中国PM2.5人口暴露风险时空格局

采用PM_2.5和人口格网数据,计算了2000~2016年中国PM_2.5人口暴露风险值,并利用Theil-Sen Median趋势分析、标准偏差和Hurst指数等,分析了17a间中国PM_2.5人口暴露风险的时空变化特征.结果表明：①17a间PM_2.5人口暴露风险在胡焕庸线两侧差异巨大,东部高、西部低,东部多年风险均值为2.787,西部为0.065;②17a间PM_2.5人口暴露风险在胡焕庸线两侧的变化幅度具有较显著差异,西部整体呈下降趋势,而在2011年和2015年有明显回升,东部自2001年迅速增加且保持平稳状态,直至2015年出现大幅度回落.③PM_2.5人口暴露风险的稳定性与持续性差异显著,东部以不稳定与弱反持续性为主,西部则以稳定与强反持续性为主要特征.④暴露等级为危险与极危险水平下的人口总量与人口密度在空间上呈现出东部高西部低的分布状态.     

全球PM2.5人口暴露风险时空格局

基于PM_2.5遥感数据和人口格网数据,利用污染物人口暴露风险模型、Theil-Sen Media和Mann-Kendall等方法,分析了2000~2016年全球PM_2.5人口暴露风险时空分布特征,并识别出暴露高风险区域.结果表明,PM_2.5遥感数据和人口格网数据可以客观地评价暴露风险程度.全球PM_2.5平均浓度在各大洲差异显著,PM_2.5污染的高值区域主要分布在东亚、南亚和东南亚.PM_2.5质量浓度的多年平均值从高到低分别是亚洲14.7μg/m³、非洲8.1μg/m³、欧洲8.03μg/m³、南美洲5.69μg/m³、北美洲4.41μg/m³和大洋洲1.27μg/m³.2000~2016年,全球PM_2.5人口暴露风险在宏观尺度上呈逐渐减少的趋势,而在区域内则呈现出差异性.空间上,全球PM_2.5人口暴露风险各大洲从高到低依次为亚洲5.94、非洲0.62、欧洲0.45、南美洲0.32、北美洲0.27和大洋洲0.01.时间上,2000~2016年,亚洲和非洲PM_2.5人口暴露风险呈增长趋势,欧洲和北美洲呈减少趋势,大洋洲和南美洲变化幅度较小.     

黄河流域PM2.5时空分布格局及人口暴露研究

文章基于PM_2.5遥感反演数据和人口格网分布数据,构建人口暴露风险指数模型,采用Theil-Sen Median与Mann Kendall检验法,识别2000-2020年间黄河流域PM_2.5质量浓度值和人口暴露风险指数时间演化特征,通过空间探索工具,刻画其空间变化特征。研究结果表明：(1)PM_2.5质量浓度平均值为46.53μg/m³,研究期内呈现出“快速增长—波动变化—持续下降”的态势。PM_2.5污染不同等级面积比例变化明显,总体呈现出高浓度区域减少、低浓度区域增加的态势。(2)PM_2.5年均质量浓度空间上东高西低。历年PM_2.5年均质量浓度空间局部自相关显著。低值区域主要分布在青海、甘肃、宁夏、内蒙古等省份。高值区域集中分布在山西南部、陕西关中地区、河南中部、山东北部区域。(3)除2000年和2020年外,研究时段内均有90%以上人口暴露于PM_2.5年均质量浓度35μg/m³限值以上,且...     

“一带一路”沿线国家PM2.5污染与人口暴露风险的时空分布特征

使用1999—2016年0.01°×0.01°高空间分辨率的卫星反演PM_2.5浓度数据集，结合精度为1 km×1 km的人口栅格数据，分析了"一带一路"沿线65个国家PM_2.5污染与暴露风险的时空变化特征.结果表明：①PM_2.5浓度存在着明显的区域分布差异，PM_2.5浓度高值区（>35 μg·m^-3）主要分布在地形平坦、人口密集的恒河平原、华北平原和中南半岛等区域，中值区（10~35 μg·m^-3）主要集中在俄罗斯西部、中东欧、沙特东部和缅甸等区域，而低值区（<10 μg·m^-3）主要分布在高海拔、高纬度与荒漠化地区，如青藏高原、西伯利亚、西亚卢特沙漠等区域；②65国年均PM_2.5浓度从1999年的12.0 μg·m^-3上升到2016年的14.1 μg·m^-3，年均增长超过0.1 μg·m^-3，累计有22.5%的区域有显著的增加趋势，仅有5.2%的区域呈显著下降趋势；③2000—2016年，PM_2.5浓度在35 μg·m^-3以上的区域面积比重从2.2%上升到7.2%，暴露人口占比从18.9%增加至41.9%；④人口暴露风险平均值从2000年的665.2增加至2016年的1140.4，Hurst总体均值为0.59，其中大于0.5的持续性区域占82.3%，持续性特征以弱持续性为主.     

近20年长三角一体化示范区PM2.5暴露风险时空格局演变

长三角一体化示范区是国家重大战略区域,掌握其PM_2.5污染与暴露风险演变格局,对长三角区域碳中和与低碳循环绿色发展具有重要意义.本文利用MODIS数据估算示范区2001—2020年气溶胶光学厚度(AOD)和PM_2.5浓度,运用人口加权模型计算1 km×1 km网格PM_2.5暴露风险,并结合Moran’s I指数、Theil-Sen和Mann-Kendall方法分析其空间集聚性特征、时序演变规律与显著性趋势.结果显示：2001—2020年,示范区PM_2.5呈波动增长趋势,春季和冬季浓度明显高于夏季和秋季;人口逐年增加,年均人口密度达到1386人·km-2;年均PM_2.5暴露风险为1.23,整体处于安全状态,空间上有4个危险暴露区(松陵镇、盛泽镇、魏塘街道、盈浦街道与香花桥街道交界处).其PM_2.5暴露风险的空间集聚性显著,以4个危险暴露区为中心,呈“先边界、后内部”的时空增长模式;示范区暴露风险逐年增加的区域超过36%(速率0.031 a-1),在2011—...     

2000~2019年中国PM2.5时空演化特征

本研究利用PM_2.5实测数据、MERRA-2 AOD与PM_2.5再分析数据、气象因子和夜间灯光等数据,基于极限梯度提升、梯度提升、随机森林模型和Stacking模型融合技术提出了PM_2.5浓度组合估算模型.在此基础上,从年、季、月尺度综合分析了2000~2019年中国PM_2.5时空变化特征.结果表明：①组合模型实现了中国2000年以来PM_2.5逐月浓度的可靠估算.②2000~2019年中国PM_2.5年均浓度呈快速增加保持稳定显著下降的趋势,2007年和2014年分别为增加到稳定和稳定到下降的转折点.PM_2.5月均浓度呈先降后升的"U"型趋势,最小值在7月,最大值在12月.③自然地理条件和人类活动奠定了中国PM_2.5浓度年度空间格局变化的基础,气象条件的逐月变化决定了PM_2.5浓度月度空间格局变化的主基调.④2000~2014年中国PM_2.5浓度的标准差椭圆中心向东移动,2014~2018年椭圆中心向西移动.1~3月椭圆中心向西移动,4~9月椭圆中心先北移后南移,9~12月椭圆中心向东移动.     

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.      

基于时空指示克里格的PM2.5不确定性分布

以山东省2014年PM_2.5浓度监测数据为对象,利用时空指示克里格理论和方法,实现对PM_2.5时空分布的不确定性分析.结果表明,山东省境内PM_2.5的空间自相关范围大于100km,时间自相关范围为3d左右.此外,山东省境内各空间位置全年空气质量以大于0.8的概率达到空气质量"优"级别的时空占比为7%,以大于0.8的概率达到轻度污染级别的时空占比为34%,以大于0.8的概率超过严重污染级别的时空占比为1%;东部沿海地域空气质量达到轻度污染的概率明显高于中西部,夏季空气质量也明显优于其它季节.     

天津市老年人PM2.5个体暴露化学组分特征

分别于2011年6月13日—7月2日(夏季)和11月30日—12月12日(冬季),采用颗粒物个体暴露采样器对天津市某社区101名老年人(平均年龄67岁)的PM_2.5个体暴露水平进行监测,以探讨PM_2.5个体暴露化学组分的特征. 结果表明,天津市老年人夏、冬季PM_2.5个体暴露浓度分别为(124.2±75.2)和(170.8±126.6)μg/m3. 斯皮尔曼相关分析表明,Si、NH₄+和NO₃-的暴露浓度均与PM_2.5暴露浓度显著相关(P<0.01),R(相关系数)分别为0.61、0.55和0.46. 富集因子分析表明,Cd、Zn和Pb 3种元素高度富集,受人为源的影响强烈. SO₄2-是水溶性离子中含量最高的组分,其次是NO₃-和NH₄+,在夏、冬季这3种离子暴露浓度之和分别占PM_2.5暴露浓度的34.3%和40.6%. OC是老年人PM_2.5个体暴露的主要成分之一,夏、冬季OC暴露浓度分别占PM_2.5暴露浓度的19.3%和27.4%. 老年人PM_2.5个体暴露化学组分浓度受气象因素、室内源和室外源的共同影响,季节变化明显. 冬季Al、Si、K、Ca和Fe的暴露浓度高于夏季,但大部分微量金属元素(V、Cr、Mn、Ni、Cu、Zn、As、Sb和Pb)的冬季暴露浓度却低于夏季. 方差分析表明,冬季SO₄2-、NO₃-、NH₄+、OC和EC的暴露浓度显著高于夏季(P<0.05).      

天津儿童冬季PM2.5室内暴露与个体暴露特征及来源

2011年11─12月使用颗粒物个体采样泵对天津42名儿童(9~12岁)的PM_2.5暴露进行了研究,分别采集了冬季儿童PM_2.5个体暴露和家庭室内暴露的滤膜样品. 使用ICP-MS/OES方法分析了室内暴露和个体暴露PM_2.5载荷的元素. 结果表明:天津儿童冬季PM_2.5个体暴露浓度(以ρ计)平均值为(129.3±66.6)μg/m3,室内暴露浓度平均值为(114.0±61.7)μg/m3. 个体暴露和室内暴露各元素质量浓度之和分别占ρ(PM_2.5)的19.4%和17.1%. 相关分析指出,PM_2.5室内暴露浓度和个体暴露浓度在0.01水平上显著相关. 回归分析表明,大多数元素的个体暴露浓度与室内暴露浓度呈正相关. 由EF(富集因子)分析可知,Zn、Pb、Cu、Cr、Ni、Sn、As、Sb、Cd、Tl、Bi、W、Mo在个体暴露和室内暴露样品中明显富集. 由主成分分析可知,天津儿童冬季PM_2.5室内暴露来源可能为燃煤和机动车尾气的混合源、燃油飞灰、土壤尘、建筑尘;而个体暴露来源除上述人为源外,还包括工业尘.      

华东区域PM2.5变化背景下浙江省人口经济暴露水平评估

利用1998~2012年卫星反演的细颗粒物(PM_(2.5))全球高精度产品数据集,精细化地给出了华东地区PM_(2.5)时空分布与变化特征,并分析了此背景下浙江省PM_(2.5)的人口经济暴露水平.结果表明1998~2012年期间,浙江省区域平均PM_(2.5)浓度整体变化呈现出先增加、后下降的特征,拐点出现在2007~2009年前后,与华东区域大背景的变化趋势一致.1998~2000年华东南部与山东东部的年平均PM_(2.5)浓度基本保持在50μg·m~(-3)以下,其余地区大多在50~75μg·m~(-3)左右,华东地区和浙江省PM_(2.5)浓度超过35μg·m~(-3)的地区分别占到51.8%和21.1%.1998~2009年PM_(2.5)浓度上升趋势非常明显,华东地区的平均变化趋势为2.58μg·(m~3·a)~(-1),浙江省的上升趋势较华东区域慢,为1.43μg·(m~3·a)~(-1).2007~2009年PM_(2.5)浓度达到最大,华东和浙江省超过35μg·m~(-3)的地区分别占到82.1%和65.9%.此后PM_(2.5)浓度呈现出下降的变化趋势,华东地区和浙江省的平均变化趋势分别为-1.75μg·(m~3·a)~(-1)和-1.58μg·(m~3·a)~(-1),PM_(2.5)浓度超过35μg·m~(-3)的地区比例均有所下降,说明政府颁布的一系列节能减排方针政策可能对华东地区的空气质量改善起到了一定的成效.2010年浙江地区PM_(2.5)暴露水平超过35μg·m~(-3)的人口比例和GDP比例分别为74.0%和70.8%,其中38.1%的人口生活的环境和38.9%的GDP产生的环境PM_(2.5)浓度年平均值在50μg·m~(-3)以上.     

北京市PM2.5时空分布特征及其与PM10关系的时空变异特征

PM_(2.5)时空分布特征及其与其它污染物的相关关系是PM_(2.5)时空统计分析的主要研究内容.然而,现有的方法直接从监测站点的角度对时空分布特征进行分析,难以有效地揭示PM_(2.5)浓度的聚集分布特征;同时,常用的地理加权回归在对PM_(2.5)与其它污染物间关系进行建模的过程中,缺乏同时考虑时间异质性与空间异质性,从而不能准确地描述依赖关系的时空变异特征.为此,首先借助于空间聚类分析技术,对北京市2014年PM_(2.5)浓度的聚集结构进行探测,在此基础上,通过聚集结构来分析PM_(2.5)季节性时空分布特征.然后,利用地理时空加权回归对北京市PM_(2.5)与PM_(10)季节平均浓度间关系进行建模,依据回归结果分析PM_(2.5)-PM_(10)间关系的时空变异特征.实验结果表明,春夏季节PM_(2.5)污染程度及空间变异程度均低于秋冬季节,各季节PM_(2.5)浓度均表现为北部浓度低、南部浓度高的空间分布特征;地理时空加权回归具有更好的拟合效果,由回归系数进一步可发现,春夏季PM_(2.5)-PM_(10)相关性低于秋冬季PM_(2.5)-PM_(10)相关性;各季节均表现为西北部PM_(2.5)-PM_(10)的相关性高于东南部PM_(2.5)-PM_(10)的相关性.     

珠三角区域PM2.5时空变异特征

珠三角区域PM_2.5污染严重,以 2012年9月─2013年8月62个大气监测站的PM_2.5联网数据为基础,采用地统计学方法定性、定量分析了该区域ρ(PM_2.5)的时空变异特征. 定性分析结果表明,基底效应在0.12~0.30之间,相应ρ(PM_2.5)变异属于以结构性变异为主的Ⅰ、Ⅱ类,对应的空间自相关程度为强、较强,说明珠三角区域的ρ(PM_2.5)分布差异主要由区域结构所致. 定量分析结果表明:①空间自相关距离受气象因素影响,随方向和时间在51~85 km之间变化,东西方向的影响距离(75~85 km)最大. ②ρ(PM_2.5)在南北方向的变异幅度指数(0.34~0.70)和变异速度指数〔0.14~0.38 μg/(m3·km)〕在各方向中均为最大;而东北─西南方向的2个指标则均为最小,其中变异幅度指数为0.25~0.42,变异速度指数在0.13~0.34 μg/(m3·km)之间,即南北方向的ρ(PM_2.5)变化大于其他方向.③综合异质指数介于0.14~0.54之间,说明ρ(PM_2.5)总体保持在中等异质水平. 鉴于珠三角区域ρ(PM_2.5)的空间变异特征,在进行监测站布设时,矩形网格相较于方形网格更适合于对该区域地理空间进行划分,其中网格的长为东西方向平均空间自相关距离(78 km)的2倍,宽为南北方向平均空间自相关距离(56 km)的2倍.      

关中地区冬季PM2.5中碳气溶胶的污染特征及来源解析

为研究关中地区冬季PM2.5中碳气溶胶的污染特征和来源,于2012年12月至2013年2月在西安、宝鸡、渭南和秦岭进行PM2.5的采集,并利用热光反射法测定了样品中的有机碳(organic carbon,OC)和元素碳(elemental carbon,EC).结果表明,4个采样点OC的平均质量浓度分别为47.8、45.8、31.2和37.0μg·m-3,EC分别为8.5、6.7、7.6和5.7μg·m-3,总碳气溶胶(total carbonaceous aerosol,TCA)分别占PM2.5的36.4%、46.2%、36.9%和33.4%.OC和EC的相关性在西安(R2=0.93)和秦岭(R2=0.91)高于宝鸡(R2=0.58)和渭南(R2=0.62),表明OC和EC在西安和秦岭可能具有更为相似的来源,也可能具有更高的混合程度.所有样品的OC/EC比值均大于2.0,表明有二次气溶胶(secondary organic carbon,SOC)的生成,4个采样点SOC分别占OC的21.6%、40.3%、23.2%和27.8%.正定矩阵因子分析法(positive matrix factorization,PMF)解析结果显示,燃煤是关中地区冬季碳气溶胶的首要来源,占45.3%~47.9%,汽油车和生物质燃烧是次要来源,分别占26.1%~33.1%和14.3%~20.1%,此外柴油车也有一定贡献.     

2014年APEC期间北京市PM10和PM2.5氧化性损伤能力研究

为评估APEC会议期间联防联控措施对北京市大气可吸入颗粒物毒性的影响,采集2014年APEC会议前后3个月北京市大气PM₁₀和PM_2.5样品,应用质粒DNA损伤评价法来研究其氧化性损伤能力. 结果表明,APEC会议期间PM₁₀对DNA的损伤率高于PM_2.5,颗粒物对 DNA损伤率随剂量的增加而增加. 本研究用TD30值来指示颗粒物氧化性损伤能力,TD30为引起30%的DNA损伤率所需要的颗粒物剂量（单位为 μg·mL^-1）,TD30值越低,颗粒物氧化性损伤能力越强,APEC会议前后样品的TD30值表现为 APEC期间（11月）>APEC前（10月）>APEC后（12月）,说明氧化能力APEC后 >APEC前 >APEC期间. 用PM₁₀质量浓度乘上其在250 μg·mL^-1 剂量下的DNA损伤率得到颗粒物暴露毒性指数TI（toxic index）,与往年具有代表性月份样品的数据对比,TI大小顺序为2004年 >2014年 >2008年,说明大气中颗粒物暴露毒性随着政策控制力度的加大而降低.     

基于PM2.5监测点空间聚类的关中五市空气污染区域识别

区域大气污染联防联控是空气质量管理的重要举措,准确识别空气污染区域对联防联控措施有重大意义.本研究采用陕西省关中五市（西安、咸阳、宝鸡、渭南、铜川）国控和省控全部90个监测点的小时级PM_2.5浓度监测数据,运用邻接约束层次聚类方法对监测点进行空间聚类,并利用泰森多边形和曲线平滑等技术识别空气污染区域.结果表明：1关中五市空气污染存在跨行政区划的区域性特征,本研究识别出2个特征显著不同的空气污染区域（区域1和区域2）;2区域2的PM_2.5浓度在统计上显著高于区域1,且重度和严重污染天数也显著高于区域1;3空气污染区域与地形特征关系密切,区域1均为高海拔区县,而区域2均为低海拔区县.依据空气污染区域的不同特征,在区域污染程度存在显著差异时,应当采取不同等级的污染防控措施,以减少对关中五市43%的国土面积、23个区县、639万人及3355亿元国内生产总值的影响,使区域空气污染防控措施更加科学、合理与精准.同时,空气污染区域的划分对缺失数据和不同空气污染等级表现稳健.     

北京地区冬春PM2.5和PM10污染水平时空分布及其与气象条件的关系

北京2012~2013年的冬春多次出现雾霾天气,可吸入颗粒物(PM10)污染严重.而PM2.5作为PM10中粒径较小的部分,在PM10中所占比重越高,污染越严重.因此,本研究选取了能够覆盖北京所有区县的30个PM2.5和PM10的质量浓度监测点,对该地区的PM2.5和PM10污染特征进行分析,确定其空间差异特征和时间性变化特征.普通克里格插值(Original Kriging)法得到的北京地区冬、春季颗粒物浓度分布图显示,颗粒物浓度从北部山区到南部地区逐渐递增,在中心城区处,西部高于东部,且局部地区存在一定的城乡差异.颗粒物浓度月变化曲线呈单峰单谷型,1月最高,4月最低;逐日变化反映了PM2.5和PM10浓度具有较好的相关性,且受气象条件影响显著;日变化呈双峰趋势.本文选取日平均气温(℃)、相对湿度(%)、风速(风级)、降水量(mm)等气象因子,利用Spearman秩相关分析研究各个气象因子对大气PM2.5和PM10浓度的影响.北京冬季PM2.5和PM10的质量浓度分别与气温、相对湿度正相关,与风速负相关,风速和相对湿度是影响污染物质量浓度分布的主要因素.