重庆市大气主要污染物特征分析

基于环境空气质量监测数据,分析了各项污染物时间变化特征,并利用SPSS 19.0软件进行相关性分析和主成分分析。结果表明:SO_2和CO污染较轻,NO_2浓度水平较高,O_3和PM_(2.5)污染相对严重。SO_2和O_3呈现"单峰型",NO_2、CO、PM_(10)、PM_(2.5)呈现"双峰双谷型"的日变化特征。SO_2、NO_2、CO、PM_(10)和PM_(2.5)呈"U型",O_3呈现倒"U型"季节变化特征。PM_(10)、PM_(2.5)与SO_2、NO_2、CO,SO_2与NO_2、CO,NO_2与CO呈现正相关;NO_2、CO与O_3呈现负相关。主成分分析法结果显示第1个因子为PM_(10)、PM_(2.5)、NO_2,第2个因子为O_3。     

"水十条"对北京市地表水环境质量改善分析

为深入分析"水十条"对北京市地表水环境质量状况的影响程度,选取2014—2017年间全市地表水逐月监测数据,从水质类别、污染物浓度和总量减排等角度进行综合分析。结果显示:"水十条"的实施有效改善了北京市地表水环境质量,改善水体主要为劣Ⅴ类和Ⅳ～Ⅴ类水体;全市氨氮(NH_3-N)和高锰酸盐指数(COD_(Mn))浓度分别降低55. 9%和25. 9%,月际间变化规律由U型分布转变为整体下降趋势,其中以再生水、再生水和污水混合水为水源的河流改善幅度较大;污染物总量控制成效显著,"水十条"的实施加速了水劣化足迹的下降。因子分析结果显示:城市、农村和自然为影响北京地表水水质的主要因素。其中,城市化水平与污染物浓度呈显著负相关关系,增加生态用水、加强农业污染源和城市非点源的治理力度将推进首都水环境状况的持续改善。     

成都市气态污染物NO2、SO2与大气颗粒物相关性分析

以成都市为例,研究气态污染物NO_2、SO_2与大气颗粒物之间的相关性。以2014—2016年成都市8个监测站3种污染物(PM_(2. 5)、NO_2、SO_2)的监测数据做统计数据分析,包括趋势分析和相关性分析。分析结果表明:PM_(2. 5)与SO_2和NO_2的关系密切,3种污染物之间总体呈现一致的季节性变化规律,即春、冬高,夏、秋低,且呈现不同的空间变化规律;在重度雾霾条件下,PM_(2. 5)与SO_2的关系较其他污染物密切,但在空气质量条件较好的情况下,PM_(2. 5)与NO_2的关系较其他污染物密切。这说明SO_2对雾霾的形成有着关键作用,特别是在SO_2突然变化的情况下更为明显。因此,未来研究需重点关注SO_2的来源及其清单的准确估算,这对于雾霾的控制异常关键。     

内梅罗指数法在北戴河国家湿地公园水质评价中的适用性分析

为了探究内梅罗指数法在北戴河国家湿地公园水质评价中是否合理有效,应用修正前后的内梅罗指数法对北戴河国家湿地公园水质进行评价。结果表明:修正前后的内梅罗指数法在水质评价上有所差异,内梅罗指数与综合水质标识指数和营养状态指数均有较好的相关性,其中修正内梅罗指数Ⅱ与综合水质标识指数和营养状态指数相关性最佳,相关系数分别为0. 84、0. 762。通过对比分析,修正内梅罗指数法Ⅱ在北戴河国家湿地公园水质评价中具有更好的适用性。     

乌鲁木齐市散煤燃烧大气污染物排放清单及时空分布特征

为研究乌鲁木齐市散煤燃烧对大气污染物的贡献情况,根据实地调研收集到的散煤燃烧活动水平数据,利用排放因子法建立2015年乌鲁木齐市散煤燃烧PM_2.5、SO₂和NO_x的排放清单,利用ArcGIS空间分析工具进行空间分布特征分析,使用蒙特卡罗方法进行不确定性分析.结果表明:2015年散煤燃烧排放PM_2.5、SO₂、NO_x分别为1.70×104、4.13×104、2.80×103 t.PM_2.5和SO₂排放的主要贡献区域为乌鲁木齐县,分别占排放总量的27.35%和26.23%,这是由于乌鲁木齐县社区居民和大棚种植耗煤量较大所致;NO_x排放的主要贡献区域为米东区,贡献率高达28.03%,这是因为米东区社区居民所用炉灶为手动炉排层燃炉灶,其排放因子较大所致.空间分布特征表明,污染物主要分布在米东区南部、沙依巴克区北部及乌鲁木齐县中部.不确定性分析表明,村庄、社区、大棚种植、商业和事业单位在95%的置信区间时不确定性分别为-69%~165%、-57%~116%、-68%~171%和-67%~165%.蒙特卡罗预测结果（平均值）高于排放清单的计算结果.研究显示,乌鲁木齐市散煤燃烧对污染物排放贡献较大,并且具有明显的季节性和区域性特征.      

黄土丘陵沟壑区生态风险时空动态及其风险分区—以陕西省米脂县为例

目前,黄土丘陵沟壑区等生态脆弱区生态风险评估已成为地理学与生态学应对生态系统管理的研究热点之一。以黄土丘陵沟壑区米脂县为研究区,构建“风险概率—敏感性—损失度”（PSI）的三维评价框架,并以子流域为评价单元进行数据整合,分析了米脂县2009-2015年准则层与综合生态风险的时空分异及其重心转移,并基于风险主导因子给出米脂县风险防范分区及降险对策。结果如下：（1）2009-2015年风险概率分别为49.93%、52.92%,有上升趋势;生境敏感性分别为0.61、0.60,下降了1.6%,生境质量趋好;损失度分别为0.42、0.46,损失度增加。（2）生态风险呈现中间高南北低的空间分布;研究期间生态风险值分别为0.14、0.15,风险有所升高;风险重心向西南转移跃入银州川道且风险演化主体方向为西北—东南走向。（3）风险预警区、生态恢复区、预警恢复兼顾区、自然调控区面积占比分别为7.53%、6.57%、23.86%、62.04%。基于风险主导因子的风险防范分区可有效进行风险消解,促进区域生境的可持续。     

黄河流域空气质量时空分布及影响因素分析

本文基于2015—2018年空气质量监测数据,研究了黄河流域空气质量的时空变化特征,量化分析了影响黄河流域空气质量空间分布的主要因素。结果表明:(1)2015—2018年,黄河流域空气质量总体趋于改善,除O3-8h外,PM2.5、PM10等污染物浓度均不同程度下降;(2)空气质量不达标天数未有明显减少,以O3-8h为首要污染物的持续时间明显延长,并且污染天数与PM2.5的差距逐渐缩小;(3)PM2.5、PM10浓度呈现东高西低的分布格局,O3-8h污染区域逐渐扩大并呈持续连片分布,热点城市主要分布在流域下游,冷点城市主要分布在流域上游;(4)平均气温、平均风速、人口密度和城镇居民人均可支配收入是影响PM2.5空间分布的主要因素;地形起伏度、降水量、平均气压和人口密度是影响PM10空间分布的主要因素,累积解释率为65.9%;平均气压、地形起伏度、日照时间和平均风速是影响O3-8h空间分布的主要因素。     

太行山脉不同量级降雨侵蚀力时空变化特征

基于太行山脉及其周边地区76个气象监测站点1954-2016年逐日降雨数据,建立了基于不同量级侵蚀性年降雨量模拟年降雨侵蚀力的简易模型,并采用气候倾向率、小波周期分析、重心模型、Co-Kriging插值、Mann-kendall非参数趋势检验以及突变分析等方法,分析了不同量级降雨侵蚀力时空变化特征及其影响因素。结果表明：（1）太行山脉地区年降雨侵蚀力简易模型为y=0.182x₁^1.095+5.463x₂^0.982+9.401x₃^1.017+15.258x₄-26.753,且多年降雨侵蚀力呈小幅上升趋势,10年间上升了2.4 MJ·mm·hm^-2·h^-1·a^-1,同时存在约20年的主周期和6年的小周期变化,并在1996年发生显著突变;中雨和大雨侵蚀力63年间均呈上升趋势,而暴雨和特大降雨侵蚀力呈下降趋势;春秋两季主要受中雨和大雨侵蚀力的影响,而夏季则主要受特大降雨侵蚀力的影响。（2）太行山脉地区各量级降雨侵蚀力最大值主要分布于太行山脉东南部以及五台山地区,最小值主要分布于地区的东北部;运用重心模型发现各量级降雨侵蚀力重心在春夏季节整体向东部以及东北部地区进行迁移,而秋冬季节则向南部以及西南地区迁移,形成一个循环,且与冬夏季风的控制时间相符。（3）太行山脉地区不同量级降雨侵蚀力与侵蚀性降雨量均呈显著正相关（P<0.01）,大雨和特大降雨侵蚀力分别与纬度、海拔呈显著负相关（P<0.05）,这主要与副热带高压移动、地形、海拔以及自然地理环境等因素有关。     

2002-2017年葠窝水库及入库河流水质相关性分析和影响因素

葠窝水库是辽宁省重要的水源地,水质长期处于GB 3838—2002《地表水环境质量标准》Ⅲ～Ⅳ类。目前,库区与入库河流之间相关性及主要影响因子尚不明确,因此,运用相关性分析及主成分分析法(PCA)对水库及4条入库河流在2002—2017年期间主要水质参数变化趋势、相关性及影响因素进行分析。结果表明:氨氮、石油类和挥发酚为研究水体主要污染指标,自2013年始均有所好转;库区与4条入库河流有显著相关性,3个典型区域中,河流上游区主要污染源为农业面源和生活源;下游区和库区主要污染源为农业面源和工业源,建议加强点源控制和面源削减来改善水质。     

基于GIS的甘肃省城市PM2.5的时空分布特征研究

文章基于2015～2017年3年来甘肃省国控监测站的PM_(2.5)数据,采用GIS的空间分析方法,揭示甘肃省城市PM_(2.5)的时空分布特征。结果显示:近年来甘肃省城市空气中PM_(2.5)的整体呈下降趋势,且呈现明显的季节变化特征;根据季节变化特征分析,扬尘在甘肃西部地区的PM_(2.5)数值中的贡献率较大;甘肃省冬季城市的PM_(2.5)严重超标; PM_(2.5)高浓度集聚地带主要位于兰州市附近,以兰州市为中心,表现出以兰白都市经济圈向四周减弱的趋势。