄河流域工业SO2和PM2.5两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PM2.5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PM2.5污染的空间关联性比工业SO2更强;② 2008—2017年,工业SO2和PM2.5污染有所缓解,其中工业SO2排放强度迅速下降;而PM2.5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PM2.5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PM2.5污染;工业规模的扩大会加剧本地和邻近城市的PM2.5污染。 相似文献
12.
对上海市2012-2016年PM2.5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PM2.5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PM2.5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。PM2.5浓度呈现出夏季低,冬季高的季节特征,而且8月PM2.5浓度最低,处于16~36 μg·m-3;PM2.5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PM2.5在阈值处出现显著变化;最大PM2.5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,PM2.5浓度基本减少至35 μg·m-3;降水量越大,PM2.5浓度越低。 相似文献
13.
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PM2.5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PM2.5质量浓度的时空格局与影响因素。研究显示：(1)中国PM2.5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PM2.5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PM2.5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PM2.5有较为显著的负向消减作用。 相似文献
14.
中国城市群地区PM2.5时空演变格局及其影响因素 总被引：2，自引：0，他引：2
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PM2.5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PM2.5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PM2.5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PM2.5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PM2.5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PM2.5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PM2.5污染有正向影响;外商投资在东南沿海和边境城市群对PM2.5污染具有负向影响;人口密度对本地区PM2.5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PM2.5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PM2.5污染有负向影响,对邻近地区则相反;技术扶持度对PM2.5污染的影响显著,但存在滞后性和回弹效应。 相似文献
15.
作为主要的大气污染指标,PM2.5浓度常来源于固定环境监测站点的监测与遥感影像数据,但时空精度普遍不足,难以揭示微尺度下城市内部PM2.5时空分布情况。本文利用移动式监测方法,选择典型工作日(2017年11月27日),对广州市主城区道路以1 s和1 m为时空粒度进行PM2.5浓度数据采集,并以早、晚出行高峰时段为对象,通过机器学习方法模拟道路PM2.5精细化时空分布格局。结果表明,主城区早高峰道路PM2.5浓度值相近的平均范围为24 m,晚高峰为15 m,PM2.5浓度存在微尺度的时空异质性。利用多层感知器(MLP)构建的早、晚高峰PM2.5浓度模型,拟合度分别达到0.70和0.68,明显优于传统的普通最小二乘法(OLS)线性回归模型。模型揭示出早高峰主城区全路网PM2.5平均浓度为30.19μg/m3,晚高峰达到44.55μg/m3,部分高达94.82μg/m3,且“西高东低”的分布特征显著。本文提出的PM 相似文献
16.
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PM2.5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PM2.5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PM2.5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PM2.5和PM10浓度都存在显著的线性相关,前者PM10浓度是PM2.5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。 相似文献
17.
基于灰色关联模型对江苏省PM2.5浓度影响因素的分析 总被引：2，自引：0，他引：2
采用克里金插值法分析2014年江苏省PM2.5浓度空间分布特征,运用灰色关联模型计算PM2.5浓度与影响因素间关联度,分析主要影响指标因子与PM2.5浓度空间分布的相互关系。结果显示：① 江苏省PM2.5浓度具有沿海低、内陆高,南部高、北部低的空间分布特征;② PM2.5污染来源指标层的权重值最大（wi = 0.4691）,空气质量与气象要素指标层的权重稍大（wi = 0.2866）,城市化与产业结构层的权重值最小（wi = 0.2453）;③ 在27个指标因子中,与PM2.5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,PM2.5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 PM2.5污染源指标层与PM2.5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PM2.5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PM2.5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PM2.5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PM2.5浓度的主要因素,能对PM2.5浓度影响指标进行定量分析与评价。 相似文献