前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的大氣污染主要因子主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：大氣污染主要因子范文

關鍵詞： 天氣形勢；大氣污染物擴散；傳播；氣象條件

中圖分類號：X51 文獻標識碼：A

1 大氣污染物成分與臭氣的時空分布

從2009年開始，區環保部門在城東的椒江一中、椒江二中，中心區楓南小區，西南區康平小區以及城西邊防修船廠設置臭氣監測點。3a監測臭氣各為103次（d）、158次、160次。2009～2010年每月實測10次以上的分布在1～4月、9～12月。2011年臭氣發生最為頻繁，全年9個月超過10次。

根據人體感覺臭氣濃度等級分為5個等級，Ⅰ級為臭氣較輕；Ⅱ級為臭氣明顯；Ⅲ級為較重臭氣影響；Ⅳ級嚴重臭氣影響；Ⅴ級特別嚴重臭氣影響。其中Ⅰ級、Ⅱ級對人體健康影響不大；Ⅲ級、Ⅳ級對人體健康產生一定影響，導致人體不適；Ⅴ級則導致接觸臭氣的人群產生強烈不適，少數人員會產生頭疼、惡心等癥狀，嚴重影響城區居民生活。

2 天氣形勢對臭氣發生的影響分析

通過對2011年1月～2012年4月監測資料和相應時間椒江氣象臺預報數據的分析，發現在污染源相對平穩的時段里，影響大氣污染物濃度的主要因素是天氣形勢及其控制下的局地輸送擴散條件。本文通過對歷史氣象資料的分析，發現在臭氣發生時椒江區主要處于以下幾種天氣形勢。

2.1 高壓底部型

當椒江區處在高壓底部，大氣層結穩定，上午極易出現灰霾與輕霧，午后易出現偏東風。根據洪家站資料統計，發生臭氣日有25d出現過霾與輕霧天氣現象，占總天數的55.56%；這種天氣上午比較不利于大氣污染物的垂直輸送，下午在偏東風的引導下，污染物向下風方的城區水平輸送。故在此形勢下監測到城區臭氣污染最為嚴重，共有42次。且一年四季均有分布，春、秋兩季略偏多。

2.2 高壓脊型

在冷空氣過后，椒江區高空高壓脊控制，天氣晴朗，冷空氣下沉和地表輻射冷卻作用，不利于臭氣垂直輸送，增大低層臭氣濃度。椒江區臭氣監測資料顯示此型天氣發生臭氣有39次，僅次于高壓底部型，主要集中在冬季與秋末冷空氣活動頻繁且強度強的時候。

2.3 高壓后部型

是指椒江區處在高壓后部偏南氣流區，水汽增多，空氣濕潤，地面氣溫回升明顯，系統較穩定時，對大氣污染物擴散不利。此型天氣形勢發生臭氣有27次（d），監測臭氣發生第3多，時間分布與高壓底部型類似。

2.4 臺風（無降水）型

是指椒江區受臺風或臺風影響，沒有降水，以偏東風或東北偏東風為主，使臭氣往城區方向水平輸送。此型天氣發生臭氣有9次（d），臭氣發生時間分布在7～9月臺風季。

2.5 地面倒槽型

是指椒江區受地面倒槽影響，容易出現高溫高濕天氣，非常不利于大氣污染物的擴散。此型天氣發生臭氣有7次，資料顯示四季均有發生。

2.6 臺風（有降水）型

是指夏季椒江區受臺風或臺風影響，有降水，以偏東風與東北偏東風為主，使臭氣往城區方向擴散。據統計發生臭氣現象3次，其中2次日降水量稀少只有0～2mm，1次達到35.8 mm，由此可見，降水量過少與過多均不利于臭氣濃度稀釋。

在不同的天氣形勢下，臭氣發生的影響程度也大不相同。高壓底部型天氣發生Ⅴ級臭氣次數最多為5次（d），其次是高壓后部型與臺風（有降水）型分別為3次（d）、2次（d），最值得注意的是臺風（有降水）型發生臭氣只有3次，但均為Ⅴ級，可見這種天氣最易造成臭氣擾城現象。1～4型天氣形勢發生Ⅲ級及以上臭氣的概率極高，占總次數的77.96%，此4種形勢是我們將來對企業排放預警預報的關鍵。

3 風、溫度、降水氣象因子對椒江醫化園區臭氣排放的影響分析

綜上分析，我們得出在污染物排放沒有發生變化的條件下，氣象條件在惡臭氣體的擴散、傳播上起著很重要的作用。下面，我們可以來分析風、溫度、降水氣象因子對椒江醫化園區臭氣排放的影響。

3.1 風向風速

風向決定惡臭氣體傳播方向、范圍。風速則決定擴散速率，當風速大，向空間傳播距離遠、范圍大，降低惡臭濃度；當風速越小，惡臭氣體擴散范圍也越小，離污染源越近濃度越大，惡臭就越嚴重。由于椒江醫化企業主要集中城東區，所以當偏東風（東北-東南風）出現，市區位于下風向，容易造成臭氣移向生活區，影響居民健康，根據監測資料分析，在2011年1月～2012年4月期間共出現177次惡臭天氣， 18次等級為Ⅴ級，對比洪家站氣象資料，我們發現16次Ⅴ級發生洪家站風向均為偏東風向（東北-東南風），占總數的88.89%。所以通過椒江的風向風速預報，對醫化企業排放大氣污染物的時間和濃度提出建議，一定程度上可以降低椒江臭氣影響擴散程度。

3.2 降水

前面提到由于椒江雨量太大、雨量太小均導致大氣污染物濃度上升，利用降水的定量預報對椒江醫化企業排放大氣污染物的時間和濃度提出一定建議，也是措施之一。

3.3 溫度

溫度主要表現為溫度層結，即大氣層結穩定性的影響。當大氣層結穩定，特別是出現逆溫時，空氣對流弱，使臭氣集中于下層，加劇惡臭，此種情形在冬季早晨前后最易出現，同時也多數出現在霧霾天氣中。當大氣層結不穩定，易產生對流天氣，有利于臭氣向上空傳播擴散，從而降低近地面層臭氣濃度，此種情形在夏季的下午到傍晚熱對流有所增強或出現對流天氣時常是這種情形。所以可根據大氣溫度層結的變化，企業可適當調整臭氣排放作業時間，避免臭氣大面積擴散。

同時，利用天氣系統的變化對抑制臭氣的發生也起到了關鍵的作用，這些都將對提高椒江區空氣清潔度，減少不良環境對居民生活的影響是非常有效的。

參考文獻

第2篇：大氣污染主要因子范文

關鍵詞：北侖　空氣質量　特征

中圖分類號：X22　文獻標識碼：A　文章編號：1007-3973(2011)005-109-03

1.　前言

隨著工業化發展進程的加快和人們對于環境需求的不斷提升，環境空氣污染已經成為目前城市發展所面臨的最為突出的難題之一，環境空氣質量的好壞不僅直接影響到城市居民的健康，而且給周邊動植物的生長和文物古跡的保護等都有直接或者間接的影響。為此，王宏等結合氣象條件對福州市的環境空氣質量情況進行了特征分析，并得出了氣象與環境空氣質量之間的一些相關性，而劉新玲等和楊書申等分別對比分析了山東五城市和北京、上海兩城市之間的大氣污染特征，均認為由于不同城市之間氣象因素、企業類型、企業規模等方面的不同會有不同的環境污染特征和成因。

北侖區作為一個臨港大工業基地，集中了包括北侖電廠、寧波鋼鐵廠、臺塑化工、吉利汽車、申洲織造公司等在內的眾多大型企業，這些大型企業對北侖的環境空氣影響究竟如何已經成為北侖區政府和老百姓關注的焦點，也是北侖區進一步打造適合移居城市的必要參數之一。本文通過深入分析2010年度北侖區域內三套環境空氣自動站的監測數據，對北侖區的環境空氣質量特征和污染來源進行了系統的研究，并針對現狀提出了一些相關的建議。

2.　實驗方法

2.1　監測點位及監測項目

2.1.1　監測點位

北侖區域目前共設置三個大氣環境空氣質量自動監測點位，分別位于城中(監測站)，城東(寧波鋼鐵廠宿舍區)，城西(青峙變電所)，其中城東和城西位于工業區周邊。

2.1.2　監測項目

可吸入顆粒物(PM10)，二氧化硫(SO2，氮氧化物(NOx)。

2.2　監測儀器和方法

采用三個固定的環境空氣自動站(美國熱電環境儀器有限公司)進行連續24小時自動監測，并對小時均值、日均值、月均值、年均值進行數據統計分析。其中儀器設各原理和型號為：(1)PM10的測定：β射線法。儀器為FH62C-14型可吸入顆粒物分析儀。(2)SO2的測定：紫外脈沖熒光法。儀器為43C型二氧化硫分析儀。(3)NOx的測定：化學發光法。儀器為42C型二氧化氮分析儀。

3.　結果與討論

3.1　污染物濃度的季節變化規律

圖1、圖2、圖3清楚的顯示了城中、城東、城西點位的SO2、NO2、PM10的月均值濃度情況，顯然，每個點位的SO2、NO2、PM10的濃度隨著季節的變化，始終呈現出一、四季度高，二、三季度低的變化趨勢，這一結果與董蕙青等對廣西主要城市的研究結果基本一致，但是與劉新玲等的對于山東五城市的大氣特征研究結果(主要是SO2濃度)則略有差異，這種差異主要來自于北方典型的冬季燃煤采暖因素的影響，故南方地區冬季的污染物濃度基本與春季差別不大，而且相比于北方城市總體上濃度要低的多；此外，北侖區地屬亞熱帶季風氣候區，又臨東海，四季分明，受到這樣季節性氣候變化的影響，北侖區域氣候情況總體上表現為一、四季度空氣比較干燥，晝夜溫差明顯，大氣逆溫現象頻率較高，不利于污染物的傳輸擴散，此外，較低的濕度和無植被覆蓋的地面也加劇了污染，尤其是可吸入顆粒物在環境空氣中的高濃度，而二、三季度太陽輻射強度強，逆溫層的生成時間縮短，大氣對流活動旺盛，污染物擴散較好，此外，夏季較多地降雨也使得污染物得到了溶解和沖刷作用，因此，總體上環境空氣質量較好。

3.2　污染物濃度的日變化規律分析

為了考察三個污染因子在一天當中的濃度變化情況，隨機抽取了2月、4月、6月、8月、10月和12月的一天對這三個因子的濃度變化情況進行分析，結果如圖4、圖5、圖6所示，顯然SO2在08：00～12：00范圍內呈現出一個濃度的最高峰，凌晨和夜間濃度最低；而NO2和PM10情況則基本一致，均呈現出兩個波峰和一個波谷的情況，具體的來看，NO2的兩個波峰分別出現在09：00和17：00左右，波谷則出現在13：00左右，而PM10的波峰和出現時間分別為08：00左右、18：00左右和14：00左右，總體上兩者每天濃度的波動情況相似，這個結果與馬彬等對深圳市環境空氣的研究結果基本一致，只是在出現峰谷值的時段略有差異，環境空氣污染日變化趨勢不僅和人們的生產／生活等活動有關而且還和每天的氣象變化存在一定的相關性，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，這兩個高峰期內均顯示了較高濃度的NO2和PM10，而中午13：00～14：00以及凌晨和夜間均為休息時間，這一時段機動車少，企業生產和排放的污染物也較少；而SO2的波峰則與不利氣象條件有關，即08：00～12：00，是太陽照射地面，地面溫度上升，空氣對流加強，夜間形成的逆溫層遭到破壞，高空排放的二氧化硫向低層注入，而導致這一時段二氧化硫濃度峰值。

3.3　污染物的來源分析

為了考察北侖區域SO2，NO2、PM10三個污染因子的污染源情況，表1、表2、表3分別列出了這三個污染因子在不同點位的年均濃度、節假日濃度以及非節假日濃度情況，顯然除了城西點位的PM10外，三個點位各個污染因子之間的差別不大，這可能是由于北侖區域的污染主要來自于機動車尾氣和大工業企業的污染物排放，機動車本身的流動性和大工業企業的高空排放都有利于污染物在北侖區域的快速擴散，從而使得污染物濃度在三個點位基本分布均勻，而城西點位的PM10濃度偏高則可能是由于城西點位附近土地正處于開發建設階段，由其導致的建筑施工揚塵引起了局部的可吸入顆粒物濃度偏高。

為了進一步的考察工業企業和機動車對SO2、NO2、PM10三個污染因子的貢獻程度，對三個點位在節假日和非節假日的污染物濃度情況進行了對比研究，顯然，三個污染因子在三個不同點位上均都顯示了非節假日濃度要高于節假日的趨勢，由此可以看出，北侖區域的工業企業對于這三個污染物的濃度均存在一定程度的貢獻，但是從比例的數據上來看，高出的濃度并不顯著，其中相差最大的是SO2的節假日／非節假日濃度比例，其節假日比非節假日濃度高20％～30％，這說明工業企業對于污染物的貢獻并不是北侖區域SO2、NO2、PM10三個污染因子的主要來源，其對污染的貢獻是相對有限，更多的污染主要還是來自于北侖區域越來越多的機動車所產生的尾氣，這個結果和王淑云等所提出的許多城市的機動車尾氣是污染的次要因素不一致，此外，SO2企業貢獻比例相對較高可能與北侖區域的寧波鋼鐵廠、北侖電廠等大燃煤企業有關，其燃煤產生的SO2對于區域SO2污染存在較大貢獻。

4.　結論與建議

北侖區的環境空氣質量存在典型的季節性特征和日變化特征。受典型季節氣候的影響，存在典型的季節性污染物濃度變化，總體上表現為一、四季度污染嚴重，二、三季度空氣質量較好；受日氣象條件變化和人們生產活動的影響，SO2、NO2和PM10三個污染因子濃度在一天中分別表現為一個波峰，兩個波峰一個波谷和兩個波峰一個波谷的變化趨勢。

北侖區的污染物主要來自機動車尾氣的排放，其次是區域內大工業企業的排放主要表現為北侖電廠等大燃煤企業對SO2的貢獻。

通過對污染物來源的分析，建議進一步加強做好以下幾個方面的工作：

(1)由于污染物的主要來源是機動車尾氣的排放，故一方面需要倡議政府部門和公眾公車或私車的使用頻率，做到盡量坐公交車；而另一方面要加強機動車的準入制度，對于不符合國家相關排放標準的機動車禁止使用，提倡低能耗、低排放的清潔車。

(2)要提高對于北侖區的三座環境空氣自動站數據的反應敏感性，尤其是城東和城西點位，要加強實時監控，對于異常情況，及時通知監察大隊和重大項目監管科等相關科室，并對異常情況進行實時跟蹤。

(3)除了常規的幾項污染因子外，作為一種監控手段，有必要對一些周圍具有特征排放因子的污染物實行實時監控。隨著城東和城西兩個自動站在線色譜項目的開展，這兩個環境空氣自動站無疑會成為對周圍臺塑、化工碼頭、寧波鋼鐵等等產生有機物特征污染因子的企業異常情況監控的排頭兵，通過這樣的一種監控手段，結合北侖區環境監測站的應急監測車和實驗室分析，并與其它職能科室相配合，可以建立一套完整、可靠、有效的環境預警機制，這對于北侖區這樣一個臨港大工業基地是必要的也是必需的。

參考文獻：

[1]郭二果，王成，彭鎮華，等，城市空氣懸浮顆粒物理化性質及其健康效應[J]，生態環境，2008，17(2)：851-857.

[2]黃虹，李順誠，曹軍冀，等，空氣污染暴露評價研究進展[J]，環境污染與防治，2005，27(2)：118-121.

[3]車汶蔚，鄭君瑜，邵英賢，等，珠海市大氣污染時空分布特征及成因分析[J]，中國環境監測，2008，24(5)：82-87.

[4]張菊，苗紅，歐陽志云，等，近20年北京市城近郊區環境空氣質量變化及其影響因素分析[J]，環境科學學報，2006，26(11)：1886-1992.

[5]陳晶，張禮俊，鐘流舉，珠江三角洲空氣質量現狀及特征[J]，廣東氣象，2008，30(4)：15-17.

[6]王宏，林長城，蔡義勇，等，福州市空氣質量時空變化及其與天氣系統關系[J]，氣象科技，2008，36(4)：480-484.

[7]劉新玲，王曉明，李小明，2004－2008年山東中西部五城市大氣污染變化特征[J]，科學技術與工程，2008，8(12)：3390-3396.

[8]楊書申，邵龍義，楊園園，北京、上海兩地2004和2005年大氣污染特征對比分析[J]，長江流域資源與環境，2008，17(2)：323-327.

[9]董葸青，謝宏斌，鄭鳳琴，2003廣西主要城市空氣質量評價及空氣污染物濃度與氣象條件關系[J]，廣西氣象，2004，25(1)：36-39.

[10]馬彬，陳志誠，梁鴻，等，深圳市幾種空氣污染物濃度日變化特征分析[J]，中國環境監測，2004，20(5)：47-53.

第3篇：大氣污染主要因子范文

【關鍵詞】大氣降水；離子組成；特征分析

以化石燃料燃燒為主的人類活動向大氣中排放了大量氣態和固態污染物。雨水在凝結和下落過程中不斷吸收大氣中氣體和顆粒物， 所以大氣污染的程度及主要污染物排放量的變化情況可以在降水酸度及離子濃度中得到反映。

“十二五”以前，陜西省一直采取的都是以控制SO2排放為主要的大氣污染控制措施，對于遏制酸雨污染的進一步變化起到了積極的作用。這些情況在降水酸度及離子濃度的變化中得到了充分的體現。

1 陜西省降水污染現狀

2012年，陜西省各監測點共采集雨樣873個，其中酸雨樣品（pH值

全省15個城市的降水各離子當量占總當量比例從大到小依次為：S042-> Ca2+ > NH4+ > NO3- >Mg2+>K+> Cl->Na+，表明，降水中的主要陽離子為鈣和銨，分別占離子總當量的29.4%和14.1%；主要陰離子為硫酸根，占離子總當量的31.6%，硫酸鹽為陜西省降水中的最主要致酸物質；NO3-占離子總當量的9.0%。

2 降水酸度及酸雨率的年際變化

2000～2012年，十余年間，pH年均值介于5.49～6.55，全省平均降水酸度略有波動，但呈逐年減弱趨勢；酸雨頻率略有起伏，但呈逐年減小趨勢，酸雨頻率介于0.2%～10.7%。

圖1 2000年～2012年陜西省降水pH值和酸雨發生頻率變化趨勢

3 降水中主要離子比例及原因分析

3.1 S042-/NO3-

S042-、NO3-是影響大氣酸度的重要成份， 2006～2012年陜西省降水中S042-/NO3-值見表1。由表1中可知S042-/NO3-的比值2007年最高，為7.6，之后呈下降趨勢，2011年酸雨類型變為混合型，2012年較2011年又略有升高，重回硫酸型時代。

2006年以來，全國上下加強了SO2減排工作，陜西省相繼制定了促進節能減排的一系列政策措施，SO2減排工作取得了積極進展。從2007年開始，全省SO2排放量和城市環境空氣中SO2平均濃度逐年下降， 城鄉環境質量不斷改善。NOX從“十二五”納入減排工作，因為煤燃燒排放NOX一直占NOX排放總量的70%以上 ，所以陜西省從2011年開始全力推進燃煤電廠脫硝工作。降水S042-/NO3-的比值2012年較2011年又略有升高，與2011年部署的NOX減排項目，在2012年的發揮效果有很大關系。

表1 降水酸度及主要離子組成比例

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

空氣中SO2平均濃度（mg/m3） 0.040 0.049 0.044 0.042 0.039 0.036 0.032

SO2排放量較上年

變化情況 增加 減少 減少 減少 減少 減少 減少

空氣中NO2平均濃度（mg/m3） 0.031 0.031 0.030 0.031 0.033 0.032 0.031

NOX排放量較上年

變化情況 -- 持平 增加 增加 增加 增加 減少

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-）

陜西省降水的主要致酸因子是SO42-和NO3-，主要致堿因子是Ca2+和NH4+；（Ca2++NH4+）/（SO42- +NO3-）的比值可以作為判斷降水酸化程度的一個依據，比值的增加表明降水酸度的減小，pH增加， 反之pH則降低。由表1可知，陜西省2006～2012年（Ca2++NH4+）/（SO42- +NO3-）比值呈波動變大趨勢，說明陜西省降水的酸化程度正逐步向好，與降水年均pH值反應出的情況基本一致。

4 結語

（1） 陜西省2006～2012年降水pH均值較高，波動不大，表明陜西省酸雨污染較輕；

（2） S042-/NO3比值顯示陜西省酸雨類型有從硫酸型轉變成硫酸和硝酸混合型的趨勢；

（3） Ca2+、NH4+、SO42- 、NO3-這四項離子是影響陜西省降水酸度的主要因子；

（4） 主要污染物減排工作對酸雨控制有積極推動作用。

參考文獻：

[1]程新金，黃美元.降水化學特性的一種分類分析方法[J]。氣候與環境研究，1998.

[2]楊龍譽、黃麗、孫燕等，常州市2007年降水酸度及離子含量特征[J]。環境化學，2009.

[3]王虹，馬鞍山市降水酸度的時空變化特征及其成因初探[J]。安徽師范大學學報，2004.

[4]田賀忠，郝吉明，陸永琪，等.中國氮氧化物排放清單及分布特征[J]. 中國環境科學， 2011.

作者簡介：

薛四社（出生于1972年-）、男、漢族、陜西長安人、現為陜西省環境監測中心站、工程師，主要從事環境質量分析研究。

劉勇（出生于1974年-）、男、漢族、陜西西安人、現為陜西省環境監測中心站、工程師，主要從事環境質量分析研究。

第4篇：大氣污染主要因子范文

關鍵詞：機動車污染；排放總量；特征；削減量分配

DOI：10.16640/ki.37-1222/t.2016.14.253

我國目前大氣環境所面臨的主要威脅來自霧霾天氣，尤其是在京津冀、珠三角和東北地區最為嚴重，由于區域經濟一體化進程不斷加快，在大氣流動性的影響下，對大氣污染治理已經從單一片區擴散到區域，因此，亟需對區域大氣污染物進行總量控制，并以削減量分配為原則，對區域機動車排放的污染物進行嚴格控制。

1 機動車污染物現狀分析

隨著城市經濟不斷增長，我國機動車保有量呈幾何狀態激增，截止2015年，全國機動車保有量同比增長8.4%，因此機動車排放污染已成為我國大氣污染的主要因素，也是導致光化學煙霧和灰霾的關鍵因素，防治機動車污染的任務越來越緊迫。目前有學者研究表明，我國大部分人口密集區域大氣中的存在的氮氧化物主要來自于機動車排放的尾氣，我國機動車所排放的NOx約占全國排放總量的30%，僅次于火電廠污染，汽車尾氣排放的含氮物質對環境造成的威脅日益凸顯。此外，機動車污染物中含有CO、HC、NOx、SO2以及可吸入顆粒物等成分，存在很大的毒性，有些物質還可能通過相互作用導致二次污染，城市居民長期處于被污染的大氣環境下，會導致哮喘、呼吸疾病以及心臟病的發病率增加，對生命安全和生活質量造成嚴重威脅，因此采取有效措施對污染物總量進行削減勢在必行。

2 區域機動車污染物總量排放特征

2.1 大氣污染物排放總量清單

以我國東北地區為例，截止2015年該區域大氣污染排放總量主要包括CO、HC、NOx、PM10，其中CO排放總量最高，為278.34萬噸。NOx次之，為83.45萬噸，HC為69.31萬噸，PM10為5.31萬噸。

2.2 機動車不同車型污染物排放特征

不同車型的機動車對污染物排放總量的影響存在較高的敏感性。東北地區污染物排放的主要源頭為輕型貨車、輕型客車以及摩托車，排放比例分別為15.31%、38.24%、19.46%，占到排放總量的80%以上。東北地區2015年各類客車的保有量為587.34萬輛，其次是摩托車，約為534.13萬輛，這兩類機動車污染物排放較多，而從國家規定的排放標準中分析，由于東北地區從2008年開始即采取了機動車限行措施，因此客車排放量較低，而摩托車排放量則高于輕型客車。

2.3 時間和空間維度上的排放特征

從時間維度和空間維度上分析，首先，東北地區機動車污染物排放量呈逐年遞增，以2015年達到頂峰，且排放特征以“多點開花”的形式特征為主，在沈陽、長春等經濟重心城市，CO、HC排放量年增長比率超過14.%，污染物排放總量觸目驚心；其次，東北地區機動車污染物控制情況并不理想，從年同比增長率來看，從2013年～2015年雖然總量增長速度放緩，但四種污染物的區域分擔率仍然超過了50%；最后，排放特征與城市地理環境和人為因素息息相關，城市規劃過程中未將節能減排工作進行著重考慮，導致東北地區機動車污染物排放呈現擴散、巨量的特征，且短時間內難以控制，因此，對污染物排放總量進行削減是改善區域大氣環境的必然措施。

3 區域機動車污染物削減量分配

以2015年四種機動車污染物排放總量進行削減量越策，按照等比例分配方法進行分配，在對指標體系進行權重計算的基礎上運用熵值法進行計算，首先對排放指標進行標準化處理，包括區域GDP總值以及人均GDP和全年空氣質量大于2級的天數，設人均GDP和機動車污染物排放強度為相對于削減排放量的正向指標，設控制質量為副項指標，計算出信息效用值后進行指標權重確定。

在等比例分配方法的基礎上，區域機動車污染物排放總量削減公式如下：

式中：Xi表示區域目標削減率，表示參與總量分配地區的平均削減率，ai為區域相對削減因子，Qi表示區域基期污染物排放量，C為區域總目標削減率，j表示第j個指標數，fij表示區域第j個指標的歸一化計算所得數值，ωj表示第j個指標的權重值。

按照熵值法進行處理后，可得出各污染物的指標權重，按上述公式可在排放清單的基礎上得出削減量，并進行分配。根據東北地區2015年機動車污染物排放清單預測結果，在10%的排放目標要求下，①CO排放總量削減率為70.1%，即區域主要城市需承擔區域70.1%的CO減排總量；②NOx排放總量削減率為64.5%，對城市地理因素進行綜合考慮，東北地區沈陽削減率為54.8%，吉林為29.7%，長春為13.2%，即吉林和長春對于東北區域的NOx排放總量貢獻率當中的一部分被空氣環境因素和經濟發展因素轉移到沈陽市，但整個區域仍需承擔最大的削減率；③HC污染物主要源自于摩托車尾氣，但沈陽、吉林、長春摩托車保有量近年來逐漸下降，因此，削減率可根據城市排放標準實際清單進行計算，若摩托車保有量年統計在300萬輛以下，則削減率則控制在35%左右；④從區域分擔率和削減率比值來看，PM排放總量受其影響較小，東北地區主要城市可承擔80%以上的削減量。

第5篇：大氣污染主要因子范文

經濟與科技的發展使大眾的生活方式與以往大相徑庭。雖然日子越過越好，但亦派生出不少有害健康的各種疾病，過敏則是其中之一。為什么過敏的人越來越多呢？

大氣受到污染帶來的禍害

大氣污染是引起哮喘等過敏性疾病的重要因素。大氣污染物的主要成分是高濃度二氧化氮、臭氧、各種懸浮物質的大量微粒等。這些多由汽、柴油發動機產生，它們可使一些空氣中的花粉等懸浮物表面蛋白質結構發生變異，成為較強的過敏原。日本和德國研究證實，被城市空氣污染的杉樹花粉致敏強度比未被污染的杉樹花粉高幾百倍。

隨著現代化的進程，各種機動車輛排放的廢氣，使大氣污染日見嚴重。因此，居住在交通擁擠的城市和交通繁忙的公路旁，無論是成人還是兒童，過敏性疾病發病率都顯著高于鄉村。

研究還表明，空氣中的亞硫酸和氮氣硫化物等有害物質易使過敏原侵入人體，引起哮喘和花粉癥患者的氣道炎癥，導致癥狀加重。

生活方式改變派生的弊病

室內裝修，空氣流通不暢

家庭、辦公室和各種室內活動場所多有供暖設施、窗簾、地毯，裝修嚴實，空氣流通不暢，這為室內塵螨等過敏原的蓄積提供了條件，使室內空氣污染比室外還嚴重。

現代化家庭電器設施增多

空調、冰箱、電視、電腦、微波爐等各種電器設備產生的電磁輻射，亦會導致過敏。

對以上三點原因，還要補充的是：現在，許多人呆在室內的時間超過80%，老人和小孩在室內時間更長，高達90%以上。由于室內污染嚴重，他們發生過敏疾病的機會更多，尤其是兒童過敏患者明顯增加。

室內現代生活帶來了有毒有害的物質

煤氣灶、吸煙、寵物、噴霧劑、裝修等用到的各種膠及材料，隨時都能揮發出有毒有害物質，如甲醛、氨、苯以及各種過敏原和刺激物的混合物，從而導致了過敏癥的迅速增加。

各種化學制品充斥著人們的生活

如化纖類衣物、洗滌劑、化妝品、消毒劑、農藥、化肥、塑料等類，易導致過敏的各類化學制品頻繁與人發生接觸，特別易導致瘙癢、皮炎、濕疹等，使皮膚過敏性疾病發病率提高。

醫學發展改變了疾病譜，免疫系統失衡

醫用消毒劑和預防藥物的大量應用，寄生蟲感染和某些傳染病減少，改變了人類的疾病譜，使得原先用來防御寄生蟲、細菌和病毒感染的免疫系統失去了平衡，不僅作戰能力降低，而且很難分清“敵我”，即使接觸無害物質，也奮起抵抗，引起過敏反應。

新的過敏原層出不窮

食品中的各類添加劑、香料、各種高科技合成物質等，也讓人體免疫系統無法辨認“敵我”，出現各種過敏。

對藥物的依賴性和濫用抗生素

人們十分注重健康，身體有不適，就去看醫生，無論大小病，吃藥才放心，對藥物越來越依賴。在科技迅速發展的時代，各類新藥層出不窮，為保障人體健康提供了越來越多的有利條件。但同時，由于用藥種類和劑量不斷攀升，甚至濫用藥物，帶來許多弊病。如長期應用抗生素，不僅導致大量耐藥菌株，還導致腸道內菌群失調，使人體內有益桿菌驟減，一些具有抗過敏作用的細胞因子如干擾素等產生能力降低，導致機體抗過敏能力下降。這樣，發生過敏性疾病的機率必然增加。

精神緊張，心理壓力過大

因經濟社會各個領域競爭激烈，生活節奏變快，人們常常處于緊張狀態，心理壓力過大，睡眠質量差，導致機體免疫功能下降，易產生過敏性疾病。

飲食結構和飲食習慣的改變

以往五谷雜糧，粗茶淡飯，一日三餐，營養均衡，難得過敏物質。現在飲食不僅花樣多，而且想吃隨便吃，除了餐桌上有雞鴨、肉蛋、魚蝦和山珍海味等食品外，還常常吃一些含有各種添加劑的零食，這些食品中許多都屬過敏物質，當然易引發過敏性疾病。

總之，過敏雖有遺傳傾向，但基因改變需幾代人的漫長時間，顯而易見，過敏性疾病發病率急劇上升并非基因問題，而是生存環境逐漸惡化、大氣污染、生活方式改變、寄生蟲感染及兒童期傳染病減少、家庭生活條件的極大改善等主要因素所致。值得注意的是，這對兒童（尤其是嬰幼兒）危害最大。

兒童是過敏性疾病高發人群

兒童的身體正在生長發育中，各個組織機能發育都不完全，免疫系統很脆弱，對各種疾病的防御能力很低。因此，兒童是過敏性疾病發病的高危人群。過敏反應會在多個組織器官同時或相繼發生。不同的年齡，可以發生不同的過敏反應。如新生兒、嬰兒期可以出現濕疹、喘息性支氣管炎，或因牛奶過敏而出現反復腹瀉；三歲后會發生過敏性咳嗽、過敏性哮喘、過敏性鼻炎；學齡前后則又會出現過敏性紫癜。尤其是有過敏性疾病家族史的兒童，發生過敏性疾病時癥狀較重，治療更困難。

然而，有些父母往往對孩子輕微的過敏癥狀抱無所謂態度，以為是“小毛病”，這為孩子的健康留下禍根。世界衛生組織對過敏性疾病提出了預防治療、防止復發的指導原則。對兒童過敏性疾病的預治，除了成人所要采取的一系列措施外，還要采取一些特殊的措施。例如：

堅持母乳喂養至少6個月

母乳喂養是人生的第一次免疫，因母乳中含有大量的免疫物質，能增加嬰兒機體免疫力，防御病毒的侵入和過敏性疾病，做母親的不要因工作或其他原因提前斷奶，錯過給寶寶母乳喂養的良機。

有過敏病史的產婦，產后要預防食品等物質過敏

研究發現，哺乳期間是否控制飲食，防止過敏，對寶寶日后發生過敏反應的幾率相差一倍。

家庭不要過度使用抗菌消與苛求飲食的絕對潔凈

因為，人體免疫系統會對某些過敏原形成免疫記憶，有些孩子接觸過敏原后會產生抗體，若再次遇上該過敏原，能很快將其消滅。若家中過于無菌和潔凈，孩子沒有機會獲得抗體，抵抗力反而減弱，會導致過敏和自身免疫失調。

經常給嬰幼兒撫觸或按摩

這可以改善寶寶的血液循環，增進食物的消化與吸收，減少哭鬧，改善睡眠，增強免疫力，從而提高對過敏原的防御功能。

及時給孩子喝開水

寶寶體內水分充足，能保持黏膜濕潤，成為抵擋病原體的防線。因此，嬰幼兒或是大些的孩子，無論是在家或外出，都不能渴著，要多喝白開水，而不是各種含糖飲料。

盡量減少室內過敏原

第6篇：大氣污染主要因子范文

    關鍵詞:大氣污染;交通尾氣;污染控制 

    隨著銅陵市大力開展環境綜合整治,煤煙型復合污染正逐步減輕。但由于城市發展,機動車擁有量不斷增加,交通尾氣污染呈上升趨勢,雖不造成大氣環境污染的首要因素,但對城市環境保護存在潛在壓力。機動車大規模普及改變人們生活方式,但在給人類生活帶來便利的同時,危害市民身體健康,能有效地控制交通尾氣污染,改善城市環境質量,成為繼工業污染防治后新的課題。 

    1、機動車保有量及交通狀況分析 

    2007年底銅陵市機動車保有量5.96萬輛,機動車保有量年均增長率在10%左右。由于特殊的地形條件和前期規劃缺乏前瞻性,造成老城區路面狹窄,坡度大,內道路曲折,彎道半徑小。銅陵市政府為緩解交通堵塞現象,加大了對主城區主干道的改造,加強城市新路網建設,實現交通公路建設跨越式發展的目標,到“十一五”末,全市公路總里程達到1000公里以上,新增公路總里程400公里,形成市中心到各鄉鎮的“半小時交通圈”。 

    2、交通尾氣污染的危害 

    交通尾氣成分復雜,主要包括CO、HC、NO2、SO、Pb、苯并芘、烷基鉛和固體顆粒物等。汽車尾氣污染主要在交通干線等人口密集地區,其排放高度接近人體的呼吸帶,對人體健康造成嚴重危害。其中,HC與NO2在強陽光作用下,在不利擴散氣象和地理條件,可形成光化學煙霧,造成嚴重的二次污染。通過對公路兩側范圍進行監測表明,有50%的鉛落在公路兩側數百米范圍內。人體經過飲食,通過食物鏈進入消化道的鉛有5%~10%被吸收,通過呼吸道吸入肺部的鉛,吸收沉積率高達30%~50%。 

    3、影響交通尾氣污染因素 

    3.1 區域污染氣象特征 

    銅陵市位于安徽省中南部,年平均氣溫為16.2℃,年平均風速2.5m/s,全年大氣穩定度以中性天氣為主,逆溫層出現頻率高且厚,大氣擴散條件較差。城區三面環山,中間低的地貌結構有利于山谷風環流形成,夜間山地氣壓較城區高,山地下泄冷空氣沿地形傾斜面吹向市區,冷空氣將城區暖空氣抬升,形成高度較低的接地逆溫層,高度范圍0~300m,平均厚度123m,出現頻率達60%以上,逆溫層抑制了下層氣流運動,多微風和靜風,極不利于城區大氣污染擴散,從而城區形成大氣污染高濃度中心。 

    3.2 城市交通道路規劃 

    城市規劃是一個綜合各學科的復雜過程,城市功能的規劃、城市各區域功能的規劃、城市道路規劃與綠化的合理性,對城市大氣環境有非常重要的影響。隨著銅陵市社會經濟快速發展,城市原有規劃落后于社會經濟發展需要。 

    銅陵市由于受地形地貌與地質的限制,城市交通道路發展一直在充分利用地形地貌修建起來的,因而呈現目前城市道路多彎曲狹窄,導致交通擁塞,車輛的怠慢行駛,燃油燃燒不充分,污染物質的大量排放。此外街道空氣的流動性差,污染物質在街道的累積,不利于交通尾氣沿道路向郊區的輸送,如何把城市的交通道路的規劃建設與城市環境保護結合起來是一個新的課題。

    4、交通尾氣污染影響分析 

    氮氧化物作為機動車尾氣特征污染因子,表明機動車尾氣排放目前還不是造成銅陵市大氣環境污染的首要因素,但隨銅陵市政府加大工業污染力度后,機動車尾氣污染日益明顯。據報道機動車排放已經成為一些全國環保重點城市的重要空氣污染源,廣州、北京、上海、沈陽等大城市交通污染已經是城市大氣環境的主要污染源。

    銅陵市建筑密度大,造成地面的粗糙度高,不利于氣流的流動,阻礙城市大氣污染物質的擴散。處于亞熱帶濕潤季風氣候區,風速小,逆溫頻率高,氣象和地理條件均不利于機動車尾氣污染物的擴散。現有路段由于狹窄、坡度大、彎道半徑小等原因,易造成車輛堵塞、車速低、怠速率增加,造成機動車尾氣排放量增加。由于交通尾氣為貼地排放,大氣擴散能力相對弱,更不利于交通尾氣的擴散。 

    5、交通尾氣污染的減緩措施 

    影響城市交通污染因素復雜,常非單一作用。根據交通尾氣環境污染特點,結合地形地貌與氣候特征出發,從汽車保有量、能源結構、環境保護、城市建設和機動車產業發展等方面入手,統籌兼顧使用清潔的燃料、清潔的車輛技術、完善的車輛維護,以及可持續的城市道路系統建設,完善的交通、環境管理措施解決機動車尾氣污染問題,探索符合銅陵市特點的交通尾氣污染控制體系。 

    (1)控制城市汽車保有量。積極采取措施,控制城市汽車保有量,尤其是私家車保有量,大力發展與鼓勵使用公共交通,實施公交優先的城市交通發展戰略。銅陵市由于土地資源相對緊張,人均建筑面積較小,沒有足夠的土地資源修建停車場。此外由于自然地質地貌的影響以及歷史的原因。原有規劃缺乏前瞻性,道路路面狹窄,高樓大廈多,這給銅陵市的路面拓寬與改造形成極大障礙,如果城市汽車擁有量過大,城市擴張受地域限制,交通擁擠堵塞不可避免,城市的交通系統將難以正常的有效運轉。 

    (2)推行清潔能源技術(AFV)。鼓勵使用清潔高效交通工具,發展清潔燃料車和公共交通系統。燃油有效完全燃燒,與燃燒系統、空燃比、還與高品質燃料有關,采用清潔能源技術實現汽車燃料替代。實施高效、低污燃料替代戰略,實現清潔能源技術,鼓勵“零”排放的電動汽車和電動摩托車,普及天然氣燃料。 

    (3)突出城區交通道路規劃前瞻性。把城區交通尾氣污染等環境問題納入城市發展規劃與舊城區改造建設之中,適當降低坡度,改彎取直,利用地形差建立城市立交橋,保證車流暢通。在城市新區開發規劃中,把道路的交通流量及汽車尾氣的輸送擴散納入道路規劃中進行綜合考慮。交通道路體系規劃中,在保證與城市整體規劃相容的前提下,盡可能使新建主干道走向與城市主導風向一致,增強交通尾氣輸送擴散能力。統籌城區交通道路建設,建立可持續的城市道路系統。 

    (4)完善道路交通管理系統。城市交通管理是城市交通運輸的大腦,交通秩序的科學管理與區域車流量的適時調配非常重要,完善道路交通管理系統可以提高城市交通狀況,改善汽車運行狀況,減少車輛的怠速時間,減少城市交通污染的。適度超前的城市交通管理系統的建設有助于城市未來的交通問題的解決,建設和使用銅陵市的信息化、智能化交通管理系統,成為改善銅陵市交通問題的必然之路。同時大力發展公共交通系統,提高公共交通系統的使用率,降低汽車的空座率,提高車輛的利用效率,完善道路交通管理系統,控制交通污染。 

第7篇：大氣污染主要因子范文

關鍵詞：PM2.5濃度預測；綜合氣象指數；特征向量；相關性分析；最小二乘支持向量機

中圖分類號： TP391.4； TP18

文獻標志碼：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

細顆粒物（Fine Particulate Matter， PM2.5）是指大氣中空氣動力學當量直徑小于等于2.5μm的顆粒物，其數值越高，代表顆粒物濃度越高，意味著空氣污染越嚴重。雖然PM2.5只是地球大氣成分中含量很少的組成部分，但是它對空氣質量和能見度等指標有重要影響。近期，我國多地出現霧霾天氣，嚴重影響了人們的生活。二氧化硫、氮氧化物和PM2.5是霧霾的主要構成物質，PM2.5是其中加重霧霾污染天氣的罪魁禍首，成為了影響人們正常生活的重要指標，因此準確預測PM2.5的濃度（濃度量綱為μg/m3，后文中提及的濃度均以此單位計）變得越來越重要。

影響PM2.5濃度的因素包括空氣中二氧化硫（SO2）、二氧化氮（NO2）、一氧化碳（CO）、可吸入顆粒物（PM10）含量、臭氧（O3）和氣象因素等。預測PM2.5濃度值變化規律對未來空氣質量監測有重要意義。

預測PM2.5的濃度，最重要的是分析各個影響因素與PM2.5之間的復雜關系。近年來，專家學者開展了一些相關的研究工作。秦俠等[1]提出了一種基于人工神經網絡的方法預測大氣污染物濃度；陳柳等[2]提出了一種基于支持向量機（Support Vector Machine， SVM）和時間序列的大氣污染濃度預測模型；蘇靜芝等[3]提出了一種加入氣象因素的人工神經網絡的大氣污染物濃度預測模型；陳俏等[4]提出了一種基于支持向量機和回歸法的大氣污染物濃度預測模型；魏振鋼等[5]提出一種基于高斯模型的大氣污染物濃度預測模型；王燕等[6]提出一種基于箱模型的大氣污染物濃度預測模型。

這些文獻通過研究個別因素對大氣污染物濃度的影響提出了預測方法，但是氣象因素對于PM2.5的影響是十分復雜的，實際情況中往往是不同氣象因素相互影響的結果。如果分別考慮各個因素，則不能很好地體現多個因素相互作用對PM2.5濃度產生的耦合效應，也就不能準確建立預測PM2.5濃度的模型。

本文旨在用與PM2.5濃度相關性較強的因素組成氣象特征向量，用對最小二乘支持向量機（Least Squares Support Vector Machine， LSSVM）模型進行訓練，得到準確度較高的預測PM2.5濃度模型。

通過對文獻的分析，本文引入了綜合氣象指數這一指標，綜合考慮了氣象因素對PM2.5的影響[7]。同時從SO2濃度、NO2濃度、PM10濃度、CO濃度、臭氧（O3）的1h濃度、O3的8h濃度等因素中選取出與PM2.5濃度相關性較強的因素，用這些因素與綜合氣象因素組成特征向量，用特征向量和歷史PM2.5濃度數據訓練LSSVM模型，再用訓練得到的模型來對PM2.5濃度進行預測。通過仿真研究探討引入綜合氣象指數、LSSVM模型的預測效果，此外加入了PM2.5濃度與日門診量關系的討論。

熱度圖（Heat Map）是指將特征向量各個數據用不同顏色表示熱度，從而體現個因素的相關性。熱度圖的好處在于直觀地表現出了每一個特征與PM2.5的相關情況。不同顏色表示不同的相關性，其中淺色代表相關系數為正，即正相關；深色代表相關系數為負，即負相關；白色代表不相關；同時顏色越深表示相關性越強。

本文運用R軟件對PM2.5濃度與二氧化硫（SO2）濃度、二氧化氮（NO2）濃度、一氧化碳（CO）濃度、PM10濃度、O3的1h濃度、O3的8h濃度、綜合氣象指數等因素的相關性繪制了熱度圖（如圖2所示）。在圖2（O表示綜合氣象指數）中，將樣本中PM2.5濃度與其他因素相關系數的值按從高到低排序，以方便得到其與各因素之間的關系，用排序后的PM2.5濃度相關系數繪圖得到顏色變化為從淺色到深色漸變的圖像。可以看出綜合氣象指數的變化趨勢較平滑，其熱度圖顏色呈現出從深色到淺色變化的趨勢，即綜合氣象指數值高時，PM2.5濃度低；綜合氣象指數值低時PM2.5濃度高；其與PM2.5成負相關關系。二氧化硫（SO2）濃度、二氧化氮（NO2）濃度、一氧化碳（CO）濃度、PM10濃度變化趨勢也較平滑，其熱度圖顏色呈現出從淺色到深色變化的趨勢，即這幾個指標值高時，PM2.5濃度高；這幾個指標值低時PM2.5濃度低，其與PM2.5成正相關關系。其他指標呈現出的相關性趨勢不明顯。

2仿真結果與分析

2.1模型預測結果對比

本研究通過查閱文獻發現，秦霞等[1]的研究誤差較低但是泛化能力較低，國外文獻中大多數研究PM2.5濃度同各污染物濃度的定性關系和空間分布[11-13]，研究某一城市PM2.5濃度和其他污染物定量關系的文獻較少，故本文選擇在兩城市兩方法之間比較。本文選取城市A[14]環境監測站官方網站20130101―20130919的PM2.5濃度數據和中國天氣網的氣象數據。將所得數據分成訓練組（180d）和測試組（32d）。使用訓練組數據對LSSVM模型訓練得到訓練后的模型，再用訓練后的模型計算測試數據，得到測試值PM2.5濃度，將得到的結果與測試組真實的PM2.5濃度對比，驗證預測的準確度。

當構成特征向量的因素只選取二氧化硫（SO2）濃度、二氧化氮（NO2）濃度、一氧化碳（CO）濃度，不加入綜合氣象指數時，預測出的PM2.5濃度如圖3（a）；加入綜合氣象指數因素后，預測出的PM2.5濃度如圖3（b）。將特征向量中有無綜合氣象指數的結果進行對比分析（即改進前與改進后進行對比分析）；改進前后的仿真效果對比如圖3所示。

雖然LSSVM模型能夠建立PM2.5濃度的以特征向量為調控因子的關系鏈――“特征向量PM2.5濃度”，但是該模型所構建的PM2.5關系鏈只能反映PM2.5形成的過程，沒有涉及PM2.5與人類健康（如住院率、日門診量）等后續問題的相關關系。事實上，PM2.5會對人類健康產生嚴重影響，已經成為不爭的事實。下一步工作將會在本文基礎上，對PM2.5的濃度變化給醫院日門診量、病人住院率帶來怎樣的影響進行更進一步的定量研究，進而實現從海量氣象數據、環境數據和醫療數據中挖掘出它們內在的聯系和實用信息的目的。

4結語

污染物濃度和氣象因素一直是影響PM2.5預測的主要因素，分別分析單一氣象因素的影響，不能很好地體現出多個氣象因素產生的耦合效果對氣象因素的影響規律。本文引入綜合氣象因素這一指標，在綜合考慮SO2濃度、NO2濃度、CO濃度和PM10濃度的基礎上，將其與綜合氣象因素組合構成特征向量，使用特征向量和PM2.5濃度值，建立LSSVM模型。通過城市A和城市B環境監測站的數據研究表明，使用本文方法較為合理，同時預測精度較高，根據測試，預測結果比較逼近真實數據，模型泛化能力較強。

另外，本文結合實際情況，對PM2.5與醫院門診量等相關指標進行了定性的分析，發現它們有高度的相關性，這為下一步的通過PM2.5濃度預測日門診量等工作奠定了一些基礎。

雖然本文設計的模型預測效果較好，但是由于PM2.5的形成機制十分復雜，影響PM2.5濃度的未知因素仍然存在，這使得本文模型的預測數據與真實數據還有一定差距，仍存在改進與提高的空間。

參考文獻：

[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.（秦俠，雷蕾，姚小麗.大氣污染預測中提高BP網絡泛化能力的方法[J].北京工業大學學報，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.（陳柳，吳冬梅，陳俏.小波分析及支持向量機應用于大氣污染預測[J].西安科技大學學報，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.（蘇靜芝，秦俠，雷蕾，等.神經網絡在空氣污染預報中的應用研究[J].四川環境，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.（陳俏，曹根牛，陳柳.支持向量機應用于大氣污染物濃度預測[J].計算機技術與發展，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.（魏振鋼，郭遵強，張琳，等.基于高斯模式的大氣污染模型的應用[J].中國海洋大學學報：自然科學版，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，董麗，陳劍.三維多箱模型預測大氣環境的研究[C]// 2007中國環境科學學會學術年會優秀論文集.北京：中國環境科學出版社，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.（嚴麗坤.相關系數與偏相關系數在相關分析中的應用[J].云南財貿學院學報，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.（賀紅林，周翔，曾勁松.短期負荷預測的簡化LSSVM模型及實現[J].計算機仿真，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.（閻威武，邵惠鶴.支持向量機和最小二乘支持向量機的比較及應用研究[J].控制與決策，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：///.（西安市環境監測站.空氣質量日報[EB/OL]. （20130920） [20140105]. http：///.）

[15]Wuhan Environmental Monitoring Station. Daily air quality [EB/OL]. （20130920） [20140105]. http：///.（武漢市環境監測站.空氣質量日報[EB/OL]. （20130920） [20140105]. http：///.）

[16]Ningbo Environmental Monitoring Station. Daily air quality [EB/OL]. （20131220） [20140105]. http：///.（寧波市環境監測站. 空氣質量日報[EB/OL]. （20131220） [20140105]. http：///.）

第8篇：大氣污染主要因子范文

地球環境問題(一)、水污染

水是我們日常最需要，也上接觸最多的物質之一，然而就是水如今也成了危險品。

地球環境問題(二)、海洋污染

人類活動使近海區的氮和磷增加50%-200%;過量營養物導致沿海藻類大量生長;波羅的海、北海、黑海、東中國海(東海)等出現赤潮。海洋污染導致赤潮頻繁發生，破壞了紅樹林、珊瑚礁、海草，使近海魚蝦銳減，漁業損失慘重。

地球環境問題(三)、危險性廢物越境轉移

危險性廢物是指除放射性廢物以外，具有化學活性或毒性、爆炸性、腐蝕性和其他對人類生存環境存在有害特性的廢物。美國在資源保護與回收法中規定，所謂危險廢物是指一種固體廢物和幾種固體的混合物，因其數量和濃度較高，可能造成或導致人類死亡，或引起嚴重的難以治愈疾病或致殘的廢物。

地球環境問題(四)、全球氣候變暖

由于人口的增加和人類生產活動的規模越來越大，向大氣釋放的二氧化碳(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)等溫室氣體不斷增加，導致大氣的組成發生變化。大氣質量受到影響，氣候有逐漸變暖的趨勢。由于全球氣候變暖，將會對全球產生各種不同的影響，較高的溫度可使極地冰川融化，海平面每20xx年將升高6厘米，因而將使一些海岸地區被淹沒。全球變暖也可能影響到降雨和大氣環流的變化，使氣候反常，易造成旱澇災害，這些都可能導致生態系統發生變化和破壞，全球氣候變化將對人類生活產生一系列重大影響。

地球環境問題(五)、臭氧層的耗損與破壞

在離地球表面10~50千米的大氣平流層中集中了地球上90%的臭氧氣體，在離地面25千米處臭氧濃度最大，形成了厚度約為3毫米的臭氧集中層，稱為臭氧層。它能吸收太陽的紫外線，以保護地球上的生命免遭過量紫外線的傷害，并將能量貯存在上層大氣，起到調節氣候的作用。但臭氧層是一個很脆弱的大氣層，如果進入一些破壞臭氧的氣體，它們就會和臭氧發生化學作用，臭氧層就會遭到破壞。臭氧層被破壞，將使地面受到紫外線輻射的強度增加，給地球上的生命帶來很大的危害。研究表明，紫外線輻射能破壞生物蛋白質和基因物質脫氧核糖核酸，造成細胞死亡;使人類皮膚癌發病率增高;傷害眼睛，導致白內障而使眼睛失明;抑制植物如大豆、瓜類、蔬菜等的生長，并穿透10米深的水層，殺死浮游生物和微生物，從而危及水中生物的食物鏈和自由氧的來源，影響生態平衡和水體的自凈能力。

地球環境問題(六)、生物多樣性減少

《生物多樣性公約》指出，生物多樣性“是指所有來源的形形的生物體，這些來源包括陸地、海洋和其他水生生態系統及其所構成的生態綜合體;它包括物種內部、物種之間和生態系統的多樣性。”在漫長的生物進化過程中會產生一些新的物種，同時，隨著生態環境條件的變化，也會使一些物種消失。所以說，生物多樣性是在不斷變化的。近百年來，由于人口的急劇增加和人類對資源的不合理開發，加之環境污染等原因，地球上的各種生物及其生態系統受到了極大的沖擊，生物多樣性也受到了很大的損害。有關學者估計，世界上每年至少有5萬種生物物種滅絕，平均每天滅絕的物種達140個，估計到21世紀初，全世界野生生物的損失可達其總數的15%~30%。在中國，由于人口增長和經濟發展的壓力，對生物資源的不合理利用和破壞，生物多樣性所遭受的損失也非常嚴重，大約已有200個物種已經滅絕;估計約有5000種植物已處于瀕危狀態，這些約占中國高等植物總數的20%;大約還有398種脊椎動物也處在瀕危狀態，約占中國脊椎動物總數的7.7%左右。因此，保護和拯救生物多樣性以及這些生物賴以生存的生活條件，同樣是擺在我們面前的重要任務。

地球環境問題(七)、酸雨蔓延

酸雨是指大氣降水中酸堿度(PH值)低于5.6的雨、雪或其他形式的降水。這是大氣污染的一種表現。 酸雨對人類環境的影響是多方面的。酸雨降落到河流、湖泊中，會妨礙水中魚、蝦的成長，以致魚蝦減少或絕跡;酸雨還導致土壤酸化，破壞土壤的營養，使土壤貧瘠化，危害植物的生長，造成作物減產，危害森林的生長。此外，酸雨還腐蝕建筑材料，有關資料說明，近十幾年來，酸雨地區的一些古跡特別是石刻、石雕或銅塑像的損壞超過以往百年以上，甚至千年以上。世界已有三大酸雨區。我國華南酸雨區是唯一尚未治理的。

地球環境問題(八)、森林銳減

地球上，我們的綠色屏障——森林正以平均每年4000平方公里的速度消失。森林的減少使其涵養水源的功能受到破壞，造成了物種的減少和水土流失，對二氧化碳的吸收減少進而又加劇了溫室效應。

地球環境問題(九)、土地荒漠化

全球陸地面積占60%，其中沙漠和沙漠化面積29%。每年有600萬公頃的土地變成沙漠。經濟損失每年423億美元。全球共有干旱、半干旱土地50億公頃，其中33億遭到荒漠化威脅。致使每年有600萬公頃的農田、900萬公頃的牧區失去生產力。人類文明的搖籃底格里斯河、幼發拉底河流域，已由沃土變成荒漠。中國的黃河流域，水土流失亦十分嚴重。

第9篇：大氣污染主要因子范文

大氣顆粒物是大氣環境中化學組成復雜、來源多樣、危害較大的污染物之一[1-2],是降低大氣能見度,造成灰霾天氣的主要原因.大氣顆粒物濃度超標是我國許多城市空氣質量管理中的突出問題.可吸入顆粒物(PM10)可通過呼吸道進入人體,沉積在上呼吸道,粒徑小于2.5μm的細粒子(PM2.5)可進入肺泡中,并可能導致與心和肺的功能障礙有關的疾病[3].PM2.5由含碳物質、水溶性無機鹽和不溶礦物質構成,主要來自各種燃燒過程的一次排放和氣態污染物的二次轉化[4].有研究表明[5-7],我國城市大氣中PM2.5約占PM10的50%~70%.成都市地處四川盆地,風速小、靜風頻率高,環境空氣中PM10濃度長期居高不下,成為主要的環境問題[8].近3年來,成都市PM10年均濃度均超過了100μg/m3,且城區日均濃度值超標率達到15%左右[9-11].為弄清PM10和PM2.5的污染狀況、分布特征以及與氣象條件的關系,本研究通過對成都不同采樣點PM10和PM2.5質量濃度的時空分布特征分析,了解成都市大氣顆粒物的污染狀況、及其與氣象條件的關系,為進一步對大氣顆粒物的來源和化學組成分析提供依據.

1材料與方法

1.1樣品采集

采樣點位于成都市上風向的麗都花園(E104°2′9″,N30°37′48″)、下風向的熊貓基地(E104°8′50″,N30°43′58″)、以及市中心的草堂寺(E104°1′41″,N30°39′44″),3個采樣點分別代表了成都市的生活集中區、城市郊區和商業區3類不同的功能區劃.采樣時間為2009年8月22日~9月20日.每天連續24h采樣,每個采樣點分別采集30組樣品,3個采樣點共采集90個有效的PM2.5樣品和86個有效的PM10樣品.

1.2樣品分析

采樣前將石英濾膜放在600℃條件下加熱處理2h,以除去殘留或吸附在濾膜上的有機物,采樣前對濾膜進行至少48h以上的干燥,平衡、稱重(精密度為萬分之一的電子天平).通過采樣前、后濾膜重量之差,以及采樣標況體積(101.325kPa,273K條件下),計算得到環境空氣中PM10和PM2.5的質量濃度.

1.3氣象數據來源

氣象參數采用成都市同期地面氣象觀測數據(氣溫、氣壓、風速、相對濕度、降水等),成都市能見度數據采用成都溫江區每天02:00、08:00、14:00和20:00觀測數據.

2結果與討論

2.1PM2.5和PM10的污染狀況

表1給出了采樣期間3個采樣點PM2.5和PM10的日平均濃度以及濃度變化范圍.由表1可知,PM2.5和PM10濃度均是熊貓基地>草堂寺>麗都花園,成都市PM2.5和PM10平均濃度分別為66,94μg/m3.根據我國最新公布的環境空氣質量標準GB3095-2012中PM2.5和PM10二級標準日均濃度限值(75μg/m3和150μg/m3)[12]得出成都市PM2.5和PM10日均濃度超標率分別為35.56%和12.79%.3個采樣點的PM2.5日均濃度超標率:草堂寺>熊貓基地>麗都花園,PM10日均濃度超標率:熊貓基地>草堂寺>麗都花園.

由圖1和圖2可知,PM2.5和PM10質量濃度變化范圍較大.將采樣期分為2部分:清潔天氣和污染天氣.以國家二級空氣質量標準PM10限值150μg/m3作比較,有4d(9月7日、8日、17日和18日)超過該限值,定義為污染天氣;其余未超過該標準的26d為清潔天氣.PM10和PM2.5在整個采樣期呈同步變化趨勢,出現典型的清潔-污染-清潔-污染-清潔天氣過程.從空間分布來看,PM2.5和PM10質量濃度均是熊貓基地>草堂寺>麗都花園,熊貓基地較其余2個采樣點污染較為嚴重的原因主要是:熊貓基地處于成都市下風向,并且大氣底層出現氣旋式環流,導致大氣顆粒物的輸送、累積.從時間分布來看,PM2.5和PM10質量濃度在污染天氣9月18日出現最大值,分別為171μg/m3(熊貓基地)和265μg/m3(熊貓基地),不利氣象條件是造成熊貓基地在該日出現濃度最大值的主要原因;9月7~9日PM2.5和PM10質量濃度相對較高;清潔天氣9月13日PM2.5和PM10質量濃度出現最低值,分別為11μg/m3(熊貓基地)和15μg/m3(麗都花園).大部分觀測日的PM10日均值<150mg/m3,空氣質量達到“良”,12.8%的空氣質量為“輕微污染”,但PM2.5未達到我國最新公布的環境空氣質量標準GB3095-2012中PM2.5二級標準日均濃度限值(75μg/m3)的觀測日超過總觀測天數的三分之一,表明成都市大氣細顆粒物PM2.5污染較嚴重.

2.2PM2.5占PM10百分比情況

根據圖3可知,PM2.5和PM10質量濃度顯著相關,相關系數R達0.93.線性回歸結果表明在整個采樣期3個采樣點PM2.5占PM10質量載荷的66.5%,表明細粒子對大氣顆粒物污染貢獻顯著.由表1及圖4可知,成都市PM2.5/PM10平均值為0.69,變化范圍0.48~0.91;3個采樣點PM2.5/PM10平均值熊貓基地<麗都花園≈草堂寺.2009年8月~9月PM2.5/PM10平均值明顯高于成都2001年6月觀測值0.46[8],可能原因是近年來成都市采取的一些措施(對污染較重工廠的外遷、對揚塵和建筑塵等污染源進行控制)對2009年大氣粗顆粒污染狀況的改善作用更為明顯,以及成都市機動車保有量增加所帶來的機動車尾氣排放量增加,進而導致PM2.5質量濃度升高.

2.3顆粒物濃度與氣象要素的關系

氣象要素(溫度、風速、氣壓、相對濕度和降水等)是影響大氣顆粒物質量濃度的重要因素.一定的氣溫、風速、氣壓、相對濕度和降水情況構成一定的天氣狀況,有利天氣狀況(低溫、大風、低濕等)有利于顆粒物的稀釋擴散,導致顆粒物質量濃度降低;而不利的天氣狀況則導致顆粒物質量濃度升高[13].圖5為觀測期間PM2.5和PM10質量濃度與氣象要素(溫度、風速、氣壓、相對濕度和降水量)隨時間的變化關系圖.

2.3.1溫度對顆粒物濃度的影響

采樣期間,成都市日均氣溫范圍為19~31℃,統計分析表明,3個采樣點PM2.5和PM10質量濃度與溫度沒有明顯相關性(相關系數分別為0.29和0.23),說明與溫度相關的氣候條件如日照強度與日照時間對顆粒物在大氣中的分布沒有顯著影響.

2.3.2氣壓對顆粒物濃度的影響

氣壓的高低與大氣環流形勢密切相關.當地面受低壓控制時,四周高壓氣團流向中心,中心形成上升氣流,通常風力較大,利于污染物向上擴散,顆粒物濃度較小;地面受高壓控制時,中心部位出現下沉氣流,阻止污染物向上擴散,在穩定高壓的控制下,大氣污染加重,顆粒物濃度較大[14].由圖5b可知,2009年8月30日~9月3日,氣壓逐日減小,而顆粒物濃度則逐日增大;2009年9月11日~17日,氣壓總體呈先增后降趨勢,顆粒物濃度則呈先降后增.由此可見,該2時段顆粒物質量濃度與氣壓存在較明顯的負相關,并且PM2.5、PM10與氣壓的相關系數R分別為-0.25和-0.31.

2.3.3風速對顆粒物濃度的影響

風是反映大氣動力穩定性的重要特征量,是與空氣污染密切相關的氣象參數,它對大氣污染物的稀釋擴散和三維輸送起著重要作用[15].一般來說,風速越大,越有利于大氣顆粒物擴散,相應濃度越低;反之,濃度越高.由圖5c可知,整個采樣期間,顆粒物濃度與風速變化趨勢相反,顆粒物濃度最高值出現在2009年9月18日,風速最小,0.3m/s條件.PM2.5和PM10質量濃度與風速的相關系數R分別為-0.47和-0.45.

2.3.4相對濕度對顆粒物濃度的影響

由圖5d知,隨著相對濕度的上升和下降,大氣顆粒物濃度表現出不完全一致的變化趨勢.在一定濕度范圍(以不發生重力沉降為界限)內,相對濕度越大越有利于顆粒物的形成,相對濕度是影響可吸入顆粒物污染的一個較為重要的因素,尤其是高濕度空氣容易造成顆粒物的較重污染[16].

2.3.5降水對顆粒物濃度的影響

降水對環境空氣中污染物能起到清除和沖刷作用,是一種濕清除(或濕沉降)過程,因此它是維持大氣成分相對穩定的重要因子[16].由圖5e可知,大氣顆粒物濃度較低值出現在2009年9月10日~14日,期間存在明顯的降水過程.降水對PM10濃度的影響較大,通過雨水作用可大大減少與生產活動相關的揚塵,并且降水主要是清除可吸入顆粒物中的粗顆粒,而對細顆粒的影響較小.

2.4能見度與顆粒物濃度之間的關系

研究表明,顆粒物是造成能見度降低的主要原因,造成能見度下降的主要原因是由于大氣中的污染氣體尤其是顆粒物對可見光的吸收和散射所產生的消光作用所致[17].由圖6可見,能見度與PM2.5和PM10質量濃度之間具有明顯的負相關性,且與PM2.5的相關系數(R=-0.59)大于與PM10的相關系數(R=-0.51),換言之,能見度的好壞受大氣顆粒物尤其是細顆粒物的濃度大小的影響.

3結論

3.1觀測期間,成都市大氣PM10污染狀況較好,其質量濃度日均值為94μg/m3,好于國家環境空氣質量二級標準限值;PM2.5質量濃度日均值為66μg/m3,略低于我國最新公布的環境空氣質量標準二級標準限值;PM2.5和PM10日均濃度超標率分別為35.56%和12.79%.

3.2成都市PM2.5、PM10質量濃度均是熊貓基地>草堂寺>麗都花園,即下風向污染狀況最嚴重,商業繁華地段次之,生活居住區最好;顆粒物污染最嚴重出現在9月17~19日,以及9月5~9日2個時間段,不利的氣象因素和污染物累積是造成該時間段大氣顆粒物污染加重的主要原因.

3.3PM2.5與PM10質量濃度呈顯著相關性,且兩者的比值更是高達0.69,表明細粒子對大氣顆粒物污染的貢獻較大.