区域地下水不同深度微生物群落结构特征

为了揭示区域地下水不同深度微生物群落结构特征及其与地下水环境相互作用关系,选取北京琉璃河地区,采集不同深度地下水样品,用于水化学分析和微生物16S rRNA基因V4-V5区测序.水化学分析结果显示,地下水中8种主要离子浓度随深度增加均呈减小趋势,Cl^-、SO₄^2-、NO₃^-变化规律显著,工业较发达区NO₃^-浓度达155.30mg/L,SO₄^2-浓度达321.00mg/L,部分浅层地下水受NO₃^-和SO₄^2-污染.微生物分析结果显示,地下水中微生物群落多样性受深度影响显著,随深度增加微生物群落组成丰富.地下水中优势菌门为Proteobacteria （26.2%~95.2%）,优势菌属为Pseudomonas（1.5%~32.2%）,不同深度微生物菌属组成差异明显,浅层、中层和深层地下水特有菌属数目分别为74,60,54.NO₃^-、SO₄^2-、深度是影响地下水微生物群落的主要因子,且NO₃^-、SO₄^2-浓度受地下水深度影响程度大.地下水深度是影响微生物群落结构差异的重要原因.     

长江三角洲城市群工业污染时空演化及其驱动因素

基于2003~2015年长江三角洲（以下简称长三角）城市群26个城市工业废水和工业SO₂排放数据,采用标准差椭圆、地理集中指数、工业环境绩效指数、空间形态差异指数等方法从宏观和微观视角对长三角城市群工业污染时空演化进行分析,同时采用对数平均迪氏分解（LMDI）模型对其工业污染排放主要驱动因素进行分解.研究发现：2003~2015年工业废水和工业SO₂排放量分别下降了16.97%和28.79%,但占全国比重仍然较高,尤其是工业废水对生态环境胁迫较大.2种工业污染空间形态均呈现出北（偏西）-南（偏东）的空间分布形态,而2种工业污染重心移动轨迹并不一致,工业废水重心总体上朝向东（偏南）方向迁移了12.85km,而工业SO₂重心总体上朝向西（偏北）方向迁移了26.89km.此外,2种工业污染主要集中分布于长江沿岸城市且污染集中度指数由高到低大致呈半圈层状向周围递减.工业发展与工业污染空间形态演变具有一致性,工业废水重心和工业SO₂重心与工业发展重心距离均在逐渐缩小,而2种工业污染-环境绩效空间分布格局并不完全一致.驱动因素方面,环境规制引起的技术改善效应是工业污染排放量减少的主要原因,而由环境规制引起的产业结构效应对工业污染排放量的影响则取决于区域发展政策,经济发展效应是工业污染排放量增加的主要原因,人口规模效应对工业污染排放量的影响较小.     

流域社会经济与水环境质量耦合协调度分析

从经济发展、社会发展、环境保护等方面构建耦合协调评价指标体系,采用熵权法确定指标权重,利用力学平衡模型,对闽江流域各个地区2006~2016年耦合协调程度进行评估.结果表明：三明、南平、福州市的经济发展水平、社会发展水平、环境保护水平总体上均呈现逐年递增的趋势,在空间上大体表现为福州 > 三明 >≈南平.三明、南平、福州等地区的耦合协调度总体上呈现递增趋势,在空间上表现为福州>三明≈南平.从时间变化看,可以将闽江流域耦合协调度划分成3个阶段：阶段I （2006~2009年）、阶段Ⅱ （2009~2013年）、阶段Ⅲ （2013~2016年）.根据闽江流域各地区耦合协调度偏离方向θ的大小,将闽江流域各地区不同年限的耦合协调发展划分为环境保护滞后型（I象限）、经济发展滞后型（Ⅱ象限）、社会发展滞后型（Ⅲ象限）,并对不同滞后类型分别提出改进方向.     

基于Monte Carlo模拟的河流水质评价——以温瑞塘河为例

基于水质评价的综合污染指数（CWQI）法和水质指标实测含量的统计分析,应用Monte Carlo模拟方法,建立了河流水质评价的Monte Carlo-CWQI耦合模型并进行实例研究.通过建立的耦合模型和温瑞塘河流域14个监测断面2004~2010年的水质监测数据,定量分析各监测断面隶属于不同污染等级的概率水平和各水质指标对水体污染的影响程度.结果表明：温瑞塘河水系水质污染十分严重,勤奋、九山、东水厂、十字河、南白象、灰桥、新桥、米筛桥、仙门、光明、郭溪、瞿溪、西岙和梧田监测断面处于重度污染的概率分别为28.50%,0.55%,92.71%,59.73%,78.85%,39.38%,78.87%,83.09%,65.32%,78.08%,0.00%,0.96%,68.09%,86.06%;处于严重污染的概率分别为71.28%,0.01%,4.33%,39.76%,21.07%,60.59%,4.42%,12.41%,11.02%,21.24%,0.00%,0.02%,1.42%,13.12%.各监测断面总氮（TN）,氨氮（NH₃-N）和溶解氧（DO）的Spearman等级相关系数范围分别是0.41~0.76、0.25~0.63和0.14~0.66,是其他指标的2倍以上,表明影响该地区水质达标的主要因子是TN,NH₃-N和DO.本研究拓宽了河流水质评价的研究视角,能够为流域水环境管理提供丰富的决策依据.     

Morphology, composition, and sources of individual aerosol particles at a regional background site of the YRD, China

Aerosol samples were collected at Lin'an, a background site of Yangtze River Delta(YRD).Morphology, size, composition, and mixing state of individual aerosol particles were characterized by transmission electron microscopy(TEM) coupled with energy dispersive X-ray spectroscopy(EDS), and the soluble ions of PM_(1.0) were studied by aerosol mass spectrometer(AMS). The daily average AMS mass concentrations of sulfate, nitrate, and ammonium were about 5.8, 8.6, and 5.6 μg/m~3, respectively. Individual aerosol particles were classified into seven types: S-rich, K-rich, organic matter(OM), soot, fly ash, metal, and mineral. S-rich particles were dominant in all size bins, and 51%(by number) of S-rich particles were internally mixed with other particles. The fraction of organic coating particles was 13.7% in morning, 25.2% in afternoon, and 11% in evening, suggesting that the strong photochemical process during afternoon produced more secondary organic aerosols(SOA) on the surface of inorganic particles. Fly ash and metal particles were abundant during the day, suggesting the influence of emissions from coal-fired power plants and steel plants. The results indicate that the intense industrial emissions in the YRD significantly transported to the background areas. PM_(2.5) concentration may be lower in background air than in urban air but complex mixing state of aerosol particles indicates that the long-range transported particles substantially influenced the background air quality.     

Air pollution characteristics and their relationship with emissions and meteorology in the Yangtze River Delta region during 2014–2016

With rapid economic growth and urbanization, the Yangtze River Delta(YRD) region in China has experienced serious air pollution challenges. In this study, we analyzed the air pollution characteristics and their relationship with emissions and meteorology in the YRD region during 2014–2016. In recent years, the concentrations of all air pollutants, except O_3,decreased. Spatially, the PM_(2.5), PM_(10), SO_2, and CO concentrations were higher in the northern YRD region, and NO_2 and O_3 were higher in the central YRD region. Based on the number of non-attainment days(i.e., days with air quality index greater than 100), PM_(2.5) was the largest contributor to air pollution in the YRD region, followed by O_3, PM_(10), and NO_2.However, particulate matter pollution has declined gradually, while O_3 pollution worsened.Meteorological conditions mainly influenced day-to-day variations in pollutant concentrations. PM_(2.5) concentration was inversely related to wind speed, while O_3 concentration was positively correlated with temperature and negatively correlated with relative humidity.The air quality improvement in recent years was mainly attributed to emission reductions.During 2014–2016, PM_(2.5), PM_(10), SO_2, NO_x, CO, NH_3, and volatile organic compound(VOC)emissions in the YRD region were reduced by 26.3%, 29.2%, 32.4%, 8.1%, 15.9%, 4.5%, and0.3%, respectively. Regional transport also contributed to the air pollution. During regional haze periods, pollutants from North China and East China aggravated the pollution in the YRD region. Our findings suggest that emission reduction and regional joint prevention and control helped to improve the air quality in the YRD region.     

长三角典型站点冬季大气PM2.5中OC、EC污染特征

对2015年1月9日~2015年1月31日临安、南京和苏州3个站点采集的PM_(2.5)样品(共计279组),使用热光反射法(thermal/optical reflectance,TOR)分析了样品中有机碳(OC)与元素碳(EC)的含量,并研究了长三角地区冬季PM_(2.5)中OC和EC的污染特征.结果表明,采样期间临安、南京和苏州的PM_(2.5)平均质量浓度分别为(123.56±61.11)、(144.77±62.91)和(156.5±68.97)μg·m-3,均超过我国《环境空气质量标准》(GB 3095-2012)规定的PM_(2.5)日均值75μg·m-3;其中3个站点OC与EC的平均质量浓度依次分别为(21.93±11.69)/(6±3.6)、(20.32±10.3)/(5.39±3.07)和(27.08±14.35)/(6.4±4.29)μg·m-3.临安作为长三角大气环境背景点,OC与EC的污染也较为严重.3个站点OC与EC的相关性为临安(R2=0.83)、南京(R2=0.72)和苏州(R2=0.72),表明冬季长三角地区的碳质气溶胶的来源较为一致和稳定.3个站点样品中的OC/EC值均大于2.0,样品的OC/EC值主要分布在2.5~6.0这个区间内,表明燃煤源和机动车尾气排放源是OC与EC的主要来源.使用EC示踪法估算临安、南京和苏州3个站点的二次有机碳(SOC)平均质量浓度分别为(9.23±5.26)、(6.82±4.36)和(12.56±7.52)μg·m-3,在OC中占比为42%、34%和46%,表明SOC是OC的重要组成部分.后向轨迹显示,PM_(2.5)、OC和EC的质量浓度与主要气团的传输路径有较好的相关性,自空气质量较差区域气团的PM_(2.5)、OC和EC的质量浓度是来自空气质量较好区域的1.14~1.7倍、1.55~2.1倍和1.94~2.47倍.     

1970-2015年汉江流域多尺度极端降水时空变化特征

基于汉江流域63个气象站点逐日降水数据,辅以超阈值抽样、极端降水集中度（EPCD）和集中期（EPCP）、Mann-Kendall趋势检验等分析方法,对1970-2015年汉江流域多尺度极端降水变化特征进行分析。结果表明：（1）在旬尺度上,汉江流域EPCD较高,呈现出“西高东低”空间特征;汉江EPCP多年均值为七月下旬,空间呈现出“东部早,西部迟”的分布特征,不同流域表现出不同的年代变化规律。（2）在月尺度上,汉江流域极端降水各月分布不均,主要集中在5-9月,同年10月至次年4月为极端降水少发期。（3）在季尺度上,汉江流域极端降水夏季占比50%以上,但近期全流域夏季极端降水比例下降,其中上游主要为春季占比增加,中下游为秋季占比增加,说明夏季是影响汉江极端降水非均匀变化的关键季节。（4）在影响因素上,当东亚季风和南亚II区季风偏强时,汉江流域夏季极端降水量整体减少;当东亚季风偏弱时,夏季极端降水增幅呈南北分异,而南亚II区季风偏弱时,极端降水增幅呈东西分异。     

OBIA与RF结合的龙口市土地利用信息提取方法

为提高中分辨率遥感影像解译精度,本文提出面向对象影像分析（Object Based Image Analysis,OBIA）与随机森林（Random Forest,RF）结合的土地利用信息提取方法。采用Landsat 8 OLI影像,针对不同地物特点,阈值分割和多尺度分割结合创建影像对象,规则集和分类器协同分类,基于Relief F算法分别对光谱特征、纹理特征及所有特征降维筛选特征子集,并与全部特征一起应用RF建模,对龙口市进行土地利用信息提取与比较。结果表明：OBIA与RF结合提取土地利用信息,基于Relief F算法筛选纹理特征,保留完整光谱、几何、空间关系特征构建RF模型,建模错分率为0.0958,分类总体精度和Kappa系数分别为89.37%和0.872,取得较理想结果。该方法可应用于中分辨率遥感影像土地利用信息提取。     

塔里木河下游区域植被时空变化

为了对比生态输水工程实施前后塔里木河下游植被变化,分析植被对生态输水的时空响应,基于1986-2017年研究区上方无云的22期Landsat NDVI数据,辅以波动分析、趋势分析,探索研究区植被的时空变化特征,并对其驱动因素进行分析。结果表明：（1）空间上,植被的分布与水资源的分布密切相关,主要沿河道和积水区域分布。（2）1986-2000年,NDVI呈现缓慢下降趋势,2000-2017年NDVI总体呈现波动增加趋势;植被对生态输水有一定的滞后性,且与输水量密切相关。（3）研究区NDVI时间序列的方差介于0.0077~0.1957间,存在明显的空间差异,其波动的大小与植被种类密切相关。（4）1986-2000年,植被的NDVI空间趋势以减小为主,并主要发生在英苏和老英苏附近;2000-2017年,植被的NDVI空间趋势以增加为主,且主要发生在沿河道区域和喀尔达依东侧。