基于地理标记照片的入境游客空间特征与移动轨迹——以南京市为例

随着互联网与社交媒体的兴起,用户分享内容中的地理标记数据成为旅游流研究的重要对象。以南京入境旅游流空间特征为研究对象,以2010—2018年Flickr平台内南京地理标记照片为基础,利用DBSCAN算法、ArcGIS 10.2等方法与技术探究南京入境旅游热点区域、游客移动轨迹特征及模式。研究结果显示：（1）南京入境游客访问峰值出现在3-6月及10月,以一日游为主。（2）南京AOI空间分布差异明显,历史城区是南京入境旅游最热门区域,其AOI分布与旅游景区、商业购物等相关产业空间高度重合;中心城区的AOI分布数量次之,钟山风景区是其热度核心,深受热衷历史文化的游客追捧;郊区的AOI分布数量最少,基本与当地旅游景区相吻合。（3）单日游和多日游的游客移动轨迹网具有显著差异性,分别体现在网络范围、网络体系、旅游对流及转移差值4个方面。（4）南京入境游客移动轨迹模式可划分为区域内部移动轨迹模式和区域间移动轨迹模式。根据上述研究结果,分别针对历史城区、中心城区及郊区提出相应的发展建议。     

重庆市O3污染日的大气环流分型与传输特征

通过分析重庆市主城区2015~2019年O₃浓度和气象要素观测数据,发现主城区O₃超标日数、超标日O₃中位值和90百分位浓度值均呈现逐年升高趋势,O₃与温度成正相关、与相对湿度成负相关,高O₃浓度对应每日最高温度区间为35℃以上以及相对湿度区间70%以下.采用T-mode主成分分析法(PCT)对2015~2019年的4~9月850hPa低层位势高度场和风场进行分型,总结出重庆市O₃污染期间主要有8种天气类型,其中有利于出现高浓度O₃现象的天气类型分别是低压西北侧型(T1)、低压后部型(T4)和高压西侧(T3),对应O₃平均超标率分别为34.6%、17.0%和14.2%.利用HYSPLIT4模型后向轨迹聚类方法和潜在源贡献算法(PSCF),计算得到O₃污染日的气团主要以中短距离输送为主,主要传输轨迹来自北、东北、南以及西南四个方向,从2015~2019年,主要污染来源有一个明显的从北转南的趋势,O₃污染的潜在源贡献分析结果与全市工业源NO_x、VOCs排放量空间分布的一致性较高.     

山东半岛近地面O3浓度时空变化及潜在源区解析

为探究山东半岛在长时间序列上的臭氧（O₃）时空分布特征及潜在来源,在分析山东半岛2005～2020年O₃浓度时空变化的基础上,运用小波分析、熵权法和相关性分析对O₃及其影响因素进行了探讨,并对山东半岛O₃的潜在来源进行研究.结果表明：（1）时间格局上,山东半岛地区近地面臭氧2005～2020年间呈现出“三峰型”趋势,2010年达到最大值[（40.48±7.64）μg·m^-3], 2013年为最小值[（36.63±5.61）μg·m^-3].季节表现为：夏季[（42.49±1.7）μg·m^-3]>春季[（40.65±0.6）μg·m^-3]>秋季[（36.47±0.7）μg·m^-3>冬季[（36.46±0.3）μg·m^-3].（2）空间格局上,2005～2020年山东半岛O₃浓度随着纬度的升高而逐渐升高,呈现出东西部高,中部低的特征,O...     

京津冀地区气溶胶季节变化及与云量的关系

利用2000年3月—2008年2月中分辨率成像光谱仪(MODIS)的卫星资料,分析了京津冀平原地区大气气溶胶光学厚度(AOD)和气溶胶细粒子组分比率(FMF)的时空分布特征. 结果表明:通过AOD与FMF的组合特征可判别气溶胶季节变化特征.冬、春季以粗粒子为主,但冬季AOD偏小,而在春季急剧增大;夏、秋季均以细粒子为主,但夏季AOD达到最大,秋季较小. 大气环流和气流后向轨迹分析表明,冬季到达北京的气流以西北冷空气为主,西北路径的气流轨迹占冬季气流轨迹总数的67%;春季主要受偏西、西北及偏北气流影响,这3类对沙尘天气有贡献的气流轨迹占春季气流轨迹总数比例之和达到60%;夏季主要以偏南气流和局地环流占优,这2类气流轨迹分别占夏季气流轨迹总数的52%和34%;秋季气流轨迹与春季的相似,但途经沙源的气流传输速度较春季慢.京津冀平原地区夏季AOD与云量(CF)呈正相关,AOD增加,特别是细粒子增加可能导致局地云量增多.      

秸秆焚烧影响南京空气质量的成因探讨

综合利用卫星遥感的火点和云覆盖信息,结合气团后向轨迹分析,探讨了由秸秆焚烧造成的空气污染物的区域尺度输送和本地源对城市空气质量的影响.结果表明,在一定气象条件下,污染物可以发生区域尺度的输送,上风火点与下风城市的污染有明显的相关,将空气污染分为局地型(如,2006年5月31日、2009年11月8日)、区域型(如,2008年10月28日),以及局地区域相结合型(如,2006年6月14日、2007年6月5日、2008年6月2日)3种.应用本文的方法,在有云时,可以通过部分火点和气团后向轨迹分析推测污染物源地.空气污染气象条件分析表明,秸秆焚烧若伴随高空(500hPa)有槽(或位于槽前),低空存在弱切变,气流由周边向中心辐合;同时,若在均压场控制下,等压线稀疏,风速较小或静风,污染物则易积聚而不易输送;逆温层的形成将污染物禁锢在混合层以下,不利于垂直扩散;再加上较大的相对湿度,有利于霾的形成,造成严重空气污染.     

Stepwise multiple regression method of greenhouse gas emission modeling in the energy sector in Poland

The energy sector in Poland is the source of 81% of greenhouse gas (GHG) emissions. Poland, among other European Union countries, occupies a leading position with regard to coal consumption. Polish energy sector actively participates in efforts to reduce GHG emissions to the atmosphere, through a gradual decrease of the share of coal in the fuel mix and development of renewable energy sources. All evidence which completes the knowledge about issues related to GHG emissions is a valuable source of information. The article presents the results of modeling of GHG emissions which are generated by the energy sector in Poland. For a better understanding of the quantitative relationship between total consumption of primary energy and greenhouse gas emission, multiple stepwise regression model was applied. The modeling results of CO₂ emissions demonstrate a high relationship (0.97) with the hard coal consumption variable. Adjustment coefficient of the model to actual data is high and equal to 95%. The backward step regression model, in the case of CH₄ emission, indicated the presence of hard coal (0.66), peat and fuel wood (0.34), solid waste fuels, as well as other sources (-0.64) as the most important variables. The adjusted coefficient is suitable and equals R² = 0.90. For N₂O emission modeling the obtained coefficient of determination is low and equal to 43%. A significant variable influencing the amount of N₂O emission is the peat and wood fuel consumption.     

南昌市大气降水化学特征及来源分析

为分析南昌市大气降水离子来源和源区,对南昌市2016年4—9月大气降水样品主要阴阳离子的组成进行了测定分析,并运用PMF（正定矩阵因子分解）模型分析来源和TrajStat软件模拟后向轨迹.结果表明:NH₄+和Ca2+是南昌市大气降水中的主要阳离子,加权平均浓度为65.3和23.9 μmol/L,分别占阳离子总量的57%和21%;SO₄2-和NO₃-是主要阴离子,加权平均浓度为60.4和25.3 μmol/L,分别占阴离子总量的56%和23%.c（NH₄+）、c（Ca2+）、c（K+）、c（Mg2+）、c（Na+）、c（Cl-）、c（NO₃-）之间均存在着较为显著的相关性,说明它们之间可能有相似的来源或形成化合物共同存在.结合PMF模型分析结果表明,Na+、Cl-很明显受到了海盐的影响,也部分受土壤和二次污染影响;K+、Mg2+、Ca2+大部分来自于土壤,海盐、二次污染也贡献了一部分的K+;SO₄2-、NH₄+和NO₃-是组成大气二次颗粒物的主要成分,主要由二次污染源贡献;煤燃烧贡献了主要的F-和部分SO₄2-.后向轨迹模型分析表明,南昌市大气降水主要受局地降雨气团影响,5月、8月、9月受陆源及人为影响较大,海源性离子经过内陆上空时被稀释或沉降,导致6月、7月来自于海洋上空的降雨气团对南昌影响不大.研究显示,SO₄2-对南昌市大气降水的影响逐渐增大导致降雨类型逐渐由混合型向硫酸型转化,人为影响是造成大气污染的主要原因.      

北京夏季灰霾天臭氧近地层垂直分布与边界层结构分析

后奥运时期首都北京的空气质量被更加关注,尤其是对于灰霾天与光化学复合污染的状况,而近地层数百米高度内的大气污染物与大气物理参数垂直分布观测对于空气质量变化过程评估至关重要.因此,本研究于2009年8月1-16日,在北京市325 m气象塔进行了相应的立体观测,观测平台垂直分布在距离地面高度8、47、120和280 m四层中.同时,在近地面320 m高度以内,分15层分别观测了大气温度、湿度、风速、风向.另外,使用气溶胶后向散射云高仪观测了边界层2.5 km内气溶胶后向散射系数.利用垂直分层的O3数据与边界层物理观测数据并结合天气形势、后向轨迹模式等方法,综合分析了本次观测数据之间的相互关系和内在联系.结果表明:夏季西北部低压槽控制的北京区域不利于低空大气扩散,容易形成光化学污染叠加灰霾污染,污染形成时白天地面小时最大φ(O3)可达120×10-9,280 m高度处可达155×10-9;来自西北偏西的气流一般较为干净,有利于北京污染物的清除,而来自西南和偏南的气流使北京的O3污染加重,导致区域性高浓度O3污染;在稳定天气条件下,夜间残留层与地面的φ(O3)差别越大,次日光化学生成的φ(O3)起点越高,表明残留层O3在次日混合层抬升过程中卷夹到地面,影响地面空气质量;300 m以内的近地层,在50 m高度左右存在φ(O3)变化程度剧烈层,这是城市冠层界面与大气化学反应共同作用的结果.     

和田绿洲沙尘暴物质输送路径及其对大气环境质量的影响

为了研究来自不同方向的沙尘暴对和田绿洲大气环境质量的影响，本文利用HYSPLIT后向轨迹模型和NCEP的GDAS全球气象要素数据，将和田绿洲西北部的墨玉县城作为模拟受点（37.26°N，79.72°E），计算2016年1月1日—2018年12月31日发生的每一次沙尘天气期间逐日18：00（世界时）36 h后向气流轨迹，轨迹计算起始高度设置为500 m，并结合相应的PM_2.5、PM₁₀、SO₂、NO₂、CO、O₃浓度监测数据进行聚类分析，研究抵达该地区的沙尘暴的主要移动轨迹和污染物输送路径.同时，运用潜在源贡献因子分析法（PSCF）和权重污染轨迹分析法，分析了沙尘暴期间不同气流轨迹对墨玉县污染物浓度的影响，识别大气污染物的潜在源区，揭示不同源区对污染物浓度的贡献差异.结果表明，影响和田绿洲（墨玉县）的沙尘暴主要来自西北（WN）、北（N）、东北（EN）和东（E）4个方向；其中，来自东部的沙尘天气频率最高（60.2%），但主要以浮尘天气为主；扬沙和强沙尘暴主要来自西部方向，54.48%的强沙尘暴和38.53%的扬沙来自西和西北方向.不同沙尘源区和不同传输路径上的沙尘气溶胶对和田绿洲大气环境的影响不一样.沙尘天气期间，大气PM_2.5和PM₁₀的平均浓度相当于无沙尘天气期间的3~5倍，但对SO₂、NO₂、CO、O₃质量浓度的影响不大；由西向东和由北向南的沙尘暴对墨玉县PM_2.5和PM₁₀质量浓度的贡献率最大；由东向西的沙尘暴由于路过和田市和洛浦县等工业污染源区，此簇沙尘暴气团将该区域SO₂、NO₂、CO等污染颗粒携带到墨玉县，因此，东-东南（E-ES）方向的沙尘暴对SO₂、NO₂、CO的贡献率分别为15.56%、20.55%和21.57%.本文定量印证了沙尘暴对和田绿洲大气环境质量的影响，可为绿洲区沙尘暴研究提供参考.     

利用轨迹模式模拟近地层臭氧日变化

提出在多条轨迹上应用轨迹模式，以实现对固 区臭氧浓度日变化的模拟，应用该方法对北京燕山石化炼油厂地区的Ｏ３浓度日变化进行了模拟，结果表明模拟值和实测值十分吻和。进一步模拟了当地的臭氧生物特征，并讨论了当地的气象条件和源排放对Ｏ３生成浓度的影响。结果说明削减ＮＯｘ的排放量是控制该地区光化学烟雾形成的关键，而降低燃烃和芳香烃在排放物中所占的比例也是控制该地区光学烟雾的重要手段。