大气污染主要因子精选(九篇)

前言：一篇好文章的诞生，需要你不断地搜集资料、整理思路，本站小编为你收集了丰富的大气污染主要因子主题范文，仅供参考，欢迎阅读并收藏。

第1篇：大气污染主要因子范文

关键词： 天气形势；大气污染物扩散；传播；气象条件

中图分类号：X51 文献标识码：A

1 大气污染物成分与臭气的时空分布

从2009年开始，区环保部门在城东的椒江一中、椒江二中，中心区枫南小区，西南区康平小区以及城西边防修船厂设置臭气监测点。3a监测臭气各为103次（d）、158次、160次。2009～2010年每月实测10次以上的分布在1～4月、9～12月。2011年臭气发生最为频繁，全年9个月超过10次。

根据人体感觉臭气浓度等级分为5个等级，Ⅰ级为臭气较轻；Ⅱ级为臭气明显；Ⅲ级为较重臭气影响；Ⅳ级严重臭气影响；Ⅴ级特别严重臭气影响。其中Ⅰ级、Ⅱ级对人体健康影响不大；Ⅲ级、Ⅳ级对人体健康产生一定影响，导致人体不适；Ⅴ级则导致接触臭气的人群产生强烈不适，少数人员会产生头疼、恶心等症状，严重影响城区居民生活。

2 天气形势对臭气发生的影响分析

通过对2011年1月～2012年4月监测资料和相应时间椒江气象台预报数据的分析，发现在污染源相对平稳的时段里，影响大气污染物浓度的主要因素是天气形势及其控制下的局地输送扩散条件。本文通过对历史气象资料的分析，发现在臭气发生时椒江区主要处于以下几种天气形势。

2.1 高压底部型

当椒江区处在高压底部，大气层结稳定，上午极易出现灰霾与轻雾，午后易出现偏东风。根据洪家站资料统计，发生臭气日有25d出现过霾与轻雾天气现象，占总天数的55.56%；这种天气上午比较不利于大气污染物的垂直输送，下午在偏东风的引导下，污染物向下风方的城区水平输送。故在此形势下监测到城区臭气污染最为严重，共有42次。且一年四季均有分布，春、秋两季略偏多。

2.2 高压脊型

在冷空气过后，椒江区高空高压脊控制，天气晴朗，冷空气下沉和地表辐射冷却作用，不利于臭气垂直输送，增大低层臭气浓度。椒江区臭气监测资料显示此型天气发生臭气有39次，仅次于高压底部型，主要集中在冬季与秋末冷空气活动频繁且强度强的时候。

2.3 高压后部型

是指椒江区处在高压后部偏南气流区，水汽增多，空气湿润，地面气温回升明显，系统较稳定时，对大气污染物扩散不利。此型天气形势发生臭气有27次（d），监测臭气发生第3多，时间分布与高压底部型类似。

2.4 台风（无降水）型

是指椒江区受台风或台风影响，没有降水，以偏东风或东北偏东风为主，使臭气往城区方向水平输送。此型天气发生臭气有9次（d），臭气发生时间分布在7～9月台风季。

2.5 地面倒槽型

是指椒江区受地面倒槽影响，容易出现高温高湿天气，非常不利于大气污染物的扩散。此型天气发生臭气有7次，资料显示四季均有发生。

2.6 台风（有降水）型

是指夏季椒江区受台风或台风影响，有降水，以偏东风与东北偏东风为主，使臭气往城区方向扩散。据统计发生臭气现象3次，其中2次日降水量稀少只有0～2mm，1次达到35.8 mm，由此可见，降水量过少与过多均不利于臭气浓度稀释。

在不同的天气形势下，臭气发生的影响程度也大不相同。高压底部型天气发生Ⅴ级臭气次数最多为5次（d），其次是高压后部型与台风（有降水）型分别为3次（d）、2次（d），最值得注意的是台风（有降水）型发生臭气只有3次，但均为Ⅴ级，可见这种天气最易造成臭气扰城现象。1～4型天气形势发生Ⅲ级及以上臭气的概率极高，占总次数的77.96%，此4种形势是我们将来对企业排放预警预报的关键。

3 风、温度、降水气象因子对椒江医化园区臭气排放的影响分析

综上分析，我们得出在污染物排放没有发生变化的条件下，气象条件在恶臭气体的扩散、传播上起着很重要的作用。下面，我们可以来分析风、温度、降水气象因子对椒江医化园区臭气排放的影响。

3.1 风向风速

风向决定恶臭气体传播方向、范围。风速则决定扩散速率，当风速大，向空间传播距离远、范围大，降低恶臭浓度；当风速越小，恶臭气体扩散范围也越小，离污染源越近浓度越大，恶臭就越严重。由于椒江医化企业主要集中城东区，所以当偏东风（东北-东南风）出现，市区位于下风向，容易造成臭气移向生活区，影响居民健康，根据监测资料分析，在2011年1月～2012年4月期间共出现177次恶臭天气， 18次等级为Ⅴ级，对比洪家站气象资料，我们发现16次Ⅴ级发生洪家站风向均为偏东风向（东北-东南风），占总数的88.89%。所以通过椒江的风向风速预报，对医化企业排放大气污染物的时间和浓度提出建议，一定程度上可以降低椒江臭气影响扩散程度。

3.2 降水

前面提到由于椒江雨量太大、雨量太小均导致大气污染物浓度上升，利用降水的定量预报对椒江医化企业排放大气污染物的时间和浓度提出一定建议，也是措施之一。

3.3 温度

温度主要表现为温度层结，即大气层结稳定性的影响。当大气层结稳定，特别是出现逆温时，空气对流弱，使臭气集中于下层，加剧恶臭，此种情形在冬季早晨前后最易出现，同时也多数出现在雾霾天气中。当大气层结不稳定，易产生对流天气，有利于臭气向上空传播扩散，从而降低近地面层臭气浓度，此种情形在夏季的下午到傍晚热对流有所增强或出现对流天气时常是这种情形。所以可根据大气温度层结的变化，企业可适当调整臭气排放作业时间，避免臭气大面积扩散。

同时，利用天气系统的变化对抑制臭气的发生也起到了关键的作用，这些都将对提高椒江区空气清洁度，减少不良环境对居民生活的影响是非常有效的。

参考文献

第2篇：大气污染主要因子范文

关键词：北仑　空气质量　特征

中图分类号：X22　文献标识码：A　文章编号：1007-3973(2011)005-109-03

1.　前言

随着工业化发展进程的加快和人们对于环境需求的不断提升，环境空气污染已经成为目前城市发展所面临的最为突出的难题之一，环境空气质量的好坏不仅直接影响到城市居民的健康，而且给周边动植物的生长和文物古迹的保护等都有直接或者间接的影响。为此，王宏等结合气象条件对福州市的环境空气质量情况进行了特征分析，并得出了气象与环境空气质量之间的一些相关性，而刘新玲等和杨书申等分别对比分析了山东五城市和北京、上海两城市之间的大气污染特征，均认为由于不同城市之间气象因素、企业类型、企业规模等方面的不同会有不同的环境污染特征和成因。

北仑区作为一个临港大工业基地，集中了包括北仑电厂、宁波钢铁厂、台塑化工、吉利汽车、申洲织造公司等在内的众多大型企业，这些大型企业对北仑的环境空气影响究竟如何已经成为北仑区政府和老百姓关注的焦点，也是北仑区进一步打造适合移居城市的必要参数之一。本文通过深入分析2010年度北仑区域内三套环境空气自动站的监测数据，对北仑区的环境空气质量特征和污染来源进行了系统的研究，并针对现状提出了一些相关的建议。

2.　实验方法

2.1　监测点位及监测项目

2.1.1　监测点位

北仑区域目前共设置三个大气环境空气质量自动监测点位，分别位于城中(监测站)，城东(宁波钢铁厂宿舍区)，城西(青峙变电所)，其中城东和城西位于工业区周边。

2.1.2　监测项目

可吸入颗粒物(PM10)，二氧化硫(SO2，氮氧化物(NOx)。

2.2　监测仪器和方法

采用三个固定的环境空气自动站(美国热电环境仪器有限公司)进行连续24小时自动监测，并对小时均值、日均值、月均值、年均值进行数据统计分析。其中仪器设各原理和型号为：(1)PM10的测定：β射线法。仪器为FH62C-14型可吸入颗粒物分析仪。(2)SO2的测定：紫外脉冲荧光法。仪器为43C型二氧化硫分析仪。(3)NOx的测定：化学发光法。仪器为42C型二氧化氮分析仪。

3.　结果与讨论

3.1　污染物浓度的季节变化规律

图1、图2、图3清楚的显示了城中、城东、城西点位的SO2、NO2、PM10的月均值浓度情况，显然，每个点位的SO2、NO2、PM10的浓度随着季节的变化，始终呈现出一、四季度高，二、三季度低的变化趋势，这一结果与董蕙青等对广西主要城市的研究结果基本一致，但是与刘新玲等的对于山东五城市的大气特征研究结果(主要是SO2浓度)则略有差异，这种差异主要来自于北方典型的冬季燃煤采暖因素的影响，故南方地区冬季的污染物浓度基本与春季差别不大，而且相比于北方城市总体上浓度要低的多；此外，北仑区地属亚热带季风气候区，又临东海，四季分明，受到这样季节性气候变化的影响，北仑区域气候情况总体上表现为一、四季度空气比较干燥，昼夜温差明显，大气逆温现象频率较高，不利于污染物的传输扩散，此外，较低的湿度和无植被覆盖的地面也加剧了污染，尤其是可吸入颗粒物在环境空气中的高浓度，而二、三季度太阳辐射强度强，逆温层的生成时间缩短，大气对流活动旺盛，污染物扩散较好，此外，夏季较多地降雨也使得污染物得到了溶解和冲刷作用，因此，总体上环境空气质量较好。

3.2　污染物浓度的日变化规律分析

为了考察三个污染因子在一天当中的浓度变化情况，随机抽取了2月、4月、6月、8月、10月和12月的一天对这三个因子的浓度变化情况进行分析，结果如图4、图5、图6所示，显然SO2在08：00～12：00范围内呈现出一个浓度的最高峰，凌晨和夜间浓度最低；而NO2和PM10情况则基本一致，均呈现出两个波峰和一个波谷的情况，具体的来看，NO2的两个波峰分别出现在09：00和17：00左右，波谷则出现在13：00左右，而PM10的波峰和出现时间分别为08：00左右、18：00左右和14：00左右，总体上两者每天浓度的波动情况相似，这个结果与马彬等对深圳市环境空气的研究结果基本一致，只是在出现峰谷值的时段略有差异，环境空气污染日变化趋势不仅和人们的生产／生活等活动有关而且还和每天的气象变化存在一定的相关性，即早上08：00～09：00左右是上班的高峰期，而下午17：00～18：00是下班的高峰期，这两个高峰期内均显示了较高浓度的NO2和PM10，而中午13：00～14：00以及凌晨和夜间均为休息时间，这一时段机动车少，企业生产和排放的污染物也较少；而SO2的波峰则与不利气象条件有关，即08：00～12：00，是太阳照射地面，地面温度上升，空气对流加强，夜间形成的逆温层遭到破坏，高空排放的二氧化硫向低层注入，而导致这一时段二氧化硫浓度峰值。

3.3　污染物的来源分析

为了考察北仑区域SO2，NO2、PM10三个污染因子的污染源情况，表1、表2、表3分别列出了这三个污染因子在不同点位的年均浓度、节假日浓度以及非节假日浓度情况，显然除了城西点位的PM10外，三个点位各个污染因子之间的差别不大，这可能是由于北仑区域的污染主要来自于机动车尾气和大工业企业的污染物排放，机动车本身的流动性和大工业企业的高空排放都有利于污染物在北仑区域的快速扩散，从而使得污染物浓度在三个点位基本分布均匀，而城西点位的PM10浓度偏高则可能是由于城西点位附近土地正处于开发建设阶段，由其导致的建筑施工扬尘引起了局部的可吸入颗粒物浓度偏高。

为了进一步的考察工业企业和机动车对SO2、NO2、PM10三个污染因子的贡献程度，对三个点位在节假日和非节假日的污染物浓度情况进行了对比研究，显然，三个污染因子在三个不同点位上均都显示了非节假日浓度要高于节假日的趋势，由此可以看出，北仑区域的工业企业对于这三个污染物的浓度均存在一定程度的贡献，但是从比例的数据上来看，高出的浓度并不显著，其中相差最大的是SO2的节假日／非节假日浓度比例，其节假日比非节假日浓度高20％～30％，这说明工业企业对于污染物的贡献并不是北仑区域SO2、NO2、PM10三个污染因子的主要来源，其对污染的贡献是相对有限，更多的污染主要还是来自于北仑区域越来越多的机动车所产生的尾气，这个结果和王淑云等所提出的许多城市的机动车尾气是污染的次要因素不一致，此外，SO2企业贡献比例相对较高可能与北仑区域的宁波钢铁厂、北仑电厂等大燃煤企业有关，其燃煤产生的SO2对于区域SO2污染存在较大贡献。

4.　结论与建议

北仑区的环境空气质量存在典型的季节性特征和日变化特征。受典型季节气候的影响，存在典型的季节性污染物浓度变化，总体上表现为一、四季度污染严重，二、三季度空气质量较好；受日气象条件变化和人们生产活动的影响，SO2、NO2和PM10三个污染因子浓度在一天中分别表现为一个波峰，两个波峰一个波谷和两个波峰一个波谷的变化趋势。

北仑区的污染物主要来自机动车尾气的排放，其次是区域内大工业企业的排放主要表现为北仑电厂等大燃煤企业对SO2的贡献。

通过对污染物来源的分析，建议进一步加强做好以下几个方面的工作：

(1)由于污染物的主要来源是机动车尾气的排放，故一方面需要倡议政府部门和公众公车或私车的使用频率，做到尽量坐公交车；而另一方面要加强机动车的准入制度，对于不符合国家相关排放标准的机动车禁止使用，提倡低能耗、低排放的清洁车。

(2)要提高对于北仑区的三座环境空气自动站数据的反应敏感性，尤其是城东和城西点位，要加强实时监控，对于异常情况，及时通知监察大队和重大项目监管科等相关科室，并对异常情况进行实时跟踪。

(3)除了常规的几项污染因子外，作为一种监控手段，有必要对一些周围具有特征排放因子的污染物实行实时监控。随着城东和城西两个自动站在线色谱项目的开展，这两个环境空气自动站无疑会成为对周围台塑、化工码头、宁波钢铁等等产生有机物特征污染因子的企业异常情况监控的排头兵，通过这样的一种监控手段，结合北仑区环境监测站的应急监测车和实验室分析，并与其它职能科室相配合，可以建立一套完整、可靠、有效的环境预警机制，这对于北仑区这样一个临港大工业基地是必要的也是必需的。

参考文献：

[1]郭二果，王成，彭镇华，等，城市空气悬浮颗粒物理化性质及其健康效应[J]，生态环境，2008，17(2)：851-857.

[2]黄虹，李顺诚，曹军冀，等，空气污染暴露评价研究进展[J]，环境污染与防治，2005，27(2)：118-121.

[3]车汶蔚，郑君瑜，邵英贤，等，珠海市大气污染时空分布特征及成因分析[J]，中国环境监测，2008，24(5)：82-87.

[4]张菊，苗红，欧阳志云，等，近20年北京市城近郊区环境空气质量变化及其影响因素分析[J]，环境科学学报，2006，26(11)：1886-1992.

[5]陈晶，张礼俊，钟流举，珠江三角洲空气质量现状及特征[J]，广东气象，2008，30(4)：15-17.

[6]王宏，林长城，蔡义勇，等，福州市空气质量时空变化及其与天气系统关系[J]，气象科技，2008，36(4)：480-484.

[7]刘新玲，王晓明，李小明，2004－2008年山东中西部五城市大气污染变化特征[J]，科学技术与工程，2008，8(12)：3390-3396.

[8]杨书申，邵龙义，杨园园，北京、上海两地2004和2005年大气污染特征对比分析[J]，长江流域资源与环境，2008，17(2)：323-327.

[9]董葸青，谢宏斌，郑凤琴，2003广西主要城市空气质量评价及空气污染物浓度与气象条件关系[J]，广西气象，2004，25(1)：36-39.

[10]马彬，陈志诚，梁鸿，等，深圳市几种空气污染物浓度日变化特征分析[J]，中国环境监测，2004，20(5)：47-53.

第3篇：大气污染主要因子范文

【关键词】大气降水；离子组成；特征分析

以化石燃料燃烧为主的人类活动向大气中排放了大量气态和固态污染物。雨水在凝结和下落过程中不断吸收大气中气体和颗粒物， 所以大气污染的程度及主要污染物排放量的变化情况可以在降水酸度及离子浓度中得到反映。

“十二五”以前，陕西省一直采取的都是以控制SO2排放为主要的大气污染控制措施，对于遏制酸雨污染的进一步变化起到了积极的作用。这些情况在降水酸度及离子浓度的变化中得到了充分的体现。

1 陕西省降水污染现状

2012年，陕西省各监测点共采集雨样873个，其中酸雨样品（pH值

全省15个城市的降水各离子当量占总当量比例从大到小依次为：S042-> Ca2+ > NH4+ > NO3- >Mg2+>K+> Cl->Na+，表明，降水中的主要阳离子为钙和铵，分别占离子总当量的29.4%和14.1%；主要阴离子为硫酸根，占离子总当量的31.6%，硫酸盐为陕西省降水中的最主要致酸物质；NO3-占离子总当量的9.0%。

2 降水酸度及酸雨率的年际变化

2000～2012年，十余年间，pH年均值介于5.49～6.55，全省平均降水酸度略有波动，但呈逐年减弱趋势；酸雨频率略有起伏，但呈逐年减小趋势，酸雨频率介于0.2%～10.7%。

图1 2000年～2012年陕西省降水pH值和酸雨发生频率变化趋势

3 降水中主要离子比例及原因分析

3.1 S042-/NO3-

S042-、NO3-是影响大气酸度的重要成份， 2006～2012年陕西省降水中S042-/NO3-值见表1。由表1中可知S042-/NO3-的比值2007年最高，为7.6，之后呈下降趋势，2011年酸雨类型变为混合型，2012年较2011年又略有升高，重回硫酸型时代。

2006年以来，全国上下加强了SO2减排工作，陕西省相继制定了促进节能减排的一系列政策措施，SO2减排工作取得了积极进展。从2007年开始，全省SO2排放量和城市环境空气中SO2平均浓度逐年下降， 城乡环境质量不断改善。NOX从“十二五”纳入减排工作，因为煤燃烧排放NOX一直占NOX排放总量的70%以上 ，所以陕西省从2011年开始全力推进燃煤电厂脱硝工作。降水S042-/NO3-的比值2012年较2011年又略有升高，与2011年部署的NOX减排项目，在2012年的发挥效果有很大关系。

表1 降水酸度及主要离子组成比例

年份 2006年 2007年 2008年 2009年 2010年 2011年 2012年

S042-/NO3- 5.9 7.62 6.95 5.81 4.25 2.75 3.51

空气中SO2平均浓度（mg/m3） 0.040 0.049 0.044 0.042 0.039 0.036 0.032

SO2排放量较上年

变化情况 增加 减少 减少 减少 减少 减少 减少

空气中NO2平均浓度（mg/m3） 0.031 0.031 0.030 0.031 0.033 0.032 0.031

NOX排放量较上年

变化情况 -- 持平 增加 增加 增加 增加 减少

pH年均值 6.07 5.71 6.34 6.35 6.55 6.20 6.47

Ca2++NH4+/SO42- +NO3- 0.67 0.75 0.73 0.65 0.73 0.83 0.97

3.2 （Ca2++NH4+）/（SO42- +NO3-）

陕西省降水的主要致酸因子是SO42-和NO3-，主要致碱因子是Ca2+和NH4+；（Ca2++NH4+）/（SO42- +NO3-）的比值可以作为判断降水酸化程度的一个依据，比值的增加表明降水酸度的减小，pH增加， 反之pH则降低。由表1可知，陕西省2006～2012年（Ca2++NH4+）/（SO42- +NO3-）比值呈波动变大趋势，说明陕西省降水的酸化程度正逐步向好，与降水年均pH值反应出的情况基本一致。

4 结语

（1） 陕西省2006～2012年降水pH均值较高，波动不大，表明陕西省酸雨污染较轻；

（2） S042-/NO3比值显示陕西省酸雨类型有从硫酸型转变成硫酸和硝酸混合型的趋势；

（3） Ca2+、NH4+、SO42- 、NO3-这四项离子是影响陕西省降水酸度的主要因子；

（4） 主要污染物减排工作对酸雨控制有积极推动作用。

参考文献：

[1]程新金，黄美元.降水化学特性的一种分类分析方法[J]。气候与环境研究，1998.

[2]杨龙誉、黄丽、孙燕等，常州市2007年降水酸度及离子含量特征[J]。环境化学，2009.

[3]王虹，马鞍山市降水酸度的时空变化特征及其成因初探[J]。安徽师范大学学报，2004.

[4]田贺忠，郝吉明，陆永琪，等.中国氮氧化物排放清单及分布特征[J]. 中国环境科学， 2011.

作者简介：

薛四社（出生于1972年-）、男、汉族、陕西长安人、现为陕西省环境监测中心站、工程师，主要从事环境质量分析研究。

刘勇（出生于1974年-）、男、汉族、陕西西安人、现为陕西省环境监测中心站、工程师，主要从事环境质量分析研究。

第4篇：大气污染主要因子范文

关键词：机动车污染；排放总量；特征；削减量分配

DOI：10.16640/ki.37-1222/t.2016.14.253

我国目前大气环境所面临的主要威胁来自雾霾天气，尤其是在京津冀、珠三角和东北地区最为严重，由于区域经济一体化进程不断加快，在大气流动性的影响下，对大气污染治理已经从单一片区扩散到区域，因此，亟需对区域大气污染物进行总量控制，并以削减量分配为原则，对区域机动车排放的污染物进行严格控制。

1 机动车污染物现状分析

随着城市经济不断增长，我国机动车保有量呈几何状态激增，截止2015年，全国机动车保有量同比增长8.4%，因此机动车排放污染已成为我国大气污染的主要因素，也是导致光化学烟雾和灰霾的关键因素，防治机动车污染的任务越来越紧迫。目前有学者研究表明，我国大部分人口密集区域大气中的存在的氮氧化物主要来自于机动车排放的尾气，我国机动车所排放的NOx约占全国排放总量的30%，仅次于火电厂污染，汽车尾气排放的含氮物质对环境造成的威胁日益凸显。此外，机动车污染物中含有CO、HC、NOx、SO2以及可吸入颗粒物等成分，存在很大的毒性，有些物质还可能通过相互作用导致二次污染，城市居民长期处于被污染的大气环境下，会导致哮喘、呼吸疾病以及心脏病的发病率增加，对生命安全和生活质量造成严重威胁，因此采取有效措施对污染物总量进行削减势在必行。

2 区域机动车污染物总量排放特征

2.1 大气污染物排放总量清单

以我国东北地区为例，截止2015年该区域大气污染排放总量主要包括CO、HC、NOx、PM10，其中CO排放总量最高，为278.34万吨。NOx次之，为83.45万吨，HC为69.31万吨，PM10为5.31万吨。

2.2 机动车不同车型污染物排放特征

不同车型的机动车对污染物排放总量的影响存在较高的敏感性。东北地区污染物排放的主要源头为轻型货车、轻型客车以及摩托车，排放比例分别为15.31%、38.24%、19.46%，占到排放总量的80%以上。东北地区2015年各类客车的保有量为587.34万辆，其次是摩托车，约为534.13万辆，这两类机动车污染物排放较多，而从国家规定的排放标准中分析，由于东北地区从2008年开始即采取了机动车限行措施，因此客车排放量较低，而摩托车排放量则高于轻型客车。

2.3 时间和空间维度上的排放特征

从时间维度和空间维度上分析，首先，东北地区机动车污染物排放量呈逐年递增，以2015年达到顶峰，且排放特征以“多点开花”的形式特征为主，在沈阳、长春等经济重心城市，CO、HC排放量年增长比率超过14.%，污染物排放总量触目惊心；其次，东北地区机动车污染物控制情况并不理想，从年同比增长率来看，从2013年～2015年虽然总量增长速度放缓，但四种污染物的区域分担率仍然超过了50%；最后，排放特征与城市地理环境和人为因素息息相关，城市规划过程中未将节能减排工作进行着重考虑，导致东北地区机动车污染物排放呈现扩散、巨量的特征，且短时间内难以控制，因此，对污染物排放总量进行削减是改善区域大气环境的必然措施。

3 区域机动车污染物削减量分配

以2015年四种机动车污染物排放总量进行削减量越策，按照等比例分配方法进行分配，在对指标体系进行权重计算的基础上运用熵值法进行计算，首先对排放指标进行标准化处理，包括区域GDP总值以及人均GDP和全年空气质量大于2级的天数，设人均GDP和机动车污染物排放强度为相对于削减排放量的正向指标，设控制质量为副项指标，计算出信息效用值后进行指标权重确定。

在等比例分配方法的基础上，区域机动车污染物排放总量削减公式如下：

式中：Xi表示区域目标削减率，表示参与总量分配地区的平均削减率，ai为区域相对削减因子，Qi表示区域基期污染物排放量，C为区域总目标削减率，j表示第j个指标数，fij表示区域第j个指标的归一化计算所得数值，ωj表示第j个指标的权重值。

按照熵值法进行处理后，可得出各污染物的指标权重，按上述公式可在排放清单的基础上得出削减量，并进行分配。根据东北地区2015年机动车污染物排放清单预测结果，在10%的排放目标要求下，①CO排放总量削减率为70.1%，即区域主要城市需承担区域70.1%的CO减排总量；②NOx排放总量削减率为64.5%，对城市地理因素进行综合考虑，东北地区沈阳削减率为54.8%，吉林为29.7%，长春为13.2%，即吉林和长春对于东北区域的NOx排放总量贡献率当中的一部分被空气环境因素和经济发展因素转移到沈阳市，但整个区域仍需承担最大的削减率；③HC污染物主要源自于摩托车尾气，但沈阳、吉林、长春摩托车保有量近年来逐渐下降，因此，削减率可根据城市排放标准实际清单进行计算，若摩托车保有量年统计在300万辆以下，则削减率则控制在35%左右；④从区域分担率和削减率比值来看，PM排放总量受其影响较小，东北地区主要城市可承担80%以上的削减量。

第5篇：大气污染主要因子范文

经济与科技的发展使大众的生活方式与以往大相径庭。虽然日子越过越好，但亦派生出不少有害健康的各种疾病，过敏则是其中之一。为什么过敏的人越来越多呢？

大气受到污染带来的祸害

大气污染是引起哮喘等过敏性疾病的重要因素。大气污染物的主要成分是高浓度二氧化氮、臭氧、各种悬浮物质的大量微粒等。这些多由汽、柴油发动机产生，它们可使一些空气中的花粉等悬浮物表面蛋白质结构发生变异，成为较强的过敏原。日本和德国研究证实，被城市空气污染的杉树花粉致敏强度比未被污染的杉树花粉高几百倍。

随着现代化的进程，各种机动车辆排放的废气，使大气污染日见严重。因此，居住在交通拥挤的城市和交通繁忙的公路旁，无论是成人还是儿童，过敏性疾病发病率都显著高于乡村。

研究还表明，空气中的亚硫酸和氮气硫化物等有害物质易使过敏原侵入人体，引起哮喘和花粉症患者的气道炎症，导致症状加重。

生活方式改变派生的弊病

室内装修，空气流通不畅

家庭、办公室和各种室内活动场所多有供暖设施、窗帘、地毯，装修严实，空气流通不畅，这为室内尘螨等过敏原的蓄积提供了条件，使室内空气污染比室外还严重。

现代化家庭电器设施增多

空调、冰箱、电视、电脑、微波炉等各种电器设备产生的电磁辐射，亦会导致过敏。

对以上三点原因，还要补充的是：现在，许多人呆在室内的时间超过80%，老人和小孩在室内时间更长，高达90%以上。由于室内污染严重，他们发生过敏疾病的机会更多，尤其是儿童过敏患者明显增加。

室内现代生活带来了有毒有害的物质

煤气灶、吸烟、宠物、喷雾剂、装修等用到的各种胶及材料，随时都能挥发出有毒有害物质，如甲醛、氨、苯以及各种过敏原和刺激物的混合物，从而导致了过敏症的迅速增加。

各种化学制品充斥着人们的生活

如化纤类衣物、洗涤剂、化妆品、消毒剂、农药、化肥、塑料等类，易导致过敏的各类化学制品频繁与人发生接触，特别易导致瘙痒、皮炎、湿疹等，使皮肤过敏性疾病发病率提高。

医学发展改变了疾病谱，免疫系统失衡

医用消毒剂和预防药物的大量应用，寄生虫感染和某些传染病减少，改变了人类的疾病谱，使得原先用来防御寄生虫、细菌和病毒感染的免疫系统失去了平衡，不仅作战能力降低，而且很难分清“敌我”，即使接触无害物质，也奋起抵抗，引起过敏反应。

新的过敏原层出不穷

食品中的各类添加剂、香料、各种高科技合成物质等，也让人体免疫系统无法辨认“敌我”，出现各种过敏。

对药物的依赖性和滥用抗生素

人们十分注重健康，身体有不适，就去看医生，无论大小病，吃药才放心，对药物越来越依赖。在科技迅速发展的时代，各类新药层出不穷，为保障人体健康提供了越来越多的有利条件。但同时，由于用药种类和剂量不断攀升，甚至滥用药物，带来许多弊病。如长期应用抗生素，不仅导致大量耐药菌株，还导致肠道内菌群失调，使人体内有益杆菌骤减，一些具有抗过敏作用的细胞因子如干扰素等产生能力降低，导致机体抗过敏能力下降。这样，发生过敏性疾病的机率必然增加。

精神紧张，心理压力过大

因经济社会各个领域竞争激烈，生活节奏变快，人们常常处于紧张状态，心理压力过大，睡眠质量差，导致机体免疫功能下降，易产生过敏性疾病。

饮食结构和饮食习惯的改变

以往五谷杂粮，粗茶淡饭，一日三餐，营养均衡，难得过敏物质。现在饮食不仅花样多，而且想吃随便吃，除了餐桌上有鸡鸭、肉蛋、鱼虾和山珍海味等食品外，还常常吃一些含有各种添加剂的零食，这些食品中许多都属过敏物质，当然易引发过敏性疾病。

总之，过敏虽有遗传倾向，但基因改变需几代人的漫长时间，显而易见，过敏性疾病发病率急剧上升并非基因问题，而是生存环境逐渐恶化、大气污染、生活方式改变、寄生虫感染及儿童期传染病减少、家庭生活条件的极大改善等主要因素所致。值得注意的是，这对儿童（尤其是婴幼儿）危害最大。

儿童是过敏性疾病高发人群

儿童的身体正在生长发育中，各个组织机能发育都不完全，免疫系统很脆弱，对各种疾病的防御能力很低。因此，儿童是过敏性疾病发病的高危人群。过敏反应会在多个组织器官同时或相继发生。不同的年龄，可以发生不同的过敏反应。如新生儿、婴儿期可以出现湿疹、喘息性支气管炎，或因牛奶过敏而出现反复腹泻；三岁后会发生过敏性咳嗽、过敏性哮喘、过敏性鼻炎；学龄前后则又会出现过敏性紫癜。尤其是有过敏性疾病家族史的儿童，发生过敏性疾病时症状较重，治疗更困难。

然而，有些父母往往对孩子轻微的过敏症状抱无所谓态度，以为是“小毛病”，这为孩子的健康留下祸根。世界卫生组织对过敏性疾病提出了预防治疗、防止复发的指导原则。对儿童过敏性疾病的预治，除了成人所要采取的一系列措施外，还要采取一些特殊的措施。例如：

坚持母乳喂养至少6个月

母乳喂养是人生的第一次免疫，因母乳中含有大量的免疫物质，能增加婴儿机体免疫力，防御病毒的侵入和过敏性疾病，做母亲的不要因工作或其他原因提前断奶，错过给宝宝母乳喂养的良机。

有过敏病史的产妇，产后要预防食品等物质过敏

研究发现，哺乳期间是否控制饮食，防止过敏，对宝宝日后发生过敏反应的几率相差一倍。

家庭不要过度使用抗菌消与苛求饮食的绝对洁净

因为，人体免疫系统会对某些过敏原形成免疫记忆，有些孩子接触过敏原后会产生抗体，若再次遇上该过敏原，能很快将其消灭。若家中过于无菌和洁净，孩子没有机会获得抗体，抵抗力反而减弱，会导致过敏和自身免疫失调。

经常给婴幼儿抚触或按摩

这可以改善宝宝的血液循环，增进食物的消化与吸收，减少哭闹，改善睡眠，增强免疫力，从而提高对过敏原的防御功能。

及时给孩子喝开水

宝宝体内水分充足，能保持黏膜湿润，成为抵挡病原体的防线。因此，婴幼儿或是大些的孩子，无论是在家或外出，都不能渴着，要多喝白开水，而不是各种含糖饮料。

尽量减少室内过敏原

第6篇：大气污染主要因子范文

    关键词:大气污染;交通尾气;污染控制 

    随着铜陵市大力开展环境综合整治,煤烟型复合污染正逐步减轻。但由于城市发展,机动车拥有量不断增加,交通尾气污染呈上升趋势,虽不造成大气环境污染的首要因素,但对城市环境保护存在潜在压力。机动车大规模普及改变人们生活方式,但在给人类生活带来便利的同时,危害市民身体健康,能有效地控制交通尾气污染,改善城市环境质量,成为继工业污染防治后新的课题。 

    1、机动车保有量及交通状况分析 

    2007年底铜陵市机动车保有量5.96万辆,机动车保有量年均增长率在10%左右。由于特殊的地形条件和前期规划缺乏前瞻性,造成老城区路面狭窄,坡度大,内道路曲折,弯道半径小。铜陵市政府为缓解交通堵塞现象,加大了对主城区主干道的改造,加强城市新路网建设,实现交通公路建设跨越式发展的目标,到“十一五”末,全市公路总里程达到1000公里以上,新增公路总里程400公里,形成市中心到各乡镇的“半小时交通圈”。 

    2、交通尾气污染的危害 

    交通尾气成分复杂,主要包括CO、HC、NO2、SO、Pb、苯并芘、烷基铅和固体颗粒物等。汽车尾气污染主要在交通干线等人口密集地区,其排放高度接近人体的呼吸带,对人体健康造成严重危害。其中,HC与NO2在强阳光作用下,在不利扩散气象和地理条件,可形成光化学烟雾,造成严重的二次污染。通过对公路两侧范围进行监测表明,有50%的铅落在公路两侧数百米范围内。人体经过饮食,通过食物链进入消化道的铅有5%~10%被吸收,通过呼吸道吸入肺部的铅,吸收沉积率高达30%~50%。 

    3、影响交通尾气污染因素 

    3.1 区域污染气象特征 

    铜陵市位于安徽省中南部,年平均气温为16.2℃,年平均风速2.5m/s,全年大气稳定度以中性天气为主,逆温层出现频率高且厚,大气扩散条件较差。城区三面环山,中间低的地貌结构有利于山谷风环流形成,夜间山地气压较城区高,山地下泄冷空气沿地形倾斜面吹向市区,冷空气将城区暖空气抬升,形成高度较低的接地逆温层,高度范围0~300m,平均厚度123m,出现频率达60%以上,逆温层抑制了下层气流运动,多微风和静风,极不利于城区大气污染扩散,从而城区形成大气污染高浓度中心。 

    3.2 城市交通道路规划 

    城市规划是一个综合各学科的复杂过程,城市功能的规划、城市各区域功能的规划、城市道路规划与绿化的合理性,对城市大气环境有非常重要的影响。随着铜陵市社会经济快速发展,城市原有规划落后于社会经济发展需要。 

    铜陵市由于受地形地貌与地质的限制,城市交通道路发展一直在充分利用地形地貌修建起来的,因而呈现目前城市道路多弯曲狭窄,导致交通拥塞,车辆的怠慢行驶,燃油燃烧不充分,污染物质的大量排放。此外街道空气的流动性差,污染物质在街道的累积,不利于交通尾气沿道路向郊区的输送,如何把城市的交通道路的规划建设与城市环境保护结合起来是一个新的课题。

    4、交通尾气污染影响分析 

    氮氧化物作为机动车尾气特征污染因子,表明机动车尾气排放目前还不是造成铜陵市大气环境污染的首要因素,但随铜陵市政府加大工业污染力度后,机动车尾气污染日益明显。据报道机动车排放已经成为一些全国环保重点城市的重要空气污染源,广州、北京、上海、沈阳等大城市交通污染已经是城市大气环境的主要污染源。

    铜陵市建筑密度大,造成地面的粗糙度高,不利于气流的流动,阻碍城市大气污染物质的扩散。处于亚热带湿润季风气候区,风速小,逆温频率高,气象和地理条件均不利于机动车尾气污染物的扩散。现有路段由于狭窄、坡度大、弯道半径小等原因,易造成车辆堵塞、车速低、怠速率增加,造成机动车尾气排放量增加。由于交通尾气为贴地排放,大气扩散能力相对弱,更不利于交通尾气的扩散。 

    5、交通尾气污染的减缓措施 

    影响城市交通污染因素复杂,常非单一作用。根据交通尾气环境污染特点,结合地形地貌与气候特征出发,从汽车保有量、能源结构、环境保护、城市建设和机动车产业发展等方面入手,统筹兼顾使用清洁的燃料、清洁的车辆技术、完善的车辆维护,以及可持续的城市道路系统建设,完善的交通、环境管理措施解决机动车尾气污染问题,探索符合铜陵市特点的交通尾气污染控制体系。 

    (1)控制城市汽车保有量。积极采取措施,控制城市汽车保有量,尤其是私家车保有量,大力发展与鼓励使用公共交通,实施公交优先的城市交通发展战略。铜陵市由于土地资源相对紧张,人均建筑面积较小,没有足够的土地资源修建停车场。此外由于自然地质地貌的影响以及历史的原因。原有规划缺乏前瞻性,道路路面狭窄,高楼大厦多,这给铜陵市的路面拓宽与改造形成极大障碍,如果城市汽车拥有量过大,城市扩张受地域限制,交通拥挤堵塞不可避免,城市的交通系统将难以正常的有效运转。 

    (2)推行清洁能源技术(AFV)。鼓励使用清洁高效交通工具,发展清洁燃料车和公共交通系统。燃油有效完全燃烧,与燃烧系统、空燃比、还与高品质燃料有关,采用清洁能源技术实现汽车燃料替代。实施高效、低污燃料替代战略,实现清洁能源技术,鼓励“零”排放的电动汽车和电动摩托车,普及天然气燃料。 

    (3)突出城区交通道路规划前瞻性。把城区交通尾气污染等环境问题纳入城市发展规划与旧城区改造建设之中,适当降低坡度,改弯取直,利用地形差建立城市立交桥,保证车流畅通。在城市新区开发规划中,把道路的交通流量及汽车尾气的输送扩散纳入道路规划中进行综合考虑。交通道路体系规划中,在保证与城市整体规划相容的前提下,尽可能使新建主干道走向与城市主导风向一致,增强交通尾气输送扩散能力。统筹城区交通道路建设,建立可持续的城市道路系统。 

    (4)完善道路交通管理系统。城市交通管理是城市交通运输的大脑,交通秩序的科学管理与区域车流量的适时调配非常重要,完善道路交通管理系统可以提高城市交通状况,改善汽车运行状况,减少车辆的怠速时间,减少城市交通污染的。适度超前的城市交通管理系统的建设有助于城市未来的交通问题的解决,建设和使用铜陵市的信息化、智能化交通管理系统,成为改善铜陵市交通问题的必然之路。同时大力发展公共交通系统,提高公共交通系统的使用率,降低汽车的空座率,提高车辆的利用效率,完善道路交通管理系统,控制交通污染。 

第7篇：大气污染主要因子范文

关键词：PM2.5浓度预测；综合气象指数；特征向量；相关性分析；最小二乘支持向量机

中图分类号： TP391.4； TP18

文献标志码：A

Abstract： To solve the problem of Fine Particulate Matter （PM2.5） concentration prediction， a PM2.5 concentration prediction model was proposed. First， through introducing the comprehensive meteorological index， the factors of wind， humidity， temperature were comprehensively considered； then the feature vector was conducted by combining the actual concentration of SO2， NO2， CO and PM10； finally the Least Squares Support Vector Machine （LSSVM） prediction model was built based on feature vector and PM2.5 concentration data. The experimental results using the data from the city A and city B environmental monitoring centers in 2013 show that， the forecast accuracy is improved after the introduction of a comprehensive weather index， error is reduced by nearly 30%. The proposed model can more accurately predict the PM2.5 concentration and it has a high generalization ability. Furthermore， the author analyzed the relationship between PM2.5 concentration and the rate of hospitalization， hospital outpatient service amount， and found a high correlation between them.

Key words： Fine Particulate Matter （PM2.5） concentration prediction； comprehensive meteorological index； feature vector； correlation analysis； Least Squares Support Vector Machine （LSSVM）

0引言

细颗粒物（Fine Particulate Matter， PM2.5）是指大气中空气动力学当量直径小于等于2.5μm的颗粒物，其数值越高，代表颗粒物浓度越高，意味着空气污染越严重。虽然PM2.5只是地球大气成分中含量很少的组成部分，但是它对空气质量和能见度等指标有重要影响。近期，我国多地出现雾霾天气，严重影响了人们的生活。二氧化硫、氮氧化物和PM2.5是雾霾的主要构成物质，PM2.5是其中加重雾霾污染天气的罪魁祸首，成为了影响人们正常生活的重要指标，因此准确预测PM2.5的浓度（浓度量纲为μg/m3，后文中提及的浓度均以此单位计）变得越来越重要。

影响PM2.5浓度的因素包括空气中二氧化硫（SO2）、二氧化氮（NO2）、一氧化碳（CO）、可吸入颗粒物（PM10）含量、臭氧（O3）和气象因素等。预测PM2.5浓度值变化规律对未来空气质量监测有重要意义。

预测PM2.5的浓度，最重要的是分析各个影响因素与PM2.5之间的复杂关系。近年来，专家学者开展了一些相关的研究工作。秦侠等[1]提出了一种基于人工神经网络的方法预测大气污染物浓度；陈柳等[2]提出了一种基于支持向量机（Support Vector Machine， SVM）和时间序列的大气污染浓度预测模型；苏静芝等[3]提出了一种加入气象因素的人工神经网络的大气污染物浓度预测模型；陈俏等[4]提出了一种基于支持向量机和回归法的大气污染物浓度预测模型；魏振钢等[5]提出一种基于高斯模型的大气污染物浓度预测模型；王燕等[6]提出一种基于箱模型的大气污染物浓度预测模型。

这些文献通过研究个别因素对大气污染物浓度的影响提出了预测方法，但是气象因素对于PM2.5的影响是十分复杂的，实际情况中往往是不同气象因素相互影响的结果。如果分别考虑各个因素，则不能很好地体现多个因素相互作用对PM2.5浓度产生的耦合效应，也就不能准确建立预测PM2.5浓度的模型。

本文旨在用与PM2.5浓度相关性较强的因素组成气象特征向量，用对最小二乘支持向量机（Least Squares Support Vector Machine， LSSVM）模型进行训练，得到准确度较高的预测PM2.5浓度模型。

通过对文献的分析，本文引入了综合气象指数这一指标，综合考虑了气象因素对PM2.5的影响[7]。同时从SO2浓度、NO2浓度、PM10浓度、CO浓度、臭氧（O3）的1h浓度、O3的8h浓度等因素中选取出与PM2.5浓度相关性较强的因素，用这些因素与综合气象因素组成特征向量，用特征向量和历史PM2.5浓度数据训练LSSVM模型，再用训练得到的模型来对PM2.5浓度进行预测。通过仿真研究探讨引入综合气象指数、LSSVM模型的预测效果，此外加入了PM2.5浓度与日门诊量关系的讨论。

热度图（Heat Map）是指将特征向量各个数据用不同颜色表示热度，从而体现个因素的相关性。热度图的好处在于直观地表现出了每一个特征与PM2.5的相关情况。不同颜色表示不同的相关性，其中浅色代表相关系数为正，即正相关；深色代表相关系数为负，即负相关；白色代表不相关；同时颜色越深表示相关性越强。

本文运用R软件对PM2.5浓度与二氧化硫（SO2）浓度、二氧化氮（NO2）浓度、一氧化碳（CO）浓度、PM10浓度、O3的1h浓度、O3的8h浓度、综合气象指数等因素的相关性绘制了热度图（如图2所示）。在图2（O表示综合气象指数）中，将样本中PM2.5浓度与其他因素相关系数的值按从高到低排序，以方便得到其与各因素之间的关系，用排序后的PM2.5浓度相关系数绘图得到颜色变化为从浅色到深色渐变的图像。可以看出综合气象指数的变化趋势较平滑，其热度图颜色呈现出从深色到浅色变化的趋势，即综合气象指数值高时，PM2.5浓度低；综合气象指数值低时PM2.5浓度高；其与PM2.5成负相关关系。二氧化硫（SO2）浓度、二氧化氮（NO2）浓度、一氧化碳（CO）浓度、PM10浓度变化趋势也较平滑，其热度图颜色呈现出从浅色到深色变化的趋势，即这几个指标值高时，PM2.5浓度高；这几个指标值低时PM2.5浓度低，其与PM2.5成正相关关系。其他指标呈现出的相关性趋势不明显。

2仿真结果与分析

2.1模型预测结果对比

本研究通过查阅文献发现，秦霞等[1]的研究误差较低但是泛化能力较低，国外文献中大多数研究PM2.5浓度同各污染物浓度的定性关系和空间分布[11-13]，研究某一城市PM2.5浓度和其他污染物定量关系的文献较少，故本文选择在两城市两方法之间比较。本文选取城市A[14]环境监测站官方网站20130101―20130919的PM2.5浓度数据和中国天气网的气象数据。将所得数据分成训练组（180d）和测试组（32d）。使用训练组数据对LSSVM模型训练得到训练后的模型，再用训练后的模型计算测试数据，得到测试值PM2.5浓度，将得到的结果与测试组真实的PM2.5浓度对比，验证预测的准确度。

当构成特征向量的因素只选取二氧化硫（SO2）浓度、二氧化氮（NO2）浓度、一氧化碳（CO）浓度，不加入综合气象指数时，预测出的PM2.5浓度如图3（a）；加入综合气象指数因素后，预测出的PM2.5浓度如图3（b）。将特征向量中有无综合气象指数的结果进行对比分析（即改进前与改进后进行对比分析）；改进前后的仿真效果对比如图3所示。

虽然LSSVM模型能够建立PM2.5浓度的以特征向量为调控因子的关系链――“特征向量PM2.5浓度”，但是该模型所构建的PM2.5关系链只能反映PM2.5形成的过程，没有涉及PM2.5与人类健康（如住院率、日门诊量）等后续问题的相关关系。事实上，PM2.5会对人类健康产生严重影响，已经成为不争的事实。下一步工作将会在本文基础上，对PM2.5的浓度变化给医院日门诊量、病人住院率带来怎样的影响进行更进一步的定量研究，进而实现从海量气象数据、环境数据和医疗数据中挖掘出它们内在的联系和实用信息的目的。

4结语

污染物浓度和气象因素一直是影响PM2.5预测的主要因素，分别分析单一气象因素的影响，不能很好地体现出多个气象因素产生的耦合效果对气象因素的影响规律。本文引入综合气象因素这一指标，在综合考虑SO2浓度、NO2浓度、CO浓度和PM10浓度的基础上，将其与综合气象因素组合构成特征向量，使用特征向量和PM2.5浓度值，建立LSSVM模型。通过城市A和城市B环境监测站的数据研究表明，使用本文方法较为合理，同时预测精度较高，根据测试，预测结果比较逼近真实数据，模型泛化能力较强。

另外，本文结合实际情况，对PM2.5与医院门诊量等相关指标进行了定性的分析，发现它们有高度的相关性，这为下一步的通过PM2.5浓度预测日门诊量等工作奠定了一些基础。

虽然本文设计的模型预测效果较好，但是由于PM2.5的形成机制十分复杂，影响PM2.5浓度的未知因素仍然存在，这使得本文模型的预测数据与真实数据还有一定差距，仍存在改进与提高的空间。

参考文献：

[1]QIN X， LEI L， YAO X. Methods to improve the generalization of BP neural network applied in air pollution forecasting [J]. Journal of Beijing University of Technology， 2007， 33（8）： 849-852.（秦侠，雷蕾，姚小丽.大气污染预测中提高BP网络泛化能力的方法[J].北京工业大学学报，2007，33（8）：849-852.）

[2]CHEN L， WU D， CHEN Q. Wavelet analysis and support vector machine used in predicting atmospheric pollution [J]. Xian University of Science and Technology， 2010， 30（6）： 726-730.（陈柳，吴冬梅，陈俏.小波分析及支持向量机应用于大气污染预测[J].西安科技大学学报，2010，30（6）：726-730.）

[3]SU J， QIN X， LEI L， et al. Study of neural networks in air pollution forecasting application [J]. Sichuan Environment， 2008， 27（2）： 98-101.（苏静芝，秦侠，雷蕾，等.神经网络在空气污染预报中的应用研究[J].四川环境，2008，27（2）：98-101.）

[4]CHEN Q， CAO G， CHEN L. SVM applied to predict the concentration of atmospheric pollutants [J]. Computer Technology and Development， 2010， 20（1）： 250-252.（陈俏，曹根牛，陈柳.支持向量机应用于大气污染物浓度预测[J].计算机技术与发展，2010，20（1）：250-252.）

[5]WEI Z， GUO Z， ZHANG L， et al. The application of an air pollution model based on the Gauss mode [J]. China Ocean University： Natural Science， 2008， 38（2）： 327-330.（魏振钢，郭遵强，张琳，等.基于高斯模式的大气污染模型的应用[J].中国海洋大学学报：自然科学版，2008，38（2）：327-330.）

[6]WANG Y， DONG L， CHEN J. The study of threedimensional multibox model of prediction of atmospheric environment [C]// Proceedings of the 2007 China Environmental Science Society Annual Conference. Beijing： China Environmental Science Press， 2007： 621-625.（王燕，董丽，陈剑.三维多箱模型预测大气环境的研究[C]// 2007中国环境科学学会学术年会优秀论文集.北京：中国环境科学出版社，2007：621-625.）

[7]CHARRON A， HARRISON R. Fine （PM2. 5） and coarse （PM2.510） particulate matter on a heavily trafficked London highway： sources and processes [J]. Environmental Science and Technology， 2005， 39（20）： 7768-7776.

[8]YAN L. Correlation coefficient and partial correlation coefficient in the relevant analysis [J]. Journal of Yunnan Institute of Finance， 2003， 19（3）： 78-80.（严丽坤.相关系数与偏相关系数在相关分析中的应用[J].云南财贸学院学报，2003，19（3）78-80.）

[9]HE H， ZHOU X， ZENG J. Shortterm load forecasting simplified LSSVM model and implementation [J]. Computer Simulation， 2011， 28（1）： 302-306.（贺红林，周翔，曾劲松.短期负荷预测的简化LSSVM模型及实现[J].计算机仿真，2011，28（1）：302-306.）

[10]YAN W， SHAO H. Support vector machines and comparison and application of least squares support vector machine [J]. Control and Decision， 2003， 18（3）： 358-360.（阎威武，邵惠鹤.支持向量机和最小二乘支持向量机的比较及应用研究[J].控制与决策，2003，18（3）：358-360.）

[11]LIU Y， PACIOREK C， KOUTRAKIS P. Estimating regional spatial and temporal variability of PM2. 5 concentrations using satellite data， meteorology， and land use information [J]. Environmental Health Perspectives， 2009， 117（6）： 886-892.

[12]TURPIN B， LIM H. Species contributions to PM2. 5 mass concentrations： revisiting common assumptions for estimating organic mass [J]. Aerosol Science and Technology， 2001， 35（1）： 602-610.

[13]McKENDRY I. Evaluation of artificial neural networks for fine particulate pollution （PM10 and PM2. 5） forecasting [J]. Journal of the Air and Waste Management Association， 2002， 52（9）： 1096-1101.

[14]Xian Environmental Monitoring Station. Daily air quality [EB/OL]. （20130920） [20140105]. http：///.（西安市环境监测站.空气质量日报[EB/OL]. （20130920） [20140105]. http：///.）

[15]Wuhan Environmental Monitoring Station. Daily air quality [EB/OL]. （20130920） [20140105]. http：///.（武汉市环境监测站.空气质量日报[EB/OL]. （20130920） [20140105]. http：///.）

[16]Ningbo Environmental Monitoring Station. Daily air quality [EB/OL]. （20131220） [20140105]. http：///.（宁波市环境监测站. 空气质量日报[EB/OL]. （20131220） [20140105]. http：///.）

第8篇：大气污染主要因子范文

地球环境问题(一)、水污染

水是我们日常最需要，也上接触最多的物质之一，然而就是水如今也成了危险品。

地球环境问题(二)、海洋污染

人类活动使近海区的氮和磷增加50%-200%;过量营养物导致沿海藻类大量生长;波罗的海、北海、黑海、东中国海(东海)等出现赤潮。海洋污染导致赤潮频繁发生，破坏了红树林、珊瑚礁、海草，使近海鱼虾锐减，渔业损失惨重。

地球环境问题(三)、危险性废物越境转移

危险性废物是指除放射性废物以外，具有化学活性或毒性、爆炸性、腐蚀性和其他对人类生存环境存在有害特性的废物。美国在资源保护与回收法中规定，所谓危险废物是指一种固体废物和几种固体的混合物，因其数量和浓度较高，可能造成或导致人类死亡，或引起严重的难以治愈疾病或致残的废物。

地球环境问题(四)、全球气候变暖

由于人口的增加和人类生产活动的规模越来越大，向大气释放的二氧化碳(CO2)、甲烷(CH4)、一氧化二氮(N2O)、氯氟碳化合物(CFC)、四氯化碳(CCl4)、一氧化碳(CO)等温室气体不断增加，导致大气的组成发生变化。大气质量受到影响，气候有逐渐变暖的趋势。由于全球气候变暖，将会对全球产生各种不同的影响，较高的温度可使极地冰川融化，海平面每20xx年将升高6厘米，因而将使一些海岸地区被淹没。全球变暖也可能影响到降雨和大气环流的变化，使气候反常，易造成旱涝灾害，这些都可能导致生态系统发生变化和破坏，全球气候变化将对人类生活产生一系列重大影响。

地球环境问题(五)、臭氧层的耗损与破坏

在离地球表面10~50千米的大气平流层中集中了地球上90%的臭氧气体，在离地面25千米处臭氧浓度最大，形成了厚度约为3毫米的臭氧集中层，称为臭氧层。它能吸收太阳的紫外线，以保护地球上的生命免遭过量紫外线的伤害，并将能量贮存在上层大气，起到调节气候的作用。但臭氧层是一个很脆弱的大气层，如果进入一些破坏臭氧的气体，它们就会和臭氧发生化学作用，臭氧层就会遭到破坏。臭氧层被破坏，将使地面受到紫外线辐射的强度增加，给地球上的生命带来很大的危害。研究表明，紫外线辐射能破坏生物蛋白质和基因物质脱氧核糖核酸，造成细胞死亡;使人类皮肤癌发病率增高;伤害眼睛，导致白内障而使眼睛失明;抑制植物如大豆、瓜类、蔬菜等的生长，并穿透10米深的水层，杀死浮游生物和微生物，从而危及水中生物的食物链和自由氧的来源，影响生态平衡和水体的自净能力。

地球环境问题(六)、生物多样性减少

《生物多样性公约》指出，生物多样性“是指所有来源的形形的生物体，这些来源包括陆地、海洋和其他水生生态系统及其所构成的生态综合体;它包括物种内部、物种之间和生态系统的多样性。”在漫长的生物进化过程中会产生一些新的物种，同时，随着生态环境条件的变化，也会使一些物种消失。所以说，生物多样性是在不断变化的。近百年来，由于人口的急剧增加和人类对资源的不合理开发，加之环境污染等原因，地球上的各种生物及其生态系统受到了极大的冲击，生物多样性也受到了很大的损害。有关学者估计，世界上每年至少有5万种生物物种灭绝，平均每天灭绝的物种达140个，估计到21世纪初，全世界野生生物的损失可达其总数的15%~30%。在中国，由于人口增长和经济发展的压力，对生物资源的不合理利用和破坏，生物多样性所遭受的损失也非常严重，大约已有200个物种已经灭绝;估计约有5000种植物已处于濒危状态，这些约占中国高等植物总数的20%;大约还有398种脊椎动物也处在濒危状态，约占中国脊椎动物总数的7.7%左右。因此，保护和拯救生物多样性以及这些生物赖以生存的生活条件，同样是摆在我们面前的重要任务。

地球环境问题(七)、酸雨蔓延

酸雨是指大气降水中酸碱度(PH值)低于5.6的雨、雪或其他形式的降水。这是大气污染的一种表现。 酸雨对人类环境的影响是多方面的。酸雨降落到河流、湖泊中，会妨碍水中鱼、虾的成长，以致鱼虾减少或绝迹;酸雨还导致土壤酸化，破坏土壤的营养，使土壤贫瘠化，危害植物的生长，造成作物减产，危害森林的生长。此外，酸雨还腐蚀建筑材料，有关资料说明，近十几年来，酸雨地区的一些古迹特别是石刻、石雕或铜塑像的损坏超过以往百年以上，甚至千年以上。世界已有三大酸雨区。我国华南酸雨区是唯一尚未治理的。

地球环境问题(八)、森林锐减

地球上，我们的绿色屏障——森林正以平均每年4000平方公里的速度消失。森林的减少使其涵养水源的功能受到破坏，造成了物种的减少和水土流失，对二氧化碳的吸收减少进而又加剧了温室效应。

地球环境问题(九)、土地荒漠化

全球陆地面积占60%，其中沙漠和沙漠化面积29%。每年有600万公顷的土地变成沙漠。经济损失每年423亿美元。全球共有干旱、半干旱土地50亿公顷，其中33亿遭到荒漠化威胁。致使每年有600万公顷的农田、900万公顷的牧区失去生产力。人类文明的摇篮底格里斯河、幼发拉底河流域，已由沃土变成荒漠。中国的黄河流域，水土流失亦十分严重。

第9篇：大气污染主要因子范文

大气颗粒物是大气环境中化学组成复杂、来源多样、危害较大的污染物之一[1-2],是降低大气能见度,造成灰霾天气的主要原因.大气颗粒物浓度超标是我国许多城市空气质量管理中的突出问题.可吸入颗粒物(PM10)可通过呼吸道进入人体,沉积在上呼吸道,粒径小于2.5μm的细粒子(PM2.5)可进入肺泡中,并可能导致与心和肺的功能障碍有关的疾病[3].PM2.5由含碳物质、水溶性无机盐和不溶矿物质构成,主要来自各种燃烧过程的一次排放和气态污染物的二次转化[4].有研究表明[5-7],我国城市大气中PM2.5约占PM10的50%~70%.成都市地处四川盆地,风速小、静风频率高,环境空气中PM10浓度长期居高不下,成为主要的环境问题[8].近3年来,成都市PM10年均浓度均超过了100μg/m3,且城区日均浓度值超标率达到15%左右[9-11].为弄清PM10和PM2.5的污染状况、分布特征以及与气象条件的关系,本研究通过对成都不同采样点PM10和PM2.5质量浓度的时空分布特征分析,了解成都市大气颗粒物的污染状况、及其与气象条件的关系,为进一步对大气颗粒物的来源和化学组成分析提供依据.

1材料与方法

1.1样品采集

采样点位于成都市上风向的丽都花园(E104°2′9″,N30°37′48″)、下风向的熊猫基地(E104°8′50″,N30°43′58″)、以及市中心的草堂寺(E104°1′41″,N30°39′44″),3个采样点分别代表了成都市的生活集中区、城市郊区和商业区3类不同的功能区划.采样时间为2009年8月22日~9月20日.每天连续24h采样,每个采样点分别采集30组样品,3个采样点共采集90个有效的PM2.5样品和86个有效的PM10样品.

1.2样品分析

采样前将石英滤膜放在600℃条件下加热处理2h,以除去残留或吸附在滤膜上的有机物,采样前对滤膜进行至少48h以上的干燥,平衡、称重(精密度为万分之一的电子天平).通过采样前、后滤膜重量之差,以及采样标况体积(101.325kPa,273K条件下),计算得到环境空气中PM10和PM2.5的质量浓度.

1.3气象数据来源

气象参数采用成都市同期地面气象观测数据(气温、气压、风速、相对湿度、降水等),成都市能见度数据采用成都温江区每天02:00、08:00、14:00和20:00观测数据.

2结果与讨论

2.1PM2.5和PM10的污染状况

表1给出了采样期间3个采样点PM2.5和PM10的日平均浓度以及浓度变化范围.由表1可知,PM2.5和PM10浓度均是熊猫基地>草堂寺>丽都花园,成都市PM2.5和PM10平均浓度分别为66,94μg/m3.根据我国最新公布的环境空气质量标准GB3095-2012中PM2.5和PM10二级标准日均浓度限值(75μg/m3和150μg/m3)[12]得出成都市PM2.5和PM10日均浓度超标率分别为35.56%和12.79%.3个采样点的PM2.5日均浓度超标率:草堂寺>熊猫基地>丽都花园,PM10日均浓度超标率:熊猫基地>草堂寺>丽都花园.

由图1和图2可知,PM2.5和PM10质量浓度变化范围较大.将采样期分为2部分:清洁天气和污染天气.以国家二级空气质量标准PM10限值150μg/m3作比较,有4d(9月7日、8日、17日和18日)超过该限值,定义为污染天气;其余未超过该标准的26d为清洁天气.PM10和PM2.5在整个采样期呈同步变化趋势,出现典型的清洁-污染-清洁-污染-清洁天气过程.从空间分布来看,PM2.5和PM10质量浓度均是熊猫基地>草堂寺>丽都花园,熊猫基地较其余2个采样点污染较为严重的原因主要是:熊猫基地处于成都市下风向,并且大气底层出现气旋式环流,导致大气颗粒物的输送、累积.从时间分布来看,PM2.5和PM10质量浓度在污染天气9月18日出现最大值,分别为171μg/m3(熊猫基地)和265μg/m3(熊猫基地),不利气象条件是造成熊猫基地在该日出现浓度最大值的主要原因;9月7~9日PM2.5和PM10质量浓度相对较高;清洁天气9月13日PM2.5和PM10质量浓度出现最低值,分别为11μg/m3(熊猫基地)和15μg/m3(丽都花园).大部分观测日的PM10日均值<150mg/m3,空气质量达到“良”,12.8%的空气质量为“轻微污染”,但PM2.5未达到我国最新公布的环境空气质量标准GB3095-2012中PM2.5二级标准日均浓度限值(75μg/m3)的观测日超过总观测天数的三分之一,表明成都市大气细颗粒物PM2.5污染较严重.

2.2PM2.5占PM10百分比情况

根据图3可知,PM2.5和PM10质量浓度显著相关,相关系数R达0.93.线性回归结果表明在整个采样期3个采样点PM2.5占PM10质量载荷的66.5%,表明细粒子对大气颗粒物污染贡献显著.由表1及图4可知,成都市PM2.5/PM10平均值为0.69,变化范围0.48~0.91;3个采样点PM2.5/PM10平均值熊猫基地<丽都花园≈草堂寺.2009年8月~9月PM2.5/PM10平均值明显高于成都2001年6月观测值0.46[8],可能原因是近年来成都市采取的一些措施(对污染较重工厂的外迁、对扬尘和建筑尘等污染源进行控制)对2009年大气粗颗粒污染状况的改善作用更为明显,以及成都市机动车保有量增加所带来的机动车尾气排放量增加,进而导致PM2.5质量浓度升高.

2.3颗粒物浓度与气象要素的关系

气象要素(温度、风速、气压、相对湿度和降水等)是影响大气颗粒物质量浓度的重要因素.一定的气温、风速、气压、相对湿度和降水情况构成一定的天气状况,有利天气状况(低温、大风、低湿等)有利于颗粒物的稀释扩散,导致颗粒物质量浓度降低;而不利的天气状况则导致颗粒物质量浓度升高[13].图5为观测期间PM2.5和PM10质量浓度与气象要素(温度、风速、气压、相对湿度和降水量)随时间的变化关系图.

2.3.1温度对颗粒物浓度的影响

采样期间,成都市日均气温范围为19~31℃,统计分析表明,3个采样点PM2.5和PM10质量浓度与温度没有明显相关性(相关系数分别为0.29和0.23),说明与温度相关的气候条件如日照强度与日照时间对颗粒物在大气中的分布没有显著影响.

2.3.2气压对颗粒物浓度的影响

气压的高低与大气环流形势密切相关.当地面受低压控制时,四周高压气团流向中心,中心形成上升气流,通常风力较大,利于污染物向上扩散,颗粒物浓度较小;地面受高压控制时,中心部位出现下沉气流,阻止污染物向上扩散,在稳定高压的控制下,大气污染加重,颗粒物浓度较大[14].由图5b可知,2009年8月30日~9月3日,气压逐日减小,而颗粒物浓度则逐日增大;2009年9月11日~17日,气压总体呈先增后降趋势,颗粒物浓度则呈先降后增.由此可见,该2时段颗粒物质量浓度与气压存在较明显的负相关,并且PM2.5、PM10与气压的相关系数R分别为-0.25和-0.31.

2.3.3风速对颗粒物浓度的影响

风是反映大气动力稳定性的重要特征量,是与空气污染密切相关的气象参数,它对大气污染物的稀释扩散和三维输送起着重要作用[15].一般来说,风速越大,越有利于大气颗粒物扩散,相应浓度越低;反之,浓度越高.由图5c可知,整个采样期间,颗粒物浓度与风速变化趋势相反,颗粒物浓度最高值出现在2009年9月18日,风速最小,0.3m/s条件.PM2.5和PM10质量浓度与风速的相关系数R分别为-0.47和-0.45.

2.3.4相对湿度对颗粒物浓度的影响

由图5d知,随着相对湿度的上升和下降,大气颗粒物浓度表现出不完全一致的变化趋势.在一定湿度范围(以不发生重力沉降为界限)内,相对湿度越大越有利于颗粒物的形成,相对湿度是影响可吸入颗粒物污染的一个较为重要的因素,尤其是高湿度空气容易造成颗粒物的较重污染[16].

2.3.5降水对颗粒物浓度的影响

降水对环境空气中污染物能起到清除和冲刷作用,是一种湿清除(或湿沉降)过程,因此它是维持大气成分相对稳定的重要因子[16].由图5e可知,大气颗粒物浓度较低值出现在2009年9月10日~14日,期间存在明显的降水过程.降水对PM10浓度的影响较大,通过雨水作用可大大减少与生产活动相关的扬尘,并且降水主要是清除可吸入颗粒物中的粗颗粒,而对细颗粒的影响较小.

2.4能见度与颗粒物浓度之间的关系

研究表明,颗粒物是造成能见度降低的主要原因,造成能见度下降的主要原因是由于大气中的污染气体尤其是颗粒物对可见光的吸收和散射所产生的消光作用所致[17].由图6可见,能见度与PM2.5和PM10质量浓度之间具有明显的负相关性,且与PM2.5的相关系数(R=-0.59)大于与PM10的相关系数(R=-0.51),换言之,能见度的好坏受大气颗粒物尤其是细颗粒物的浓度大小的影响.

3结论

3.1观测期间,成都市大气PM10污染状况较好,其质量浓度日均值为94μg/m3,好于国家环境空气质量二级标准限值;PM2.5质量浓度日均值为66μg/m3,略低于我国最新公布的环境空气质量标准二级标准限值;PM2.5和PM10日均浓度超标率分别为35.56%和12.79%.

3.2成都市PM2.5、PM10质量浓度均是熊猫基地>草堂寺>丽都花园,即下风向污染状况最严重,商业繁华地段次之,生活居住区最好;颗粒物污染最严重出现在9月17~19日,以及9月5~9日2个时间段,不利的气象因素和污染物累积是造成该时间段大气颗粒物污染加重的主要原因.

3.3PM2.5与PM10质量浓度呈显著相关性,且两者的比值更是高达0.69,表明细粒子对大气颗粒物污染的贡献较大.