甘肃南部典型城镇PM2.5浓度及水溶性离子特征分析

为研究甘肃南部城镇PM_2.5及水溶性离子（WSIIs）浓度水平,于2019年4月—2020年2月在甘肃成县按季度进行PM_2.5样品采集,分析了其变化特征,并运用相关和主成分分析法进行来源解析.结果表明：采样期间甘肃成县PM_2.5年平均质量浓度为（57.2±26.9） μg·m^-3,表现为冬季>春季>秋季>夏季的季节变化特征,冬季质量浓度约为夏季的1.9倍,全年空气质量优良率为81%,其中夏季达100%.WSIIs质量浓度呈现SO₄^2->NO₃^->Na⁺>NH₄⁺>Ca²⁺> K⁺>Cl^->Mg²⁺的特征.SNA是浓度水平最高的3种水溶性离子,占8种主要水溶性离子浓度的70.1%.ρ（NO₃^-）/ρ（SO₄^2-）平均值为0.6,表明工农业生产及化石燃料燃烧排放等固定源是颗粒物污染的主要来源.新型冠状病毒疫情期间人员管控对PM_2.5和水溶性离子中SNA质量浓度影响显著,PM_2.5平均质量浓度降幅达44.2%.源解析表明,PM_2.5中WSIIs主要来自化石燃料燃烧、生物质燃烧及二次源和道路建筑扬尘等.     

农业土地利用转变对土壤团聚体组成及碳、氮含量的影响

为探究农业土地利用转变对土壤团聚体组成、稳定性及有机碳（SOC）、全氮（TN）含量变化的影响,选取玉米地、玉米地转变为姜地、稻田和稻田转变为姜地4种农业土地利用类型为研究对象,对土壤水稳性团聚体的组成、稳定性及SOC、TN含量进行测定与分析.结果表明： ①玉米地转变为姜地后,>0.25 mm粒级的大团聚体减少21.48%（p<0.01）,>0.25 mm稳定性团聚体的含量（DR_0.25）显著降低53.39%;稻田转变为姜地后,大团聚体差异不显著,<0.053 mm粒级的粉黏团聚体增加8.93%（p<0.01）;冗余分析和相关分析表明,土壤含水量是团聚体组成和 稳定性的重要影响因素;②玉米地转变为姜地后,0.25~1 mm粒级团聚体中SOC、TN含量分别减少52.68%、50.98%,粉黏团聚体（<0.053 mm）中SOC和TN含量增加约2倍（p<0.01）;稻田转变为姜地后,>0.25 mm的大团聚体和0.053~0.25 mm的微团聚体中的SOC、TN含量均减少（p<0.05）,其中,大团聚体碳氮比与团聚体组成和稳定性存在相关关系（p<0.05）;③所有处理均为大团聚体SOC、TN贡献率最高,转变后的姜地较玉米地、稻田的土壤粉黏团聚体的SOC、TN贡献率显著增加,尤其是较玉米地的粉黏团聚体SOC、TN贡献率增加3倍（p<0.01）;④平均质量 直径（MWD）和几何平均直径（GMD）与大团聚体的SOC、TN含量呈显著正相关（p<0.05）,分形维数（D）与MWD及1~2 mm粒级大团聚体的SOC、TN含量呈显著负相关（p<0.01）,DR_0.25与大团聚体的SOC、TN含量呈显著正相关（p<0.01）.总体上,玉米地和稻田两种用地转变为姜地后,土壤团聚体的组成发生较大变化,团聚体稳定性变化虽不显著,但大团聚体中SOC、TN含量降低,粉黏团聚体中SOC、TN含量增加.本研究的开展对农田科学管理和可持续生产具有重要的指导意义.     

森林保险支付意愿及影响因素分析——基于异质性营林主体视角

基于期望效用函数理论分析了异质性营林主体的森林保险支付意愿及差异,并以传统小林农和新型林业经营主体为研究对象,以福建省382户传统小林农和88户新型林业经营主体的调研数据为基础,综合运用条件估值法、卡方检验及Cox比例风险模型,对异质性营林主体的森林保险支付意愿与差异及支付意愿影响因素进行对比与分析。研究表明：传统小林农和新型林业经营主体的森林保险意愿支付水平存在显著差异,在1000~2500元/亩保障水平下,传统小林农的意愿支付水平分别为1.911元/亩、2.941元/亩、3.532元/亩及3.979元/亩,新型林业经营主体为1.632元/亩、3.971元/亩、5.809元/亩及6.864元/亩;两类营林主体的支付意愿均随保额的提高而提高,但新型林业经营主体的提升幅度远高于小林农。异质性营林主体的森林保险支付意愿影响因素也存在明显差别,这与其在森林保险认知特征、林业生产经营特征、林业灾损特征、森林保险产品评价特征等方面存在显著差异有关。此外,林地面积对两类营林主体支付意愿均具有显著影响,规模化、集约化的林业生产经营可促进林业经营主体的森林保险愿意支付水平。     

基于无人机影像的城市植被精细分类

针对传统植被资源调查方法工作量大、成本高、效率低的问题,利用高分辨率无人机遥感影像,联合地物光谱-纹理-空间信息,构建了一种适用于描述城市不同植被种类的多维特征空间,在此基础上对三种应用广泛的分类算法(基于像素的、面向对象的支持向量机及深度学习Mobile-Unet语义分割模型)开展了对比分析研究.结果表明:本文提出的联合地物光谱-纹理-空间信息的特征空间构建方法能够有效地描述城市不同类型植被的特征差异,提升影像分割、植被分类的精度;在分类精度上,基于像素和面向对象的支持向量机分类结果的总体精度均超过90%,深度学习方法的总体分类精度为84%;在算法效率上,传统机器学习方法也优于深度学习方法.因此,得出结论针对城市小区域、小样本的植被精细分类,传统机器学习分类方法比深度学习方法效果更好.     

南京秋冬季非难熔性亚微米颗粒物来源解析

利用Aerodyne高分辨率飞行时间气溶胶质谱仪（HR-ToF-AMS）对南京北郊秋冬季非难熔性亚微米气溶胶（NR-PM₁）的化学组分（包括有机物、硝酸盐、硫酸盐、铵盐和氯化物）和特征进行实时在线监测,并利用多元线性模型（ME-2）对其中复杂的有机物进行来源解析.观测期间,有机物、硝酸盐、硫酸盐、铵盐、氯化物对NR-PM₁的贡献分别为42%,28%,15%,13%和2%.有机物解析出6类有机气溶胶：烃类有机气溶胶（HOA）、烹饪类有机气溶胶（COA）、生物质燃烧有机气溶胶（BBOA）、高氧化有机气溶胶（MO-OOA）、低氧化有机气溶胶（LO-OOA）、液相反应生成氧化有机气溶胶（aq-OOA）,平均浓度分别占总有机气溶胶的18%,14%,19%,19%,11%和19%.通过不同污染事件的对比结果表明,本次观测期间二次气溶胶在污染时期占比会明显上升并且液相反应对二次组分的形成有显著的促进作用.     

基于InVEST-PLUS模型的碳储量空间关联性及预测——以广东省为例

构建土地利用碳储量数据库,基于InVEST模型Carbon模块,得到广东省1990~2020年碳储量时空分布情况.用Moran’s I指数和Getis-Ord Gi^*分析格网尺度下碳储量时空分布特征,用Anselin Local Moran’s I得到LISA集聚图.然后运用PLUS模型和14个土地利用驱动因子预测2050年土地利用及其碳储量分布.结果表明,土地利用变化直接影响区域碳储量高低,林地、草地等具有生态服务功能地类碳密度最高,分别是188.44,329.34Mg/hm².碳储量空间格局整体呈现出中部低、北部高、东西中等的特点.碳储量空间分布特征与土地利用特征一致,碳储量显著高值集聚区域分布在建设用地少、生态用地多且连片的粤北地区,显著低值区域分布在国土开发强度和生态用地破碎化程度高的珠三角地带.在自然发展情景下,到2050年广东省土地利用碳储量将减少4327.21万Mg,随着国土空间进一步开发,环珠江口沿岸城市碳储量持续下降.增加植被生态系统碳储量,是实现碳中和的重要手段之一.要继续维持粤北山区生态保护屏障的重要地位,减缓珠三角城市土地开发强度,提高建设用地集约节约能力,形成平衡协调的土地利用和碳储量格局.     

深圳市不同区域大气CO2变化特征与来源分析

于2020年12月1日~2021年12月1日分别在深圳市大学城和路边站两点位对大气CO₂和CO浓度进行了为期1a的观测.本次观测期间内两点位大气CO₂平均浓度分别为432×10^-6和439×10^-6,均呈现了“秋冬季高、春夏季低”的季节变化特征与“昼低夜高”日变化特征,且日变化特征在早晚高峰期受到交通源排放的显著影响.此外,通过引入CO₂和CO的净变化值得到大学城和路边站两点位的ΔCO₂/ΔCO值分别为136.8~184.8、59.0~119.3,结果表明机动车排放对深圳市大气CO₂贡献突出.     

长江流域雨季特征时空变化规律及遥相关分析

利用1960—2020年长江流域126个气象站点的降雨数据,采用滑动t检验法确定长江流域各站点的雨季起讫时间和雨季降雨量的时空分布规律,揭示了长江流域雨季特征变化与海表温度及大气环流的相关性。结果表明:长江流域的雨季开始时间、结束时间以及雨季降雨量具有明显的年代际和空间变化特征。从空间分布上看,雨季特征具有从东南向西北递减的带状分布规律;从时间变化规律上看,雨季特征具有明显的波动性。雨季特征的变化规律与海表温度及太平洋北部的反气旋密切相关,升高的海表温度会导致长江流域雨季开始时间延迟、结束时间提前以及降雨量减小,研究结果对掌握长江流域雨季特征与海表温度的遥相关性具有重要意义。     

2018-2019年兰州市近地面臭氧浓度变化特征及其影响因素分析

选取兰州市城区4个环境空气质量国控站点2018-2019年的监测数据和兰州市气象站同期的观测资料,分析了兰州市O₃浓度的时空分布特征,并探讨了气象因素和相关污染物对ρ(O₃-8 h)的影响。结果表明:1)兰州市城区各站点ρ(O₃-8 h)的月变化和ρ(O₃)小时值的日变化均呈单峰型,ρ(O₃-8 h)高值出现在4-8月,ρ(O₃)小时峰值出现在15:00左右;2)相关污染物与ρ(O₃-8 h)均呈负相关,ρ(O₃-8 h)随ρ(NO₂)、ρ(CO)、ρ(PM_2.5)的增加而降低;3)高温、低湿的环境有利于兰州市城区O₃的生成,而特殊的地形条件导致在一定风速下,O₃更容易积累;4)分别建立了相关污染物和气象因子的多元线性回归方程,发现在当前气象条件和相关污染物排放现状下,气象因子对兰州市O₃的影响比相关污染物的影响更为重要。     

长三角地区PM2.5区域性污染时空变化特征

为定量分析长三角地区PM_2.5区域性污染的变化特征,建立适用于长三角地区的PM_2.5区域污染划分标准,基于2015—2020年长三角地区41个城市日均ρ(PM_2.5)开展区域污染变化趋势研究,并针对长三角PM_2.5重度区域污染开展了时空变化以及网络特征分析. 结果表明:①2015—2020年长三角三省一市年均ρ(PM_2.5)降幅均在25%以上,城市ρ(PM_2.5)分布呈北高南低的特征,南北城市之间ρ(PM_2.5)差异较大,ρ(PM_2.5)最高值与最低值相差35~46 μg/m3. ②2015—2020年长三角PM_2.5区域污染天数比例为16.9%~35.9%,以轻度污染为主,不同年份中度和重度污染天数比例差异较大,且主要出现在秋冬季,轻度、中度和重度污染天数均呈波动下降趋势. ③与2015年相比,2019年和2020年PM_2.5区域污染天数分别减少了38和69 d,且PM_2.5重度区域污染持续天数和重度及以上污染城市数量均呈减少趋势. ④PM_2.5重度区域污染日,长三角城市之间表现出较强的污染关联性,并可划分为4个子群. 以连云港市为代表的子群1位于长三角地区北部,PM_2.5污染相对较重,受长三角区域内输送影响较小,但对区域内其他城市有一定的输送影响;以宁波市为代表的子群2和以南京市为代表的子群4受长三角区域内输送影响较大,并指示了东路沿海和中路两条污染传输通道;以安庆市为代表的子群3位于内陆地区,污染独立性相对较强,受长三角区域内输送影响较小,同时对长三角其他城市影响也较小. 研究显示,长三角地区PM_2.5污染改善显著,但重度区域污染尚未消除,中北部城市的联防联控将对改善PM_2.5区域污染起积极作用.