我国大气降水中δ18O变化的多气象因子分析及分区研究

分析了我国29个GNIP站1961—2015年逐月降水中δ~(18)O与局地气象要素(近地面的气温、降水量和大气可降水量、外向长波辐射以及500 hPa高度的风速)和大尺度环流因子(Nino 4区海表温度距平及南方涛动指数)的关系,并基于层次聚类分析和逐步回归分析方法,讨论了我国降水中δ~(18)O的分区,计算了区内降水中δ~(18)O依各气象因子的回归方程.结果表明,秦岭-淮河一线南北两侧站点降水中δ~(18)O与气象因子之间的关系差异显著,是我国的一条重要的降水稳定同位素环境效应分界线.我国降水中δ~(18)O可以分为3个区域,即北部区(包括西北和东北地区)、中部过渡区(含华北及青藏地区)和南部区,其中北部区和中部过渡区的分界线大致与我国西北地区和北方地区的分界线吻合,中部过渡区与南部区大体与我国北方地区和南方地区的分界线相一致.不同地区控制降水中δ~(18)O的气象因子存在差异:北部区为温度,中部过渡区为温度、500 hPa高度风速以及外向长波辐射,南部区是500 hPa高度的风速.研究结果对于认识我国大气降水中稳定同位素空间分布的特征及其内在机制具有重要意义.     

常州市冬季大气污染特征及潜在源区分析

为了解常州市冬季大气污染特征,对2013—2015年常州市冬季PM_2.5、PM₁₀、SO₂、NO₂、CO数据进行分析,并结合HYSPLIT 4.9模式研究不同气团来源对常州市各污染物浓度的影响及潜在污染源区分布特征.结果表明,常州市冬季以PM_2.5污染为主,其占冬季首要污染物的90%以上,冬季PM_2.5小时浓度对应的空气质量级别以良和轻度污染出现频次最多,冬季的ρ（PM_2.5）对ρ（PM_2.5）年均值的贡献率高达37.4%,不完全燃烧是颗粒物的一个重要来源.冬季ρ（PM_2.5）、ρ（PM₁₀）、ρ（SO₂）、ρ（NO₂）和ρ（CO）的日变化均呈双峰分布,两个峰值分别出现在交通的早高峰和晚高峰附近.ρ（NO₂）在晚高峰明显大于早高峰,而ρ（SO₂）和ρ（CO）表现为早高峰大于晚高峰.常州市CO/NO_x和SO₂/NO_x的分析结果表明,常州市交通源的贡献明显,点源对常州市的空气质量的影响也较大.1和6 h的ρ（PM_2.5）梯度变化可判识细颗粒物的爆发性增长.冬季常州市受到西北、西和西南等地区的大陆性气流影响较大,其对应的ρ（PM_2.5）、ρ（PM₁₀）、ρ（SO₂）、ρ（NO₂）和ρ（CO）平均值相对较高,且对应的污染轨迹出现概率较大.偏东方向的气流由于移动速度慢,不利于污染物扩散易造成污染累积,导致ρ（PM_2.5）、ρ（SO₂）和ρ（NO₂）相对较高.WPSCF（源区分布概率）高值区（>0.5）集中于从芜湖至上海的长江中下游区域和杭州湾区域.PM_2.5、PM₁₀、SO₂、NO₂和CO潜在源区存在较大差异性,NO₂、SO₂和CO本地化的潜在贡献较PM_2.5和PM₁₀更明显.此外,受船舶等影响海洋源区对NO₂、SO₂和CO的潜在贡献较大.研究显示,长三角区域的大气污染物以本地污染为主,但远距离污染输送贡献也不容忽视.      

亚青会期间南京大气PM_(2.5)中重金属来源及风险

为探究亚青会期间南京奥体中心附近大气PM2.5中重金属来源及潜在的健康风险,于2013年8月3~28日对PM2.5中重金属元素V、Cr、Mn、Fe、Co、Ni、Cu、Zn、As、Cd、Sn、Sb和Pb进行了观测分析.结果表明:受亚青会污染源调控和气象要素影响,亚青会前、中、后不同时期重金属浓度存在差异,亚青会期间各重金属的浓度均值低于亚青会前期.富集因子分析显示Cu、Zn、Cd、Sn、Sb和Pb为重度富集元素,污染程度为CdCuZnPbSbSn.聚类分析表明工业排放、燃煤、道路尘和机动车尾气排放是这些重金属的主要来源.亚青会期间,PM2.5中各重金属通过呼吸途径对运动员造成的非致癌风险均小于1,5种致癌重金属的风险指数均低于致癌风险阈值范围.     

Modeling level-of-safety for bus stops in China

Objective: Safety performance at bus stops is generally evaluated by using historical traffic crash data or traffic conflict data. However, in China, it is quite difficult to obtain such data mainly due to the lack of traffic data management and organizational issues. In light of this, the primary objective of this study is to develop a quantitative approach to evaluate bus stop safety performance.

Methods: The concept of level-of-safety for bus stops is introduced and corresponding models are proposed to quantify safety levels, which consider conflict points, traffic factors, geometric characteristics, traffic signs and markings, pavement conditions, and lighting conditions. Principal component analysis and k-means clustering methods were used to model and quantify safety levels for bus stops.

Results: A case study was conducted to show the applicability of the proposed model with data collected from 46 samples for the 7 most common types of bus stops in China, using 32 of the samples for modeling and 14 samples for illustration. Based on the case study, 6 levels of safety for bus stops were defined. Finally, a linear regression analysis between safety levels and the number of traffic conflicts showed that they had a strong relationship (R² value of 0.908).

Conclusions: The results indicated that the method was well validated and could be practically used for the analysis and evaluation of bus stop safety in China. The proposed model was relatively easy to implement without the requirement of traffic crash data and/or traffic conflict data. In addition, with the proposed method, it was feasible to evaluate countermeasures to improve bus stop safety (e.g., exclusive bus lanes).     

基于卫星遥感的海南地区对流层NO2长期变化及成因分析

利用OMI卫星反演的较高分辨率(0.125°×0.125°)对流层NO_2(Tro NO_2)柱浓度数据,分析了近12年海南岛TroNO_2柱浓度的时空变化,同时,结合MODIS卫星反演的气溶胶光学厚度(AOD)资料、海口市空气质量指数(AQI)、GDP、SO_2排放总量,以及民用汽车保有量等探究其长期变化与成因.结果表明:海南地区TroNO_2柱浓度空间分布表现为北半部高于南半部、四周沿海高于中部山区的特征,其中,北部地区最大值可达20×1014molec·cm~(-2)以上.近12年来海南地区TroNO_2柱浓度表现为上升的变化趋势.季节变化表现为冬季高于夏季,夏季浓度偏低和雨水的冲刷作用有关,而冬季偏高与旅游过冬人口增多和外源输送作用有密切联系.四季TroNO_2柱浓度均有不同程度的上升,而且季节差异在2010年以后有增大的趋势.海南地区TroNO_2柱浓度分布与岛上经济水平和人口分布关系密切,海南地区民用机动车拥有量近10年呈现快速的增加趋势,机动车尾气NO_2排放也不容忽视.     

Interpretation of black sea sediments analytical data by the clustering approach

Analytical data consisting of chemical concentration of 11 inorganic components in 20 sampling stations from sediments collected from south‐western part of the Black Sea are treated by cluster analysis. The clustering reflects quite satisfactorily the relations between sampling zones and between chemical elements revealing new chemical and geochemical information.     

Application of chemometric analysis based on physicochemical and chromatographic data for the differentiation origin of plant protection products containing chlorpyrifos

The aim of this study was to investigate the similarities and dissimilarities between the pesticide samples in form of emulsifiable concentrates (EC) formulation containing chlorpyrifos as active ingredient coming from different sources (i.e., shops and wholesales) and also belonging to various series. The results obtained by the Headspace Gas Chromatography–Mass Spectrometry method and also some selected physicochemical properties of examined pesticides including pH, density, stability, active ingredient and water content in pesticides tested were compared using two chemometric methods. Applicability of simple cluster analysis and also principal component analysis of obtained data in differentiation of examined plant protection products coming from different sources was confirmed. It would be advantageous in the routine control of originality and also in the detection of counterfeit pesticides, respectively, among commercially available pesticides containing chlorpyrifos as an active ingredient.     

胶束毛细管电动色谱法研究兰属品种间的亲缘关系

用胶束毛细管电动色谱技术对兰属植物的种质资源多样性及品种间的亲缘关系进行研究．１３个兰属品种的ＣＥ－ＳＤＳ电泳图谱中，共出现３４个蛋白质标记峰，全部为多态性峰，每个样品均有１～２个主峰．邻体聚类结果与形态学分类结果不完全一致．种间的亲缘关系与传统的形态学分类法一致，但建兰种内各品种的聚类不明显     

珠江三角洲区域污染分布及其垂直风场特征

基于2014年4月~2015年3月珠江三角洲(珠三角)56个环境监测子站以及9个城市的逐时PM2.5浓度数据,对珠三角地区的颗粒物污染进行了系统聚类分析和相关性分析.结果表明,珠三角地区PM2.5的区域污染可分为3种类区,一为东莞、广州、佛山以及江门(Ⅰ型);二为中山、珠海、深圳、惠州(Ⅱ型);三为肇庆单独为一类(Ⅲ型).其在一年中所出现的天数分别为47、7和128 d.Ⅰ型污染时,除珠海、深圳和惠州外,其他城市的PM2.5浓度普遍较高;Ⅱ型污染时,整个珠三角地区的PM2.5浓度均要高于50.0μg·m-3;Ⅲ型污染时,PM2.5浓度较高的区域主要集中在肇庆、广州以及佛山地区.同时利用珠三角地区4台主要的风廓线雷达数据研究3种污染类型所对应的垂直风场特征发现:Ⅰ型与Ⅲ型污染状况所对应的风廓线相似,低层受东南风控制,高层为西南风,Ⅲ型的风速大于Ⅰ型风速,而Ⅱ型污染时的风速明显大于其他两种类型,其低层几乎均受偏北风影响,而高层则受偏西风的影响.Ⅱ型污染所对应的边界层中低层的风向变化很小,而其他两类则有一定的变化.同时Ⅱ型的通风量要明显大于其他两种类型,其中Ⅰ型的通风量最小.珠三角受偏北风作用时,整个珠三角的PM2.5浓度较高;当盛行东南风时,Ⅰ、Ⅱ区的PM2.5浓度相对较低,而Ⅲ区的污染相对较重.     

重庆市冬季PM_(2.5)及气态污染物的分布特征与来源

利用重庆市大气污染物监测站2013年冬季(2013年11月—2014年1月)的实测数据,分析PM2.5及相关气态污染物(SO2、NO2、O3)的时空特征,并采用轨迹聚类与PSCF(潜在源贡献因子)分析污染物来源.结果表明:除ρ(O3)以外,其他3种污染物质量浓度的月际变化趋势基本一致,均呈12月升高、1月降低的特征;污染物空间分布不均,其中ρ(PM2.5)和ρ(NO2)在工业区和人口密集区较高,ρ(SO2)南高北低,ρ(O3)城区低于郊区.ρ(SO2)、ρ(NO2)与ρ(PM2.5)均呈显著正相关,其中ρ(SO2)与ρ(PM2.5)的R(相关系数)在城、郊区分别为0.71、0.65,ρ(NO2)与ρ(PM2.5)在城、效区的R分别为0.73、0.56;而ρ(O3)与ρ(PM2.5)未表现出显著相关.ρ(SO2)、ρ(NO2)与ρ(PM2.5)的相关性高低可在一定程度上说明二次气溶胶的污染程度,ρ(O3)与ρ(PM2.5)的相关性受到PM2.5来源和污染程度的影响.轨迹分析结果显示,重庆市2013年冬季主要受东北方向气流影响;聚类分析表明,重庆市11月没有表现出明显的PM2.5外来输送特征,但12月和1月的PM2.5外来输送特征明显,并且不同方向的气流污染物浓度差异也较大.PSCF分析发现,重庆市冬季PM2.5、SO2、NO2、O3主要来源于本地和周围城市局地传输,同时还受南宁、贵阳、遵义、达州等地的影响.