长江中游城市群城市化对PM2.5浓度的多尺度驱动机制

探究城市化对PM_2.5浓度的非线性影响及其驱动机制,对城市的大气污染治理具有重要意义.基于2002~2020年长江中游城市群的遥感数据和统计数据,采用空间自相关、系统动态面板回归模型和时空地理加权回归模型等方法,揭示长江中游城市群PM_2.5浓度的时空演变,并探究不同空间尺度下城市化对PM_2.5浓度的驱动机制.结果表明：①2002~2020年长江中游城市群PM_2.5浓度整体呈下降趋势,在空间上大致呈“北高南低”的分布格局.②热点城市有向长江中游城市群西部扩张的趋势,冷点城市空间相关程度有所增强.③PM_2.5浓度与经济城市化、土地城市化和人口城市化之间分别存在“N”型、倒“U”型和“U”型曲线关系.第二产业和能源消耗对PM_2.5浓度变化呈显著促进作用,降水和植被能够有效地削弱PM_2.5污染.④各城市化因子在局部的整体驱动效应均发生了转化,其主要影响区域集中在长江中游城市群的东南、西北和西南等边缘地带城市.结合长江中游城市群的城市发展现状和区域特征,推进产业绿色转型,合理规划城市空间布局和人口分布,增强基础设施建设将有助于实现城市发展和环境保护之间的协调发展.     

基于空间尺度效应的山东省PM2.5浓度时空变化及空间分异地理探测

基于PM_2.5遥感数据,采用Theil-Sen Median趋势分析和Mann-Kendall显著性检验,分析2000~2021年山东省PM_2.5浓度时空变化特征,结合地理探测器,在省-市-县三级空间尺度上探测影响山东省PM_2.5浓度空间分异的影响因子影响力.结果表明：①时间上,2000~2021年山东省ρ（PM_2.5）均值在38.15~88.63 μg·m^-3之间,略微高于《环境空气质量标准》中可吸入颗粒物的二级标准限值（35 μg·m^-3）.在年际尺度上,2013年是ρ（PM_2.5）变化的峰值年,其值为83.36 μg·m^-3,据此将山东省PM_2.5浓度变化趋势分为两个阶段：持续上升和快速下降阶段.在季节尺度上,PM_2.5浓度呈现“夏低冬高,春秋居中”分布特征和先降后升的“U”型变化规律.②空间上,山东省PM_2.5浓度呈现出“西高东低”的空间分布格局,PM_2.5浓度高值区分布山东省西部地区,低值区则分布在东部半岛地区.PM_2.5浓度空间变化趋势呈现显著的空间异质性,极显著下降的区域主要分布在东部半岛地区.③因子探测结果表明,气候因子是影响山东省PM_2.5浓度空间分异的重要影响因素,平均气温对山东省PM_2.5浓度空间分异的影响最高,q值为0.512.省-市-县多尺度探测结果显示,影响PM_2.5浓度空间分异的影响因子及其影响力在不同空间尺度上具有差异性.省级尺度上,平均气温、日照时数和坡度是影响PM_2.5浓度空间分异的主要影响因子;市级尺度上,降水、高程和相对湿度是影响PM_2.5空间分异的主要影响因子;县级尺度上,降水、平均气温和日照时数是影响PM_2.5浓度空间分异的主要影响因子.     

四川盆地PM2.5浓度时空变化特征遥感监测与影响因子分析

四川盆地因其独特的地形地貌、静风和高湿等气象条件,导致盆地内部大气污染物扩散难度大,随着城市化与工业化进程加快,区内PM_2.5污染日益加重,四川盆地已成为国家大气污染防治的重点地区之一.基于PM_2.5浓度遥感反演产品,采用空间自相关分析与灰色关联分析方法,研究了四川盆地PM_2.5浓度的时空分布特征及其影响因素.结果表明,四川盆地PM_2.5浓度具有显著的空间聚集性,高-高聚集类型分布集中,低-低聚集类型分布较为分散;针叶林对PM_2.5的吸收抑制作用明显高于灌丛和草地等其他植被类型.研究认为,影响四川盆地PM_2.5浓度的主要气象因子是风速和气温,人口密度与经济规模则是影响四川盆地PM_2.5浓度的主要人类活动因子,产业结构及其规模变化对四川盆地PM_2.5浓度也产生一定影响.     

长株潭城市群PM2.5和O3浓度时空分布特征及影响因素分析

基于2015~2019年长株潭城市群PM_2.5和O₃遥感浓度数据,利用空间自相关指数和地理加权回归（GWR）等方法探究PM_2.5和O₃浓度的时空分布特征及相关因素对其影响强度.结果表明：① PM_2.5浓度整体呈现出冬季和春季高,夏季和秋季低的"U"型特征,而O₃浓度则表现为夏季和秋季高,冬季和春季低的"M"型特征,PM_2.5与O₃年均浓度高低排序为：长沙市>湘潭市>株洲市.② PM_2.5与O₃浓度在夏季呈现正相关,秋冬季为负相关,且具有显著的空间集聚特征,O₃浓度高-高集聚区的面积呈现逐年增加的趋势.③GWR结果显示：夜间灯光强度和人口密度都对PM_2.5与O₃具有正相关效应,其中,植被指数（NDVI）、风速和温度对PM_2.5浓度的影响最为显著,而风速和温度对O₃影响强度更为突出,不同因素对PM_2.5和O₃浓度影响具有显著的空间异质性.     

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.     

2017~2021年苏皖鲁豫交界区域PM2.5和O3时空变化特征及影响因素

苏皖鲁豫交界区域是长三角和京津冀及周边两大大气污染治理重点区域的连接带,揭示该区域PM_2.5和O₃污染特征对推动区域大气污染联防联控有着重要意义.基于2017~2021年苏皖鲁豫交界区域22个地市的国家空气环境监测网络观测数据,探讨了该区域PM_2.5和O₃浓度的时空变化特征及气象影响.结果表明：①2017~2021年区域PM_2.5浓度呈现逐年下降趋势,PM_2.5浓度月均值呈现“U型”分布,冬季PM_2.5浓度仍维持高位.O₃-8h-90%浓度呈现波动下降趋势,O₃-8h-90%浓度月均值变化呈“M型”分布,夏秋季O₃污染程度未有好转.②与2017年相比,2021年PM_2.5-O₃复合污染天数减少了52 d,但PM_2.5污染仍占主导地位.③PM_2.5和O₃污染区域主要集中在区域中部和北部城市,且中部城市PM_2.5和O₃污染程度均改善显著.④采用Moran''s I指数和LISA指数分析了区域PM_2.5和O₃-8h-90%浓度的全局和局部空间自相关性,PM_2.5和O₃-8h-90%浓度均具有空间相关性,PM_2.5浓度主要表现为高值-高值聚集或低值-低值聚集现象,且高值-高值聚集有从中部向西部转移的现象,2020年和2021年O₃-8h-90%浓度表现为高值-高值聚集或低值-低值聚集现象.⑤结合气象要素数据,利用KZ滤波方法量化排放源与气象条件对区域PM_2.5和O₃-8h浓度的贡献,两者主要受到污染物排放影响,贡献率分别为101.0%和99.3%,表明污染物减排是驱动区域空气质量改善的主要因素.此外,气象条件对PM_2.5浓度的贡献在一、四季度为正值,二、三季度为负值,而对O₃-8h浓度的影响则反之,且气象条件对不同城市PM_2.5和O₃-8h浓度的影响程度存在较大差异.     

基于2015～2018年实时监测数据对关中平原城市群PM2.5时空变化规律的研究

为了解关中平原城市群PM_2.5时空变化规律，利用2015～2018年国家空气质量检测平台发布的PM_2.5实时监测数据，并用地统计学和探索性空间数据分析等方法，对关中平原城市群PM_2.5污染的时空变化规律进行分析。结果表明，关中平原城市群PM_2.5污染总体呈向好趋势，PM_2.5年均超标城市由11个减少到8个，年均浓度超标率显著下降。PM_2.5污染主要出现在冬季，春秋季过渡，夏季PM_2.5浓度季度均值、月均值都最低，PM_2.5日均值曲线与月均值曲线大致趋势一致，呈单峰"脉冲型"变化；PM_2.5污染在空间上具有明显的分异性和集聚性特征，表现出"临汾-咸阳"为轴的高污染区面积逐渐缩小，而以平凉、天水为中心的低污染区面积逐渐扩大的空间变化规律。     

2014~2016年京津冀沿山城市空气质量首要污染物特征分析

对北京、保定、石家庄、邢台和邯郸这5个京津冀太行山沿山城市2014~2016年空气质量首要污染物进行分析,探讨其空间分布特征和时间变化趋势.结果表明,北京首要污染物由主到次为PM_2.5、O₃-8h、NO₂和PM₁₀,其他4个城市首要污染物排序为PM_2.5、PM₁₀、O₃-8h、NO₂、SO₂和CO.在空间分布上,各城市PM_2.5首要污染物天数比例3 a均值相当（53.3%~58.1%）,但从北向南,5个城市PM₁₀天数比例基本呈上升趋势,而O₃-8h反之.除邯郸PM_2.5首要污染物天数比例逐年明显下降外,其他4个城市的天数比例年际变化幅度较小;2016年石家庄、邢台和邯郸O₃-8h天数比例均显著上升.各城市PM_2.5和O₃-8h首要污染物天数月变化曲线分别呈"W"型和"倒U"型,PM₁₀首要污染物天数在3~5月出现明显高值区.从良至严重污染,各城市PM_2.5和PM₁₀首要污染物天数比例之和随空气质量级别逐级递增,其中PM₁₀天数比例逐级下降,而PM_2.5表现相反;O₃-8h首要污染物天基本出现在良至中度污染级别,且总体上逐级下降;NO₂仅在良级天有较高的天数比例贡献.     

长三角城市群PM2.5时空变化和影响因素分析

为协调经济发展与环境污染之间的矛盾,实现经济社会的可持续发展.以长三角城市群为研究区,基于PM_2.5浓度和气象数据,分析PM_2.5浓度的时空变化规律,并利用小波相干（WTC）、偏小波相干（PWC）和多小波相干（MWC）,评估PM_2.5与气象因子在时频域中的多尺度耦合振荡.结果表明：①②③④⑥⑤⑦⑧⑨⑩长三角城市群PM_2.5浓度年均值由西北向东南梯度递减,高值区域空间范围逐年缩小.PM_2.5浓度季节均值与年均值的空间分布特征相似,并且具有冬季最高,夏季最低,春秋过渡的特点.② PM_2.5浓度从2015~2021年逐年下降,达标率逐年上升.PM_2.5浓度差异逐年缩小,具有动态收敛性特征.PM_2.5浓度在夏季的收敛性大于冬季.PM_2.5浓度日均值具有U型振荡特征,整个研究期间PM_2.5浓度等级为优和良的天数占比分别为49.72%和41.45%.③ PM_2.5与气象因子的相干性在不同时频域上存在差异.时频尺度不同,影响PM_2.5的主控因子也不尽相同.在所有时频尺度上,WTC结果表明风速可作为解释PM_2.5变化的最佳变量,PWC结果表明温度可作为解释PM_2.5变化的最佳变量.④时频尺度越大,多变量组合解释PM_2.5变化的相互作用越强,而温度和风速的协同作用可以更好地解释PM_2.5变化.结果可为长三角城市群空气污染防治提供参考.     

中原城市群PM2.5浓度驱动因子联动效应及非线性影响

城市群是中国PM_2.5污染与防治的核心区.为探究中原城市群PM_2.5浓度驱动因子的作用机制,基于多源遥感数据和统计数据,采用空间自相关、参数最优地理探测器以及系统动态面板回归模型等方法,量化了PM_2.5浓度的驱动因子及因子间的联动效应,进一步分析了社会经济因素对PM_2.5浓度的非线性影响并给出相应的治霾建议.结果表明：①2012~2018年,中原城市群PM_2.5浓度下降程度存在空间分异,北部较南部地区污染减弱更为显著.②PM_2.5浓度高值聚集有从中原城市群北部向东部转移的趋势,而低值聚集情况相对稳定.③高程对PM_2.5浓度的解释力最强,因子间联动效应对PM_2.5污染的解释力均表现为增强,其中高程与降水交互后解释力最强.④人均GDP、人口密度、夜间灯光、外商直接投资和第二产业占比均与PM_2.5浓度之间存在非线性关系.结合中原城市群现状,加大污染治理投入、调整城市结构形态、加强基础设施建设、调整人口分布与产业结构、保持较高的城市活跃水平、设定严格的环境法规和引入高质量外商投资等有助于治理PM_2.5污染.     

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.     

长春市大气SO2、O3和NOx的变化特征及来源

为研究长春市采暖期大气污染物的污染水平及其随时间的变化特征,于2012年1—6月通过在线监测仪获取了大气中ρ(SO₂)、ρ(O₃)和ρ(NO_x),利用HYSPLIT(混合型单粒子拉格朗日综合轨迹模式)后向轨迹模型结合地面气象资料,初步分析了该市大气污染物的可能来源及传输过程. 结果表明:观测期间ρ(SO₂)和ρ(NO_x)的日均值分别为(25.0±21.6)和(54.4±34.0)μg/m3,ρ(O₃)最大8 h平均值为(85.0±26.2)μg/m3,ρ(SO₂)、ρ(NO_x)和ρ(O₃)的变化范围分别为2.3~131.0、17.6~183.7和31.0~173.3 μg/m3;其中ρ(O₃)日均值超过GB 3095—2012《环境空气质量标准》二级标准限值的时间为2 d,ρ(SO₂)和ρ(NO_x)均未超过二级标准限值,但ρ(SO₂)日均值在采暖期超过GB 3095—2012一级标准限值的时间为23 d,占采暖期的24%. 采暖期ρ(SO₂)日变化为双峰型,峰值出现在06:00和20:00左右,而在非采暖期表现为单峰型,峰值出现在08:00左右;ρ(O₃)表现为单峰型,峰值出现在13:00─15:00;ρ(NO_x)在采暖期表现为双峰型,而在非采暖期表现为单峰型. 对观测期间72 h内HYSPLIT后向轨迹模拟结果和气象数据的分析表明,长春市大气污染主要受本地源的影响,偏西气流易对污染物造成积累,而偏东气流有利于污染物扩散.      

Cu改性石墨相氮化碳(g-C3N4)光催化灭活铜绿微囊藻的效能与机理研究

通过热聚合法制备不同比例Cu掺杂g-C₃N₄复合光催化材料,利用XRD、SEM/EDX、FT-IR、UV-Vis DRS、PL、XPS等技术对复合材料的形貌结构和光学性能进行表征,研究了复合材料对藻细胞的光催化灭活效果.结果表明,Cu掺杂改性可有效促进g-C₃N₄材料表面光生电子-空穴的分离,增强其对可见光的利用率,进而提升其光催化效率;随着Cu掺杂比例的增大,Cu-C₃N₄对藻细胞的灭活效果则越好.进一步研究发现,H₂O₂和·O₂^-是Cu-C₃N₄光催化灭藻过程中起主要作用的活性物质,会损伤藻细胞的形态结构、抗氧化酶系统和光合系统,导致藻细胞大量死亡.     

纳米结构Fe3O4/Y2O3磁性颗粒的制备、表征及磷吸附行为研究

采用共沉淀法制备了一种新型铁钇氧化物(Fe3O4/Y2O3)磁性吸附剂,并对其表面特性及磷吸附行为进行了初步研究.扫描电镜(SEM)与X-射线衍射仪(XRD)表征结果表明,此吸附剂具有纳米结构,初级粒子平均粒径为15.2nm.振动样品磁强计(VSM)测得比饱和磁化强度为38.7emu·g-1,磁性较强,可方便地实现固液分离.吸附剂的等电点为6.8.磷吸附实验表明,25℃时,Langmuir吸附等温线可较好地拟合Fe3O4/Y2O3对溶液中磷的吸附(R2=0.989),最大吸附量(pH=5.0)为60.6mg·g-1(以P计);吸附速率较快,在120min内可完成吸附容量的80%以上,符合准二级动力学模型(R2=0.997);溶液pH对Fe3O4/Y2O3吸附磷的影响较为明显,离子强度则影响不大;共存阴离子对吸附影响的大小顺序为Cl-相似文献   

水稻成熟衰老期叶际及根际氮氧化物排放的光控机制

为研究水稻成熟衰老期叶际及根际NOGs(nitrogen oxides gases, 氮氧化物)排放的光控机制,在同步测定条件下,采用密闭箱法,研究了不同光质(黄、绿、白、红、蓝光)、光强〔0.00、(50.00±2.35)(75.00±2.32)(100.00±3.89) μmol/(m2·s)〕对水稻成熟衰老期叶际及根际NOGs排放的影响. 结果表明:在相同氮源〔NH₄NO₃-N,ρ(N)为90 mg/L〕下,日间光强为(75.00±2.32) μmol/(m2·s)时,水稻成熟衰老期叶际N₂O和NO的平均排放速率分别为18.09、0.39 μg/(pot·h),二者排放量分别占各自总排放量的28.88%、30.78%;在(100.00±3.89)μmol/(m2·s)光强条件下,叶际N₂O和NO的平均排放速率则分别为23.27、0.50 μg/(pot·h),二者排放量分别占各自总排放量的36.74%、27.92%. 在0.00～(100.00±3.89)μmol/(m2·s)日间光强下,水稻叶际及根际N₂O和NO排放随随光强增加而增强,但不同光照条件下水稻叶际及根际均无明显的NO₂净排放作用. 在光强一致〔(20.00±0.48)μmol/(m2·s)〕条件下,同期黄、绿、白、红、蓝光处理的水稻叶际N₂O平均排放速率分别为24.90、15.46、13.85、16.40和19.77 μg/(pot·h),红、蓝光在抑制水稻叶际N₂O及根际NO排放的同时,也促进了水稻根际N₂O的排放. 研究显示,水稻成熟衰老期叶际及根际NOGs排放均以N₂O为主,叶际N₂O的排放可以反映根际N₂O的排放情况. 光照越强,NOGs排放就越明显. 适度控制日间光强并增加红、蓝光比例,可抑制N₂O和NO排放.      

钒和钨负载量对V2O5-WO3/TiO2表面形态及催化性能的影响

采用浸渍法制备了一系列不同钒和钨负载量的V₂O₅-WO₃/TiO₂催化剂样品,对样品NH₃选择性催化还原NO性能进行了评价,并用BET、XRD、XPS等手段对催化剂样品的表面形态进行了表征.研究发现,钒的负载量对催化剂的比表面积和催化活性有显著影响,当钒负载量从1％升高到8％时,催化剂比表面积下降了16 m²/g,最高活性温度降低了约100℃.钨起到稳定剂和助剂的双重作用,当钒负载量为1％时,钨负载量从0升高到6％,催化剂比表面积仅下降了3 m²/g,而活性温度窗口向高温和低温各拓宽了约50℃.研究表明钒和钨负载量都能影响催化剂表面的VO_x物种,但对催化剂的表面晶型没有明显影响.     

云水和云下冲刷颗粒物与气态污染物对降水中硫酸盐和硝酸盐的贡献

为定量云水和云下冲刷分别对降水中SO₄2-、NO₃-的贡献,并进一步解析云下冲刷颗粒相和气相物质分别对降水样品中SO₄2-、NO₃-的贡献,于2016年4月-2017年2月采用APS-3A型降水自动采样仪对降水进行分段采集.采用离子色谱检测分段降水样品的ρ（SO₄2-）、ρ（NO₃-）,分析其变化规律;在降水前、降水中及降水后同步采集并检测大气颗粒相ρ（SO₄2-）、ρ（NO₃-）和气相ρ（SO₂）、ρ（NO₂）,分析颗粒相中ρ（SO₄2-）、ρ（NO₃-）和气相中ρ（SO₂）、ρ（NO₂）的变化与分布.结果表明:①ρ（SO₄2-）、ρ（NO₃-）在同一场降水的分段样品中呈逐渐降低至后期趋于平稳的趋势,说明降水对空气中污染物的冲刷使空气逐渐清洁,后期冲刷作用有限使得降水中离子质量浓度趋稳.②颗粒相中ρ（SO₄2-）、ρ（NO₃-）与气相中ρ（SO₂）、ρ（NO₂）在降水前较高,在降水中减小,并在降水后回升,说明降水对颗粒相SO₄2-、NO₃-和气相SO₂、NO₂均有清除作用,降水结束后无云下冲刷作用,污染物质量浓度逐步回升.③云水对降水中ρ（SO₄2-）、ρ（NO₃-）的贡献率分别为22%~56%（平均值为35%）、9%~49%（平均值为29%）,云下冲刷颗粒相SO₄2-、NO₃-对降水中ρ（SO₄2-）、ρ（NO₃-）的贡献率分别为39%~69%（平均值为55%）、43%~73%（平均值为56%）,云下冲刷气相SO₂、NO₂对降水中ρ（SO₄2-）、ρ（NO₃-）的贡献率分别为5%~17%（平均值为10%）、5%~19%（平均值为15%）.研究显示,降水中SO₄2-、NO₃-主要来源于云水和云下冲刷颗粒相SO₄2-、NO₃-,而来源于云下冲刷气相SO₂、NO₂较少.      

VOx-MnOx/TiO2催化脱除氮氧化物与二英研究

二英会降低人类的免疫力,影响人体和神经发育;氮氧化物则会对人体的各项脏器和血液组织有严重危害,还会破坏臭氧层,加速酸雨的形成.商业钒钛催化剂既能脱除氮氧化物又能催化分解二英（邻二氯苯作为模拟物）,二英活性温度区为200~300℃,而脱硝活性温度为300~400℃.研究了VO_x/TiO₂、MnO_x/TiO₂以及VO_x-MnO_x/TiO₂等催化剂在200~300℃脱硝、脱除二英的情况.结果表明,在VO_x/TiO₂催化剂中掺入MnO_x促进脱硝活性温度区间由300~400℃往200~300℃偏移,当MnO_x和VO_x摩尔比为3：1时,催化剂在250℃脱硝和脱除二英的效果最好,催化NO和邻二氯苯效率分别为92.0%和89.0%.原位红外漫反射光谱研究表明,1V3M/T催化剂表面的脱硝反应在250℃遵循L-H机理,—NH₂、N_xH_yO_z、单齿亚硝酸盐和二齿硝酸盐是主要的反应中间体.     

小型养殖塘水体中CH4、CO2和N2O浓度的时空变化特征及影响因素

养殖塘作为重要的温室气体排放源,水体中温室气体浓度的变化不仅是准确量化温室气体排放量的基础,还是明确其影响因素的重要依据.基于顶空平衡-气相色谱仪法对长三角一处典型的小型养殖塘水体中CH₄、CO₂和N₂ O浓度的时空变化特征以及影响因素进行了分析.结果表明,除春季外,在水温影响下,CH₄和N₂ O浓度在午间或午后出现高值;受水温和水生植物光合作用影响,CO₂浓度的高值出现在晨间光合作用较弱的时候.养殖塘水体中CH₄和CO₂浓度呈现秋季最高、冬季最低的季节变化特征,c（CH₄）在秋季和冬季的均值分别为176.34 nmol·L^-1和32.75 nmol·L^-1,主要受气温、水温和溶解氧（DO）影响;c（CO₂）秋季和冬季的均值分别为134.37 μmol·L^-1和23.10 μmol·L^-1,主要受水生植物光合作用和pH影响;c（N₂ O）在夏季最高,冬季最低,均值分别为97.05 nmol·L^-1和19.41 nmol·L^-1,主要受气温和水温影响.在空间上,垂直方向上,夏季养殖塘c（CH₄）随水深的加深而降低,表层与底层、中间层的浓度差值为71.28 nmol·L^-1和42.80 nmol·L^-1,秋季随水深的加深而升高,底层与表层的浓度差值为163.94 nmol·L^-1.c（CO₂）在夏季和秋季都表现为随着水深的加深而升高,其底层与表层的浓度差值分别为18.69 μmol·L^-1和29.90 μmol·L^-1.N₂ O浓度在垂直方向上无明显变化规律.水平方向上,夏季饲料及春季鸡粪投放的区域会出现CH₄、CO₂和N₂ O浓度的高值,春季和夏季CH₄浓度约为其他区域的1.34~1.98倍和1.95~2.42倍,春季N₂ O浓度和夏季CO₂浓度约为其他区域的1.13~1.26倍和1.39~1.74倍.     

农垦与放牧对内蒙古草原N2O、CO2排放和CH4吸收的影响

利用优选静态箱/气相色谱法(GC),首次对我国内蒙古草原典型地区进行了人类活动对N₂O、CO₂和CH₄交换通量影响的实验观测结果表明,农垦麦田N₂O平均排放通量比原始草原高出3倍,并改变了草甸草原为CO₂汇的性质,使其季节排放净通量以C计增加14.3 mg·(m²·h).随放牧强度的增加CO₂排放通量呈线性增长,轻牧会引起草原对CH₄吸收的大幅增加,而随着放牧压力的增大,增加值迅速回落.农垦麦田与草甸草原相比地-气间CH₄交换无显著变化,放牧强度对N₂O排放影响无显著规律.土壤湿度和温度是影响草原排放N₂O和CO₂、吸收CH4季节变化形式的关键因子,而人类活动仅影响排放强度.排放和吸收量年际间差异很大,但主要受降水的影响.N₂O和CO₂排放与CH₄吸收峰值相反现象普遍存在.