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。     

构建农民收入增长的长效机制

“三农问题”是关系国家经济和社会发展全局的问题，其核心是农民收入增长，农民收入增长的关键是构建收入增长的长效机制。本文通过分析中国农民收入的现状，从制度视角分析农民收入增长缓慢的土地制度、税费制度、金融体制、公共品供给体制以硬社会保障制度等方面原因．在此基础上提出构建中国农民收入增长长效机制的制度框架。     

北疆250年地表水资源变化特征及未来趋势预测

本文从北疆年轮场重建了北疆２５０年的地表水资源，探讨气候－地表水资源－年轮之间的关系，分析地表水资源的长期变化特征，预测其变化趋势，为北疆地表水资源的研究与利用提供了新的参考依据。     

Long-term sampling method for polychlorinated dibenzofurans (PCDFs) and dibenzo(p)dioxins (PCDDs) in flue gas of combustion facilities

A long-term sampling method for PCDF/D in emissions from combustion facilities is presented. The sampling of PCDF/D was performed over a four week period. The results are compared to results of four one-week measurements.     

甲基对硫磷长期污染对土壤微生物的生态效应

研究了有机磷农药甲基对硫磷长期污染对土壤微生物的影响,结果表明:污染土壤中细菌、放线菌、真菌数量变化不大,自生固氮菌和反硝化细菌数量减少,氨化细菌、亚硝化细菌、硝化细菌数量有所增加;与对照土壤相比,污染土壤呼吸作用下降29.93%,而氨化作用和硝化作用则增强。1g对照土壤(以干土计)中微生物总DNA提取量为(13.01±1.91)μg,污染土壤中则为(12.23±1.36)μg。     

中国近15年气溶胶光学厚度时空分布特征

利用MODIS 04_L2气溶胶日产品统计其月度、季度及年度均值数据,研究中国大陆地区近15a气溶胶光学厚度（AOD）空间分布状况;通过Spearman秩相关检验法,探讨中国大陆地区近15a的AOD年均值与季均值的逐年变化趋势.结果表明：在空间分布上,我国AOD多年均值高值中心主要位于四川盆地、南疆盆地、华中地区、长江三角洲、华北平原、关中平原,珠江三角洲地区也有小范围的高值区;低值中心主要位于川西和藏东南、内蒙和冀北交界以及河套地区.在逐年变化趋势上,西北地区AOD值主要呈下降趋势,其中川西和藏东南、陕甘宁交界呈显著下降趋势;东部地区AOD值主要呈现上升趋势,且华中地区、长江三角洲、华北平原以及关中平原呈显著上升趋势;在全国范围内AOD年均值整体呈现上升趋势,但趋势不显著;AOD值随季节变化较显著,具体表现为春夏较高、秋冬较低;AOD高值区以及呈上升趋势的地区基本都处在胡焕庸线东南,表明人类活动对AOD值影响比较显著.     

2007—2014年北京地区PM2.5质量浓度变化特征

为更好地解析北京地区ρ(PM_2.5)的长期变化特征及气流轨迹聚类分析结果,对2007年8月—2014年7月在中国环境科学研究院实测的ρ(PM_2.5)数据进行了统计分析,分析其年际、季节和月际变化特征;通过计算PM_2.5的AQI分指数,分析了污染等级的时间变化特征;结合后向气流轨迹,对ρ(PM_2.5)年际、季节变化与气团来源的关系进行了分析.结果表明:北京地区2008—2013年ρ(PM_2.5)年均值分别为111.5、95.8、94.8、80.5、75.2、81.3 μg/m3,整体呈逐年下降趋势,但污染水平依然较高;ρ(PM_2.5)由高到低的季节次序为秋季、冬季、春季、夏季,平均值分别为111.6、94.8、77.2、70.5 μg/m3,PM_2.5重污染时段主要出现在秋冬季节,并且冬季ρ(PM_2.5)近年来逐渐呈上升趋势;ρ(PM_2.5)月均值呈单峰型变化,11月最高(为125.3 μg/m3),7月最低(为76.4 μg/m3);轨迹聚类分析发现,途经山西省北部和河北省南部的气流轨迹中ρ(PM_2.5)较高,而来自北方及西北方向的气团相对较清洁,ρ(PM_2.5)较低.北京地区近些年实施的大气污染减排措施对于控制PM_2.5污染取得了一定效果,但针对秋冬季节重污染过程的控制力度仍需要加强,同时也要注意区域污染传输对北京地区ρ(PM_2.5)的影响.      

成都市大气细颗粒物组成和污染特征分析(2012-2013年)

为了解成都市大气细颗粒物的污染特征,于2012年5月-2013年5月在成都市城区开展了每6 d采集1次样品的长期颗粒物观测.利用十万分之一分析天平、热光碳分析仪、离子色谱、电感耦合等离子体质谱(ICP-MS)分别分析了颗粒物样品的质量浓度、有机碳/元素碳、水溶性离子、无机元素等,同步收集了污染物在线观测数据、气象数据和卫星遥感数据.结果表明,采样期间,成都市可吸入颗粒物(PM₁₀)和细粒子(PM_2.5)浓度颗粒物浓度分别高达(129.7±76.4)和(91.6±54.3) μg·m^-3,PM_2.5中以二次无机离子(SNA,43.6%)和有机物(OM,31.2%)污染最为突出,其次为土壤组分(Soil,13.8%)、元素碳(EC,5.0%)和微量元素(Trace,0.8%);1月、3月、5月和10月是污染较重的月份.通过比较揭示了不同污染源影响下的典型污染特征.生物质燃烧期间,成都城区PM_2.5浓度达214.3 μg·m^-3,PM_2.5/PM₁₀比达0.89,其中OM贡献增加至57.2%,K⁺浓度达8.7 μg·m^-3,OC/EC比达8.3,SNA比重下降;而沙尘传输期间,PM_2.5浓度为122.6 μg·m^-3,仅占PM₁₀浓度的0.28,PM_2.5中土壤组分比例剧增至77.3%,SNA和无机元素的比重明显下降;静稳天气下PM_2.5浓度为261.0 μg·m^-3,各组分比重并无明显变化,硝酸盐和铵盐比例稍有增加.     

Evaluating long-term urban resilience through an examination of the history of green spaces in Tokyo

Long-term urban resilience requires urban systems with the capacity to respond to change and disturbance and to enhance the conditions for lasting wellbeing. Over the past century Tokyo has demonstrated impressive resilience, especially a capacity to reorganise and rebuild in response to successive major disturbances. Throughout these recoveries, the city-region maintained a focus on re-establishing, improving and maintaining international competitiveness through industrial development. Green spaces in Tokyo provided a flexible, but gradually disappearing resource. Today, to meet the needs of its ageing and minimally expanding population for enhanced wellbeing, Tokyo requires active transition planning covering many intertwined factors, but the adaptive capacity provided by the green space resource is no longer available. The Tokyo case underscores the risk inherent in the depletion of non-renewable resources (in this instance, green space) to secure immediate recovery and accommodate growth and short-term resilience at the expense of long-term resilience.