基于iLME+Geoi-RF模型的四川省PM2.5浓度估算

高分辨率PM2.5空间分布数据对动态监测和控制PM2.5污染具有重要意义.选取Himawari-8气溶胶光学厚度(AOD)、ERA5气象再分析资料、DEM、土地利用数据、夜光遥感数据、增强型植被指数和人口数据等作为估算变量,使用改进的重采样法进行数据匹配,并提出改进的线性混合模型(iLME)结合地理智能随机森林(Geoi-RF)构建组合模型估算PM2.5浓度.结果表明:①在选取的估算变量中,气溶胶光学厚度、气压、温度、相对湿度和边界层高度是影响2016年四川省PM2.5浓度的重要因素,其相关系数分别为0.65、0.58、0.55、0.54和0.35.②iLME+Geoi-RF模型精度相较其他模型有较大提升,模型拟合Rl2、RMSR 和 MAE 分别为0.98、3.25 μg·m-3和 1.98 μg·m-3,交叉验证 R2、RMSR 和 MAE 分别为0.89、7.95 μg·m-3和4.81μg·m-3.该模型可获取更高精度的四川省PM2.5时空分布特征,为区域空气质量评估、人体暴露风险评价和环境污染治理提供更加合理地科学参考.③2016年四川省PM2.5浓度存在显著的季节性差异,各季节PM2.5浓度大小关系为:冬季＞秋季＞春季＞夏季.2016年四川省月均PM2.5浓度总体上呈先降后升的"V"型趋势,最小值在6月,最大值在12月,8月和11月有微小起伏.在空间分布上四川省PM2.5浓度总体上呈东高西低和局部污染程度较高的特点,高值区主要分布在城市快速发展和人口密集的东部地区,低值区主要分布在经济发展落后和人口稀疏的西部地区.④虽然不同模型估算出的PM2.5浓度整体分布基本一致,但iLME+Geoi-RF模型能更准确有效地估算本研究区污染的空间分布.     

我国113个城市大气颗粒物污染的健康经济学评价

搜集2006年我国113个主要城市的PM10年均浓度和当年我国城市居民的健康资料,评价大气PM10污染对我国113个主要城市的居民健康影响,并粗略估算了相关的健康经济损失.结果表明,2006年大气PM10污染对我国113个城市的居民造成了较大的健康损失,可引起29.97万例过早死亡,9.26万例慢性支气管炎,762.51万例内科门诊,16.59万例心血管疾病住院和8.90万例呼吸系统疾病住院.折算成货币,总归因健康经济损失为3414.03亿元,其中由过早死亡造成的损失占87.79%.     

雾霾重污染期间北京居民对高浓度PM2.5持续暴露的健康风险及其损害价值评估

开展短期内高浓度空气污染造成的人体健康风险评价以及健康经济损失研究,对推进城市大气污染防控,保证人民群众的健康水平具有重要的科学价值和实际意义.研究选择2013年1月发生的北京市雾霾重污染事件,采用泊松回归模型评价全市居民对10~15日高浓度PM2.5暴露的急性健康损害风险,并采用环境价值评估方法估算人群健康损害的经济损失.结果表明,短期高浓度PM2.5污染对人群健康风险较高,约造成早逝201例,呼吸系统疾病住院1 056例,心血管疾病住院545例,儿科门诊7 094例,内科门诊16 881例,急性支气管炎10 132例,哮喘7 643例.相关健康经济损失高达4.89亿元(95%CI:2.04~7.49),其中早逝与急性支气管炎、哮喘三者占总损失的90%以上.建议应针对不同人群不同健康终点的健康风险进行健康预警并开展及早医学干预,以降低类似空气重污染事件给居民健康带来的风险和损失.     

基于卫星遥感数据(AOD)估算PM2.5的研究进展

雾霾天气的频繁出现,不断向人们警示中国大气环境污染的严重性.细颗粒物PM2.5作为空气质量评价指标之一,由于粒径小、为有毒性物质提供载体的特性,对人们的健康和生活产生很大的负面影响.近年来,PM2.5的相关研究引起了世界各国研究者的广泛关注,通过地基手段获得PM2.5质量浓度受到环境、地理等因素的限制,而利用卫星遥感技术估算地面PM2.5质量浓度,覆盖面广、估算精度可靠,对环境污染监测和治理具有重要意义.在综合了国内外关于气溶胶光学厚度(AOD)估算PM2.5文献的基础上,对AOD和PM2.5的数据源和估算的方法及手段作了简要介绍,分析总结了AOD与PM2.5相关性与PM2.5遥感估算的模型,并展望了未来PM2.5研究的发展方向.     

长三角地区秸秆焚烧PM2.5排放量估算与分析研究

根据长三角地区的实际情况,对该地区两省一市的秸秆焚烧PM2.5排放量状况进行估算.通过长三角地区2002年-2012年主要农作物产量、草谷比、焚烧比例和PM2.5排放因子,估算了该地区内秸秆焚烧量,同时对由秸秆焚烧引起的PM2.5排放量进行了估算,并进行了分析.结果表明：长三角地区2002年-2012年秸秆焚烧量最高的为农业发达的江苏省,高峰都集中在每年的10月份前后,由秸秆焚烧引起的PM2.5排放量呈逐年上升趋势,2012年达到55 218.96 t,其中江苏省每年的PM2.5排放量占到该地区的75％以上,2012年占到80％.研究结果将为制定该地区污染控制政策,改善区域环境空气质量提供科学理论依据.     

对国内外PM2.5研究及控制对策的回顾与展望

近年来,我国的PM2.5污染形势日趋严峻,其来源和成因复杂,对人体和环境的影响非常显著,在此系统总结了国内外PM2.5的研究进展及其污染控制历程.PM2.5研究主要涉及PM2.5污染特征、排放清单、源解析以及对大气能见度和人体健康的影响等方面.在污染控制方面,美国经过治理,2010年的PM2.5年均质量浓度值相较2000年下降了3.6μg/m3,下降幅度达到27％;1990 ～ 2009年,欧洲经济区(EEA)32个地区的PM10排放总量削减了27％,PM2.5重要前体物SO2,NOx,VOC,NH3分别削减了80％,44％,55％,26％.相较之下,我国的PM2.5污染现状较为严峻,2010年各监测试点城市的PM2.5超标天数占全部监测天数的比例在1.9％～48.9％之间,超标状况较为严重.我国应该在建立排放清单、多污染物协同控制、空气质量分区管理、加强监测能力建设等方面开展PM2.5控制.     

基于遥感资料的北京大气污染治理投资对降低PM_(2.5)的效能分析

采用北京市环境监测中心35个站点的PM2.5监测数据及MODIS Terra的大气气溶胶光学厚度L3 C051产品数据,分季度建立北京市PM2.5历史浓度遥感估算模型.结合北京大气污染物(PM10、PM2.5、SO2、NO2)年均浓度数据,对北京市2001—2012年间用于工业废气污染治理投资累计额进行了效能分析.研究表明,北京市工业废气污染治理投资对于改善大气PM10、SO2、NO2均有显著贡献,但其对于大气PM2.5污染的治理效果并不明显.可能原因包括PM2.5排放源的复杂性、相关治理措施对PM2.5的针对性、经济增长导致的区域PM2.5源排放持续增长及区域外排放的持续影响等.因此,需要采取专门的有针对性的治理措施,建立健全大气污染治理技术和激励机制,控制工业燃煤及城市交通排放,削减本地及周边源排放,以有效改善北京地区大气PM2.5污染状况.     

我国PM2.5主要组分及健康危害特征研究进展

介绍我国大气PM2.5中的无机元素、水溶性无机离子以及含碳组分的污染特征,对近年来PM2.5与人群健康危害之间关系的研究进行了总结,并对PM2.5污染的健康风险评价进行了综述.     

2016-2020年成都市大气质量变化特征及健康风险评价

本文基于成都市2016—2020年PM2.5、PM10、SO2、NO2、CO和O3浓度监测数据,运用主成分分析(PCA)和复合污染特征分析污染物特征及来源,并采用美国环境保护署(USEPA)推荐的健康风险评价模型评估了PM2.5、PM10、SO2、NO2的健康风险,结果表明:2016-2020年成都市除O3外其余5种大气污染物浓度逐年降低,O3浓度总体呈上升趋势.相比2016年,2020年PM2.5、PM10、SO2、NO2、CO平均质量浓度降低幅度为26.79％,30.44％,50.00％,24.49％,41.18％;O3平均质量浓度上升9.03％.主成分分析和复合污染特征分析表明大气污染物来源具有同一性.2016—2020年成都市PM2.5非致癌风险指数均大于PM10非致癌风险指数.与其它年份相比,成都市2016年PM2.5和PM10的健康风险值均最高,分别为2020年的1.55倍和1.54倍.SO2和NO2的健康风险存在年龄差异,大气污染物的健康风险随年龄的增加而降低,对老人造成的健康风险最小,儿童最大.2016年男童和女童(<6岁)SO2/NO2健康风险值最高,是2020年的2.50/1.46倍.6～17岁和60岁以上人群,男性健康风险小于女性,其余年龄段男性健康风险均大于女性.成都市各人群PM2.5、PM10、SO2和NO2的健康风险均未超过USEPA推荐的1×10-6～1×10-4可接受风险范围.     

珠江三角洲地区亚运期间颗粒物污染特征

为研究2010年广州亚运会期间珠江三角洲地区颗粒物污染特征,2010年11月11日—30日分别在广州市区城市点及下风向鹤山区域点采集24h颗粒物样品,对其主要化学组分(有机碳OC、元素碳EC和水溶性离子)进行测量.结果显示,观测期间广州和鹤山PM2.5平均质量浓度分别为(73.3±16.5)μg·m-3和(98.2±20.8)μg·m-3.鹤山PM10平均浓度高达131.6μg·m-3,且PM2.5占PM10的74%,表明区域PM2.5污染凸显.广州和鹤山PM2.5中二次无机离子(SNA)分别占39%和42%,有机物(OM)分别占31%和26%,EC分别占5%和6%.根据EC示踪法粗略估算,广州和鹤山PM2.5中一次有机碳POC分别占15%和13%,二次有机碳SOC分别占4%和3%.总体上,广州和鹤山PM2.5中二次生成(SNA+SOA)均约占50%,表明珠江三角洲地区PM2.5区域性二次污染的特征.广州市区PM2.5及SNA、Cl-和EC明显低于区域点鹤山浓度水平;与2004年同期研究(PRIDE-PRD2004)结果相比,气象条件相似,而广州市区PM2.5及EC浓度分别显著降低达29.6μg·m-3(29%)和3.5μg·m-3(49%),反映出亚运期间一次排放得到有效控制.     

京津冀地区控制PM2.5污染的健康效益评估

基于流行病学综合研究成果,运用环境健康风险评估技术和环境价值评估方法,对京津冀地区实施并达到2012年新颁布的《空气质量标准》中细颗粒物(PM2.5)浓度标准可实现的健康效益进行了评估,并对区域内各城市的健康效益进行了比较分析.结果表明,京津冀地区能够实现的健康效益总和可达到612~2560亿元/a(均值为1729亿元/a),相当于该地区2009年地方生产总值的1.66%~6.94%(均值为4.68%).其中河北省所能实现的总健康效益最大,北京、天津和石家庄这些大城市能够实现的健康改善和经济效益最为显著.本文的研究结果可望为实施PM2.5空气质量标准的成本效益分析提供科学依据,并为大气污染区域联防联控和环境质量管理与合作提供重要的政策决策参考.     

基于ESDA的省域空气污染空间特征研究

运用探索性空间数据分析(ESDA)方法,对中国31个省份的空气质量指数和PM2.5进行了空间分布和时空演化分析,结果显示,中国省域空气综合污染存在较强的空间自相关性,可对相邻区域空气质量造成影响.PM2.5污染与空气综合污染的空间相关趋势保持了高度的一致性,体现主导污染物的地位.辽宁与华北省份北京、天津、河北、山东,以及部分华中省份河南、湖北及江苏形成了较为稳定的高污染集聚区,较轻污染的集聚大多分布在西部、西南和东南沿海区域.基于空间特征的污染治理措施,可实现功效发挥的最大化.     

环境污染治理对区域工业经济发展速率的影响研究

环境污染治理对区域工业经济发展速率的影响,一直是该领域研究人员的讨论热点,对该方面进行研究,有利于社会经济的整体提升和生态环境的高效治理。分析了环境污染对区域工业经济发展产生的影响,将其划分为对人体健康的影响和对人们生活的影响,并在经济生产力大幅度下降,人类安全的影响,区域工业经济发展速率影响三个方面分别进行研究,依据研究结果分析环境污染治理对工业经济发展速率的影响,对工业废气治理与人均GDP关系、工业废水治理与人均GDP关系、工业固体废物治理与人均GDP关系的相关研究.     

哈尔滨市环境空气质量评价与经济增长关系研究

以PM10、SO2和NO2作为空气质量的评价对象,采用空气综合污染指数法研究了哈尔滨市2001年到2015年的环境空气质量变化趋势.以空气综合污染指数作为因变量,哈尔滨市人均GDP作为自变量,来探讨哈尔滨环境空气质量与经济增长之间的关系.得出2001年到2015年期间,哈尔滨环境空气质量呈现先变好又变差再变好的趋势,哈尔滨环境空气质量与经济增长之间呈现近似三次方函数关系,且部分呈现到"U"型曲线关系.     

我国城市PM2.5污染的健康风险及经济损失评价

开展大样本城市的空气污染造成人群健康风险及经济损失研究,对于推进空气污染的防控与区域合作治理、公众健康素养提升具有重要意义.本文以我国62个环保重点监测城市为样本,运用环境健康风险与环境价值评估方法,对2015年PM_(2.5)污染引发的健康风险及经济损失进行评价,结果表明PM_(2.5)污染造成约12.51万人早逝[95%CI(置信区间):3.33~20.59万人]及1 009.59万人次患病、门诊和住院(95%CI:470.38~1 501.93万人次),占这些城市市区总人口的3.53%(95%CI:1.64%~5.26%).造成经济损失5 705.57亿元(95%CI:1 930.82~8 742.14亿元),占这些城市GDP总和的1.53%(95%CI:0.52%~2.35%),人均经济损失1 970元(95%CI:667~3 018元).四大城市群中,京津冀在健康风险、健康经济损失及其占GDP比重、人均损失方面均高于长三角、珠三角及东北.三大经济区中,东部的健康风险及经济损失高于中部与西部,三地的人均经济损失差别不大.南北方的经济损失相差很小,但北方的经济损失占GDP比重与人均损失均远高于南方.保定、郑州、济南、北京等市PM_(2.5)浓度很高,健康风险与经济损失问题突出.     

基于LMDI分解方法的河北省PM2.5排放驱动因素分析

研究了河北省1990—2015年PM_(2.5)的排放总量及各个产业部门的排放量分布,并应用LMDI模型对五大部门PM_(2.5)排放变化的驱动因素进行了较全面的分解分析,以找出每个部门中PM_(2.5)排放变化的关键驱动因素.同时,通过对原始数据的整理分析和模型计算,结果发现:①工业、生活消费、农业部门是河北省PM_(2.5)排放的三大来源.其中,工业部门是PM_(2.5)排放的最主要贡献部门,占PM_(2.5)总排放量的70%;生活消费部门的贡献位居第二,占比约24%.②对于生产端,经济规模总量扩张是PM_(2.5)排放量增加的最主要原因;能源利用效率的提高和污染治理工艺水平的改进使得各部门的排放强度减弱,明显缓解了PM_(2.5)的排放增长,部门经济结构的优化也可带来明显的减排效应.③对于消费端,人均收入的提高促进了PM_(2.5)排放的增加,倡导绿色消费模式可以有效减缓PM_(2.5)排放.根据以上结论,本研究通过找到各部门存在的问题,为河北省大气污染治理提供参考和借鉴.     

昆明市经济增长与环境污染的计量模型研究

根据昆明市1995~2005年历年环境污染指标的统计数据和人均GDP统计数据,对人均GDP与环境污染(工业"三废"排放量)作相关分析,建立两者之间的计量模型,并在此基础上分析工业"三废"排放量与人均GDP增长的关系。经研究发现,昆明市目前仍处于工业发展期。工业废水排放量曲线和工业固体废弃物排放量随人均GDP的增长而呈下降趋势,曲线走势良好;随着经济的增长,工业废气排放量则呈上升趋势。     

武汉市与西安市颗粒物PM_(10)、PM_(2.5)的污染水平分析

利用武汉、西安两市2013年PM10与PM2.5的监测数据,统计分析了武汉市和西安市PM10与PM2.5的污染水平,并比较了两城市的污染水平。根据GB 3095—2012《中华人民共和国环境空气质量标准》规定的二级浓度限值,可知武汉市和西安市PM2.5的污染都非常严重,PM10的污染相对较轻。从整体上说,西安市的污染水平要比武汉市严重,其中西安市PM10中PM2.5约占79%。武汉市和西安市的相关部门都应重视PM10和PM2.5的污染问题。     

邯郸市大气PM_(2.5)成分空间分布研究

为研究邯郸市2015年PM_(2.5)的污染状况,采用河北工程大学监测站全年PM_(2.5)浓度和气象在线监测数据以及4个代表月4个站点离线采样成分数据,分析了PM_(2.5)的浓度水平与气象要素的关系以及其化学组分特征。结果表明:PM_(2.5)的年均浓度为91.14μg/m~3,最高达到706.56μg/m~3;不同相对湿度条件下,PM_(2.5)浓度对邯郸地区能见度有较大影响。此外,邯郸静风频率较大,全年东南风风速较小,PM_(2.5)污染相对更加严重;PM_(2.5)中主要化学成分为SO_4~(2-)、NO_3~-和NH_4~+、OC和EC,4个站点采样无显著差异性。     

中国PM2.5污染空间分布的社会经济影响因素分析

中国的细颗粒物(PM_(2.5))污染具有危害性强、覆盖范围大、空间分布不均匀的特点.本研究以2015年中国PM_(2.5)监测站点数据为基础,尝试结合空间分析的方法,对PM_(2.5)污染空间分布的社会经济影响因素进行分析.首先以省级行政区划为基本单元,选取Moran's I指数和局部自相关指数(LISA)分析PM_(2.5)在国家尺度上的分布特征.然后利用普通最小二乘回归模型(OLS)和地理加权回归模型(GWR)分析PM_(2.5)浓度的空间分布和各项社会经济指标的相关性.结果表明,GWR模型比OLS模型更好地揭示出PM_(2.5)浓度分布和各项因素之间的关系.PM_(2.5)浓度在空间分布上存在以京津冀为中心的高浓度聚集区向四周逐渐递减,在广西、四川等南部省份形成低浓度聚集区的空间分布结构.另外,森林覆盖率和人均电力消费量与PM_(2.5)浓度显著负相关,人均私家车保有量和PM_(2.5)浓度显著正相关,其中人均私家车保有量是对PM_(2.5)浓度影响最大的因素.