川渝地区甲醛柱浓度时空变化及其影响因子的相关性分析

基于Aura-OMI HCHO数据,研究川渝地区2009—2017年甲醛柱浓度变化及影响因素.结果表明:9年间川渝地区甲醛浓度变化总体较为平稳,与全国其他地区相比,浓度均值较低.年变化中,四川省甲醛浓度整体高于重庆市,川渝两地的年均最高值分别出现在2011年和2012年,且2015年重庆出现最大下降速率.整个研究区在最高值变化中,1月、2月及11月出现极高值.9年间甲醛浓度整体先上升后下降,浓度等级二级一级三级其他级别,绝对高值集中分布在康定和雅安交界一带,季节变化呈现春季秋季夏季冬季的规律,与全国其他地区夏季最高有所不同.稳定性方面,研究区中部偏西波动较大,东西两部较为稳定,康定和雅安交界处为高波动区,川西西部、川东平行岭谷和重庆为低波动区,其他地区为中等波动区.地形、气候和风向等自然因素的综合作用对甲醛浓度值的大小及空间分布贡献极大,自然地理条件尤其与极端高值高且集中的特点关系密切.社会经济因素中,生产总值增长速度和能源消费总量增长率与四川省和重庆市两地的甲醛浓度变化正相关关系较强,木材加工及草制品业与之负相关关系较强,而纺织业、化学原料和化学品制造业、石油和核燃料加工业只与四川省甲醛浓度有较强的负相关性,重庆相对较弱.     

浙江2001—2016年露天生物质燃烧排放污染物时空格局

生物质露天燃烧排放烟气颗粒物对大气环境、生态系统和人类健康有重要影响. 该研究基于MODIS - MCD64A1数据提取2001—2016年浙江省森林、灌丛、草地火灾面积和作物秸秆火点数据,结合植被类型、生物质密度和燃烧效率,运用排放因子法,估算16年间浙江区域露天生物质燃烧排放污染物总量. 结果表明,2001—2016年浙江区域露天生物质燃烧总量为58.78 mt,其中乔木、灌木、草本、水稻、小麦、玉米、豆类和油菜燃烧总量分别为202.18 kt、10.43 kt、300.10 t、46.66 mt、1.94 mt、2.45 mt、3.45 mt和4.06 mt. 森林和秸秆火次数分别为1783次和23257次,森林火灾多集中在浙江南部区域,秸秆火多集中在浙江北部区域. 森林和草地火灾次数主要集中在3月和10月,作物秸秆火点主要集中在5、7和8月份,占全年75%以上. 各污染物CO₂、CO、NO_x、VOCs、PM_2.5、TC、OC和EC排放总量分别为667.20、26.40、1.13、4.92、5.12、2.85、2.59和0.23 mt. 该研究揭示了浙江地区生物质露天燃烧排放污染物的时空变化,为深入揭示生物质燃烧对区域环境影响提供数据支持.     

长江三角洲城市群工业污染时空演化及其驱动因素

基于2003~2015年长江三角洲（以下简称长三角）城市群26个城市工业废水和工业SO₂排放数据,采用标准差椭圆、地理集中指数、工业环境绩效指数、空间形态差异指数等方法从宏观和微观视角对长三角城市群工业污染时空演化进行分析,同时采用对数平均迪氏分解（LMDI）模型对其工业污染排放主要驱动因素进行分解.研究发现：2003~2015年工业废水和工业SO₂排放量分别下降了16.97%和28.79%,但占全国比重仍然较高,尤其是工业废水对生态环境胁迫较大.2种工业污染空间形态均呈现出北（偏西）-南（偏东）的空间分布形态,而2种工业污染重心移动轨迹并不一致,工业废水重心总体上朝向东（偏南）方向迁移了12.85km,而工业SO₂重心总体上朝向西（偏北）方向迁移了26.89km.此外,2种工业污染主要集中分布于长江沿岸城市且污染集中度指数由高到低大致呈半圈层状向周围递减.工业发展与工业污染空间形态演变具有一致性,工业废水重心和工业SO₂重心与工业发展重心距离均在逐渐缩小,而2种工业污染-环境绩效空间分布格局并不完全一致.驱动因素方面,环境规制引起的技术改善效应是工业污染排放量减少的主要原因,而由环境规制引起的产业结构效应对工业污染排放量的影响则取决于区域发展政策,经济发展效应是工业污染排放量增加的主要原因,人口规模效应对工业污染排放量的影响较小.     

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。     

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。     

北京市PM2.5时空分布特征及其与PM10关系的时空变异特征

PM_(2.5)时空分布特征及其与其它污染物的相关关系是PM_(2.5)时空统计分析的主要研究内容.然而,现有的方法直接从监测站点的角度对时空分布特征进行分析,难以有效地揭示PM_(2.5)浓度的聚集分布特征;同时,常用的地理加权回归在对PM_(2.5)与其它污染物间关系进行建模的过程中,缺乏同时考虑时间异质性与空间异质性,从而不能准确地描述依赖关系的时空变异特征.为此,首先借助于空间聚类分析技术,对北京市2014年PM_(2.5)浓度的聚集结构进行探测,在此基础上,通过聚集结构来分析PM_(2.5)季节性时空分布特征.然后,利用地理时空加权回归对北京市PM_(2.5)与PM_(10)季节平均浓度间关系进行建模,依据回归结果分析PM_(2.5)-PM_(10)间关系的时空变异特征.实验结果表明,春夏季节PM_(2.5)污染程度及空间变异程度均低于秋冬季节,各季节PM_(2.5)浓度均表现为北部浓度低、南部浓度高的空间分布特征;地理时空加权回归具有更好的拟合效果,由回归系数进一步可发现,春夏季PM_(2.5)-PM_(10)相关性低于秋冬季PM_(2.5)-PM_(10)相关性;各季节均表现为西北部PM_(2.5)-PM_(10)的相关性高于东南部PM_(2.5)-PM_(10)的相关性.     

山东省O3时空分布及影响因素分析

为认识山东省环境空气中O3的污染现状,基于2015～2019年国省控环境空气自动监测站的O3监测数据、2019～2020年4～9月气象代表站的气象数据及邻近环境空气站的O3监测数据,探究了山东省O3时空分布特征及与气象因素的关系.结果表明,山东省O3污染日益突出,年均ρ(O3-8h)(90百分位)和ρ(Ox)(O3 与NO2之和)升高速率分别为7.6μg·(m3·a)-1和7.0μg·(m3·a)-1,年均ρ(PM2.5)、ρ(CO)(95百分位数)和ρ(NO2)均逐步下降,下降速率均小于ρ(O3)上升速率.03污染呈现夏季高冬季低的"M型"或"倒V型"月变化特征,在6月或9月达到峰值,且污染月呈提前出现趋势.山东省年均ρ(O3-8h)(90百分位)呈现"内陆高,沿海低"的特点,并有区域均匀性发展趋势.相关性分析表明,山东省ρ(O3-8h)总体与日最高温度呈正相关,与相对湿度、气压和风速呈负相关,其中日 最高温度和相对湿度是O3-8h主控气象因子,气象因素对不同城市O3-8h超标率的影响具有显著差异.