中国私家车碳排放空间格局及其影响因素的ESDA-GWR分析

利用探索性空间数据分析(ESDA)和地理加权回归模型(GWR),对2012年全国312个地级及以上城市私家车碳排放的空间分异格局、总体趋势、空间异质性和驱动因素进行研究。结果表明,中国地级城市私家车碳排放空间分异显著,碳排放总量呈现中部东部西部、中部北方南方的变化趋势,人均碳排放量表现为东高西低、北高南低的态势,地均碳排放量则呈现南高北低、东高西低的态势。人均储蓄存款余额对私家车人均碳排放的影响最大,其次是人均GDP和城镇居民可支配收入,且影响因素具有明显的经度或纬度地带性规律。     

基于GWR的中国居民生活能源消费驱动因素时空演变研究

借助地理加权回归模型(GWR)揭示中国30个省份、直辖市、自治区2011—2014年人均生活能源消费量受人均可自由支配收入、产业结构、能源消费结构、城镇化率、老龄化率、受教育程度各驱动因素作用的空间差异性。通过研究各省市生活能源消费的驱动因素的空间分布状态,为国家制定差异化的区域生活节能目标和寻找多元化的节能途径提供有益参考。结果表明:人均可自由支配收入、城镇化及受教育程度对人均生活能源消费量产生正向作用,产业结构、能源消费结构及老龄化率对人均生活能源消费产生抑制作用,且生活能源消费各影响因素的回归系数表现为:受教育程度城镇化率人均可自由支配收入产业结构能源消费结构老龄化率。因此,政府在进行政策制定时,需根据各影响因素的驱动作用及其空间差异,针对不同区域采取差别化的能源政策,不断调整和优化产业结构和能源消费结构,减少城镇化中能源回弹效应的消极影响,引导和激励居民绿色能源消费,缓解人口规模增加、消费水平提升和城镇化对生活节能的压力。     

基于GWR的中国地级城市SO_2年均质量浓度模拟

中国城市空气污染问题已经引起广泛关注。目前相关研究很多,但是以空间位置为拟合参数,对空气质量进行回归模拟的研究较少。以2010年中国地级以上城市SO2年均质量浓度为因变量,分别应用普通线性回归和地理加权回归(GWR)模型模拟SO2年均质量浓度,其中地理加权回归方法考虑了空间位置的影响并以此作为回归参数。回归的自变量指标体系包括气象要素(多年平均温度、光照、降水)、植被覆盖(NDVI)、地形要素(坡度、坡向、起伏度)、人为因素(GDP、能源消费)几个方面。由于各指标之间存在较强的相关性,用主成分分析方法计算得到温度、日照、降水、NDVI表征的气象植被综合指标,高程、坡度、起伏度表征的地形综合指标,和GDP、能源消费表征的人为因素综合指标。用3个综合指标值作为自变量进行回归模拟。普通回归结果较差,其r2为0.11,矫正的r2为0.10;GWR模型模拟结果相对较好,其拟合优度显著提高,r2为0.66,矫正的r2为0.47。因此,地理加权回归适合进行此类拟合,普通线性回归不适合。通过对比地理加权回归模拟的各个城市的拟合优度,发现年均质量浓度数值较高的地区拟合效果较差,这些地区主要集中在中国华北和南部部分地区。与基于机理的模型相比,GWR模型和其各具优缺点,GWR的优势主要表现在数据及其格式化要求低,计算机软硬件条件要求低,运算速度快等。     

基于GWR的中国地级城市SO2年均质量浓度模拟

中国城市空气污染问题已经引起广泛关注。目前相关研究很多,但是以空间位置为拟合参数,对空气质量进行回归模拟的研究较少。以2010年中国地级以上城市SO2年均质量浓度为因变量,分别应用普通线性回归和地理加权回归（GWR）模型模拟SO2年均质量浓度,其中地理加权回归方法考虑了空间位置的影响并以此作为回归参数。回归的自变量指标体系包括气象要素（多年平均温度、光照、降水）、植被覆盖（NDVI）、地形要素（坡度、坡向、起伏度）、人为因素（GDP、能源消费）几个方面。由于各指标之间存在较强的相关性,用主成分分析方法计算得到温度、日照、降水、NDVI表征的气象植被综合指标,高程、坡度、起伏度表征的地形综合指标,和GDP、能源消费表征的人为因素综合指标。用3个综合指标值作为自变量进行回归模拟。普通回归结果较差,其r^2为0.11,矫正的r^2为0.10;GWR模型模拟结果相对较好,其拟合优度显著提高,r^2为0.66,矫正的r^2为0.47。因此,地理加权回归适合进行此类拟合,普通线性回归不适合。通过对比地理加权回归模拟的各个城市的拟合优度,发现年均质量浓度数值较高的地区拟合效果较差,这些地区主要集中在中国华北和南部部分地区。与基于机理的模型相比,GWR 模型和其各具优缺点,GWR 的优势主要表现在数据及其格式化要求低,计算机软硬件条件要求低,运算速度快等。     

生态因子对川渝地区壳斗科植物物种丰富度的影响

西南川渝地区是我国壳斗科植物分布最为丰富的地区之一.以川渝地区壳斗科植物为研究对象,以皮尔逊相关系数(r 0.8)以及方差膨胀因子(VIF 10)为准则,选取代表现代气候、生境异质性和历史气候变化的9个生态因子,基于地理加权回归模型(GWR)探究生态因子对壳斗科植物物种丰富度的影响,并与经典的全局最小二乘回归法(OLS)进行比较.结果显示:(1)分布在川渝地区的壳斗科植物有6属共74种,主要以栎属(Quercus)和柯属(Lithocarpus)为主;(2)物种丰富度(SR)表现为南部最高,物种丰富度中心为川西南锦屏山东南部—鲁南山西侧、横断山中部的邛崃山南段—大凉山北段以及四川盆地东南缘大娄山东段,可达到29-35种;(3)GWR模型预测精度优于OLS,其预测结果表明海拔变幅、潜在蒸散量和最暖季降雨量是影响川渝壳斗科植物物种丰富度的主要因子,且影响程度表现出明显的空间差异性.整体来看,GWR模型可为探究物种-生态因子关系的空间异质特征提供一种新的方法,在生物多样性研究中具有较好的应用前景.(图3表2参51)     

黄河流域典型县域生境质量的时空分异特征及影响因素研究

通过探索黄河流域山东段县域生境质量时空分异特征与影响因素,以便从县域尺度为地方生态环境保护与社会经济高质量发展提供政策建议。基于2000、2010和2020年3期土地利用数据,采用InVEST模型解析生境质量的时空分布格局与演变特征,结合空间自相关模型对其空间分异特征进行探测,并采用地理加权回归(GWR)模型分析社会、经济与自然影响因素在空间维度上对生境质量的影响。结果表明：(1)2000—2020年,黄河流域山东段平均生境质量指数为0.448,空间上表现出中段、上段低和下段高的分布格局,生境质量整体呈先快速下降后缓慢下降趋势,中段生境质量下降趋势最为显著;(2)生境质量变化在空间分布上呈显著集聚性特征,会受到邻近区域的影响,且总体集聚态势不断增强,高-高型集聚区面积明显大于低-低型集聚区,在流域下段范围连片分布;(3)土地开发强度是影响生境质量时空分布的首要因素,城市化水平、人口密度和NDVI对生境质量有重要影响,社会、经济和自然因素共同影响生境质量时空变化,GWR回归分析结果表明生境质量具有空间差异性。识别这些时空差异对推动该区域生态高质量发展具有重要意义。     

基于OCO-2遥感数据的新疆维吾尔自治区大气XCO2空间化研究

二氧化碳(CO₂)是导致全球变暖最主要的温室气体,掌握准确的CO₂空间分布信息可以有效评估碳减排成效,对于推进碳达峰、碳中和工作具有重要意义。相比站点观测,碳卫星能够获取大尺度的CO₂分布信息,但是由于其幅宽较窄以及云覆盖的影响,大气CO₂卫星遥感数据存在大量缺值区域,不能获得空间连续的大气CO₂分布。以新疆维吾尔自治区为研究区,基于2019年OCO-2卫星大气二氧化碳柱平均干空气混合比(XCO₂)数据,结合气温、地形、植被、大气NO₂浓度等相关变量,综合对比了多元线性回归(MLR)、地理加权回归(GWR)、支持向量机(SVR)、随机森林(RF)、极端梯度提升树(XGBoost)和极端随机树(ERT)等方法在生成大气XCO₂空间连续数据中的表现。交叉验证结果表明,RF、XGBoost和ERT这3种集成学习模型精度明显优于SVR、GWR和MLR模型,其中ERT模型精度最高,决定系数R²为0.7...     

武汉市黑碳气溶胶质量浓度空间分布的主导因素分析

基于中国东部地区黑碳气溶胶(BC)减排的严峻形势,开展武汉市黑碳气溶胶的水平方向观测和垂直方向模拟工作,了解武汉市黑碳气溶胶的含量和沉降通量的时空变化规律及其主要影响因素,明确黑碳气溶胶释放、输送和沉降规律,对深入地认识黑碳气溶胶的气候和生物地球化学效应具有理论意义。运用Meteoinfolab软件、轨迹分析、相关分析及多种模型拟合等方法,实测武汉市2015年7月—2016年6月黑碳气溶胶水平向分布数据,以WRF-CMAQ模型运行的模拟数据作为垂直向分布的基础数据,分析其空间分布规律;选择气象因子、污染物构成、环流因子、下垫面因子等主导因子,分析它们对武汉市黑碳气溶胶质量浓度空间分布规律的影响。结果表明,(1)BC质量浓度受温度、能见度、气压影响较大,相关系数分别为-0.637、-0.549、0.574。当风速小于2 m?s~(-1)、风向为东北或者东北偏北时,BC质量浓度达到最高值;当风速大于2 pH、风向为西南偏南时,BC质量浓度出现最低值。垂直方向上,低层和高层黑碳浓度主要受风速影响,而中层黑碳浓度则主要受温度影响。(2)BC质量浓度与PM_(2.5)、PM_(10)、CO相关系数为0.863、0.657、0.647,同源性强,采用三次曲线模型对BC与三者之间的关系分别进行拟合,效果最佳。(3)后向轨迹分析表明:武汉市高空气流来自于远源及海洋地区;中低空夏秋季节主要受较短距离的运输气流影响。(4)武汉市黑碳质量浓度受与主干道距离、植被覆盖率、水体分布等下垫面因素影响较大,空间分布差异明显。     

上海市大气污染物时空分布及其相关性因子分析

利用2016—2020年上海市PM_(10)、PM_(2.5)、SO_2、NO_2、O_3的质量浓度和温度、相对湿度、平均风速、水平能见度气象条件,分析了上海市PM_(10)、PM_(2.5)、SO_2、NO_2、O_3污染物的时间变化趋势。同时,利用多元线性回归模型及BP神经网络建立污染物与气象因素之间的相关关系,对其质量浓度进行预测,分析对比不同模型的预测结果。研究表明:2016—2020年上海市大气污染物质量浓度随时间变化整体呈现下降趋势;污染物质量浓度季节性差异显著,PM_(2.5)及PM_(10)质量浓度呈现"冬高夏低",而O_3质量浓度呈现"冬低夏高";可吸入颗粒物质量浓度(PM_(2.5)、PM_(10))与SO_2、NO_2质量浓度,O_3质量浓度与NO_2的质量浓度之间存在显著相关性;多元线性回归分析表明相对湿度、平均风速及水平能见度3个气象因素对上海市PM_(2.5)、PM_(10)质量浓度产生显著影响;温度、相对湿度、平均风速及水平能见度4个气象因素对上海市O_3质量浓度产生显著影响;多元线性回归分析表明上海市PM_(10)质量浓度与温度之间显著性水平为0.303,意味着温度对上海市大气PM_(10)质量浓度并没有产生显著影响;PM_(10)质量浓度随相对湿度的增加、平均气压及水平能见度的增大而减小;O_3质量浓度则与温度和平均风速呈正相关,与相对湿度和水平能见度呈负相关。相比多元线性回归,BP神经网络在预测上海市气象污染物质量浓度表现出强大的泛化能力,PM_(2.5)、PM_(10)、NO_2与O_3的真实值与预测值相关系数(r~2)分别为98.6%,97.4%,97.6%和98.3%。     

广东省大气环境质量的时空分布特征

随着社会经济的迅速发展、城市化进程的不断加快以及能源消费需求的增加,广东省大气污染问题日益成为人们关注的重要环境污染问题之一。为了进一步了解广东省主要大气污染物质量浓度的时空变化情况,以广东省21个地级市为研究对象,选用广东省生态环境厅历年发布的环境状况公报以及《环境空气质量标准》(GB3095-2012)中的SO_2、NO_2、PM_(10)、PM_(2.5)、O_3~(-8) h,以及CO 24h平均第95%位数的质量浓度作为评价因子,基于ArcGIS 10.2软件分析平台,分析了广东省主要大气污染物的年际变化特征、空间分布特征及其变化原因。结果表明,1998—2017年间,广东省降水pH年均值由1998年的4.71提高到2017年的5.14,且大多年份维持在5.0-5.6之间,酸雨发生频率均属轻酸雨。除少数年份外,全省SO_2、NO_2、PM_(10)、PM_(2.5)、O_3~(-8)h和CO平均质量浓度均达到国家二级标准。空间分布上,全省大气主要污染物除NO_2上升,O_3~(-8)h波动变化外,SO2、PM10、PM2.5和CO的质量浓度均呈现下降趋势。近年来,珠三角地区的大气环境首要污染物主要为O_3~(-8)h,其次为PM_(2.5)和NO_2,粤东西北地区除O_3~(-8)h和PM2.5污染较重外,PM_(10)的污染也较为严重。总的来看,研究期间,广东大气环境质量逐年得到改善,主要原因在于全省在社会经济快速发展的同时,也加大了大气环境污染防治工作力度,取得了显著成效。     

京津冀冬季与夏季PM_(2.5)/PM_(10)及其水溶性离子组分区域性污染特征分析

为研究京津冀地区冬、夏两季大气颗粒物质量浓度与水溶性离子组成特征,于2013年2月、7月对北京、天津、石家庄及4个国家大气背景点进行了PM2.5及PM10的采样,分析了质量浓度及9种水溶性离子,结果表明:(1)京津冀地区颗粒物污染冬季重于夏季,冬季污染水平石家庄天津北京,夏季污染天津、北京石家庄,区域内PM2.5与PM10之间有很好的相关性,相关系数r冬季为0.8796,夏季为0.8424,说明整个区域颗粒物污染有较为相近的来源,大气颗粒物污染表现出区域性特征;(2)京津冀地区PM2.5及PM10中的9种水溶性离子浓度规律为NO-3、SO2-4、NH+4Cl-、Ca2+K+、Na+F-、Mg2+.该地区水溶性离子污染冬季最重为石家庄,夏季则为北京;(3)在京津冀地区二次离子NO-3、SO2-4、NH+4是主要的污染离子,3种离子质量浓度总和在PM2.5、PM10中冬季分别占48.9%、27.8%,夏季分别占58.7%、48.5%.二次离子主要集中在PM2.5中,其对细离子浓度的升高起到直接作用,且二次离子的构成关系也在发生变化.整个区域向硝酸型污染转变,二次离子的季节分布也呈现区域特征,冬季NO-3离子质量浓度比重最大.夏季则为SO2-4;(4)粒径越小富集水溶性离子的能力越强,在PM1中分布了50%以上的水溶性离子,73.9%—94.8%的水溶性离子分布在PM2.5中.     

近10年中国空气质量时空分布特征

空气污染是建设健康中国过程中亟待解决的难题。利用2005—2015年全国86个重点城市空气质量日报数据,综合运用全局自相关法、层次聚类法、空间插值法以及重心迁移模型,从年度、季节和月份3个时间尺度上探讨了近10年来中国空气质量的时空分布特征。结果表明,(1)全国空气质量表现出显著的时间变化规律。从年际变化上看,空气质量逐年好转趋势明显;从季节变化上看,夏季空气质量最好,春秋次之,冬季最差;从月份变化上看,空气质量呈现出显著的先降后升的"U"型变化规律。(2)全国空气质量呈现出显著的空间集聚和分异规律,表现为"北重南轻、东重西轻"的空间格局。其中,京津冀地区、西北地区以及山东、河南属于长期高污染区;以珠三角为核心的南部沿海地区、云贵高原和青藏高原地区属于常年优良区。近10年全国空气质量整体虽得到有效改善,但部分地区(河北、山东、河南和江苏)污染仍在加重,期间污染范围从整个华北地区、中部地区和西北地区向京津冀地区集中,空气污染分布模式从集中连片分布变成零星分布。(3)近10年全国空气质量重心以向东北方向移动为主,表明东部和北部地区部分省份的空气污染程度较全国其他省份严重。(4)研究结果揭示了近10年中国空气质量的时空分异规律,可为寻求污染治理办法提供理论参考。     

汾渭平原大气SO_2和NO_2时空变化特征分析

汾渭平原能源结构以煤为主,清洁化利用水平偏低,煤烟型污染特征明显,全面了解汾渭平原二氧化硫(SO_2)和二氧化氮(NO_2)的时空变化特征对精准施策、综合治理具有重要的意义。基于卫星遥感数据,分析了2007—2018年汾渭平原SO_2和NO_2的柱浓度时间变化及空间分布特征,并讨论了社会经济因素对SO_2和NO_2柱浓度变化的影响。结果表明,汾渭平原SO_2和NO_2柱浓度均具有显著的周期性特征,总体表现为冬高、夏低,春秋季节次之,每个周期的波谷一般出现在7、8月,波峰一般出现在1、2月。SO_2和NO_2柱浓度的高值区主要分布在地形较为平坦的河谷平原地带。汾渭平原大部分地区SO_2柱浓度均呈现出了下降趋势,其中洛阳东北部、运城盆地和渭河平原东部下降趋势最为显著,趋势系数可达-0.08—-0.1DU·a-1。NO_2在各个区域的变化不尽相同,洛阳东北部和渭河平原下降趋势比较显著,趋势系数达到了-0.5×1015—-1.4×1015 mol·cm-2·a-1。而在太原盆地南部、吕梁大部分地区和临汾西部,呈现正的变化趋势,趋势系数为0.1×1015—0.2×1015mol·cm-2·a-1。该研究可为汾渭平原开展有针对性的联防联控、协同治理提供科学依据。     

乌鲁木齐市冬季采暖期对流层NO_2柱浓度变化特征

NO_2是大气对流层的一种痕量气体,也是城市空气污染的重要监测指标,影响着生态环境和人体健康。特殊的地形及不利于污染物扩散的天气条件,使得乌鲁木齐市冬季采暖期大气污染最为严重。2014—2016年采暖期(11月至翌年3月)在乌鲁木齐市城中心(市区)和城北部(工业园区)利用地基多轴差分吸收光谱仪(MAX-DOAS)对大气NO_2进行了监测,探讨NO_2柱浓度的变化特征及其污染来源。结果表明,(1)与2014—2015年采暖期相比,2015—2016年采暖期市区监测站点NO_2柱浓度下降了6.8%,工业园区监测站点上升了28.5%;NO_2柱浓度月均值表现出12月最大,3月最小,浓度范围是3.905×10~(15)~20.034×10~(15) molec·cm~(-2);两监测站NO_2柱浓度日变化明显,市区晚上偏高;工业园区早晚偏高,且晚大于早。(2)64%~71%的NO_2柱浓度的逐日变化由气象要素决定,其中平均风速对NO_2柱浓度的影响最显著;市区NO_2的污染源主要分布在东、东北和西南方向,正南北方向的风对NO_2有扩散作用;工业园区NO_2的污染源来自西北和东南方向,南风及偏东风对NO_2具有扩散作用。(3)乌鲁木齐市"煤改气"工程初见成效,而市周边工业园区及机动车尾气排放仍是大气污染治理的重点。     

南京北郊冬春季大气颗粒物中含氮无机水溶性离子组分特征

为了解南京北郊大气颗粒物中含氮二次水溶性离子组分特征,2014年冬春两季使用Anderson 9级采样器对南京北郊大气颗粒物进行分级采样,利用离子色谱仪分析得到了各粒径范围颗粒物中的含氮二次无机组分质量浓度,结合能见度、相对湿度、颗粒物浓度等观测数据探讨了不同天气状况下大气颗粒物中含氮二次水溶性离子组分的含量及其粒径分布特征。结果表明:冬季和春季平均PM_(2.5)质量浓度分别达到了80.81μg·m~(-3)和52.57μg·m~(-3),明显超过二类标准限值。PM_(10)中NO_3~-和NH_4~+表现出较好的一致性,相关系数高达0.92,表明两种离子的来源比较相似;NO_2~-与NO_3~-和NH_4~+均呈现明显的负相关关系。就季节平均而言,冬季NO_3~-和NH_4~+质量浓度明显高于春季,尤其在0.43~2.1μm粒径范围内,这与冬季二次细颗粒物污染加剧有关;其他粒径段的浓度值季节差异不明显。不同能见度下,NO_3~-和NH_4~+质量浓度谱均呈三峰分布;当水平能见度3 km时,NO_3~-和NH_4~+最大谱峰大多在9.0~10μm粗粒径段;能见度降至3 km以下时,谱最大峰值出现在1.1~2.1μm粒径段。能见度水平越低,NO_3~-和NH_4~+的质量浓度越高,表明随着NO_3~-和NH_4~+浓度增加气溶胶的消光作用有所增强,从而导致能见度降低。霾天细模态中NH_4~+和NO_3~-的浓度较非霾天明显增加,粗模态无明显变化。NO_2~-作为中间产物其性质极不稳定,谱分布也比较复杂,但任何天气状况下均在粗粒径段出现高峰值。     

济南冬季大气重污染过程颗粒物组分变化特征

为研究济南市冬季大气重污染过程的颗粒物化学组分特征,于2017年11月15日—12月30日在市监测站及跑马岭清洁对照点同步采集PM_(10)和PM_(2.5),并对其质量浓度、水溶性离子及碳组分进行分析,结果表明重污染过程中PM_(2.5)/PM_(10)质量浓度比均超过0.6.NO_3~-(硝酸盐)、SO_4~(2-)(硫酸盐)、NH_4~+(铵盐)、OC(有机碳)浓度及百分占比与颗粒物浓度同步增加,其中NO_3~-、SO_4~(2-)、NH_4~+、OC的浓度增加倍数远大于PM_(2.5)的浓度增加,重污染日市监测站NO_3~-、SO_4~(2-)、NH_4~+、OC质量浓度分别是非污染日的5.1倍、8.8倍、8.3倍、7.0倍,跑马岭重污染日NO_3~-、SO_4~(2-)、NH_4~+、OC质量浓度分别是非污染日的3.0倍、3.9倍、3.7倍、4.6倍;且SO_4~(2-)和NH_4~+质量百分占比涨幅比NO_3~-的大,说明重污染天气下SO_4~(2-)和NH_4~+对PM_(2.5)浓度增加的贡献更大.通过经验公式计算得出市监测站和跑马岭SOC质量浓度分别占OC的82.4%和92.3%,说明重污染期间SOC是OC主要组成部分.二次无机离子和二次有机碳是导致重污染的主因,表明在冬季重污染过程中,大气化学反应非常重要,这可能与空气静稳和湿度较大的气象条件、前体物的大量积累、液相非均相化学过程的加强紧密相关.重污染天气下需要重视NO_2对SO_2液相催化氧化作用,严格控制NO_2的排放.     

北京城区夏季PM_(2.5)中碳组分和二次水溶性无机离子浓度特征

为探索北京城区大气细颗粒物浓度水平及其碳组分和二次水溶性无机离子的浓度特征,于2014年6月1日至7月15日在车公庄地区使用微量振荡天平(TEOM+FDMS)、EC/OC在线分析仪以及水溶性离子在线分析仪对PM_(2.5)质量浓度及其主要化学组分(OC、EC、SO_4~(2-)、NO_3~-和NH_4~+)进行了实时监测.研究结果表明,北京市城区夏季PM_(2.5)质量浓度平均值为69.0±47.9μg·m-3,PM_(2.5)中OC、EC、SO_4~(2-)、NO_3~-和NH_4~+所占的比例分别为15.8%、2.4%、23.0%、15.7%和19.2%,SNA(SO_4~(2-)、NO_3~-和NH_4~+)合计达到了PM_(2.5)质量浓度的57.9%.研究各组分的日变化特征发现,OC和SO_4~(2-)白天浓度变化较小,夜晚浓度稍高;NO_3~-和NH_4~+则随着光照和温度的增加而逐渐降低;EC呈现出夜晚浓度高白天浓度低的特点.研究各组分的相关性及比值发现,OC和EC的相关系数为0.62,OC/EC大于2.0,说明北京城区夏季存在着较为严重的二次污染;此外,NO_3~-/SO_4~(2-)平均比值为0.68,SOR和NOR的变化趋势基本一致,两者的平均值分别为0.55和0.14.通过分析北京市城区夏季不同浓度级别各组分的变化发现,随着PM_(2.5)质量浓度的增加,OC和EC所占的比例不断降低,而SNA比例则不断升高,其中NO_3~-浓度水平的增加最为显著.     

基于地理加权回归模型的能源“金三角”地区植被时空演变及主导因素分析

宁陕蒙接壤地区的能源"金三角"为我国提供了丰富的能源,其地表植被状况与我国的生态恢复与重建密切相关。应用RS和GIS技术,以归一化植被指数产品(MODIS NDVI)为数据源,借助逐像元趋势分析法研究了2005—2015年间的植被动态变化;基于规则网格构建地理加权回归模型(GWR),探索了高程、坡度、土壤黏粒含量、多年平均气温、多年平均降水、距煤矿区距离及距道路距离7个因子对植被变化的影响及其空间非平稳性。结果表明:(1)时间上,2005—2015年研究区平均NDVI整体呈现波动上升趋势,增长率为0.083·(10 a)~(-1)(P0.05);空间上,NDVI呈现由东南向西北递减的分布格局;趋势上,NDVI变化呈增加趋势的区域(27.11%)远大于减少区域(0.64%),显著增加区域主要分布在榆林市东部。(2)与2005—2012年相比,2013—2015年归一化植被指数(NDVI)在全区显著减少,且具有更强的空间聚集性(Moran's I值为0.851),但变化程度具有空间异质性。(3)2个时段全区植被变化受气候等自然因素的影响较大,影响植被变化的主要因素在时间与空间上具有差异性,人类活动对植被变化具有双重作用。     

新疆喀什地区东部地下水“三氮”空间分布特征及影响因素

本文对新疆喀什地区东部地下水"三氮"空间分布特征及影响因素进行了研究.结果表明,该地区地下水"三氮"含量总体较低;NO_3-N含量范围为ND(未检出)—8.02 mg·L~(-1)、样点均值1.17 mg·L~(-1);NO_2-N含量范围为ND(未检出)—0.15 mg·L~(-1)、样点均值0.006 mg·L~(-1);NH_4-N含量范围为ND(未检出)—至0.28 mg·L~(-1)、样点均值0.04 mg·L~(-1);仅个别监测井NO_2-N和NH_4-N含量超标.水平分布特征表现为:NO_3-N含量总体呈南高北低,NO_2-N和NH_4-N含量总体呈南低北高.垂向分布特征表现为:潜水中NO_3-N含量(均值3.14 mg·L~(-1))高于浅层承压水(均值0.50 mg·L~(-1))和深层承压水(均值1.28 mg·L~(-1)),浅层承压水中NO_2-N(均值0.008 mg·L~(-1))和NH_4-N含量(均值0.05 mg·L~(-1))高于深层承压水(NO_2-N均值0.002 mg·L~(-1);NH_4-N均值0.02 mg·L~(-1))和潜水(NO_2-N均值0.001 mg·L~(-1);NH_4-N未检出);NO_2-N和NH_4-N超标点全部集中在浅层承压水中.该地区地下水"三氮"迁移和转化主要受氧化还原条件、地表水水质、包气带岩性、地下水径流条件、潜水埋深、土地利用类型和生活污染等因素的影响.     

珠三角北部背景站臭氧浓度变化特征

O_3已取代PM_(2.5)成为珠三角空气污染的首要污染物,深入研究珠三角背景地区O_3浓度变化特征对全面掌握珠三角空气质量概况具有非常重要的意义。以珠三角北部郊区背景监测点位广州市从化区天湖站点2006—2018年的监测数据为基础,结合空气质量模型与过程分析等工具,对珠三角背景地区的O_3浓度进行分析。结果表明,2006年以来,珠三角背景地区的O_3年平均质量浓度均在80μg·m~(-3)左右波动,年均值在2014年达到自动监测以来的历史峰值91μg·m~(-3),2014年以来有逐年下降的趋势。2006—2018年O_3小时质量浓度的频数分布表明30—100μg·m~(-3)是主要的小时质量浓度水平,占比约为59%,100μg·m~(-3)以下质量浓度的占比约为70%,160μg·m~(-3)以下质量浓度的占比约为94%,天湖站小时质量浓度超标(大于200μg·m~(-3))概率为1.8%。平均而言,天湖站6—7月的O_3质量浓度最低,分别为71μg·m~(-3)与73μg·m~(-3)。冷暖交替的月份质量浓度相对较高,10月与4月分别达到102μg·m~(-3)与84μg·m~(-3),过程分析结果显示,在下沉气流等影响下,近地面层上层边界O_3垂直输送是4月与10月高质量浓度O_3的主要来源。天湖站的日均与月均O_3质量浓度与日照时数均存在正相关关系,O_3昼高夜低且与NO_2呈反相关关系,O_3质量浓度远高于NO_2,说明天湖受人为源排放影响少。天湖站化学过程对O_3的影响因季节而异,夏季光化学过程对O_3的影响明显,白天平均O_3净化学生成速率为18.5μg·m~(-3)·h~(-1);其他季节珠三角背景地区的O_3质量浓度主要受物理过程影响。