黑河中下游防风固沙功能时空变化及影响因子分析

黑河中下游是我国重要的防风固沙生态功能区,分析该区域的防风固沙功能时空变化,明确其主要的影响因子贡献,对于指导荒漠化防治、维护流域生态安全十分重要.该研究基于修正风蚀方程(revised wind erosion equation,RWEQ)、一元线性回归斜率分析、灰色关联分析和GIS技术,分析了2000—2017年黑河中下游防风固沙功能动态变化及其影响因子.结果表明:①2000—2017年,黑河中下游年均防风固沙量为3.2×109 t,年均防风固沙功能约为2.44×104 t/km2;防风固沙量总体呈增强趋势,年均增加6.67×107 t,年均变化率为1.85%.②区域防风固沙功能呈现中游较强,向下游递减的空间分布特征,防风固沙功能较高区约占研究区面积的31.54%,一般区占20.77%,较低区(北部荒漠区)占47.69%;甘肃省张掖市和嘉峪关市防风固沙功能呈增加趋势,回归方程系数(slope)为0~26.29%,占总面积的12.51%;额济纳旗东北部和甘肃省高台县中部防风固沙功能呈下降趋势,回归方程系数为-17.17%~0,占总面积的23.30%.③防风固沙功能主要影响因子中,风力因子最主要,贡献率为30.04%,其次为积雪覆盖、土壤湿度、植被覆盖,贡献率分别为24.57%、24.26%和21.13%.研究显示,防风固沙工程应综合考虑气候变化、植被覆盖、土壤特性及人类活动的复合影响,实行具有空间差异化的方案.      

黄河流域水污染排放特征及污染集聚格局分析

掌握污染源排放特征及其空间差异,是在流域尺度提升水污染治理水平的重要基础.该研究分别从污染源的活动水平（简称“活动水平”）、污染物产生、污染物去除和污染物排放4个方面选取了28个指标,对黄河流域60个市州主要水污染物排放特征开展了现状评价和聚类分析.采用污染分布的地理集中度指数表征各市州污染集聚格局,并利用空间分析模型Global Moran's I和G_i*指数判断污染排放的空间集聚趋势与冷热点地区.结果表明:按照水污染排放特征的差异,黄河流域不同地区在水污染格局上可划分为高排放强度区、高排放绩效区、污染集聚区和低排放绩效区;水污染物排放与经济发展格局分布一致,上游、中游到下游地区呈现明显的阶梯型分布,上游地区单位水资源利用效率和排放绩效低,下游地区区域性污染集聚效应明显;山西省、河南省和山东省沿黄城市在空间上表现为区域性连片污染集聚,集中分布在晋中城市群和中原城市群.针对当前黄河流域水污染排放特征和空间集聚格局,建议制定统一的生态环境保护与治理策略,加强中下游城市群的污染协同控制.      

滦河秋季大型底栖动物群落结构空间格局与关键环境影响因子识别

掌握水生生物的空间分布特征及其关键影响因子是科学制定生物多样性保护策略的基础.于2016年秋季对滦河53个样点开展了大型底栖动物和环境因子的现场调查,分析了大型底栖动物群落结构与空间分布特征,并识别出影响大型底栖动物物种空间分布的关键环境因子.结果表明:①滦河（河北省）共采集并鉴定出大型底栖动物206种,隶属于8纲22目70科144属,以纹石蚕（Hydropsyche sp.）和东方蜉蝣（Ephemera orientalis）为优势种.②根据滦河大型底栖动物群落结构相似性,53个样点在空间上被分为3组.第1组分布在滦河干流的中下游及支流下游,无指示物种;第2组分布在支流上游,指示种为纹石蚕、朝大蚊（Antocha sp.）和中华小长臂虾（Palaemonetes sinensis）;第3组分布在滦河干流中上游,指示种为东方蜉蝣和中华齿米虾（Neocaridina denticulate sinensis）.③第3组的分类单元数显著高于第1组和第2组;第1组的多样性指数显著高于第2组;第1组的均匀度指数显著高于其他2组.单因素方差分析（one-way ANOVA）发现,pH、TN、底质、河道变化、水质状况和河岸土地利用类型等环境因子在第2组与第3组之间差异显著,第2组明显高于第3组.典范对应分析（CCA）表明,栖境复杂性、河水水量状况和河岸土地利用类型是影响滦河大型底栖动物空间分布的关键环境因子.研究显示,降低河岸带干扰强度、恢复河道生境多样性是未来滦河大型底栖动物多样性保护恢复的重要管理措施.      

黄河三角洲典型地区耕地土壤养分空间预测

掌握土壤养分的分布特点是实现养分优化管理的重要基础。论文选择黄河三角洲典型地区山东省垦利县为研究区,通过田间采样与实验室化验分析获取了1 278个样本（0~20 cm）的土壤碱解氮、有效磷、速效钾数据。在经典统计分析的基础上,用地统计学方法分析了土壤养分的空间变异特征,并拟合了养分的变异函数模型。利用普通克里格法（OK）、反距离权重法（IDW）、泛克里格法（UK）、径向基函数法（RBF）和局部多项式法（LP）5种方法进行空间插值,并采用独立数据集验证对插值结果进行精度评价,进而分析了各养分空间分布规律。为深入探索各方法的适用性规律,基于AN数据设计了离散、随机、聚集3种空间分布模式的数据,利用各模型的自动优化进行试验,对比分析了不同插值方法在土壤养分空间预测中的自适应性。结果表明：1）研究区碱解氮、有效磷、速效钾均为中等强度的空间变异和中等程度的空间自相关,其变异函数模型分别为球状模型、指数模型和球状模型,决定系数依次为0.951、0.892和0.787;2）在空间分布上,土壤碱解氮、有效磷、速效钾含量与地形和土地利用类型等有关,西南部地势较高,以水浇地和旱田为主,东北部沿黄农田受黄河淡水影响,耕地质量较好,而中部地区地势低平,以水田为主,养分含量偏低;3）相对于块金系数/基台值,Moran’s I是更为稳健有效的衡量土壤养分空间自相关性的方法;4）论文认为,空间分布模式、样本量、空间自相关性和空间聚集程度（最近邻比）均影响插值精度。在离散模式下,各方法自适应性均较差;在随机模式下,IDW与RBF自适应性优于OK和LP;在聚集模式下,各方法自适应性与样本量和空间自相关性有关,直至样本足够多时,4种插值方法精度接近。论文探明了研究区主要土壤养分的最佳插值预测方法,分析了土壤养分的变异特征和空间分布规律,为黄河三角洲典型地区耕地土壤养分利用管理和农业可持续发展提供了理论依据。     

基于空间适宜性评价和人口承载力的贵溪市中心城区城市开发边界的划定

城市开发边界的划定能够合理引导城市空间的有序发展,控制其无序蔓延。论文以典型的资源型城市贵溪市为研究区,从空间适宜性评价、人口承载力、城市规模以及城市总体规划和土地利用总体规划（简称“两规”）衔接等方面探索有效的城市开发边界划定方法。空间适宜性评价综合考虑自然、空间可达性和生态条件,运用聚类分析法确定区域内不宜作为开发建设的生态底线区域和适宜建设开发区域的高低等级,以此确定城市开发边界的发展方向。通过灰色预测GM(1,1)模型预测研究区2020年人口总量,并基于土地资源和水资源承载力验证当地所能容纳的最大人口总量,同时确定城市规模和划定城市开发边界。以空间适宜性评价、人口承载力、城市规模预测、两规衔接和空间形态控制等方法倒逼缩减建设用地,从而划定城市发展的刚性和弹性增长边界。     

我国中部地区大气CO2柱浓度时空分布

基于日本GOSAT及美国AIRS反演数据产品,对我国中部六省大气CO₂时空分布特征进行研究,结果表明：由GOSAT反演的中部地区2010~2013年大气CO₂年均柱浓度由389.36×10^-6增长到396.52×10^-6,年均绝对增长率达2.39×10^-6/a,呈现出冬春季高值、夏秋季低值的季节变化特征,其柱浓度年均值及去长期趋势后的月均值均略低于长三角地区,高于京津冀和东三省地区;其CO₂柱浓度高值区集中在湖南、江西及周边一带,年均绝对增长率为2.01×10^-6,其柱浓度年均值及去长期趋势后的月均值与长三角地区相当,略低于京津冀和东三省地区,由于受地面源汇影响较小,其与GOSAT反演结果相反,可能是由于AIRS反映了对流层中层大气状况,而GOSAT则更多地反映了近地面层大气CO₂变化.     

Seasonal variation and size distribution of biogenic secondary organic aerosols at urban and continental background sites of China

Size-resolved biogenic secondary organic aerosols(BSOA) derived from isoprene and monoterpene photooxidation in Qinghai Lake, Tibetan Plateau(a continental background site) and five cities of China were measured using gas chromatography/mass spectrometry(GC/MS). Concentrations of the determined BSOA are higher in the cities than in the background and are also higher in summer than in winter. Moreover, strong positive correlations(R2= 0.44–0.90) between BSOA and sulfate were found at the six sites,suggesting that anthropogenic pollution(i.e., sulfate) could enhance SOA formation,because sulfate provides a surface favorable for acid-catalyzed formation of BSOA. Size distribution measurements showed that most of the determined SOA tracers are enriched in the fine mode( 3.3 μm) except for cis-pinic and cis-pinonic acids, both presented a comparable mass in the fine and coarse( 3.3 μm) modes, respectively. Mass ratio of oxidation products derived from isoprene to those from monoterpene in the five urban regions during summer are much less than those in Qinghai Lake region. In addition, in the five urban regions relative abundances of monoterpene oxidation products to SOA are much higher than those of isoprene. Such phenomena suggest that BSOA derived from monoterpenes are more abundant than those from isoprene in Chinese urban areas.     

芦苇植株对湿地温室气体排放的影响及其日变化特征

利用静态箱-气相色谱法对夏季(7月、8月和9月)长江河口湿地芦苇植被CO_2、CH_4和N_2O的叶面通量、茎秆扩散速率以及沉积物通量的日变化进行研究。结果显示,通过芦苇叶片排放的N_2O与CH_4的量分别为2.99μg/(m~2·h)和15.36μg/(m~2·h),CO_2则呈现白天吸收(-120.86 mg/(m~2·h))、夜间排放(69.39 mg/(m~2·h))的特点。芦苇茎秆N_2O、CH_4和CO_2平均扩散速率分别为1.96μg/h、142.45μg/h和10.69 mg/h,沉积物平均排放通量为N_2O 8.18μg/(m~2·h)、CH_41.58 mg/(m~2·h)、CO_2169.66 mg/(m~2·h)。芦苇茎秆和沉积物界面CH_4和CO_2的排放均呈现出明显的"单峰型"昼夜变化规律,其排放峰值集中在日照及温度最高的9:00至15:00。芦苇植株是影响温室气体排放变化的因素之一。芦苇植株在光合作用下吸收CO_2并促进CH_4的排放,而芦苇发达的根系及茎秆是温室气体排放的主要途径。同时,Pearson相关性分析表明温度对芦苇群落CH_4和NO2的排放影响显著,但与CO_2通量的相关性不明显。土壤氧化还原电位对3种气体的排放均有显著影响。     

兰州地区大气臭氧时空变化及影响因素研究

本文采用OMI臭氧遥感数据,结合甲醛垂直柱浓度、气象数据以及经济数据,分析了2005~2015年兰州地区臭氧柱浓度时空变化格局,并探索了影响臭氧的新气象因子,总结达到臭氧污染的日照、气压等气象条件,确定影响臭氧柱浓度的主要人为源并确定其限域。结果表明:1)2005~2015年夏季柱浓度值最高,冬季、秋季次之,春季最低;夏季波动幅度最大,其余三季波动幅度较小且平稳。2)11年中,臭氧柱浓度具有较大的波动。2005年至2010年快速增长到最高值331.997 DU。2010年之后,臭氧柱浓度缓慢下降,2014年起有回升趋势。3)OMI遥感数据具有较高的可靠性,并根据AQI的线性关系划分了臭氧柱浓度的污染等级。结果指示了11年大气臭氧空间变化,2005~2009年5年间研究区全区空气质量一直处于良,2010年全区轻度污染,后两年污染逐渐减弱,2013~2015年全区恢复至良。4)根据兰州发展的趋势以及周边城市的关系,划分了兰州经济圈及功能区,并结合臭氧柱浓度空间分布图得出臭氧污染与经济特征的密切关系。5)正弦模型拟合后臭氧柱浓度变化趋势呈不明显的周期性,说明臭氧的人为来源贡献较大。6)创新探索影响臭氧污染的新气象因子(日照、气压等参数),并确定其重要人为源限域。     

Monitoring Air Quality in Mountains: Designing an Effective Network

A quantitatively robust yet parsimonious air-quality monitoring network in mountainous regions requires special attention to relevant spatial and temporal scales of measurement and inference. The design of monitoring networks should focus on the objectives required by public agencies, namely: 1) determine if some threshold has been exceeded (e.g., for regulatory purposes), and 2) identify spatial patterns and temporal trends (e.g., to protect natural resources). A short-term, multi-scale assessment to quantify spatial variability in air quality is a valuable asset in designing a network, in conjunction with an evaluation of existing data and simulation-model output. A recent assessment in Washington state (USA) quantified spatial variability in tropospheric ozone distribution ranging from a single watershed to the western third of the state. Spatial and temporal coherence in ozone exposure modified by predictable elevational relationships ( 1.3 ppbv ozone per 100 m elevation gain) extends from urban areas to the crest of the Cascade Range. This suggests that a sparse network of permanent analyzers is sufficient at all spatial scales, with the option of periodic intensive measurements to validate network design. It is imperative that agencies cooperate in the design of monitoring networks in mountainous regions to optimize data collection and financial efficiencies.