2016-2018年西宁市颗粒物来源及输送差异分析

利用HYSPLIT模式计算了2016—2018年西宁市逐日72 h气团后向轨迹,采用聚类分析方法,结合同期颗粒物PM₁₀和PM_2.5质量浓度数据,分析逐年和3年平均西宁市颗粒物输送特征及差异,运用潜在源贡献因子分析法（PSCF）和浓度权重轨迹分析法（CWT）对影响西宁市PM₁₀和PM_2.5质量浓度的污染潜在源区及不同潜在源区贡献进行了分析.结果表明,2016—2018年,西宁市颗粒物最主要输送路径源自青海北部的聚类2、甘肃中部的聚类6和甘肃东部的聚类8,占同期总轨迹比例分别为28.1%、27.4%和27.5%;3年平均则源自青海北经青海东折回西宁的聚类2,占比45.3%.最主要输送路径对应颗粒物质量浓度最低,输送距离较短、垂直高度较低、气团移速较慢;影响气团由西北向偏东转变,3年平均则以西北气团为主.2018年源自甘肃经青海东至西宁的短距离输送处于突出地位,所含轨迹占总轨迹的比例高达49.6%.PM₁₀和PM_2.5主要输送路径和污染路径由较长距离向较短距离过渡,较长距离输送路径出现比例逐年较小.PM_2.5/PM₁₀小于0.3时,主要输送路径与PM₁₀污染轨迹有很好的对应关系;PM_2.5/PM₁₀大于0.6时,主要输送路径与PM_2.5污染轨迹有较好的对应关系.PSCF和CWT分析发现,影响西宁市颗粒物质量浓度的主要污染潜在源区分布在新疆南部和青海北部,对PM₁₀质量浓度贡献大于100 μg·m^-3,对PM_2.5质量浓度贡献大于45 μg·m^-3.潜在源区分布年变化差异明显,2016年最广,2018年最小.印度北部主要贡献源区虽分布范围逐年减小,但在2017年局部贡献增大,对PM₁₀贡献超250 μg·m^-3,对PM_2.5贡献超60 μg·m^-3.主要贡献区周边区域及西宁至兰州一带为中等贡献源区,对PM₁₀贡献为50~100 μg·m^-3,对PM_2.5贡献为15~45 μg·m^-3.     

危险废物焚烧设施二噁英类排放特征及周边土壤污染调查

调查了13座不同类型的危险废物焚烧设施及二噁英类排放模式及部分设施土壤的污染水平.结果表明,排放浓度同焚烧处理量没有显著的关系.4—6氯代PCDD/Fs和7—8氯代PCDD/Fs呈现出了不同的排放特征.4—6氯代PCDF/PCDD比值为60.58±1.98(95%置信区间),较通用的总PCDF/总PCDD比值更适于描述危险废物焚烧设施二噁英排放的特征.使用PCA及聚类分析方法将设施排放模式归类为3种模式.分布模式同焚烧设施炉型、处理量以及尾气处理方式等因素相关性并不显著.2,3,4,7,8PeCDF对I-TEQ的贡献为35%—45%,并与I-TEQ具有很高的相关性.厂区土壤中二噁英浓度水平约为8—14ngI-TEQ.kg-1,周边土壤浓度为1—4ngI-TEQ.kg-1左右,均处于较低水平,调查设施周边土壤的使用目前尚无明显风险.危险废物设施对周边土壤的环境风险需要进一步评估.     

生活垃圾填埋场地下水污染风险分级方法研究

在综合分析国内外不同行业、不同领域风险分级方法的基础上,初步建立了一种生活垃圾填埋场地下水污染风险分级方法。该方法利用由美国环保局（USEPA）开发的多介质、多路径、多受体风险评价模型（3MRA）中用于描述污染物在地下水迁移的EPACMTP模型和风险评估模型计算生活垃圾填埋场地下水污染风险指数I,利用地下水含水层脆弱性模型（DRASTIC模型）计算地下水含水层脆弱性指数DRASTIC。并以I和DRASTIC为风险分级指标,以MATLAB聚类分析为方法,对生活垃圾填埋场地下水污染风险进行分级。以北京市22个生活垃圾填埋场为例,利用建立的风险分级方法,可将这22个填埋场地下水污染风险从高到低分为4级,并且大部分填埋场属于风险级别较低的3、4级。表明该风险分级方法可行、有效,在一定程度上可以为生活垃圾填埋场地下水污染的风险管理提供依据。     

水质灰色预测模型在VBA中的实现

灰色预测是环境污染预测应用相当广泛的方法。根据文献报道,基于Matlab和Excel实现灰色预测中存在着占用内存、单元格填埋计算公式等等的不足,因此提出了一种基于VBA在Excel下编写宏程序轻松实现灰色预测的方法,并将其运用到北海市地表水污染物预测。结果表明,本程序简短,操作方便,计算结果准确可靠,彻底把用户从繁琐的手工操作中解放出来。     

西安市LUCC预测生态系统服务价值损失

人类活动作用于土地资源,使LUCC（土地利用／土地覆被变化）在全球环境变化过程中起主导作用,随着国际LUCC研究计划的进展,各国依据本国的实际情况开展研究。对西安市以往五年（2000-2004年）的土地利用基础数据开展调查统计分析,建立灰色系统动态GM（1,1）模型,预测2005—2010年西安市土地利用结构变化状况,尝试计算西安市土地生态系统服务价值损失（简称生态损失）,用一种直观经济指标-货币来反映这种生态损失。预测2010年西安市生态损失为331、84×10^6元。     

京杭大运河淮安段水质的多元统计分析

以京杭大运河淮安段4个水质监测断面2007年的水质监测数据为样本,用主成分分析的方法,找出影响京杭大运河淮安段水质的主成分,计算各样本的主成分得分,用聚类分析的方法将样本水质分类,根据水质综合评分公式,计算各监测断面各月份水质综合评分,结合分类结果及水质综合评分对各样本水质评价结果为：监测断面黄码大桥的水质最差;另3个监测断面1、3月份的水质最好;而监测断面板闸的水质又好于监测断面五叉河口及大运河桥的水质。     

Research on Tourism Competitiveness of Chinese Island Counties: Based on Factor and Cluster Analysis

Abstract

From the perspective of tourism competitiveness, the paper takes 12 island counties of China as the research object, and applies the method of factor analysis to study their competitiveness. The result shows that Putuo and Dinghai are more competitive while Pingtan and Nan’ao are less competitive. Finally, the 12 island counties are divided into four styles: first-class competitive county (Putuo), seond-class competitive counties (Dinghai,Yuhuan), third-class competitive counties (Chongming, Daishan, Changdao, Changhai and Shengsi), fourth-class competitive counties (Dongshan, Dongtou, Pingtan and Nan’ao) by cluster analysis. The classification of island counties is to clear their relative position, then to promote their development.     

基于活动偏好的西安市“农家乐”旅游市场细分

面向细分市场开发特色旅游产品是克服目前国内＂农家乐＂发展普遍存在的产品初级化和同质化现象的有效途径。基于游客活动偏好,应用市场调查获取的第一手数据,采用聚类分析方法对西安市＂农家乐＂旅游市场进行细分研究。细分结果表明,西安市＂农家乐＂旅游市场可按照旅游者的活动偏好不同划分为回归田园型、静态休闲型、康乐健身型、娱乐参与型和阳光运动型5个类型。与全国其他城市一样,西安市＂农家乐＂旅游市场的主体是市区和郊区的市民,且市场职业分异不显著,自驾车旅游者和大学生是西安市＂农家乐＂旅游市场的两个重要组成部分。根据市场细分结果,提出面向不同细分市场,打造特色旅游产品和根据游游客出行特点,改善交通基础设施发展＂农家乐＂的建议。     

天津市路面雨水径流重金属污染特征

对天津市3条典型主要交通干线雨水径流中的Cr、Cd、Fe、Cu、Hg 5种重金属进行了取样监测,重点探讨了路面径流重金属的平均质量浓度、冲洗特征、重金属之间以及重金属与悬浮物之间的相关关系,并用聚类分析方法对降雨特征对重金属污染的影响进行了研究。结果表明,天津市路面雨水径流重金属污染严重,Fe、Cr和Cd质量浓度较高,污染贡献率大,为径流主要重金属污染物;重金属污染水平高于国内外城市研究结果,反映出天津市在道路路面环境维护和管理上与其他城市的差距。路面径流的重金属具有明显的径流初期冲洗效应,在径流的初始阶段,重金属质量浓度达到最大值,随着降雨和径流的延续,污染物质量浓度呈波浪性锯齿状下降,至降雨结束,重金属质量浓度最终趋于稳定。径流中不同种类重金属具有同源性,且与径流中的悬浮固体具有明显的相互依存关系,重金属主要以悬浮固体吸附的形式或重金属颗粒形式存在。通过聚类分析可知,重金属污染受降雨强度和前期晴天积累影响显著,其次是降雨量和降雨历时。     

基于景观指数聚类的粤北典型区景观生态区划

通过选取不同层次的景观指数,对粤北典型区域的景观生态子区进行分区研究,探讨了景观指数在景观生态区划方面的应用,为景观生态区划提供了一种新的思路和方法。采用2009年广东省南雄市DOM数字正射影像为数据源,应用ENVI 4.3和ARCGIS 9.3对遥感影像进行解译和分类,把研究区景观类型分为耕地、林地、疏林地、城镇建设用地、水体、未利用地6大类;根据镇级行政界线把研究区分为18个景观生态子区;选取不同层次的景观指数,应用Fragstats 3.3计算研究区的景观指数;以经过筛选后的景观指数为变量因子,18个景观生态子区为聚类对象,在SPSS 17.0中选择Q型聚类欧式距离平方法进行聚类分析,在聚类图谱中选择水平距离7.5为标准线,对景观子区进行分类,把18个景观生态子区分为4个区域。聚类结果显示,各分区内子区的景观结构特征高度一致。把景观指数应用到景观生态区划,通过聚类分析,分区结果能够较好的反映景观生态结构的显著特征与空间分异状况。