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.     

基于OMI数据的四川盆地对流层甲醛时空分布特征

基于OMI卫星遥感反演的对流层甲醛柱浓度资料,对2005—2016年四川盆地对流层甲醛柱浓度的时空分布特征及其影响因素进行了分析.结果表明,12年间甲醛柱浓度年际变化总体呈上升趋势,年均增长率为1.17%.12年间甲醛柱浓度具有波动性,年均最低值和年均最高值分别出现于2005年和2012年.2005—2008年四川盆地甲醛柱浓度相对较低;2011年对流层甲醛柱浓度达到最大且高值区范围最大,2012年后浓度逐渐降低.四川盆地甲醛柱浓度季节变化表现为夏季春季秋季冬季.一年之中,月均甲醛柱浓度最小值基本出现在每年的11—12月,最大值则出现在6—8月.甲醛柱浓度空间分布的高值区主要分布在盆地内西南部的成都平原地区,低值区则多处于人为源排放较低的重庆东北部山区.能源消耗、生产总值及机动车保有量与对流层甲醛柱浓度具有显著的正相关关系.工业源、居民源和交通源排放对甲醛柱浓度具有重要贡献.四川盆地独特的地形及区域内风场对甲醛的扩散也有重要影响.     

天气形势对四川盆地区域性臭氧污染的影响

本研究结合地面观测资料,ERA5再分析数据和PCT客观分型法,分析了2014~2019年四川盆地区域性O₃污染特征以及天气形势与O₃污染的关系.结果表明,2014~2019年四川盆地O₃区域污染发生频数呈单峰型分布,于2016年达到峰值,且发生区域主要集中在成都平原城市群.在6种典型天气类型中,类型1、2、6为污染型,其海平面气压呈西高东低,四川盆地受低压系统控制.类型3、4为清洁型,其中类型3呈北高南低,且在四川盆地东部存在1个低值中心;类型4呈东高西低,在青藏高原区域有一些小范围的高压中心.在污染型天气形势下,四川盆地的气象条件为温度高、云量低、地面接收到的紫外辐射强、相对湿度低,加速了O₃的生成,再叠加类型1的静风条件不利于污染物扩散;类型2、6盛行的东南气流对O₃及其前体物的输送,造成污染型天气类型发生区域性O₃污染比例明显高于其他几种类型.此外,基于环流分型的预测结果表明环流形势对四川盆地各城市群区域O₃污染影响可以达到其年变化的2倍以上,对整个四川盆地O₃浓度变化的贡献率为34.8%~66.3%.     

四川盆地典型城市PM2.5污染过程组分特征和来源解析

为探究四川盆地典型城市PM_2.5污染特征和来源,利用成都市、绵阳市、自贡市超站数据分析2020年冬季典型污染过程PM_2.5组分特征,并采用CMB模型模拟获得研究期间PM_2.5来源及演变特征.结果表明,不同城市PM_2.5组分变化特征不尽相同,成都市污染过程整体呈现NO₃^-主导特征,但重度污染由OC主导.绵阳市污染期间呈现OC主导特征,是污染加重时增长最快的组分.EC是自贡市轻度污染增长最快的组分,NO₃^-、SO₄^2-、NH₄⁺是中度污染增长较快的组分,OC、EC是重度污染增长较快的组分.3个城市均是二次硝酸盐对PM_2.5贡献率最高.比较而言,成都市机动车、扬尘源贡献率均最高;绵阳市二次有机碳贡献率最高,是成都市的2倍;自贡市燃煤源和二次硫酸盐贡献率分别比成都市和绵阳市高出4%~6%和7%~9%.成都市由优良天气到中度污染,二次硝酸盐贡献率随着污染程度的加重而增加,轻度污染较优良天气上升6%,中度污染较轻度污染天气上升3%.中度到重度污染,二次有机碳、机动车贡献率分别上升2%和1%.绵阳市由轻度到重度污染,二次有机碳对PM_2.5的贡献率上升3%,机动车贡献率上升2%,是其污染加重的主要原因.自贡市由轻度到重度污染,各污染源贡献率变化幅度较小.     

四川盆地PM2.5浓度时空变化特征遥感监测与影响因子分析

四川盆地因其独特的地形地貌、静风和高湿等气象条件,导致盆地内部大气污染物扩散难度大,随着城市化与工业化进程加快,区内PM_2.5污染日益加重,四川盆地已成为国家大气污染防治的重点地区之一.基于PM_2.5浓度遥感反演产品,采用空间自相关分析与灰色关联分析方法,研究了四川盆地PM_2.5浓度的时空分布特征及其影响因素.结果表明,四川盆地PM_2.5浓度具有显著的空间聚集性,高-高聚集类型分布集中,低-低聚集类型分布较为分散;针叶林对PM_2.5的吸收抑制作用明显高于灌丛和草地等其他植被类型.研究认为,影响四川盆地PM_2.5浓度的主要气象因子是风速和气温,人口密度与经济规模则是影响四川盆地PM_2.5浓度的主要人类活动因子,产业结构及其规模变化对四川盆地PM_2.5浓度也产生一定影响.     

南亚高压对四川盆地夏季区域持续性O3污染的影响

基于2015~2020年四川盆地臭氧（O₃）浓度监测数据,构建O₃区域性持续性污染过程个例库,并进一步时空匹配高低空气象资料,探究夏季南亚高压系统对四川盆地地面气象要素及O₃污染生成的影响机制.结果表明：（1）2015~2018年四川盆地O₃区域性持续性污染（ORPP）逐年加重,2018~2020年保持相对稳定的污染态势,且ORPP多集中于春、夏两季.盆地中南部成都、重庆、泸州等城市O₃污染形势最为严峻,且高值区逐渐向南北方向转移.（2）基于南亚高压（系统存在率、中心离散度与东西振荡量）对地面气象要素的影响阐释ORPP的生成机制：系统存在率均值偏低且位置偏东时,平均气温、气温日较差及日照时数偏高,相对湿度偏低,利于O₃生成;南亚高压东模态中心显著聚集时,气温日较差与日照时数激增,易造成O₃异常高值;西模态剧烈振荡时,气温日较差、日照时数及相对湿度改变,易使O₃浓度波动.（3）对比清洁期与污染期,南亚高压系统存在率、中心离散度与东西振荡量综合作用于清洁期,而污染期则主要受中心离散度与东西振荡量影响.当南亚高压西模态剧烈振荡与东模态显著聚集配合出现时,极易诱发四川盆地内ORPP二级过程.     

这五年,灾难教会我们成长

正12月31日,国家减灾办公布了2013年中国十大自然灾害事件评选结果。这十大自然灾害事件分别为:四川芦山7.0级强烈地震灾害;8月份东北地区洪涝风雹灾害;7月上中旬四川盆地西北华北地区洪涝灾害;甘肃岷县漳县6.6级地震灾害;7月初至8月中旬南方地区高温干旱灾害;"尤特"台风灾害;"329"     

四川盆地西部气溶胶空间分布现状的遥感研究初报

根据连续2天卫星遥感气溶胶光学厚度(AOD,Aerosol Optical Depth)实例,2011年4月26日AOD的高值区位于成都市区附近,27日迁移至德阳中部;27日绵阳城区及其附近的AOD次高值区是由当地累积、扩散而成;高值区的迁移与大气流场和地形特征密切相关。气溶胶颗粒物不属于四川盆地之外输入;较之以往更详细地展示了当地AOD的空间分布状况。     

治理企业污染 推进工业强省

内江市位于四川盆地的腹心地带，面积5386平方公里，人口420余万，辖三县两区。长江一级支流沱江贯穿内江市，流域面积占全市面积的94．5％。历史上，内江市是老工业基地，产业结构和工业布局不尽合理，结构性污染矛盾比较突出。近年来，内江市委、市政府结合内江的实际情况，狠抓工业污染治理，以治污为契机，全面推动城市经济、环境、社会协调发展。