中国主要大气污染物的时空分布特征研究

应用统计学和GIS对2014年3月─2015年2月期间190个监测城市的NO2、PM10、PM2.5和SO2的监测数据进行时空特征分布分析,结果表明,中国大气污染主要来源于采暖排放、机动车排放、工业排放与风沙天气。各污染物呈明显的区域性分布。污染物浓度总体趋势是北方地区高于南方地区。河北南部以及山东东部等重工业密集且人口密度大的地区污染较为严重。而中西部及东南部等工业发展相对落后人口较为稀少的地区污染较轻。PM10污染呈明显的季节变化,采暖期PM10主要来源于燃煤排放和机动车尾气排放,非采暖期受风沙天气影响显著,且在春、秋的风沙时期保持较高的值。采暖期PM2.5、SO2和NO2的浓度上升明显,其中SO2受到采暖期的影响最为显著。NO2主要来源于工业排放以及汽车尾气排放,因而工业布局密集且交通发达的城市污染较为严重。采暖期与非采暖期NO2、PM10、PM2.5和SO2的浓度对比变化显著,采暖期燃煤对空气质量的影响巨大。     

大气颗粒物源解析土壤风沙尘成分谱研究进展

土壤风沙尘是颗粒物源解析的一类重要尘源,文章从概念、成分、粒径、采样、区域性特征、标识元素选择、成分谱比较、影响因素、数据库建设等几个方面介绍了土壤风沙尘的研究进展。     

自然保护区管理有效性评价指标分析

根据154个国家级自然保护区的问卷调查结果,运用主成分分析法对26项管理评价指标进行分析,确定了影响保护区管理有效性的6个主要指标类体系。其结果表明:对管理有效性产生较大影响的主成分包括:物资保障、监控管理、经济开发收益、管理权归属、行政执法和交流合作。6个主成分对于管理有效性的贡献率比较分散,累计贡献率为68.671%;其中物资保障主成分贡献率最大,达26.011%。     

洱海流域水质时空变化特征

依据2009年洱海流域62个样点的水质调查数据,应用聚类分析对洱海流域水质时空变化特征进行分析,将样点在空间上分为4组,分别为无干扰的苍山林区源头溪流(A1)、受到一定程度人类干扰的流经农业区和城镇区溪流的中上游段及湖泊(A2)、干扰较严重的流经农业区和城镇区溪流的下游段(A3)以及干扰最为严重的洱海岸边带(A4),判别分析结果表明聚类准确率达95.2%。应用主成分分析方法得到影响洱海流域水质的4个主成分为:第1主成分,Alk、Ca2+、Mg2+、HS;第2主成分,TP;第3主成分,TN和NO3--N;第4主成分,DOC和TOC,这些主成分空间差异明显。在时间尺度上,Alk表现为丰水期高于枯水期;Ca2+表现为枯水期高于丰水期;TP没有表现出明显的季节性变化规律;TN在A1和A3组表现为丰水期高于枯水期。     

焦作市采暖期降尘中重金属生态风险评价与源解析

随着工业经济的快速发展,降尘中重金属对环境的危害日趋严重,特别是在采暖期表现得尤为突出。焦作市是典型的燃煤城市,工业污染较为严重。为了解焦作市采暖期大气降尘量及其重金属的污染程度,在焦作市设置30个采样点,进行了降尘重金属的生态风险评价和源解析。结果表明:焦作市冬季降尘量平均值为20.51 t·km~(-2)·month~(-1),各种重金属元素质量分数在不同采样点的分布存在明显差异,其主要与降尘中重金属来源有关。降尘中重金属Cr、Co、Ni、Cu、As、Cd、Pb、Zn质量分数分别为68.90、9.58、40.22、68.07、35.47、8.11、157.15、1 809.58 mg·kg~(-1)。富集因子结果显示:Cd达到极强的富集程度;Zn和Pb呈显著富集;Cu和As为中度富集;Ni为轻微富集;Cr和Co的富集因子均小于1,说明其来自自然环境。潜在生态风险评价结果显示:Cd的潜在生态风险系数高达3 236.22,达到极强水平;As和Pb的最大潜在生态风险指数较高,达到中等水平;Cu和Zn的潜在生态风险指数最大值接近中等污染水平;其他重金属元素的潜在风险系数较小,生态危害程度不大。采用因子分析法对降尘中Cr、Co、Ni、Cu、As、Cd、Pb、Zn、Ca、Si、Al、Fe、K、Mg等14种元素进行源解析,提出4个主成分因子,分析结果表明:焦作市采暖期大气降尘主要来自于土壤尘,占24.89%;工业尘占19.33%;燃煤燃油尘占16.89%;道路扬尘占9.51%。     

北京地区大气中汞污染状况的初步调查

用镀金细砂填充的石英采样管在采暖期的非采暖期于北京地区七个采样点收集空气中的气态汞,用二步汞齐化原子吸收法测定其浓度并与实时分析结果进行比较,两种方法的结果都表明,采暖期北京地区大气中汞的浓度低于非采暖期大气中汞的浓度,对于除燃煤以外汞的来源尚需进一步研究。     

基于主成分分析的中国南方干旱脆弱性评价

干旱脆弱性是干旱灾害形成的根本原因。遵循全面性、系统性和可操作性原则,选取水资源脆弱性、经济脆弱性、社会脆弱性、农业脆弱性和防旱抗旱能力脆弱性5个准则层,共32个指标,建立了中国南方农业干旱脆弱性评价指标体系,运用主成分分析的理论方法确定评价指标权重,建立中国南方地区的干旱脆弱性评价模型,得到不同省市的干旱脆弱性指数、分级阈值和区划,以期为南方地区防旱减灾工作提供基础数据和理论支持。得出以下结论,（1）通过主成分分析法得到四个主成分,第一主成分方差贡献率为54.90%,主要反映农业脆弱性和社会脆弱性;第二主成分方差贡献率为23.64%,主要反映水资源脆弱性和经济脆弱性;第三主成分和第四主成分所占比重较小,主要反映防旱抗旱能力脆弱性。（2）以4个主成分的方差贡献率为系数建立南方干旱脆弱性评价模型,得到中国南方干旱脆弱性综合评价得分及其排名,其中水资源脆弱性由高到低依次为云南、广西、贵州、四川、重庆和广东;经济脆弱性由高到低依次为广西、云南、贵州、四川、重庆和广东;社会脆弱性由高到低依次为贵州、云南、广西、重庆、四川和广东;农业脆弱性从高到低依次为贵州、云南、广西、重庆、四川和广东;防旱抗旱能力脆弱性由高到低分别为云南、贵州、四川、广西、重庆和广东;干旱脆弱性综合评价由高到低依次为云南、贵州、广西、四川、重庆和广东。（3）对干旱脆弱性指数进行正态分布性检验,发现该指数基本服从正态分布。根据正态分布原理,得到干旱脆弱性分级阈值,将干旱脆弱性指数小于0.3842定义为低风险,大于1.0758定义为高风险,介于两者之间的定义为中等风险,获得干旱脆弱性分级区划图。广东省位于干旱的低脆弱区,四川和?     

邯郸采暖期环境污染特征及空气质量预报方法研究

利用河北邯郸气象和环境监测资料,分析了邯郸采暖期空气质量和环境气象条件特征;同时利用线性回归和BP神经网络统计方法对采暖期空气质量进行了预报研究。结果表明,PM_(10)、PM_(2.5)、SO_2、NO_2、CO(95)(CO日均值的第95百分位数)的空气质量指数(AQI)在冬季最高,夏季最低,O_3-8(90)(O_3日最大8 h值的第90百分位数)的AQI则相反。邯郸采暖期首要污染物以PM_(2.5)和PM_(10)为主,除O_3-8(90)外,其他5种污染物采暖期AQI均高于其年均值;同时采暖期降水少,温度低,小风出现频率明显高于非采暖期,而且局地逆温强,静稳天气指数高,是全年环境气象条件最差的时期。邯郸采暖期的环境气象条件1月最差,且夜晚差于白天,尤其是局地5—7时。邯郸采暖期首要污染物浓度与前一日污染物浓度、静稳指数、逆温、相对湿度和露点温度等呈正相关,与气温、风速、能见度和混合层高度等呈负相关。BP神经网络模型对污染物浓度的预报效果优于线性回归模型,可尝试应用于邯郸空气质量预报工作。     

不同甘蔗基因型光合特性的数值分类

对30个甘蔗基因型光合性状进行数值分类、主成分、聚类和判别分析研究认为，甘蔗基因型间光合性状存在较大差异；利用主成分分析选出3个主成分，方差累计贡献率达到98．5％，蒸腾速率、气孔导度为第一主成分的主导因子，而净光合速率和气孔导度分别为二、三主成分的主导因子；经系统聚类将30个基因型分为三大类，在聚类分析基础上用判别分析选出对甘蔗光合性状数值分类有显著影响的4个光合参数，建立3个判别能力较高的判别模型．表5图1参22     

自然保护区管理有效性评价指标分析

根据154个国家级自然保护区的问卷调查结果，运用主成分分析法对26项管理评价指标进行分析，确定了影响保护区管理有效性的6个主要指标类体系。其结果表明：对管理有效性产生较大影响的主成分包括：物资保障、监控管理、经济开发收益、管理权归属、行政执法和交流合作。6个主成分对于管理有效性的贡献率比较分散，累计贡献率为68．671％；其中物资保障主成分贡献率最大，达26．011％。     

Assessment of wetland ecosystem health in Lower Songkhram,Thailand

A study was conducted to assess the ecosystem health of Lower Songkhram wetland in Thailand, using a newly developed wetland ecosystem health index (WEHI) based on analysis of field survey and secondary data of the most dominant physical, environmental and socio-economic factors extracted by principal components analysis (PCA). The most influential physical, environmental and socio-economic factors identified were rainfall and awareness and participation of the local community, which had positive effects, whereas soil electrical conductivity (EC), biochemical oxygen demand (BOD) and urban development had negative effects. Based on the results, 9 of the 40 land units of the study area were in very good or good health, 11 in reasonable health, while 20 were found to be in poor or even very poor condition. These findings will be useful for decision-makers in planning and executing an effective and holistic strategy to prevent further wetland degradation.     

Chemometrical analysis of waste water monitoring data from Yantra river basin,Bulgaria

A chemometrical study of waste water data is carried out in order to reveal some new information about the pollution events in Yantra river basin, Bulgaria. Cluster analysis shows that no substantial difference in the behaviour of various sites along the river could be found if all chemical pollutants are simultaneously considered as variables (both for direct and indirect inlet of pollutants). Further, the clustering of the variables indicates a separation between organic and nutrition polluting species. The principal components analysis offered information about the latent factors influencing the data structure. In principle, three to four such latent factors explain over 80% of the total variance of the system. These factors are conditionally named “organic pollution”;, “nutrition pollution”; or “natural”; and are slightly different for the cases of direct and indirect inlet.     

武汉市青山区道路尘碳组分污染特征及来源分析

为研究武汉市道路尘中碳组分污染特征及来源,于2018年5月在武汉市青山区采集道路尘样品,用热光碳分析仪测定样品中有机碳(OC)、元素碳(EC)、烟炱(soot)和焦炭(char)含量,并使用特征比值法、相关分析及主成分分析法对道路尘碳组分污染特征和来源进行探讨分析.结果表明,道路尘中OC、EC、soot和char含量平均值分别为1.29、2.21、2.04、0.17 g·kg^-1,说明不同碳组分含量存在较大的空间变异性.相关性分析表明OC和EC的来源存在一定差异,且EC主要贡献来源是soot.OC;EC和char;soot比值和主成分分析结果表明,武汉市青山区道路尘中碳组分主要来源于机动车尾气和燃煤排放,也可能受到生物质燃烧的影响.     

广州市空气污染物和气象要素的主成分与典型相关分析

用主成分和典型相关分析方法分析广州市近4a(2001—2004年)的空气污染物与气象要素之间的关系,按夏半年、冬半年和全年3个时间尺度分别进行。结果表明:污染物数据所得到的主成分分别代表机动车污染源(汽油燃烧和扬尘)和工业污染源(工业燃煤和燃油),气象数据的主成分分析表明空气的温度、湿度及对流速度对空气污染作用明显,而污染物和气象要素的主成分分析表明气温高低和空气干湿程度对大气污染的影响较大。污染物与气象要素两组数据之间的典型相关分析表明污染物与气象要素之间存在显著的相关关系,其中温度和风速对气态污染物有显著影响。     

三峡库区高阳平湖水体富营养化主要驱动因子研究 ——基于主成分分析法

研究各种水质因子(水温、溶解氧、电导率、pH、营养盐等)对三峡库区支流水体富营养化的驱动效果,为库区支流水体富营养化的防控与治理提供科学依据.于2018年11月至2019年10月在三峡库区高阳平湖进行了12次样品采集,获取了水温、水体pH、营养盐、水体溶解氧等指标数据,利用主成分分析法研究三峡库区支流水体富营养化状况,...     

典型铜尾矿库周边土壤重金属复合污染特征

应用了Hakanson潜在生态风险指数法、相关分析法、主成分分析法对德兴铜矿尾砂库周边土壤Cu、Zn、Ni、Pb、Cr和Cd复合污染特征进行研究,定量确定了铜尾矿库潜在生态风险程度、主要污染因子和潜在生态风险因子。结果表明:铜矿尾矿库周边土壤受到不同程度的重金属污染,该地区平均潜在生态风险污染指数超过600,具有极高的潜在生态风险;各重金属潜在生态风险参数由高至低顺序为Cd、Cu、Pb、Ni、Cr、Zn,其中Cd为主要潜在生态风险因子。进一步通过主成分分析法研究了重金属的污染特性,发现前3个主成分贡献率分别为:65.033%、18.825%、6.243%,第一主成分反映了Zn、Ni、Cr的信息,第二主成分反映了Cu和Cd的信息,第三主成分反映Pb的信息。     

夏季渭河西安段溶解性有机质(DOM)的特征、分布及来源分析

通过紫外吸收光谱,三维荧光光谱结合平行因子分析(EEMs-PARAFAC)方法及主成分分析(PCA),研究了夏季渭河西安段水体中的溶解性有机质(DOM)的组成、来源,及其与水质指标的相关性.在研究区域共检出2种类别5个不同的DOM组分,分别为类腐殖质荧光组分C1、C2、C3、C5和1个类蛋白类荧光组分C4,5个组分具有同源性.对比分析光谱斜率S、SUVA₂₅₄、α355和DOC浓度,上游(S1—S5)和下游(S13—S17)各组分分子量和腐殖化程度接近但来源有所差异,中游(S6—S12、S18—S19)分子量和腐殖化程度最低;研究区域DOM和CDOM浓度值变化基本保持一致.通过三维光谱参数和主成分分析进行DOM源解析,内源贡献率为72.36%,外源贡献率为12.45%,累计方差贡献率为84.81%;污废水排放是组分C1、C4的主要来源,C2、C3、C5则来源于城市景观水体和湿地公园中微生物和浮游动植物的活动产生,TN与外源具有较好的相关性而TP与内源相关性较高.水质指标DO、DOC、COD、TN、TP与DOM组分有较强的相关性.在此基础上建立了多元线性回归方程,一定程度上能够利用荧光组分组成和特征反映渭河夏季的水质状况.     

Multivariate analysis of spatial patterns: a unified approach to local and global structures

We propose a new approach to the multivariate analysis of data sets with known sampling site spatial positions. A between-sites neighbouring relationship must be derived from site positions and this relationship is introduced into the multivariate analyses through neighbouring weights (number of neighbours at each site) and through the matrix of the neighbouring graph. Eigenvector analysis methods (e.g. principal component analysis, correspondence analysis) can then be used to detect total, local and global structures. The introduction of the D-centring (centring with respect to the neighbouring weights) allows us to write a total variance decomposition into local and global components, and to propose a unified view of several methods. After a brief review of the matrix approach to this problem, we present the results obtained on both simulated and real data sets, showing how spatial structure can be detected and analysed. Freely available computer programs to perform computations and graphical displays are proposed.