基于LME/BME的珠江三角洲PM2.5星地融合技术研究

收集并处理了遥感反演的气溶胶光学厚度（AOD）、归一化植被指数（NDVI）和气象数据,采用贝叶斯最大熵（BME）结合线性混合模型（LME）估算了2015年10月~2016年3月珠江三角洲地区近地表旬平均PM_2.5质量浓度.结果表明,LME+BME模型的预测精度比LME模型有较大提升,LME+BME模型的交叉验证结果R²为0.751,RMSE为6.886μg/m³,MAE为4.52μg/m³,而LME模型的交叉验证结果R²为0.703,RMSE为7.546μg/m³,MAE为4.927μg/m³.空间分布看,PM_2.5高浓度地区主要集中在广州、佛山、东莞等地区,低浓度地区主要集中在肇庆、惠州、江门的南部等地区;时间变化看,PM_2.5污染比较严重的时间为2015年10月中旬、2015年11月下旬以及2016年3月下旬,而2015年10月上旬、2015年12月上旬和2016年1月下旬污染则相对较低.     

2018年春节期间京津冀地区污染过程分析

为了解2018年春节期间京津冀地区空气污染情况,利用近地面污染物浓度数据、激光雷达组网观测数据,结合WRF气象要素、颗粒物输送通量和HYSPLIT气团轨迹综合分析污染过程.结果表明,春节期间出现3次污染过程.春节前一次污染过程,各站点PM_2.5浓度均未超过200μg/m³;除夕夜,廊坊站点PM_2.5峰值浓度达到504μg/m³,是清洁天气的26倍;年初二~初五,各站点PM_2.5始终高于120μg/m³,且污染主要聚集在500m高度以下,北京地区存在高空传输,800m处最大输送通量达939μg/（m³·s）,此次重污染过程为一次典型的区域累积和传输过程.京津冀地区处于严格管控状态时,燃放烟花爆竹期间PM_2.5峰值浓度可达无燃放时PM_2.5峰值的3.2倍.为防止春节期间重污染现象的发生,需对静稳天气下燃放烟花炮竹采取预防对策.     

重点煤电基地大气污染物扩散对京津冀的影响

基于排放源清单,采用空气质量模式CAMx模拟现状情景下,鄂尔多斯、宁东与锡林格勒排放污染物扩散对京津冀地区的影响.结合3地区已批复环境影响报告、规划环评与战略环评等污染物排放数据,估算未来情景下3地区能源基地污染物排放对京津冀的影响.结果表明：现状情景下,3地区排放的PM_2.5、SO₂与NO_x对京津冀的贡献浓度范围分别为0.079~1.134,0.012~0.633,0.008~0.852μg/m³,冬季对京津冀地区的影响要高于夏季,对京津冀地区冬季的平均贡献浓度值为0.710,0.339与0.413μg/m³,影响较大的京津冀城市为衡水市、石家庄市、邢台市、邯郸市与保定市;未来情景下3地区能源基地排放的PM_2.5、SO₂与NO_x对京津冀城市浓度贡献范围分别为0.049~0.773,0.003~0.176,0.008~0.731μg/m³,冬季平均贡献浓度值为0.475,0.096与0.357μg/m³.     

基于AOD数据和GWR模型估算京津冀地区PM2.5浓度

利用MODIS气溶胶光学厚度（AOD）数据针对不同土地覆盖类型的适用性,提出了一种基于土地覆盖类型的AOD融合方法,生成了一种新的3km AOD数据集.在此基础上,通过地理加权回归（GWR）模型估算了京津冀地区2016年PM_2.5浓度,并用交叉验证的方法对模型性能进行评价.结果表明：利用融合后的AOD数据建立的模型可解释PM_2.594.85%的浓度变化,交叉验证R²为0.94,RMSE为9.27μg/m³,MPE为6.72μg/m³,明显优于多元线性回归（MLR）模型;基于GWR模型估算的京津冀地区2016年年均PM_2.5浓度为58.57μg/m³,其中冬季PM_2.5浓度最高,春秋季次之,夏季浓度最低,PM_2.5月均浓度变化范围32.78~140.83μg/m³,8月份浓度最低,12月份浓度最高;空间分布南北差异显著,衡水市PM_2.5污染最为严重,张家口市PM_2.5浓度较低.利用此方法成功弥补了PM_2.5空间缺失,为城市尺度的健康效应和环境流行病学研究提供数据支持.     

PM2.5致卵巢癌的风险及城乡差异的生态学研究

为了评估PM_2.5排放导致女性生殖系统癌症的风险以及城乡差异,以卵巢癌为例,分析了中国东部地区2000~2011年期间PM_2.5和卵巢癌发病率和死亡率的相关关系,并估算了PM_2.5排放导致卵巢癌发病率和死亡率升高的风险.结果表明,城市地区卵巢癌发病率和死亡率显著高于农村,在城市地区,PM_2.5与卵巢癌发病率显著相关,PM_2.5年平均浓度每上升10μg/m³,城市地区卵巢癌发病率上升的相对风险为9.3%（相对于PM_2.5年平均浓度为35μg/m³时）,每十万人口升高0.51人.     

京津冀煤改电对PM2.5浓度的影响

基于WRF-Chem模型,结合气象要素,从PM_2.5浓度的消减量及时空变化特征等方面模拟分析了煤改电政策实施前后京津冀地区采暖期（2018年11月~2019年3月）PM_2.5的排放变化.结果表明,WRF-Chem模型很好地模拟了京津冀地区PM_2.5浓度变化,北京、天津和石家庄模拟值与观测值的相关系数分别为0.66、0.66和0.52,表现出良好的相关性.煤改电政策的实施对京津冀重点地区PM_2.5减排效果明显,PM_2.5日均减少量分布在0.2~6.1μg/m³,减少比例分布在1.2%~7.8%.PM_2.5小时均值变化显示,2018年12月PM_2.5减少量分布在0.4~8.3μg/m³,减少比例分布在2.3%~7.7%.其中,北京大兴区减排量达8.3μg/m³,天津地区减排比例达7.7%.在特殊气象条件下,煤改电政策影响范围可扩散至山东、江苏、河南北部以及山西西部,PM_2.5小时均值减少量最大超过50μg/m³.     

2001~2015年中国城镇化与PM2.5浓度时空关联特征

综合运用时空统计、剪刀差、地理加权回归等手段分5个阶段从人口、土地、经济角度研究了2001~2015年中国大陆地区城镇化水平与PM_2.5浓度的时空分布以及相互关联特征.结果表明：2001~2015年,我国3a均人口、土地、经济城镇化水平平均值稳步提高,PM_2.5浓度波动上升（44.14~50.89 μg/m³）,不同经济区之间时序变化趋势相似但强度存在差异.不同阶段PM_2.5浓度空间分布趋势基本一致,京津冀、河南与山东北部、新疆西部等地区始终为高值区,3类城镇化水平高值区域逐步扩大.城镇化水平的时序变化趋势与PM_2.5浓度随时间变化的趋势存在差异（切线夹角：15.33°~62.92°）,难以解释PM_2.5浓度在时间上的突变.城镇化水平与PM_2.5浓度空间分布关联特征显著,土地城镇化水平与PM_2.5浓度在0.01水平上正相关,其相关系数依次为东北（0.609~0.723） > 中部（0.572~0.631） > 东部（0.218~0.323） > 西部（0.079~0.255）,除中、西部地区外,经济城镇化水平对PM_2.5浓度正效应明显,东北地区人口城镇化水平与PM_2.5浓度负相关,GWR模型调整R²在2001~2003年阶段最高（0.6~0.77）,2013~2015年阶段最低（0.08~0.64）.     

关中典型城市及农村夏季PM2.5的化学组成对比

于2016年7~8月采集了陕西省西安市（城市）及蔺村（农村）夏季昼夜PM_2.5样品,分析其有机碳（OC）、元素碳（EC）和无机离子等化学组分的含量,探讨关中平原城市和农村地区PM_2.5的化学组成和来源的差异.结果表明,采样期间西安和蔺村的PM_2.5浓度分别为（49.7±22.8）和（62.6±14.2）μg/m³.西安PM_2.5中OC和EC的浓度[（6.5±2.5）μg/m³,（3.2±1.8）μg/m³]与蔺村[（6.8±1.8）μg/m³,（3.8±2.3）μg/m³]相当.西安OC/EC比值白天（2.6）高于夜晚（1.9）,蔺村反之（白天：1.6;夜晚：2.7）,主要是因为夜间城市地区重型卡车运输活动增强导致排放更多EC,而夜间农村地区人为活动较少导致EC排放显著降低.西安和蔺村无机离子总浓度分别为（20.2±14.6）和（30.1±10.5）μg/m³,占PM_2.5浓度的40.6%和47.6%.蔺村SO₄^2-的平均浓度高达19.0μg/m³,占PM_2.5浓度的30%以上,远高于西安（9.4μg/m³和18.9%）,主要与农村固体燃料（煤和生物质）使用有关.西安NO₃^-和Ca²⁺的浓度及其对PM_2.5的贡献、NO₃^-/SO₄^2-比值均明显大于蔺村,表明城市地区受机动车尾气和扬尘的影响更大.西安K⁺与Ca²⁺和Mg²⁺的相关性较强,而蔺村K⁺与EC的相关性显著强于西安,说明西安市区K⁺由粉尘源主导,而农村地区则主要来自生物质燃烧.     

邯郸市PM2.5中碳组分的污染特征及来源分析

为研究邯郸市PM_2.5中碳组分的污染特征及其来源,于2017年4~12月采集PM_2.5样品,用热光反射法（TOR）分析PM_2.5中有机碳（OC）和元素碳（EC）的质量浓度.结果表明：邯郸市PM_2.5和总碳气溶胶（TCA）质量浓度的年均值分别为（88.87±58.89）μg/m³和（31.45±23.35）μg/m³,PM_2.5质量浓度超标率为50%,TCA/PM_2.5比率的年均值为（38.23%±14.61%）,表明邯郸市碳组分污染严重.冬季PM_2.5中TCA质量浓度均值为（68.06±23.77）μg/m³,TCA/PM_2.5比率的均值为（46.86%±10.07%）,OC（37.09±13.05）μg/m³和EC（8.72±3.78）μg/m³浓度明显高于其它季节,表明冬季碳组分污染较为严重.各季节OC/EC比值均大于2,表明邯郸市全年均受二次有机碳（SOC）的污染;OC、EC及SOC与SO₂、NO₂呈显著正相关,与O₃呈显著负相关,尤其是与NO₂相关关系最强,说明邯郸市碳质气溶胶可能受到机动车尾气排放的影响.对8种碳组分进行主成分分析,发现道路扬尘、燃煤排放和机动车尾气是邯郸市PM_2.5中OC和EC的主要贡献源.     

室内外PM2.5中金属元素的污染特征及来源

在南京市仙林地区住宅楼内和室外采集PM_2.5样品,分析PM_2.5中金属的污染特征及主要来源.结果显示,室内外PM_2.5平均浓度分别为80.56μg/m³和96.77μg/m³,室内外PM_2.5浓度比（I/O）平均值为0.87.除Mg外,室外其他金属平均值均高于室内.元素Pb室内外浓度相关性最高,R值为0.807.室内外PM_2.5中金属元素Cd、Cu、Pb、Zn、As、Co、Cr和Ni富集程度较高.主成分分析结果显示,室外PM_2.5中金属的主要来源为土壤尘、交通排放、金属冶炼、垃圾焚烧等;室内PM_2.5中金属可能的来源为室外颗粒物的渗透及室内烹饪和家具材料等.     

乌鲁木齐市PM_(2.5)和PM_(2.5~10)中碳组分季节性变化特征

2011年1月至12月在乌鲁木齐市区用膜采样法采集了大气PM_(2.5)和PM_(2.5~10)样品,并利用热光/碳分析仪测定了其中有机碳(OC)和元素碳(EC)的质量浓度.通过OC与EC的粒径分布特征、比值和相关性的分析,初步分析了乌鲁木齐市大气可吸入颗粒物中碳质气溶胶污染特征,并用OC/EC比值法估算了二次有机碳(SOC)的浓度.结果表明,PM_(2.5)和PM_(2.5~10)的年平均质量浓度分别为92.8μg/m~3和64.7μg/m~3.PM_(2.5)中OC和EC的年平均浓度分别为13.85μg/m~3和2.38μg/m~3,PM_(2.5~10)中OC和EC的年平均浓度分别为2.63μg/m~3和0.57μg/m~3.OC和EC四季变化趋势基本一致,季浓度最高.碳组分主要集中于PM_(2.5)中,OC/EC比值范围为3.62~11.21.夏季和秋季的PM_(2.5)和PM_(2.5~10)中OC和EC的相关性较好(R20.65).估算得出的PM_(2.5)和PM_(2.5~10)中SOC的估算浓度为2.31~11.98μg/m~3和0.38~1.49μg/m~3.     

基于走航观测的长江三角洲地区大气污染特征及来源追踪

为了加强对长江三角洲地区大气污染分布特征和输送规律的认识,利用移动车载设备开展了不定期的走航观测,重点研究了2016-2018年冬季灰霾污染和春季光化学污染条件下长江三角洲地区的大气污染特征.结果表明,走航观测期间长江三角洲地区PM_2.5日均浓度为60~122 μg/m³,东部的常州、无锡一带,西部的合肥、芜湖地区,北部蚌埠、滁州一带,南部湖州、杭州地区的PM_2.5浓度较高,比其他地区高出20%~40%.O₃日均浓度水平为9~52 μg/m³,苏州、盐城、宣城与湖州地区浓度相对较高.运用FLEXPART_WRF模式,结合PM_2.5排放清单,分析了走航观测期间长江三角洲地区及沿线城市PM_2.5的潜在来源.结果发现,东风条件下,南通及上海地区为PM_2.5的潜在源区,北风条件下,连云港、盐城等地区贡献较大.运用FLEXPART前向轨迹计算模块,对一次污染个例过程进行了模拟,并利用走航观测结果进行了验证,发现模拟结果与走航观测结果的相关系数达到0.9.可见,长江三角洲地区存在区域性的PM_2.5和O₃污染,走航观测结合轨迹分析是追踪污染气团输送的有效手段.     

四川盆地PM2.5与PM10高分辨率时空分布及关联分析

为深入了解四川盆地PM_2.5与PM₁₀污染情况，通过机器学习的方法，基于卫星遥感气溶胶产品（MAIAC）与国家环境空气质量监测网数据以及气象、地理、社会经济变量等，构建2个随机森林机器学习模型（R²均为0.86），反演四川盆地2013~2017年间1km网格逐日PM_2.5与PM₁₀浓度时空分布，并分析两者的时空关联性.结果表明：2013~2017年四川盆地地面PM_2.5与PM₁₀平均浓度分别为47.8，75.2μg/m³.PM_2.5与PM₁₀浓度空间上均整体呈现"倒月牙"状分布，西部与南部区域浓度值较高.5a间，区域颗粒物浓度逐年递减，总降幅均达到27%，季节上则均具有"冬高夏低"的特点；PM_2.5与PM₁₀浓度空间相关性显著（相关系数0.96），呈现"内强外弱"的格局，春夏季相关系数（0.91、0.90）低于秋冬季（0.96、0.96）.盆地西南部PM_2.5与PM₁₀比值较高，比值高低的季节性排序为冬季 > 秋季 > 夏季 > 春季.     

全球PM2.5人口暴露风险时空格局

基于PM_2.5遥感数据和人口格网数据,利用污染物人口暴露风险模型、Theil-Sen Media和Mann-Kendall等方法,分析了2000~2016年全球PM_2.5人口暴露风险时空分布特征,并识别出暴露高风险区域.结果表明,PM_2.5遥感数据和人口格网数据可以客观地评价暴露风险程度.全球PM_2.5平均浓度在各大洲差异显著,PM_2.5污染的高值区域主要分布在东亚、南亚和东南亚.PM_2.5质量浓度的多年平均值从高到低分别是亚洲14.7μg/m³、非洲8.1μg/m³、欧洲8.03μg/m³、南美洲5.69μg/m³、北美洲4.41μg/m³和大洋洲1.27μg/m³.2000~2016年,全球PM_2.5人口暴露风险在宏观尺度上呈逐渐减少的趋势,而在区域内则呈现出差异性.空间上,全球PM_2.5人口暴露风险各大洲从高到低依次为亚洲5.94、非洲0.62、欧洲0.45、南美洲0.32、北美洲0.27和大洋洲0.01.时间上,2000~2016年,亚洲和非洲PM_2.5人口暴露风险呈增长趋势,欧洲和北美洲呈减少趋势,大洋洲和南美洲变化幅度较小.