基于随机森林模型的中国PM2.5浓度影响因素分析

选取气溶胶光学厚度、海拔、年降水量、年均气温、年均风速、人口密度、GDP密度和NDVI作为影响因子,基于随机森林模型、特征重要性排序和偏依赖图技术,研究中国PM_(2.5)浓度空间分布的影响因素及其区域差异.结果表明:①与多元回归、广义可加模型和BP神经网络相比,随机森林模型估算的PM_(2.5)浓度精度最高,可用于PM_(2.5)污染的影响因素研究.②PM_(2.5)浓度随气溶胶光学厚度、人口密度和GDP密度的增加呈先上升后平稳的趋势,随降水、风速和NDVI的增加呈先下降后平稳的趋势,随海拔和气温的增加呈下降→上升→下降的趋势.③气溶胶光学厚度对PM_(2.5)浓度空间分布的影响最大,可解释37.96%的PM_(2.5)浓度空间分异;年降水量对PM_(2.5)浓度空间分布的影响最小,解释率仅为5.75%.④影响因子与PM_(2.5)浓度的关系存在空间异质性,同一影响因子对不同地理分区的PM_(2.5)浓度的影响程度有所不同.气溶胶光学厚度对华南地区PM_(2.5)浓度的空间分布影响最大,对东北地区影响最小.     

北京地区秋冬季大气污染特征及成因分析

为了研究近两年北京地区PM2. 5污染特征及成因变化,利用常规观测资料和改进的后向轨迹模型(Traj Stat)对2016～2017年秋冬季大气重污染时段的颗粒物浓度、气象要素和气团传输路径进行了综合分析.结果表明,研究期间北京地区共发生13次持续2 d以上的重污染事件,冬季过程约占61. 5%,且污染程度和持续时间均高于秋季.地面受弱气压场控制、高湿度、静小风以及较低的混合层高度,加之北京三面环山的特殊地势是导致秋冬季静稳型污染频发的重要因素,重污染期间PM2. 5/PM10的平均比值高达0. 86.累积阶段气团主要来自于西北、偏西、西南和东南方向,其中西南和东南路径为典型污染传输通道,轨迹频率为21. 6%.此外,采用WRF-CAMx模型定量估算了2016年12月16～22日典型过程中本地和外来污染源对北京PM2. 5的贡献,结果发现不同气团输送条件下,二者的贡献差异较大.当南部气团输入时,本地贡献会显著下降,以外部区域输送为主导;若气流来自西北方向情况则相反.污染过程期间,本地贡献为16. 5%～69. 3%.     

青藏高原生态风险及区域分异

全球变化背景下,青藏高原生态系统受到自然、人为双重影响和威胁,生态风险日益加剧。针对生态风险源、脆弱性以及风险管理能力选取30个评估指标,利用生态风险评估优化模型,综合评估了青藏高原的生态风险,并得出如下结论：青藏高原生态风险总体处于较低水平,以低和极低生态风险为主,共占研究区面积的55.84%;极高风险主要分布在北部高山和极高山地区,中等风险主要分布在高原北部以及高原的西部和西南部地区,中、高生态风险在空间分布上形成一个“C”字形结构;青藏高原生态风险整体受自然主导因子控制,人为对生态环境的影响不容忽视,协调和降低青藏高原人类活动区域人类对生态环境的影响,是今后规避生态风险的重要途径。     

长治市沙尘天气污染特征及传输路径解析

以2018年3次沙尘天气为研究对象,分析了PM_2.5和PM₁₀浓度、水溶性离子组分、气象条件和气溶胶光学特征,研究了长治市沙尘天气的典型污染特征和传输路径.结果表明：长治市2018年共8d为受沙尘天气影响日,其中4月份最多（5d）,这与春季大气环流调整,冷暖空气活动频繁有关.沙尘污染发生前一般受西方或西北方冷空气影响,大气层结不稳定,大气环流转为经向环流,平均风速达4m/s以上;沙尘污染过程中PM_2.5/PM₁₀均低于0.3,环境空气中粗颗粒物占比较大,水溶性离子总浓度在PM_2.5中占比下降,Ca²⁺浓度为沙尘污染发生前的4倍以上.冬季沙尘为近地面扩散传输,春夏季沙尘为高空沉降传输,影响范围大,区域传输贡献明显.长治市沙尘重要潜在源区为蒙古国、哈萨克斯坦中部和新疆中北部的荒漠地区,传输路径主要为西北路径和正北路径,其中西北路径为哈萨克斯坦—新疆中北部—内蒙古西部—长治以及新疆中北部—内蒙古西部—长治两条路径,正北路径为蒙古国—内蒙古中部—山西北部—长治.     

基于TEM-EDS对四川盆地大气单颗粒气溶胶的研究

为了解四川盆地大气中单颗粒气溶胶理化特征,分别在该区域典型城市（成都市）和背景地区（峨眉山）进行了大气单颗粒样品采集.基于带能谱的透射电子显微镜（TEM-EDS）对两地累计3923个单颗粒的化学组成、形貌特征及混合状态等进行了全面观测和分析,并对两地颗粒物差异性进行了对比分析.结果发现：两地气溶胶颗粒主要包括有机物、富硫、矿物、烟尘和飞灰/金属颗粒,除了以单独的外混形式存在外,大多数颗粒以两种及两种以上颗粒类型混合（即内混）形式存在.通过对成都市不同污染状况下单颗粒特征对比发现,"污染天"的内混颗粒占比高于"清洁天",分别为74.2%和68.6%;相比"清洁天","污染天"颗粒物粒径分布范围更广且峰值区间更大,表明污染过程中颗粒物的大气混合趋于更强.对比成都市与峨眉山分析结果得知,成都市以内混的有机物-硫颗粒为主导（占比为50.2%）,而峨眉山以外混的有机物颗粒为主导（占比为50.5%）;成都市含硫类颗粒物（如有机物-硫颗粒）贡献高于峨眉山,而峨眉山两种含碳类颗粒（如烟尘和有机物-烟尘颗粒）占比高于成都市;此外,成都市与峨眉山两地大气颗粒物粒径分布范围及峰值区间均存在一定差异,进一步体现了两地颗粒物来源和老化混合的差异.在峨眉山,与非降雨天相比,一些易溶于水的颗粒物（如含硫类颗粒）在降雨天占比明显降低,而源自当地燃烧过程、粒径较小且疏水性强的颗粒物（如烟尘和有机物-烟尘颗粒）占比相应升高.     

Temporal and spatial characteristics of PM2.5 transport fluxes of typical inland and coastal cities in China

Local pollution and the cross-boundary transmission of pollutants between cities have an inevitable impact on the atmosphere. Quantitative assessments of the contribution of transport to pollution in inland and coastal cities are necessary for the implementation of practical, regional, and joint emission control strategies. In this study, the Comprehensive Air Quality Model (CAMx), together with the Weather Research and Forecasting model (WRF), was used to simulate the contributions to pollution of different cities in 2016. The monthly inflow, outflow, and net flux from the ground to the extended layers served as the three main indicators for the analysis of the interactions of PM_2.5 transport between adjacent cities. Between inland and coastal cities, the magnitude of inflow and outflow are larger in the former than in the latter. The inflow flux in the inland cities (Beijing and Shijiazhuang) was 10.6 and 10.7 kt/day, respectively, while that in the coastal cities (Tianjin, Shanghai, Hefei, Nanjing, and Hangzhou) was 9.1, 3.3, 5.8, 4.4, and 3.7 kt/day, respectively. In terms of variation over the year, the strongest inflow in the BTH region occurred in April, followed by October, July, and January, while that in the coastal cities in YRD occurred in January, followed by October, April, and July. Therefore, based on the flux intensity calculations and the transport flux pathways, effective joint control measures can be provided with scientific support, and a better understanding of the evolutionary mechanism among inland and coastal cities can be acquired.     

“京津冀”地区煤炭相关产业链的体现能核算与政策分析

目前,我国面临的大气污染问题愈发严重,尤其在"京津冀"地区更为突出。而煤炭相关产业链的能源消耗结构及其污染物排放是导致此问题的重要原因之一。本研究基于2012年"京津冀"地区各省、市的能源平衡表,通过区域间能源调配模型,绘制了煤流和能流桑基图,厘清了"京津冀"地区2012年煤炭相关产业链的物质与能量走向,并运用了投入产出法系统核算了"京津冀"地区煤炭相关产业链的体现能与24种污染物排放量。研究结果表明:(1)"京津冀"地区的原煤主要依赖调运,属于净煤炭进口地区。(2)原煤的直接使用在"京津冀"地区的煤炭相关产业链中占有非常大比重。将体现能角度分析的结果与能量角度分析的结果对比,可以发现煤化工产业在煤炭相关产业链中的潜在能量消耗仍然具有较大的贡献。(3)焦炭是终端消费能量的主要来源,也是体现能的主要贡献源。(4)在煤炭转化能源利用效率上,"京津冀"地区2012年煤炭相关产业链洗选煤、煤制品加工、炼焦三个环节的效率分别为87.77%、92.46%、90.97%,稍低于中国2012年96.16%的利用效率。(5)原煤、焦炭的直接消费和炼焦过程对"京津冀"地区2012年煤炭相关产业链七种主要污染物的贡献率最大。为了有效减少"京津冀"地区煤炭相关产业链的污染物排放,需要对原煤、焦炭的直接消费和炼焦过程采取相应的减排政策和措施。本研究可以为"京津冀"地区煤炭相关产业链提高能源利用效率、减少体现能和污染物排放、采取改进措施提供一定的理论支持和政策建议。     

城市污水处理过程中溶解性有机物及荧光物质的变化规律

以锦州市W污水处理厂为研究对象,利用三维荧光光谱分析技术和荧光区域积分(FRI)方法考察了城市污水处理过程中溶解性有机物及荧光物质的去除状况.利用XAD树脂将DOM分为5个部分:疏水性有机酸(HPO-A)、疏水性中性有机物(HPO-N)、过渡亲水性有机酸(TPIA)、过渡亲水性中性有机物(TPI-N)和亲水性有机物(HPI).结果表明,HPO-A和HPI是该污水处理厂进水中的主要DOM组分,并且DOM中的荧光物质主要为类芳香族蛋白质荧光物质和类富里酸荧光物质.在该污水处理厂内,生物降解作用是TPI-A和HPI的主要去除机制,HPO-N和TPI-N主要是由深度处理工艺(絮凝-沉淀-过滤)去除的,生物处理工艺和深度处理工艺对HPO-A的去除能力接近,而生物处理工艺和深度处理工艺对TPI-N的去除效果均较差.生物处理工艺对HPO-A、TPI-A和HPI中的荧光物质有较强的去除能力,而对HPO-N和TPI-N中荧光物质的去除效果较差.深度处理工艺能够有效去除HPO-A和HPO-N中的荧光物质,而对TPI-A、TPI-N和HPI中的荧光物质无明显去除作用.     

郑州市典型污染过程PM1中重金属浓度、来源及健康风险评估

颗粒物中重金属元素可对人体健康造成不利影响,粒径越小危害越大.利用在线重金属观测仪于2021年1月7～25日在郑州市连续测定PM₁中Al、 Si、 K、 Ca、 V、 Cr、 Mn、 Fe、 Ni、 Cu、 Zn、 As、 Se、 Ba、 Pb和Cd共16种重金属元素.结果表明,观测期间ρ（K）的浓度最高(0.62μg·m^-3).根据污染物浓度和气象特征,将观测期间划分为清洁日、沙尘日和霾日.大气PM₁中重金属污染特征和健康风险评价在不同污染过程下的贡献不同.利用美国EPA健康风险评价法评估重金属的健康风险,采用富集因子法和正定矩阵因子模型（PMF）解析重金属来源,并利用浓度权重轨迹分析法（CWT）和后向轨迹法对传输的影响进行评估.结果表明在不同污染过程下Zn、 As、 Se、 Pb和Cd的富集因子超过100,均受人类活动影响较大.在观测期间重金属主要来源为工业源、燃煤/生物质源、机动车源和扬尘源.将健康风险结果代入PMF分析发现,在清洁日、沙尘日和霾日期间工业源是致癌与非致癌健康风险的主要贡献源,且本地区PM_...     

网络化治理视域下的中国区域环境治理研究进展

网络化治理作为一种不同于科层—集中型和市场—分散型的新型治理方式,在环境治理中有其自身的优势。当前,区域环境公共事务的不断增长已超出政府单个主体的能力范围,需要加强政府与企业、社会组织及公众等多元主体的共同治理,构建以多元主体参与为核心的多重、复杂、交叉的网络化环境治理模式。基于网络化治理产生的背景、演变过程和内涵,围绕多元主体相互作用、行动主体的网络关系结构和模式、治理网络的运行逻辑和机制等方面系统梳理其研究进展,为推进我国现代化环境治理体系提供参考。