哈尔滨市大气污染物输送路径及潜在源区分析

该文采用空气质量指数(AQI)分析了2015-2019年哈尔滨市不同季节首要污染物的污染特征,利用HYSPLIT后向轨迹模式对近5年四季逐日72 h后向轨迹气流进行聚类分析,结合AQI数据,揭示哈尔滨市大气污染物传输路径及潜在源贡献因子和浓度权重轨迹的季节差异。结果表明:哈尔滨市优良天数占比从2015年的66%上升到2019年的83%,5年中2015年为大气污染较为严重的一年,5年来空气质量呈明显好转趋势。哈尔滨市大气污染呈现出不同的季节特征:优良天数平均值占比从高到低依次为夏季(94.6%)秋季(84.4%)春季(80%)冬季(53%),O3和PM2.5分别为空气质量最优的夏季与最差的冬季的首要污染物,春季和秋季首要污染物表现为由NO2和PM2.5复合型污染向以O3为主导的气态型污染转变。各季节轨迹分布与其所处的地理位置和季风气候密切相关,春季来自山东东部、渤海、辽宁、吉林到达哈尔滨的轨迹污染率最高;夏季污染率较高的气流轨迹均来自南部方向,主要传输方向自渤海越过山东东部到达青岛地区,经辽宁、吉林汇入哈尔滨;秋季污染率较高的轨迹分布最为分散,主要以近距离输送轨迹为主;冬季AQI值显著高于其他季节,可能与北方冬季进入燃煤采暖期,污染物排放增多有关,主要集中分布于西北方向输送进入哈尔滨,呈现出输送轨迹越短,污染率越高的特点,其中来自吉林的最短转向路径挟带的污染物浓度最高,其次为由俄罗斯东南部经内蒙古过吉林到达哈尔滨,说明吉林是影响哈尔滨市冬季大气污染物浓度偏高的主要地区。     

唐山市大气颗粒物和O3多尺度变化及影响因素

采用KZ滤波法、多元逐步回归法和小波相干性分析法,从不同时间尺度探究了唐山市2015～2022年间PM_2.5、PM₁₀和O₃的演变特征,并有效区分和定量估算了污染源排放和气象因素对污染物浓度的贡献,揭示了气象因素对污染物不同尺度的影响,以及颗粒物和O₃之间的协同作用机制.结果表明:研究期间唐山市颗粒物PM_2.5和PM₁₀的浓度长期分量均呈现显著下降趋势,季节分量和短期分量均呈现不同程度的周期波动.O₃浓度长期分量变化幅度较小,其季节分量和短期分量均在每年5～7月之间有明显变化趋势.颗粒物PM_2.5和PM₁₀浓度的长期分量变化主要由源排放因素控制,且源排放贡献占90%以上,而O₃浓度的长期分量变化则由源排放和气象因素共同控制,且其贡献比例约为2:3.气象因素温度、相对湿度、地表垂直风速和降水量对PM_2.5主要表现为小时间尺度的正向作用和大时间尺度的负...     

西宁市大气污染来源和输送季节特征

在2016~2018年西宁市大气污染物PM₁₀和PM_2.5季节污染特征分析的基础上,利用HYSPLIT模式和GDAS资料计算了逐日72 h气流后向轨迹,通过聚类分析确定气流输送路径及其对日均PM₁₀和PM_2.5质量浓度的影响,运用TrajStat软件提供的潜在源贡献因子分析法（PSCF）和浓度权重轨迹分析法（CWT）,探讨不同季节影响西宁市PM₁₀和PM_2.5质量浓度的潜在源区分布及贡献.结果表明,输送来源位置多分布在西宁的西-北方向和东-北方向,周边及邻近区域垂直高度较低.输送路径主要受西风、偏西风、西北、西南和偏东气流的影响.距离短、高度低和移速慢的气流轨迹出现概率最高,是最主要的输送路径,该路径在春夏秋三季来源于青海,冬季则源自新疆,省内输送占主导地位,且不同输送轨迹对PM₁₀和PM_2.5浓度影响不同.污染气流主要来自青海省内源、新疆外源及新疆以西的境外源,源地多沙漠和戈壁等脆弱地带分布.潜在源区范围及贡献大小有明显季节差异,冬季范围广且贡献最大,春秋次之,夏季最小.最主要潜在源区位于青海北部、中部和东部地区、新疆南部、中部和东部,其周边地区为中等贡献潜在源区.     

大型火电厂热排放对环境气温增高的贡献检测

利用1960—2009年的年月平均气温观测资料,分析了被检站和参考站的年、季变化趋势特点,着重研究了大型火电厂的热排放对当地气温的影响程度和相对贡献比例。从增温趋势看,被检站和参考站年平均气温增温速率分别为0.33～0.48℃？10a和0.21～0.33℃？10a,年热排放增温率为0.11～0.20℃？10a。热排放引起的四季增温速率为春秋强,冬季次之,夏季最小。火电厂的热排放对当地气温增温的贡献显著,表现为夏季最大,春秋季次之,冬季最小,对年平均气温序列的增温贡献率为31%～49%。     

北京及周边地区大气污染数值模拟研究

北京周边地区污染源对北京市区大气环境的影响不可忽视.利用区域大气污染模式,系统模拟分析2002-08-17T09:00-2002-08-29T08:00污染传输过程;选择典型污染时段,结合气象资料进行比较分析,计算各时段周边地区和北京自身大气污染物对北京大气环境污染的贡献和贡献率;进一步证实了在大气条件有利于污染物输送的背景下,周边地区污染源的中远距离输送对北京大气环境质量的影响不可忽略.研究表明:有特殊天气背景时,即研究区域在西南风气流场的控制之下,周边地区污染源对北京的贡献比北京自身的大;没有特殊天气时,北京自身的贡献大于周边地区对其的贡献.      

重庆市工业绿色发展水平评估研究

工业绿色化发展意味着消耗更少的资源或排放更少的污染物,本文以万元工业增加值能耗、万元工业增加值水耗、万元工业增加值SO2排放量、万元工业增加值COD排放量4个指标为基础,提出了用绿色发展指数和绿色贡献指标综合评价一个地区工业绿色发展水平的方法。利用2004年的数据,分析了重庆市所辖区县工业行业绿色发展指数和绿色贡献,评估了工业绿色发展水平。分析结果表明,各区县工业绿色发展水平存在较大差异,主城区以及几个区域性的中心区县工业绿色发展程度较高。     

农户对非木质林产品经营模式的选择意愿及其影响因素分析

山核桃作为一种非木质林产品,其经营模式选择对山核桃产业可持续发展举足轻重。论文以浙江省临安市和淳安县为案例,基于山核桃经营模式与可能影响因素分析,根据121户农户调查和9组参与式小组访谈信息,就农户对经营模式选择意愿进行统计描述分析,并利用Logit模型定量分析影响经营模式选择的主要因素。结果表明:户主的年龄和教育年限分别在5%和1%水平上对"是否愿意改变现有山核桃经营模式"有显著影响;而户主的年龄和性别、地域变量在5%水平上对"是否愿意采用山核桃生态化经营模式"有显著影响。据此提出建议:①因地制宜、分步推进生态化经营模式;②非木质林产品的生态化经营需要政府、科技人员和农民的多方参与;③生态化经营具体模式设计应综合考虑经济、生态和社会效益。     

长江流域南京段河流非使用价值评估

采用逻辑回归与相关性分析法,探讨影响公众支付意愿的因素及其影响程度。结果表明,政府信任度、个人经济收入、年龄和环保意识4个变量因子对支付与否具有显著影响;受教育程度和环保意识这两个变量因子对支付意愿的高低具有显著影响。     

基于CVM的潮滩湿地生态补偿意愿研究——以连云港海滨新区为例

在调查连云港潮滩湿地生态环境状况的基础上,以支付卡方式设计调查问卷,采取面对面方式调查了638位连云港海滨新区居民对围填海工程对潮滩湿地影响的补偿意愿,及其影响居民补偿意愿的相关因素。研究结果表明:有98.2%的人选择了非0补偿意愿值,平均最小补偿意愿为443.68元/(人.a),海滨新区围填海工程对潮滩湿地生态环境资源影响值(损失值)为1.2735×108元/a;未来20 a内,在不考虑生态效益折旧的前提下,连云港海滨新区潮滩湿地的总服务价值至少为25.471×108元/a;被调查者的职业、对围填海工程的了解程度以及认为围填海工程对海洋生态环境的影响大小等因素对补偿意愿值有十分显著的影响。     

2000—2020年我国西南地区植被NEP时空变化及其驱动因素的相对贡献

西南地区作为我国重要的生态安全屏障,探究其植被净生态系统生产力(net ecosystem productivity,NEP)的时空演变规律对该地区乃至我国的可持续发展都具有重要意义.基于MODIS数据、气象数据、DEM数据和土地利用数据等,首先,利用改进的Carnegie Ames Stanford Approach (CASA)模型和土壤微生物呼吸方程,估算2000—2020年我国西南地区植被NEP;其次,结合Theil-Sen Median趋势分析、偏相关分析和复相关分析等方法,研究西南地区植被NEP时空变化及其对气候变化和土地利用变化的响应机制;最后,利用基于情境分析的相对贡献分析法,定量评估气候变化和土地利用变化对西南地区植被NEP变化的相对贡献.结果表明：时间上,2000—2020年我国西南地区及其五省份(云南省、贵州省、四川省、重庆市和西藏自治区)生态系统植被NEP均表现为上升趋势,其中,西南地区植被NEP上升速率为4.74 g/(m2·a).空间上,西南地区及其五省份植被NEP呈上升趋势的面积均大于呈下降趋势的面积,其中,西南地区植被NEP呈极显著上升的面积占45.41...