2015—2019年冬季黄河流域中游大气污染物空间分布特征

doi:10.13474/j.cnki.11-2246.2021.303

测绘通报 ›› 2021, Vol. 0 ›› Issue (10): 39-47.doi: 10.13474/j.cnki.11-2246.2021.303

2015—2019年冬季黄河流域中游大气污染物空间分布特征

王维思^1,2, 马清霞¹, 张建辰¹, 李广佳³

1. 河南大学地理与环境学院黄河中下游数字地理技术教育部重点实验室(河南大学), 河南开封 475004;
2. 河南省生态环境监测中心, 河南郑州 450000;
3. 河南大学民生学院, 河南开封 475004

收稿日期:2021-06-08 出版日期:2021-10-25 发布日期:2021-11-13
通讯作者: 马清霞。E-mail:mqx@henu.edu.cn
作者简介:王维思(1981-),男,工程师,研究方向为大气复合型污染成因与来源。E-mail:51666434@qq.com

Spatial distribution of air pollutants in the middle reaches of the Yellow River Basin in winter 2015-2019

WANG Weisi^1,2, MA Qingxia¹, ZHANG Jianchen¹, LI Guangjia³

1. Key Laboratory of Geospatial Technology for the Middle and Lower Yellow River Regions(Henan University), Ministry of Education, College of Geography and Environmental Science, Henan University, Kaifeng 475004, China;
2. Henan Ecological and Environmental Monitoring Center, Zhengzhou 450000, China;
3. Henan University Minsheng College, Kaifeng 475004, China

Received:2021-06-08 Online:2021-10-25 Published:2021-11-13

摘要/Abstract

摘要： 本文基于2015—2019年冬季黄河流域中游地区（山西段和陕西段）6种大气污染物的浓度数据，研究了黄河流域中游冬季大气污染物的变化特征。研究结果表明，2015—2019年黄河流域中游地区，PM₁₀和CO浓度持续降低，O₃浓度持续升高，PM_2.5、SO₂及NO₂平均浓度呈先上升后下降的规律。2019年主要污染物NO₂、CO、PM_2.5、PM₁₀及SO₂浓度均最低；2019年冬季O₃平均浓度达到最高（54μg/m³）。研究地区下游的PM_2.5浓度高于上游，且沿黄河由北向南其浓度逐渐增加，黄河东侧山西段的PM_2.5浓度高于西侧陕西段。研究区域PM₁₀污染浓度由2015—2016年的黄河东侧高西侧低转变为2017—2019年上游低下游高的分布特征。SO₂浓度呈黄河东岸比西岸高的分布。NO₂高值区域从2015—2017年黄河西侧下游地区变为2018—2019年中上游地区；CO平均浓度高值区域位于黄河东侧下游地区；O₃浓度空间分布特征不明显，但近5年浓度大幅增加，需要加强对臭氧的防控。

关键词: 黄河流域中游地区, 大气污染物, 空气质量, 时空分布

Abstract: Based on the six air pollutants concentrations in the middle reaches of the Yellow River Basin (Shanxi section and Shaanxi section) in the winter of 2015-2019, this paper studies the variation characteristics of air pollutants in the middle reaches of the Yellow River Basin in winter. The results show that the concentrations of PM₁₀ and CO in the middle reaches of the Yellow River Basin decrease continuously from 2015 to 2019, and the O₃ concentration continues to increase, and the average concentrations of PM_2.5, SO₂ and NO₂ increase firstly and then decrease. The concentrations of NO₂, CO, PM_2.5, PM₁₀ and SO₂ are the lowest in 2019. The average concentration of O₃ is the highest in winter of 2019 (54 μg/m³). The concentration of PM_2.5 in the lower reaches of the study area is higher than that in the upper reaches, and gradually increases from north to south along the Yellow River. The concentration of PM_2.5 in the Shanxi section of the east side of the Yellow River is higher than that in the Shaanxi section of the west side. The spatial distribution of PM₁₀ concentration in the study area changes from high in the East and low in the west of the Yellow River in 2015-2016 to low in the upstream and high in the downstream in 2017-2019. The concentration of SO₂ in the east bank of the Yellow River is higher than that in the west bank. The high NO₂ value region change from the lower west of the Yellow River in 2015-2017 to the middle and upper reaches of the Yellow River in 2018-2019. The high CO concentration area is located in the lower reaches of the east side of the Yellow River. The spatial distribution of O₃ concentration is not obvious, but the concentration increases significantly in recent five years. So we need to strengthen the monitoring and prevention of ozone in the future.

Key words: middle reaches of the Yellow River, air pollutants, air quality, spatio-temporal distribution

中图分类号:

王维思, 马清霞, 张建辰, 李广佳. 2015—2019年冬季黄河流域中游大气污染物空间分布特征[J]. 测绘通报, 2021, 0(10): 39-47.

WANG Weisi, MA Qingxia, ZHANG Jianchen, LI Guangjia. Spatial distribution of air pollutants in the middle reaches of the Yellow River Basin in winter 2015-2019[J]. Bulletin of Surveying and Mapping, 2021, 0(10): 39-47.

参考文献

[1] 李栋, 孟慧娟, 李春晓, 等.临沂市秋季大气污染物高浓度时段分布特征研究[J]. 环境科学与管理, 2020, 45(5):81-85.
[2] 孙小燕, 杨萍果, 敖红, 等.山西省2015年细颗粒物的污染状况和空间分布[J]. 地球环境学报, 2017, 8(5):459-468.
[3] 陈世强, 张航, 齐莹, 等.黄河流域雾霾污染空间溢出效应与影响因素[J]. 经济地理, 2020, 40(5):40-48.
[4] 王锦旗, 宋玉芝, 黄进.气溶胶对陆生植物生长的影响研究进展[J]. 气象与环境科学, 2018, 41(1):116-124.
[5] 徐冉, 张恒德, 杨孝文, 等.北京地区秋冬季大气污染特征及成因分析[J]. 环境科学, 2019, 40(8):3405-3414.
[6] 赵柄鉴, 文传浩, 唐中林.黄河生态经济带空气质量时空分异研究(2015-2018)[J]. 长江流域资源与环境, 2021, 30(4):900-914.
[7] 邢峰, 韩荣青, 李维京.夏季黄河流域降水气候特征及其与大气环流的关系[J]. 气象, 2018, 44(10):1295-1305.
[8] 张晗宇, 程水源, 姚森, 等.2016年10~11月期间北京市大气颗粒物污染特征与传输规律[J]. 环境科学, 2019, 40(5):1999-2009.
[9] 王莉莉, 王跃思, 吉东生, 等.天津滨海新区秋冬季大气污染特征分析[J]. 中国环境科学, 2011, 31(7):1077-1086.
[10] 薛亦峰, 周震, 聂滕, 等.2015年12月北京市空气重污染过程分析及污染源排放变化[J]. 环境科学, 2016, 37(5):1593-1601.
[11] 张岳军, 朱凌云, 郭伟, 等.汾渭平原大气SO₂和NO₂时空变化特征分析[J]. 生态环境学报, 2020, 29(6):1147-1156.
[12] 姬艺珍, 郭伟, 胡正华, 等.太原市PM_2.5积累特征及重污染天气成因分析[J]. 环境科学学报, 2021, 41(3):853-862.
[13] 徐丹妮, 王瑾婷, 袁自冰, 等.汾渭平原复杂地形影响下冬季PM_2.5污染分布特征、来源及成因分析[J]. 环境科学学报, 2021, 41(4):1184-1198.
[14] 马敏劲, 杨秀梅, 丁凡, 等.中国南北方大气污染物的时空分布特征[J]. 环境科学与技术, 2018, 41(5):187-197.
[15] 朱玉周, 刘和平, 郭学峰, 等.郑州市空气质量状况及冬季持续污染过程的气象机理分析[J]. 气象与环境科学, 2009, 32(3):47-50.
[16] 赵海丽, 唐敏, 徐瑞红.安阳市环境空气质量状况、污染原因与对策分析[J]. 环境科学导刊, 2019, 38(2):36-41.
[17] 赵雪, 沈楠驰, 李令军, 等.COVID-19疫情期间京津冀大气污染物变化及影响因素分析[J]. 环境科学, 2021, 42(3):1205-1214.
[18] 王占山, 张大伟, 李云婷, 等.北京市夏季不同O₃和PM_2.5污染状况研究[J]. 环境科学, 2016, 37(3):807-815.

2015—2019年冬季黄河流域中游大气污染物空间分布特征

Spatial distribution of air pollutants in the middle reaches of the Yellow River Basin in winter 2015-2019

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 10

编辑推荐

Metrics

本文评价

[1]	杨映新, 洪武胜, 吴曼乔. 利用Sentinel-1影像监测土地回填导致的地表形变[J]. 测绘通报, 2021, 0(6): 67-70.
[2]	黄泽纯, 刘子璞, 范心仪, 洪安东. 利用时空立方体挖掘小微地震时空演变模式[J]. 测绘通报, 2020, 0(9): 106-109.
[3]	余正, 黄加坡, 陈袁芳, 陈炳蓉, 徐刚, 王晶, 龙程. 温州市新型冠状病毒肺炎时空分布格局演化分析[J]. 测绘通报, 2020, 0(7): 45-49,87.
[4]	常明, 尹海权, 苏广利, 田晓, 徐玉健. 利用水准数据的天津市地面沉降时空特征分析[J]. 测绘通报, 2020, 0(7): 88-92.
[5]	吴益玲, 李成名, 戴昭鑫, 吴政. 城区空气质量指数时空分布特征及影响机制分析[J]. 测绘通报, 2020, 0(4): 81-86.
[6]	于志英, 张福浩, 仇阿根, 赵阳阳. 基于IGGⅢ的地理加权回归模型研究[J]. 测绘通报, 2019, 0(7): 23-27.
[7]	王睿, 周梦杰, 王一恒, 刘耀林. 东北地区空气质量时空模式的可视化制图表达[J]. 测绘通报, 2017, 0(8): 88-91.
[8]	刘汇慧, 阚子涵, 吴华意, 唐炉亮. 车辆GPS轨迹加油行为建模与时空分布分析[J]. 测绘通报, 2016, 0(9): 29-34.
[9]	李祥, 彭玲, 池天河, 李浩川, 徐逸之. 北京市空气质量时空特征分析[J]. 测绘通报, 2016, 0(9): 47-51.
[10]	潘文超, 郝金明, 徐海鑫, 吴帅. 利用IGS对流层产品预报空气质量指数研究[J]. 测绘通报, 2016, 0(1): 76-79.