基于LUR模型的中国PM2.5时空变化分析

土地利用回归(LUR)模型是模拟大气污染物浓度时空分异最主要、最体系化的方法之一,为了探索LUR模型在中国国家尺度空气污染物模拟的适应性,挖掘中国2015年空气细颗粒物(PM_(2.5))的时空变化特征及其与不同地理要素相关关系,以2015年国家控制监测站点PM_(2.5)数据为因变量,土地利用类型、地形地貌、人口、道路交通与气象要素等影响因素为自变量,构建基于地理加权的LUR模型,通过模型回归制图得到2015年全国月均与年均PM_(2.5)浓度分布图,以胡焕庸线为参考线分析中国2015年PM_(2.5)浓度的时空变化特征.结果表明,引入地理加权算法的LUR模型残差Moran'sⅠ显著降低,残差空间自相关性明显减弱,判别系数R2明显提高,更好地揭示出PM_(2.5)空间分布和各影响因子间的复杂关系;耕地、林地、草地和城镇居民工矿用地以及气象要素、主干道路对PM_(2.5)浓度的影响比较显著.不同地理要素的不同空间分布对PM_(2.5)影响作用不同;胡焕庸线两侧PM_(2.5)表现出明显的时空差异,人口规模大、工业化水平高的发达城市PM_(2.5)浓度较高; PM_(2.5)浓度在冬季月份较高,秋季、春季、夏季月份污染情况逐渐减弱.     

中国PM2.5污染空间分布的社会经济影响因素分析

中国的细颗粒物(PM_(2.5))污染具有危害性强、覆盖范围大、空间分布不均匀的特点.本研究以2015年中国PM_(2.5)监测站点数据为基础,尝试结合空间分析的方法,对PM_(2.5)污染空间分布的社会经济影响因素进行分析.首先以省级行政区划为基本单元,选取Moran's I指数和局部自相关指数(LISA)分析PM_(2.5)在国家尺度上的分布特征.然后利用普通最小二乘回归模型(OLS)和地理加权回归模型(GWR)分析PM_(2.5)浓度的空间分布和各项社会经济指标的相关性.结果表明,GWR模型比OLS模型更好地揭示出PM_(2.5)浓度分布和各项因素之间的关系.PM_(2.5)浓度在空间分布上存在以京津冀为中心的高浓度聚集区向四周逐渐递减,在广西、四川等南部省份形成低浓度聚集区的空间分布结构.另外,森林覆盖率和人均电力消费量与PM_(2.5)浓度显著负相关,人均私家车保有量和PM_(2.5)浓度显著正相关,其中人均私家车保有量是对PM_(2.5)浓度影响最大的因素.     

利用LUR模型模拟杭州市PM2.5质量浓度空间分布

模拟城市大气污染物浓度空间分布对研究城市空气质量及人体健康至关重要.本研究利用土地利用回归模型(Land Use Regression,LUR),提取包括污染点源因子、交通因子、人口因子、土地利用因子和气象因子等60个预测因子,基于地理加权算法(GWR)建立春、夏、秋、冬四个季节的模型,实现对杭州地区近地表PM_(2.5)质量浓度空间分布的预测.结果表明:基于地理加权回归算法时,检验模型的R2值分别达到0.76(春季)、0.70(夏季)、0.73(秋季)、0.76(冬季),模型能够解释PM_(2.5)浓度值80%以上的变异.每个季度杭州地区PM_(2.5)浓度变化不尽相同,但总体以杭州中部最高,西南部偏低.研究说明基于LUR模型模拟大尺度地区PM_(2.5)质量浓度空间分布是可行的.     

降水和风对大气PM2.5、PM10的清除作用分析

对合肥2015—2017年的降水、风和PM_(2.5)、PM_(10)浓度观测数据统计研究发现,降水对PM_(2.5)、PM_(10)有一定的清除作用,尤其在秋冬季节.秋冬季节小雨、中雨分别导致PM_(2.5)和PM_(10)浓度降低23.1%、40.4%和32.0%、63.7%.雨日PM_(2.5)/PM_(10)比例上升8.4%,表明降水对PM_(10)清除作用更显著.降水前后PM_(2.5)浓度变化与降水前PM_(2.5)浓度、降水强度、降水时长密切相关.当降水强度大于4 mm·h~(-1)或PM_(2.5)初始浓度高于115μg·m~(-3)时,降水对PM_(2.5)产生明显清除作用;而降水强度小于1 mm·h~(-1)或PM_(2.5)初始浓度低于115μg·m~(-3)时由于吸湿增长作用极易造成PM_(2.5)浓度反弹升高;且持续3 h以上雨强介于1～4 mm·h~(-1)的降水也对PM_(2.5)产生清除作用.降水前后PM_(10)浓度变化与初始浓度密切相关,而与雨强相关性较弱.当PM_(10)初始浓度大于50μg·m~(-3),降水就对PM_(10)产生明显清除作用,且PM_(10)初始浓度越高,降水后PM_(10)浓度下降越多.风速大于2 m·s~(-1)可显著降低PM_(2.5)浓度,因此,当风速大于4 m·s~(-1)时合肥较少出现中度及以上污染,但易造成地面起尘,使PM_(10)浓度不降反升.合肥冬季严重污染主要出现在西北风向,夏季中度以上污染天气较少,主要出现在风速低于3 m·s~(-1)的东南风向.     

基于灰色关联模型对陕西省O3浓度影响因素分析

O_3污染问题已经成为21世纪另一个环境课题.本次研究采用克里金插值法对2015年陕西省O_3浓度的空间分布特征进行分析,同时构建了O_3浓度的影响指标体系,运用灰色关联模型,综合分析了O_3浓度与其影响指标因子的关联度,并探讨了各指标因子综合关联度的空间关联性和分异性.结果显示:(1)陕西省O_3浓度呈"北高南低"的空间分布特征;(2)权重最大的指标层是O_3污染来源(W_i=0.4331),其次是城市化与产业结构(W_i=0.3455),空气质量与自然因子最小(W_i=0.2215);(3)各个指标因子与O_3浓度关联度均为强度关联.空气质量与自然因子中,关联度较高的指标因子为CO、降水量、平均气温、日照时数;O_3污染来源中,关联度较高的指标因子为等级公路里程、单位GDP能耗及工业用电量;城市化与产业结构中,关联度较高的指标因子为第二产业占地区总产值的比例、建成区绿地覆盖率和人均公园绿地面积;(4)O_3污染来源对铜川、宝鸡、汉中等市O_3浓度的影响较大;城市化与产业结构对宝鸡、咸阳、渭南、汉中等市的影响较大;空气质量与自然因子与陕西省各个城市O_3浓度的关联度均为强度关联;(5)空气质量与自然因子中,CO、PM_(2.5)、日照时数与O_3浓度综合关联度较高.O_3污染来源指标层中为机动车保有量、餐饮总额、烟(粉)尘排放量.城市化与产业结构中则是房屋建筑施工面积、建成区面积、人口密度.影响O_3浓度的主要指标因子表现出较好的空间相关性与空间分异性.综合分析表明,灰色关联度模型能够有效地对O_3浓度的主要影响因素作出分析与评价.     

阜新市MODIS AOD与大气PM_(2.5)浓度相关性研究

利用卫星遥感MODIS数据研究区域大气PM_(2.5)浓度分布是环境管理的有效方法。获取美国国家航空航天局MODIS L1B1KM数据,采用暗目标法反演阜新市大气气溶胶厚度AOD数据;提取阜新市5个大气监测站点位2014年3月至5月、2015年3月至4月期间PM_(2.5)浓度数据进行相关性分析,建立PM_(2.5)浓度-AOD之间的线性、一元二次、对数函数、幂函数及指数函数5种相关性模型;引用湿度影响因子建立大气PM_(2.5)浓度订正模型,采用PM_(2.5)浓度订正模型、Peterson模型分别订正PM_(2.5)浓度及AOD标高,应用阜新市环保局5个监测点位2014年6~12月、2015年5~12月期间PM_(2.5)的月平均浓度进行模型检验。对比分析订正后的5种相关性模型拟合优度,检验结果表明:订正方法提高了PM_(2.5)浓度-AOD相关性;线性相关性模型R2为0.633 6,相对误差为12.41%,相对其他4种模型相对误差较小。利用阜新市大气AOD预测PM_(2.5)浓度具有良好环境指示意义。     

基于GAM模型分析中国典型区域网格化PM2.5长期变化影响因素

为探究中国典型区域地表PM_(2.5)浓度长期时空变化及其影响因素,运用广义可加模型(GAM)对1998～2016年均0. 01°×0. 01°地表PM_(2.5)浓度网格化数据进行分析.典型区域多年平均PM_(2.5)浓度从高到低:华东华中地区(40. 5μg·m~(-3))华北地区(37. 4μg·m~(-3))华南地区(27. 8μg·m~(-3))东北地区(23. 7μg·m~(-3))四川盆地(22. 4μg·m~(-3)).东北地区PM_(2.5)年际变化呈现明显上升趋势;其他地区1998～2007年呈上升趋势,2008～2016年出现下降趋势.在典型区域PM_(2.5)浓度空间分布上,PM_(2.5)浓度分布呈现显著的空间差异,多年来各区域PM_(2.5)浓度高值分布相对稳定. PM_(2.5)浓度变化的单因素GAM模型中,所有影响因素均通过显著性检验,典型区域中对PM_(2.5)浓度变化影响解释率较高的各个影响因素顺序有所不同. PM_(2.5)浓度变化的多因素GAM模型中,均呈现非线性关系,典型区域方差解释率为87. 5%～92%(平均89. 0%),模型拟合度较高,对其变化有显著性影响.典型区域YEAR和LON-LAT均对PM_(2.5)浓度变化影响最为显著.除此之外,气象因子对PM_(2.5)的影响大小在各个区域存在不同.东北地区影响PM_(2.5)最重要的3个气象因子排序为:tp v_(10) ssr;华北地区为:temp tp msl;华东华中地区为:temp tp ssr;华南地区为:temp RH blh;四川盆地为:tp temp u_(10).结果表明,运用GAM模型,能够定量分析区域PM_(2.5)浓度长期变化的影响因素,对PM_(2.5)污染评估具有重要意义.     

重庆市主城区PM2.5时空分布特征

利用2014年6月1日至2015年5月31日重庆市主城区17个国控空气质量监测站24 h自动连续采样的PM_(2.5)浓度数据,探讨了重庆市主城区PM_(2.5)时空分布特征.结果表明:1重庆市主城区PM_(2.5)季节浓度由高到低依次为冬季(100.2μg·m~(-3))、秋季(66.1μg·m~(-3))、春季(45.9μg·m~(-3))和夏季(33.4μg·m~(-3))(P0.05).2重庆市主城区PM_(2.5)月均浓度变化呈单峰单谷型,1月PM_(2.5)月均浓度最高(P0.05),达到120.8μg·m-3.3逐日变化,国控17个空气质量监测站PM_(2.5)日均浓度曲线都呈现出尖峰和深谷交替变化的锯齿状.4重庆市主城区16个国控监测点(除缙云山对照点)PM_(2.5)浓度日变化在全年、春季、秋季和冬季都呈现明显的双峰双谷型.5PM_(2.5)与SO_2、NO_2和CO都呈显著正相关(P0.01),表明SO_2、NO_2和CO的二次转化对PM_(2.5)浓度具有显著影响.     

上海地区降雨清除PM2.5的观测研究

分析2012—2016年上海徐家汇站的雨量和颗粒物(PM_1、PM_(2.5)、PM_(10))观测数据发现,降雨对PM_(2.5)的湿清除作用明显,降雨日的PM_(2.5)质量浓度较非降雨日平均降低约30%,在污染季节降低更加显著约50%.降雨时PM_1在PM_(2.5)中的占比明显下降,PM_1质量浓度下降幅度占PM_(2.5)下降幅度的84%,表明降雨对PM_1的有效清除是PM_(2.5)质量浓度下降的主要原因.降雨过程结束后PM_(2.5)质量浓度是否下降和降雨前PM_(2.5)的初始质量浓度关系密切,当初始浓度在冬季大于70μg·m~(-3)、在其他季节大于45μg·m~(-3)时,80%以上的降雨过程结束后PM_(2.5)质量浓度较降雨前下降,因此可作为研判降雨过程对PM_(2.5)湿清除影响的预报因子.     

北京市冬季雾霾天人体呼吸高度PM2.5变化特征对气象因素的响应

依据实测北京冬季人体呼吸高度PM_(2.5)质量浓度、湿度、风速、风向、温度数据,利用相关性分析、非线性回归分析、统计分析,分别探讨轻中度空气污染天、一次重污染过程,气象因子对PM_(2.5)质量浓度生成、变化的影响.结果表明:1轻中度污染天,若温度较低、日平均风速较小,湿度大时,湿度是影响PM_(2.5)质量浓度变化的决定性因素;而温度、风速、湿度均较大时,PM_(2.5)质量浓度变化受三者共同作用;当风速、湿度、温度均较小时,PM_(2.5)质量浓度变化主要受前两者影响.这反映出,人体呼吸高度的PM_(2.5)质量浓度变化对气象因子微小变化响应极为敏感.2一次空气质量从良到重度污染的过程中,PM_(2.5)质量浓度积累主要是由于空气湍流较弱、加之湿度大导致的,此外白天西北风、东北风较大,但持续时间短,而夜间东南风、西南风风速较小,持续时间长,也有利于污染物的累积.3短时微小量降雪使温度降低、空气湿度增加,不仅不能降低PM_(2.5)质量浓度,反而使其上升了72%,造成颗粒物浓度的跃升现象.4短时风速较大,风速达到2.0 m·s~(-1),持续2 h,虽然在一定程度上降低局地PM_(2.5)质量浓度,但并不能彻底改变空气质量状况.只有当风速大于3.5 m·s~(-1),且持续4 h以上,才能够迅速地扩散空气中的细颗粒物,空气质量由重度污染转变为优.     

交通与气象因子对不同粒径大气颗粒物的影响机制研究

为了研究北京市气象因子与车流量、车速等交通因子对PM2.5、PM10浓度水平的影响,在市区三环主路及居民区选取了28个采样点,采集滞尘量,PM2.5、PM10浓度、车速、车流量、温度、湿度、风速等数据.通过3个月的滞尘质量分析,得出交通源对空气质量的影响是显著的,其中三环主道路两侧采样点和远离交通源对照点滞尘均值分别为0.284 g和0.016 g.再由道路口与居民区对比实验(局部实验)得出,居民区采样点测得的PM2.5和PM10浓度均低于道路口颗粒物浓度,差值均值分别为101 074 n·(cf)-1和15 386 n·(cf)-1,同时PM2.5白天浓度一般低于夜间.最后结合最佳子集预测模型分析得出,PM2.5和PM10受到湿度和温度的影响最大,车速、车流量、风速次之,其中车速、车流量、低风速对颗粒物PM2.5的影响比对PM10的影响更为显著.     

长江三角洲地区城市臭氧污染特征与影响因素分析

为研究长三角地区城市O3污染特征及其影响因素,对长三角地区25个城市2013年国家环境监测点位和国家气象台数据进行了统计分析.结果表明:除淮安外,其余24个城市均存在不同程度的O3日超标现象,超标率在1.6%~15.1%之间,平均为5.8%,低于珠三角地区(8.9%)和京津冀地区(9.7%).5—8月是长三角地区O3污染最为严重的月份,而这一时期颗粒物污染相对较轻,因此,O3与颗粒物污染在时间上呈相反的态势.从空间分布看,长三角地区O3污染呈现较为明显的连片分布特征,上海及周边城市O3污染较重.机动车数量影响城市O3污染:各城市民用汽车保有量与各城市NO2年均浓度、O3超标天数有显著的相关性,相关系数分别为0.672和0.564;每日O3小时浓度高峰值与车流量高峰基本吻合.高温、长时间日照容易出现O3浓度的高值;随着相对湿度、风速的增加,O3超标频率和浓度均值都表现为先升后降的规律.     

气象条件对2009-2018年天津地区PM2.5质量浓度的影响

采用PM_2.5质量浓度长期连续观测资料,结合地面气象资料和后向轨迹方法,分析2009-2018年天津地区PM_2.5质量浓度的长期变化趋势,并探讨气象条件对其浓度变化的影响.结果表明,2013年受不利天气影响,PM_2.5质量浓度达到近10 a来的峰值,其后逐年下降,2018年年均值降至52 μg·m^-3,与优良天气和重污染及以上天气发生频率的年际变化趋势一致.相关性分析和主成分分析都表明相对湿度、风速和混合层厚度是影响天津地区,尤其是冬季PM_2.5浓度的主要气象影响因素.不同季节下随着相对湿度增高,地面风速减小,混合层厚度降低,均有PM_2.5污染加重的趋势,其中冬季差异最大,与该季节气象因素剧烈多变、静稳天气和寒潮交替发生有关.后向轨迹的聚类分析结果表明,途经天津偏南区域的短距离近地气流下PM_2.5质量浓度较高,与该气流下易形成静稳天气有关,春季西北方向的长距离轨迹对应较高浓度的PM_2.5则与沙尘天气有关.     

三峡水库澎溪河水-气界面CO_2与CH_4通量特征及影响因素初探

澎溪河流域是三峡水库典型支流,对水库区域碳循环及区域化学风化的影响非常重要。2016年5月—2017年2月对澎溪河流域水-气界面CO_2与CH_4通量特征进行监测与分析,采用顶空平衡法结合模型估算法计算表层水体CO_2与CH_4的分压以及水-气界面的交换通量,并运用spearman相关分析法分析了二氧化碳和甲烷的分压和排放通量与其他环境变量之间的相关性。研究发现:澎溪河是温室气体排放"源",表层水体p(CO_2)平均值为(1807.635±315.605)μatm(1μatm=0.101325 Pa,下同),表层水体p(CH_4)平均值为(218.7725±127.9425)μatm;CO_2扩散通量平均值为(32.53±3.86) mmol?m~(-2)?d~(-1),水-气界面CH_4扩散通量平均值为(0.208±0.143) mmol?m~(-2)?d~(-1),通量与分压趋势基本保持一致。通过与世界上典型河流温室气体扩散通量对比,得出澎溪河流域CO_2通量释放量为中等水平,而CH_4扩散通量较小,且CH_4通量与p(CH_4)、水温、pH值显著正相关,而水-气界面CO_2扩散通量与p(CO_2)显著正相关,与DO、pH值、叶绿素a(Chl-a)显著负相关。     

杭州市臭氧污染特征及影响因素分析

为研究杭州市夏季臭氧(O_3)污染特征及其影响因素,统计分析了2013—2016年杭州市O_3监测数据与杭州市气象数据,并结合AIRS卫星O_3数据探讨了台风天气系统对杭州市近地面O_3浓度的影响.结果表明:2013—2016年,杭州市O_3污染逐年加重,O_3浓度高值持续时间延长.O_3浓度与太阳辐射、温度相关,每年5月和8月太阳辐射强、温度高,O_3污染最严重;全天O_3浓度呈单峰日变化,峰值出现在午后(~14:00)太阳辐射较强、温度最高时.杭州市在日降水为0且12:00—15:00太阳辐射通量均值高于200 W·m~(-2)天气条件下,风向为东、东北或东南风且风速低于3 m·s~(-1)时,O_3浓度相对较高,易出现超标情况.台风天气系统对杭州市近地面O_3浓度有明显影响,以2014年10号台风"麦德姆"为例,台风外围系统影响到杭州时,偏东气流可将杭州以东地区高浓度O_3输送到杭州,同时下沉气流导致污染物在近地层积聚不易扩散,造成近地层O_3浓度升高.     

大气PM2.5对大鼠心肌细胞的毒性作用

为评估大气PM_2.5及其不同组分对心肌细胞H9C2的毒性作用,探讨PM_2.5对心血管系统产生毒性作用的关键组分,将前期采集并制备的PM_2.5完全颗粒物、PM_2.5水溶性组分、PM_2.5脂溶性组分和PM_2.5单纯颗粒物以不同质量浓度对H9C2细胞染毒.用MTS法在染毒6、10、24、48、72 h后测定细胞活力;根据细胞活力测定结果,选用较低染毒浓度（10 μg/mL）,用相关试剂盒测定染毒24 h后胞内和上清液中LDH（乳酸脱氢酶）和SOD（超氧化物歧化酶）活力,ELISA及RT-qPCR法测定炎性因子IL-6和TNF-α表达量,AP位点计数法测定细胞DNA损伤情况.结果表明:颗粒物成分（PM_2.5完全颗粒物和PM_2.5单纯颗粒物）对H9C2细胞表现出强烈的生长抑制作用,50 μg/mL及以上染毒浓度组在染毒时间≥ 24 h时细胞可能已经全部死亡,而可溶性成分（PM_2.5水溶性组分和PM_2.5脂溶性组分）对H9C2细胞生长表现为极弱或无生长抑制作用,仅400 μg/mL的PM_2.5脂溶性组分始终对细胞生长表现出抑制作用;各组分样本都在一定程度上造成了H9C2细胞损伤,降低了胞内LDH和SOD活性;PM_2.5完全颗粒物和PM_2.5脂溶性组分在造成炎性损伤方面的作用较为明显.研究显示,颗粒物组分对H9C2细胞致死作用显著,相对而言,PM_2.5完全颗粒物表现出的毒性作用最强且最全面.      

基于地理探测器的广州市大气PM2.5浓度驱动因素分析

PM_2.5变化的驱动因素是大气PM_2.5研究的重要内容.为了揭示PM_2.5污染的特点及其驱动影响因子,以广州市为例,采用地理探测器方法探测自然因素（包括平均降水量、平均温度、平均气压、平均相对湿度、平均风速、植被指数）与社会经济因素（包括人口密度、国内生产总值、工业总产值、人均公园绿地面积、公交车辆数、电力消费量）对2015年广州市ρ（PM_2.5）变化的影响机制与差异.结果表明:①基于因子探测分析发现,对ρ（PM_2.5）变化影响最大的前三位驱动因素分别为植被指数、公交车辆数与电力消费量,对应的因子影响程度指标值分别为0.51、0.46、0.40.②基于生态探测分析发现,植被指数与其他自然因素（如平均温度、平均降水量、平均气压等）对ρ（PM_2.5）空间分布的影响均存在显著差异,与所有社会经济因素对ρ（PM_2.5）空间分布的影响均不存在显著差异;除植被指数外,公交车辆数与其他自然因素及社会经济因素对ρ（PM_2.5）空间分布的影响均存在显著差异.③基于交互探测分析发现,所有影响因素（包括自然因素与社会经济因素）对ρ（PM_2.5）变化的交互作用均大于单一影响因素的独自作用,其中平均降水量与平均气压交互作用后对ρ（PM_2.5）变化的影响最大.研究显示,自然因素（尤其是植被指数、平均降水量）及自然因素与人为活动（如交通出行、电力消费等）交互效应对广州市ρ（PM_2.5）的变化起决定性作用.      

河北省边界层气象要素与PM2.5关系的统计特征

为了研究河北省边界层气象要素与PM_2.5的关系,综合利用常规气象探测资料、逐小时地面自动站气象观测资料、环境监测站逐小时AQI及ρ(PM_2.5)资料等进行了统计分析.结果表明:①冬季海平面气压低于1 030 hPa、24 h变压为-3.0~-2.0 hPa、地面相对湿度高于60%、露点温度高于-10 ℃时发生全省性重污染天气的可能性较大;而海平面气压高于1 040 hPa、24 h变压在4.0 hPa以上、地面相对湿度低于40%、露点温度低于-10 ℃时,有利于清洁天气的出现.清洁天气下边界层的盛行风向多与冷空气活动有关;污染天气下盛行风向有区域性差别,边界层小风(<3.0 m/s)的风速频率高于90%. ②过程雨量达到中雨及以上量级的降水对PM_2.5具有较明显的清除作用,中雨量级降水对PM_2.5清除速率约为2 h,但优良空气质量持续时间短,平均为15 h;大雨及以上量级的降水对PM_2.5清除率达67.8%,并且优良空气质量可以持续27 h. ③与降水相比,风对PM_2.5的清除作用更为显著.较强偏南风对空气质量有一定改善,但优良空气质量仅持续16 h;大于3.0 m/s的系统性偏北风对PM_2.5清除率高达85.1%,优良空气质量持续长达32 h,空气质量的改善最为彻底.研究显示,PM_2.5与边界层气象要素关系紧密,不同级别的风和降水对PM_2.5的清除程度存在显著差异.      

卫河新乡市区段春季溶解CH4与N2O浓度特征

对卫河新乡市区段春季CH_4与N_2O浓度进行调查分析,初步探讨了城市河流中典型温室气体的溶存量空间变化及其影响因素.结果表明,受到水中污染物质浓度及人类活动影响,春季卫河表层水中CH_4与N_2O浓度处于超饱和状态,饱和度分别为147.59~2 667.85和4.06~188.25.影响市区内N_2O浓度的主要环境因素为NH~+_4-N(P0.01),而新区污水处理厂排水输入显著提高了N_2O的溶存量,说明污染物类型影响温室气体的产生和积累,NH~+_4-N的硝化过程是城市河流N_2O产生的主要来源.逐步回归分析表明CH_4浓度是NH~+_4-N浓度与水温的相关函数,其中CH_4浓度与NH~+_4-N极显著相关(R2=0.70,P0.01),说明春季卫河中NH~+_4-N浓度是影响卫河春季CH_4溶存的关键因素.此外研究结果显示在NO~-_3-N浓度较低并且NH~+_4-N浓度高时水中CH_4与N_2O浓度具有显著正相关关系,表明有效态氮浓度差异影响CH_4与N_2O产生过程的耦合机制.     

天津市PM2.5-O3复合污染特征及气象影响分析

为了解天津市PM_2.5-O₃复合污染特征及气象成因,基于2013～2019年高时间分辨率的PM_2.5、 O₃和气象观测数据,对天津市PM_2.5-O₃复合污染特征、污染物浓度分布以及关键气象因子进行分析.结果表明,2013～2019年,天津市复合污染日94 d,总体呈现下降趋势,前期（2013～2015年）下降明显,由2013年的23 d降至2015年的11 d,下降52.2%;后期（2016～2019年）波动式上升,由2016年的12 d升至2019年的14 d,上升16.7%.复合污染日主要出现在每年的3～9月,年际变化较大,2013～2016年在6～8月出现较多,2017～2019年在4月和9月出现较多.小时ρ(PM_2.5)在75～85μg·m^-3时,小时ρ（O₃）存在峰值区(301～326μg·m^-3).在所有O₃污染中,PM_2.5...