沙尘影响下华北地区一次重污染天气形成与消散过程分析

以2017年5月4日~5日华北地区出现的一次大范围的严重的天气污染形成与消散过程为研究对象,通过搜集华北地区9个城市空气中主要污染物浓度、AQI（空气质量指数）和常规气象数据,分析AQI、主要污染物（PM₁₀、PM_2.5、SO₂、NO₂、CO、O₃）浓度变化特征和相关气象因子的关系。结果表明：本次重污染本质为区域性沙尘污染所致。污染过程呈现出形成速度快、消散急促的特点。该污染过程首要污染物为PM₁₀,其次为PM_2.5,而SO₂、NO₂、CO、O₃等由人类活动产生的污染物浓度并未超标。后向轨迹分析和相关分析发现造成此次严重污染颗粒物主要来自蒙古高原,风是主要驱动因子。污染物在空间位置比较接近的城市间传输时,表现出趋势一致性、时间上的滞后性和污染物浓度的累积性特点。     

中国城市空气污染时空分布格局和人口暴露风险

近年来,中国空气污染及其对人口健康危害的时空分布呈现出新的特征。论文使用5 a(2015—2019年)间逐小时的空气质量监测数据,利用变化率计算、热点分析、趋势分析和超标频数统计等方法,分析了中国332个城市的空气质量及人口空气污染暴露风险的时空分布特征,结论如下：① 中国城市近年来空气质量有好转趋势,环境空气质量指数(AQI)下降的城市占所研究城市总数的91.3%;PM_2.5、PM₁₀、SO₂和CO等4种污染物浓度均有所下降,而NO₂和O₃浓度有所上升;② PM_2.5、PM₁₀、SO₂和CO浓度变化率的热点分布于新疆地区和云南—华南地区,NO₂浓度变化率的热点为新疆地区和河套平原,O₃浓度变化率的热点为华北平原至长江中下游流域;西北地区和华南地区空气质量变化幅度较小;③ 9个城市在PM_2.5、PM₁₀、SO₂、NO₂、O₃和CO等6种污染物中均有暴露,分布于山西、河北与山东。暴露风险均为0级的低风险城市共有12个,分别位于新疆、云南、贵州、四川、广东、福建和黑龙江。研究结论对于跨区域空气污染的协同治理以及制定差异化的空间人口流动管理政策具有重要参考价值。     

乌鲁木齐大气颗粒物的时空分布规律

依据峡口城市乌鲁木齐市2013-2016年6个环境监测站逐时的6类污染物数据,分析大气污染物的时空分布规律。总体来看,乌鲁木齐市以颗粒物污染为主,即PM₁₀、PM_2.5污染严重。从季节上来看,乌鲁木齐污染物浓度大多冬季高、夏季低,春秋季次之。春、夏、秋、冬PM_2.5的浓度依次为59.8、40.5、67.8、139.6 μg·m^-3,而PM₁₀则是148.6、119.7、146.4、209.4 μg·m^-3,粗细粒子浓度在春秋季的细微变化凸显在春季沙尘天气的影响。从日变化方面来看,污染物多呈现为双峰型结构。PM₁₀、PM_2.5春夏秋3个季节都是在子夜1：00时浓度最高,9：00～10：00时次之,但是冬季日最高值则出现在17：00时左右,次峰值出现在21：00～22：00时。从空间分布来看,颗粒物浓度总体上是中心城区低、四周高的分布格局;从PM_2.5浓度占PM₁₀浓度比重分析来看,冬季比重最高,达70%,以城区及城北最为明显,达73%,日变化分布则主要集中在下午至夜间,且冬季比重达71%。     

黄河流域空气污染的空间格局演化及影响因素

基于2008—2017年黄河流域工业SO₂和PM_2.5两类典型空气污染物数据,首先刻画了两者的空间演化格局,并运用空间面板杜宾模型（SPDM）从直接效应和间接效应两方面对两者的影响因素进行对比分析。结果表明：① 工业SO₂和PM_2.5污染均存在显著的空间集聚特征,从东南至西北方向呈现梯度递减趋势;二者在城市尺度均存在显著的正向空间关联性,但PM_2.5污染的空间关联性比工业SO₂更强;② 2008—2017年,工业SO₂和PM_2.5污染有所缓解,其中工业SO₂排放强度迅速下降;而PM_2.5质量浓度下降相对缓慢,仍是黄河流域主要的空气污染源。③ 产业结构、技术创新、能源效率、人口规模、经济发展、工业规模等是影响黄河流域空气污染的主要因素,但PM_2.5的影响因素更加复杂多样化。其中,技术创新能力和经济发展水平的提升虽然在研究期内加剧了本地工业SO₂污染的排放强度,但却能缓解周边城市的工业SO₂和PM_2.5污染;工业规模的扩大会加剧本地和邻近城市的PM_2.5污染。     

陕西区域环境空气质量时空特征

利用陕西省的环境空气质量自动监测站2017—2021年的监测数据,分析了陕西区域空气质量的逐月变化特征、季节变化特征、年变化特征以及不同污染物的空间分布情况,对不同区域发生重度污染时段的环境空气质量污染特征和成因进行了探讨。结果表明：(1)2017—2021年陕西省空气质量逐步改善,空气质量改善幅度关中>陕南>陕北,SO₂浓度年均下降12.5%,CO浓度年均下降9.9%,PM_2.5年均下降7.2%。(2)关中区域和陕北北部污染较重,陕北南部和陕南区域污染较轻,城市污染程度重于郊县。(3)陕西省空气质量具有明显的季节变化特征,重污染天多在采暖季和春季(1月、2月、3月、11月、12月)。不同区域发生重度污染时的首要污染物具有明显差异。陕北区域重度及以上污染天的首要污染物为PM₁₀(100%),关中区域为PM_2.5(82%)、PM₁₀(17%)、O₃(1%),陕南区域为PM_2.5(81%)、PM₁₀(19...     

乌鲁木齐冬季大气细颗粒物水溶性离子特征及来源

为了探讨乌鲁木齐冬季大气细颗粒物的污染水平及其水溶性离子的特征,于2013年1-3月采集大气PM_2.5样品,并利用离子色谱仪分析其中的水溶性离子,采用硫转化率、离子相关性分析及后向轨迹模型对其可能来源进行了讨论。结果表明:观测期间采样点PM_2.5平均质量浓度为170.13±51.39 μg·m^-3,水溶性离子总浓度平均值为53.47±23.76 μg·m^-3,其中3种二次离子(SO₄^2-、NO₃^-和NH₄⁺)是水溶性离子的主要组分;不同天气类型下PM_2.5和离子浓度差异较大,雾、霾天气二次离子浓度占总浓度的81.99%和86.24%,硫转化率均大于0.1;春节期间由于燃放大量的烟花爆竹,使得PM_2.5可溶性离子K⁺和Cl^-浓度急剧上升;NH₄⁺与SO₄^2-、NO₃^-相关系数分别为0.975和0.748,(NH₄)₂SO₄、NH₄HSO₄和NH₄NO₃是细颗粒物水溶性组分的可能结合方式,Cl^-和K⁺的相关性显著,说明两者具有同源性;固定排放源仍然是乌鲁木齐大气污染物的主要来源,局地大气输送会使大气污染加重。     

社区公园空气污染暴露特征及其居民感知——以广州市中心城区为例

基于空气污染监测与问卷调查数据,研究了广州中心城区33个社区公园空气污染暴露特征、影响因素及其居民对空气污染感知。主要结论为：1）各区社区公园空气污染暴露风险及其空间格局分布差异较大,低暴露风险公园所占比例较小。2）空气质量指数（AQI）、PM_1.0和PM₁₀与社区公园面积呈显著负相关;AQI、PM_1.0、PM₁₀和PM_2.5与斑块形状指数呈显著正相关关系;二氧化碳（CO₂）与离城市主干道距离呈显著负相关,但社区公园1 km缓冲区范围内城市道路密度与其空气污染关系不大。3）超过1/3的居民对社区公园空气污染程度的主观感知优于客观测度的空气污染水平。4）可替代活动空间以及社区公园可达性影响居民空气污染暴露风险。由于社区公园面积规模较小,对空气污染减缓作用有限,未来应尽可能规划面积规模较大、可达性较高、形状更饱满且远离交通主干道的社区公园。     

沙尘天气过程对中国北方城市空气质量的影响

2014年4月23-25日中国北方地区经历了一次大范围的强沙尘天气过程.利用13个城市的空气质量和气象数据结合后向轨迹模式和MODIS deep-blue气溶胶光学厚度数据,研究沙尘天气过程对中国北方城市空气质量的影响,特别是对PM_2.5质量浓度的贡献。结果表明:来源于塔克拉玛干沙漠及其周边地区的沙尘途经甘肃西北部和内蒙古中西部的沙漠区进而影响下游城市。MODIS deep-blue气溶胶光学厚度的空间分布能够较好地反映出沙尘的水平运动特征。沙尘天气过程可以使中国北方城市PM_2.5和PM₁₀质量浓度分别增加7.5%～1 141.2%和344.0%～2 562.1%,可以有效地降低SO₂、NO₂和CO气体污染物的浓度,而对O₃的浓度影响较小。银川、大同和库尔勒沙尘天气过程期间平均SO₂、NO₂和CO浓度较非沙尘天气过程期间降低最明显,分别降低约80.0%、78.7%和62.1%。     

外部性视角下中国城市网络演化及其环境效应研究

在全球化、快速城市化和新技术革命的背景下,要素流与网络关系构成的“流空间”愈发重要,城市网络结构不断受到冲击与重塑,人地关系矛盾日益凸显,区域空间组织模式及其环境效应已成为环境经济地理学研究的重要议题。本文利用腾讯位置大数据,构建了2015—2018年288个地级以上城市之间的人口迁徙网络,采用社会网络分析和面板空间计量模型,对中国城市网络演化格局及其环境效应进行实证分析。结论如下：① 中国城市网络联系强度高的城市主要分布在“胡焕庸线”东侧的京津冀、长三角、珠三角和成渝城市群组成的菱形结构;城市网络密度和关联性逐渐增强,度数和中介中心性呈现多中心和分散化的发展趋势。② 中国城市空气质量总体有所好转,空间上呈现显著的集聚特征;88.89%的城市空气质量指数（AQI）下降,PM_2.5、PM₁₀、SO₂、CO和NO₂年均浓度有所下降,而O₃年均浓度有所上升。③ 中国城市网络对环境质量的影响主要来源于城市网络外部性所带来的空间溢出效应;城市网络中节点权力地位和影响力的增强,提高了借用规模和借用技术,从而促进环境质量提升。④ 度数中心性提升了东部、中部和东北地区的环境质量,减少了PM_2.5、PM₁₀、SO₂和O₃的年均浓度,增加了CO的年均浓度;而中介中心性则提高了西部地区的环境质量,降低了NO₂的年均浓度。     

中国二氧化硫减排分析及减排潜力

SO₂是中国主要污染物总量控制指标之一。分析SO₂排放变化和影响因素对今后SO₂及其他污染物减排具有借鉴意义。在分析近10 a来尤其是"十一五"期间中国SO₂减排趋势的基础上,通过构建对数平均权重模型和减排潜力模型分析SO₂减排的影响因素和减排潜力,并对"十二五"SO₂排放进行情景分析。结果表明:SO₂排放量呈先上升后下降的变化趋势,"十一五"减排目标顺利实现;2005~2009年,中国工业SO₂排放量平均每年减少65×10⁴ t,其中,经济增长平均每年促进SO₂排放量增长315×10⁴ t,技术进步则平均每年使SO₂排放量减少344×10⁴ t,行业结构因素平均每年减少SO₂排放量36×10⁴ t;中国SO₂排放强度存在着绝对趋同和条件趋同,在条件趋同下,2009年中国各地区SO₂减排空间为738×10⁴ t,相当于当年SO₂排放量的1/3;"十二五"期间,若工业SO₂减排目标为8%~10%,则其去除率在2015年末需达到74%~80%,减排形势将依然严峻。     

中国城市空气质量的区域差异及归因分析

开展城市空气质量时空格局演变特征及其影响因素的研究,对于深入认识城市环境与社会经济系统的互馈机理、制定高效的环境治理措施、提升城市发展质量具有重要的理论与实践意义。本文以中国全面实施《大气污染防治行动计划》的2014年为起点,刻画了2014—2019年286个地级以上城市6种空气污染物浓度（CO、NO₂、O₃、PM₁₀、PM_2.5、SO₂）的时空演变特征,并基于面板回归模型分析各污染物浓度之间的相互作用关系;进而利用随机森林模型对城市6种空气污染物浓度与13个自然和社会经济影响因子的关联强度进行探究,从中梳理出关键影响因子。结果显示：① 研究期内,O₃污染加剧,其余污染物年均浓度逐年下降,其中SO₂浓度降幅最大。虽然典型的重污染区范围有所减小,但京津冀、山东半岛、山西、河南等地区的城市空气污染物浓度仍相对较高。② 城市6种空气污染物浓度之间存在显著的相互影响关系,城市空气复合污染特征明显。③ 自然因素和社会经济因素对不同种类空气污染物浓度的影响差异较大,且与污染物浓度之间呈非线性响应关系。自然因素中,城市年均气温与空气污染物浓度的关联强度最大,其次是植被指数。社会经济影响因素中,土地城市化水平和二产比重是主导影响因子,其次是电力消耗总量和交通因子。偏依赖分析进一步刻画了不同污染物浓度对主导影响因子的响应突变阈值。鉴于人类对于自然环境和气象条件的控制能力有限,建议继续通过优化城市密度、控制人为排放源及严格的空气污染防控措施以进一步有效提高城市空气质量。     

Assessment of Urban Air Pollution and Spatial Spillover Effects in China: Cases of 113 Key Environmental Protection Cities

With rapid urbanization and energy consumption, environmental pollution and degradation have become increasingly serious problems in China. At the beginning of 2013, China implemented new ambient air quality standards (GB 3095-2012) in which the concentration of six pollutants including PM_2.5, ozone, carbon monoxide, PM₁₀, sulfur dioxide and nitrogen dioxide were monitored. This study gathered annual air pollutant concentration data for the six pollutants in 113 key environmental protection cites throughout China in 2014 and 2015 to explain spatial patterns of urban air pollution. Based on the Kernel density estimation method, spatial hotspots of air pollution were illustrated through which spatial cluster of each pollutants could be plotted. By employing an entropy evaluation system, urban air quality was assessed in terms of the six atmospheric pollutants. We conclude that, in general, CO and SO₂ were two important pollutants in most Chinese cities, but this varied greatly among cities. The assessment results indicate that cities with the worst air quality were mainly located in northern and central provinces, dominantly in the Beijing-Tianjin-Hebei metropolitan area. Regression modeling showed that a combination of meteorological factors and human-related determinants, to say specifically, industrialization and urbanization factors, greatly influenced urban air quality variation in China. Results from spatial lag regression modeling confirmed that air pollution existed obvious spatial spillover effects among key cities. The spatial interdependence effects of urban air quality means that Chinese municipal governments should strengthen regional cooperation and deepen bilateral collaboration in terms of air regulation and pollution prevention.     

基于步行性与污染物暴露空间格局比较的建成环境健康效应——以南京为例

在雾霾问题日益严重的中国,通过提高建成环境的步行性以增加居民户外体力活动的同时,也会增加居民的污染物暴露度,最终的健康效应不一定为正。针对这一悖论,论文以南京为例,通过步行指数测度步行性,基于土地利用回归模型和插值模拟PM_2.5和O₃浓度的空间分布,在此基础上比较步行性与污染物暴露的空间关系,从而对建成环境健康效应进行评价。研究表明：确实存在高步行性但同时也是高污染物暴露的城市空间,这部分空间主要分布在城市中心区,在这些地区片面强调提高步行活动其实是存在很大健康风险的;城市郊区则呈现低步行性且低污染物暴露的特征,其健康效应亦难以直接判断;靠近城市中心但又距其有一定距离的大面积绿地周边地区呈现高步行性且低污染物暴露的特征,其健康效应为正;而城乡交界的半城市化地区容易成为低步行性且高污染物暴露的健康效应为负的空间。研究结果可以为精准制定健康城市的土地利用政策提供参考依据。     

沙尘对兰州市大气环境质量的影响

利用1951-2010年甘肃省气象局地面观测站沙尘气象资料和2006-2010年兰州环保局PM₁₀、SO₂、NO₂质量浓度资料,分析了兰州市沙尘天气时间变化特征及其对SO₂、NO₂、PM₁₀等大气污染物浓度的影响。结果表明:近60年来兰州市沙尘天气总体上呈现振荡性减少的趋势,沙尘暴、扬沙和浮尘年变化倾向率分别为-0.15 d、-0.72 d和-0.97 d,这与上游沙尘源区沙尘天气振荡性减少有关。沙尘对兰州地区SO₂和NO₂质量浓度影响不大,对PM_2.5质量浓度和PM_1.0数浓度的变化有一定的贡献,但对PM₁₀质量浓度影响非常大,沙尘对春季PM₁₀质量浓度的贡献率在18.4%～43.1%。对2007年5月10日一次强沙尘天气过程研究发现,随着沙尘天气的侵入,兰州市不同粒径气溶胶的浓度陡然上升,然后达到较高的浓度水平,之后由于沙尘天气的减弱、消退或离境,不同粒径气溶胶浓度也逐渐降低并缓慢恢复到正常水平。     

东北地区大气污染物源排放时空特征：基于国内外清单的对比分析

基于国内外4类常用的污染源排放清单数据（EDGAR：全球大气研究排放数据库；CEDS：社区排放数据系统；MIX：亚洲排放清单；PKU-FUEL：全球燃料排放数据），对东北区域5类人为排放源（工业源、能源、交通运输源、生活民用源和农业源）的8种污染物（PM_2.5、PM₁₀、SO₂、NO_x、NMVOCs、NH₃、OC和BC）从排放总量、来源贡献和时空分布特征等方面进行对比分析。结果表明：东北污染物排放主要以SO₂、NO_x和NMVOCs为主，工业、能源和交通运输为主要贡献源；PM_2.5和PM₁₀主要来自生活民用源和工业源，贡献率前者大于后者。辽宁省污染物（除NH₃外）排放最大，其次为黑龙江省、吉林省和内蒙古东四盟市，冬季排放强度明显高于其他季节。NH₃主要来自农业源，排放峰值发生在5~7月；各清单间排放总量和来源贡献差异明显，EDGAR和PKU清单对NH₃估算差异度为170.3%；SO₂、NO_x、BC和OC的排放差异度均在30%以上。不同活动水平和排放因子的使用是造成清单差异的主要原因。本研究可以掌握东北污染状况，了解清单差异，为本地化清单工作开展提供研究方向，同时也可为模式模拟合理选择清单数据提供参考。     

2017—2019年中天山北坡城市群大气污染及污染天气类型特征

利用2017—2019年中天山北坡城市群（乌鲁木齐市、昌吉市、石河子市、五家渠市）逐时大气污染物监测数据及气象数据,分析了大气污染物年内变化和污染天气类型特征。结果表明：（1） 中天山北坡4座城市6类大气污染物中PM_2.5超标日数最多（年均94~104 d）,年均浓度介于64~73 μg·m^-3,且五家渠市>乌鲁木齐市>石河子市>昌吉市。采暖期PM_2.5浓度在100~118 μg·m^-3之间,是非采暖期的4.00~5.00倍,靠近山前地带的城市PM_2.5浓度日变化大体呈现“双峰双谷型”。（2） 4座城市污染天气类型主要分为静稳型、沙尘型和特殊型,其中静稳型占86.2%~93.6%、沙尘型占5.8%~13.2%。静稳型污染天气多出现在冬季,沙尘型主要出现在春、秋季节。静稳型污染天气中Ⅴ-Ⅵ级污染级别占比45.8%~56.6%,沙尘型污染天气中Ⅴ-Ⅵ级污染级别占比14.9%~29.4%。（3） 静稳型和沙尘型污染天气下PM_2.5和PM₁₀浓度都存在显著的线性相关,前者PM₁₀浓度是PM_2.5的1.26倍,而后者达3.16倍,此倍数可以作为区分静稳型和沙尘型污染天气的判据。