中国近地面NO_2污染分布特征及其社会经济影响因素分析

基于2017年中国NO_2环境监测站点数据,综合运用全局莫兰指数(Global Moran's I)和热点分析(Getis-Ord G_i~*)方法对中国NO_2污染空间分布特征进行分析,并应用地理加权回归模型(GWR)探讨NO_2污染空间分布的社会经济影响因素。结果表明,(1)2017年,NO_2质量浓度年均值为31.28μg·m~(-3)。NO_2浓度分布在东西方向上大致以胡焕庸线为界,东部地区高于西部地区;南北方向上大致以长江为界,北部地区高于南部地区。(2)NO_2的季节变化规律为冬季秋季春季夏季。秋冬季节,NO_2高污染区由京津冀、河南、陕西等地扩大至山西中部、新疆东南部以及内蒙古的包头、呼和浩特、乌兰察布等地区,其高值与中高值区域面积占比之和分别为13.47%与24.00%,显著高于春夏季。(3)NO_2质量浓度存在以京津冀及周边河南、山西等地区为主的高值集聚,低值区主要分布在在云南、西藏、广西、海南一带。(4)利用地理加权回归模型(GWR)分析NO_2的空间分布与社会经济因素之间的关系,经计算调整后的R~2为0.74,该模型能解释NO_2空间分布的74%,拟合效果较好。在该模型中,城镇化率、森林覆盖率、第二产业占比以及人均电力消费量对NO_2质量浓度影响较大,城镇化率和第二产业占比与NO_2质量浓度呈正相关关系,森林覆盖率和人均电力消费量与NO_2质量浓度呈负相关关系。另外,城镇化率是对NO_2影响最显著的因素,城镇化率的提高对NO_2的影响程度由西向东逐渐递减。(5)NO_2与人均私家车保有量的相关系数r为0.403,华北、东南沿海、东三省及西部新疆、西藏地区,人均私家车保有量与NO_2空间分布情况基本一致,河南、陕西、湖北以及川渝地区则出现了人均私家车保有量与NO_2质量浓度不匹配的情况。     

抗静电织物的研究及其发展应用

本文介绍了抗静电织物的分类和发展状况,对抗静电机理进行剖析。阐述了织物抗静电性能的测试方法,继而对其在生活中的应用进行探讨,最后对其发展的前景进行展望。     

中国植被覆盖度时空特征及其影响因素分析

植被覆盖度是衡量植被生长状况和描述生态系统环境的重要指标,以2001～2018年MODIS NDVI数据集为基础,采用混合像元二分模型,计算中国植被覆盖度(FVC),分析中国年FVC的时空变化特征,探讨FVC对气候和人类活动干扰的响应机制,以及人类活动对FVC影响的未来变化特征。结果表明:(1)中国FVC整体呈上升趋势;西北的年均FVC明显低于东南的年均FVC;除青藏高原FVC为下降趋势外,其余均呈上升趋势,且该趋势具有一定持续性。(2)各植被类型中,混交林的年均FVC最高,草原的年均FVC最低;而农作物变化率最大,混交林变化率最小,且未来将由改善转为退化趋势,其余均表现为持续性改善。(3)中国FVC与气温呈负相关、与降水呈正相关,且降水对FVC的影响强于气温,表明降水是影响FVC变化的主要因素。(4)中国人类活动对FVC的影响程度整体表现为增强趋势,未来人类活动影响力以反向持续性为主。表明未来18a中国FVC受人类活动的影响有所下降。     

基于MRIO模型的中国对外贸易隐含大气污染转移研究

采用全球多区域投入产出（MRIO）模型耦合二氧化硫（SO₂）、氮氧化物（NO_x）、可吸入颗粒物（PM₁₀）、非甲烷挥发性颗粒物（NMVOC）排放清单,定量分析了2012年中国与其他国家贸易过程中隐含的大气污染排放转移.结果显示,中国是隐含SO₂、NO_x、PM₁₀排放的输出地和隐含NMVOC排放的输入地.欧盟、东亚和美国购买我国商品（如电力燃气和水供应业、重工业和矿采选业）导致的出口隐含大气污染排放量占比约为70%.中国在消耗撒哈拉以南非洲地区、中东&北非、东亚、东南亚和欧盟进口商品过程中,导致上述地区排放NMVOC为3.1×10⁶t,约占我国进口隐含NMVOC排放的69.2%.为了减轻我国对外贸易中承担的环境负担,本文从加强重污染产业管控、发展绿色经济、推进全球绿色供给链等方面提出相关政策建议.     

基于LUR模型的2019年北京地区PM2.5与PM10浓度空间分异模拟

在城市区域内,空气污染物的浓度在小范围内存在显著差异,而离散的地面监测点分布不均匀,且监测范围有限,无法满足污染物暴露评估等研究的需求.本研究基于GIS空间分析和多元逐步回归的模型构建的方法,建立了土地利用回归（LUR）模型,并模拟了北京市2019年PM_2.5和PM₁₀浓度的空间分布特征.选择土地覆盖数据、气象数据（风速、降水、温度）和植被覆盖度数据等预测变量,以研究区34个监测站点为中心建立0.1~5 km共7个系列缓冲区,表征不同尺度下各变量对PM_2.5和PM₁₀浓度的影响.研究结果表明：①进入PM_2.5回归模型中的变量有：年均风速、温度、降水量和周围中等植被覆盖、耕地和不透水面的面积;进入PM₁₀回归模型中的变量有：年均风速和周围中等植被覆盖的面积.两个模型的调整R²分别为0.829和0.677,模型精度较高.②抑制污染物浓度的变量,影响力随着空间范围扩大而增强;使污染物浓度增加的变量,影响力随着空间范围缩小而增强.③浓度模拟结果显示,PM_2.5和PM₁₀在西北部山区浓度较低,南偏东的城区浓度较高,并且向南有逐渐增加趋势.4植被覆盖度这一变量不仅进入了上述两个方程,且影响力都强于其他土地利用类型,故以后的模型改进应该考虑植被覆盖度这一因素.