2009年8~9月成都市颗粒物污染及其与气象条件的关系

对成都市3个不同点位PM2.5和PM10进行了为期30d的连续观测,研究了大气颗粒物浓度的时空分布特征,及其与气象条件的关系.研究表明,观测期间成都市大气颗粒物PM2.5和PM10质量浓度日均值分别为66,94μg/m3,两者浓度变化范围较大,但变化趋势相同.从空间分布来看,大气颗粒物浓度均是熊猫基地>草堂寺>丽都花园,即下风向污染状况最严重,商业繁华地段次之,生活居住区最好;从时间分布来看,大气颗粒物污染最严重出现在9月17~19日,9月5~9日2个时间段,不利的气象因素和污染物的累积是造成该时间段大气颗粒物污染加重的主要原因.PM2.5与PM10质量浓度的相关性为0.93,PM2.5对PM10的贡献较大,两者质量浓度的比值达0.69.气温对大气颗粒物浓度变化没有显著影响;降水以及风速对颗粒物浓度影响较大,主要是对颗粒物的湿清除和促进扩散作用;在一定相对湿度范围内,高湿度条件容易造成大气颗粒物的较重污染.能见度与大气颗粒物浓度呈明显负相关性,且与PM2.5的相关系数大于与PM10的相关系数.     

成都市一次重雾霾天气PM10中水溶性离子污染特征

2015年1月10~19日,对成都市青羊区雾霾期间大气PM10样品进行了采集,分析其质量浓度和9种水溶性离子(F-、Cl-、NO-3、SO2-4、NH+4、Ca2+、Mg2+、K+和Na+)的分布特征。结果表明:此次雾霾期间PM10的平均质量浓度高达357.8μg/m3;水溶性离子的总质量浓度在雾霾天较高,二次无机水溶性离子NO-3、SO2-4和NH+4占总水溶性离子的74.53%以上;雾霾和非雾霾天PM10中水溶性离子的质量浓度、含量百分比和各离子比值体现了本次雾霾是由机动车尾气、燃煤、建筑施工和气象等因素造成;PM10中NO-3/SO2-4的比值范围0.755 1~1.410,均值为1.050,说明成都是燃煤和机动车并存的复合型污染;PM10中NH+4和NO-3、SO2-4两两之间均具有较好的相关性,NH+4和NO-3、SO2-4的相关性系数分别为0.845 0、0.966 0,NH+4和NO-3、SO2-4主要以(NH4)2SO4、NH4NO3形式存在于PM10中,Ca2+和Mg2+的相关性系数高达0.913 0。     

成都地震重灾区生态影响分区及恢复对策

地震是造成生态破坏较为严重的自然灾害之一,震后生态恢复的总体对策是决策者亟待获取的重要信息,因此有必要及时开展地震生态影响分区研究.以成都地震重灾区为例,利用汶川地震前后2期TM影像灰度差提取了地质灾害区;从敏感性和诱导性两方面,采用层次分析法对地震重灾区进行了生态危险度分类;基于不同区域的生态破坏强度及危险度特征,开展了地震生态影响分区,并以此作为生态恢复过程中优先级及措施的总体布局. 结果表明:成都地震重灾区地质灾害面积为118.3 km2,占区域总面积的2.36%;其中,应首先采用生物与工程相结合的手段进行修复的面积为40.7 km2,通过生物措施修复的面积为66.2 km2,其余的则依靠自然演替逐渐恢复.      

Seasonal variations of transport pathways and potential sources of PM2.5 in Chengdu,China (2012–2013)

PM_2.5 in Chengdu showed clear seasonal and diurnal variation. 5, 5, 5 and 3 mean clusters are generated in spring, summer, autumn, and winter. Short-distance air masses are important pathways in Chengdu. Emissions within the Sichuan Basin contribute significantly to PM_2.5 pollution. Long-range transport from Southern Xinjiang is a dust invasion path to Chengdu. Seasonal pattern of transport pathways and potential sources of PM_2.5 in Chengdu during 2012–2013 were investigated based on hourly PM_2.5 data, backward trajectories, clustering analysis, potential source contribution function (PSCF), and concentration-weighted trajectory (CWT) method. The annual hourly mean PM_2.5 concentration in Chengdu was 97.4 mg·m^–3. 5, 5, 5 and 3 mean clusters were generated in four seasons, respectively. Short-distance air masses, which travelled within the Sichuan Basin with no specific source direction and relatively high PM_2.5 loadings (>80 mg·m^–3) appeared as important pathways in all seasons. These short pathways indicated that emissions from both local and surrounding regions of Chengdu contributed significantly to PM_2.5 pollution. The cities in southern Chengdu were major potential sources with PSCF>0.6 and CWT>90 mg·m^–3. The northeastern pathway prevailed throughout the year with higher frequency in autumn and winter and lower frequency in spring and summer. In spring, long-range transport from southern Xinjiang was a representative dust invasion path to Chengdu, and the CWT values along the path were 30-60 mg·m^–3. Long-range transport was also observed in autumn from southeastern Xinjiang along a northwesterly pathway, and in winter from the Tibetan Plateau along a westerly pathway. In summer, the potential source regions of Chengdu were smaller than those in other seasons, and no long-range transport pathway was observed. Results of PSCF and CWT indicated that regions in Qinghai and Tibet contributed to PM_2.5 pollution in Chengdu as well, and their CWT values increased to above 30 mg·m^-3 in winter.     

成都平原土壤铅污染及其评价

采用随机布点方法在成都平原采集了0~20cm耕层土样及20~40cm的底层土样共98个。分析了成都平原土壤铅含量状况,同时用地质累积指数法进行了污染程度评价,并对污染土壤的分布规律以及铅在土壤中的迁移进行了探讨。结果表明：成都平原大多数农田土壤已经受到不同程度的铅污染。在86个耕层土样中,只有20个样点没有受到铅污染。受铅污染的样点中,污染级别为1~4级,以1、2级为主,属无污染到中污染的过渡状态和中度污染。其中1级污染有33个样点（占总样点数的38.4 %）,2级污染有30个样点（占总样点数的34.9 %）。个别样点已接近或达到了强度污染的水平。污染土壤的分布与污染源的位置关系密切,与土壤的理化性质也有一定的关系;铅主要累积在0~20cm的耕层土壤,同时也发生了一定的迁移,其数量与土壤理化性质有关。     

成都未来气候变化趋势的R/S分析

运用R/S分析法,对1951～2002年成都的平均值气温、极端气温值及降水累积值进行了计算分析。研究表明,成都未来气候变化趋势与过去50年来的变化趋势有着很好的自相似性。今后成都将继续变暖。依平均气候倾向率,未来10年,年平均气温将升高0.25°C,年平均最低气温将升高0.14 °C,年平均最高气温将升高0.04 °C,年极端最低气温将升高0.54 °C,年极端最高气温将升高0.13 °C。其中,年平均气温、年平均最低气温和年平均最高气温升高趋势的持续性强度很强。成都未来降水量将继续减少。未来10年的年降水量将减少45.2 mm,并且这种减少趋势具有很强的持续性强度。     

成都市城市演变对热岛效应的影响分析

将高、低分辨率卫星遥感数据相结合,使用成都市2001和2006年的同期卫星遥感数据,通过CBERS/CCD(中巴地球资源卫星/CCD相机)的多光谱信息获取植被指数图,并结合三波段数据合成彩色图像以及全色图,采用人机交互式方式提取城市建成区信息;对NOAA/AVHRR(美国国家海洋大气局/改进的甚高分辨率扫描辐射计)的热...     

减排背景下成都大气PM2.5碳质组分特征

近年来,国务院颁布的《大气污染防治行动计划》和《打赢蓝天保卫战三年行动计划》对我国空气质量的全面改善起到了重要作用,然而,当前鲜有对四川盆地两大政策实施效果进行评估以及对政策实施后PM_2.5化学组分新特征的针对性研究.2017年和2020年分别是两大污染减排政策实施效果评估的关键时期,为对两时期成都市大气PM_2.5及其中碳质组分特征进行全面了解,分别于2016年10月至2017年7月和2020年12月在成都市区进行了PM_2.5的连续采样,并对其中有机碳（OC）和元素碳（EC）进行了分析.结果表明：①2016~2017年成都市ρ（PM_2.5）平均值为（114.0±76.4）μg·m^-3,最高值出现在冬季,可达（193.3±98.5）μg·m^-3,是浓度最低季节春季［（73.8±32.3）μg·m^-3］的2.6倍,而这种严重的冬季污染在2020年出现了明显改善,对应的ρ（PM_2.5）为（96.0±39.3）μg·m^-3,降幅达50.3%.②2016~2017年ρ（OC）和ρ（EC）的平均值分别为（21.1±16.4）μg·m^-3和（1.9±1.3）μg·m^-3,分别占PM_2.5的质量分数为18.5%和1.7%;ρ（OC）季节变化特征为：冬季［（40.6±21.5）μg·m^-3］>秋季［（17.0±7.0）μg·m^-3］>夏季［（14.4±3.9）μg·m^-3］>春季［（12.6±6.0）μg·m^-3］,而各季节ρ（EC）水平接近（1.3~2.4 μg·m^-3）;二次有机碳（SOC）是OC的重要组成,可占OC的质量分数为44.5%.相比2016年冬季,2020年冬季ρ（OC）降至（19.2±9.1）μg·m^-3,降幅达52.7%,EC则升高了26.1%.③随污染加重,各碳质组分及其贡献变化趋势各异,相比2016年冬季,2020年冬季OC随污染加重贡献更加趋于稳定,而SOC占比升高更为明显,二次有机组分贡献不容忽视.④各季节气团来向和污染物潜在源区均呈现出了明显差异;与2016年冬季相比,虽然2020年冬季主要气团来向未发生明显变化,但各轨迹对应的污染物浓度均出现了大幅降低,且污染物潜在源区向东部区域扩展明显.     

基于模型模拟的成都市PM2.5污染来源解析

在建立成都市大气污染物排放清单的基础上,采用源开关敏感性分析法,设置8个排放情景,基于WRF-CMAQ模型模拟分析了2015年1、4、7和10月这4个典型代表月份的大气污染传输和不同行业对成都市PM_2.5污染贡献.结果表明成都市PM_2.5污染较重,特别是1月达到130μg·m^-3以上;浓度的高值集中在中心城区,且与周边城市PM_2.5污染连接成片.由于气团比较稳定,大气污染物的区域传输能力较弱,成都市PM_2.5污染以本地源的贡献为主,占比为61%.从行业贡献来看,移动源、扬尘源和生活源对成都市PM_2.5年均浓度贡献率分别为29%、26%和24%,是影响PM_2.5污染的主要污染源,下一步应强化对这3类源的污染控制.     

成都平原城市群春季臭氧污染天气客观分型与典型过程分析

通过分析成都平原城市群8个城市2015-2019年春季(4-5月)地面臭氧浓度及超标情况表明,春季成都平原平均臭氧日最大8小时平均浓度(O3_8 h)呈上升趋势,成都、眉山O3超标日较多,雅安最少但呈逐年增加趋势,资阳、乐山O3_8 h平均值和O3超标率高于夏季.同时,利用ERA-Interim再分析资料和PCT客观天...