论文部分内容阅读
随着中国经济社会高速发展、工业产能扩张和进入2l世纪以来城市化进程的加速，中国京津冀城市群大气环境受到前所未有的巨大挑战，大气复合污染的态势日益严峻，给人们的身心健康带来极大隐患。本文以京津冀大气污染的时空分布特征及其变化趋势解析为中心，分别从基于土地利用模型(LUR)大气污染时空分布模拟方法研究与应用、大气污染区域传输贡献影响、气象和排放源分别对大气污染趋势变化贡献3个方面开展系统研究。本论文得到的主要结果有:
1.京津冀地区大气污染时空分布特征显著。根据城市AQI等数据统计分析，京津冀13座城市划分三个区域，北部3城市，张家口、承德和秦皇岛;中东部环渤海5城市，北京、天津、廊坊、唐山和沧州;南部太行山沿线5城市，保定、石家庄、邢台、邯郸和衡水。冬季重污染发生概率以及强度(张家口除外)明显高于其它三个季节。在太行山沿线5城市中石家庄、保定和邯郸等城市冬季重污染比例普遍超过50％，石家庄冬季重污染比例在2016年的冬季甚至超过了60％。从2015年至2017年，京津冀地区13个城市空气质量均有不同程度改善，主要体现在优良天比例不断增加，重污染天气比例显著下降。O3作为首要污染物在2017年取代PM10成为仅次于PM2.5的大气污染物，O3和颗粒物(PM2.5与PM10)作为首要污染物出现的天数有明显的负相关关系。
2.利用多元线性逐步回归和地理加权回归，分别对PM2.5、PM10和NO2在年均值尺度、季节性尺度和月均值尺度上，构建土地利用模型(LUR)，并成功绘制出3种大气污染物3个时间尺度的1km分辨率格网的空间分布图。污染物浓度变化的关键影响因子主要是气象要素，地形因素也是其中之一。PM2.5模拟优度R2为0.81左右，PM10模拟优度R2为0.84左右，NO2相对较差，R2仅为0.71。地理加权回归优于多元逐步回归，PM2.5模拟优度R2=0.92，adj-R2达到0.90;PM10模拟优度R2=0.86，adj-R2达到0.82;NO2模拟优度R2=0.75，adj-R2达到0.67。基于地理加权回归的大气污染物空间分布模拟得到的浓度值与实际观测值间存在良好的正相关关系，线性回归方程显示PM2.5的拟合优度更高，最高R2=0.94;PM10次之，最高R2=0.85;NO2最低，最高R2=0.65。
3.河北南部5座城市2013-2015年期间，基于人口加权平均PM2.5浓度达到119μgm-3，是全球人口加权平均PM2.5浓度6倍。PM2.5年均浓度呈显著下降趋势，特别是在冬季下降更显著，表明该地区大气污染减排措施是有效的。PM2.5浓度日变化呈明显的双峰模式，最大峰值出现在冬季夜间，主要是由于取暖燃煤导致的排放强度上升和大气边界层高度降低。高浓度PM2.5通常与高相对湿度(RH＞50％)有密切关系，尤其是低温条件下，随着相对湿度的升高，PM2.5的浓度迅速攀升。区域传输贡献分析表明，南面传输轨迹对PM2.5浓度贡献最大，贡献率在所有5城市中分别达到了50％-65％。从西北方向传输、相对较短的轨迹是对于保定和石家庄冬季的PM2.5浓度有较大贡献率，达到26％-38％。5城市中保定和石家庄的区域传输贡献表现更明显，贡献率在31％和34％;而区域传输贡献相对较少的是邯郸、衡水和沧州，贡献率只有20％-25％。区域贡献率在夏季和秋季最高，冬季和春季最低。保定和石家庄2013年发生的最严重PM2.5污染归因于弱风、低大气边界层高度、区域传输贡献以及本地高强度的污染排放。
4.基于北京铁塔PM2.5浓度和北京南郊气象要素2005-2015年期间的长时间序列观测数据，并利用R语言开发实现了GAM模型，利用模型筛选了关键气象因子，构建并分析了气象要素对PM2.5浓度的影响。从季节尺度和全年尺度筛选出来的气象要素关键因子几乎涵盖了风、温、湿、压、辐射等所有类型气象因素。不同的季节筛选出来的气象要素不完全相同，全年尺度关键因子数多于其他四个季节，原因主要是不同季节影响PM2.5排放主导气象要素不同。周一和周日相对周二至周四PM2.5浓度更高。根据PM2.5观测数据和基于GAM模型的模拟结果的对比可知，基于GAM模型模拟气象要素对PM2.5浓度的影响是可行的，模拟的精度也是可信的，而且模拟优度较高(R2均达到了0.5以上，冬季R2达到0.66)。通过拟合结果发现，并给出气象要素对PM2.5浓度影响的量化程度，其中冬季的气象要素对PM2.5浓度影响是加重污染趋势，2015年冬季贡献率最大可达近40％，侧面反映了过去减排措施的有效性。从季节看，气象要素对PM2.5浓度造成恶化趋势主要发生在冬季和春季，冬季的影响程度更高;秋季PM2.5浓度几乎不受到气象要素的强干扰，夏季气象条件反而有利于PM2.5浓度降低。
1.京津冀地区大气污染时空分布特征显著。根据城市AQI等数据统计分析，京津冀13座城市划分三个区域，北部3城市，张家口、承德和秦皇岛;中东部环渤海5城市，北京、天津、廊坊、唐山和沧州;南部太行山沿线5城市，保定、石家庄、邢台、邯郸和衡水。冬季重污染发生概率以及强度(张家口除外)明显高于其它三个季节。在太行山沿线5城市中石家庄、保定和邯郸等城市冬季重污染比例普遍超过50％，石家庄冬季重污染比例在2016年的冬季甚至超过了60％。从2015年至2017年，京津冀地区13个城市空气质量均有不同程度改善，主要体现在优良天比例不断增加，重污染天气比例显著下降。O3作为首要污染物在2017年取代PM10成为仅次于PM2.5的大气污染物，O3和颗粒物(PM2.5与PM10)作为首要污染物出现的天数有明显的负相关关系。
2.利用多元线性逐步回归和地理加权回归，分别对PM2.5、PM10和NO2在年均值尺度、季节性尺度和月均值尺度上，构建土地利用模型(LUR)，并成功绘制出3种大气污染物3个时间尺度的1km分辨率格网的空间分布图。污染物浓度变化的关键影响因子主要是气象要素，地形因素也是其中之一。PM2.5模拟优度R2为0.81左右，PM10模拟优度R2为0.84左右，NO2相对较差，R2仅为0.71。地理加权回归优于多元逐步回归，PM2.5模拟优度R2=0.92，adj-R2达到0.90;PM10模拟优度R2=0.86，adj-R2达到0.82;NO2模拟优度R2=0.75，adj-R2达到0.67。基于地理加权回归的大气污染物空间分布模拟得到的浓度值与实际观测值间存在良好的正相关关系，线性回归方程显示PM2.5的拟合优度更高，最高R2=0.94;PM10次之，最高R2=0.85;NO2最低，最高R2=0.65。
3.河北南部5座城市2013-2015年期间，基于人口加权平均PM2.5浓度达到119μgm-3，是全球人口加权平均PM2.5浓度6倍。PM2.5年均浓度呈显著下降趋势，特别是在冬季下降更显著，表明该地区大气污染减排措施是有效的。PM2.5浓度日变化呈明显的双峰模式，最大峰值出现在冬季夜间，主要是由于取暖燃煤导致的排放强度上升和大气边界层高度降低。高浓度PM2.5通常与高相对湿度(RH＞50％)有密切关系，尤其是低温条件下，随着相对湿度的升高，PM2.5的浓度迅速攀升。区域传输贡献分析表明，南面传输轨迹对PM2.5浓度贡献最大，贡献率在所有5城市中分别达到了50％-65％。从西北方向传输、相对较短的轨迹是对于保定和石家庄冬季的PM2.5浓度有较大贡献率，达到26％-38％。5城市中保定和石家庄的区域传输贡献表现更明显，贡献率在31％和34％;而区域传输贡献相对较少的是邯郸、衡水和沧州，贡献率只有20％-25％。区域贡献率在夏季和秋季最高，冬季和春季最低。保定和石家庄2013年发生的最严重PM2.5污染归因于弱风、低大气边界层高度、区域传输贡献以及本地高强度的污染排放。
4.基于北京铁塔PM2.5浓度和北京南郊气象要素2005-2015年期间的长时间序列观测数据，并利用R语言开发实现了GAM模型，利用模型筛选了关键气象因子，构建并分析了气象要素对PM2.5浓度的影响。从季节尺度和全年尺度筛选出来的气象要素关键因子几乎涵盖了风、温、湿、压、辐射等所有类型气象因素。不同的季节筛选出来的气象要素不完全相同，全年尺度关键因子数多于其他四个季节，原因主要是不同季节影响PM2.5排放主导气象要素不同。周一和周日相对周二至周四PM2.5浓度更高。根据PM2.5观测数据和基于GAM模型的模拟结果的对比可知，基于GAM模型模拟气象要素对PM2.5浓度的影响是可行的，模拟的精度也是可信的，而且模拟优度较高(R2均达到了0.5以上，冬季R2达到0.66)。通过拟合结果发现，并给出气象要素对PM2.5浓度影响的量化程度，其中冬季的气象要素对PM2.5浓度影响是加重污染趋势，2015年冬季贡献率最大可达近40％，侧面反映了过去减排措施的有效性。从季节看，气象要素对PM2.5浓度造成恶化趋势主要发生在冬季和春季，冬季的影响程度更高;秋季PM2.5浓度几乎不受到气象要素的强干扰，夏季气象条件反而有利于PM2.5浓度降低。