万峰湖总有机碳空间分布特征

于2012年9月对万峰湖(水库)的总有机碳(TOC)空间分布特征进行研究,结果显示:TOC含量范围为0.41~3.94 mg/L。TOC在纵向分布上的差异不显著,在垂向分布上,总体呈现出上层中层下层的趋势。TOC在垂向上的分布差异主要源于万峰湖属于深水水库,不同深度水层因光照和温度差异所导致生物量的多寡是致使万峰湖出现上层TOC浓度明显高于中层和下层的主要因素。     

镇江地区土壤中重金属Cu和Pb污染状况与空间分布

为了锯镇江地区土壤中重金属Cu和Ph的污染状况与空间分布,对镇江地区表层土壤中的Cu和Pb进行了采样监测。结果表明,镇江地区表层土壤中cu的含量为19．2～273mg／kg,Pb的含量为20．6～3846mg／kg。与全省土壤背景值相比,均有一定程度的富集。对cu和Pb的相互关系进行分析可得出,镇江地区土壤在一定程度上受到农业面源的污染。     

山区土壤重金属空间插值性能的改进

山区土壤重金属监测中,密集均匀的布点采样困难大,成本高。根据稀疏非均匀样本数据准确预测山区土壤重金属空间分布,对可视化描述检测元素的分布及趋势具有重要意义。基于云南省楚雄市南部山区表层土壤中重金属锰、钒的采样数据,对集成径向基函数神经网络(IRBFANNs)和传统插值方法:反距离(IDW)、普通克里格(OK)、径向基函数神经网络(RBFANNs),进行了不同等级采样密度下的插值性能比较。结果表明,样本点数量减少时,传统预测方法的插值精度都有所下降,而IRBFANNs算法在样本点较少情况下能够保持最好的插值精确度和稳定性,有效改进了空间插值性能。     

成都PM2.5与气象条件的关系及城市空间形态的影响

2013年2月1日至3月20日、2013年7月10日至8月10日对成都市大气中细颗粒物(PM2.5)进行连续监测,同步记录气象数据。将PM2.5质量浓度与城市气象条件进行相关性分析,研究气象条件对PM2.5质量浓度的影响。2月1日至3月20日PM2.5质量浓度平均为147.38μg/m3,7月10日至8月10日平均为50.19μg/m3,大气细颗粒物污染最严重的时间出现在2月1—6日。成都市各气象条件中,PM2.5质量浓度与能见度、风速呈现显著负相关,而与其他气象要素相关性较弱,降水对PM2.5质量浓度影响也很大。改善城市通风有利于成都市大气中PM2.5的稀释和消散。通过建立3D模型并运用计算流体力学(CFD)软件模拟成都市选定的一处密集的建成区域,分析城市空间形态对通风的影响。研究发现,在假设等温的情况下,多层密集的区域对城市通风影响小,而高层对城市通风影响很大,建筑高度相近的街道与风向平行的风速大于与风向成角度的,与风向平行的街道沿线为高层的风速高于沿线为多层的,较大的开敞空间及背景风速更有利于城市通风环境。     

洪泽湖水体富营养化时空分布特征与影响因素分析

通过2014年—2017年对洪泽湖12个水质断面定期调查,采用营养状态指数(TLI)综合评价其水体富营养状态,同时应用主成分分析方法(PCA)分析其富营养化状态的时空变化特征。结果表明,洪泽湖70%以上的调查断面水质全年处于轻度富营养化状态,夏季是其富营养化最严重的季节;洪泽湖年内水体水质差异较大,而其水华特征并未呈现明显差异;洪泽湖富营养化很大程度上受制于营养盐的积累程度,并与湖泊透明度呈现极显著的负相关关系(p0.001),与湖水pH值呈现极显著的正相关关系。     

2013年北京市PM2.5重污染日时空分布特征研究

根据2013年北京市环境保护监测中心监测的PM2.5数据,系统分析了北京市重污染日PM2.5污染的时空分布特征,并利用克里格插值初步统计了全年和重污染日PM2.5不同浓度区间的国土面积。2013年全市PM2.5年均浓度为89.5μg/m3,重污染日平均浓度为218μg/m3,重污染日主要集中在冬季;PM2.5年均浓度呈现明显的南高北低梯度分布特征,而重污染日空间分布较均匀,南部及城六区存在明显的高污染区,平均浓度在180μg/m3以上;2013年北京市重污染日PM2.5平均浓度为150~250μg/m3,其对应的国土面积约为12 656 km2,PM2.5平均浓度在250μg/m3以上的国土面积约为883 km2,而全年无PM2.5平均浓度在150μg/m3以上所对应的国土面积。     

乌鲁木齐市近年来大气降尘变化规律及空间分布特征

基于乌鲁木齐市多年监测的降尘数据,对乌鲁木齐市城区的降尘量进行了统计分析,得出了乌鲁木齐市近10年来降尘的总体变化规律;利用方差分析方法检验了不同季节降尘的显著性差异,发现采暖期的降尘量明显大于非采暖期;按行政区分析降尘量的分布变化,结果为不同行政区存在差别;利用秩相关系数法对其进行了趋势分析。结果表明,乌鲁木齐市的降尘呈下降趋势。利用Arc GIS9.3中的普通克里格插值方法绘制了乌鲁木齐市城市自然降尘的空间分布图。     

四川省水体富营养状况时空分布调查

采用综合营养指数法对四川省主要河流营养状况进行调查评价,分析其时空分布规律。结果表明,2009年四川省水体综合营养状态整体处于中营养水平。从空间分布情况看,水体营养状态从优到劣依次为金沙江、长江干流、岷江、嘉陵江、沱江,其中沱江处于轻度富营养状态。从时间分布情况看,除沱江流域月度间变化较小外,其他调查河流水体营养状态月度间变化呈双峰型"M"状,营养指数主峰发生在8月;长江干流、岷江和嘉陵江次峰发生在4—5月,金沙江次峰发生在10月。     

“十一五”期间新疆大气降尘量时空分布特征及影响因素分析

通过对"十一五"期间新疆134个大气降尘监测点位数据进行统计分析发现,"十一五"期间,全疆年均降尘量维持在22.2~24.6 t/km2.月,变化幅度小于10%。一年内降尘主要集中在3~6月份,占全年降尘量的51%。在空间分布上,新疆年均降尘量呈现明显的南疆高于北疆的特征,南疆五地、州的总降尘量占全疆总降尘量的70.2%,为新疆降尘的主要集中区。特殊的气象、生态环境是决定新疆大气降尘时空分布特征的主要因素。     

A new approach to spatial source apportionment of haze pollution in large scale and its application in China

Long-lasting expansion of haze pollution in China has already presented a stern challenge to regional joint prevention and control. There is an urgent need to enlarge and reconstruct the coverage of joint prevention and control of air pollution in key area. Air quality models can identify and quantify the regional contribution of haze pollution and its key components with the help of numerical simulation, but it is difficult to be applied to larger spatial scale due to the complexity of model parameters. The time series analysis can recognize the existence of spatial interaction of haze pollution between cities, but it has not yet been used to further identify the spatial sources of haze pollution in large scale. Using econometric framework of time series analysis, this paper developed a new approach to perform spatial source apportionment. We applied this approach to calculate the contribution from spatial sources of haze pollution in China, using the monitoring data of particulate matter (PM_2.5) across 161 Chinese cities. This approach overcame the limitation of numerical simulation that the model complexity increases at excess with the expansion of sample range, and could effectively deal with severe large-scale haze episodes.