厦门湾空气质量对新冠疫情管控的响应

通过对厦门湾城市群在COVID-19封锁前后6周内（2020-01-11~2020-02-21）的空气污染物浓度变化进行分析,以确定影响本区域空气质量的主要人为污染源.在春节假期与封锁叠加期间,SO₂、NO₂、CO、PM₁₀和PM_2.5浓度相比于节前1周的下降幅度分别为6%~22%、53%~70%、34%~48%、47%~64%和53%~60%,而O₃浓度变化没有一致的规律性;与2018~2019年历史同期相比,PM_2.5、PM₁₀、CO和NO₂的下降幅度更大,但SO₂的下降幅度相当;在复工复产后,NO₂的反弹幅度最大（38%~138%）,远高于SO₂（2%~42%）,显示交通源相对于固定源更易受到疫情管控的影响;春节后风速增大和降水增多也为SO₂、NO₂和PM的下降提供了正向影响.利用反距离插值权重法,得到管控前后厦门湾城市群不同污染物的空间分布变化特征,显示NO₂浓度高值区的变化与交通源高度相关,CO和SO₂空间分布特征保持稳定,复工后PM_2.5和PM₁₀在人口与路网密集区变化不明显,而在工地相对集中区域有明显上升,O₃空间分布的低值区与NO₂的高值区具有较好的空间匹配性,显示NO₂对O₃滴定作用明显,可为进一步O₃污染减排措施的制定提供参考.     

北京市2020年春节期间空气质量影响因素分析

2020年春节期间由于新冠肺炎疫情的大范围暴发,包括北京在内的多个城市经济社会活动较长时间处于低水平状态。但是在此期间,北京市出现了两次(农历正月初二至初六、正月十六至十九)污染水平不逊于往年的重污染天气,成为社会各界关注的焦点。本文以北京市2016-2020年春节期间的空气质量为研究对象,首先运用多元线性回归法判断了气象因素以及经济和社会活动因素对四类污染物(PM_2.5、PM₁₀、NO_2和SO₂)的影响程度,进一步研究了在2020年春节期间的两次重污染时段内各个因素对PM_2.5的影响程度,最后运用双重差分法评估春节期间的疫情管控措施对北京市空气质量产生的影响。多元线性回归结果显示在2016-2020年春节期间:(1)气象因素对北京市的PM_2.5、PM₁₀、NO₂和SO₂四类污染物浓度的影响占主导地位,其中温度、湿度与四类污染物浓度变化均显著正相关,气压和降水与四类污染物浓度变化均显著负相关;(2)经济活动水平与NO₂浓度水平有显著正相关关系,说明随着经济活动水平强度的降低和交通流量的下降,NO₂浓度呈现出降低趋势,而PM_2.5、PM₁₀和SO₂与经济活动水平分别有正相关、正相关和负相关关系,但并不显著;(3)从社会活动来看,燃放烟花爆竹会增大PM_2.5、PM₁₀和SO₂浓度,同时假期变量对PM_2.5和SO₂的浓度变化也存在显著正向影响。对于2020年春节期间的两次重污染过程来说,气象依然是主要影响因素,但是各因素的贡献值有所不同;春节期间经济活动水平对正月初二至初六重污染过程的贡献较小(2%),而对正月十六至十九有明显的负影响(-20%)。双重差分法评估结果显示,疫情管控对PM₁₀和NO₂有缓解效果,而对PM_2.5和SO₂未见明显影响,这表示疫情管控措施对空气质量施加了影响。本文不仅识别出了春节期间气象因素、经济社会活动与北京市四类污染物浓度之间的关系,有助于厘清各因素对空气质量产生影响的方式,而且对进一步改善北京市及京津冀地区的空气质量具有重要启示意义。     

北京与成都大气污染特征及空气质量改善效果评估

近年来我国空气质量持续改善,大气颗粒物浓度明显降低.为探究气象条件和减排措施对细颗粒物（PM_2.5）浓度的相对贡献,选取两个典型代表城市——北京和成都,对比分析两城市所处的地理环境条件、污染排放以及气象扩散条件.结果表明,北京与成都2013~2018年重污染天数及污染过程显著减少,SO₂和PM_2.5浓度降幅明显,与2013年相比,两城市2018年SO₂浓度的降幅分别为77.8%和70.9%,PM_2.5浓度分别降低了42.7%和48.5%.冬季PM_2.5浓度下降速率最大,每年分别以13.5μg·m^-3和14.1μg·m^-3的速率降低.2013~2018年成都较北京风速偏小,温度偏高约3℃,静小风日数偏多,冬季静小风频率高,混合层高度、大气容量指数以及通风系数明显偏小,大气扩散条件较差.综合静稳天气指数（SWI）和环境气象指数（EMI）结果表明北京大气扩散条件优于成都,但近几年的变化程度有所不同.2014~2018年两城市的EMI呈减小趋势,2018年成都地区EMI降幅最显著,气象条件明显好转.与2014年相比,2018年北京与成都全年大气污染减排对PM_2.5浓度的贡献分别为33.5%和24.0%,气象条件的贡献分别为7.2%和11.1%;冬季减排贡献分别为31.7%和32.5%,气象条件的贡献比全年的大.     

成都市县域土地利用碳收支与经济发展关系研究

基于2014年成都市县域单元土地利用遥感图像和能源消耗统计数据,论文分析了碳收支空间分布特征,通过回归模型构建,对碳收支、土地利用和经济发展协同关系进行研究。结果表明：1）成都市碳汇土地面积占比为56.97%,高于碳源用地,区域碳源/碳汇用地空间差异明显。土地利用强度为2.40~3.33,呈现“东高西低、中心最高”的空间分布特征;2）成都市净碳排放2.43×10⁷ t,呈现“东高西低、中心最高”分布特征。各县域单元碳补偿率为0.06%~11.58%,碳生态承载系数（ESC）为0.05~8.60,呈现“东低西高、中心最低”的特征;3）碳排放经济贡献系数（ECC）为0.26~1.45,呈现“中心高、周边低”的特征并且空间差异较小;4）碳排放与GDP极显著正相关（P<0.01）。ESC与土地利用强度极显著负相关（P<0.01）。ECC与土地利用强度耦合协调度均值为0.56。耦合协调度和人均GDP回归关系极显著（P<0.01）,表明区域经济发展提高了碳排放经济效益和土地利用强度的耦合协调度。     

1961—2011年珠三角城市群度日变化特征

根据1962—2011年珠三角城市群9个气象观测站逐日平均气温资料,采用度日模型和基准温度21．8℃,分析了珠三角城市群冷度日和热度日月际、年际及年代际的变化特征。结果表明,珠三角城市群冷度日集中在4一10月,以7月份最大,热度日集中在11月一次年3月,以1月份最大,各站冷度日和热度日的最大值差别均较小;冷度日呈明显的上升趋势,上升速率在18．8～87．900·d·10a。之间,最小值出现在1976年,最大值出现在1998年之后,热度日呈明显的下降趋势,下降速率在28．7～60．7℃-d-10a-1之间,最小值多出现在21世纪10年代,最大值多出现在1969年,20世纪80年代以来,冷度日上升和热度日下降的趋势均加快,佛山、深圳尤为明显。CDD与年平均气温的变化呈显著的正相关,HDD与年平均气温的变化呈显著的负相关。CDD、HDD的这些变化特征可能与年平均气温的上升有关,也可能与当地经济的快速发展有关。     

我国城市天然气替代燃煤集中供暖的大气污染减排效果

基于国家发改委“天然气利用政策”中的天然气利用领域,利用等热值替代方法计算不同领域天然气替代后的污染物减排效果,从大气污染减排角度对天然气各个利用领域的优先次序重新排列,并对2010年全国15个重点供暖城市天然气替代燃煤集中供暖的大气污染物减排量进行测算.结论表明:天然气集中供暖的大气污染减排效果排序处于前列,城市利用天然气替代燃煤集中供暖对CO2、颗粒物(PM)、SO2和NOx都有较明显的减排效果.2010年我国15个重点城市如果采用天然气集中供暖,共可减少CO2排放量2190.71万t、颗粒物(PM)排放量734.24万t、SO2排放量40.21万t、NOx排放量22.56万t.     

北京PM2.5背景值定值方法及其变化特征研究

通过气团识别方式,确定了较强气团判别指标,定量评估了较强气团对北京上甸子区域大气本底站PM2.5浓度影响.结果显示,偏北风过程中PM2.5的背景值介于10.3~13.5μg/m3,平均值为(11.7±1.3)μg/m3;偏南风过程中PM2.5的背景值介于60.2~92.6μg/m3,平均值为(76.2±12.8)μg/m3.偏北风过程中,PM2.5背景值变化趋势不明显;偏南风过程中,PM2.5背景浓度呈线性下降趋势,下降速率为5.5μg/(m3×a).2009~2012年期间,区域本底站观测到的PM2.5年均值变化不大,这与北京地区的局地产生的二次PM2.5逐步增大有关,在一定程度上抵消了区域背景值下降的影响.当出现系统性偏南风时,北京以南区域输送对北京当地PM2.5浓度增加的平均贡献接近60%,但是自2009年开始逐步下降,截止2012年该贡献降低到44%.     

北京地区多气溶胶遥感参量与PM2.5相关性研究

利用卫星和地基遥感气溶胶数据分析了北京地区多气溶胶性质参量与PM2.5的相关性,提出了计算粒子直径小于2.5μm的气溶胶体积浓度和光学厚度(AOD)的方法,并用该方法对2012年3～9月北京地区地基遥感气溶胶体积浓度和光学厚度进行了尺度校正.结果表明:多种气溶胶遥感参量如气溶胶光学厚度、体积浓度和质量浓度等均与PM2.5存在一定的相关性;相比于卫星遥感参量,地基遥感参量与PM2.5的相关性更好;各波段的总气溶胶光学厚度与PM2.5的相关性随波长的增加而减小;经粒子尺度校正后,气溶胶的体积浓度和长波段总气溶胶光学厚度与PM2.5的相关性明显增加.     

北京大气能见度和消光特性变化规律及影响因素

利用长时间序列的大气能见度与湿度等气象资料以及近年来大气污染物的监测数据,探讨了北京大气能见度及消光特性的变化规律及影响因素.结果显示:近50年来北京大气消光作用存在降-升-降的变化过程,1954~1967年以下降为主,20世纪60年代中期至70年代明显上升,此后特别是20世纪90年代以来北京大气消光作用基本呈缓慢下降趋势,能见度变化过程与此相反.从区域分布看北京大气消光作用北部及西部山区低于平原区,平原区存在由北向南逐渐升高的分布规律,即北部平原区低于中部市区,中部市区低于南部平原区.近10年来北京大气颗粒物消光作用区域差异逐渐减小,这与大气污染区域分布变化趋势基本一致.北京大气消光作用20世纪80年代之前冬高夏低,之后转为冬低夏高,对应于大气污染由煤烟型向综合型的转变.大气消光作用平均日变化呈双峰双谷型,09:00和21:00形成双峰,06:00和16:00处于双谷,但月际差异明显.大气消光作用受颗粒物浓度与相对湿度影响显著.高消光作用通常与高相对湿度和高颗粒物浓度有关;低消光作用出现在湿度和颗粒物质量浓度同时较小情况.相对湿度低于70%时,大气颗粒物消光作用会随着PM2.5浓度的升高明显增强,消光作用与PM2.5浓度存在线性关系;当相对湿度大于70%时,消光作用对PM2.5浓度变化的响应并不明显.     

API-based assessment on urban air environment bearing capability in China

Given the complexity and time-consuming of the conventional environmental capacity based assessment on air environment carrying capacity; a new method for assessing urban air environment carrying capacity based on air pollution index (API) is presented. By using this new method, the air environmental bearing capability of 333 cities at the prefecture level and above is assessed. The results show that of the 333 cities 9.6% is of high bearing capability, 34.5% relatively high bearing capability, 52.6% medium bearing capability, 2.7% low capability, and 0.6% is of weak bearing capability; in terms of regional distribution, the western region is of relatively high air environment bearing capability, followed by north-eastern and eastern regions, and the ambient air quality in the middle region is quite poor; among the 12 urban agglomerations in key regions, Pearl River delta, west side of Taiwan Strait and Chengdu-Chongqing agglomerations are of relatively high carrying capacity while other agglomerations are of medium bearing capability. The assessment results imply that the existing air quality standard (GB3095-1996) is quite unsound.