南京冬季典型霾天气过程多元对比分析

选取2017～2020南京地区冬季3个典型霾天气过程,综合分析了霾天气过程中污染物、气象要素以及边界层条件等影响机制与特征变化.结果表明,3次过程中,AQI指数峰值分别为304(严重污染)、227(重度污染)与176(中度污染),且与PM2.5、PM10浓度变化基本趋于一致,PM25与PM10比值基本都大于0.7;污染...     

“5·12”地震前后都江堰市地表覆盖状况变化分析

本文以应用遥感技术,对“5·12”地震都江堰区域地表覆盖状况进行分析评价。选取都江堰市基于2007年的LandsatTM影像和2010年HJ-1卫星CCD影像,通过面向对象和目视解译相结合的方法,提取了草地、河流、旱地、水田、建设用地等9类生态类型环境覆盖信息。结果表明：“5·12”汶川地震对地表生态环境的变化较大,北...     

中国混合遗产的管理机制研究——以泰山为例

世界遗产是人类的共同财富,它具有脆弱性、不可替代性等特点,但是在我国世界遗产保护方面仍没有一部专门保护世界遗产的法律,以致于在管理方面产生了混乱.以泰山为例,与国内外的混合遗产进行对比分析,以借鉴可取之处,并提出了改变管理观念、统一管理、动态管理、完善法律法规等措施来加强世界遗产的管理.     

Characterization of biological responses under different environmental conditions: A hierarchical modeling approach

A natural river system is organized as a nested hierarchy of interconnected habitats with specific environmental conditions to which the biological community has adapted. Due to this hierarchical structure, identifying the role of different stressors on the biological community is a formidable task. Efforts trying to link stressors to biological integrity have always been bound to the geographic scale of the selected study area, leading to scale-specific results. In this research, an attempt is made to lift this limitation and develop a hierarchical, scale-sensitive methodology that can identify the significant environmental stressors to the biological community at different scales. Sites with similar background environmental conditions are clustered using self-organizing maps (SOM). This is used to identify stressors which affect the biological community throughout the area of study - called environmental gradients or large-scale stressors. Subsequently, these clusters of similar observations (sampling sites) are progressively sub-divided using environmental variables with a significant but localized effect on the biological community - called small-scale stressors. A parent group of sites is split only when the resulting sub-groups have significantly different biological responses. At the end of this recursive sites decomposition procedure, the original set of observations is organized as a tree of environmentally homogeneous groups of observations characterized by unique biological responses to multiple stressors with different geographic extents. The developed hierarchical analysis methodology has been validated using a large-size dataset of environmental observations from the State of Ohio. Our results show that habitat degradation and increased nutrient loading are the large-scale stressors with a widespread impact in Ohio. Other stressors, such as heavy metals, pH or nitrate concentrations have significant albeit localized effects on biological integrity.     

乌鲁木齐市可吸入颗粒物污染水平及其与气象因素的相关性分析

为了解可吸入颗粒物污染水平与气象因素之间的关系,从2008年9月—2010年2月采集乌鲁木齐市可吸入颗粒物样品,并对其随时间的变化特征及其与气象因素之间的相关性进行了统计分析。结果表明,采样时间内可吸入颗粒物中PM2.5和PM2.5-10的质量浓度的范围分别为38.2~468.7μg/m3和20.8~243.1μg/m3,平均浓度分别为134.2μg/m3和69.2μg/m3。可吸入颗粒物同时受几种气象因素的影响,其浓度与温度、能见度、风速呈负相关,与湿度呈正相关。     

京津冀地区城市臭氧污染趋势及原因探讨

采用Kolmogorov-Zurbenko（KZ）滤波分析了2013~2018年京津冀地区13个城市的臭氧最大日8h滑动平均（O₃-8h）序列,评估污染趋势并探讨原因.KZ滤波分离出的O₃-8h短期、季节和长期等3个分量分别占原始序列总方差的32.7%、63.9%和3.4%,各分量之间相互独立;以滤除了中短期过程影响的长期分量进行比较,京津冀地区远高于柏林、巴黎和伦敦等欧洲城市,与美国洛杉矶20世纪90年代初和最近4年状况相当,普遍低于上海和南京等长三角主要城市.但是,2013~2018年京津冀地区各城市臭氧污染加剧显著,长期分量升高速率达2.31~7.12 μg·（m³·a）^-1,均值为4.97 μg·（m³·a）^-1,快于长三角地区.拟合结果提示,臭氧浓度升高受气象条件影响不大（贡献比均值约为9.6%）,主要由大气污染排放变化造成（90.4%）,将该排放变化拆分为PM_2.5下降和臭氧前体物排放变化两项,其贡献比均值分别是27.3%和63.1%,其中北京-廊坊-天津城市带PM_2.5下降对臭氧升高贡献较大,分别为50.8%、32.5%和36.7%,衡水则达到48.6%.PM_2.5浓度降低已成为北京、衡水等地臭氧升高的最关键因素,这意味着需进一步减少前体物排放,以抵消PM_2.5降低导致臭氧增加的反作用.需要指出,该结果尚待实验和模型模拟验证.     

利用多元线性回归方法评估气象条件和控制措施对APEC期间北京空气质量的影响

气象条件对大气污染物的扩散和传输有重要影响,准确分离和定量气象因素对空气质量的影响是评估大气污染控制政策有效性的前提.本研究利用APEC会议期间及前后(2014-10-15～2014-11-30)北京城区朝阳观测站点SO_2、NO、NO_2、NO_x、CO、PM_(2.5)、PM_1和PM_(10)以及气象因素的观测数据,采用多元线性回归分析方法,定量评估了气象条件和空气污染控制措施对APEC期间北京空气质量的影响.在假定排放条件不变的情况下,基于气象因素参数建立的预测污染物浓度的多元线性回归模型模拟效果较为理想,决定系数R~2在0. 494～0. 783之间.控制措施使得APEC控制期SO_2、NO、NO_2、NO_x、CO、PM_(2.5)、PM_1和PM_(10)浓度分别降低48. 3%、53. 5%、18. 7%、40. 6%、3. 6%、34. 8%、28. 8%和40. 6%,气象因素使得APEC控制期SO_2、NO、NO_2、NO_x、CO、PM_(2.5)、PM_1和PM_(10)浓度分别降低1. 7%、-2. 8%、18. 7%、4. 5%、18. 6%、27. 5%、30. 6%和35. 6%.气象因素和控制措施共同作用使得APEC控制期北京空气质量得到了明显改善.控制措施对SO_2和氮氧化物浓度的下降起主导作用,气象因素对CO浓度的下降起主导作用,气象因素和控制措施对颗粒物浓度降低的贡献相当.本研究还利用相对权重方法研究了气象因素对污染物浓度影响的贡献,结果表明影响不同污染物浓度的决定性气象因素不同.     

2014~2017北京市气象条件和人为排放变化对空气质量改善的贡献评估

2014～2017年北京地区霾日数和污染日数逐年减少,PM_(2.5)、PM_(10)、SO_2和NO_2年平均质量浓度下降,污染程度缓解,采暖期中的11～12月尤为明显.针对空气质量的显著改善,从气象条件的改善和减排措施两方面进行探讨分析,并结合数值模式和大数据挖掘技术实现气象和排放对大气污染贡献率的定量化研究.结果表明,2017年与过去3 a相比,平均风速增加7. 9%,≥3. 4 m·s~(-1)的风速频次最高(10. 6%),≥70%湿度日占比最小(25. 1%);其中,采暖期与过去3 a同期相比,小风日数减少8. 6%、大气环境容量指数和通风指数平均增加约11%,边界层高度以3. 2%·a~(-1)的速率升高,尤其11～12月各要素改善更显著,且该时段内2014年各因子变化与2017年相似.非采暖期(4～10月)累积降水量558. 3 mm,仅次于2016年,有利于污染物的清除和湿沉降.利用WRF-CHEM对霾和污染频发的12月进行模拟发现,气象要素的改变导致2017年12月北京PM_(2.5)质量浓度较2014～2016年同期分别降低5%、38%和25%.因缺少政府实际施行的减排方案,无法利用WRF-CHEM量化气象和减排的具体贡献率,因此借助大数据挖掘算法,基于K近邻算法(KNN)和支持向量机(SVM)模型对气象和减排对空气质量改善的贡献进行评估,结果显示2017年减少的霾日和重污染日,65. 0%归因于减排的贡献,35. 0%归因为气象条件的改善.可见,气象与生态环境部门应继续加强数据开放共享,科学开展气象条件预报与减排评估.     

绵阳市大气污染物浓度变化特征及相关性分析

随着我国工业化、城市化和机动化的高速发展,大气环境质量越来越受民众关注,我国已建成国控—省控—市控—县控四级环境空气自动监测网络,监测项目包括SO2、NO2、CO、O3、PM2.5和PM10.基于2018年绵阳市环境空气监测数据、颗粒物化学组分及气象资料分析上述6个监测项目年均、季度、月均、日均及每日最大小时浓度变化特征,并进一步探讨污染物浓度与气象条件的相关性,结合颗粒物化学组分对产生原因进行剖析.结果表明:绵阳市冬季环境空气质量较差,夏季相对较好.Pearson相关性分析表明:SO2、NO2、CO和颗粒物(PM2.5和PM10)之间存在显著相关性,冬季PM2.5与SO2、NO2的相关系数分别为0.610和0.635,PM10与SO2、NO2的相关系数分别为0.655和0.655,颗粒物主要化学组分为硫酸盐、硝酸盐、铵盐和二次有机气溶胶,颗粒物二次转化尤为明显,冬季需重点管控颗粒物;春季和夏季O3与PM2.5、PM10呈显著正相关,需做好颗粒物和O3的协同管控.O3每日最大小时浓度多集中在13:00?—?18:00,其他污染物每日最大小时浓度多集中于08:00?—?12:00和20:00?—?24:00,同时NO2在20:00?—?24:00出现每日最大小时浓度的频次占67.1％,控制机动车等污染源排放尤为重要.     

中央苏区红色旅游资源跨区域整合开发研究：文化生态学视角

红色旅游资源是革命精神的核心载体,其保护和旅游利用面临着破碎化、片段化、静态化等问题,亟需开展整合开发研究。以中央苏区核心区为例,基于文化生态学理论,采用GIS空间分析方法和修正的引力模型,研究红色旅游资源空间格局和文化生态变迁,在此基础上提出整合开发的策略,结论如下：（1）红色旅游资源点空间上呈现局部聚集特征,赣南苏区形成章贡区、瑞金市、于都县“金三角”分布格局,闽西苏区则形成新罗区、永定区、上杭县、连城县“银菱形”分布格局;（2）闽西和赣南苏区各重大事件红色旅游资源点在空间上8.9~106.6 km的范围内,形成带状或面状的文化生态基底,并呈现一致向服务业主导型转变的发展态势;（3）红色旅游资源网络联系方向与服务业主导型文化生态方向错位发展,这是赣南和闽西红色旅游资源内部网络联系度较强,跨区域网络联系度较弱的重要原因。在此基础上,遵循红色旅游资源文化生态空间一体化、文化生态演变全域化、文化生态发展动态化的原则,提出空间集聚区优先整合开发、高发展指数红色旅游资源跨省域优先整合开发、跨主导类型关键节点优先整合开发三个整合开发对策,以期促进中央苏区红色旅游高质量发展。