Spatial distribution of aerosol pollution based on MODIS data over Beijing, China

With the help of regression analysis,the relationships were detected between aerosol's contribution to apparent reflectance(ACR) derived from Moderate Resolution Imaging Spectroradiometer(MODIS)on board Terra and hourly PM_(10)mass concentration measured at 30 ground-based locations in Beijing for the August of 2003 and 2004.It was shown that there was a good correlation between the ACR and PM_(10)(linear correlation coefficient,R=0.56).On the basis of this relationship,spatial distribution and possible sources of PM_(10)derived from MODIS were analyzed and two frequently heavily-polluted regions were found,namely downtown of the city and the district near Xishan Mountain.These two regions coincidently are also urban heat island centers.The foundings of this paper will be greatly useful for environmental monitoring and urban planning for Beijing,especially for the 2008 Olympic game to be held in Beijing.     

生态工业园评价方法研究:以北京市为例

建立科学有效的评价方法将有助于稳步推进我国的生态工业园建设．而园区所处区域的特点对于评价指标的选择和评价体系的建立具有重要影响。本研究在借鉴国内外最新研究成果的基础上．针对北京工业开发区的发展现状和特点．考虑相关性、可操作等原则，初步提出了一套生态工业园评价指标体系框架及其计算评价方法。评价指标共分为6大类准则，共计25个具体指标．划分为“控制性”指标和“指导性”指标。前者包括：信息基建共事类指标、管理与发展类指标、减量消耗类指标、园区环保类指标。后者包括：循环利用类指标和产业共生类指标。该指标体系蕴涵的思想和理论方法已成为推进北京生态工业园建设的重要借鉴，也可作为国家生态工业园评价方法研究的有益补充。     

北京市冬季大气细粒子数浓度的粒径分布特征

考虑到对人体的健康危害,大气颗粒物的数浓度值可能比质量浓度值更重要.通过对北京市交通道路边、生活区和远郊背景点大气细粒子数浓度的监测,对北京市大气细粒子数浓度的主要来源、浓度和粒径分布特征进行研究.文章认为交通源是城市大气细粒子数浓度的主要来源.城市生活区的大气细粒子主要是污染源稀释后扩散而来.远郊区既可能存在气象污染物光化学成核生成的超细颗粒物,也存在外部运移而来的细粒子.与国外其他城市相比,北京市大气细粒子数浓度在道路边处于中等偏下水平,但生活区和背景点处于相当或偏高的水平.     

北京市昌平区大气环境PM10中多环芳烃的含量及变化趋势

通过采集了2004～2006年北京市昌平区四个季节中大气PM10样品,采用超声抽提方法,使用GC/MS分析了该区PAHs含量和组成.结果显示,三年中四个季度的18种PAHs总量范围分别为21.64～656.39ng/m3、31.94～164.33ng/m3和7.294～209.3ng/m3,其中致癌性极强的苯并[a]芘含量范围为2.69～36.95 ng/m3、1.44～6.6ng/m3和0.256～8.625ng/m1,其变化趋势与PAHs总量有较好的相关性.PAHs的浓度是冬季＞秋季＞夏季＞春季,这与夏季时雨水冲刷和阳光照射强度大导致PAHs光解,冬季时燃煤排放大等影响因素有关.文章还使用多种方法判断昌平区大气PM10中的PAHs主要来源于燃煤和汽车尾气,其它污染源贡献较小.     

北京城区冬季道路灰尘粒度特征分析

对2013年1月于北京城区采集的40组道路灰尘样品用激光粒度仪进行粒度测定。结果表明:北京城区冬季道路灰尘频率曲线呈单峰态或双峰态分布,单峰型峰值粒径为112~237μm,双峰型第一峰值粒径为189~286μm,第二峰值粒径为42~57μm。道路灰尘平均粒径为183μm,分选性差,呈极不对称的极正偏宽峰态到窄峰态,属砂土。道路灰尘是局地灰尘和区域灰尘的混合物,且主要为跃移或短时悬浮颗粒物,对大气悬浮颗粒污染物的贡献量不大。研究4种不同道路类型灰尘发现,平均粒径从大到小顺序为快速路支路次干路主干路,分选系数与偏度为快速路主干路次干路支路,峰度无较大区别,细颗粒含量主干路次干路(支路、快速路)。主干路灰尘污染贡献率更高,对大气环境和人体健康的危害潜力不容忽视。     

北京市某高层建筑高空电磁辐射环境影响分析

选取北京市某代表性高层居民楼顶平台作为高空电磁辐射环境水平监测点进行综合场强和选频监测,评价总体电磁辐射环境水平,并分析监测区域电磁辐射能量的来源。结果表明：该高空监测区域的电磁辐射环境总体水平低于国家规定的公众照射导出限值,但高于地面水平。监测区域主要受30 km 外的中波台影响,其次是9 km 外的中央电视塔。影响最大的是639 kHz频率的中波信号,占100 kHz～300 MHz总场强的95％以上,其次是1．28 MHz频率的中波信号。提出,开展敏感建筑物规划建设时,应考虑中波的传播特性和对环境的影响。     

2013年北京市PM2.5重污染日时空分布特征研究

根据2013年北京市环境保护监测中心监测的PM2.5数据,系统分析了北京市重污染日PM2.5污染的时空分布特征,并利用克里格插值初步统计了全年和重污染日PM2.5不同浓度区间的国土面积。2013年全市PM2.5年均浓度为89.5μg/m3,重污染日平均浓度为218μg/m3,重污染日主要集中在冬季;PM2.5年均浓度呈现明显的南高北低梯度分布特征,而重污染日空间分布较均匀,南部及城六区存在明显的高污染区,平均浓度在180μg/m3以上;2013年北京市重污染日PM2.5平均浓度为150~250μg/m3,其对应的国土面积约为12 656 km2,PM2.5平均浓度在250μg/m3以上的国土面积约为883 km2,而全年无PM2.5平均浓度在150μg/m3以上所对应的国土面积。     

北京市地下水污染源荷载影响评价

在阐述地下水污染源荷载影响基本概念的基础上,介绍了污染源荷载影响评价的3大要素:污染荷载等级、含水层敏感性及地下水价值,说明了评价体系、指标和方法及过程。根据主要污染源荷载分析,结合地下水环境现状,对北京市进行了分区,提出污染源管理措施。     

2014年北京市CO浓度水平和时空分布

对北京市地面监测站点的CO浓度进行分析,探讨其浓度水平、变化趋势和时空分布特征。2014年春、夏、秋、冬四季北京市CO平均浓度分别为1.06、0.87、1.34、2.17 mg/m³。CO浓度均呈双峰型变化,第一个峰值出现在07：00-09：00,主要由交通早高峰的排放引起;第二个峰值出现在23：00左右,主要受交通晚高峰排放和夜间边界层高度降低的挤压效应的共同影响。从空间分布来看,全年整体呈现南高北低的分布特征,尤其是秋、冬季较为明显,体现了工业布局和区域传输对CO的影响。从全年来看,湿度对CO浓度的影响最大。对2014年冬季北京市的一次高CO浓度分析结果表明,此次过程是由本地排放和区域传输共同造成的,气象要素中地面气压对CO浓度影响最大。     

CO2 emission driving forces and corresponding mitigation strategies under low-carbon economy mode: evidence from China’s Beijing–Tianjin–Hebei region

On account of the background of China’s “new normal” characterized by slower economic growth, this paper analyses the low-carbon economy status quo in the Beijing–Tianjin–Hebei region and empirically investigates the relationship between carbon dioxide (CO₂) emissions and its various factors for China’s Beijing–Tianjin–Hebei region using panel data econometric technique. We find evidence of existence of Environmental Kuznets Curve. Results also show that economic scale, industrial structure, and urbanization rate are crucial factors to promote CO₂ emissions. However, technological progress, especially the domestic independent research and development, plays a key role in CO₂ emissions abatement. Next, we further analyze the correlation between each subregion and various factors according to Grey Relation Analysis. Thereby, our findings provide important implications for policymakers in air pollution control and CO₂ emissions reduction for this region.