四川盆地臭氧浓度空间分异及驱动因子研究

为揭示四川盆地臭氧（O₃）的空间分布格局及其驱动因子,通过对2015~2017年四川盆地18城市82个国控环境监测站的O₃浓度观测数据,使用空间自相关,空间热点探测及地理探测器等地统计方法分析研究.结果表明：2015~2017年四川盆地O₃浓度总体呈现上升趋势（由2015年的（79.95±18.82） μg/m³上升到2017年的（88.64±11.67）μg/m³）,污染态势逐年加重.盆地中西部成都,资阳,雅安等城市O₃浓度最高,且高值区范围逐年扩大.O₃浓度的空间分布呈现出显著的聚集性规律（空间正相关,Moran's I指数大于0）,且年聚集区（H-H聚集区或L-L聚集区）主要呈现为H-H聚集区分布在盆地中西部,L-L聚集区分布在盆地东南部.此外,年聚集区的年际变化与浓度变化态势基本一致,即O₃浓度上升（降低）的区域转变为H-H聚集区（L-L聚集区）.基于地理探测器定量分析了二十个社会经济及自然驱动因子对O₃浓度空间分异的影响,结果显示社会经济因子占主导作用,其中城建用地占区面积比重（驱动值,q=0.5734）,人口密度（q=0.5479）的驱动作用最为突出,自然因子中年降水量（q=0.4592）具有最显著的驱动作用;地理探测器双因子交互对O₃浓度空间分异的影响有明显的交互增强作用（每个单因子q值平均增大了1.5~2.1倍）,且交互均值（即各因子交互q值的均值）与最大交互值逐年增大.在使得交互值达到最大驱动值的双因子中,出现频率最高的是人口密度（7次）和工业烟粉尘排放量（7次）.     

四川盆地农牧区生态失调的综合整治初探

四川盆地农林牧区是处于我省腹心地带，人口稠密，经济发展较快。本文针对该区出现的自然灾害现状，提出该区发展方向，和具体措施，供有关部门领导参考。     

西南涡对四川盆地PM2.5污染的影响研究

利用2015—2016年西南涡个例数据与同期的细颗粒物（PM_2.5）浓度数据进行时空匹配,对比分析西南涡过境前后四川盆地PM_2.5浓度变化,并结合温度、湿度、风等气象要素及逆温特征,深入研究西南涡对PM_2.5污染的影响机理.结果表明：①2015—2016年四川盆地共182个西南涡,其中,干涡72个（多集中在春季）,弱降水涡75个（多集中在春季和冬季）,强降水涡35个（多集中在夏季）.②总体而言,干涡过境使四川盆地PM_2.5浓度增加,降水涡使PM_2.5浓度减小,强降水涡的削减作用强于弱降水涡.全年来看,干涡过境使四川盆地PM_2.5浓度增加10.52%,强、弱降水涡过境分别使PM_2.5浓度减小29.72%、9.71%.③除降水外,3类西南涡对PM_2.5影响的主导气象要素和逆温条件为相对湿度、风速和逆温层底高.而主导季节差异的气象要素和逆温条件各异：干涡的主导因素是温度垂直变化和逆温强度,在温度随高度递减和逆温强度较小的春季和夏季,对PM_2.5浓度的增幅减小（甚至有削减作用）;弱降水涡的主导因素是湿度和风速、逆温强度和逆温层厚度,春季其过境时湿度和风速最小,逆温强度和逆温厚度仅次于冬季,甚至使PM_2.5浓度增加;强降水涡的主导因素是风速、湿度和逆温层底高,夏季其过境时风速和低层湿度最小,逆温层底高最低,对PM_2.5的削减作用远弱于其他季节.     

基于GAM模型的四川盆地臭氧时空分布特征及影响因素研究

为研究四川盆地臭氧(O_3)时空分布特征及其气象成因,对四川盆地18个城市2015—2016年国控环境监测站点和气象台站数据进行了研究分析.结果表明:2015—2016年四川盆地O_3污染愈发严重,高值污染区呈扩张态势,污染区主要位于盆地西部成都、德阳、资阳、眉山、内江一带和以广安为中心的周边区域.O_3浓度有明显的季节变化特征:夏季(110.70±41.52)μg·m~(-3)春季(95.24±41.23)μg·m~(-3)秋季(67.58±39.55)μg·m~(-3)冬季(47.17±41.15)μg·m~(-3).基于广义相加模型(GAM)分析发现O_3浓度与气压、气温、相对湿度、风速、日照时数、降水量间均呈非线性关系,其中日照时数、相对湿度以及气温对四川盆地O_3浓度影响较大,而风速、气压以及降水量对O_3浓度影响相对较小.通过构建GAM模型对四川盆地18个城市O_3污染的主导气象因子进行识别,并对2017年O_3浓度进行预测和检验,结果显示GAM模型能较为准确地预测四川盆地各城市O_3浓度的变化趋势.     

2014—2016年四川盆地重污染大气环流形势特征分析

利用2014—2016年四川盆地7个主要城市国家环境空气监测子站资料,结合2015—2016年MICAPS常规气象数据、NECP和ERA Interim再分析资料,统计分析四川盆地细颗粒物（PM_2.5）浓度时间分布特征及重污染期间的气象要素和环流背景.结果发现,2014—2016年四川盆地大气重污染主要发生在冬季,重污染日数分别为41、30和16 d,呈逐年降低的趋势.大气重污染期间,温度廓线出现多层逆温,逆温层大多出现在近地面925 hPa以下和700~600 hPa之间.四川盆地大气重污染主要对应两种环流形势,一种为500 hPa高空盛行西风气流,850 hPa高空等值线稀疏,另一种为四川盆地受到500 hPa高空槽后西北气流控制,地面为弱高压.以上两种环流形势下,四川盆地850 hPa高空附近气压梯度小,污染物不易扩散,导致重污染天气发生.本研究结论可为四川盆地大气重污染预报预警提供科学依据.     

近36a来四川盆地持续霾事件特征及环流分析

利用1981~2016年四川盆地102个气象观测站逐日霾日观测资料,对四川盆地持续霾事件（定义为连续3d及以上有烟幕或霾发生的天气）的时空分布特征、变化趋势进行分析,然后对冬季霾事件环流场特征进行研究.结果表明：1981~2016年四川盆地持续霾事件的年平均日数呈增加趋势,持续霾事件日数占霾总日数的百分比与霾总日数增加趋势较为一致,霾总日数的增加主要是由持续霾事件的增加引起的.四川盆地持续霾事件的空间分布不均匀,与霾日数的大值区的分布较为一致,主要集中在川东北城市群、成都平原城市群以及川南城市群.持续霾事件多发区的范围在1981~2010年呈年代际增大,在2011~2016年范围减少显著.通过分析盆地冬季霾事件的环流场发现,霾事件偏多（少）年时段,四川盆地处于暖（冷）高（低）压大值区域,乌拉尔山阻塞高压偏弱（强）,东亚大槽偏弱（强）,盆地上空为一定程度的辐合（辐散）,存在（不存在）明显逆温结构,垂直上升运动弱（强）,这些条件均有利于污染物颗粒聚集在浅薄的边界层内（利于污染物的扩散）,造成霾天气的维持（消散）.     

四川盆地气矿天然气开发过程中温室气体的排放特征

天然气开发过程是化石能源系统重要的排放源之一. 包括我国在内的发展中国家对于油气系统温室气体排放的研究尚处于起步阶段,并且也无统一的计算方法. 为研究我国天然气开发过程中温室气体排放情况,以四川盆地某较大规模(年产气量约16×108 m3)的天然气气矿为研究对象. 利用甲烷泄漏浓度检测仪对该气矿井口、集气站、配气站等场站的所有元件的潜在泄漏点进行了逐一检测,同时采集油田水和天然气样品,在实验室对油田水露天放置过程和天然气火炬燃烧过程的温室气体排放进行了模拟研究,计算了该矿2011年天然气开发过程中温室气体排放量. 结果表明:2011年研究气矿CH₄和CO₂排放量分别为1 033.32和1 295.56 t,折合CO₂当量为27 128.56 t. 与采用IPCC(政府间气候变化专门委员会)《2006年国家温室气体清单指南》第一层次方法计算的结果对比发现,IPCC方法计算结果(CH₄和CO₂排放量分别为20 287.39、12 479.74 t,折合CO₂当量为519 664.74 t)远高于实测法计算结果,因此,IPCC方法总体上严重高估了我国温室气体排放量.      

四川盆地逆温特征及其对PM2.5的影响研究

基于2000-2020年ERA5逐时温度廓线数据探究了四川盆地逆温特征时空变化,量化了逆温对PM_2.5的贡献,分析了成都和宜宾重污染期间逆温特征及边界层结构。空间上,盆地中部逆温频率最大,在15～25%之间,东部和南部地区次之,盆地西北和西南地区最低;盆地逆温厚度季节变化的空间分布差异较小,整体集中在200～350 m之间;逆温强度冬季最强,中部地区逆温强度最大可达0.45°C/100 m左右。时间上,逆温频率12月至次年4月达到最大,最大可达25%,6～8月最小,逆温厚度3～4月达到最大,多在280.85～400.97 m之间,7～8月最小,逆温强度总体变化不显著,多小于0.4°C/100 m。四川盆地站点逆温频率、厚度、强度与PM_2.5呈正相关,相关系数分别为0.3,0.28和0.25。成都和宜宾逆温特征与PM_2.5的拟合关系表明,成都和宜宾逆温厚度分别为376和374 m时,PM_2.5平均浓度均达到75μg/m³左右,逆温强度与PM_2.5浓度的拟合曲...     

“十大目标任务”打响攻坚战

<正>四川省珙县地处四川盆地南缘,县域面积1149.5 km2,作为煤矿安全重点攻坚地区,珙县明确了"攻坚战"目标和具体的十大工作任务。县攻坚办还将"攻坚战"十大目标任务分解下达到各产煤镇(乡)和县级有关部门。四川省宜宾市珙县是全国200个重点产煤县之一,其煤矿煤层赋存条件差,煤矿五大灾害"水、火、顶板、瓦斯、煤与瓦斯突出"几乎全部存在,安全管理难度较大。近几年来,珙县始终坚持"安全责任重于泰山,安全发展国泰民安"的理念和"安全第一,预防为主,综合治理"的方针,实施科技     

基于随机森林模型的四川盆地臭氧污染预测

为研究四川盆地臭氧（O₃）污染长期变化,使用四川盆地18个城市的地面O₃浓度数据和气象观测数据,首先分析了2017~2020年间四川盆地O₃浓度的时空分布特征,再利用随机森林模型,筛选出影响O₃浓度变化的主导气象因子,构建了气象因子和O₃浓度之间的统计预测模型,并对2020年四川盆地城市群的O₃污染状况进行预测分析.结果表明：①2017~2020年间O₃浓度呈现波动变化趋势,2019年出现一个低值,2020年O₃浓度又有所回升.②气象影响因子中相对湿度、日最高温度和日照时数对O₃浓度变化具有重要意义,而风速、气压和降水量的重要性较低;同时,气象因子之间也存在着不同的线性关系,气压与其他气象要素呈现负相关性,而剩余气象要素之间正相关关系较为明显.③基于随机森林构建的O₃预测模型的拟合优度（R²）较高,展示出较好的预测性能,能够较好地预测O₃浓度的长时间逐日变化,具有良好的稳定性和泛化能力.④通过对四川盆地18城市的O₃浓度变化进行预测分析,结果表明除雅安外,所有城市预测模型的变量解释率均达到80%以上,说明随机森林模型能够较为准确地预测O₃浓度的变化趋势.