我国历史生物地理学研究的开拓者——文焕然先生诞辰100周年祭

文焕然是开拓历史生物地理学的著名历史地理学家。在历史植物地理方面的贡献主要有：（1）论作发表早于中国历史地理学形成;（2）研究兼及群落与学科分类系统,尤对北方竹林与全国性及研究力量薄弱省级政区的森林分布与变迁有较全面、深入的研究;（3）研究方法兼顾自然科学与人文科学,深入实地考察、调查,订正、补充文献中讹传与疏漏,探讨影响因素并提出建议;（4）具有知难而进、厚积薄发、不断扩展与深化等研究特点。对历史动物地理学的贡献主要有：（1）发表论作较早;（2）主要涉及爬行纲、鸟纲、兽纲中多珍稀物种研究;（3）成果可作为生态环境变化代用指标、古脊椎动物与现代动物及相关学科领域研究参考、森林与竹林分布佐证,历久弥坚,得到国外学者重视。     

北京地区大气颗粒物输送路径及潜在源分析

利用TrajStat软件和全球资料同化系统数据,计算了2005~2016年北京市逐日72h气流后向轨迹,采用聚类分析方法,结合北京同期PM_2.5逐日质量浓度数据,分析北京市年及四季后向气流轨迹特征及其对北京市颗粒物浓度的影响,运用潜在源贡献因子分析法（PSCF）和浓度权重轨迹分析法（CWT）,探讨研究时期内不同季节影响北京市颗粒物质量浓度的潜在源区以及不同源区对北京颗粒物质量浓度的贡献.结果表明,就全年而言,西北输送气流占总轨迹的比例最高,达59.97%,且其输送距离最远、输送高度最高、移速最快.输送高度最低、距离最短、移速最慢的东南气流占比次之,为27.64%,东北气流占比最低为12.40%,其移速和输送距离介于前两者之间.主要污染轨迹来自山东、河北,其次为来自俄罗斯、蒙古国和内蒙古荒漠戈壁地区的西北气流.PSCF和CWT分析发现,蒙中、晋中、冀西南、豫北及鲁西是影响北京PM_2.5的主要潜在区域.而不同季节、不同输送路径对北京PM_2.5污染影响的差异显著,春季主要受来自蒙晋交界区域的短距离输送气流影响,潜在源区位于冀南、鲁西、豫东和皖西北地区,夏季污染轨迹来自鲁、晋地区,潜在源区为豫东北、皖北和苏北地区;秋季主要受来自冀南地区的短距离气流影响,潜在源区为晋北、冀南、豫北和鲁西地区,冬季主要受来自蒙古国中西部和蒙中地区的远距离输送气流影响,潜在源区主要在冀南、鲁西、豫北、晋和蒙西地区.     

2016~2019年江西省臭氧污染特征与气象因子影响分析

利用2016~2019年生态环境部环境监测总站提供的江西省11个设区市的监测数据及同期的国家气象观测站常规观测资料,研究江西省臭氧污染特征与气象因子的关系.结果表明,江西省近几年臭氧污染日益严重,2016年全省臭氧（日最大8 h滑动平均值）平均浓度为80.1 μg·m^-3,到2019年上升至98.2 μg·m^-3,平均年增长率为6 μg·m^-3.2019年江西省11个设区市O₃超标总天数为475 d,占总超标天数的72.6%.2016~2018年O₃月平均浓度具有典型的季节变化特征：夏季 > 春季 > 秋季 > 冬季,2019年秋季由于降水量显著减少、日照时数增多和气温升高等气象条件导致秋季近地面臭氧浓度异常升高,其平均浓度高于其它季节.臭氧浓度总体与气温、日照时数呈正相关,与相对湿度呈负相关,当气温高于30℃、相对湿度在20%~40%区间、风速在2~3 m·s^-1区间时易出现高浓度臭氧污染.江西省臭氧浓度呈现一定的空间分布特征：赣东北地区低于其他地区,南部城市高于北部城市.其中,赣州市臭氧污染较为严重,其2019年平均浓度居全省最高,为104.2 μg·m^-3.基于后向轨迹HYSPLIT模型和潜在源解析PSCF对赣州市进行分析,研究结果表明赣州市臭氧污染的主要潜在贡献源区存在一定的季节差异：春季臭氧污染的外来输送源主要来自广东中部和江西北部地区,夏季主要来自江西北部地区,而秋季则主要来自广东北部和安徽中部地区.     

土壤湿度与风速对沙尘暴发生的贡献程度分析

在沙尘暴研究中，大风和下垫面的土壤湿度是影响沙尘暴发生的两个重要因子，它们分别以数值形式定量记录，但这种定量因子与沙尘暴发生的定性特征之间难以建立联系，从而影响了沙尘暴的定量研究。利用内蒙古中西部地区二连浩特、乌拉特中旗和乌海等3个观测站点2001年4月至2004年4月的土壤湿度、风速及相应的沙尘暴记录资料，采用数量化理论Ⅱ这种可以将定性分析与定量分析相结合的方法，研究了沙尘暴发生时风速和土壤湿度对沙尘暴的贡献程度。结果表明：在不同地区、不同地貌的自然条件下，风速和土壤湿度对沙尘暴发生的贡献程度相差甚远，乌拉特中旗和二连浩特地区风速的贡献大于土壤湿度的影响，而对乌海地区来说，土壤湿度对沙尘暴的贡献要大于风速的影响。     

利用ADMS模型确定各类源对本溪市空气中TSP贡献率

采用ADMS—城市模型计算了各类污染源对市区关心点的TSP的贡献率、地方性排放源、市区无组织排放源、远距离排放源等各类污染源对本溪市区各关心点TSP的平均贡献率，结果分别约为77％、15％、8％，其中市区无组织排放源的贡献率为77％，是重点要控制的污染源。提出TSP排放的削减方案的同时，描述了实施方案后大气TSP质量改善状况。     

利用高斯点源法估算外来源贡献

假定在控制区与控制区以外区域的大气稳定度及气候条件基本相同的条件下，重点研究用控制区高斯点源模型估算外来源对控制区影响的方法．并以朝鲜新义州市排放的SO2对丹东市区的影响为实例予以验证，从而确立了一种新的利用控制区高斯点源模型估算外来源对控制区贡献的新方法。     

绥化市一次空气污染过程及潜在源区分析

本研究以2019年12月21—25日绥化市一次严重的空气污染事件为研究对象,分析了此次污染概况、气象条件、污染成因以及污染的潜在源区.结果表明：此次污染期间,绥化市以PM_2.5污染为主,污染特征由21日10：00及22日11：00的偏燃煤污染型转变为24日15：00的偏二次颗粒物污染型,最终25日12：00污染特征又转变为偏燃煤型,本次污染主要以燃煤、机动车尾气和二次无机源为主;不利的气象条件主要由于弱风、高湿及低温、较差的扩散条件导致污染物局地积累;48 h后向轨迹模拟表明污染期间绥化市受4类气流输送的影响,主要来源于俄罗斯、内蒙古、吉林等方向,其中超标轨迹占97.4%;WPSCF分析发现潜在源区主要集中在绥化本地中部、辽宁省东北部、大庆市中部、齐齐哈尔市东南部、哈尔滨市中部区域;WCWT模拟出的潜在源区域较WPSCF大,模拟发现吉林北部对绥化PM_2.5污染贡献值为60~80 μg·m^-3,黑河东北部的贡献值高达100 μg·m^-3以上,俄罗斯、内蒙古地区对绥化市大气PM_2.5污染水平的影响及贡献较小.     

HRT对厌氧氨氧化协同异养反硝化脱氮的影响

采用SBR处理实际生活污水,在实现半亚硝化时,出水NH_4~+-N、NO-2-N及COD平均浓度分别为37.27、39.97和120mg·L~(-1),将其作为厌氧氨氧化反应器(ASBR)的进水.控制温度为24℃,pH为7.2±0.2,考察HRT分别为36、33、30和27h时对厌氧氨氧化协同异养反硝化脱氮的影响.结果表明:(1)HRT为33 h时系统脱氮效能最佳,总氮容积负荷(TNLR)和总氮去除负荷(TNRR)平均值分别为0.056 kg·(m3·d)~(-1)和0.050 kg·(m3·d)~(-1);NH_4~+-N、NO-2-N和COD平均出水浓度分别为1.36、0.47和49.79 mg·L~(-1),三者去除率分别为96.30%、98.83%和56.17%;ΔNO-2-N/ΔNH_4~+-N和ΔNO_3~--N/ΔNH_4~+-N分别为1.17和0.15,比厌氧氨氧化反应的理论值(1.32,0.26)小0.15和0.11,造成此偏差的原因是由于系统中存在异养反硝化.(2)随着HRT的逐渐减小,厌氧氨氧化对脱氮的贡献率逐渐减小,异养反硝化对脱氮的贡献率逐渐增加.本研究结果可为厌氧氨氧化技术在实际工程中的应用提供参考.     

成都市PM10中碳质气溶胶长期来源特点

大气颗粒物中包含多种组分的气溶胶,其中碳质气溶胶由于对人体健康、能见度有较大影响,已受到越来越多的关注.为研究碳质气溶胶的长期变化规律,采集了成都市2009—2013年的PM₁₀样品,对其中所含的无机元素、水溶性离子及碳组分分别进行测定,并使用“PMF（正定矩阵因子分解法）-比值”模型分别对PM₁₀和所含的碳质气溶胶的来源进行分析.结果表明,1月、2月、5月和12月的碳质气溶胶浓度较高,其中1月、2月和12月的OC/EC（有机碳与元素碳质量浓度之比）较高,并且PMF-比值模型计算结果也显示冬季SOC增多,表明冬季可能有更多的二次有机碳（SOC）生成;5月的char-EC/soot-EC（二者质量浓度之比,其中char-EC=EC1-OP,soot-EC=EC2+EC3,它们可更好地区分源类）较高,K含量也较高,表明可能有更多的生物质燃烧排放.PM₁₀解析共发现6类源,依次为地壳扬尘（26.5%）、二次硫酸盐（25.1%）、燃煤&生物质燃烧混合源（17.3%）、二次硝酸盐&二次有机碳混合源（12.3%）、机动车源（11.8%）和水泥尘源（7.0%）;碳质气溶胶解析发现,OC主要来源依次为机动车源（38.2%）、燃煤&生物质燃烧混合源（33.1%）和二次有机碳（25.3%）,char-EC的主要来源是燃煤&生物质燃烧混合源和机动车源,分别占50.5%和45.4%,soot-EC则主要受机动车影响（达73.2%）.研究显示,成都市PM₁₀主要来自于地壳扬尘、二次生成和燃煤&生物质燃烧,而碳质气溶胶主要来自于机动车、燃煤&生物质燃烧.      

A Method for Locating Influential Pollution Sources and Estimating Their Contributions

This work develops a source-oriented approach to locate the influential pollution sources and estimate their contributions to pollutant concentrations observed at a receptor site. The domain containing possible influential pollution sources is divided into systematic grid cells, and the influential grid sources are determined based on the locations of the segment endpoints of air trajectories arriving at the receptors. The contribution of each grid source is initially calculated using a formula derived from a Lagrangian box model and including the effects of source emissions, atmospheric dilution, and chemical transformation and deposition. The formula is described in detail in this study. Finally, the average contribution of each grid source is determined based on numerous analyzed events. The proposed approach was used to locate influential pollution sources and determine their contributions to a rural monitoring station during periods of high SO₂ pollution in southern Taiwan. The contributions of sources in various 2 km by 2 km grid cells, five districts, three source categories, 8 industrial areas, and a power plant were evaluated. The results show that the major influential sources were in the northwestern region of south Taiwan, and belonged to three district and point sources. Furthermore, two industrial areas close to the evaluated stations were also very significant, and contributed about 30% of the total pollution.