基于星空地协同技术的长江扬州段沿岸生态空间状况调查与评价

长江扬州段是南水北调东线的源头水域,也是江淮生态大走廊的核心区,生态区域敏感性和重要性尤为突出。通过高分辨率卫星遥感筛查-无人机遥感详查-地面人工核查的星空地协同技术对长江扬州段沿岸自然岸线保有率、土地利用状况以及周边环境风险源进行全面调查。结果表明:(1)长江扬州段自然岸线保有率为46.20%,岸线范围内建设用地占比达33.35%,开发强度较高;(2)沿岸有码头114座,入江排口104个,部分排口存在水色异常等环境问题;(3)沿江生态保护红线区域内存在加油船溢油现象和驳船违规堆放固体废弃物等环境安全隐患。     

基于卫星遥感的京津冀热环境效应分析

为探究北京城区和京津冀城市群等不同尺度上地表热环境时空格局变化以及与大气污染和污染排放的关系,利用Landsat-58、Terra MODIS和Aura卫星上OMI等多期数据,采用普适性单窗算法反演了不同区域的地表温度强度,并结合京津冀重点行业NOX排放量和区域NO2柱浓度空间分布数据,分析了2001—2016年北京及京津冀地区大气污染、能源消耗和城市热力格局之间的关系。结果表明:北京市热岛分布具有显著的地域性,高地表温度与相对较低地表温度集聚与相间分布并存,建成区城市热岛效应明显; 2001—2016年随着城市的快速发展,城区快速向外蔓延,北京城市的热场强度逐年加强,范围逐年向东、向南扩大;热岛高强度范围与NO2高污染区、NOX高排放区有较好的一致性,热岛强度的分布特征有助于大气污染物"热量"网络的规划,卫星热红外遥感可提供必要的技术支撑。     

北京市空气污染指数及其影响因素分析

以北京市2001—2012年空气污染指数(API)和气象资料为基础,通过描述统计和GLM模型分析了北京市API的变化趋势和影响因素。分析结果表明,从年际变化看,北京空气质量呈逐年好转趋势;空气质量季节差别显著,春季和冬季的空气质量最差,夏季空气质量显著优于冬季和春季;各气象因素对空气质量均有显著影响,气压、气温、降水、日照时间与API呈负相关关系,其升高有利于空气质量改善,而日最高温、湿度、风速与API呈正相关关系。交通限行政策对北京空气质量有显著改善作用,但未发现API存在显著的周末效应。     

山西省大气污染特征及对公众健康的空间影响

利用山西省11个地级市大气环境监测站的PM_2.5、PM₁₀和O₃浓度数据,分析了2015—2020年山西省PM_2.5、PM₁₀和O₃浓度时空变化特征,采用空间计量模型和岭回归方法,分析了空气污染对公众健康的空间影响。结果表明:PM_2.5和PM₁₀年均质量浓度总体下降,两者在2017年最高,2020年最低;O₃年均浓度总体增加。在季节尺度上,PM_2.5和PM₁₀质量浓度在冬季的12月和1月最高,夏季的8月最低;O₃浓度在6月最高。空间上,相较2015年,2020年山西省各地级市PM_2.5污染程度均有改善,其中长治改善效果最好;2020年山西各地级市PM₁₀污染兼有加重和减轻的情形,所有地级市PM_2.5和PM₁₀污染水平均超过国家二级污染浓度限值;2020年山西多数地级市O₃浓度升高。山西公众健康水平具有明显的空间离散特征,PM_2.5和PM₁₀浓度的局部空间自相关特征高度一致,呈现"南高北低"的格局,O₃浓度分布呈"南部高,中北部低"的格局。大气环境质量和经济发展水平均对医疗机构诊疗人数和健康体检人数的变化有正向影响,每万人卫生技术人员数量和公共财政支出比例对公众健康均有负向影响,其中经济发展水平和大气环境质量的影响最显著。山西省PM_2.5治理取得一定成效,但大部分城市PM_2.5和PM₁₀达标率较低,O₃浓度有持续升高的趋势,PM₁₀和O₃污染改善缓慢,深度减排仍面临挑战。PM_2.5和PM₁₀是危害山西公众健康的主要大气污染物,未来需要加强PM_2.5、PM₁₀和O₃的精细化管理及协同治理。     

城市空气污染分布不均匀特征分析

运用空气质量数据统计分析方法研究了广东省城市间空气污染的分布特征,同时以广州和佛山为例,根据主要工业污染源分布、常规监测站点监测数据及路边空气质量监测实验分析了城市内部空气污染分布特征。研究结果表明,城市间与城市内部的空气污染分布存在不均匀性,空气污染分布不均匀的特点使得少数监测站点的空气质量监测结果难以全面代表整个城市的空气质量。     

天津市空气质量与气象因子相关分析

对采暖期间气象因子与空气质量的相关关系进行了系统分析.结果表明,天气形势对空气质量影响显著,两者相关性很好,可以针对不同天气型开展污染源治理.地面风场对空气质量的影响具有双重性,即风速越大,空气质量越好,但当风速达到7m/s时,可吸入颗粒物受开放源影响污染浓度会有所增加.大气稳定度的日变化影响空气质量的日变化;层结越稳定,空气污染越重,稳定层结一般出现在早晨4:00～8:00和晚间19:00～23:00.     

乌鲁木齐市大气污染时空分布规律研究

为掌握乌鲁木齐市大气污染时空分布规律,利用近年乌鲁木齐市大气污染物的浓度最新资料,详尽分析了其空气质量的年际变化和空间分布特征。统计了2008年各污染物日、月变化规律。结果表明,近年乌鲁木齐市城区大气污染物质量浓度具有明显时空分布规律,即大气污染物质量浓度冬春季大于夏秋季,PM10和SO2浓度夜间大于白天。在空间分布上,PM10和SO2南部区域最高,中部次之,市区北部最轻,NO2则呈现出由北向南逐渐升高的分布特征。     

基于空间计量模型的四川省大气污染特征及影响因素分析

四川省细颗粒物污染问题越来越受到重视,为有效识别四川省大气污染空间分布情况及影响因素,利用2015—2020年PM_2.5监测数据,综合分析了四川省大气污染时空分布特征,选取同期气象要素观测数据和社会经济数据,区分出全省及省内不同经济区大气污染的主要影响因素。结果表明:2015—2020年四川省的PM_2.5浓度逐年下降,日变化存在明显的双峰双谷趋势,且具有明显季节性特征,空间分布上具有明显的空间聚集现象;PM_2.5的排放与人口密度、经济水平和气温呈显著正相关,与城市绿化、风速呈显著负相关。该研究为经济增长方式优化、产业结构调整、绿化水平改善等提供了政策建议,可为污染防治、优化人居环境提供参考。     

基于神经网络模型对城市空气质量预报方法的优化研究

基于郑州市2017年1月1日—2022年2月28日环境空气细颗粒物(PM_2.5)逐日质量浓度监测数据和同期气象数据,利用反向传播(BP)神经网络构建了环境空气PM_2.5质量浓度预报模型,实现了对郑州市后1日环境空气PM_2.5质量浓度日均值进行预报。构建了考虑大气氧化性因素(情景一)和不考虑大气氧化性因素(情景二)这2种情景,并对2种情景下的预报效果进行评价。结果显示,在情景一下,各季节PM_2.5预报质量浓度与实况质量浓度的标准化平均偏差(NMB)和均方根误差(RMSE)均处于较低水平,表明预报效果均具有较好的稳定性;各季节PM_2.5实况质量浓度与预报质量浓度之间的相关系数(r)、一致性指数(IA)、准确率(Q)和级别预报准确率(G)均处于较高水平,其中Q值均>79%,G值均>80%,表明各季节PM_2.5实况质量浓度与预报质量浓度趋势的吻合程度较高。情景一各季节PM_2.5预报质量浓度与实况质量浓度的NMB和RMSE均低于情景...     

天津市臭氧污染特征与影响因素分析

2013—2015年,天津市臭氧(O_3)浓度整体呈下降趋势,污染状况略低于京津冀区域的其他城市。O_3浓度春、夏季高,冬季低,高值主要集中在5—9月,浓度从早上06:00开始升高,至中午14:00达到峰值。污染主要集中在中心城区、西部和北部地区,东部、南部和西南部地区污染相对较轻。O_3浓度在温度303 K以上、相对湿度70%以下或西南风为主导时较高。VOCs/NOx比值低于8,O_3的生成处于VOCs控制区。芳香烃类和烯烃类对天津市O_3生成贡献最大,其中,乙烯和甲苯为O_3生成潜势贡献最大的物种,其次为间/对二甲苯、丙烯、邻二甲苯、异戊二烯、反-2-丁烯、乙苯等,通过控制汽车尾气、化工行业及溶剂使用等对O_3生成潜势贡献大的VOCs排放源可有效控制天津市O_3污染。     

江苏省夏季典型传输通道城市臭氧污染成因及VOCs污染特征

在2020年8月11—15日的一次典型光化学污染过程中,在江苏省东南沿江传输通道城市同步开展了大气挥发性有机物(VOCs)的加密观测,使用基于观测的OBM模型诊断了典型城市臭氧(O_(3))生成机制,并分析其污染成因,梳理了通道城市VOCs化学组成特征、O_(3)生成潜势(OFPs)及污染日与清洁日的差异。结果表明,监测期间大部分城市呈现首尾(8月11和15日)O_(3)超标、中间达标的特征,气象要素影响较小,与前体物关联更为密切。沿江通道城市污染日VOCs总体积分数为15.79×10^(-9)~54.9×10^(-9),均值为31.88×10^(-9),是清洁日城市总体积分数均值(18.08×10^(-9))的1.76倍。南京、镇江、扬州等城市O_(3)生成总体处于VOCs控制区,泰州8月11日处于NOx控制区。各城市VOCs化学组成均以烷烃为主(平均占比31.8%),其次是含氧挥发性有机物(OVOCs)(26.5%)和卤代烃(19.1%),其他组分占比较低。污染日烷烃、炔烃和芳香烃的体积分数升幅显著高于其他类组分,尤其是芳香烃,增幅为45.1%~296.3%。各城市OFPs中,优势组分均为芳香烃和烯烃,其中乙烯、丙烯、甲苯、乙苯和间对二甲苯等物种质量浓度在污染日上升显著,对O_(3)生成影响较大。