基于DEA模型的区域生态环境建设绩效评价——以江苏省苏州市为例 

选取生态系统服务价值、生态绿当量、人均生态足迹赤字和环境质量综合指数作为区域生态环境质量表征指标，借助DEA模型对区域生态环境建设过程中劳动力投入、资金投入、技术投入和资源投入的绩效进行评价，结果表明：（1）苏州市10年来生态环境建设总体而言绩效良好，DEA有效年份占30％，弱有效年份占20％，无效年份占50％，并且无效年份的效率指数都在0.97以上；（2）导致苏州市最近5年生态环境建设DEA无效的原因主要是资源投入不足，生态用地成为区域生态环境建设刚性约束；（3）通过调整生态环境建设要素投入比例，各种生态环境指标值都将有所提高，区域生态环境质量也将显著改善；（4）地区生态环境建设绩效下降还受地区人口数量增加、人均生态占用增长、生态环境累积效应影响。最后从促进区域社会经济与生态环境协调发展的角度提出相关建议。     

水工学的发展趋势——从传统水工学到生态水工学

我国水资源时空分布不均，水污染与水土流失问题突出，仅靠传统水工学的开发与利用不足以解决这些问题，且会给流域生态环境带来不利影响，因此传统水工学的变革是必然的。从解决问题的基本思路出发，将传统水工学与生态水工学的基本理论、研究范围等各方面加以比较，指出在坚持人与自然和谐共处的前提下，坚持可持续发展，遵循生态系统自组织、自修复原理，重视流域整体性，坚持保护生物多样性，并做到较好的亲水性，可以形成完善的生态水工学基本原理。以生态水工学基本原理指导流域开发利用将会取得较好效果，同时,流域生态系统健康诊断、生态水工建筑物设计与管理以及流域受损生态系统的生态恢复与重建应是生态水工学的主要研究方向。     

我国城市住宅室内空气挥发性有机物污染特征

通过调研1990年以来我国城市住宅室内空气污染的研究资料,提炼城市住宅室内空气中挥发性有机物的浓度数据,总结甲醛、苯系物等常见住宅室内挥发性有机物的污染水平和分布规律,并且对主要由装修引起的污染物浓度与装修时间的关系进行了探讨. 分析发现,我国城市居民住宅室内普遍呈现以甲醛、苯、二甲苯等污染物为主的装修型污染,甲醛是首要污染物,ρ(甲醛)平均值为0.05～0.61 mg/m3,ρ(苯)、ρ(甲苯)、ρ(二甲苯)、ρ(乙苯)和ρ(TVOC)平均值分别为0.001~0.134、0.003~0.645、0.001~1.012、0.001~0.091和0.11~1.81 mg/m3. 新装修住宅室内空气中各种污染物均呈现较高的浓度水平,除甲醛外,其他挥发性有机物随着竣工时间的推移而快速下降.      

2013~2014年北京市NO2时空分布研究

根据2013~2014年北京市NO₂监测数据,对比分析了全年及重污染日NO₂时空分布特征.结果表明:2013年NO₂平均浓度为56μg/m³,2014年北京市NO₂年均浓度为56.7μg/m³.年均及重污染日NO₂月均浓度均呈波浪型分布,日变化呈双峰型分布;空间分布上北部及西部山区NO₂浓度明显低于中心城区及南部地区. NO₂浓度与PM_2.5、CO、NO呈正相关关系,与O₃、OX无明显相关性;全年NO₂光解速率峰值平均在0.105/min左右,重污染日光解速率峰值平均在0.026/min左右;全年及重污染期间,氮氧化速率分别为0.142±0.061、0.190±0.036;高浓度NO₂既有利于O₃生成,又对重污染的形成起到了促进作用;重污染日特定条件下北京市NO₂的两种转化机制以转化为NO₃^-过程为主导.经计算2000~2014年北京市机动车的保有量与NO₂浓度的相关系数R为-0.84,机动车NO_x排放量对北京市NO₂浓度的变化有显著的影响.     

北京2011年10月连续灰霾过程的特征与成因初探

选择2011年北京地区灰霾典型发生月——10月,利用在中国环境科学研究院监测的φ(SO₂)、φ(O₃)、φ(NO₂)、φ(CO)、ρ(PM₁₀)、ρ(PM_2.5)、ρ(BC)等数据,对该地区秋季典型灰霾过程特征及成因进行了研究. 在观测期间51.5%的时间内出现了灰霾,其中13.6%属于重度灰霾. 对灰霾期间污染物时间分布特征的分析表明:在灰霾过程中ρ(PM₁)、ρ(PM_2.5)、ρ(PM₁₀)及ρ(BC)较各自月均值的升幅均大于20%,ρ(PM₁)/ρ(PM_2.5)(78.7%)也明显增大.大气能见度的降低与细颗粒物及亚微米颗粒物有直接关系. 对观测期间的气象因素、气体污染物时间序列和颗粒物浓度累积特征的研究表明,10月连续灰霾过程的成因可能是该月频繁出现的鞍型场静稳天气及北京周边地区存在的基数较大的细颗粒物排放源所致.      

2014年春季山东省PM2.5跨界输送研究

利用CAMx模式模拟了2014年春季(3~5月)山东省ρ(PM2.5)浓度空间分布、输送、沉降特征并建立了各市PM2.5跨界输送矩阵.结果表明,山东省ρ(PM2.5)分布呈现明显的空间差异特征,鲁西地区浓度较高,半岛地区浓度较低;垂直方向上ρ(PM2.5)主要集中在2 000 m以下.全省ρ(PM2.5)水平输送通量平均达110μg·(m2·s)-1,全省总沉降量为23.05×104t.全省近地面ρ(PM2.5)外来输送贡献率为21.08%±3.83%,各市外来输送贡献率平均为40.45%±5.96%;随着高度的升高,京津冀、背景及边界等条件对山东省ρ(PM2.5)的贡献率明显上升,分别上升了7.56%、6.18%.     

北京市PM_(2.5)组分SO_4~(2-)浓度的时空分布及来源分析

采用观测与数值模拟相结合的方法并查阅大量文献,系统分析了北京市SO_4~(2-)时空分布、转化及来源特征,结果表明:近年来北京市SO_4~(2-)年均浓度在8.85~25.13μg/m3;2013年北京市SO_4~(2-)浓度整体呈现出重污染日>冬季>春、秋季>夏季的特征,日变化上SO_4~(2-)浓度呈现双峰型分布,空间分布上SO_4~(2-)浓度呈南北梯度分布特征;2013年北京市SOR年均值在0.36~0.44,重污染日SOR平均值在0.40~0.46;2013年北京市年均SO_4~(2-)本地、外来源、背景及边界条件分别贡献34%、57%、9%;重污染日SO_4~(2-)本地、外来源、背景及边界条件分别贡献18%、77%、5%;外来源对北京市SO_4~(2-)浓度起着更为重要的作用。     

苏南经济快速发展区土壤Cu形态含量影响因素定量分

以江苏省昆山市为典型区,定量研究几种因素对农田土壤Cu形态含量的影响。结果表明：1)土壤有效态Cu含量为837 mg/kg,土壤全Cu含量为27.43 mg/kg,土壤Cu的活化率为31.02%;2)土壤重金属Cu各形态含量相对大小为残渣态(13.82 mg/kg)＞有机质结合态(9.42 mg/kg)＞铁锰氧化物结合态(2.79 mg/kg)＞碳酸盐结合态(0.84 mg/kg)、可交换态(057 mg/kg),残渣态含量明显高于其它形态,达47.83%,有机质结合态Cu含量也较高,占全量的36.09%;3)pH值是影响可交换态Cu含量的最主要因素,达极显著负相关水平。全Cu含量是影响碳酸盐结合态Cu含量、铁锰氧化物结合态Cu含量、有机质结合态Cu含量和残渣态Cu含量的最主要因素,达极显著正相关水平;4）全Cu含量是影响可交换态Cu含量的重要因素,达显著正相关水平。pH值是影响碳酸盐结合态含量的相对重要因素。CEC是影响铁锰氧化物结合态Cu含量的重要因素。有机质含量是影响有机质结合态Cu含量的重要因素,达极显著正相关水平。＜0.01 mm黏粒含量是影响残渣态Cu含量的重要因素.     

2014年10月北京市4次典型空气重污染过程成因分析

采用数值模拟与观测资料相结合的方式,对2014年10月北京市4次典型空气重污染过程的大气环境背景、气象条件和形成原因进行了分析. 结果表明,京津冀区域稳定的气象条件是形成空气重污染的主要原因,4次重污染过程大气条件均不利于污染物扩散,表现为大气层结稳定,近地层逆温(平均逆温强度为2.26 ℃/100 m)明显,风速(平均值为1.52 m/s)小,相对湿度(平均值为80.75%)大. 在4次重污染过程中8—11日污染最重,ρ(PM_2.5)日均值平均为264 μg/m3,并且区域输送对北京贡献率最大,平均值为63.75%;24—25日污染程度次之,逆温最强,逆温强度达5.94 ℃/100 m;18—20日重污染中北京ρ(PM_2.5)高值(＞200 μg/m3)区主要集中在该市西北部地区;30—31日污染相对较轻,ρ(PM_2.5)日均值最高只有154 μg/m3. 数值模拟表明,在4次典型重污染过程中,来自南方(包括河北、河南和山西西部等地)的外来污染物输送对北京PM_2.5贡献较大,外来贡献率分别在42.36%~69.12%之间,同时北京本地也存在较强的二次无机盐及有机物转化过程.      

基于COD通量的钱塘江流域水污染生态补偿量化研究

水污染生态补偿是解决流域跨界水污染纠纷的重要措施。以行政单元为补偿主体，通过交界断面水质目标确立上下游政府间的水污染生态补偿责任，建立基于污染物通量的生态补偿量化计算方法，并提出了生态补偿运作模式。以钱塘江流域为例，根据2004年钱塘江流域水质状况，在75%保证率的水文条件下，基于COD通量估算了流域内各县（市）间水污染生态补偿量。结果表明，生态补偿量反映区域污染特点，上游地区基本上都是接受补偿者，而呈结构性污染的地区是生态补偿支付者，部分区域补偿强度超过当地经济发展水平，表明其发展不具有可持续性。钱塘江流域水污染生态补偿模式可以是政府层面上的财政支助，也可以通过项目支持、技术支持等形式实现区域间的补偿。通过生态补偿机制的实施，将对流域水环境保护起到积极的激励作用。