2013年1月北京市一次空气重污染成因分析

采用数值模式与观测资料相结合的方式,对北京市2013年1月9日至15日一次空气重污染过程的大气环境背景、气象条件和形成原因进行了初步分析.结果表明,重污染过程期间10日至14日PM2.5平均值为323μg·m-3;重污染过程与当地气象条件密切相关,稳定的大气环流形势为污染的持续提供了大气环流背景,风速较小、湿度较大、边界层较低、持续逆温是造成重污染的主要原因;重污染过程中区域输送对北京PM2.5贡献率在53%~69%之间且存在明显的二次转化,区域输送起着更为重要的作用;气象条件对持续性重污染的形成和破坏起到了关键性的作用,因此需要加强对重污染预警预报研究,以有效预防和控制空气重污染.     

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.     

北京市虚拟水消费与贸易

北京市作为水资源极度紧缺的城市,亟需提高水资源的利用效率。本文基于多尺度投入产出分析模型,对2012年北京市虚拟水消费及贸易情况进行了核算与分析,并与2007年的结果进行了比较。计算结果表明：2012年北京市消费引发的虚拟水用量高达139.5亿m³,是基于生产的直接实体用水量（35.9亿m³）的3.89倍;对比2007年,虚拟水消费增长（23.7%）远比直接用水增长（11.8%）快。北京市使用的全部水资源中仅有5%由北京本地供应,有超过3/5从国内其他省市调入,约35%从世界其他国家进口。与此相对应,这些水资源有1/5被北京本地消费使用,约3/4被调出到国内其他省市,6%被出口至其他国家。与2007年相比,2012年北京市国内虚拟水贸易由净调入转为净调出,净调出量为2007年净调入量的1.1倍;而国际虚拟水贸易由净出口转为净进口,净进口量为2007年净出口量的837.2倍。北京市2012年净输入虚拟水资源103.6亿m³（全部来源于国际贸易）,有效地避免了对本地水资源的过度开采。与此同时,北京市通过转口贸易的形式将大量进口的虚拟水调出到了中国其他省市,为缓解国内水资源紧张局面作出了贡献。未来北京市应当在考虑能源矿产供应安全及消化国内过剩产能的前提下有策略性地增加矿产、能源、建筑和交通运输设备等部门部分产品的进口,以达到节约我国水资源及全球范围内水资源高效利用的目的。     

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。     

杭州市工业源VOCs排放清单及排放特征

杭州市作为2016年国际峰会、2022年亚运会等一系列重大活动的举办地,对VOC源排放清单的研究,尤其是工业源VOCs的影响越来越受到管理部门和当地居民的重视.通过采取自下而上的方式,首次对杭州市涉及VOCs排放的30多个行业的3 518家企业逐一进行了详细的调查和估算,并在此基础上建立了杭州市工业源VOCs排放清单.从区域排放、排放强度、空间分布等不同角度对杭州市工业源VOCs排放特征进行了系统分析.研究结果表明,2015年杭州市工业源VOCs排放量为36 839.5 t;印刷和记录媒介复制、化学原料和化学制品制造、金属制品、纺织、橡胶和塑料制品行业是杭州市工业源VOCs排放量最大的五个行业;排放总量最大是萧山区,其次是富阳区和大江东产业集聚区;工业源VOCs排放强度最高的区域为富阳区、建德市和临安市;工业源VOCs排放主要集中在萧山区、大江东、富阳区、余杭区等工业企业较为密集的区域.     

2012~2013年间北京市PM2.5中水溶性离子时空分布规律及相关性分析

2012年8月~2013年7月,在北京市包括城市背景、城区、郊区以及边界传输点在内的9个监测点位进行大气细颗粒物PM2.5样品的采集与分析,共获得486个有效样本及9种水溶性离子的质量浓度.观测期间9种水溶性离子总质量浓度为60.5μg·m-3,浓度水平高低顺序分别为NO-3SO2-4NH+-4Cl-Na+K+Ca2+F-Mg2+;其中SO2-4、NO-3和NH+4(三者简称SNA)占全部所测水溶性离子的88%;NO-3是全年波动范围最大的二次离子.对所测阴、阳离子相关性研究发现,阴、阳离子总体相关性良好,春、冬季阴、阳离子相关性要好于夏、秋季.对不同颗粒质量级别中的水溶性离子研究发现,SNA积累活跃,相对于SO2-4的积累,NO-3和NH+4在二次离子的形成过程中占据主导地位;NO-3是重污染过程累积效应比较明显且贡献相对较高的二次离子.     

人居环境的可控性

针对人居环境的复杂性、动态性以及纷繁复杂的影响因素，试图以系统论的观点考查人居环境的可能性发展空间，提出了人居环境大系统的观点，阐述了人工系统、人文系统和自然系统的构成和关系，提出并论述了通过结构优化、功能模拟、反馈控制等方法促使人居环境系统得到合理发展的观点。     

Floating Population Increase and Its Influence on the Urban Population Situation:A Case Study in Beijing

1 BACKGROUND OF FLOATING POPULATIONIN CHINAChina's urbanization process was influenced mainly bythe government interventions before the adoption of thesocial and economic reform started in 1978. Since thefoundation of the People's Republic of China, thegovernment had strictly controlled the internal migration,especially from rural to urban areas. The ability of thegovernment to make a strong impact on the migrationand urbanization was realized by the household registrationsyste…     

北京市昌平区大气环境PM10中多环芳烃的含量及变化趋势

通过采集了2004～2006年北京市昌平区四个季节中大气PM10样品,采用超声抽提方法,使用GC/MS分析了该区PAHs含量和组成.结果显示,三年中四个季度的18种PAHs总量范围分别为21.64～656.39ng/m3、31.94～164.33ng/m3和7.294～209.3ng/m3,其中致癌性极强的苯并[a]芘含量范围为2.69～36.95 ng/m3、1.44～6.6ng/m3和0.256～8.625ng/m1,其变化趋势与PAHs总量有较好的相关性.PAHs的浓度是冬季＞秋季＞夏季＞春季,这与夏季时雨水冲刷和阳光照射强度大导致PAHs光解,冬季时燃煤排放大等影响因素有关.文章还使用多种方法判断昌平区大气PM10中的PAHs主要来源于燃煤和汽车尾气,其它污染源贡献较小.     

改善北京市大气环境质量中居民支付意愿的影响因素分析

本文旨在用统计的方法 ,分析影响北京市居民为改善大气环境质量而付费的支付意愿的主要社会经济因素。分析结果表明 ,对被调查者支付意愿影响最显著的因素是家庭收入 ,其次是年龄、家庭人口数和教育水平。其中 ,收入和教育水平对支付意愿的影响为正 ,年龄和家庭人口数的影响为负。对调查范围内八个行政区被调查者的支付意愿均值比较显示 ,这八个区居民的支付意愿没有显著性差异。本文的结论是 ,提高收入水平和环境意识水平 ,是提高公众为改善环境质量而付费的支付意愿的有效途径