政策目标对REDD+机制收益分配的影响

本文通过建立一个简单支付模型研究了完全信息和不完全信息情景下经济目标、环境目标以及福利目标对于REDD+机制收益分配的影响。按照政策制定者知道的代理人机会成本的信息,本文设定了完全信息和不完全信息两种情景。政策制定者在两种情景中对于总毁林和潜在造林面积的分布、代理人总收益以及各代理人的毁林或潜在造林面积都拥有完全信息。为了研究不同的政策目标对REDD+机制效果的影响,本文设定三种政策目标:经济目标、环境目标以及福利目标。在此基础上,利用云南生态固碳造林项目的入户调查数据,对三种政策目标的效果进行了仿真研究。通过仿真研究分析了在完全信息和不完全信息条件下三种政策目标对于代理人受益、政策制定者收益以及减少毁林或增加造林总面积的影响。研究结果表明,在不完全信息情景下,政策制定者只能按照相同的补偿标准支付给所有代理人,因而三种政策目标的产出完全相同。对于经济目标的政策制定者而言,完全信息并不会带来森林面积的增加,但会导致REDD+剩余从代理人转移至政策制定者。相反,对于环境目标政策制定者而言,完全信息会导致森林面积增加而减少代理人的收益。对于福利目标政策制定者,完全信息并不会导致总体福利有所差别,且收益仍归代理人所有,而减少毁林或增加造林的面积大于等于不完全信息。     

短期保护性耕作措施对大豆-冬小麦轮作系统温室气体排放的影响

通过田间试验,在大豆和冬小麦生长季,进行常规翻耕(conventional tillage,T)、免耕(no-tillage with no straw cover,NT)、常规翻耕+秸秆(conventional tillage with straw cover,TS)、免耕+秸秆(no-till with straw cover,NTS)4种耕作措施处理,采用静态箱-气相色谱法测定土壤-作物系统CO_2和N_2O排放通量.结果表明:在大豆生长季,与T相比,NTS在开花-结荚期显著增加了CO_2累积排放量(P=0.045),增幅达27.9%;NT在鼓粒-成熟期显著降低了CO_2累积排放量(P=0.043),降幅达28.9%.与T相比,NT在鼓粒-成熟期的N_2O累积排放量降低了28.3%(P=0.042).在冬小麦生长季,与T相比,TS、NT在拔节-孕穗期使CO_2累积排放量降低了24.3%(P=0.032)和36.0%(P=0.041),在成熟期降低了26.8%(P=0.027)和33.1%(P=0.038).在返青期,NT、NTS、TS的N_2O累积排放量与T比较均没有明显差异,NTS比NT的N_2O累积排放量降低了42.0%(P=0.035).可见,保护性耕作措施对土壤-作物系统CO2排放的影响较大,对N2O排放的影响不明显.     

南京秋冬季典型霾污染过程及边界层特征分析

针对近年来南京地区秋冬季的几次典型秋冬季霾污染过程,利用地面空气污染监测资料、探空资料、常规气象观测资料,对霾污染过程的特征,特别是边界层特征进行综合分析。结果表明,秋收季节秸秆燃烧对于南京及周边地区的空气质量有明显影响,局地空气污染指数飙高。南京及周边地区几次霾污染过程,均出现逆温层,贴地逆温、脱地逆温均影响霾的形成。5次霾污染过程中,均有观测时次混合层高度小于200 m,并且低混合层高度持续时间与API高值时间一致。总体上,混合层高度与API(AQI)呈相反趋势。     

2015年10月南京霾污染过程分析

为探讨南京秋季霾污染过程发生的主要影响因素,利用南京信息工程大学太阳光度计观测霾污染发生天气下AOD（aerosol optical depth,气溶胶光学厚度）数据,计算AE_440-1020（?ngstr?m Exponent,波长指数）以及a₂（光谱曲率）,结合CALIPSO（Cloud-Aerosol Lidar and Infrared Pathfinder Satellite Observations）卫星气溶胶组分分析以及MODIS（Moderate Resolution Imaging Spectroradiometer）火点数据,对2015年10月南京霾污染过程进行分析.结果表明:2015年10月出现的两次霾污染过程期间南京地区AE_440-1020均高于1.0并且a₂呈负值,其中10月16日AQI达到峰值（201）,AOD₅₀₀达1.51,AE_440-1020达1.37,a₂达-0.77;这两次较为严重的霾污染过程均主要由人为因素（工业污染、城市建设、生物质燃烧、汽车尾气排放等）产生的细粒子所致.后向轨迹分析发现,2015年10月16日南京地区霾污染天气发生的主要原因是区域型污染,同时受长距离输送影响,大量携带人为因素产生的细粒子以及少量沙尘等污染物的空气团途经内蒙古、山东等地到达南京,加剧了当日的污染程度;2015年10月23日南京地区霾污染天气的发生则主要受长距离输送影响,同时也受到区域型污染影响,加剧了当日的污染程度.研究显示,在稳定的气象条件下,较高的相对湿度、较低的地表风速、低混合层高度以及贴地逆温的出现是诱发霾污染天气产生的有利气象条件.      

基于距离相关系数和支持向量机回归的PM2.5浓度滚动统计预报方案

针对目前空气质量统计预报方法存在的主要缺陷,本文提出了距离相关系数和支持向量机回归相结合的统计预报方案DC-SVR.利用淮安市2013年1—12月PM_(2.5)观测资料和常规气象观测资料,首先在选入预报当日气象要素的基础上,增加选取前期污染物和气象要素作为预报因子,再采用距离相关系数分季节从预报因子中筛选出重要预报因子,最后采用支持向量机回归对PM_(2.5)浓度值进行逐日滚动统计预报.研究发现,淮安地区气温和气压对PM_(2.5)的距离相关性要高于其他气象要素,夏秋季PM_(2.5)与气象要素的距离相关性较春冬季好.基于距离相关系数和支持向量机回归建立DC-SVR模型,PM_(2.5)的试预报值和实测值的全年相关系数高达0.76,平均偏差仅为1.13μg·m~(-3),平均绝对误差为23.47μg·m~(-3).通过与支持向量机回归、人工神经网络的统计预报效果对比,DC-SVR模型有效降低预报因子维数且能自适应选取最佳参数,预报精度显著优于其他3种统计预报方案,可为业务化预报提供参考.     

不同季节气象条件对北京城区高黑碳浓度变化的影响

利用2013年至2015年北京城区黑碳气溶胶(下文统称为"BC")和PM2.5观测资料,结合地面气象观测资料、ECMWF边界层高度再分析资料和FNL/NCEP不同高度风速再分析资料,讨论了BC质量浓度及其在PM_(2.5)质量浓度中所占比例(下文统称"黑碳占比")的季节、月、日变化特征,并通过计算北京城区BC浓度与不同高度风速的相关矢量,分析了气象条件和外来输送对北京城区BC浓度变化的影响.结果发现:研究时段内北京城区BC浓度平均值为(4.77±4.49)μg·m~(-3);黑碳占比为8.23%±5.47%.BC浓度和黑碳占比在春、夏季低,秋、冬季高,其日变化特征在4个季节均为"白天低夜间高"的单峰型特征.随着PM_(2.5)浓度的升高,BC浓度增大,黑碳占比减小.当北京地区风向为东北、东北偏东、东南和西南偏西(主风向)时,BC浓度与风速和边界层高度均呈反向变化,即随风速和边界层高度的增大而减小.另外不同季节BC浓度随风速变化的临界值及其变化速率不同.冬季高BC浓度时段,北京城区BC浓度在低层大气的关键影响区分别位于河北南部与山东交界地区以及河北西北部与山西内蒙交界地区;高空关键影响区主要位于北京以西的河北西部、山西北部和内蒙古地区.     

嘉兴市春季一次持续雾霾过程中气象条件与污染物变化特征分析

2015年5月17~20日嘉兴市发生了一次持续性雾霾过程,本研究根据5月17~22日污染气体(O_3、SO_2、NO_2和CO)、PM_(10)、PM_(2.5)、10 nm~10μm气溶胶数浓度、气象要素及边界层探空数据,分析了这次过程的成因及其不同污染物的变化特征.结果表明,副高位置北抬、均压场结构、地面静小风和边界层中逆温层为这次雾霾过程的发生和维持提供了水汽、动力和热力条件.这次雾霾过程包含1次降雨和2次雾过程(雨雾和辐射-平流雾).雾霾过程中NO_2、CO、PM_(10)和PM_(2.5)的浓度较高,SO_2和O_3的浓度较低.强降雨对PM_(10)、PM_(2.5)和SO_2清除作用较大,弱降雨会加重污染过程.雨雾的发展过程中,PM的浓度持续积聚;辐射-平流雾过程中,PM浓度先快速下降然后再增加.不同过程中气溶胶数浓度谱均为单峰型分布,但是谱型差异较大,干净天、降雨、雾霾过程、雨雾和辐射-平流雾过程中气溶胶数浓度谱峰值分别位于20~30 nm、100 nm、30~60nm、120 nm和90 nm.表面积浓度谱在干净天、降雨、雾霾和雨雾过程中均为三峰型分布,辐射-平流雾为四峰型分布.     

使用RCFP-IC对南京市不同污染状况下PM_(2.5)中水溶性离子的观测分析

本文使用大气细颗粒物快速捕集系统及化学成分在线分析系统(RCFP-IC)和美国热电污染气体分析系统(EMS系统)对2013年11月16日—12月10日南京地区PM2.5中主要水溶性离子和污染气体进行了观测分析,并结合气象要素数据分析了灰霾天PM2.5中主要水溶性离子的污染特征.结果表明:不同污染条件下PM2.5中水溶性离子分布差异较大,清洁天浓度最大的6种离子排序为SO2-4NO-3NH+4Cl-NO-2K+,霾天(11月20—24日)和雾-霾天(12月1—8日)前6种离子排序分别是SO2-4NH+4NO-3NO-2Cl-K+和NO-3SO2-4NH+4Cl-NO-2K+.受污染源和化学反应的日变化影响,不同离子的日变化特征不同.污染天NO-3、SO2-4和NH+4的浓度是干净天的2.8~5.0倍.不同水溶性离子对能见度的影响不同.     

亚青会期间南京市气溶胶中OC和EC的粒径分布

采用Anderson 9级撞击式采样器和DRI Model 2001A热/光碳分析仪对南京2013年8月10~28日亚青会期间不同粒径段气溶胶中有机碳(OC)和元素碳(EC)的质量浓度进行了观测分析.结果表明,51.55%和54.81%的OC和EC富集于粒径<1.1μm的细粒子中,亚青会期间OC和EC的最大浓度分别位于0~0.43μm和0.43~0.65μm粒径段,占总浓度的比例分别为20.90%±5.02%和22.68%±9.90%.PM1.1、PM1.1~2.1和PM2.1~10中OC和EC的浓度在亚青会期间比亚青会前分别减少了43.44%~56.17%和59.17%~73.55%.亚青会期间OC的谱分布没有变化,均为双峰型分布;EC的谱分布由双峰型变为单峰型.观测期间不同粒径段的EC和OC具有较好的同源性.亚青会前OC和EC主要来自汽车尾气;亚青会期间PM1.1中OC和EC主要来自汽车尾气,PM1.1~2.1和PM2.1~10中OC和EC主要来自汽车尾气和燃煤.     

小型池塘水-气界面CH4冒泡通量的观测

为了量化亚热带浅水养殖塘CH_4冒泡通量占CH_4总通量的比例,选取安徽省全椒县两个小型池塘为研究对象,采用倒置漏斗法和顶空平衡法,自2016年7月28日至8月13日观测夏季水-气界面的CH_4通量.结果表明,两个池塘CH_4冒泡通量分别是121.78 mg·(m~2·d)~(-1)和161.08 mg·(m~2·d)~(-1),CH_4扩散通量分别是3.38 mg·(m~2·d)~(-1)和3.79 mg·(m~2·d)~(-1),CH_4冒泡通量占总通量比例分别是97.5%和96.4%.CH_4冒泡通量具有高度空间异质性,A塘CH_4冒泡通量的变化范围为0.11~446.90 mg·(m~2·d)~(-1),B塘CH_4冒泡通量变化范围为0.05~607.51 mg·(m~2·d)~(-1).两个池塘的气体冒泡速率都是白天高于夜间,主要受风速控制.对于较浅的池塘,在小时尺度上,CH_4冒泡通量的主要影响因素是风速;在日尺度上,CH_4冒泡通量的主要影响因素是风速和水深,其中CH_4冒泡通量与风速呈正相关关系,与水深呈负相关关系.不同纬度的水体CH_4冒泡通量不同,中纬度地区的淡水环境比高纬度地区CH_4冒泡通量更高.通过观测手段量化小型浅水池塘CH_4冒泡通量,可以为准确估算内陆水体对区域和全球碳循环的贡献提供数据支持和理论参考.