西藏林芝地区空气动力学阻抗估算模型适用性分析

空气动力学阻抗的准确估算是目前卫星反演地表显热通量的关键,为了准确反演藏东南地区的地表显热通量,利用2013年6月10日西藏林芝地区的草地、麦田、河滩、林地阴坡和阳坡5种下垫面的边界层观测数据,分析常用的Thom_1975,Thom_1977和Choudhury空气动力学阻抗估算模型的适应性。结果表明:林地阴坡Choudhury模型估算值与涡动相关测量的结果有较好的一致性,其他下垫面建议采用Thom(1975)模型。     

基于多源遥感数据的中国PM2.5变化趋势与影响因素分析

基于长时间序列的遥感反演PM_(2.5)数据,采用Theil-Sen median趋势分析、Mann-Kendall、R/S和相关系数分析法,分析了1998～2014年我国PM_(2.5)时空格局、空间变化特征以及污染来源。结果表明:1998～2014年期间,最高只有24.67%的国土面积上,PM_(2.5)浓度达到世界卫生组织(WHO)的年平均准则值10μg/m~3的要求;PM_(2.5)浓度小于10μg/m~3地区主要是青藏高原、台湾、北疆,内蒙古北部和黑龙江西北部,年均PM_(2.5)浓度大于95μg/m~3的地区主要是南疆和华北平原。1998～2014年期间,全国61.84%的国土面积PM_(2.5)浓度呈上升趋势,平均上升了3.91μg/m~3,上升最大值为39.1μg/m~3。其中,呈显著上升的地区主要分布在中西部地区和华北平原,且未来部分地区仍呈增长的趋势。PM_(2.5)浓度上升的驱动因素包括自然因素与人类活动排放,其中,南疆的PM_(2.5)主要来自塔克拉玛干沙漠的沙尘气溶胶,而其他地区PM_(2.5)主要来自人类活动排放。     

长江三角洲城市群PM_(2.5)时空演变及影响因素

科学识别PM_(2.5)的空间分异及其驱动因素,是实现区域空气污染治理的关键。以国测点日均PM_(2.5)浓度为数据来源,基于多种空间分析方法,研究长江三角洲城市群PM_(2.5)浓度的时空演变及影响因素。结果发现:(1)2013～2017年,长江三角洲城市群的PM_(2.5)年平均浓度,处于不断下降的趋势;城市间的差异,呈现逐渐减少的趋势。(2)一年中,12月份的PM_(2.5)浓度最高,8月份的PM_(2.5)浓度最低。1～12月,PM_(2.5)浓度先减后增。(3)2013年,PM_(2.5)高浓度区域主要分布在江苏省;2017年,PM_(2.5)高浓度区域主要分布在安徽省。5年间,PM_(2.5)浓度的空间重心,向安徽省转移72 km。(4)长江三角洲城市群PM_(2.5)浓度存在明显的空间自相关。存在PM_(2.5)浓度高-高值区、低-低值区"扎堆"现象,且集聚程度趋于增大。(5)影响PM_(2.5)浓度的因素包括了自然因素和社会因素。自然因素中,降雨与PM_(2.5)浓度显著相关。社会因素主要来自工业排放、交通排放和能源消耗。其中,能源消耗的影响程度最大,工业排放次之,交通排放最后。     

上海崇明岛近三年PM_(2.5)浓度变化特征与气象条件的关系

利用2011年1月~2014年2月上海崇明岛地区颗粒物(PM_(2.5)、PM_(10))的连续监测资料,研究了PM_(2.5)总体分布、季节变化、日变化及浓度频率分布规律,初步分析了逆温、相对湿度、风向风速等气象要素对颗粒物浓度的影响。结果表明:2011~2013年该地区PM_(2.5)平均值分别为24.7,33.6和28.3μg/m~3,均低于PM2.5的年平均浓度限值35μg/m~3,细粒子污染程度较轻。PM_(2.5)浓度日变化幅度不大,呈微弱的单峰型分布,9∶00左右达到一天中的最大值,15∶00左右达到最小值。PM_(2.5)浓度的季节分布特征明显,呈现出冬季春季秋季夏季,一般情况下5月份PM_(2.5)月均浓度值最高,8月份浓度最低。PM_(2.5)日平均浓度有57.9%达到国家空气质量一级标准,有93.4%达到国家空气质量二级标准,超标率为6.6%。对PM_(2.5)与各气象要素进行分析后发现:PM_(2.5)质量浓度在逆温层结稳定、风速小、高湿以及近地面盛行西北到西风这样的静稳天气条件配合高空西北方向上的外来污染物输送,容易造成高浓度的PM_(2.5)污染。     

外商直接投资对中国城市雾霾(PM_(2.5))污染的时空效应检验

本文利用了1998—2012年中国241个城市的空间面板数据对中国雾霾污染和FDI的区域分布特征及空间溢出效应进行经验考察,结合系统广义矩估计(SGMM)方法构建了动态空间面板模型,采用了Moran’s I和Geary’s C指数对中国FDI与雾霾(PM_(2.5))污染空间自相关性进行了全域和局域分析。结果发现:(1)雾霾(PM_(2.5))污染与FDI存在显著的空间正相关性,证明了雾霾(PM_(2.5))污染空间的溢出效应以及FDI的辐射效应的存在。同时FDI高值集聚区域一般是雾霾(PM_(2.5))高值集聚区,FDI低值集聚区域一般是雾霾(PM_(2.5))低值集聚区,表明一个地区的引资效果和雾霾(PM_(2.5))污染在地理上的集聚密切相关。雾霾(PM_(2.5))污染表现出显著的"叠加效应"和"溢出效应",说明中国雾霾(PM_(2.5))污染在空间维度、时间维度以及时空维度上分别表现出交叉、累积、持续的演变特征。(2)全样本下,FDI对雾霾(PM_(2.5))浓度的影响表现出增促效应。FDI存量每升高1%,雾霾(PM_(2.5))浓度升高0.011%。(3)分地区样本下,东部城市FDI存量每升高1%,雾霾(PM_(2.5))浓度升高0.001 9%;中部城市FDI存量每升高1%,雾霾(PM_(2.5))浓度升高0.018 3%;而西部城市FDI存量对雾霾(PM_(2.5))浓度影响不显著。上述实证结果说明中国雾霾污染存在着显著的空间依赖性和区域异质性,FDI对中国大部分城市的雾霾污染存在显著的增促效应。     

京津冀PM_(2.5)的主要影响因素及内在关系研究

大气污染物的源排放是形成灰霾天气的内因,气象条件是形成灰霾天气的外因。本研究通过构建PM_(2.5)浓度的两段式分布滞后模型,结合自然环境因素及经济因素对PM_(2.5)的影响因素进行了综合分析。在第一段模型中构建了PM_(2.5)和大气污染物排放量的分布滞后模型,第二段模型中构建了不同的大气污染源对大气污染物排放量的影响因素模型。大气污染物排放源主要包括工业源、生活源、机动车源、集中式污染治理设施源。在工业源中,工业废气重度污染行业是大气污染物排放主要的贡献者;在生活源中,燃煤消费量对大气污染物排放影响很大,这也是冬季供暖期间PM_(2.5)剧增的原因;在机动车源中,尽管黄标车的保有量仅占汽车保有量的10%左右,但却占据了颗粒物排放量的绝大部分。利用京津冀代表性城市PM_(2.5)日度数据研究得出平均气温、平均风速、日照时数、平均气压、降雨量、平均相对湿度、沙尘暴等因素对PM_(2.5)浓度的负向与正向作用。研究发现,大气污染物排放量对PM_(2.5)浓度具有聚集的滞后效应,当期大气污染物排放量、滞后一期、滞后两期、滞后三期大气污染物对PM_(2.5)浓度具有显著的正向作用,且影响依次递减。构建的大气污染物排放量的污染源影响因素模型揭示一个地区煤炭消费量、工业废气重度污染行业工业增加值、黄标车保有量对该地区大气污染物排放量具有显著影响。本研究对优化能源消费结构和产业结构,减少空气污染物排放提出了对策建议。     

合肥市PM_(2.5)浓度时空分布特征及影响因素分析

利用2017年合肥市污染监测站点PM_(2.5)浓度数据、气象数据以及土地利用类型数据,结合随机森林算法(RF)与土地利用回归模型(LUR),模拟合肥市PM_(2.5)浓度空间分布,并利用主成分分析法对PM_(2.5)影响因素进行分析。结果表明:(1)合肥市PM_(2.5)浓度日变化特征大致呈双峰变化,春季、夏季及秋季的峰值多出现在8∶00～9∶00,而冬季的峰值则出现在10∶00～11∶00。低谷值大致都出现在15∶00～17∶00。全年PM_(2.5)浓度变化趋势与春季类似。夏季PM_(2.5)浓度变化最为平稳。(2)2017年合肥市PM_(2.5)浓度分布由城市中心向外减弱,形成北高南低,西高东低的空间分布格局。(3)影响因素方面,PM_(2.5)浓度变化与降水、风速以及相对湿度等呈负相关关系,日照对PM_(2.5)浓度的影响较大,气压及其他污染物与PM_(2.5)浓度呈正相关关系,其中NO_2对PM_(2.5)浓度的影响力度较大。     

基于MODIS AOD数据的南京市大气能见度估算

以南京市为研究区,利用MODIS气溶胶产品数据(MOD04L2)获取研究区气溶胶标高数据,结合地面气象站点能见度观测数据,构建研究区不同季节能见度估算模型,估算南京市2013年能见度时空分布。研究结果表明,研究区能见度模型估算值与实测值总体趋势较为一致,分季节模型能见度估算均值相对误差为14.3%;南京市2013年能见度年均值为6.07km,大致呈现出由市区向周边郊区逐渐升高的趋势;研究区不同季节能见度差异明显,夏季能见度显著高于其他3个季节,在该季节全市能见度均值达到9.93km,约为其余3个季节均值的2倍左右,气候状况与经济社会发展布局是影响研究区能见度时空差异的主要因素。     

空气污染、空间外溢与公共健康——以中国珠江三角洲9个城市为例

空气污染对居民公共健康的影响,引起了人们高度的关注。但大多数学者研究从样本的独立性出发且不考虑内生性问题,忽视区域之间空间相关性,所得结论和政策建议需谨慎对待。为了弥补上述不足,本文基于Grossman中国宏观健康生产函数,选取2001—2014年中国广东省珠江三角洲9个城市作为样本,选择以PM_(10)和PM_(2.5)作为空气污染的代理指标,在充分考虑空间效应和严格假设检验的基础上选择合适的空间计量经济学模型,对此进行实证研究。主要研究结果显示:空气污染对居民的公共健康带来了负面影响,即PM_(10)和PM_(2.5)每增加1%,导致哮喘疾病和内科门诊等疾病人数不断上升,且影响都比较大,尤其是对哮喘疾病的影响分别为0.2236%和0.2272%。经济增长对公共健康均有显著的促进作用,影响最大;其它财政医疗支出、卫生技术人员和人口密度等要素对居民公共健康的影响较小。由于空气污染的负外部性,研究还发现,区域之间空气污染的"溢出效应"对领域居民公共健康存在显著的影响,说明忽视空间自相关性的存在,会使得空气污染对公众健康的估计产生偏差。从长期看,空气污染对本地居民公共健康的直接效应都显著为正,PM_(2.5)间接效应显著为负,但PM_(10)间接效应并不显著。因此,各级政府除了在源头上治理污染物的排放,提高公共健康水平外,还应该打破各自为阵的行政垄断,应该作为一个整体,实现跨区域环保合作,共同治理和制定公共卫生政策等。这对区域之间协同减排和保护居民公共健康具有重要的理论和现实意义。     

常州市大气PM_(2.5)中水溶性离子组成及来源

于2013年3月~2014年4月采集常州市郊区、工业区、居民区和背景点的春季、秋季大气PM_(2.5)样品,用离子色谱法分析其中水溶性离子成分,对其组成、分布特征及来源等进行研究。结果表明:SO_4~(2–)、NO_3~–和NH_4~+是常州市PM_(2.5)中的主要水溶性离子,3种离子在PM_(2.5)中占比为18%~33%。不同功能区之间水溶性离子的占比和差异较小,常州背景点可能受到周边城市污染输送的影响。在PM_(2.5)中,NH_4~+与SO_4~(2–)和NO_3~–主要以(NH_4)_2SO_4和NH_NO_3存在;硫转化率(SOR)和氮转化率(NOR)是衡量二次无机粒子转化的有效手段,常州市各功能区的SOR均大于NOR;春季SOR0.25,NOR0.1,满足发生强烈光化学氧化反应的条件。     

2015年长三角地区城市PM2.5时空格局及影响因素分析

PM_2.5浓度值增加对大气能见度、人体健康和气候变化有着重要影响。采用2015年长三角地区监测数据，运用探索性空间数据分析法和相关系数法，分析长三角地区城市PM_2.5污染的时空格局和影响因素，结果表明：（1）2015年长三角地区城市PM_2.5年均浓度值为54.54 μg/m³，季节变化总体呈现春冬高夏秋低的季节性周期变化规律，1月和12月为一年中PM_2.5污染最严重的月份，污染范围最广，5~9月是PM_2.5浓度值优良时段，日均值春季和冬季的波动周期较短而剧烈，夏季和秋季波动周期相对较长而平缓。（2）2015年长三角地区城市PM_2.5年均浓度值整体上从江苏到浙江呈减少趋势，具有北高南低，局部突出的特征。（3）长三角地区城市PM_2.5浓度空间上存在集聚现象，低值集聚主要分布在浙江沿海地区，高值集聚主要分布在苏南地区。（4）燃烧排放的烟尘和前体物的二次转化对长三角地区PM_2.5浓度有显著影响。风速和降水量是影响PM_2.5浓度的两个重要气象因素。     

基于遥感数据的PM2.5与城市化的时空关系研究——以成渝城市群为例

采用1998~2013年卫星遥感影像反演的PM2.5全球高精度产品数据集，结合GIS空间分析、地理加权回归（GWR）以及地理探测器等方法，系统地分析了成渝城市群城市化与PM2.5分布之间的关系。结果表明：（1）1998~2013年成渝城市群城市化速度较快，城市区域的PM2.5均值明显高于非城市区域，说明城市化对PM2.5具有一定的影响；（2）近16 a PM2.5重心与城市重心整体上都向东南方向移动，且两者每年在经度上的波动方向基本相反；（3）夜间灯光数据与PM2.5在空间分布上具有较好的一致性，且1998~2013年两者的GWR全局R2在0.86~0.95之间，相关性显著，研究区内城市化和人类活动对PM2.5的分布具有明显影响；（4）地理探测分析表明不同城市化因子对PM2.5影响差异显著，从2006到2013年城区人口密度和建成区绿化覆盖率逐渐成为成渝城市群PM2.5分布的主要影响因子。     

成都未来气候变化趋势的R/S分析

运用R/S分析法,对1951～2002年成都的平均值气温、极端气温值及降水累积值进行了计算分析。研究表明,成都未来气候变化趋势与过去50年来的变化趋势有着很好的自相似性。今后成都将继续变暖。依平均气候倾向率,未来10年,年平均气温将升高0.25°C,年平均最低气温将升高0.14 °C,年平均最高气温将升高0.04 °C,年极端最低气温将升高0.54 °C,年极端最高气温将升高0.13 °C。其中,年平均气温、年平均最低气温和年平均最高气温升高趋势的持续性强度很强。成都未来降水量将继续减少。未来10年的年降水量将减少45.2 mm,并且这种减少趋势具有很强的持续性强度。     

鄱阳湖流域叶面积指数时空变化特征及其与气候因子的关系

利用1982~2001年NOAA/AVHRR NDVI数据，根据简单生物模型SiB2的方法计算鄱阳湖流域叶面积指数LAI，分析不同植被类型LAI年内和年际变化及其与降水、气温的关系。结果显示：在年内，LAI从1月开始减小，至3月降到最小，之后开始迅速增大，7月达到最大值，然后又开始减小；各植被覆盖类型LAI与前3月降水和前1月平均气温相关性较强，并且全部通过95％的显著性检验。在年际上，各植被覆盖类型LAI在20 a间无明显整体增大或减小趋势，但每隔2~3 a呈锯齿状增大减小交替变化，其中常绿针叶林LAI变幅较大，在23~35之间，而林地草原LAI变化较平缓，在05~09之间；植被LAI年际变化受流域内5~7月降水年际变化的影响较大。在空间上，植被LAI在春、冬季整体较小，空间分布差异也较小，仅在流域边缘山区林地覆盖区稍大，其余大片区域LAI值很低，且分布比较均一；夏、秋季LAI较大，空间分布差异也较大，其空间分布主要与流域内土地覆盖类型有关     

认知资源对公众城市气象灾害防御支付意愿的影响研究#br# ——基于南京市暴雨灾害防御的实证

城市气象灾害防御措施的改进是防灾减灾的有效手段，但如何在辨识公众支付意愿的基础上，构建多方成本分担的灾害防御制度是解决问题的关键。从成本分担的视角出发，以南京暴雨灾害防御为例，分析公众对增强型城市气象灾害防御的支付意愿及认知资源在其中的重要作用。通过构建由Probit模型和有序Probit模型组成的递归混合模型，探讨认知资源和经济资源在公众支付决策中的重要性。研究表明:认知资源的作用十分明显，且随着公众对暴雨灾害风险感知、防御措施了解程度、防御制度认可程度的提高，公众支付意愿越强。而暴雨灾害风险感知又受到灾害趋势认知和经历的共同影响，这两个变量分别影响风险感知的广度和深度，但受教育程度对风险感知深度的影响并不显著。核心建议是从满足公众对城市暴雨灾害风险、防御措施、灾害趋势等知识的需求，政府应该加强暴雨灾害科普宣传的主动性、提升主管和协同部门的公信力；规范科普知识内容、拓宽科普渠道。     

基于MODIS的武汉城市圈地表温度场特征

地表温度是许多研究领域，如环境、生态、水文、气候、农业、浅层地温能、热岛效应等不可或缺的重要参数，这些参数现在可以通过卫星热红外遥感技术方便地获得。对一年的MODIS 8 d合成地表温度产品进行了处理，得到了武汉城市圈的地表年平均温度、年温度变幅、日温度变幅、年最低温出现时间、日最高温出现时刻等参数的分布图，并对这些参数的分布特征与土地利用现状进行了对比分析，初步揭示了该区的地表温度时空变化规律。结果表明，这些参数受到城市热岛效应、下垫面和地形因素的强烈影响，年平均温度以城市地区最高，平原地区其次，北部和南部山区的年平均温度最低；地表水体与其附近陆地相比，年平均温度的差异并不显著，但是其年温度变幅、日温度变幅都明显比陆地小，同时，年最低温出现时间、日最高温出现时刻都明显滞后，这些是水与岩土相比具有较高比热容的必然结果。〖     

长沙市两种空气质量预报方法检验对比

为探索新的空气质量预报方法，提高预报准确率，采用统计和对比方法，分析了长沙市空气质量现状，介绍了天气形势相似及动态逐步回归两种空气质量统计预报方法，并对其一年多的运行结果进行了检验和对比。结果表明，长沙市空气污染主要由PM\-\{10\}和SO\-2浓度超标引起, 且具有明显的空间分布特征;5年来长沙城市空气质量明显好转;两种预报方法对各污染物都有一定的预报能力，预报的误差绝对值多集中在30以内，而级别误差基本上在1级以内。两种方法对NO\-2的预报准确率均在98%左右,预报效果优良。绝对误差对比发现，两种预报方法对SO\-2的预报明显优于PM\-\{10\}预报；级别准确率对比时，两种预报方法对3种污染物的预报准确率相近。两种预报方法对3个污染因子的预报准确率呈现出NO\-2优于SO\-2优于PM\-\{10\}的趋势。     

基于MODIS地面温度数据的成都市热岛时空变化

研究利用2000、2005和2010年逐月的MODIS/Terra和MODIS/Aqua卫星的地表温度数据产品,通过等间距法进行分析,得出成都市建成区2000~2010年间昼夜热岛的时空变化以及相互间差异。研究结果表明:成都市昼夜热岛存在显著差异,日间热岛主要呈散点分布,夜间热岛集中在城市中心区域。日夜间热岛变化趋势有显著不同,日间热岛继续分散而夜间热岛范围则有所扩大。日间热岛分布与植被覆盖存在一定的负相关性,但道路也在一定程度上促使了地面温度的增加,夜间城市热岛范围及变化则与其下垫面组成存在关系。     

城市热场剖面的分形维数计算及其意义研究——以上海中心城区为例

城市热环境是城市中建筑物的不断增加及人类活动、大气状况、地表热量传输等多种因素综合作用的结果,因此城市往往具有极为复杂的热表面。由于热量分配、传输具有一定的复杂性,传统的模型预测与定点观测方法在分析城市热表面空间结构及其形成机制方面存在一定的不足。随着空间信息科学的发展,卫星遥感技术为获取城市热场信息提供了可靠的手段。选用上海市2000年6月14日的Landsat ETM+热波段影像,首先反演城市地表温度,再引入剖面线分形的方法,在GIS的支持下,计算从人民广场出发的8个方向的分维数,并进一步探讨剖面线分形的意义,得到如下结论：城市热表面的剖面线具有明显的分形特征,8个方向的分维数为1.530 0～1.780 6,表征不同剖面线的复杂程度。热场表面剖面线的分维数揭示了3个方面的意义：首先不同的分维数反映热场不同方向上温度变化的复杂程度;其次,相对于城市中心,反映不同方向上城市边界形态的差异性;第三,进一步揭示不同方向上,下垫面土地利用类型空间组合变化的复杂程度。