共查询到20条相似文献，搜索用时 93 毫秒
1.
2001—2010年济南市空气质量特征分析 总被引：1，自引：0，他引：1
利用济南市环境空气监测资料,使用国内普遍采用的API空气污染指数,分析了济南市2001—2010年空气质量的变化特征。结果表明：2001—2010年济南市环境空气质量为良或优的天数总体呈上升趋势;冬、春季空气质量比夏、秋季差,污染最轻的是8月,污染最重的是12月或1月;近10年主要污染物为可吸入颗粒物PM10,可吸入颗粒物的来源呈多样性,近年来,汽车尾气污染和建筑尘逐渐成为济南市环境空气污染的主要因素;空气污染较重时一般伴随冷空气影响,近低层存在逆温,不利于污染物的扩散。 相似文献
2.
《湖北农业科学》2021,60(20)
利用2017—2019年洛阳市7个国控空气质量监测站的大气颗粒物PM_(10)、PM_(2.5)的质量浓度监测数据,研究洛阳市城区大气颗粒物浓度的时空变化特征及气象因素对其的影响。结果表明,2017—2019年洛阳市城区环境空气污染总体状况呈先降后增的趋势,其中,2018年空气质量整体状况最好,重度及以上的污染天数占全年有效天数的比例最低;2019年污染总天数相较于2017年减少10 d,但相较于2018年增加31 d;空气质量整体情况PM_(10)和PM_(2.5)浓度月均值变化基本一致,浓度变化均呈U形分布;PM_(10)和PM_(2.5)质量浓度变化具有明显的季节性特征,冬季其质量浓度最高,春季和秋季次之,夏季最低;各国控站点的PM_(10)、PM_(2.5)质量浓度同样显示冬季高,春、秋季次之,夏季低,大气污染状况整体呈西北高、东南低的分布特征;气象因子分析表明,ρ(PM2.5)、ρ(PM10)与温度均呈显著负相关;相对湿度与PM10的质量浓度呈负相关,但与PM2.5的质量浓度呈正相关,在相对湿度为60%～70%时,PM2.5的质量浓度较大;PM_(10)、PM_(2.5)的质量浓度在风向为南风、东南偏南风、西南偏南风、西南偏西风时较小。2017—2019年洛阳市空气污染状况变化与地形、气象条件、城市化建设均有一定的关系。 相似文献
3.
作者从莆田市2001～2005年环境空气质量监测结果出发,阐述该市环境空气质量现状,运用Spearman—rs秩相关系数法预测该市空气质量有好转趋势,并从该市的能源结构、工业、城市建设、交通等几方面分析其污染特征及原因,提出了以行政力量为指导,提高公民环保意识,实施合理的环境规划,利用最佳适用的环保技术改善该市的环境空气质量的建议。 相似文献
4.
5.
6.
利用河北省11个设区市环境空气质量定点监测资料,研究了河北省2013 ～2014年环境空气质量变化情况及影响因素.结果表明,影响河北空气质量的污染物依次为PM2.5、PM10 、NO2和SO2,呈现以尘污染为主的复合型污染特征.SO2、NO2、PM2.、PM10 、CO浓度月均值总体变化趋势一致,表现为夏、秋季＜春季＜冬季;O3浓度则表现为冬季低、夏季高.2014年河北省各城市空气污染综合指数整体较2013年均同比下降,但全省平均达标天数仅占全年的41.6％,污染形势仍然严峻.2013年9月以来,河北省采取的各项能源、产业结构调整和污染源综合整治措施对减轻环境空气污染起到重要的作用,2014年气象条件对PM2.5浓度下降总体有利. 相似文献
7.
为探讨苏州市吴中区近3年大气污染特征及其空气质量状况,采用数理统计方法结合2012年2月最新颁布的《环境空气质量标准》,对2011—2013年苏州市吴中区表征每日空气污染的各项指标作月平均化、3年均值化和频率分析等处理,对处理后的结果进行分析。结果表明,2011—2013年苏州市吴中区SO2、NOX、NO2、PM10月际变化趋势趋于一致,12月份和1月份各指标值相对较高,8月份各指标的值最低;2011—2013年每年首要污染物累计值最大的分别是NO2、PM10和PM2.5,频度分别达到266,214,94 d;根据国家环境空气质量二级标准(GB 3095—2012),2011—2013年NOx、NO2和PM10年均值浓度都超标,其中NOx超标最严重,3年分别达到1.71,1.34和1.44倍;近3年苏州市吴中区空气质量以二级良为主,空气质量中等,夏季空气质量最好,冬季最差;空气质量指数级别一、二级累积百分比3年分别达到76.1%,79.3%,53.5%,出现优良空气质量的天数分别达到277,290,195 d。 相似文献
8.
9.
《甘肃农业》2019,(9)
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。 相似文献
10.
《江西农业学报》2022,(10)
为了有效地控制空气质量评价误差,将各污染物的毒性作用引入传统的模糊综合模型中,建立了双权重模糊综合评价模型。利用郑州市环境空气质量监测站点的PM_(2.5)、PM_(10)、SO_2、NO_2、CO和O_3等空气质量指标的监测数据,采用双权重模糊综合模型,对2014～2017年郑州市的空气质量进行了综合评价。结果表明:郑州市空气质量隶属于第Ⅲ级标准(中度污染水平),主要空气污染物是PM_(2.5)、PM_(10)和NO_2,共占空气质量总权重的65%以上; 2014～2017年空气质量呈现逐步好转的趋势;空气质量的季节性变化显著,夏季空气质量明显优于冬、春季节;相比于传统的模糊综合模型,双权重模型综合考虑了各污染物的浓度和毒性,是一种更全面更客观的空气质量评价方法。 相似文献
11.
为了有效地控制空气质量评价误差,将各污染物的毒性作用引入传统的模糊综合模型中,建立了双权重模糊综合评价模型。利用郑州市环境空气质量监测站点的PM_(2.5)、PM_(10)、SO_2、NO_2、CO和O_3等空气质量指标的监测数据,采用双权重模糊综合模型,对2014～2017年郑州市的空气质量进行了综合评价。结果表明:郑州市空气质量隶属于第Ⅲ级标准(中度污染水平),主要空气污染物是PM_(2.5)、PM_(10)和NO_2,共占空气质量总权重的65%以上; 2014～2017年空气质量呈现逐步好转的趋势;空气质量的季节性变化显著,夏季空气质量明显优于冬、春季节;相比于传统的模糊综合模型,双权重模型综合考虑了各污染物的浓度和毒性,是一种更全面更客观的空气质量评价方法。 相似文献
12.
利用ADMS大气污染扩散模式对西宁市高新技术产业园区规划方案拟建项目污染源对市区环境空气质量的影响进行模拟,分析了基础资料的选取、方案设定及比选。结果表明该河谷地带受地形影响表现出全年逆温天数多,逆温层较厚,不利于污染物扩散的特征。地形对园区污染物在主导风向下由北川河河谷扩散至湟水河河谷地带有一定的影响,区域水平和垂直方向上形成非常特殊的风场和温度场。通过污染扩散模拟结果表明：两个方案的调整对西宁市环境空气的影响差别不大。该园区优选规划方案实施后,区内污染物对西宁市市区有一定的贡献,但贡献率较小。受地面风向的影响,夏季各污染物对市区的贡献较冬季大。规划总体上不会影响市区环境空气质量,市区环境空气质量将保持在良好水平。 相似文献
13.
14.
根据2017年1—6月滁州市3个国控监测点的空气质量监测数据,运用主成分分析法对6种污染物进行分析,得到污染物之间的关系及其对空气质量的影响。结果表明:2017年1—6月滁州市空气质量为轻度污染的等级出现频率最高,首要污染物为PM_(2.5)和O_3。通过主成分分析得到2个主成分,反映了SO_2、PM_(10)、NO_2、CO、PM_(2.5)等5种和O_3这1种污染物的信息,且CO、PM_(2.5)、O_3对滁州市空气质量起主导作用。空气质量相对较好的监测点是人大宾馆,相对较差的是老年大学,且各监测点的季节性污染特征较为明显,具有"夏季好,冬季差"的典型城市空气环境状况。 相似文献
15.
16.
17.
18.
《现代农业科技》2015,(14)
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。 相似文献
19.
《北京农学院学报》2020,(3)
【目的】为更好掌握北京地区空气颗粒物污染的长期变化特征。【方法】利用城市绿地内在线环境颗粒物监测仪从2015年1月1日—2018年12月31日实时监测的ρ(PM_(10))、ρ(PM_(2.5))和ρ(PM_1)数据,对北京地区2015—2018年空气颗粒物质量浓度的时间变化特征进行分析。【结果】北京地区2015—2018年ρ(PM_(10))、ρ(PM_(2.5))和ρ(PM_1)历年年均值均呈现出逐年降低的变化趋势,超标天数逐年减少;季节变化中,ρ(PM_(2.5))和ρ(PM_1)最高的均是冬季,最低的是夏季,而ρ(PM_(10))最高的是春季,其次是冬季、秋季、夏季;日变化中,三种空气颗粒物质量浓度总体日变化趋势为白天低、夜间高;相关性分析中,PM_(10)、PM_(2.5)和PM_1之间具有极显著正相关。【结论】北京地区2015—2018年空气颗粒物污染情况改善程度十分明显,空气质量显著提高。三种空气颗粒物质量浓度夜间高于白天,他们间具有极显著正相关。 相似文献
20.
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。 相似文献