基于信访数据分析北京环境问题

分析了2006-2009年北京环境信访数据,结果显示：北京的环境信访主要集中在大气污染和噪声问题方面,两者分别占信访总量的60％和34％。大气污染包括工业废气、机动车尾气、锅炉烟尘、餐饮油烟、扬尘以及异味等。噪声问题主要是社会生活噪声、工业噪声、施工噪声以及交通噪声等。环境信访量的区域分布与污染源的数量以及人口密度相关。北京城市功能拓展区占全市环境信访的一半以上,发展新区和城市核心区比例分别为26％和13％,生态涵养区仅占4％。从区县分布来看,朝阳区和丰台区比例最高,分别占全市的20％和17％;远郊区县比例相对较低,延庆县不足1％。不同季节污染源排放强度及居民生活规律的差异造成北京环境信访量夏季高、冬季低,8月份信访量是2月份的5倍。奥运前,北京环境信访量不断攀升,其后有所回落,但近几年集中信访突出．     

关于大庆龙凤湿地环境管理问题的思考

大庆龙凤湿地是除香港外国内唯一的城区中的湿地,在城市生态环境保护中具有重要意义。虽然建成自然保护区,并设立保护区管理处,但湿地资源仍受到破坏。剖析大庆龙凤湿地环境管理中问题的产生原因,研究湿地的保护措施及合理开发利用。     

Particle number size distribution and new particle formation: New characteristics during the special pollution control period in Beijing

New particle formation is a key process in shaping the size distribution of aerosols in the atmosphere.We present here the measurement results of number and size distribution of aerosol particles (10-1...     

Characteristics and recent trends of sulfur dioxide at urban, rural, and background sites in North China: Effectiveness of control measures

SO₂ measurements made in recent years at sites in Beijing and its surrounding areas are performed to study the variations and trends of surface SO₂ at different types of sites in Northern China. The overall average concentrations of SO₂ are (16.8 ± 13.1) ppb, (14.8 ± 9.4) ppb, and (7.5 ± 4.0) ppb at China Meteorological Administration (CMA, Beijing urban area), Gucheng (GCH, relatively polluted rural area, 110 km to the southwest of Beijing urban area), and Shangdianzi (SDZ, clean background area, 100 km to the northeast of Beijing urban area), respectively. The SO₂ levels in winter (heating season) are 4-6 folds higher than those in summer. There are highly significant correlations among the daily means of SO₂ at different sites, indicating regional characteristics of SO₂ pollution. Diurnal patterns of surface SO₂ at all sites have a common feature with a daytime peak, which is probably caused by the downward mixing and/or the advection transport of SO₂-richer air over the North China Plain. The concentrations of SO₂ at CMA and GCH show highly significant downward trends (-4.4 ppb/yr for CMA and -2.4 ppb/yr for GCH), while a less significant trend (-0.3 ppb/yr) is identified in the data from SDZ, reflecting the character of SDZ as a regional atmospheric background site in North China. The SO₂ concentrations of all three sites show a significant decrease from period before to after the control measures for the 2008 Olympic Games, suggesting that the SO₂ pollution control has long-term effectiveness and benefits. In the post-Olympics period, the mean concentrations of SO₂ at CMA, GCH, and SDZ are (14.3 ± 11.0) ppb, (12.1 ± 7.7) ppb, and (7.5 ± 4.0) ppb, respectively, with reductions of 26%, 36%, and 13%, respectively, compared to the levels before. Detailed analysis shows that the differences of temperature, relative humidity, wind speed, and wind direction were not the dominant factors for the significant differences of SO₂ between the pre-Olympics and post-Olympics periods. By extracting the data being more representative of local or regional characteristics, a reduction of up to 40% for SO₂ in polluted areas and a reduction of 20% for regional SO₂ are obtained for the effect of control measures implemented for the Olympic Games.     

基于InVEST模型的北京山区森林生态系统碳储量评估分析

本文基于北京山区遥感影像数据和标准样地调查数据,利用In VEST模型碳储量模块,评估分析了北京山区森林生态系统的碳储量。结果表明,北京山区森林生态系统的平均碳密度为99. 95 Mg/hm~2,其中乔木层、灌木层、草本层、凋落物层和土壤层平均碳密度分别为10. 51、3. 16、0. 86、8. 61、76. 81 Mg/hm~2。植被碳密度与土壤碳密度呈现显著正相关关系,土壤碳密度与凋落物碳密度呈现显著正相关关系。各林分类型平均碳密度表现为落叶针叶林(153. 99 Mg/hm~2)针阔混交林(132. 45Mg/hm~2)落叶阔叶林(125. 10 Mg/hm~2)常绿针叶林(111. 78 Mg/hm~2)灌木林(72. 26 Mg/hm~2)。北京山区森林生态系统总碳储量为77. 41 Tg,其中乔木层、灌木层、草本层、凋落物层和土壤层的碳储量分别为8. 14、2. 45、0. 67、6. 67、59. 48 Tg。各林分类型总碳储量表现为落叶阔叶林(43. 23 Tg)灌木林(25. 90 Tg)常绿针叶林(6. 21 Tg)针阔混交林(1. 42 Tg)落叶针叶林(0. 65 Tg)。落叶阔叶林和灌木林是北京山区森林生态系统碳储量的主要贡献者,分别占55. 84%和33. 46%。在北京山区各个区县中,怀柔区碳储量最高(15. 37 Tg),平谷区碳储量最低(4. 89 Tg)。北京山区森林生态系统碳储量分布不均,总体表现为北京山区北部区县较高,西部区县偏低,中部和东部最低。     

基于数据挖掘算法和数值模拟技术的大气污染减排效果评估

近年来,京津冀地区采取了大量污染减排措施进行大气污染治理,如何客观评估减排效果是目前大气环境领域的研究难点.为准确评估大气污染过程的减排效果,本文利用北京地区常规气象资料、国控站PM_(2.5)浓度资料,遴选了北京地区2018年3月11—14日和2013年3月14—17日两次空气污染过程,计算了大气容量系数、静稳指数,并利用KNN数据挖掘算法和WRF-Chem模式,对比分析了有无减排条件下的PM_(2.5)日均浓度.结果表明:两次空气污染过程的天气形势和局地气象条件较相似,就大气热力和动力的垂直结构来看,2018年空气污染过程比2013年空气污染过程的大气稳定性更强、边界层高度更低、环境容量更小,但PM_(2.5)峰值浓度却显著下降,平均浓度明显降低,PM_(2.5)小时浓度的增长趋势相对平缓,重污染持续时间缩短.KNN数据挖掘算法减排评估结果显示,该方法能够较好地预测PM_(2.5)日均浓度的变化趋势,2018年3月11—14日,在减排和不减排情景下PM_(2.5)日均值分别为171和229μg·m~(-3),减排使得污染过程PM_(2.5)平均浓度下降了25.3%.数值模拟结果与KNN数据分析结论吻合,进一步验证了减排措施的有效性.综合看来,2018年空气污染过程中PM_(2.5)浓度相比历史相似气象条件下的污染过程显著降低,这是长期大力度减排效果的体现.     

北京市生活垃圾焚烧厂耗能排污特征及节能减排潜力

将生活垃圾焚烧厂从整体到局部分为场站-工艺-单元三个层次,通过现场调查,获取了北京市生活垃圾焚烧设施在2009~2011年不同层次耗能排污数据。分析表明,在焚烧工艺中焚烧单元处理单位垃圾的电耗达到60.83 kW·h,余热发电单元水耗最大,尾气处理单元的电耗和水耗相对较小。不同场站在处理单位垃圾时烟气和炉渣产量比较接近,但飞灰排放差异较大,在2.92~24.78 kg/t垃圾之间。渗沥液水量年际变化较大,水质相对稳定,MBR单元对污染物的去除效果最好,但其耗电量较大,占渗沥液处理工艺总耗电量的87.55%。焚烧工艺发电最优值为423.77 kW·h/t垃圾,产生的电能除满足自身需求外,还剩余1.8×108 kW·h的电能,可用于渗沥液处理工艺或输向场站外部。每吨渗沥液处理最多可产生中水0.962 t,全北京市每年产生中水196456 t/a,使用潜力大。     

京津冀及周边地区低碳经济发展水平评价

随着应对全球气候变化进程的不断推进,“低碳经济”已逐渐成为世界各国实现经济社会可持续发展的必由之路.京津冀及周边地区社会经济发展较不平衡,整体推进低碳经济发展存在较大的困难,为有效促进低碳经济发展的策略选择,本文通过构建低碳经济发展水平评价指标体系,对京津冀及周边地区的低碳经济发展状况进行评价.结果显示,京津冀及周边地区低碳经济发展水平差异较大：北京低碳经济水平相对较高,其他地区距离低碳经济发展水平尚有较大差距.由此,京津冀及周边地区应根据地区经济发展特点及其低碳经济发展状况,采取不同的低碳发展策略选择,以有效推进低碳经济发展模式的顺利转型.     

北京市不同土地利用方式下土壤锌的积累及其污染风险

通过对北京市菜地、稻田、果园、绿化地、麦地、自然土壤以及公园等7种土地利用方式共630个土壤样品的调查分析,探讨了不同土地利用方式对土壤锌积累的影响。结果发现,不同土地利用方式下锌含量存在较大差异,在7种土地利用方式中,土壤锌的平均含量从高到低依次为:公园>果园>稻田>绿化地>菜地>自然土壤>麦地。占样点大多数的麦地和自然土壤的锌含量与背景值没有显著差别,而公园、果园、稻田和菜地土壤锌含量则显著高于背景值。与土壤锌含量基线值相比,公园、果园、菜地土壤超标率分别为25.8%、23.8%、9.7%,其它利用方式的土壤超标率并不严重。石景山、昌平、朝阳、丰台4个区是超标样点集中分布的地区。金属冶炼、交通以及垃圾填埋可能是导致土壤锌含量增加的重要因素。     

Concentrations and chemical compositions of PM10 during hazy and non-hazy days in Beijing

In order to study the concentrations of major components,characteristics and comparison in hazy and non-hazy days of PM₁₀ in Beijing,aerosol samples were collected at urban site in Beijing from December 29,2014 to January 22,2015.Heavy metals like Zn,Pb,Mn,Cu,As,V,Cr and Cd were deeply studied considering their toxic effects on human being;nine water-soluble inorganic ions(SO₄^2-,NO₃^-,NH₄⁺,Na⁺,K⁺,Cl...