我国空气污染现状及对空气质量日报改进的思考

通过对我同空气质量状况分析发现,空气中SO2和PM10等污染物浓度持续下降,灰霾、光化学污染等复合型大气污染问题日益突出,现行的空气质量日报空气污染指数(API)系统表现出其局限性.以2009年天津、上海、重庆、广州和宁波市相关监测点位的空气质量数据为依据,通过3种测算方案评价了在我国现行空气质量日报系统中加人不同监测...     

北碚区气溶胶光学厚度特征及其与颗粒物浓度的相关性

为了解重庆市北碚区大气质量状况,利用其2014年气溶胶光学厚度和颗粒物质量浓度的同步观测结果进行分析.结果表明,北碚区AOD_{500 nm}的年均值为1.46±0.69,其随月份变化明显,其中11月最高为2.90±1.85, 9月最低为0.54±0.05.北碚区存在颗粒物污染的现象,PM_2.5和PM₁₀的年均值分别为(62±40)μg·m^-3和(94±51)μg·m^-3,均超出GB 3095-2012《环境空气质量标准》二级标准限值,PM_2.5与PM₁₀的日均值超标率分别为26%和15%.细粒子PM_2.5与可吸入颗粒物PM₁₀浓度之间呈现显著性相关,全年决定系数R²能够达到0.95(P<0.01),AOD与PM_2.5、 PM₁₀之间全年均呈正相关特性,全年决定系数R²分别为0.48和0.46,且不同季节...     

京津冀空气质量分布特征及气象影响因素分析

对京津冀地区空气质量分布特征及影响因素的研究已比较丰富,但对气象因素的影响分析往往通过简单的相关性分析。文章通过分析京津冀地区2019-2020年各市空气质量数据的基础上,得出近几年该地区空气质量都得到了明显的提升,在冬季空气质量相对较差,而春夏及初秋空气质量相对较好;京津冀地区呈现出北部区域空气质量较好,南部地区空气质量较差的现象,但各市空气质量整体较好;回归模型得出气温和风速对AQI指数有着显著的负向影响,相对湿度和气压对AQI指数有着显著的正向影响。最终本文还针对京津冀地区空气质量的治理提出了相应的建议。     

陕西渭北旱塬区农田土壤有机质空间预测方法

准确预测土壤有机质(SOM)含量的空间分布对于改善土壤质量、提高区域土壤管理水平具有重要意义.为探索预测陕西渭北旱塬区农田SOM含量的最优模型,借助地理探测器选取与SOM含量密切相关的影响因子作为建模的协变量,选用普通克里格方法(OK)、地理加权回归模型(GWR)、偏最小二乘回归模型(PLS)、地理加权回归扩展模型(G...     

太原市秋冬季大气污染特征和输送路径及潜在源区分析

采用环境空气质量指数(AQI)统计分析了2014～2018年太原市全年及秋冬季污染特征,并采用HYSPLIT后向轨迹模型计算了2014～2017年秋冬季逐时后向轨迹,结合太原市AQI,通过聚类分析、潜在源贡献因子和浓度权重轨迹方法对影响太原市的污染物输送路径和潜在源区进行了分析.结果表明,太原市污染状况不容乐观,太原市2014～2018年全年优良天数波动较大,尤其近两年从64%下降到不足50%;然而秋冬季优良天数稳步上升,2018年超过50%,空气质量有好转趋势.污染类型可能发生变化,全年及秋冬季PM_(2.5)为首要污染物的污染天数下降显著,PM_(10)为首要污染物的天数上升明显.聚类分析2014～2017年秋冬季太原的后向轨迹,53%的气团来自偏西方向,21%来自西北方向,12%来自西南方向,14%来自偏东方向,其中西南方向轨迹是外来污染物输送进入太原的主要轨迹,对太原空气质量有显著影响.PSCF和CWT分析表明,影响太原空气质量的重要潜在源区主要位于汾渭平原的陕西汉中、西安和山西的吕梁、临汾等地.建立汾渭平原及其周边区域联防联控机制对控制区域污染有着重要意义.     

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.     

基于微信公众平台的空气质量显示系统的设计与实现研究

空气质量的好坏直接影响着人类的出行和健康,创建便于查询的空气质量显示系统,可以使人们简单直观的了解当日的空气质量指数(AQI).随着互联网的迅猛发展,"微信"逐渐成了人们日常通信的重要工具.本系统利用物联网技术与微信公众平台相结合,提出了空气质量显示系统的设计与实现方案,来建设空气质量显示系统.该系统可从各个区内监测点得到空气质量指数数据,进而将每日各个时段的空气质量指数(AQI)以动态图的方式直观清晰的展示给用户,为人们的出行带来了方便.     

区域气象条件和减排对空气质量改善的贡献评估

区域气象条件和减排与空气质量的变化关系密切.区域污染天气的发生不只受人为排放的影响,其与气象条件也密切有关.我国地处全球的主要季风气候区,大气环流具有明显的季风气候变化特征,区域气象条件受年际气候变化影响显著.研究通过分析不同气候条件下京津冀地区、成渝地区、长三角和珠三角城市群2001～2018年主要气象要素及其污染天...     

基于区域DNDC的稻田轮作氮素空间分异与驱动分析:以晋江流域为例

稻田轮作氮素动态循环对于保障居民食物需求,实现区域生态可持续发展等目标具有重要现实意义.从区域尺度视角分析各氮素指标空间分异状态,及其驱动影响因素,可为农田管理措施的实施提供宏观决策依据.选取晋江流域内的稻田轮作区作为研究对象,运用反硝化分解(denitrification decomposition, DNDC)模型、热点分析以及地理加权回归(geographical weighted regression, GWR)建模等技术,模拟了稻田生态系统内氮素循环,分析了各氮素指标空间分异特征与驱动归因.结果表明:①经过参数率定与结果验证的DNDC模型体现出较好的区域适应性;②不同轮作模式间对比发现,稻-蔬轮作模式表现为最大氮肥输入量、最高作物氮素吸收效率以及最大氮素损失量,其次为稻-稻轮作模式,最后为稻-空闲轮作模式;③在各氮素指标空间分布方面,除作物氮素吸收量呈随机分布,NH₃排放量、N₂O排放量和氮素淋失表现为空间聚类分布,基于标准差椭圆的集约主趋势线主要以"感德镇—长坑乡"一线为主;④由各氮素指标空间影响因素分析发现,土壤属性因子具有最强...     

成都市大气水汽与空气质量关系的研究

为深入分析大气水汽对空气质量的影响,基于2016年成都温江国家气候观象台的气象观测资料和成都市环境监测中心的环境空气质量指数(AQI),首先利用地面气象要素估算出逐时的大气可降水量(PWV),继而结合空气质量指数资料研究了成都地区降水、静稳天气、太阳辐射强度等气象条件对空气质量及其与大气水汽关系的影响.结果表明:在降水条件下,臭氧(O_3)浓度随着PWV的增大而显著减小,PWV与PM_(2.5)、PM_(10)浓度的正相关系数减小,其中对PWV与PM_(10)浓度的相关性影响最大,相关系数减小47.62%.PWV与O_3的负相关系数在春季增大、夏季减小;PWV与PM_(2.5)的正相关系数在秋、冬季减小.当天气处于高静稳指数时,PWV变化对污染物浓度变化的影响更为显著.不同太阳辐射强度下,PWV与O_3的相关性也不同,随着太阳辐射增强,PWV与PM_(2.5)、PM_(10)的相关性从正相关转变为负相关.     

中国西北地区地表植被覆盖特征的时空变化及影响因子分析

归一化的植被指数(NDVI)自然正交分解结果显示,自上世纪80年代初期至1994年前后,中国西北部区域地表植被覆盖呈增加的过程;1994～2000年,地表植被覆盖状况开始退化,植被退化强度空间分布不匀.TOVS云覆盖数据与地表特征时间变化的一致性,间接证明1994年之后西北部地区植被退化的事实.通过降水和NDVI的相关分析,划分出西北地区地表植被覆盖变化气候影响显著区域、气候与人为影响共同作用显著区域.并从气候和人为影响2个方面分析了造成西北部地区地表植被覆盖状况下降的原因.在降水和NDVI相关显著区域,气候干旱因素是造成1994年后植被覆盖退化的主要原因;而黄河等流域1994年后植被退化的区域,气候干旱和人为活动因素是造成植被覆盖退化的主要因素.     

基于植被指数和地表反照率影响的北京城市热岛变化

利用TERRA/MODIS遥感反演的地表温度资料,对2000—2006年北京城市热岛季节变化特征进行了研究,结合同期降水量、植被指数和地表反照率变化,分析了该地夏季城市热岛的年际变化成因. 结果表明:北京多年四季热岛分布主要以城区为中心向周边郊区延伸,其中夏季城市热岛最强,春、秋和冬季较弱,这种热岛强度的季节性差异主要与太阳辐射强度、地表植被覆盖状况和城市人为热释放等的季节性变化密切相关. 北京夏季城市热岛的年际变化特征为:2005和2006年最显著,热岛中心强度分别为10.54和9.61 ℃;2002和2004年城市热岛最弱,热岛中心强度分别为6.54和7.39 ℃. 2000—2006年北京市夏季城市热岛具有明显增强趋势,热岛强度增温率为0.326 ℃/a. 北京夏季降水对城区地表温度影响大于郊区,降水主要通过影响城区地表温度来影响城市热岛变化;夏季地表植被和地表反照率变化对地表温度和城市热岛也均有较大影响. 2000年以来,北京郊区夏季地表植被指数增加率远高于城区,受地表植被和地表反照率变化的影响,郊区降温率明显大于城区,致使城郊温差增大,热岛效应加强.      

2000~2020年长江流域植被NDVI动态变化及影响因素探测

研究植被动态变化并探测驱动其变化的影响因素,对区域生态环境质量监测和林业恢复工程效应评估具有重要现实意义.利用MODIS NDVI数据、基于站点的气象数据、DEM数据、人口密度数据和夜间灯光数据等,结合Theil-Sen Median斜率估计、Mann-Kendall显著性检验、稳定性分析和地理探测器,在多时空尺度下分析2000～2020年长江流域植被NDVI时空演变特征及稳定性,并探测驱动植被NDVI空间分异的主要影响因素.结果表明,2000～2020年长江流域植被NDVI整体呈波动上升趋势.除太湖水系外,其余流域单元植被NDVI均呈上升趋势.长江流域植被NDVI呈上升趋势的面积占84.09%,其中,呈极显著上升和显著上升的区域占53.67%,主要分布在乌江、宜宾至宜昌、嘉陵江、汉江和洞庭湖水系.除金沙江石鼓以上和太湖水系植被NDVI稳定性较差以外,其他流域单元植被NDVI整体较为稳定.海拔是影响各流域单元植被生长的重要因素,而气候因子对金沙江石鼓以上植被NDVI的影响程度最高,人文因子对乌江、湖口以下干流和太湖水系植被NDVI影响最大.长江流域影响因素双因子交互作用均表现为双因子增...     

大山包黑颈鹤自然保护区植被覆盖度遥感监测及分析

基于2001、2006年的TM/ETM遥感数据,利用像元二分模型,估算出不同时期内大山包黑颈鹤自然保护区的植被覆盖度,并对其变化进行了定量分析。结果表明,2006年较2001年的植被覆盖度呈增高趋势。植被覆盖度的变化与人类活动有密切关系,大山包黑颈鹤自然保护区核心区居民异地迁移工程以及国家级自然保护区的建立是大山包黑颈鹤自然保护区植被覆盖度增高的重要原因。     

2000～2020年西南地区植被NDVI时空变化及驱动机制探究

基于2000～2020年MOD13A3 NDVI时间序列、1999～2020年气象数据以及2000年和2020年两期土地利用类型数据,采用Theil-Sen Median趋势分析、 Mann-Kendall显著性检验、多重共线性检验、残差分析和相对作用分析等方法,分析了西南地区植被NDVI时空变化特征及气候变化和人类活动对植被NDVI变化的驱动机制.结果表明,研究时段内西南地区整体及各地貌单元植被NDVI均呈上升趋势,其中,广西丘陵和云贵高原植被NDVI上升趋势最为显著,青藏高原植被NDVI上升趋势最为微弱.气候变化和人类活动影响下西南地区植被NDVI上升斜率分别为0.001 0 a^-1和0.000 6 a^-1.气候变化和人类活动的共同驱动是引起西南地区植被改善的主要原因.西南地区植被改善主要受区域气候条件的控制,植被退化主要受人类活动的影响.总体上,植被NDVI与最低气温、降水、最高气温、可能蒸散率和相对湿度呈正相关,与平均气温、气压、日照时数、温暖指数和湿度指数呈负相关.最低气温、日照时数和降水是影响西南地区植被NDVI变化的主要气象因子...     

岩溶区峰丛洼地植被指数的克里格分析

为了全面掌握岩溶区峰丛洼地植被指数(NDVI)的空间分布状况,解决岩溶区峰丛洼地遥感影像山体阴影区域NDVI信息"缺失"的问题,对广西平果县果化生态重建示范区内的典型峰丛洼地非阴影区域NDVI进行了提取.利用地统计学的方法对NDVI的空间结构特征进行了分析,并对山体阴影区的NDVI进行了预测与验证.结果表明,研究区域NDVI主要受到内在因子的作用,具有强烈的空间自相关性,自相关距离为300 m;Kriging插值结果表明,研究区域NDVI的均值为0.196,在空间分布上表现为条带状和斑块状分布,NDVI高值区域主要分布在峰丛坡度>25°的山体区域,低值区域主要分布在峰丛坡度<25°的山脚和洼地等区域;Kriging插值验证结果表明,研究区域NDVI具有非常高的预测精度,能很好地估计山体阴影区NDVI,为岩溶区生态环境监控、石漠化评估提供了新的思路与方法.     

滨海半城市化地区植被覆盖度的时空变化——以青岛市崂山区为例

基于青岛市崂山区1990、1997、2002、2008年四期TM遥感影像数据,利用遥感二分像元估算模型和归一化植被指数,定量研究了半城市化地区的植被覆盖度演化过程及其时空动态变化特征,结果表明:研究区植被覆盖度演变具有快速性、差异性和不稳定性特征;1990-1997年,植被平均覆盖度由48.71%下降到24.74%,是植被覆盖度下降最快时期;2002-2008年间,植被平均覆盖度由23.58%增加到44.49%,属于植被覆盖恢复时期。整体空间变化呈现分散和无序特征,地形因子显著影响植被覆盖度的分布及变化。从气候因素和人为活动影响两个方面分析了造成崂山地区植被覆盖度下降的原因,对降雨量与各地区植被覆盖度进行了相关性分析,划分出气候影响显著区域。最后通过主成份分析定量研究气候、人为因素对当地植被覆盖度的影响程度,结果发现城市化作用是造成植被覆盖度变化的主要因素。     

西南高山峡谷区植被变化及影响因素分析

西南高山峡谷区是我国典型生态脆弱区,认识其植被变化特征及影响因素可以为西南高山峡谷区生态环境建设对策的制定提供理论依据,对实现区域经济、环境以及生态和谐统一发展,具有一定的现实意义.基于2000~2019年NDVI、社会经济因子和自然因子数据集,采用一元线性回归法、Hurst指数、地理探测器模型和变异系数等方法分析了西南高山峡谷区NDVI时空变化及稳定性特征,并探讨了NDVI空间分异影响因素.结果表明：①空间上看,植被呈现东南高,西北低的分布格局,中高和高植被覆盖的区域面积占比71.71%,植被覆盖总体处于较高水平.时间上看,植被呈现改善趋势的区域面积占比85.90%,恢复效果明显,且未来植被变化趋势还将以改善为主.②高程、植被类型和土壤类型是影响NDVI空间分异的主导因子,q值均不低于0.40;气温和降雨量为次要因子,q值分别为0.274和0.225.双因子交互作用增强了单因子的影响力,表现为双因子增强和非线性增强两种关系,其中高程∩植被类型组合q值最高为0.714,其次是高程∩土壤类型组合q值为0.688.③研究时段内NDVI整体稳定性较好,低波动变化和较低波动变化的区域面积占比为89.95%;而中等以上波动的区域面积占比为10.05%,集中在海拔高、气温低、降雨少、土壤贫瘠和植被较差等生态环境相对脆弱的区域.植被变化是多因素综合作用的结果,需因地制宜,有针对性地采取不同策略修复西南高山峡谷区生态环境.     

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.