基于机器学习利用低成本传感器数据构建城市近地面PM2.5浓度的高分辨率空间分布

PM_2.5是当前影响中国城市空气质量的一种重要污染物,它对人体健康有不利影响,高时空间分辨率的PM_2.5浓度分布是城市大气污染 精细化防控和健康影响评估的重要基础.低成本传感器在中国城市空气质量监测领域得到越来越多的应用,但由于其数据质量不够高,其价值没有得到充分的挖掘.本研究以在长三角地区蚌埠市城区作为研究案例,首先基于国控站监测数据对低成本传感器观测数据进行校准.接着通过6种机器学习模型的预测性能的比较选取随机森林作为本研究的核心方法.然后利用随机森林方法结合土地利用类型、人口密度和通过WRF模式模拟得到的气象数据、监测数据等多源数据,构建了时间分辨率为1 h、空间分辨率为0.005°（接近500 m）的近地面PM_2.5浓度的时空分布.最后对几种方法的结果进行了比较和评估.反演得到的高分辨率PM_2.5浓度的10倍交叉验证结果显示,空间R²=0.95,RMSE=9.32 μg·m^-3,时间R²=0.88,RMSE=9.24 μg·m^-3.结果表明,低成本传感器观测数据可以帮助人们构建具有更高精度的高时空分辨率的PM_2.5浓度 分布,使得低成本传感器数据的时空特征价值得到更好的利用,同时也可为低成本传感器更好地服务于空气质量精细化管理提供一种新的 应用思路.     

2016—2020年广州市PM2.5时空分布特征

对大气污染物进行时空分布特征研究是开展大气污染防治的关键技术支撑.本研究基于广州市52个城市环境空气质量监测站点数据,采用系统聚类法、经验正交函数 （EOF）等方法分析了2016—2020年广州市PM_2.5浓度的时空分布特征.结果表明：①2016—2020年广州市PM_2.5污染改善显著,PM_2.5年均浓度从35.9 μg·m^-3下降至23.0 μg·m^-3,达标比例由96.2%上升至100%;PM_2.5干季平均浓度为湿季的1.54倍, 国控点超标天数为湿季的10.5倍;PM_2.5浓度日变化曲线峰谷值浓度差由7.5 μg·m^-3下降至3.9 μg·m^-3,日变化幅度趋于平缓.②广州市PM_2.5浓度最高值区主要分布在东西两侧,高值区域范围逐年减小,全市PM_2.5浓度分布趋于均匀;采用系统聚类法可将广州市PM_2.5分成北部、中北部、 南部、中南部4个污染区,其中,北部区PM_2.5浓度下降率仅为其他污染区的1/2,推测其PM_2.5浓度下降可能更多地由区域背景浓度的下降贡献;EOF分解前3模态累积方差贡献率达93%,分别可表征PM_2.5总体污染程度、在南北方向上的区域输送特征及由外围区域向中心城区聚集的 污染特征.     

2007年春节期间北京大气颗粒物中多环芳烃的污染特征

利用大流量颗粒物采样器分昼夜采集了2007年春节前后大气气溶胶中PM₁₀和PM_2.5样品，并采用气相色谱-质谱技术对PM_2.5样品中的多环芳烃进行了检测.春节期间大气颗粒物中PM₁₀和PM_2.5夜间平均质量浓度为232 μg·m^-3和132 μg·m^-3,分别高于白天的PM₁₀(194 μg·m^-3)和PM_2.5(107 μg·m^-3)；除夕后颗粒物日平均质量浓度为252.3 μg·m^-3 (PM₁₀)和123.8 μg·m^-3 (PM_2.5)，分别高于除夕前的166.7 μg·m^-3(PM₁₀)和106.8 μg·m^-3(PM_2.5)；同时夜间PM_2.5中多17种多环芳烃(PAHs)的总浓度都高于相应白天的总浓度，且除夕前多环芳烃日均总浓度为95.9 ng·m^-3，高于除夕后的58.9 ng·m^-3.结果表明，除了受一定的气象条件的影响外，大量燃放烟花爆竹会对大气颗粒物浓度有影响，但对大气中的多环芳烃影响不大，而春节期间工业及交通污染排放的减少削减了排放到大气中的PAHs.根据荧蒽/芘等比值指标判别北京PAHs主要以燃煤为主、交通为次的混合局地源污染.     

京津冀地区高分辨率PM2.5浓度时空变化模拟与分析

为了全覆盖、高分辨率和高精度识别京津冀地区大气PM_2.5质量浓度时空变化,选取多角度大气校正算法遥感反演的1km AOD为主要预测因子,多种气象要素和土地利用要素为辅助预测因子,构建了混合效应模型+地理加权回归模型的两阶段统计模型,并针对京津冀地区PM_2.5污染较严重的特点,模型中引入了AOD²等独特预测因子.通过上述两阶段模型定量预测了研究区2017年1 km²空间分辨率的每日PM_2.5质量浓度.结果表明,模型交叉验证的决定系数R²为0.94,斜率为0.95,均方根预测误差为13.14 μg·m^-3,在前人基础上预测精度进一步提升,可用于PM_2.5浓度时空变化预测与分析.2017年,京津冀地区PM_2.5浓度年均值为44.96 μg·m^-3,年均值范围在0~89.89 μg·m^-3之间.PM_2.5浓度时空变化差异性明显,整体上呈现"平原西南部浓度高、平原东北部浓度中等和山区高原浓度低"的空间分布格局以及"冬季浓度高、夏季浓度低和春秋过渡"的季节变化特点.模型预测结果的高时空分辨率可以支持流行病学研究在较小区域的暴露评估和识别小尺度污染源的时空变化,分析发现在大气污染防治行动计划实施以来,污染较严重的冀中南山麓平原区可能出现了重要污染源的空间变化.模型预测与分析结果可以为京津冀大气污染防治提供科学支撑.     

青岛市港口区域PM2.5污染特征及来源解析研究

港口区域因大气污染物排放量大且污染源复杂,已成为沿海城市大气污染防治的关键区域.为明确青岛港口区域PM_2.5污染特征及主要贡献源类,于2019年在青岛市3个港口区域和1个背景点位采集了不同季节的环境PM_2.5样品,并分析了其化学组分特征;同时,采用正定矩阵因子分析模型（PMF）和潜在源贡献函数（PSCF）分别分析了港口区域PM_2.5的主要贡献源类及各源类潜在的影响区域.结果表明,2019年青岛港口区域ρ（PM_2.5）年均值为64 μg·m^-3,是我国空气质量二级标准的1.8倍,其中,董家口点位最高（74 μg·m^-3）,崂山点位最低（55 μg·m^-3）. NO₃^-、OC和SO₄^2-是PM_2.5的主导组分,其中,NO₃^-含量（13.1%）明显高于其它组分.董家口点位ρ（NO₃^-）、ρ（SO₄^2-）、ρ（OC）和ρ（EC）（分别为13.0、7.09、8.98和2.91 μg·m^-3）明显高于其它点位,燃煤、工业特别是钢铁企业及货车等影响可能较为明显.同时,冬季这些组分浓度也显著高于其它 季节,而夏季Na的浓度（0.96 μg·m^-3）和占比（2.13%）明显较高;春季Si和Al的浓度（1.27和0.45 μg·m^-3）和占比（2.79%和1.00%）明显高于其它季节.PMF源解析结果表明,二次硫酸盐和二次有机碳气溶胶（SOA）混合源（22.4%）及二次硝酸盐（20.1%）是港口区域PM_2.5的主要贡献源类,其次为机动车源（16.7%）和扬尘源（14.6%）,燃煤源的贡献率为13.8%,而海盐和船舶源的贡献为7.2%.从季节变化来看,春季扬尘贡献（32.1%）较高,夏季二次硫酸盐和二次有机碳气溶胶（SOA）混合源（31.6%）、海盐和船舶源（19.2%）贡献较高,而冬季燃煤（16.6%）、机动车（22.8%）、二次硝酸盐（23.9%）、钢铁及相关冶金源（3.2%）和建筑水泥尘（3.6%）贡献较高.河北省中南部及山东省中西部地区是青岛港口各 源类的主要潜在源区,黄海是船舶排放的主要潜在源区.     

京津冀内陆平原区PM2.5浓度时空变化定量模拟

近年来我国京津冀地区霾污染日趋严重,为揭示该地区PM_2.5时空变化特征,以京津冀内陆平原为研究区,以MODIS AOD数据作为主要预测因子,采用混合效应模型建立研究区2013~2014年AOD-PM_2.5逐日变化的关系模型.利用十折交叉验证法对模型拟合进行验证.结果表明,采用混合效应模型对AOD-PM_2.5进行时间上的校准能够提高二者间的相关性,模型拟合的PM_2.5质量浓度与地面实测值间的R²为0.78,经过交叉验证后R²为0.70,RMSE、RPE分别为20.80 μg·m^-3、28.76%.针对研究区冬季AOD有效值非随机性缺失带来的采样偏差,用校正因子对模型预测的2013~2014年间PM_2.5平均浓度进行校正,结果表明研究区内PM_2.5平均浓度均高于75 μg·m^-3,南部和西部地区的PM_2.5浓度相对较高,北部和东部地区PM_2.5浓度相对较低,呈现出"南高北低、西高东低"的分布趋势.研究结果表明混合效应模型能够适用于近地面PM_2.5监测,也为该区域大气颗粒物污染治理提供了科学依据.     

南京江北2014-2016年PM2.5质量浓度分布特征及气象和传输影响因素分析

利用2014-2016年南京江北地区PM_2.5质量浓度和气象要素的小时数据,并结合HYSPLIT模式后向轨迹聚类分析和PSCF法分析了PM_2.5质量浓度的污染特征及其主要影响因素和主要来源特征.结果表明：2014-2016年PM_2.5质量浓度呈逐年下降趋势,下降幅度约为17.40%,由2014年的62.1 μg·m^-3下降至2016年的51.2 μg·m^-3,能见度由2014年的5.8 km上升至2016年6.6 km.PM_2.5质量浓度存在显著的月变化和季节变化特征,1月浓度最高,可达93.0 μg·m^-3;8月浓度最低,仅为38.8 μg·m^-3;冬季浓度最高,可达76.8 μg·m^-3,夏季浓度最低,仅为47.1 μg·m^-3.不同季节日变化均为单峰型分布.气象要素对PM_2.5质量浓度的影响较大,不同相对湿度下能见度和PM_2.5质量浓度具有较好的拟合关系.霾和非霾天PM_2.5质量浓度的阈值为15 μg·m^-3.不同季节的主导气团不同,春季主导气团为偏北气流和偏东气流,占比分别为43.50%和30.80%;夏季主导气团以东部气流为主,占比约为68.22%;秋季和冬季主导气团为来自北方的气流,总占比分别为83.52%和100%;偏北内陆气团PM_2.5质量浓度较大,偏东海洋性气团PM_2.5质量浓度较低.PM_2.5质量浓度潜在源区春冬季潜在源区范围较大,夏秋季潜在源区范围较小,季节变化显著.春季潜在来源主要分布在安徽、江西北部、江苏南部和浙江北部等地区,夏秋季分布在安徽东部、浙江北部和江苏南部等地区,冬季分布在安徽、河南东部,山东和江苏等地区.     

基于网格的长三角PM2.5分布影响因素及交互效应

基于遥感反演数据,研究了2016年长三角地区PM_2.5浓度空间分布特征,从气象因素、地形、植被和大气污染物排放清单等方面选取评价因子,以0.25°×0.25°网格为评价单元,利用GAM模型研究了长三角PM_2.5空间分布的影响因素及交互效应.结果表明：①长三角PM_2.5浓度总体呈北高南低、西高东低的分布态势,但以南北向差异为主.长三角南部PM_2.5浓度多低于35 μg·m^-3,PM_2.5超标零星出现在城镇周围,呈孤岛状分布.北部PM_2.5浓度多超过35μg·m^-3,PM_2.5污染多呈连片状分布.②长三角PM_2.5浓度分布具有显著的正的空间自相关性,高高集聚区集中分布在长三角北部,低低集聚区集中分布在南部.③ GAM模型分析表明,地形起伏度、气温和降水量对PM_2.5浓度主要呈负向影响;污染物排放量主要呈正向影响;风速<2.5 m·s^-1时影响不显著,风速≥2.5 m·s^-1后有显著的负向影响.地形起伏度、气温和降水量南高北低是造成长三角PM_2.5北高南低的重要原因,风速东高西低是造成长三角PM_2.5浓度东西向差异的原因之一.④除地形起伏度-PM_2.5排放量外,其余因素两两间的交互项均通过了显著性检验,对PM_2.5分布有显著的交互效应.     

邯郸市大气颗粒物污染特征的监测研究

使用振荡天平颗粒物在线监测仪连续监测了邯郸市PM₁₀和PM_2.5浓度,分析了2012年7月31日—12月2日4个月内PM₁₀、PM_2.5的浓度水平、时变规律和PM_2.5/PM₁₀的变化情况.结果表明,监测时段内PM₁₀和PM_2.5的日均浓度平均值分别为208.4 μg·m^-3和99.1 μg·m^-3,是国家二级标准的1.4倍和1.3倍;浓度超标的天数占总观测天数的61.6%和60.0%,其污染程度与北京、天津相当,属污染较严重的地区.PM_2.5/PM₁₀在19.3%~89.8%之间周期性波动,平均值为49.4%,接近北方城市的平均水平.PM₁₀和PM_2.5的浓度变化具有很好的正相关性;日均值在4个月中呈现明显的周期性变化和月际波动,10、11月的PM₁₀和PM_2.5浓度变化剧烈且大大高于8、9月份.PM₁₀和PM_2.5浓度一天中小时均值的变化呈同步的双峰型分布,最高值出现在9:00和20:00左右,最低值出现在15:00~17:00之间.本研究系统分析了夏秋季节邯郸市大气颗粒物污染状况,以期为当地颗粒物污染的控制提供科学依据.     

2013-2014年河南省PM2.5浓度及其来源模拟研究

随着城市化和工业化水平的逐渐提高,河南省的空气污染问题也日益严重.利用嵌套网格空气质量模式（NAQPMS）,数值模拟了2013年7月-2014年6月年河南省大气细颗粒物及其前体物（NO₂、SO₂、PM₁₀、PM_2.5）的地面浓度,并量化了其主要来源.结果表明：模式能够较好地再现污染物的时空演化特征.整体来讲,河南省PM_2.5的高值区集中在中部和北部地区,呈现冬季高、夏季低的特点.在线源解析模拟发现,河南省不同地区PM_2.5的来源有所不同,中西部地区主要来自于本地,而在东部和北部地市,来自周边省份的区域输送更为显著,其贡献达到40%～50%,且在PM_2.5浓度的高值区更为明显.就行业贡献而言,居民源、工业源和机动车排放是河南省PM_2.5浓度的主要来源,其浓度贡献分别为23.7 μg·m^-3（贡献比例24%,下同）、20.6 μg·m^-3（21%）和21.3 μg·m^-3（22%）,电厂、农牧业和地面扬尘的浓度贡献分别为7.0 μg·m^-3（7%）、8.7 μg·m^-3（9%）和17.8 μg·m^-3（18%）.受居民源影响最大的地区是河南中东部和北部地市,其贡献达到PM_2.5浓度的27%、27%和25%.工业源影响最大的地区集中在太行山南部地市,其浓度贡献为26.4 μg·m^-3（24%）,在其他地市的贡献为17%～23%.机动车对河南东部影响最为显著,其浓度贡献为22.9 μg·m^-3（24%）.电厂和农畜牧业对全省PM_2.5的贡献分布比较均匀,分别为6%～9%和8%～10%.分析不同浓度下的PM_2.5来源,发现工业源和扬尘贡献随PM_2.5浓度增加逐渐降低,而居民源和机动车排放的贡献则有所增加,在PM_2.5浓度高于100 μg·m^-3期间,达到22%和20%.     

三岔河梯级水库浮游植物光合作用效率的时空变化

浮游植物最大光合作用效率(F_v/F_m)可以判断水生生态环境状况,是探究梯级筑坝对河流生态环境影响的重要参数。本研究对三岔河梯级水库的浮游植物F_v/F_m及相关的水化学参数进行了季节性调查,探讨F_v/F_m的时空变化及其环境影响因素。结果表明,F_v/F_m具有明显的时空差异性,在空间分布上为库区下泄水河流;F_v/F_m和浮游植物总细胞丰度呈现显著正相关,库区总细胞丰度大,F_v/F_m比其它区域高。在时间分布上为冬季夏季≈秋季春季,表明浮游植物在水温较低时,会提高光合作用效率,F_v/F_m增高。     

驻马店市区采暖季PM2.5时间和空间来源解析研究

为了明确驻马店市区PM_2.5污染特征及贡献源类,2019年1—3月在驻马店市区2个采样点采集PM_2.5样品,分析了其化学组分特征;结合PMF和后向轨迹模型构建了PM_2.5的时间和空间来源解析方法,并对该解析方法进行应用.结果表明:①采暖季,驻马店市区环境空气中ρ(PM_2.5)平均值为117 μg/m3,NO₃-和OC是其主导组分;ρ(OC)和ρ(EC)分别达18.2和5.2 μg/m3,且ρ(OC)/ρ(EC)平均值为3.5,说明机动车源和燃煤源的影响较明显.②ρ(SO₄2-)与ρ(NO₃-)相关性显著(R=0.80,P < 0.01),表明SO₄2-和NO₃-具有较高的同源性.③重污染过程中ρ(SNA)(SNA为SO₄2-、NO₃-和NH₄+三者统称)平均值为61.5 μg/m3,显著高于清洁期;重污染过程中硫氧化率(SOR)和氮氧化率(NOR)分别达0.42和0.39,说明存在明显的二次离子生成过程.④重污染过程中Si、Al、Mg等地壳类元素的浓度和占比均高于清洁期,说明重污染过程中扬尘源的贡献可能较高.⑤来源解析结果表明,二次源是采暖季PM_2.5的最大贡献源,贡献率为32.6%,其次为扬尘和生物质燃烧混合源(26.4%)、机动车源(21.4%)、燃煤源(13.2%)和工业源(6.3%);两次重污染过程中的最大贡献源分别为二次源(54.5%)和机动车源(46.2%),清洁期的主要贡献源主要为二次源(45.2%)和燃煤源(29.8%).从空间变化来看,扬尘和生物质燃烧混合源对天方二分厂的贡献率(29.3%)明显高于对彩印厂的贡献率(23.3%),而燃煤源对彩印厂的贡献率(16.5%)高于对天方二分厂的贡献率(10.1%),其他源类的贡献率相差不大.正东、东南以及西北方向是彩印厂和天方二分厂各类源的主要贡献方向.研究显示:二次源是采暖季、重污染期间和清洁期最大的贡献源;相比于清洁期,重污染期间扬尘和生物质燃烧混合源贡献增加.源类贡献存在空间差异,正东、东南及西北方向是采样点各类源主要贡献方向.      

新安江水库二氧化碳排放的时空变化特征

新安江水库是我国华东地区最大的水库,面积580 km2,平均深度30 m,水库水体处于中贫营养状态.为了研究新安江水库中CO_2排放的时空变化特征,2014年12月至2015年12月采用静态浮箱法收集水库表面以分子扩散方式排放的CO_2,使用气相色谱仪分析CO_2浓度.结果表明,新安江水库CO_2排放通量从上游入库河流[(120.39±135.41)mg·(m~2·h)~(-1)]至库区主体[(36.65~61.94)mg·(m~2·h)~(-1)]呈下降趋势,而大坝下游河流中CO_2排放通量[(1 535.00±1 447.46)mg·(m~2·h)~(-1)]显著增加,约分别是上游入库河流和库区主体的13倍和25~42倍.但随着与大坝距离增加,大坝下游河流中CO_2排放通量显著下降,如7 km处的CO_2排放通量仅为出库水体处的20%.在库区主体中,CO_2排放通量具有明显的季节变化:CO_2排放通量在秋、冬季时为正值,最大值出现在冬季(12月或1月),说明此时库区表层水体是CO_2排放源;而CO_2排放通量在春、夏季为负值,最小值出现在春季(3、4或5月),说明此时库区表层水体是CO_2吸收汇,这可能与春、夏季时水体中藻类繁殖有关.所以,在调查水库表面CO_2排放时,应对水库的上游入库河流、库区主体和坝下河流进行全面长期的观测,才能避免低估水库中CO_2排放总量.     

近10年海南岛大气NO2的时空变化及污染物来源解析

利用OMI卫星反演的NO2柱浓度数据,分析了近10年海南岛对流层NO2柱浓度(Tro NO2)和总NO2柱浓度(Tot NO2)的时空变化,同时结合地面风向、SO2排放资料,以及HYSPLIT模式等探究其大气污染物来源.结果表明,海南岛地区大气NO2呈北半部高于南半部、中部山区低于四周沿海的分布特征,其季节变化表现为冬季高、夏季低的特点,其中夏季浓度偏低和雨水的冲刷作用有关,而冬季浓度偏高与珠江三角洲地区的外源输送作用有密切联系.近10年海南岛大气NO2冬夏季有相反的变化趋势,冬季逐年下降,夏季则有弱的上升趋势.其原因可能是夏季大气污染物以本地排放为主,冬季外源输送起主要贡献作用.海口市Tro NO2与珠江三角洲地区的有利风向日数相关系数为0.84,通过了99%的信度检验.后向轨迹分析表明,2013年12月影响海口市的3条气流移动路径,均不同程度的经过珠江三角洲地区,进一步表明海南岛冬季大气污染物主要以珠江三角洲地区的外源输送为主.     

城市环境PM2.5空间分布监测方法研究进展

随着城市化和工业化的发展,城市环境中日益增多的PM_(2.5)对人类健康造成了严重威胁。本文旨在分析总结目前PM_(2.5)空间分布的相关监测方法以及空气质量预测模型。当下,PM_(2.5)浓度的监测不仅涉及大气化学、污染物的源解析、大气化学运输模型、线性及非线性空气质量模拟等方面,还涉及地理信息系统与卫星遥感等新技术的运用。本文在比较传统PM_(2.5)监测与新型监测方法不同的基础上,分析了各自的优劣,为空气质量监测提供建议和指导。     

浙江省人为源氨排放清单建立及分布特征

通过收集各类氨排放源的活动水平数据,选取合适的排放因子以及估算方法,建立了2017年浙江省人为源氨排放清单,分析各排放源的排放分摊率以及浙江省各市的排放情况,并利用ArcGIS对浙江省氨排放量和排放强度的空间分布进行分析.结果表明, 2017年浙江省人为源氨排放量为122.00 kt,以农业源排放为主,其中农田生态系统氨排放量最高,达到36.06 kt,并以氮肥施用贡献最大(87.12%);其次是禽畜养殖,占到人为源氨排放总量的29.44%.非农业源中废物处理和人体排放源贡献最大,分别占到非农业源氨排放量的44.07%和28.49%. 2017年杭州市氨排放量最高,占浙江省氨排放总量的17.83%;但嘉兴市的氨排放强度最大,达到3.82 t·km^-2.从空间分布来看,氨排放量主要集中在浙江省北部和东南部,而浙江省北部和东北部的氨排放强度相对较高.     

苏北潮滩温室气体排放的时空变化及影响因素

滨海湿地温室气体CO_2、CH_4和N_2O的排放在全球碳氮循环中发挥着重要的作用,进一步影响着全球气候变化.为研究滨海湿地CO_2、CH_4和N_2O排放的时空变化及影响因素,以苏北潮滩为例,采用静态暗箱-气相色谱法,于2013年4月至2014年3月,测定了不同时空尺度下CO_2、CH_4和N_2O通量的变化规律,并分析了影响温室气体通量变化的环境因素.结果表明,CO_2、CH_4和N_2O通量的季节变化的最大值出现在夏季,CO_2和N_2O通量的最小值出现在冬季,而CH_4在春季表现为弱吸收;互花米草滩年均排放CO_2量最大,为(766.3±496.9)mg·(m2·h)~(-1),芦苇滩年均排放CH_4和N_2O最大,分别是(0.420±0.900)mg·(m2·h)~(-1)和(17.4±5.0)μg·(m2·h)~(-1).光滩表现为对CH_4的吸收,为(-0.004±0.032)mg·(m2·h)~(-1),对CO_2和N_2O的排放,且排放通量最小,分别是(57.1±16.2)mg·(m2·h)~(-1)和(6.1±2.1)μg·(m2·h)~(-1).全球变暖潜能的最大值出现在互花米草滩,为68 841.280 kg·(hm2·a)~(-1),分别是芦苇滩和碱蓬滩的1.41倍和3.02倍,光滩的GWP最小,为5 002.100 kg·(hm2·a)~(-1).通过Pearson相关分析发现,除光滩外,CO_2通量与气温、土温呈显著的相关性(P0.05),而CH_4和N_2O通量与温度则不存在显著的相关性.尽管如此,CO_2、CH_4和N_2O通量的时间变化更多地是受温度以及植被生长状况的影响,而空间变化则主要由植被的状况所决定;外来种互花米草主要是通过增加CO_2排放来影响滨海湿地的全球变暖潜能.     

中国北部湾地区夏季大气碳气溶胶的空间分布特征

于2009年8月在北部湾地区的南宁、钦州、防城港、北海、湛江、茂名、海口、洋浦、东方等9个城市的城区和郊区同步采集PM2.5样品,采用热光反射碳分析仪分析得到有机碳(organic carbon,OC)、元素碳(elemental carbon,EC)的质量浓度,对OC、EC浓度水平、空间分布及其可能的来源进行分析.结果表明,观测期间北部湾9个城市PM2.5、OC和EC的浓度均值分别为(38.4±17.7)、(9.2±2.6)和(1.9±1.1)μg·m-3,总碳气溶胶(total carbonaceous aerosol,TCA)占PM2.5质量的56.8%.北部湾地区夏季OC主要来源于生物质燃烧和二次生成的有机碳(secondary organic carbon,SOC),EC主要来源于机动车和工业排放.     

未开发油气田地表烃氧化菌空间定量分布

利用Real-time PCR技术,分别对非油气田对照区域、未开发油田、未开发气田地表30、60、100、150、200 cm深度的甲烷氧化菌、C5～C16烃氧化菌进行定量研究,目的在于加深对该类型区域烃氧化菌空间分布特征的了解,为微生物油气勘探技术的发展提供基础资料.结果表明,气田区域甲烷氧化菌(pmoA)含量为1.34E+04～3.90E+05 copies.g-1,并随深度的加深逐渐减少;油田仅为3.14E+02～4.32E+03 copies.g-1.100～200 cm深度,油田C5～C16烃氧化菌(alkB)含量为1.38E+07～3.61E+07 copies.g-1,高于等深度对照(4.24E+06～2.14E+07 copies.g-1)和气田区域(5.82E+06～3.52E+07copies.g-1).甲烷氧化菌分布受全氮、有机碳、pH影响显著,相关系数分别为0.859、0.631、-0.549,而C5～C16烃氧化菌分布受环境因素影响相对较小.100～200 cm深度范围内,该区域全氮、有机碳、pH等理化因素相对稳定,烃氧化菌含量在不同深度间差异较小.因此,本研究表明,气田区域具有明显的甲烷氧化菌异常,油田在100 cm以下深度具有一定的C5～C16烃氧化菌异常;100～200 cm更适于作为统一取样深度进行大范围定量调查,但仍需要进一步的验证.     

2015—2018年乌鲁木齐市PM2.5及PM10时空分布特征

乌鲁木齐市是“丝绸之路经济带”关键节点城市,为了解乌鲁木齐市2015—2018年空气污染状况,利用2015年1月1日—2018年12月23日乌鲁木齐市7个国控空气质量监测站的ρ（PM_2.5）、ρ（PM₁₀）监测数据,基于ArcGIS空间分析平台,分析乌鲁木齐市PM_2.5、PM₁₀的时空分布特征.结果表明:ρ（PM_2.5）从2015年（66.60 μg/m3）到2016年（76.93 μg/m3）呈上升趋势,在2016—2018年呈单一下降趋势;ρ（PM₁₀）从2015年（132.74 μg/m3）到2016年（125.93 μg/m3）呈下降趋势,在2016—2018年呈单一上升趋势.2015—2018年工业活动集中的乌鲁木齐市边缘各区的ρ（PM_2.5）、ρ（PM₁₀）平均值比城市中心（商业区、居民区）分别高11.28、7.17 μg/m3,说明工业集中地区的大气环境质量受污染影响明显.此外,2015—2018年乌鲁木齐市大气污染呈季节性和北高南低的区域性分布特征.气象因子分析表明,ρ（PM_2.5）、ρ（PM₁₀）均与相对湿度呈正相关,与降雨量、风速等气象因素呈负相关.2015—2018年,乌鲁木齐市大气中ρ（PM_2.5）/ρ（PM₁₀）呈先增后降的趋势,冬季以PM_2.5污染为主,其他季节以PM₁₀污染为主.研究显示,2015—2018年乌鲁木齐市空气污染状况变化与地形、气象条件、城市化建设均有一定的关系.