2013-2017年PM2.5水平的时空趋势以及中国联合预防和控制大气污染的区域划分外文翻译资料

 2022-11-12 19:43:19

英语原文共 9 页，剩余内容已隐藏，支付完成后下载完整资料

2013-2017年PM2.5水平的时空趋势以及中国联合预防和控制大气污染的区域划分

亮点：

  • 研究了2013-2017年中国PM2.5的时空变化趋势。
  • APPCAP的颁布和实施改善了我国的空气质量。
  • 确定了7个空气质量趋势相似的区域。
  • 该结果可用于支持中国未来空气质量的改善。

关键词：PM2.5、时空分布

摘要：

大气污染防治行动计划（APPCAP）的颁布和实施大大加快了中国空气质量的改善。在本研究中，使用算术平均值和百分位数方法评估和分析这些改善。仔细阐述了空气质量的状况和趋势，还确认了自APPCAP实施以来的剩余空气污染风险。此外，还创建了一个复杂的网络相关模型，用于划分中国境内高度相关的区域，这些区域使用长期PM2.5浓度数据进行识别。结果表明，自APPCAP实施以来，全国的年平均PM2.5浓度下降了30％以上。然而，仍有超过10亿人接触含有PM2.5浓度超过WHO临时目标-1（WHO IT-1）的空气。人口超过1000万的城市一般是中国污染最严重的地区，而人口少于100万的地区的PM2.5浓度符合WHO IT-1标准。此外，PM2.5网络相关性分析定义了7个关键的联合预防和控制。大气污染（JPCAP）区域里的PM2.5质量浓度具有很强的同步性；这些结果表明，JPCAP可以在每个划分区域中单独实施。本文提出的大气污染控制概念和方法也广泛适用于在全球其他实施JPCAP政策的地区。

1.介绍：

近年来，中国遭受了极其严重和持续的雾霾事件，其中空气动力学直径小于2.5毫米的细颗粒物（PM2.5）构成了主要污染物（Guo等，2017；Shi等，2017；Yan等，2018）。PM2.5浓度（包括在环境空气质量标准（AAQS;GB 3095-2012）中作为常规检测指标）也已成为空气污染和质量评估的关键参数（Ma等，2017； Zhang等，2017a；Zheng等，2016）。为了控制PM2.5污染，2013年6月在中华人民共和国国务院常务会议上介绍了空气污染防治行动计划（APPCAP）。鉴于中国的规模，PM2.5排放和大气资源扩散条件存在明显的区域差异，（Zhang等，2016），这导致了PM2.5浓度分布存在的显著的时空变化（Jin等，2017；Song等，2017）。自APPCAP实施以来，中国年平均PM2.5浓度都出现了显着的下降趋势。然而，这些空气质量改善表现出时空变化，一些城市在某些时期经历了不同程度的空气质量恶化（环境保护部，2014年，2015年，2016年，2017年，2018年）。

特定地区的PM2.5污染不仅受到当地污染源排放的影响，而且受到来自该地区以外的污染物的不同程度影响，如几个群体所报告的那样（Khuzestani等，2017；Qiao等，2018；Zhang等，2017）。因此，要充分了解影响某个城市空气质量的因素，仅仅分析该城市的空气质量是不够的；还必须考虑周边地区的污染。中国大型活动和竞赛期间采取的空气质量保证措施在区域层面实施的联合预防和控制大气污染（JPCAP）措施取得了优异成果（Wang等，2017；Xu等，2018）。因此，确定区域环境治理中使用的协作区域的边界对于制定长期JPCAP政策和有效实施JPCAP至关重要。如果边界太大，这些区域合作将变得不必要地复杂化，而如果边界太小，区域环境治理将是无效的。

为了加强JPCAP，基于重点区域大气污染防治“十二五”规划（环境保护部，2012），我国首先分为三个主要区域，即京津冀地区，长江三角洲和珠江三角洲以及十大城市群，包括兰州-西宁，武汉及周边地区，陕西关中等。但是，上述现有的区域划分是基于行政管理和经济因素，相关的空气质量控制理论和技术方面，包括区域传播和空气污染研究，仍然具有挑战性。大多数关于区域PM2.5传输的研究都使用空气质量模型。例如，SMOKE模型已用于识别污染源，MM5和WRF气象模型已被使用（Zhou等，2017），以及CAMx（Shahbazi等，2017），NAQPMS（Ge等，2014）和CMAQ（Guo等，2017b）空气质量模型已被用于研究PM2.5运输。但是，这些所有模型都依赖于详细的污染源，而收集源数据可能很难。此外，目前的研究通常仅限于具有行政边界的个别城市或地区，这些行政边界不一定与区域PM2.5污染的实际范围一致（Wang和Zhao，2018）。因此，有必要在国家层面研究城市PM2.5污染，并划定PM2.5质量浓度强烈同步的区域，以支持划定JPCAP的适当边界并制定巩固JPCAP的政策。

本研究使用算术平均值和百分位数方法。

  1. 分析APPCAP实施前后中国的空气质量，确定其有效性；2）分析2013-2017年全国各城市PM2.5每小时浓度监测数据；3）建立PM2.5网络相关模型识别和划分每小时PM2.5浓度具有显著时间相关性的区域。该分析可以帮助我们提高对APPCAP实施效果的认识，划定中国区域合作边界，并在JPCAP实施期间协调区域环境治理。

2.数据和研究方法

2.1 研究范围

由于国家PM2.5监测网络的持续时间和范围的限制，中国城市使用两种方法进行分类。第一种分类方法基于规划区域（Guo et al。，2017a），包括三个关键区域（京津冀地区、长三角区域和珠三角区域）和两个主要集群：西部人口较少的地区（WLPC）和东部人口较多的地区（EMPC），由黑河-腾冲线划分（图1）；根据人口普查数据，约有6％的人口居住在西部人口较少的地区，而约有94％的人口居住在东部人口较多的地区（Ma et al。，2016）。三个最发达的地区，即京津冀地区、长三角地区和珠三角地区，都位于东部，人口分别为104.41,215.61和104.32万；这三个关键地区特别令人关注。第二种分类方法是基于环境保护部（MEP，2012）进行的三阶段监测的城市数据。这三个阶段是根据国务院批准的新三级空气质量标准的实施计划确定的。从2013年开始，中国常规监测城市数量增加。2013年开始的第一阶段监测包括74个城市，包括中央直辖市（北京、上海、重庆和天津），省会城市和国家社会经济计划中明确指定的城市。监测的第二和第三阶段分别在2014年和2015年进行，分别监测了161个城市和全国338个城市。选择的338个城市包括2015-2017年我国所有地级及以上城市。在常规监测计划中，每个城市都配备了几个监测站；在2013年，2014年和2015-2017年，全中国分别有近800,1000和1500个监测站。图1显示了中国环境保护部（MEP）制定的三阶段例行监测规划中城市的位置。

图1 中国环境保护部制定的三阶段例行监测规划的城市位置

2.2 数据源

首先，自2013年1月以来，环保部获得了PM2.5等5种有害空气污染物(PM10、SO2、NO2、CO、O3)的国家级数据。目前，所有地表PM2.5浓度均采用振荡微量天平和beta;射线法进行测量。然而，由于半挥发性物质的损失，这些方法存在误差。仪器操作和管理、数据保障和质量控制均严格按照中国AAQS指南(GB 3095-2012)执行。本研究收集了2013年1月至2017年12月中国各监测点PM2.5逐小时平均浓度。(2)从国家统计局的人口普查数据库中获取城市特定人口和年龄分布数据(NBSC, 2017)。

2.3评估方法

PM2.5平均浓度是各城市及全国所有监测站测得的浓度的算术平均值。只有当在一天内可获得超过20小时的有效数据（值大于零）时，才可以计算24小时平均浓度（Wang等，2014）。采用算术平均值，用SPSS 13.0软件对PM2.5年平均浓度和日平均浓度百分位数进行统计分析，来确定2013-2017年三个主要区域和全国的浓度趋势。

年算术平均PM2.5浓度已广泛用于统计评估中国的常规空气质量的测量。但是，这种方法掩盖了特定被严重污染的城市的污染程度，也没有反映恶劣环境条件的影响，如空气质量方面的短期严重污染事件；严重污染事件可能通过取平均后忽视了。一些国家已经使用百分位数法评估不同污染水平下的城市空气质量以及与污染变化相关的天气变化（Salakod和Hopke，2012）。例如，美国环境保护署（US EPA）规定，在给定的一年中，PM2.5的24小时平均浓度的第98百分位不应超过35mu;g/ m3（US EPA，2015）。同时，世界卫生组织（WHO）标准规定，每日平均PM2.5浓度超过35mg/m3一年内不应超过三天（WHO，2015）。

在这项研究中，我们还根据人口和城市中相应的PM2.5浓度评估了PM2.5的暴露情况。相对变化（RV）用于比较APPCAP实施期间两年内PM2.5浓度的变化。RV的定义如下：

RV=(x-y)/y*100%

其中x和y代表2013-2017年任何两年的PM2.5年均浓度。

2.4 PM2.5网络相关模型的构建

使用R包，开发了网络相关模型，被用来描述2013-2017年间中国城市逐小时PM2.5浓度的假定直接和间接相互作用（McMurdie和Holmes，2013）。网络相关模型包含大量的个人和个人交互信息，并且可以以图形的形式表示，如图2所示，G=(V,R)，其中V表示一组节点，P代表边缘重量。模型节点由2017年全国31个省或338个城市组成；边缘由逐小时PM2.5质量浓度的省或城市之间的相关系数（P值）组成（图2）。在这个等式中，Vi和Pij分别代表图的节点和边缘。 Pearson相关系数（P）反映了两个变量之间的线性相关程度（Mu et al.，2018）。样本大小用n表示，而和分别表示两个变量的观测值和平均值，对于任意两个随机变量X={x1,x2,hellip;,xn}和Y={y1,y2,hellip;,yn},P(X,Y)定义如下，

P(X,Y)的范围是-1到1，其中P的绝对值越大表示两个城市或区域之

间的相关性越强，因此区域连续性越好。当P(X,Y)的值为-1或1时，两个变量是完全相关的，当值为0时，两个变量是线性无关的。

图2 PM2.5网络关联模型示意图

3.结果与讨论

3.1中国PM2.5浓度的频率分布

使用SPSS软件对中国338个城市的年均和日均PM2.5浓度数据进行分析，以探索具有统计学意义的关系（图3和图4）。两种类型的平均浓度不是正态分布的，但是显示出近正态分布特征。2017年，空气质量（年PM2.5浓度）超过AAQS（GB 3095-2012）中规定的二级标准，在我国227个城市中占67.1%；PM2.5作为主要污染物的天数占所有被污染天数的80.3％（MEP，2018年）。就被严重污染的城市而言，年均PM2.5浓度超过世界卫生组织中期目标-1标准（IT-1,25-35mg/m3）至少两倍，不到10％的天数。研究的特点是“严重”或更严重的污染。但是，它的分布很广并且在曲线的两个尾部具有不对称的频率。因此，使用平均值来表示一个地区的年PM2.5浓度，将每个城市的空气质量标准化为均值，模糊了关键问题，可能使公众对空气质量的看法有错误理解。

PM2.5的年均浓度(mu;g/m3)

图3 2017年中国338个城市的PM2.5年均浓度的频率分布

PM2.5的日均浓度(mu;g/m3)

图4 2017年中国338个城市的PM2.5年均浓度的频率分布

城市的年平均PM2.5浓度用于计算算术平均值，最大值以及第50,70和90百分位数。2013-2017年，三个主要地区的PM2.5年平均浓度降低了30％以上，并且累计在整个国家（表1）。因此，算术平均值和百分位数法产生了类似的长期空气质量评估结果。然而

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[18689]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章