我国城市冬季PM2.5空间特征及其人为影响因子

以我国114个城市冬季(2013年12月-2014年2月)公布的PM25数据为基础,结合其他相关数据,运用空间自相关分析、克里格插值法和逐步回归分析法,研究我国冬季PM2.5浓度空间分布差异及其影响因素.结果显示,研究期间PM2.5在空间分布上具有高值集聚、低值集聚和高值邻域的低值集聚的变化特征,全局自相关系数Moran's I为0.27.PM2.5浓度分布由北到南、从内陆到沿海具有先升高后逐渐降低的变化趋势,高浓度区域主要集中在华北平原、长江中下游平原和陕西关中平原等地区,这些区域的冬季PM2.5平均质量浓度都达到150 μg·m-3以上,最高达250 μg·m-3.多因子逐步回归分析结果表明,人为活动对我国高浓度PM25(＞150μg·m-3)分布影响显著,对低浓度PM2.5(≤75μg·m-3)分布影响不显著.市辖区人口密度和第二产业GDP是显著影响我国高浓度PM2.5分布的主要人为影响因子.市辖区建成区面积、全市年末总人口和市辖区道路面积等是影响我国城市间PM2.5浓度分布差异的主要人为影响因子.     

碳中和时代下我国能量自给型污水处理厂发展方向及工程实践

基于碳中和背景及污水处理可持续、低碳运行理念,分析了我国污水处理厂不同水质、工艺类型、规模等条件下的能源消耗及能源回收特点,提出了以“碳改向技术+低耗高效复合脱氮技术+污泥厌氧共消化技术+污水热能回收技术+节能降耗技术”的污水处理新模式是实现我国能源自给型污水处理厂的关键,并提出我国污水处理厂实现碳中和应分为“完全能源自给”及“能源供应工厂”两个目标.此外,对基于此背景下建设的北京某再生水厂的理论能源自给情况进行了分析,结果表明,通过节能降耗、引入外源有机物、污水源热泵回收等措施,北京某再生水厂能源自给率由12.2%分别提高至17.1%、21.6%、84.7%.     

山区农村居民点时空格局演变特征及蚁群仿真优化——以重庆澄江镇为例

山地农村居民点系统因受自然因素及人类活动等多重扰动而处于深刻转型中,探索山区农村居民点时空格局特征及其优化策略,对于优化山区国土空间格局、推进山区国土空间综合治理与乡村振兴具有重要意义。基于构建理论框架,集成运用景观格局指数法、栅格权重叠加评价法、改进蚁群算法（ACO）等,以重庆澄江镇为例,探索山区农村居民点时空格局演变特征及优化过程,提出优化调控策略。结果表明：（1）研究区农村居民点空间格局演变特征呈现集中、靠拢的演化发展趋势,总体呈现匀质、线状、向心、院落四种分布形态;同时高程、坡度、水域、城镇、道路、基础设施等自然—经济社会因素均对山区农村居民点时空格局演化产生重要影响。（2）改进蚁群算法优化后,研究区农村居民点斑块面积（CA）减少10.07%,居民点斑块数量（NP）和密度（PD）分别减少83.12%和81.16%,平均斑块面积（MPS）增加了4.3倍,平均最近邻体距离（MENN）增加了42.82%。优化后69.1%的农村居民点斑块都集中在适宜区和较适宜区内,且重点向交通便利、公共设施完善、生产便利和中心村庄集中。优化后的农村居民点空间格局更加紧凑有序,土地集约节约效率更高。（3）基于仿真优化结果,综合考虑村庄振兴“产业—人口—土地”互动耦合机制,提出城郊融合、产业集聚、景村融合、搬迁撤并四类农村居民点格局优化方案,助推山区乡村振兴。（4）优化结果同时表明改进的蚁群算法非常适用于复杂环境条件下的较小尺度要素空间布局优化,能够为山区国土空间规划编制提供技术支撑。     

基于无人机影像的城市植被精细分类

针对传统植被资源调查方法工作量大、成本高、效率低的问题,利用高分辨率无人机遥感影像,联合地物光谱-纹理-空间信息,构建了一种适用于描述城市不同植被种类的多维特征空间,在此基础上对三种应用广泛的分类算法(基于像素的、面向对象的支持向量机及深度学习Mobile-Unet语义分割模型)开展了对比分析研究.结果表明:本文提出的联合地物光谱-纹理-空间信息的特征空间构建方法能够有效地描述城市不同类型植被的特征差异,提升影像分割、植被分类的精度;在分类精度上,基于像素和面向对象的支持向量机分类结果的总体精度均超过90%,深度学习方法的总体分类精度为84%;在算法效率上,传统机器学习方法也优于深度学习方法.因此,得出结论针对城市小区域、小样本的植被精细分类,传统机器学习分类方法比深度学习方法效果更好.     

基于全链条治理的国土空间规划传导体系及路径

国土空间规划传导应是覆盖规划编制、实施管理、监督反馈各个环节的全过程传导。基于国土空间治理体系和治理能力现代化的三个“需求面”,剖析传统空间规划传导的“不适应性”,并从全尺度、全过程、多向度的全链条治理逻辑出发,构建与新时期国土空间治理需求与规划体系相匹配的“三链协同”传导体系及“空间链”“时间链”“反馈链”传导路径。即覆盖“编制—实施—监督”多环节、全过程的国土空间治理闭环体系;纵向到底、事权清晰的全尺度空间传导链条,横向到边、面向实施的全过程时间传导链条以及多元共治、动态维护的多向度反馈传导链条;以期为国土空间规划传导实施提供理论与实践借鉴。     

Fe3O4活化过硫酸盐体系同步去除诺氟沙星和铅

采用Fe₃O₄活化过硫酸盐（PS）同步去除水中的NOR （诺氟沙星）和Pb （II）.探讨了Fe₃O₄投加量、PS浓度、初始pH值和Pb （II）浓度对NOR降解的影响.结果表明,NOR的降解符合伪一级反应动力学,在温度为30℃、NOR初始浓度为5.0mg/L、Pb （II）浓度为1.0mg/L、Fe₃O₄投加量为2.0g/L、PS浓度为1.5mmol/L、初始pH值为7.0的条件下,反应120min后,NOR降解率达90.2%,Pb （II）去除率为99.5%.自由基淬灭实验证实,硫酸根自由基（SO₄^-·）是NOR降解的主要自由基.通过LC-MS分析结果推测了NOR可能的降解路径和中间产物.Fe₃O₄活化PS高级氧化工艺可作为一种同步去除有机污染物和重金属的工艺.     

深圳市工业区VOCs污染特征与臭氧生成敏感性

于2020年9~10月在深圳北部典型工业区开展在线观测以分析该地VOCs污染状况,并使用基于观测的模型(OBM)研究臭氧生成敏感性.观测期间VOCs的总浓度为48.5×10^-9,浓度水平上烷烃>含氧有机物(OVOCs)>卤代烃>芳香烃>烯烃>乙炔>乙腈.臭氧生成潜势(OFP)为320μg/m³,其中芳香烃、OVOCs以及烷烃贡献最大,这3类物种OFP贡献总和超过90%.乙烯与苯呈现“两峰一谷”的日变化特征,主要受到机动车排放的贡献.相对增量反应性(RIR)分析表明,削减人为源VOCs对控制当地臭氧生成最为有效,当中又应优先控制芳香烃;经典动力学曲线(EKMA)分析表明该片区臭氧生成处于过渡区,在开展VOCs区域联防联控的同时,需要在当地进行有力的NOx控制以强化该地区臭氧污染长期管控.     

基于InVEST-PLUS模型的碳储量空间关联性及预测——以广东省为例

构建土地利用碳储量数据库,基于InVEST模型Carbon模块,得到广东省1990~2020年碳储量时空分布情况.用Moran’s I指数和Getis-Ord Gi^*分析格网尺度下碳储量时空分布特征,用Anselin Local Moran’s I得到LISA集聚图.然后运用PLUS模型和14个土地利用驱动因子预测2050年土地利用及其碳储量分布.结果表明,土地利用变化直接影响区域碳储量高低,林地、草地等具有生态服务功能地类碳密度最高,分别是188.44,329.34Mg/hm².碳储量空间格局整体呈现出中部低、北部高、东西中等的特点.碳储量空间分布特征与土地利用特征一致,碳储量显著高值集聚区域分布在建设用地少、生态用地多且连片的粤北地区,显著低值区域分布在国土开发强度和生态用地破碎化程度高的珠三角地带.在自然发展情景下,到2050年广东省土地利用碳储量将减少4327.21万Mg,随着国土空间进一步开发,环珠江口沿岸城市碳储量持续下降.增加植被生态系统碳储量,是实现碳中和的重要手段之一.要继续维持粤北山区生态保护屏障的重要地位,减缓珠三角城市土地开发强度,提高建设用地集约节约能力,形成平衡协调的土地利用和碳储量格局.     

流域横向生态补偿政策的水环境效益评估

基于2000~2019年浙江和安徽26个地级市的面板数据,使用合成控制法定量分析新安江3轮横向生态补偿试点政策对其水环境效益的总体性和结构性影响结果表明:政策效果在时间上存在异质性。第1、2轮政策试点显著的提升了新安江流域整体的水环境,但第3轮试点对上游水环境的影响是负的。政策效果在空间上存在异质性。流域横向生态补偿政策使下游的生物多样性价值平均提高了0.068亿元,但使上游生物多样性价值平均降低了0.015亿元。政策效果在结构上存在异质性。通过对水环境效益的结构性分解,发现横向生态补偿政策使新安江流域的水质净化能力价值平均提高了31.874亿元,但使其产品供给价值平均下降了13.402亿元。政策效果存在预期效益。流域横向生态补偿的政策效果在政策正式实施前2年已经出现。     

深圳市不同区域大气CO2变化特征与来源分析

于2020年12月1日~2021年12月1日分别在深圳市大学城和路边站两点位对大气CO₂和CO浓度进行了为期1a的观测.本次观测期间内两点位大气CO₂平均浓度分别为432×10^-6和439×10^-6,均呈现了“秋冬季高、春夏季低”的季节变化特征与“昼低夜高”日变化特征,且日变化特征在早晚高峰期受到交通源排放的显著影响.此外,通过引入CO₂和CO的净变化值得到大学城和路边站两点位的ΔCO₂/ΔCO值分别为136.8~184.8、59.0~119.3,结果表明机动车排放对深圳市大气CO₂贡献突出.