长株潭城市群气溶胶时空分布与传输规律

为研究长株潭城市群大气污染时空演化特征及潜在传输规律,采用2008~2016年中分辨率成像光谱仪（MODIS）MAIAC气溶胶光学厚度（AOD）数据,分析长株潭城市群近10a来AOD演化特征.在此基础上,利用拉格朗日混合型单粒子轨迹模式（HYSPLIT）及全球资料同化系统（GDAS）气象要素数据研究大气污染物潜在传输规律.结果表明,长株潭城市群AOD呈现下降趋势,并以春、夏季下降幅度最为显著.空间上,AOD总体呈北高南低、西高东低分布特征,并与经济发展、城市化水平等因素密切相关.此外,长株潭城市群大气污染物向外长距离传输（>1500km）、中距离传输（500~1500km）以及局地传输（0~500km）比率分别为17.89%、36.45%和45.66%,主要影响湖北、江西、安徽、广东、广西、江苏和浙江等地区.研究结果有助于理解长株潭城市群大气污染的时空变化规律,同时为区域“联防联控”、建设“美丽中国”提供科学的辅助依据.     

城市微环境PM2.5浓度空间分异特征分析

以长沙市主城区为例,在203个地面点通过加密观测并获取PM_2.5浓度小时观测值,辅以同步常规稀疏国控点PM_2.5浓度观测数据,在点、面尺度对比分析加密、稀疏两种观测模式下城市微环境PM_2.5浓度空间分布的特征差异.结果表明：地面加密观测模式下PM_2.5浓度高值区主要集中在道路、地表扬尘、住宅小区、医院和工业园等人群、车辆活动的微环境场景;低值区主要出现在公园景区等高植被覆盖度区域.同一空间点位,地面加密观测PM_2.5浓度值均高于常规稀疏国控点PM_2.5浓度观测值,平均高出29.71μg/m³.反距离权重空间插值制图揭示地面加密观测模式下的PM_2.5浓度呈现明显的西北部高（>75μg/m³）、中部和南部居中（65~75μg/m³）、东部低（<55μg/m³）的三级阶梯式异质特征,剖面分析各向波动较大.相比,稀疏国控观测模式空间分布图仅能反映主城区PM_2.5浓度整体较低（<55μg/m³）、除北-南向之外各向剖面PM_2.5浓度相对无明显变化的格局.与此同时,稀疏国控观测模式在地面加密观测点估算的PM_2.5浓度同样显著低于实际观测值,所揭示的研究区高值PM_2.5浓度微环境为道路、地表扬尘、汽车站.研究结果证实,出于环境保护目标建立的空气质量国控监测点难以精确反映同点位近地面PM_2.5浓度,所识别的城市高低PM_2.5浓度值微环境与真实情景存在偏差,空气质量越优等级下偏差越大.     

2001~2015年中国城镇化与PM2.5浓度时空关联特征

综合运用时空统计、剪刀差、地理加权回归等手段分5个阶段从人口、土地、经济角度研究了2001~2015年中国大陆地区城镇化水平与PM_2.5浓度的时空分布以及相互关联特征.结果表明：2001~2015年,我国3a均人口、土地、经济城镇化水平平均值稳步提高,PM_2.5浓度波动上升（44.14~50.89 μg/m³）,不同经济区之间时序变化趋势相似但强度存在差异.不同阶段PM_2.5浓度空间分布趋势基本一致,京津冀、河南与山东北部、新疆西部等地区始终为高值区,3类城镇化水平高值区域逐步扩大.城镇化水平的时序变化趋势与PM_2.5浓度随时间变化的趋势存在差异（切线夹角：15.33°~62.92°）,难以解释PM_2.5浓度在时间上的突变.城镇化水平与PM_2.5浓度空间分布关联特征显著,土地城镇化水平与PM_2.5浓度在0.01水平上正相关,其相关系数依次为东北（0.609~0.723） > 中部（0.572~0.631） > 东部（0.218~0.323） > 西部（0.079~0.255）,除中、西部地区外,经济城镇化水平对PM_2.5浓度正效应明显,东北地区人口城镇化水平与PM_2.5浓度负相关,GWR模型调整R²在2001~2003年阶段最高（0.6~0.77）,2013~2015年阶段最低（0.08~0.64）.     

PM2.5和O3污染协同防控区的遥感精细划定与分析

针对地面站点监测数据难以支撑大气PM_2.5与O₃污染防控区边界划定的问题,融合大气污染浓度遥感估算建模与GIS统计分析模型,提出了一种基于PM_2.5和O₃浓度遥感估算结果的协同防控区精细划定方法,开展了2015~2020年月和年尺度的全国PM_2.5与O₃污染协同防控成效定量分析与防控区精细划定研究.结果表明,2015~2020年,我国PM_2.5浓度总体下降显著但O₃浓度基本持平,PM_2.5污染在秋冬超标严重,O₃污染则在春夏;同时PM_2.5与O₃浓度变化在空间上的不一致性显著,其中PM_2.5下降且O₃上升、PM_2.5与O₃均下降、PM_2.5与O₃均上升和PM_2.5上升O₃下降的面积占比分别为38.34%、35.12%、15.24%和10.89%.遥感精细划定范围显示,PM_2.5和O₃协同防控区域的边界具有显著动态变化特征,在时间变化上呈现先扩大后缩小的趋势,主体范围集中在"2+26"城市、汾渭平原、长三角北部和山东半岛.以PM_2.5或O₃单一防控为主的区域范围较为稳定,辽吉、鄂湘赣、成渝和塔克拉玛干沙漠-河西走廊区域需以PM_2.5防控为主,珠三角、长三角和环渤海湾部分区域则应以O₃防控为主.基于卫星遥感手段的PM_2.5和O₃协同防控区域边界精细划定方法可更好辅助国家PM_2.5和O₃协同防控策略制定需求.     

大气污染沉降监测方法研究进展

系统回顾了大气污染沉降监测方法的研究进展,探讨主要面临问题及未来发展方向.现有大气污染沉降监测技术主要包括地面监测、遥感反演等,并在全球、区域与局地等不同尺度上取得系列初步成果.然而,大气沉降成因机制复杂、时空异质性规律显著,现有方法均难以兼顾精度与时空代表性等多方面监测需求,发展新一代监测技术以及多技术集成融合是未来大气沉降精准监测的潜在趋势.深刻了解大气污染沉降监测的研究现状与瓶颈问题有助于进一步系统构建大气污染监测体系、精准感知大气污染多维时空演化的本质规律,为环境治理提供科学的理论支持.     

定量评估气候变化对长江中下游地区植被GPPGS变化的影响

在区域和植被类型尺度上定量厘定气候因子对长江中下游地区生长季植被GPP（GPP_GS）的直接、间接和综合影响,可为全球气候变化背景下区域植被资源管理与恢复提供科学依据.利用MODIS GPP数据、气象数据和植被类型数据,结合Theil-Sen Median趋势分析和Mann-Kendall显著性检验探究长江中下游地区植被GPP_GS时空变化特征,并通过通径分析揭示气候因子对长江中下游地区整体和不同类型植被GPP_GS变化的直接影响、间接影响和综合影响.结果表明：①2000~2021年长江中下游地区植被GPP_GS呈波动上升趋势,上升速率（以C计,下同）为2.70 g·（m²·a）^-1 （P<0.01）.不同类型植被GPP_GS均呈极显著上升趋势（P<0.01）,其中,灌丛上升速率最高,为3.31 g·（m²·a）^-1,栽培植被上升速率最低,为2.54 g·（m²·a）^-1.②长江中下游地区GPP_GS呈上升趋势的面积占比为88.11%.不同类型植被GPP_GS呈上升趋势的面积占比均大于84%.③通径分析结果表明,降水和最高气温对植被GPP_GS的直接影响呈显著正向影响（P<0.05）,而太阳辐射呈不显著正向影响（P≥0.05）.最高气温、降水和太阳辐射对植被GPP_GS的间接影响均呈非显著负向影响（P≥0.05）.在直接影响和间接影响的综合作用下,降水和最高气温对植被GPP_GS呈不显著正向影响（P≥0.05）,而太阳辐射对植被GPP_GS呈不显著负向影响（P≥0.05）;不同植被类型上,降水是影响栽培植被GPP_GS变化的主要气候因子,最高气温是影响针叶林、阔叶林、灌丛和草丛GPP_GS变化的主要气候因子.④长江中下游地区植被GPP_GS变化主要受最高气温、降水和太阳辐射的直接影响,降水的直接影响对植被GPP_GS变化的主导区域占56.72%.研究结果可为量化长江中下游地区植被固碳潜力和全球气候变化背景下制定因地制宜的生态恢复治理政策提供参考.     

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.     

粤北阔叶人工林和次生林植物多样性与土壤理化性质相关性研究

为提升人工林林分质量,发挥人工林生态效益,以亚热带优良乡土树种壳斗科红锥(Castanopsis hystrix)、乐昌含笑(Michelia chapensis)、深山含笑(Michelia maudiae)人工林和天然次生林为研究对象,分析不同林分林下物种数量、物种多样性指数(Shannon-Wiener指数,Simpson优势度指数,Pielou均匀度指数,Margalef丰富度指数)和土壤理化性质等指标及其差异,明确土壤中制约人工林林下植被多样性的理化性质指标。结果表明,(1)灌木层中,红锥与含笑人工林林下植被Shannon-Wiener指数(1.61±0.51,1.23±0.30)低于天然次生林(1.95±0.40),且二者林下物种成分与天然次生林有显著差异,人工林植物优势种以(Maesa japonica)、石楠藤(Piper puberulum)为主,天然林优势种以广东润楠(Machilus kwangtungensis)、黧蒴锥(Castanopsis fissa)等乔木幼苗为主。草本层红锥与含笑人工林的Shannon-Wiener指数(2.55±0.50,2.53±0.31)高于天然次生林(2.34±0.38)。(2)0-20 cm土层内,有机质、全氮、全磷含量均表现为红锥人工林[(34.74±13.29)g·kg~(-1),(1.56±0.49)g·kg~(-1),(0.43±0.13)g·kg~(-1)]含笑人工林[(28.20±9.97)g·kg~(-1),(1.27±0.34)g·kg~(-1),(0.30±0.10)g·kg~(-1)]天然次生林[(22.78±8.52)g·kg~(-1),(1.07±0.33)g·kg~(-1),(0.25±0.04)g·kg~(-1)];20-40 cm土层内,人工林与天然林土壤有机质、全氮、全磷仍表现为红锥人工林[(24.22±7.51)g·kg~(-1),(1.23±0.32)g·kg~(-1),(0.42±0.11)g·kg~(-1)]含笑人工林[(21.80±8.34)g·kg~(-1),(1.04±0.28)g·kg~(-1),(0.29±0.11)g·kg~(-1)]天然次生林[(16.15±6.42)g·kg~(-1),(0.83±0.23)g·kg~(-1),(0.24±0.04)g·kg~(-1)]。除硝态氮外,其余土壤理化性质均因林分类型不同而呈现显著差异(P0.05)。(3)有机质、氮、磷三者是影响林下植被多样性的关键因子。土壤有机质含量与林下植被多样性的相关性最强(P0.05),氮、磷含量与草本层的相关性显著(P0.05),草本层与灌木层相比,更易受到土壤理化性质的影响。     

顾及空间邻近性的PM_(2.5)暴露评估系统设计与实现

室外PM2.5已成为我国第四位致死风险因子,针对目前PM2.5监测数据稀疏无法帮助居民了解其暴露于PM2.5的强度及所在地健康风险的问题,考虑邻近性模型数据要求低、原理简单的特点,文章借助邻近性模型,结合VC++可视化编程语言,采用组件式GIS平台ArcEngine,基于数据服务层、GIS逻辑层、表现层3层结构思想设计开发了顾及空间邻近特征的PM2.5暴露评估系统。系统主要包括数据预处理、暴露强度区划、受体暴露识别和暴露面积统计4个模块,可在PM2.5监测数据匮乏地区实现区域PM2.5污染暴露强度评估与空间区划、解析受体暴露原因。系统是对我国当前《环境风险评价技术导则》中"受体暴露强度评估"与"受体暴露污染源识别"方法的有益补充,特别是为监测数据缺失地区制定PM2.5污染防治措施和居民规避PM2.5健康风险策略提供了科学依据。     

湖南省土地利用/覆盖变化的生态服务价值时空响应特征

基于1985—2019年长时序遥感数据,定量核算湖南省生态服务价值（ESV）,系统解析土地利用/覆盖变化（LUCC）的影响方式,模拟2030年多情景下ESV的时空演变。结果表明：湖南省LUCC显著,草地面积总体呈现持续下降的趋势,面积减少852.91 km2,不透水面面积持续上升,面积增加3013.77 km2。湖南省ESV整体呈现先上升后下降的倒“V”形变化,总体下降了86.07亿元,主要来自废物处理、土壤形成与保护等功能变化的贡献。LUCC对ESV具有显著影响,主要增益来自退耕还林和退耕还湖,分别增益837.73亿元和111.62亿元;2030年多情景预测显示,在自然发展和经济发展情景下ESV呈现持续下降趋势,在生态保护情景下呈现上升趋势。