摘要：利用2014—2020年河南省18个地级城市空气质量监测资料和气象数据,运用空间自相关分析、ArcGIS制图及相关性分析等方法,从时空分布特征上揭示河南省PM_(2.5)污染特征,并分析其气象成因。结果表明:河南省2014—2020年PM_(2.5)年均浓度为40~100μg/m^(3),总体呈递减趋势。PM_(2.5)浓度季节分布特征为冬季>秋季=春季>夏季。河南省2019年和2020年PM_(2.5)污染空间分布存在显著自相关,污染程度严重的地区主要是中部和东北部地区。冷热点分析发现,热点城市为濮阳、安阳、济源、郑州、新乡、焦作、鹤壁,冷点城市为信阳、驻马店、周口。PM_(2.5)在年尺度上与气压、气温、相对湿度、风向、风速、能见度显著相关,其中,与气温相关性最高,相关系数为-0.424。当相对湿度处于90%以下时,PM_(2.5)浓度与相对湿度呈正相关;而在相对湿度超过90%之后,PM_(2.5)浓度下降至70μg/m^(3)。风速超过6 m/s后,其对PM_(2.5)浓度的影响显著降低。能见度与PM_(2.5)浓度呈负相关,其中,新乡、平顶山、郑州对应的相关系数分别为-0.616、-0.586、-0.564,表明这3个城市的能见度状况受PM_(2.5)浓度影响较大。

摘要：通过OMI卫星数据分析了2005~2016年长江三角洲对流层甲醛柱浓度的时空变化规律.同时结合2008年和2010年各部门VOCs人为源排放量,利用BP神经网络和RBFN神经网络模型对对流层甲醛柱浓度进行了县域尺度上的回归模拟和各部门排放量贡献度分析.结果表明:长三角城市群对流层甲醛柱浓度在2005~2010年存在着增加趋势,2011~2016年甲醛浓度有下降的趋势.高值区域分布在皖北苏北、上海及其附近,低值区域分布在浙西南一带.人为源排放使得经济发达地区的甲醛柱浓度显著增高.工业源在长三角的分布较为广泛,电力源分布稀疏且VOC排放量远小于工业源排放量,居民源的VOC排放量介于工业源和电力源之间,有明显的南北差异.交通源主要集中在苏南、浙北和上海附近,少部分沿交通线条状分布.机器学习算法可以较好地利用人为源排放数据对甲醛柱浓度进行模拟.神经网络的拟合精度可以达到0.6~0.8,比线性回归的拟合精度超出0.3~0.4.模型变量重要性计算显示各部门中居民源对甲醛柱浓度的贡献程度最高.研究对流层甲醛柱浓度的长期时空变化及其影响因素有利于深入研究臭氧污染,同时也为大气治理和政策制定提供了科学依据.

摘要：中原城市群重点城市是中国大气污染较为严重的区域之一。利用2017—2019年河南省各地市环保局国控站点和地面监测站提供的首要污染物浓度和气象要素24 h连续监测数据,分析得到首要污染物占比和首要污染物浓度的日变化特征,采用相关分析法和地理探测器模型得到各首要污染物之间的相关性及气象因子对首要污染物的影响。结果表明:在研究期间,中原城市群重点城市首要污染物主要由PM_(2.5)、PM_(10)和O3组成;一天中,PM_(2.5)呈双峰变化,主峰值出现在8:00—9:00,次峰值出现在1:00,谷值出现在下午16:00;PM_(10)小时浓度呈三峰变化,主峰值出现在9:00,次峰值出现在22:00和2:00左右,主谷值出现在15:00,次谷值出现在0:00和5:00;O3小时浓度呈单峰变化,峰值出现在15:00,谷值出现在7:00左右;对PM_(2.5)、PM_(10)、O3浓度影响最大的两个气象因子是气温和气压;PM_(2.5)在低温、高压、高湿、弱风的条件下利于积累,PM_(10)在低温、高压、中等湿度、弱风的条件下易于积累,O3在高温、低压、低湿度、强风的条件下易于生成与积累。