三江平原地貌因子及其主要环境地质问题

地貌因子有其不可替代的作用和功能,是决定环境的主要因子,是生态地质环境中最积极最活跃的主导支力条件;是生态平衡的重中之重;是生态地质环境的基础,并影响其它因子或成份.如地貌因子或成份发生了变化,其它因子或成份就会发生一系列连锁反应;地貌因子发生变化或失去平衡,其它因子也会发生变化或失去平衡.文本论述了三江平原地貌特征,详细地分析了地貌的作用,阐明了有关地貌的主要环境地质问题.     

组态视角下协同创新驱动城市土地绿色利用效率提升的路径选择北大核心CSCDCSSCI

创新驱动发展战略下协同技术创新是提升城市土地绿色利用效率的重要手段。在理论层面从环境、投入、产出和互动四个维度构建协同创新影响城市土地绿色利用效率的整合性框架后,以中国284个城市为案例,运用模糊集定性比较分析法探讨协同创新驱动城市土地绿色利用效率提升的多元实现路径。研究表明:①单个协同创新条件的一致性水平位于0.4928~0.8388范围内,表明单个条件均不构成影响城市土地绿色利用效率的必要条件。②条件组合的充分性分析显示,创新环境、创新投入、创新产出和协作互动条件“多重并发",形成协同创新驱动城市土地绿色利用效率提升的4种路径,具体归纳为投入主导型、区域互动支撑下的资本赋能型及环境和投入连接下的主体互动转化型3种差异化模式。③条件因素的普适性和替代性分析显示,经济软环境、人力资本投入和物质资本投入是影响高水平城市土地利用效率最具有普遍性的因素,成果市场化和区域互动之间存在替代关系。④囿于各地区经济发展水平和资源稟赋,中国东、中、西部地区协同创新对城市土地绿色利用效率的驱动路径呈现出显著异质性特征。地方政府应根据自身发展特点和资源禀赋,从组态视角着力于多重协同创新条件的适配以“因地制宜"地制定城市土地绿色高效利用政策和措施。     

亚热带稻田土壤碳氮磷生态化学计量学特征

为了解稻田土壤中是否存在稳定的土壤有机碳(C)、氮(N)和磷(P)比值,基于亚热带区110个水稻土剖面和587个发生层的土壤调查数据库,在区域尺度上分析了典型水稻土C∶N∶P比值的生态化学计量学特征,并应用相关分析和冗余分析,研究水稻土C∶N∶P比值与土壤-环境因子(地形和母质、土壤发生层、土壤类型和土壤理化性质)的关系.结果显示,亚热带区稻田土壤C∶N、C∶P和N∶P的剖面加权平均值分别为12. 6、49和3. 9,C∶N∶P为38∶3. 2∶1.不同母质起源、不同土壤亚类和不同发生层的水稻土C∶N变异相对较小;但C∶P和N∶P的变异很大,两者均值也远低于全球(186和13. 1)和中国土壤(136和9. 3)的C∶P和N∶P的平均水平.尽管稻田土壤剖面的C∶N∶P相对不稳定,但由于稻田表土生物与环境相互作用强烈,表土C∶N相对稳定(14. 2).这反映长期水耕熟化作用下,稻田表土中C和N仍存在紧密的耦合作用.然而,在稻田土壤剖面上,C∶P和N∶P并不稳定,SOC与全P含量、全N与全P含量也无显著相关性,表明环境变化可能导致土壤C∶N∶P解耦.地形、土壤质地、氧化铁和容重是调控稻田土壤剖面C∶N∶P的关键土壤环境因子.     

郑州市春季大气污染过程VOCs特征、臭氧生成潜势及源解析

利用GC5000在线气相色谱仪于2018年4月15日～5月15日对郑州市城区环境大气挥发性有机物(VOCs)进行监测,开展其污染特征、臭氧生成潜势(OFP)和来源解析研究.结果表明,监测期间,郑州市春季VOCs平均体积分数为40.26×10~(-9),非污染日和污染日VOCs平均体积分数分别为35.82×10~(-9)和44.12×10~(-9),污染日相较非污染日增长23%;VOCs物种对OFP的贡献表现为烯烃芳香烃烷烃炔烃;源解析结果显示监测期间郑州市VOCs主要来源是LPG源(66.05%)、机动车源(47.39%)、工业溶剂源(37.51%)、燃烧源(37.80%)和植物排放源(11.25%),且污染日的LPG源和植物排放源的贡献率较非污染日增长22.92%和68.50%.     

北京市农业机械排放因子与排放清单

利用车载排放测试技术对典型的联合收割机、拖拉机、农用运输车和农田建设机械实际工况下的尾气进行测试,建立了实际工况下农业机械的排放因子和2017年北京市农用机械排放清单.结果表明,不同的工作状态对农业机械尾气排放有较大的影响,怠速和行走时CO、NO_x、HC和PM排放趋于平稳;而切地和翻地模式下的波动较为明显.根据各类机械的分类和排放标准对排放因子进行细化,建立了较为完整的实际工况下的排放因子.根据农业机械排放因子和燃油消耗量计算出2017年北京市CO、NO_x、HC和PM的排放量分别是2 566.60、 1 239.29、 563.08和538.32 t.拖拉机、运输机械和联合收割机的污染物总量占CO、NO_x、HC和PM这4种污染物总量的98%、 95%、 95%和98%.因此,农用拖拉机、运输机械和联合收割机在农业机械污染减排中应作为重点控制对象.     

北京南部城区PM2.5中碳质组分特征

为了解《大气污染防治行动计划》实施后北京市大气PM_2.5中碳质组分特征,于2017年12月至2018年12月在北京污染较重的南部城区进行了PM_2.5连续采样,对其中的有机碳（OC）和元素碳（EC）进行了全面研究.结果表明,北京大气PM_2.5、OC和EC浓度变化范围分别为4.2~366.3、0.9~74.5和0.0~5.5 μg ·m^-3,平均浓度分别为（77.1±52.1）、（11.2±7.8）和（1.2±0.8）μg ·m^-3,碳质组分（OC和EC）整体占PM_2.5的16.1%.OC质量浓度季节特征表现为：冬季[（13.8±8.7）μg ·m^-3] > 春季[（12.7±9.6）μg ·m^-3] > 秋季[（11.8±6.2）μg ·m^-3] > 夏季[（6.5±2.1）μg ·m^-3],EC四季质量浓度水平均较低,范围为0.8~1.5 μg ·m^-3.二次有机碳（SOC）年均质量浓度为（5.4±5.8）μg ·m^-3,四季贡献比例范围为45.7%~52.3%,年均贡献为48.2%,凸显了二次形成的重要贡献.随污染加重,尽管OC和EC贡献比例均降低,但浓度水平却成倍升高,OC和EC浓度在严重污染天分别是空气质量为优天的6.3和3.2倍.与非供暖时段相比,供暖时段PM_2.5、OC和SOC浓度分别增加了14.4%、47.9%和72.1%,体现了OC对供暖季PM_2.5污染的重要贡献.PSCF分析表明,位于北京西南的山西省和河南省部分区域是PM_2.5和OC的主要潜在源区,且PM_2.5潜在源区更为集中;EC的PSCF高值（>0.7）区域较少,主要位于北京南部,如山东省和河南省部分地区,且北京市及周边地区贡献明显.     

华北区域点冬季二次有机气溶胶特征与影响因素

为探明二次有机气溶胶(SOA)的污染特征和影响因素,本研究于2018年11月—2019年1月对华北区域点(德州市郊区点)细颗粒物(PM_(2.5))的化学组成进行了在线测量,并分析了PM_(2.5)中有机碳(OC)、元素碳(EC)和水溶性离子组分的污染特征及PM_(2.5)与气象要素之间的相关性.结果表明,观测期间德州PM_(2.5)污染严重,平均质量浓度为(115.6±24.6)μg·m~(-3);其中,有机碳和元素碳是PM_(2.5)的主要成分,平均质量浓度分别为(8.2±5.8)μg·m~(-3)和(2.6±2.2)μg·m~(-3),占PM_(2.5)总质量的7.1%和2.2%;PM_(2.5)与风速呈负相关,与相对湿度呈正相关,与气温的相关性较差,偏北风对PM_(2.5)浓度影响较大.同时,本研究利用EC示踪OC/EC比值法对PM_(2.5)中的二次有机碳(SOC)进行了估算,通过估算得到的SOC结果表明,华北区域点冬季SOC是OC的重要组成部分,平均浓度为(4.0±2.9)μg·m~(-3),占OC的45.7%,SOC在白天占比较高(62.7%),早晚由于有局地生物质燃烧影响,SOC占比降低,约占OC的42.7%.本研究还分析了SOC生成的影响因素,分析了德州市冬季O_3、含水量、酸度与SOC的相关性.结果表明,SOC受臭氧浓度影响,但在白天和夜晚表现出不同的相关关系,可能存在不同的生成机制.最后,利用ISORROPIA模型估算了颗粒物的含水量和酸度,发现SOC在高含水量和低含水量下存在不同的关系,高含水量更能促进SOC生成;在高含水量下SOC与H~+具有显著相关性,但在低含水量下则不相关,表明颗粒物含水量较高、H~+浓度较高情况下液相酸催化反应可能对SOC具有重要贡献.