2019—2021年疫情前后唐山市大气污染物变化特征及成因分析

doi:10.6046/zrzyyg.2022409

摘要
图/表
参考文献
相关文章
Metrics

全文: PDF(11478 KB)

HTML
输出: BibTeX | EndNote (RIS)

摘要

为了研究COVID-19疫情前后大气污染受人类活动的影响程度,特对2019—2021年的唐山市大气污染物变化特征进行分析及成因研究。采用减排效应估算模型及反距离插值法,得出各时间段大气污染物的浓度变化情况及影响因素,为唐山市大气环境治理提供合理化建议。结果表明: 2019—2021年唐山市首要污染物占比比较稳定,PM_2.5占据榜首,以O₃为代表的光化学污染近几年大幅增多; 通过人为减排公式计算,表明控制人为源排放对大气污染治理有明显作用。通过反距离插值法分析发现,PM_2.5浓度峰值逐步减少,且高浓度区域分布有往市中心移动的趋势。

	服务

	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	马东玲
	任永强
	陈星彤
	孔金哥

关键词 ： COVID-19疫情, 唐山市, 大气污染物特征, 人为影响

Abstract：

To investigate the anthropogenic influence on air pollution before and after the COVID-19 pandemic, this study analyzed the variations and causes of air pollutants in Tangshan City from 2019 to 2021. It derived the changes in their concentrations and their influencing factors in each time period using an estimation model for emission reduction effects and an inverse distance interpolation method. Accordingly, this study proposed reasonable suggestions for the atmospheric environment control in Tangshan. The results show that: ① From 2019 to 2021, the proportions of primary pollutants in Tangshan remained relatively stable, with PM_2.5 ranking first and photochemical pollution represented by O₃ increasing significantly in recent years; ② The results calculated using the formula for anthropogenic emission reduction show that the control over anthropogenic emissions plays a significant role in constraining air pollution; ③ The analysis based on the inverse distance interpolation method indicates that the peak concentration of PM_2.5 gradually decreased, with the high-concentration distribution shifting toward the city center.

Key words： COVID-19 Tangshan City characteristics of air pollutants anthropogenic influence

收稿日期: 2022-10-24 出版日期: 2024-03-13

ZTFLH:	TP79
	X51

基金资助:教育部产学合作协同育人项目“《PIE-Engine遥感大数据云计算实战》课程建设与实践”(202102245007);华北理工大学教育教学改革研究与实践项目“碳中和元素融入《PIE Engine遥感云计算实战》课程教学中的探索与实践”(202202)

通讯作者: 任永强(1987-),男,硕士,主要研究方向为地理信息系统应用与开发。Email: lvdou2518@163.com。

作者简介: 马东玲(1997-),女,硕士研究生,主要研究方向为区域资源环境遥感监测与评价。Email: 1418096828@qq.com。

引用本文:

马东玲, 任永强, 陈星彤, 孔金哥. 2019—2021年疫情前后唐山市大气污染物变化特征及成因分析[J]. 自然资源遥感, 2024, 36(1): 275-280.
MA Dongling, REN Yongqiang, CHEN Xingtong, KONG Jinge. Analysis of the variations and causes of air pollutants in Tangshan City before and after the COVID-19 pandemic from 2019 to 2021. Remote Sensing for Natural Resources, 2024, 36(1): 275-280.

链接本文:

https://www.gtzyyg.com/CN/10.6046/zrzyyg.2022409 或 https://www.gtzyyg.com/CN/Y2024/V36/I1/275

Fig.1 唐山市国控站点分布图

Fig.2 2019—2021年大气污染物浓度及AQI季节均值变化曲线

Fig.3 重污染阶段PM_2.5日变化

Fig.4 重污染阶段温度走势

Fig.5 重污染阶段风向玫瑰图

Fig.6 重污染阶段污染玫瑰图

Tab.1 防控初期唐山市本地排放及人为减排估算值

Fig.7 2019年PM_2.5浓度分布

Fig.8 2020年PM_2.5浓度分布

Fig.9 2021年PM_2.5浓度分布

[1]	田晓蕾, 谢志辉, 刘孟雄, 等. 2014—2020年唐山市O₃与PM_2.5浓度变化及复合污染特征[C]// 中国环境科学学会2021年科学技术年会论文集(一).中国环境科学学会, 2021:580-586.
	Tian X L, Xie Z H, Liu M X, et al. DOTA:Changes of O₃ and PM_2.5 concentrations and characteristics of combined pollution in Tangshan City from 2014 to 2020[C]// Chinese Society for Environmental Sciences, 2021:580-586.
[2]	张壹, 魏扬. 2019—2021年唐山市PM_2.5及O₃污染特征分析[J]. 绿色科技, 2023, 25(2):81-87.
	Zhang Y, Wei Y. Characteristics of PM_2.5 and O₃ pollution in Tangshan City from 2019 to 2021[J]. Journal of Green Science and Technology, 2023, 25(2):81-87.
[3]	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.
	Zhao X, Shen N C, Li L J, et al. Analysis of changes and factors influencing air pollutants in the Beijing-Tianjin-Hebei region during the COVID-19 Pandemic[J]. Environmental Science, 2021, 42(3):1205-1214.
[4]	易嘉慧, 何超, 杨璐, 等. COVID-19疫情期间全球气温和主要大气污染物浓度变化的空间关联[J]. 生态环境学报, 2022, 31(4):740-749. doi: 10.16258/j.cnki.1674-5906.2022.04.012
	Yi J H, He C, Yang L, et al. Spatial correlation between changes in global temperature and major air pollutants during the COVID-19 pandemic[J]. Ecology and Environmental Sciences, 2022, 31(4):740-749.
[5]	Wilder-Smith A, Freedman D O. Isolation,quarantine,social distancing and community containment:Pivotal role for old-style public health measures in the novel coronavirus (2019-nCoV) outbreak[J]. Journal of Travel Medicine,2020, 27(2):taaa020. doi: 10.1093/jtm/taaa020
[6]	侯广玺. 唐山以“中国近代工业的摇篮”闻名于世[J]. 中国地名, 2014(1):74-76.
	Hou G X. Tangshan is famous as “the cradle of China’s modern industry”[J]. China Place Name, 2014(1):74-76.
[7]	张浩杰. 唐山市PM_2.5污染特征与来源解析[D]. 济南: 山东大学, 2019.
	Zhang H J. Characteristics and source apportionment of PM_2.5 pollution in Tangshan[D]. Jinan: Shandong University, 2019.
[8]	彭思岭. 气象要素空间插值方法优化研究[J]. 地理空间信息, 2017, 15(7):86-89.
	Peng S L. Optimized study on spatial interpolation methods for meteorological element[J]. Geospatial Information, 2017, 15(7):86-89.
[9]	曹越, 王宏宇. 城市环境中遥感技术的应用研究[J]. 环境科学与管理, 2015, 40(3):5-8.
	Cao Y, Wang H Y. Application of remote sensing technology in environmental research[J]. Environmental Science and Management, 2015, 40(3):5-8.
[10]	李令军, 王占山, 张大伟, 等. 2013—2014年北京大气重污染特征研究[J]. 中国环境科学, 2016, 36(1):27-35.
	Li L J, Wang Z S, Zhang D W, et al. Analysis of heavy air pollution episodes in Beijing during 2013-2014[J]. China Environmental Science, 2016, 36(1):27-35.
[11]	张荣芝, 王云霞, 史密伟, 等. 石家庄市大气PM_(2.5)中PAHs污染特征及来源分析[J]. 山东化工, 2021, 50(21):234-237.
	Zhang R Z, Wang Y X, Shi M W, et al. Pouution characteristics and sources of PAHs in PM_2.5 in Shijiazhuang City[J]. Shandong Chemical Industry, 2021, 50(21):234-237.
[12]	王秀玲, 花家嘉, 李轩, 等. 2015—2017年唐山市PM_(2.5)重污染生消气象条件分析[J]. 气象与环境学报, 2020, 36(4):45-51.
	Wang X L, Hua J J, Li X, et al. Meteorological conditions for formation and dissipation of PM_2.5 heavy pollution in Tangshan from 2015 to 2017[J]. Journal of Meteorology and Environment, 2020, 36(4):45-51.
[13]	彭玏, 赵媛媛, 赵吉麟, 等. 京津冀大气污染传输通道区大气污染时空格局研究[J]. 中国环境科学, 2019, 39(2):449-458.
	Peng L, Zhao Y Y, Zhao J L, et al. Spatiotemporal patterns of air pollution in air pollution transmission channel of Beijing-Tianjin-Hebei from 2000 to 2015[J]. China Environmental Science, 2019, 39(2):449-458.
[14]	周亚端, 朱宽广, 黄凡, 等. 新冠肺炎疫情期间湖北省大气污染物减排效果评估[J]. 环境科学与技术, 2020, 43(3):228-236.
	Zhou Y D, Zhu K G, Huang F, et al. Emission reductions and air quality improvements during the COVID-19 pandemic in Hubei Province[J]. Environmental Science & Technology, 2020, 43(3):228-236.
[15]	王晓琦, 郎建垒, 程水源, 等. 京津冀及周边地区 PM_2.5传输规律研究[J]. 中国环境科学, 2016, 36(11):3211-3217.
	Wang X Q, Lang J L, Cheng S Y, et al. Study on transportation of PM_2.5 in Beijing-Tianjin-Hebei(BTH) and its surrounding area[J]. China Environmental Science, 2016, 36(11):3211-3217.
[16]	Huang F F, Li X, Wang C, et al. PM_2.5 spatiotemporal variations and the relationship with meteorological factors during 2013-2014 in Beijing,China[J]. PLoS One, 2015, 10(11):E0141642. doi: 10.1371/journal.pone.0141642

[1]	刘源, 李婷. 城市化进程下厦门市海岸线形态时空变化分析[J]. 自然资源遥感, 2024, 36(1): 267-274.
[2]	周小迦. 丘陵地带耕地撂荒遥感监测应用研究[J]. 自然资源遥感, 2024, 36(1): 235-241.
[3]	于冰, 王冰, 刘国祥, 张过, 胡云亮, 胡金龙. 融合DT和SDFPT的时序InSAR矿区形变监测与分析[J]. 自然资源遥感, 2024, 36(1): 14-25.
[4]	范佳慧, 姚云军, 杨军明, 于瑞阳, 刘露, 张学艺, 谢紫菁, 宁静. 基于Ameriflux通量观测数据的Hi-GLASS潜热通量产品验证[J]. 自然资源遥感, 2024, 36(1): 146-153.
[5]	宋英旭, 邹昱嘉, 叶润青, 贺志霞, 王宁涛. 利用GEE云平台实现三峡库区滑坡危险性动态分析[J]. 自然资源遥感, 2024, 36(1): 154-161.
[6]	姚灵筠, 王力, 牛铮, 尹子琪, 付雨文. 2000—2018年长株潭城市群城市扩张及其热岛响应[J]. 自然资源遥感, 2024, 36(1): 162-168.
[7]	陆妍玲, 黄娅琦, 周俊芬, 王杰, 韦晶闪. 基于夜光遥感数据的广西县域农村多维脱贫分析[J]. 自然资源遥感, 2024, 36(1): 169-178.
[8]	李世杰, 冯徽徽, 王珍, 杨卓琳, 王姝. 2010—2019年间洞庭湖流域生态环境状况时空动态特征及影响因素[J]. 自然资源遥感, 2024, 36(1): 179-188.
[9]	胡苗苗, 闫庆武, 李建辉. 基于DMSP/OLS和NPP/VIIRS夜光影像的中原城市群城市扩张的时空演变及驱动力分析[J]. 自然资源遥感, 2024, 36(1): 189-199.
[10]	袁娜, 刘绥华, 胡海涛, 尹霞, 宋善海. 黔东南稳定林地地表反照率时空变化与影响因子分析[J]. 自然资源遥感, 2024, 36(1): 200-209.
[11]	刘美艳, 聂胜, 王成, 习晓环, 程峰, 冯宝坤. 基于ICESat-2和Sentinel-2A数据的森林蓄积量反演[J]. 自然资源遥感, 2024, 36(1): 210-216.
[12]	王艺龙, 王然, 严子清, 张新铭, 李笑龙, 徐崇文. 基于GF-2和ASTER数据青海德龙地区构造蚀变信息提取及找矿预测[J]. 自然资源遥感, 2024, 36(1): 217-226.
[13]	吴冰洁, 文广超, 赵梅娟, 谢洪波, 冯雅杰, 贾琳. 基于Landsat的巴音河流域生态环境综合演化分析[J]. 自然资源遥感, 2024, 36(1): 227-234.
[14]	蒋瑞瑞, 甘甫平, 郭艺, 闫柏琨. 土壤水分多源卫星遥感联合反演研究进展[J]. 自然资源遥感, 2024, 36(1): 1-13.
[15]	刘晓亮, 王志华, 邢江河, 周睿, 杨晓梅, 刘岳明, 张俊瑶, 孟丹. 融合多源地理数据与高分辨率遥感影像的尾矿库识别与监测——以云南省个旧市为例[J]. 自然资源遥感, 2024, 36(1): 103-109.

Viewed

Full text

Abstract

Cited

Shared

Discussed